九識CTO莊立9月17日首次披露，公司已建成業內首個L4級萬卡叢集，算力叢集總規模近1.5萬卡，九識由此成為首個建成萬卡叢集的L4無人駕駛團隊。一週前的9月10日，九識CEO孔旗在廣州宣佈公司戰略升級為“城市級物理AI”。

萬卡叢集指的是由超過一萬張加速卡組成的高效能運算系統，用於訓練基礎大模型。單張AI加速卡是計算單元，萬卡叢集則相當於一座由上萬台裝置組成的“AI超級工廠”，能把複雜的大模型訓練任務拆解後並行處理。九識方面認為，算力層級將在基礎設施層面決定一家智駕企業的智慧上限。

支撐這次升級的核心，是九識的APEX多模態基座大模型。據披露，該模型正在從百億級引數規模向千億級邁進，融合了海量真實L4駕駛資料、網際網路語言與影片知識語料，以及真實運營中的人類決策資料。訓練完成後，APEX向下賦能資料、模型、評測，形成迭代閉環。

九識成立於2021年8月，創始團隊曾在百度矽谷研究院主導Robotaxi、Robotruck研發，並參與第一代Apollo開源平台建設，創業之初即選擇RoboVan方向。從2023年賣出第一台車至今，九識全球車隊超過3萬台，覆蓋20多個國家、300多座城市，累計真實運營里程超過2.7億公里，三年運力增長100倍。

這些運營資料正是九識強調的差異化資源。城市貨運場景中大量長尾非標路況——無標識鄉村道路、臨時施工圍擋、異形障礙物、人車無序混行、惡劣天氣光影突變——難以用人工規則窮盡，也難以在實驗室或模擬中完全復現。九識的邏輯是：算力越強，模型迭代越快；模型越強，運營成本越低，更多客戶願意使用，車輛跑起來又產生更多稀缺資料。孔旗曾表示，複雜城市開放道路能產生高價值資料，而商業模式本身需要賺錢，才能持續獲取資料、推動技術進步。

在技術架構上，九識構建了一套車雲協同機制，核心邏輯是場景越複雜、雲端大模型介入越深。當前主流車端端到端模型可較好覆蓋30km/h以上的一般道路場景，但存在能力邊界。九識針對不同路況與速度區間分層部署模型：在5-30km/h複雜道路場景，車端VLA進行本地即時推理的同時呼叫雲端VLA模型增強理解；在0-5km/h末端場景，除車端與雲端VLA外，還引入安全員Agent，可自主完成極端場景下的救援脫困，作出繞行、重新規劃路線、靠邊停車等決策。九識方面稱，其與L2方案的本質區別不在於車速，而在於車端在判斷自身能力不足時會主動降速或停車、呼叫雲端分析並給出指令，而非被動等待接管。

九識還提到一個技術細節：其VLA並不強制翻譯成人類語言再去操控車輛，而更像人類行動前的“念頭”——看到前方有車決定剎車讓行，這個“念頭”比說出“我要剎車”更快、更抽象、更壓縮。九識用對齊人類語言的方式，讓模型在決策前先思考因果。

從產業視角看，九識此次披露的核心資訊是：一家L4無人駕駛公司正在把自身定位從“賣車、服務、運力”的運營商，向擁有稀缺物理世界資料的大模型公司延伸。通用大模型公司缺少物理世界資料，而多數自動駕駛公司缺少足夠規模的真實運營資料，九識試圖同時佔據兩端。萬卡算力是硬體底座，APEX基座模型是軟體大腦，2.7億公里真實運營里程是場景來源，三者構成資料、算力、模型、工程四重自增強壁壘。這一路徑能否在成本與效率上跑通，仍有待其商業化規模與模型迭代速度的持續驗證。