一颗AI雷达，千里科技想拿到什么

10月22日，2026通用人工智能大会在重庆开幕。千里科技董事长印奇在会上给出自己的判断，AI正加速从数字世界走向物理世界，智能汽车将会是物理AI落地的核心载体。

围绕这个判断，过去两年，千里科技在智驾、智舱、智行完成了从0到1的布局。

按照印奇在会上的说法，千里2.0已经达成三项成果：技术上建立了智驾原生基座模型和完整工程化体系，规模上18个月千里浩瀚累计装车超过100万台，体系上推动舱驾融合并向个人助手延伸。

这三组数字背后是一套物理AI落地的生产系统：模型决定产品上限，工程体系决定交付速度，装车产生的数据又反过来训练模型。

接着10月23日，千里又发布了一款AI毫米波雷达。

一颗传感器，和上面这套东西有什么关系？表面看只是产品线多了一个品类。但放到千里过去两年的动作里看，它暴露的是当模型成为主角之后，千里还可以在产业链上拿到什么样的位置。

交付方案，还是交付定义

智驾行业过去的分工很清楚。

方案商采购摄像头、毫米波雷达、激光雷达，供应商提供标准件，算法团队在既定接口上做适配。传感器输出什么数据，由供应商决定，不由算法决定。

这种分工适合早期智驾。模型规模较小，规则占主导，工程师可以围绕已有数据写判断。接口留下的缺口，也能靠标定、融合和工程经验弥补。

模型迭代几轮后，输入端开始成为约束。

端到端需要的是高密度数据、低时延、稳定的特征格式，外采硬件一旦定型，模型的训练和迭代就被卡在别人的产品周期里。

硬件和模型的节奏也合不上：算法几周更新一版，传感器硬件的验证周期是数月甚至更长。中间这个落差是有代价的，模型想验证一个新特征，得先等对方下一版硬件的排期，而这几个月里模型自己已经迭代了十几轮。

这就是千里往上游走的原因。

相比成为一家雷达公司，对它而言，更重要的是拿到传感器输出标准，掌握产品迭代的定义权。千里内部把这件事叫“含模量”的提升，也就是模型在整套系统里实际参与判断的比重。过去这个比重只体现在算法层，现在推到了感知层。

传感器要按照模型的需要来设计，模型也要在传感器端提前介入。

这颗雷达改的是计算方式

传统毫米波雷达输出距离、速度和方位角三个量。4D雷达增加俯仰角，才有了高度信息，能分出前方那个回波是路面上的铁板，还是站在铁板上的人。

据佐思汽研《2025年汽车4D毫米波雷达产业研究报告》，2024至2025年，国内4D雷达装车量从273.7万颗跃升至1106万颗，预计2030年突破5000万颗；基础4D成像雷达单价从2024年初的500至1000元降到2025年的200至400元，接近传统雷达。

但千里这颗雷达的改动不在前端射频，而在计算这一层。

传统链路是采样、变换、门限检测、聚类、跟踪，核心是门限那一步，按固定门限判断哪个回波算目标。门限定高了，行人、两轮车、低反射锥桶这些弱目标被过滤掉；定低了，多径鬼影和杂波全留下来。

调参只能在两者之间选一个位置。千里想改的就是这一步，把门限换成模型，依据从“回波够不够强”变成“这组回波的特征像不像目标”。

区别在于改的是多长一段。多数方案是在雷达输出之后补一个网络做二次筛选，前端还是老链路，信息在进门限那一刻已经切掉一部分。

千里做的是从信号检测到目标分类的全链路替换，靠内置的10 TOPS NPU在雷达端算完，输出经过编码的四维特征，直接进中央域控的融合网络。雷达由此从数据采集器变成前置计算节点。

这颗雷达同时支持两种工作方式。

边缘计算模式下NPU在雷达端完成判断，输出结构化结果，链路短、响应快；卫星架构模式下雷达只采集和传输，把未做检测的中频数据送到中央统一处理，信息更完整，算法也更容易统一。

两种模式看整车算力怎么配，不是二选一。前一种的独立预警是架构带来的附带能力，主路径仍是中央融合。

两种模式的差别，说到底是数据在哪一层变成输出结果。千里这次把结论生成往前提了一步，雷达交出去的不再是原始回波，而是已经带有判断的四维特征。模型拿到的东西变了，后面能做的事也就变了。

2590.8万元，买的是什么

要让雷达按模型的需要来设计，前提是这件事自己说了算。

外采标准件的问题在于，供应商的产品定义要服务所有客户，你的模型需要什么特征、什么时候迭代，排不进对方的优先级。办法是把能力买进来。

2026年6月11日，千里科技发布公告，控股子公司重庆千里智驾科技有限公司拟以2590.80万元收购宁波市融感科技有限公司100%股权。几个月后，集成10 TOPS NPU的AI毫米波雷达发布。

中间这几个月不是等产品，是把外部团队的开发节奏、接口标准、验证流程接到自己体系里。

千里买下的不是收入和产能，而是一支能把毫米波雷达从射频设计做到多传感器融合的团队。这些能力原本要在外部供应商的排期里等，现在变成内部可以按自己节奏调动的资源。

这笔钱买到的是三层能力。

第一层是射频设计，天线阵列怎么排、波形怎么设计，决定原始回波能保留多少信息，也是后面所有处理的物理上限。

第二层是信号处理，从采样到点云这一段决定哪些回波被保留、哪些被丢掉，传统方案里是固定算法，换成模型之后才有条件按模型的需求做优化。

第三层是多传感器融合，雷达要和摄像头、激光雷达的数据在时间和空间上对齐，才能进中央融合网络，输出也才能被模型直接用。

三层原先分散在供应商手里，现在收进同一个体系，射频参数、处理方式、输出格式从此按模型的需要定制。当然，买到能力离建成车规级量产体系还有距离，但定义权这件事，能力在自己手上才谈得上。

千里想拿到的是什么

一颗雷达的价值有限，意义要看放在什么规模上。

按照千里公布的数据，18个月千里浩瀚累计装车超过100万台，覆盖16款车型。100万台意味着这套感知方案已经在真实道路上跑了整整18个月，覆盖多个价位段、多种车型平台，不同地域的路况。

这些数据回到训练和仿真体系，模型更新后再下放，那套闭环才真正开始转。

千里走的这条路，内部叫链式协同。

它不把所有环节变成自己的资产，重点是用模型、接口和量产，把不同公司的能力组织到同一套系统里：阶跃星辰参与基座模型协同，吉利系车型提供量产场景和真实道路数据，千里承担系统整合和交付，融感则作为自研环节补足毫米波雷达这一块。

好处是不用从零重复投入，代价是协同成本高。合作伙伴各有各的客户和排期，要让这些技术围绕同一个目标开发，能起作用的是关键环节的所有权。收购融感科技，买到的就是雷达这一段的主动权。

但拿到定义权只是开头。真正的考题在后面：这套权力有没有变成模型迭代的速度。看三件事就够了。一是雷达交出的特征格式有没有真的被模型用起来，还是照旧走一遍中央融合的老路，那样自研就白做了。

二是硬件团队和算法团队的节奏有没有真的合上，如果雷达还是按自己的验证周期排期、模型还是按周更新，两边的节奏还是错开，定义权就只是名义上的。三是这套能力能不能复用到下一颗传感器，一种能力只有沉淀成流程和接口，才算真的融进体系。

千里科技想从智驾方案提供者走向平台建设者，要做的是让不同环节按同一套接口和迭代节奏工作。这件事做成什么样，答案不在发布会上，在下一颗传感器是不是还从外面买。