智驾最后的窗口期，冲出AI新玩家

摘要： ...

过去一年，智能辅助驾驶行业呈现出冰火两重天的局面。

辅助驾驶从可用迈向好用，在消费者购车决策中的权重越来越高。成熟的方案也带来成本下探的机会，L2+ 撕掉高端车型专属标签，向中低端市场普及，让 " 平权 " 从口号宣传变成行业共识。

同一时期，技术路线开始加速收敛，端到端与多模态大模型成为新赛点，想留在牌桌上的公司都必须全力以赴。

竞争越发残酷，头部阵营呈现雏形，在这样一个看似并不适合入局的时间节点，37 岁的印奇开始了他的新事业。

作为 AI 1.0 时代的亲历者，印奇在 2011 年创立旷视科技，此后迅速跻身中国 AI 独角兽公司。在人工智能的探索道路上，印奇这个技术派几乎从未止步。

随着一家名为千里科技的公司浮出水面，印奇带着对技术、商业与产业的深刻复盘，毅然扎进汽车智能化的战局。

一切的起点，要回到四年前的那个夏天。

多方割据的战局

2021 年 7 月，特斯拉 FSD Beta V9.0 面向美国用户开启小范围推送，这比原定时间晚了整整三个月。

如马斯克所言，V9 版本实现了 " 重大架构调整 "，彻底抛弃毫米波雷达，转向纯视觉路线。而硬件削减非但没有让效果打折，反而开创了月费 199 美元的订阅模式。

一个月后的 AI Day，特斯拉完整展示了自己最核心的秘密：

基于 BEV+Transformer 架构，多个摄像头感知到的 2D 图像可以拼接成一个连贯的 3D 鸟瞰图，更贴近人眼观察的世界。同时由于融入时序信息，FSD 对 corner case（长尾场景）的感知和预测能力大幅提高。

感知模块的大模型化，意味着系统开始学会总结归纳。这一天也成为 L2+ 智能辅助驾驶技术发展的分水岭。

FSD 跳过 V8.x 版本直接发布了 V9.0 版本

传统智驾系统基于模块化设计，即 " 感知 - 规划 - 控制 " 模块各司其职，接力完成驾驶任务。感知问题不解决，规控能力就无从谈起。

过去很长一段时间里，工程师投入大量的时间和精力，只将感知算法的精度提高了一点点。早期观点普遍认为，被传感器武装到牙齿的 L4 级自动驾驶会先一步落地，背后思路正是通过硬件堆砌，降低算法层面的开发难度。

2021 年行业风向陡然转变，特斯拉 FSD 引入大模型成为渐进式路线的教科书，不仅车企争相效仿，很多在 L4 市场埋头苦干的公司也意识到，降维打造可量产的 L2+ 方案大有可为。

结合机构测算，智能辅助驾驶系统的软件价值占整车比重会持续提高，未来有望超过 4 成。这一趋势不仅促使 ADAS 成为激光雷达最大的应用市场，某种程度上也动摇了传统 L2 巨头的地位。

智能辅助驾驶的竞争地图上自此形成多股互不相让的力量。

一类以特斯拉为代表，自研芯片、算法并自建超算中心，通过高程度的垂直整合，掌控从硬件到软件的全部价值链。

并非所有车企都有强大的垂直整合能力。因此，第三方供应商纷纷从幕后走向台前，成为左右战局的核心变量。

其中既有提供系统打包方案的芯片制造商，代表是 Mobileye。也有 L4 和 L2 两条腿走路的算法提供商，比如 Momenta。最后一类，是完整经历了AI1.0 技术周期的创业者。

以计算机视觉算法见长的旷视科技曾在 2019 年展示过车载视觉解决方案，当时更多聚焦于舱内交互。随着 BEV+Transformer 架构基本确立，创始人印奇意识到这是入局智能辅助驾驶行业的最佳时机。

在 L2+ 和 L4 自动驾驶领域，搅局者众多，但真正能改变战局的人恐怕寥寥无几。无数故事悬而未决，印奇想成为后者。

AI产业先锋进场

大约十年前，印奇意识到软硬一体的重要性，无论是后来提出 " 算法定义硬件 " 还是坚信的 "AI in Physical"，本质都是软硬件协同形成闭环，发挥算法优势，掌握迭代节奏，用快打慢。

在众多充满诱惑力的选项里，高度追求软硬一体能力的智能辅助驾驶，成为了印奇的最终归宿。

2025 年初，印奇首次以千里科技董事长身份亮相，在短短不到一年的时间里，锚定 AI+ 车战略，完成覆盖智能辅助驾驶、智能座舱、智能出行等多点布局。

这种 " 千里速度 " 的背后，是天时地利人和的综合结果。以智能辅助驾驶为代表，算法的演进、政策的驱动、产业链的成熟与分工恰好对应这三项。

2023 年 ChatGPT 爆火后，端到端 +VLM（视觉语言模型）逐渐成为智驾系统的主流方案。相比分工明确且依赖代码规则的模块化架构，端到端，顾名思义是通过一个神经网络将传感器数据直接转化为车辆操作指令。

虽然代码节省了千千万，但黑箱问题也很明显。引入 VLM 大模型的好处是提供了解释空间，也提高了感知理解能力。比如，系统既能 " 看到 " 又能 " 理解 " 施工标志和警示牌的含义。

好用的模型往往要经历一个过程：在云端预训练大模型，然后将车端高质量驾驶数据投喂给云端，结合仿真数据微调大模型，最后 OTA 给车端小模型。

强化学习（RL）是训练高质量模型必不可少的 " 教练 "，主要用于微调环节，核心是设置奖励函数，用 AI 教 AI。具体地说，基于云端生成的虚拟 corner case 场景，模型可以不断试错，完成自我进化。

算法的跃进带来了更智能的体验和更快的迭代速度，推动智能辅助驾驶进入强算法时代。

这一趋势下，政策也敞开怀抱，随着 L3 级车型合法上路提上日程，软件加速重构汽车价值。重庆作为老牌汽车工业重镇，转型决心有目共睹，不断释放 " 软 " 实力，成为千里科技迅速成长的倚仗。

多模态大模型 + 强化学习将是未来必不可少的能力

当智能汽车取代传统汽车成为主流趋势，合纵连横的生态就替代单打独斗的制造能力成为更高的壁垒。

基于这一点，千里科技联合阶跃星辰和吉利汽车组建合作联盟，共同推动 "AI+ 车 " 战略，其中千里科技和阶跃星辰联合研发了千里智驾 RLM 大模型。

9 月 28 日的发布会记录下了经典一幕，李书福紧紧握住印奇的手，期许着这位年轻后辈能带领千里科技创造未来。

当天上午，一场以 "AI+ 车 , 迈向智能网联新能源汽车之都 " 为主题的高端对话中，长安汽车集团董事长朱华荣、赛力斯集团董事长张兴海、吉利控股集团董事长李书福、千里科技董事长印奇悉数到场。

三家占据国内汽车销量近 1/3 的头部车企与千里科技聚首重庆，风向标意义极为浓厚。

从电动化到智能化的下半场已然成为行业共识，对车企而言，基于 AI 衍生的智能化体验，既是消费者购车决策中的关键因素，也是车企产品定义中举足轻重的组成部分，其定位已经从纯粹的 " 辅助功能 "，变成了产业进步的底层引擎。

而对千里科技来说，智能化下半场大幕的拉开，同样意味着纯粹的 " 技术供应商 " 已经难以满足终端市场的需求，能够整合产业资源、驱动行业范式变迁的 " 平台型玩家 "，才是自己需要扮演的角色。

智能汽车的开发是一个极其复杂的系统工程，平台型公司可以提供一套完整的解决方案，从算法、数据到算力，大幅缩短新车研发周期，适应更快的迭代速度和打法。

这也是千里科技要成为平台级 AI 公司的原因——在 "AI 重构汽车 " 的浪潮下，为行业提供规模化智能解决方案。

不久前，千里科技获得奔驰的 13 亿元投资，汽车智能化朋友圈不断扩大。

在智能辅助驾驶这条赛道上，新面孔和老玩家的身份其实并不重要，看准方向、备足弹药的后发者，可能会有更多收获。

后来者也有机会

对于千里科技的定位，印奇有一个高度概括的描述：一家具有深厚制造业基因的企业，正在向成为世界级科技公司的目标全力迈进。

目前千里科技已将 AI 触角延伸到智能辅助驾驶和智能座舱，尤其在智能辅助驾驶领域，RLM（强化学习 - 多模态）大模型一经发布便备受关注。

如果去年 " 端味 " 浓淡隐含技术领先的程度，今年多模态大模型就可以视作新的引爆点。基于多模态大模型的端到端智驾系统，是汽车行业竞争最紧张激烈的战场。

从特斯拉 FSD V12 摘掉 "Beta" 帽子 ，端到端架构已然成为行业圣经。主流的端到端仍然是多段式，比如感知网络和决策规划网络相互独立，就像传话游戏中，信息输入到输出很可能存在偏差，且大多都有延迟。

RLM 正是为了解决这个问题——一段式端到端模型拥有更高的 " 含模量 "。在智驾系统中，大模型驱动的比重越高，驾驶体验越拟人丝滑。从依赖外部装备到轻地图，从模块化到端到端，首先考验的都是大模型能力。

多模态大模型提高了端到端架构的上限，让车辆不仅能理解 " 正在发生什么 "，面对未知和极端交通场景时，也能从容应对。

基于多模态大模型底座，千里科技整合通用知识和智驾垂域数据，使 RLM 大模型能够实现通用感知理解。而强化学习让 RLM 大幅降低了触发安全兜底规则的概率，提高驾驶博弈能力，真正学会举一反三。

在使用过程中，防御性驾驶是 RLM 大模型的一个亮点，也是头部智驾公司整齐划一的发力点，通俗点说是让 AI 学会害怕。

传统智驾系统根据传感器输入信息作出判断，对看不见的场景往往会忽略危险性。RLM 基于多传感器感知和动态场景推演，空间理解能力大幅提高。面对视野盲区，系统能够进行预防性判断，提前减速或调整车距。

面对竞争白热化的车位到车位功能，千里科技还推出了全场景的门到门模式应战。不依赖高精地图，通过实时道路生成与理解，实现无感畅通驾驶。

一套好用的智能辅助驾驶系统背后是算法、算力和数据三要素协同，尤其在 AI 的 " 摩尔定律 " 规模法则（Scaling Law）下，端到端大模型的性能与模型的计算量、训练数据量和参数规模息息相关。

这些恰恰都是千里科技的优势。基于与吉利合作，千里科技拥有百万级保有量的 L2+ 车型数据，同时联盟云端算力储备超过 23 EFLOPS，这个数字仅次于特斯拉，在国内车企中排名第一。

与吉利的合作是千里科技扩大朋友圈的起点和支点，未来将辐射更多新能源汽车行业公司，使其成为真正的平台级 AI 科技公司。

过去不到一年时间里，千里科技也率先交出第一份成绩单，完成了在智能辅助驾驶、智能座舱和智能出行领域的多点布局。

按照美国银行发布的报告，2040 年全球自动 / 智能驾驶汽车市场规模有望增至 1.2 万亿美元，同时根据 IHS 预测，2030 年全球汽车智能座舱市场规模将达到 681 亿美元，千里科技势必会占据一席之地。

以智能出行为例，千里科技已制定计划，目标在未来 18 个月完成 Robotaxi 全链路产业布局。基于全球化视野，先在 10 座城市落地规模化的 Robotaxi 运营服务，在单一城市部署超过 1000 辆 Robotaxi，跨越商业化门槛，赢取行业入场券。

除此之外，印奇还阐述了 " 千里计划 "（AFARI Plan），以 "One Brain，One OS，One Agent" 为核心愿景：构建一个由大模型驱动的 AI 大脑（One Brain），打造可以整合跨设备数据的操作系统（One OS），最终通过超级智能助手（One Agent），实现无缝的跨终端、跨场景服务。

如印奇所言，汽车是 AI 最好的场景，很可能没有之一。正因如此，汽车智能化的战场无比残酷，新能源车行业出清的惨烈程度远超燃油车时代，但这并不代表后来者没有机会。

互联网的黄金十年恰恰传递了一个截然相反的故事，当后发者积累足够多的思考，市场和技术会为他们创造更有利的条件。人们不再好奇望京会不会成为硅谷，因为科技行业跌宕起伏的故事更动人心魄。

千里科技面对的也并非逆风翻盘，而是要顺势而为，以智驾为起跑线，完成这场远未到终局的耐力赛。

参考资料