头图来源 | 千里科技官方
作者 | 苏鹏
千里科技发布了一颗雷达。
这件事本身不算大新闻。4D毫米波雷达这两年在国内已经不稀奇，参数表上你能找到比它更漂亮的数字。真正值得问一句的是：一家以算法起家、智驾方案装车量破百万的公司，为什么要自己去做一颗雷达？
答案得往回看十五年。这不是印奇第一次把手伸进传感器。
软硬一体的决心，从未改变
在十几年前，印奇便经常提到“算法定义硬件”的战略，AI操作系统Brain++、全球首款AI相机，再到河图机器人操作系统，逐步沉淀出覆盖传感器、工业机器人、智能汽车的产品体系。
这在当时不算主流选择。2015年前后的AI创业公司，多数认为算法是护城河，硬件是苦活累活，能外采就外采。在那时，印奇便将“软硬一体“写进了公司战略，并一以贯之。
2024年，印奇入主千里科技，确立“AI+车”战略。他的判断是，车是未来三年能朝夕相处、能规模化的唯一具身载体。2026年1月出任阶跃星辰董事长后，“阶跃大脑+千里躯干”的结构正式成型。
从计算机视觉时代的摄像头到物理AI时代的汽车，载体变了，路径没变。这也是理解这颗雷达的前提。不是千里突然想做硬件，而是因为这是汽车智能化走到深水区的必经之路。
来源：千里科技官方
拼图的最后一块，为什么是传感器
在雷达之前，千里的能力版图已经铺开三层：算法层有自研智驾大模型与阶跃星辰基座模型，算法上，推动自研智驾大模型与基础大模型能力协同；算力上，深化云端与端侧生态合作，布局训练与推理算力，推进芯片与算法的深度适配；整车应用上，与多个汽车品牌开展合作；唯一的缺口在感知硬件。
2026年6月，千里智驾收购4D毫米波雷达公司融感科技100%股权；10月，AI毫米波雷达（4D）发布。两个动作前后衔接，补上的是同一块。
为什么是传感器，而不是别的。因为智驾系统对模型的依赖越深，感知硬件的性能边界就越决定体验的上限。外采标准件，本质上是把模型能力的天花板交给供应商定义。算法想看得更细、更远、更快，硬件不配合，模型再强也发挥不出来。
这里有个行业内不太说破的现实。过去几年智驾公司和传感器厂商的关系，更像是甲方和乙方：车企定硬件清单，算法公司拿到什么用什么。一颗雷达的输出格式、刷新率、点云密度，很大程度上由雷达厂商的产品规划决定，而不是由后面那个模型需要什么决定。对规则驱动的方案来说这不算大问题，规则本身就是围绕现有硬件写的；但对模型驱动的方案，这是实打实的约束。
不是4D雷达加AI后处理
千里这颗雷达的技术内核，官方表述是从信号检测到目标分类的全链路AI化。产品内置10 TOPS NPU，在公开信息范围内，这是首个集成该级别算力的车载毫米波雷达。
它支持三种工作模式。边缘侧模式，回波在雷达端走完从信号处理到目标跟踪与分类的完整链路，直接输出结构化感知结果，链路短、响应快。卫星架构模式，把更接近原始信号的数据交给中央域控，由更大的模型对摄像头、毫米波雷达等多源信息做更早阶段的时空对齐和全局推理，判断权在中央。兼容模式则是两件事同时做：最原始的未处理数据交给主控芯片融合，同时雷达上的边缘侧处理器独立完成一遍处理。
第三种模式容易被当成冗余设计，其实不是。中央模型做多源前融合，得等齐多帧、对齐不同传感器的时序，还要保留完整的信号细节，天然慢一些；但车上的执行层等不了，刹车和预警要的是当下就能用的结论。一个要“尽量看全”，一个要“马上能给”，串不起来，只能并行。兜底说的是故障时顶上，两种时间尺度说的是正常情况下两边各有各的活，后者才是这个设计真正的分量。
数据上，与上一代采用DSP端侧计算的4D雷达相比，这颗雷达点云密度增强10倍，探测距离提升40%，鬼影消除提升至95%，空间角分辨力提升12倍。在目标未被遮挡的情况下，对静止儿童的稳定探测距离是100至150米。
AI 毫米波雷达点云效果-高架路跟车视角
回到那个区别。“4D雷达加AI后处理”是把AI放在雷达之后，雷达照常输出点云，AI负责把点云解释得更准；全链路AI化是把AI放进雷达里面，从原始信号开始就由模型参与判断。前者改善的是输出质量，后者改变的是传感器的角色定位。传感器不再只是采集器，而是一个具备本地计算与判断能力的感知节点。
落到工程上，差别在于定义权。外采标准件是先买硬件再适配，自研是按模型定义硬件：模型需要什么数据、什么特征、什么时延，雷达就按这些需求设计，然后软硬同步迭代。
第四条路，和它的赌注
智驾的软硬一体已经有几条成型路径：有的把所有环节握在自己手里，从芯片到系统全部自研；有的围绕整车制造做垂直整合，把成本压下来铺开量；也有的只做其中一层，其余交给生态。
千里走的是另一条，可以叫平台型公司的链式协同。
千里“链式协同”的本质是以AI能力为核心构建开放的产业链生态，从智驾模型需求出发协同上下游：阶跃星辰做基座模型、端侧芯片来自外部供应、融感做雷达硬件、吉利系提供整车终端与数据飞轮。
这条路背后有个判断：软件赛道会趋于集中，硬件很难赢者通吃。只要市场上有多个玩家，创新公司就有机会上牌桌。
这个判断对不对，现在下结论为时尚早。链式协同的好处是轻，不必把每个环节的资本开支都扛在自己账上；风险也在这里，每一个环节都是合作关系，而合作关系的稳定性取决于各方的战略是否持续同频。
但有一点是清楚的：智驾竞争正在从“买硬件加写软件”进入“定义硬件加训练模型”的阶段。这个转变，比某颗雷达的参数高低更值得看。
物理AI，始于算法，成于软硬一体
千里智驾团队联合高校发布并开源了WA-JEPA世界-动作模型，在NAVSIM-v2开环评测中取得91.7 EPDMS，在HUGSIM 436个闭环场景中取得0.4462 HD-Score，尝试让未来预测参与驾驶规划。
这件事和自研雷达指向同一个方向：模型能力向上走，感知边界也要跟着向上走。两头不同步，中间就会出现浪费。
印奇在2026年4月的发布会上说过一句话：“软件和硬件的结合带来的是壁垒。”这话说得不花哨，但把它放到十五年的时间轴上看，分量就出来了。
AI雷达之于千里，相当于当年AI 相机之于旷视，这些产品背后是印奇坚持了十五年的战略定力。正如他在重庆通用人工智能大会上所说，我们即将迎来的是物理AI时代，而智能汽车将是通用AI走进物理世界的第一入口和核心载体。印奇跨越十五年的探索，正是要为 AI 打通通往现实世界的通路，让智能不止停留在代码里，能够真切地感知、理解、融入真实世界。
—完—
