🏢 公司C档 · NaN分

无人车的胜负手,变成算力了?

··约1分钟阅读

📋 总体概括

2026年9月,华为发布Peerium计算架构与灵衢互联,九识披露业内首个L4万卡集群,APEX大模型迈向千亿参数。算力从后台资源变成智驾产业分水岭,本文拆解两大事件的产业逻辑,及其对低空经济的范式外溢。

📄 正文

同一天,两条新闻撞了个满怀。

2026年9月17日,华为在上海发布Peerium计算架构,宣称要让百万级处理器成为一台计算机;也是这一天,九识CTO庄立首次披露,公司已建成业内首个L4级万卡集群,总规模近1.5万卡。一头是算力的供给端被重新定义,一头是算力的需求端杀红了眼。

本文的核心判断只有一句:算力层级,正在从成本项变成智驾产业的资格赛门槛。

📈 一台计算机的天花板,被重新定义了

先看供给端这场发布会。

场景是这样的:上海,华为轮值董事长徐直军站在台上,给出一句很像口号、但分量不轻的话——"AI时代,华为基于开创的Peerium计算架构,持续打造满足客户训练和推理需求的超节点和集群,让算力无处不在,让智能无所不及。"

这句话背后,是三个被点名突破的"老古董":Peerium宣称突破了图灵范式,提出了Nested BSP;突破了冯·诺依曼单机架构;颠覆了长久以来的主从架构。翻译成人话——过去你想把更多机器拧成一台更大的计算机,总绕不开"谁指挥谁"的主从关系,扩展到某个规模就会撞墙;Peerium的思路是嵌套并行、统一内存寻址、平等互联,让百万级处理器真正协同成一台机器。

而实现这一切的关键互联技术,叫灵衢。它是一个开放协议下的高速总线,可以联接CPU、NPU、内存、SSD、网卡和交换机,且宣称可无限扩展。计算、存储、网络,从此平等坐在一张桌子上:

产品节奏也已经排开:

产品定位状态
Atlas 950 超节点Peerium首代产品25.6万卡集群部署中
Atlas 960 系统基于NPO的新一代测试中

产业逻辑很清楚:当单卡性能提升撞上物理极限,架构创新就成了新的主战场。谁先把"集群当一台机器用"这件事做扎实,谁就握住了AI时代的基础设施话语权。超节点不是产品升级,是计算范式的换代。

🔋 一万张GPU,无人车公司的新军备

再看需求端,故事更直白:一家做城市无人货运的公司,为什么需要一万多张GPU?

时间线拉出来看,节奏相当紧凑:

  • 2021年8月 : 九识成立
  • 2023年 : 卖出第一台车
  • 2026年9月10日 : 孔旗在广州宣布战略升级
  • 2026年9月17日 : 庄立披露L4万卡集群

9月10日,九识CEO孔旗在广州宣布战略升级为"城市级物理AI";一周后,庄立交出底层能力的答卷——总规模近1.5万卡的算力集群,九识也成为首个建成万卡集群的L4团队。

这家公司的底子值得盘一盘。创始团队出自百度硅谷研究院,曾主导Robotaxi、Robotruck研发,并为第一代Apollo开源平台作出重要贡献。创业五年干了三件事:发明了全球第一台Robovan;从物流场景走向L4技术赋能千行百业;跑出"卖车、服务、运力"的成熟商业范式。

数据摆在这里:

指标数值
全球车队规模超3万台
覆盖范围20多个国家、300多座城市
累计真实运营里程超2.7亿公里
算力集群近1.5万卡

智驾圈私下流传一个说法:没有万卡,就别谈千亿模型。九识的APEX多模态基座大模型,正在从百亿级参数迈向千亿级——而万卡集群,是训练这种规模模型的硬性前提。

产业逻辑在于:商业跑通只是上半场,算力军备才是下半场的入场券。一家L4公司披露万卡集群,等于把竞争维度从"场景和车队"拉到了"基础设施"。

⚠️ 写不完的规则,逼出了新范式

为什么偏偏是现在?答案藏在城市的街头巷尾。

真实的城市货运场景里,藏着大量无法用规则穷尽的长尾路况:无标识的乡村道路、临时施工围挡、异形障碍物、人车无序混行、恶劣天气下的光影突变。过去自动驾驶行业惯用的路子——人工规则加场景枚举,在这种密度的不确定性面前,写一条规则冒出十条意外,边际成本越堆越高。

行业里长期还有一个顽固偏见:载人自动驾驶是高科技,城市货运无人车壁垒更低。但九识用2.7亿公里真实运营里程证明,恰恰是这种"低门槛"场景,对系统应对真实世界复杂性的要求最苛刻。

九识的解法,是让大模型去学习物理世界。APEX融合了三路知识:海量真实L4驾驶数据、互联网语言与视频语料、真实运营中沉淀的人类决策数据。基座训练完成后,向下赋能数据、模型、评测,形成迭代闭环:

这个闭环的意义,庄立团队给出的定性是"自我进化"——3万台车每天在路上跑,数据回流,模型变强,车队再跑出更好的数据。而撑起这个飞轮的物理底座,就是万卡算力。

产业判断随之清晰:算力的层级,将在基础设施层面决定一家智驾企业的智能上限。这不是配置表上的参数,是范式分界线——无人驾驶正式迈入多模态大模型时代。

💡 算力外溢,低空的下一课

作为低空经济的观察者,真正让笔者在意的,是这两件事外溢出去的信号。

场景不妨推演一下:一个城市级无人机物流网络,机队在空中面对的,同样是无法用规则穷尽的长尾——突发的风筝、违规加装的信号干扰、楼群间的乱流、临时管制的空域。这和无人车面对的施工围挡、异形障碍物,本质上是同一个问题:物理世界的开放性,规则写不完。

九识给出的"城市级物理AI"路线图说明了一件事:任何要让机器大规模进入真实物理世界的产业,最终都会收敛到"大数据模型+大算力集群"这条路上。低空飞行器的自主避障、机队调度、空域协同,逻辑同构。

对低空产业,有两个值得盯紧的点。第一,华为Peerium和灵衢代表的是开放互联的国产算力底座——如果超节点和集群真正做到"算力无处不在",那么垂直行业训练自己的物理世界模型,门槛会系统性下降。第二,九识证明了L4团队的竞争正从"算法故事"转向"算力实绩",这对同样讲自主飞行故事的eVTOL和无人机物流公司,是一个可以量化的对标尺子:你的车队数据有多少,你的算力集群有几张卡。

下一轮行业洗牌的计分板,可能就挂在机房门口。

9月17日这一天,供给端与需求端同时换挡:华为把百万卡拧成一台机器,九识把一万卡当作L4的入场券。算力不再是后台的成本项,而是写进商业计划书第一页的竞争力。对低空经济而言,这一天尚未到来,但方向已经露头——谁能把真实运营数据和大算力训练拧成闭环,谁才有资格谈下一阶段的智能上限。

本文由本站 AI 辅助聚合生成,原始来源如下:

🔎 本文基于以下资讯(素材溯源 · 信息来源)

📰 相关阅读推荐(与本文相关的其他资讯)