3万台无人车、1.5万张GPU，九识为什么炼自己的大模型？

作者 | 肖恩，编辑 | 德新

万卡集群在L4自动驾驶行业里，是一个什么级别的配置？

目前国内能做到万卡规模的，基本只有三类玩家：互联网大厂、独立大模型公司、以算力租赁为主的云厂商和运营商。它们的业务各不相同，但有一个共同前提——需要从零训练百亿甚至千亿参数的基座模型。

换句话说，万卡是“造大模型”的入场券，不是“用大模型”的门票。L4无人物流的领头羊九识智能拿到了这张入场券。

9月17日，这家全球最大的无人配送车运营商在苏州举行技术交流会，宣布其GPU算力集群突破万卡规模——近1.5万张卡。按照九识现场披露的数据，这是L4自动驾驶行业里首个达到这一体量的算力集群。

九识目前运营着超过3万台无人配送车辆，覆盖全国300多座城市和20多个国家，累计L4级真实运营里程达到2.7亿公里。作为参照，Waymo从2009年跑到2025年，积累的总里程大约是3亿公里——从里程量级来看，九识用5年已经接近Waymo过去16年的积累。

一家做城市物流配送的公司，为什么要自己造大模型？这些大模型又如何跟它的商业运营形成闭环？交流会上，九识CTO庄立和技术团队拆解了这套体系背后的逻辑。

万卡背后：从场景瓶颈到算力扩张

九识的算力集群分布在全国多座城市的机房中。庄立在交流会上披露，集群共有14000多张GPU卡，其中67%专门用于模型训练，剩余算力覆盖世界重建、数据标注和线上推理等环节。

从利用率来看，这些算力几乎没有闲置。集群的利用率常年维持在90%左右——模型训练有调度间歇，不会一直满载运行，90%已经说明队列排得很满。庄立提到，算法团队“天天在排队”等算力。

行业内有一句话来形容万卡的门槛：“千卡只是能做AI，万卡才是能造通用大模型、支撑全域大规模仿真的底座。”这个概括基本准确，千卡级算力足以训练中等规模的专用模型，做推理和微调。但要从零训练百亿乃至千亿参数的基座模型，万卡是起步线。

那么，一家做城市物流配送的L4公司，为什么要迈过这个门槛？

这要从九识面对的场景说起。九识智能做的是快递、生鲜冷链、商超零售、邮路下乡——和Robotaxi或高速公路场景不同，末端物流面对的是高度无序的物理世界。密集违停、临时手势、施工改道、地面杂物、GPS失灵，这些在L2辅助驾驶中可以交给人类驾驶员兜底的边缘场景，在L4无人配送中没有退路，系统必须独立处理。

庄立在发布会上按速度做了一个划分。

30公里以上的一般道路是相对规整的场景。巡航、跟车、绕障、通过路口——传统的模块化自动驾驶系统可以覆盖大部分情况。核心思路是给每种场景写规则：碰到障碍物怎么办，识别到红绿灯怎么响应，看到标线怎么处理。这套方法在路况简单、规则统一的环境下是可行的。

但中国的交通环境让规则算法走进了死胡同。

庄立说：“每个城区、每个市对交通规则的解读都不一样。有的地方（红灯）右转能转，有的不能。如果全部用规则写，最终会成为一个无法维护的庞大工程。”

端到端模型是下一个阶段的尝试。一段式端到端可以把所有图像信息串起来，学会“人是如何开车的”。但庄立指出了它的短板：学到的是结果，不是原因。比如窄路会车时，对方闪了两下灯，到底是在示意让路，还是警告别动？如果训练数据里没有见过，模型很难理解这层含义。

VLA模型是最新的技术方向之一，通过引入语言理解把人类知识和驾驶行为做对齐。系统不仅看到“前方有红灯”，还理解“因为红灯所以要停车”。特斯拉和国内几家头部车企已经在车端部署了这类模型。

但车端部署有一个硬约束：算力上限。进入5到30公里的复杂路况，车端算力不足的矛盾被进一步放大。

庄立举了一个九识在实际运营中遇到的例子：施工时工人把中央隔离栅栏从黄线位置向右拉了一段。系统需要判断——栅栏拉过去之后，右边是分隔出了新的非机动车道，还是只是临时占道？旁边的黄线还算不算有效标线？

类似的还有一种情况：路面上摆着一个“施工中”的标牌，但从视觉上看道路已经修好了——系统到底该信标牌，还是信自己的感知？

“这需要结合更深刻的人类知识和时序信息来判断，”庄立说，“在车端1到2个B的参数上很难，这时候就需要在云端做增强。”

0到5公里的末端场景是挑战最密集的区间。无人配送车需要找到客户指定的停靠点，但停靠点可能已经被占用、可能在停车场深处、可能地上堆满了快递包裹和各种异形件。客户的偏好还会随时间变化——昨天停A位置合适，今天A位置被占了，得换到B位置。

这些不仅是感知和规划的问题，还涉及运营经验的持续积累和对客户习惯的学习。

三个速度区间的挑战叠加在一起，指向了同一个方向：场景需要更大的模型来理解复杂世界，车端的算力装不下这样的模型，那就只能在云端训练一个足够大的基座模型，再把能力蒸馏到车端部署。而训练更大的基座模型，万卡级算力是起步条件。

除了场景本身，九识在模型训练中还观察到了另一个变化。

九识的技术负责人分享说，当模型参数规模不变、只增加数据时，模型性能的提升曲线会从线性迅速变成对数曲线：数据越加越多，但效果增长越来越慢。如果继续扩大模型尺寸，性能提升曲线又会重新接近线性。

九识将其视为Scaling Law在自动驾驶领域的又一次验证。

它的数据飞轮持续运转，车队不断扩大，每天有上百万公里的新数据涌进来，但模型的容量到了瓶颈：继续灌数据，边际收益递减。把模型做大，曲线重新变陡。据九识现场披露，最近一次模型规模的提升，带来了接管率和安全事故率下降近5倍的收益。

九识能支撑这样级别的投入，背后还有两个条件。

一个是商业规模。3万台车在300多座城市运营，每天产生百万公里级的新数据，数据积累的速度本身就在要求更强的算力去消化。

另一个是资本储备。九识累计融资超过10亿美元，投资方包括蚂蚁集团、美团、百度风投、蓝湖资本等，估值超过百亿人民币，是无人驾驶货车领域全球首个百亿级独角兽。2026年1月，菜鸟把自己的无人车资产和资金整体注入九识。

九识没打算做大模型公司。但场景的复杂度要求更大的模型，更大的模型需要更多数据，海量数据又需要更强的算力去消化。

万卡集群的建设，也就成了一件顺理成章的事。

APEX与多智能体架构

万卡集群是底座，运行在这之上的，是九识的基座世界模型——APEX。当前参数量级在10B~100B之间，目标是向100B以上的规模推进。

和多数自动驾驶公司“自下而上”训练模型的思路不同，九识走的是一条“自上而下”的路径。行业里更常见的做法是，针对自己的运营场景收集数据，训练一个专用模型，模型能力直接对标业务工况。九识的思路反过来——先训练一个理解整个世界的通用大模型，再从中蒸馏出各个专业场景的小模型。

九识在现场用了一个比喻：“我们不是让系统只学物流车的工况，而是先让它学会整个世界的知识。一个人上完大学了，总要出去赚钱，总要选择一个职业——就是这个逻辑。”

APEX的训练数据分为两部分。

一部分是九识自有的2.7亿公里L4真实运营数据。这是APEX区别于通用大模型的核心资产，包含了大量末端配送中才会遇到的复杂工况。

另一部分是海量互联网多模态知识，包括文本、图像和视频，用来建立模型对人类社会规则的理解能力。

前者让APEX具备物理世界的空间建模能力，知道什么地方有什么东西、接下来可能出现在哪里。后者让APEX理解人类发明的符号系统和社会规则。

技术负责人举了一个例子来说明两者的差异：“一个人在远处摆手，空间模型可以预测他在摆手让你过。但你能知道他的意思是让你从旁边通过，还是让你停下等一等吗？”

红绿灯、车道线、施工标志，这些都是人类约定的符号，只靠物理世界的运动学推导不出它们的含义。APEX要做的，是在空间解析能力之上，叠加对人类行为意图和社会规则的理解。

在APEX的基础上，九识构建了一套多智能体架构。按照不同场景的需求，从基座模型蒸馏出多个专用模型，各自承担不同的“岗位”。

车端VLA，参数约2B，负责时速30公里以上常规道路的实时驾驶决策。车端算力有限，这个模型的核心不在于参数有多大，而在于参数的利用效率有多高。

九识采用了MoE（混合专家）架构来做稀疏化处理。模型的总参数量可以较大，但在每个具体场景中，只激活其中很小一部分。九识技术负责人说：“人过路口的时候，眼睛就看红绿灯和来车方向，可能只看一两帧就做出决策。过一个窄石墩的时候，10米外的东西全都不看了，只盯左右两边的距离。”

这种选择性激活让九识能在有限算力下部署更大的模型。他预估，当车端算力提升到2000 TOPS左右、车端模型向10B推进时，能覆盖绝大多数工况。

云端VLA，参数约8B，部署在云端。当车端模型在施工改道、模糊标线等复杂场景中碰到不确定性时，云端VLA提供场景理解的增强判断，补齐车端模型在参数量上的不足。

安全员Agent，参数约5B。这是发布会上九识重点展示的创新，庄立认为“行业里还没有其他公司做过”。

安全员Agent处理的是时速0到5公里的末端复杂场景，包括停靠选位、脱困方案生成和客户偏好适应。这些能力建立在九识五年积累的末端运营数据之上，是真实运营中一单一单“磨”出来的经验。

在安全员Agent上线之前，末端的异常处理全部依赖人工安全员远程接管，行业考核标准是1分钟内完成响应：从接到信号、理解现场状况，到开始操控车辆，一分钟里有大量时间花在“搞清楚发生了什么”上。

安全员Agent把这个过程压缩到了10秒以内，效率提升超过6倍。

但比响应速度更重要的是，安全员的工作方式也变了。

以前人工安全员需要远程操控车辆完成整个脱困过程，从头到尾接管。现在Agent自主生成完整方案——停在哪里、怎么绕、走哪条路线，安全员只需要审核确认方案是否可行。

庄立的描述是：“方案出来之后，安全员做的是一个检验。确认之后，所有动作靠车端能力和Agent的指导来完成。”

从“远程操控”变成“审核放行”，安全员的角色也随之发生了变化。

这三个模型不是逐级调用的级联关系，而是从APEX并行蒸馏、各自独立运行。技术负责人强调：“多个智能体协作是分工，保证系统的绝对安全和效率。不是一环缺失整个系统就崩了。”

九识将这套架构称为“群体智能”，一个中心模型加多个专业Agent的体系。在九识看来，这套架构最重要的特性是可扩展。“我们对不同的下游任务都叫一个个独立的Agent，意味着我们可以有其他Agent做不同的任务。”

顺着这个逻辑，庄立在发布会后半段提到了一种更远的可能性：“到了这样的时候，我们不仅是做自动驾驶，可以做非结构化AI所做的一切事情。”

在模型架构之外，九识对L4和L2的数据价值有一个反直觉的判断。

L2辅助驾驶的装机量远超L4，数据总量自然也大得多。但九识认为，真正有价值的不能只看里程。“一辆车一直往前开”的数据再多，意义也有限。

L4天然没有人类驾驶员作为最后一道保险，所有边缘场景都必须由系统自己处理。L4无人配送车在快递点辗转腾挪、极近距离交互、非结构化道路上产生的边缘工况密度，是L2在主干道上行驶时根本收集不到的。“在L4工况下的复杂数据，L2行业没法比。”

九识强调的数据优势不在总量，而在密度——每公里包含的边缘场景更多。这也是APEX从百亿参数继续向千亿推进的重要数据基础。

3万台车的数据飞轮

万卡级算力的持续投入需要商业收入来支撑。发布会的问答环节，有记者直接问庄立：算力投入和商业收入之间，到底是正向循环还是持续失血？

庄立的回答是：“我们公司所有的车，每辆每个月相当于一个AI driver，派出去之后能收到AI driver的工资。这个工资回来之后，对现在的算力是能补充的。”

“AI driver拿工资”，这个说法背后，是九识商业模式的三次演变。

最早是整车销售。2023年前后，一台无人配送车的售价在20多万元。随着产品迭代和规模效应，当前九识的产品矩阵均价降至约10万元。价格在下探，但对不少中小物流企业来说，前期的一次性投入仍然有压力。

第二步是金融租赁。九识把软硬件分开计价，客户每月支付三四千元的租赁费就能用上一台无人配送车。这个月租大约是一个快递员月薪的一半。

第三步是运力服务和生态赋能。九识在各城市建立自有车队和招募加盟车队，客户不需要买车也不需要租车，按需使用无人配送运力。与此同时，九识推出了Zelos Inside模式，将L4解决方案嵌入东风、宇通等合作伙伴的车辆平台。

由于APEX的蒸馏能力，适配不同底盘的成本并不高。庄立的判断是：“油门、刹车、转向，中国汽车工业是非常标准化的。每个底盘的特性上做微调，适配成本没有想象中大。”

三次演变做的是同一件事：降低门槛，让更多车上路。更多车意味着更多真实运营数据，数据灌进万卡集群训练出更好的模型，更好的模型让产品更安全，覆盖更大的市场。

这就是九识一直在讲的数据飞轮：每一个环节的产出，都是下一个环节的输入。

2026年1月与菜鸟的整合，让这个飞轮转得更快。菜鸟将其无人车资产通过增资方式注入九识，自身不再生产和销售无人车。双方形成双品牌运营：九识主攻大众市场和下沉城市，菜鸟品牌聚焦核心物流场景。整合之后，九识的车队规模从约1.6万台迅速跳升到2万台以上，中国无人物流车市场份额也提升至70%以上。

九识在东北有一个客户。此前由于偏远乡村距离县城较远，电商包裹从江浙沪流转到东北需要三到五天，集散到县里的量很少，快递员不愿意为了几件货专门跑一趟。

一个网点部署了九识的无人配送车之后，实现了每天不限件数的自动发车。一周之内，这个网点的货量翻了20多倍。更有意思的变化出现在一个月之后，当地居民的网购数量翻了200倍。

无人配送车带来的不只是物流效率的提升，也在激活此前被配送瓶颈压制住的消费需求。

中国邮政则是九识最大的单一客户之一。

九识拿下了中国邮政全国无人车租赁采购的全部8个标段，2026年交付1万台无人车用于邮路自动化，覆盖从城市到乡镇的最后一程。“快递下乡”是国家十五五规划六张网中物流网的重要组成部分，九识已经被明确写入了江苏省的物流网建设规划。

庄立在回答万卡算力的投资回报时，用市场规模做了个对比：“当前我们支撑着3万台车，但面对的是3000万台传统运输车辆的替代市场。万卡在中间的占比就相对很小。我们甚至想往10万卡去迈。”

关于从3万台到30万台需要多久，庄立的判断是大约三年。他认为当前最大的变量不在技术，而在政策。全国缺乏统一的无人配送车运营资质标准，各地法规不一致。

“交通部、公安部、工信部等多部委已经在关注，很快会有新的法规。权责利明确之后，后面就是一个非常顺的过程。”

结语

无人配送的竞争正在进入下一个阶段。

过去五年，比拼集中在谁的车能跑、谁的成本更低、谁的城市覆盖更广。九识靠3万台车和70%以上的市占率赢下了第一轮。

下一轮的筹码正在变化。

当九识开始用万卡集群训练自己的世界模型，并从中蒸馏出车端VLA、云端VLA和安全员Agent，行业的准入门槛就不再只是造车和运营能力，而是数据规模、模型参数和算力基础设施的综合壁垒。

从3万台到30万台，庄立说大概三年。但他在发布会上真正花时间讲的，不是车的数量，而是APEX的参数从百亿走向千亿之后，这套系统对物理世界的理解能力会发生什么变化。

对九识来说，万卡不是终点，而是刚迈过去的起点。