物理AI，咋九识先赚到钱了？

当多数公司还在发布会PPT里讲「物理AI」的故事时，九识的无人车已经跑了2.5亿公里。

这不是实验室数据，是300余座城市里、超过3万辆车在真实开放道路上累积出来的运营数字。近日，九识召开战略发布会，宣布未来重心聚焦物理AI赋能城市治理——注意顺序：它不是先提出Physical AI再找场景，而是先让机器跑起来、跑出商业收入，才宣布战略升级。

这个顺序，在当下的低速无人驾驶行业里，本身就是一种稀缺品。本文想拆清楚三件事：九识凭什么先跑通？这条路径的产业逻辑是什么？以及3万辆之后，真正的考验在哪。

📦 2.5亿公里，先看数字再看故事

所有叙事，最终都要接受里程表的检验。

先看一组硬数据：

对低速无人驾驶这个行业稍有了解的人都明白，这几个数字的含金量在哪——不在「辆」，在「公里」。

行业内做 demos 的公司不少，做「限定园区接驳」的公司更多。封闭场景下的无人车，本质是一个高级玩具；而开放城市道路上的无人车，才是一个需要跟行人、电动车、临时施工、突发天气持续博弈的生产工具。2.5亿公里，意味着这套系统在现实世界里持续感知、决策、执行的次数是以百亿计的。

低速无人驾驶圈子里流传一句话：里程是无人驾驶公司唯一不会说谎的财务报表。 融资额可以注水，订单可以签框架，唯独运营里程，每一公里都是真金白银的成本换来的。

从产业逻辑看，这组数据对应的是一个朴素的判断：城市物流配送是一个高频、刚需、路线相对结构化的场景，是低速自动驾驶最先能算得过账的应用。谁能在这个场景里把车规模铺出去、把单公里成本压下来，谁就先拿到了「数据—收入」的双飞轮。

🔄 五年三次迭代，路径复盘

慢公司往往才是快公司。

九识CEO 孔旗曾表述过一个核心逻辑：复杂城市开放道路能够产生高价值数据，而商业模式本身需要赚钱，才能持续获取数据、推动技术进步。

这句话拆开看是两个闭环的咬合：技术闭环（运营→数据→算法迭代→更好的运营）和商业闭环（收入→研发投入→更强的产品→更多收入）。九识用了五年完成三次自我迭代，把这两个齿轮咬合到了今天「数据驱动迭代、商业反哺研发」的状态。

回看这家公司的时间线，脉络其实很清晰：

• 五年前：从一台车出发，切入城市真实运营场景
• 第一轮迭代：验证单车在开放道路的技术可行性
• 第二轮迭代：把单车验证扩展为规模化车队运营
• 第三轮迭代：从物流配送运力升级为城市治理的运力底座，宣布物理AI战略
• 近日：战略发布会，3万辆车、300余城、2.5亿公里托底

用一个图来表达这套飞轮，会更直观：

这个飞轮的可怕之处在于它的复利属性。封闭场景公司的数据是「设计出来的」，开放道路的数据是「世界给的」—— corner case（长尾场景）不是工程师在办公室能想象全的，只有真实运营才能持续暴露。运营规模越大，数据越厚，模型越强，成本越低，规模又能进一步扩大。

据多位接近行业的人士观察，这种「先运营后叙事」的路径前期极慢、极苦，前期资本市场也不待见；但一旦车队规模跨过临界点，后来者想靠资本强攻，会发现每一步都在追赶别人五年前埋下的伏笔。

💰 先赚钱，再聊战略，这事儿为啥稀罕

PPT里讲不出运力底座，里程表里才讲得出来。

把九识的路径和行业通行路径放在一张表里对比，差异一目了然：

为什么会这样？因为低速无人驾驶的商业化，卡点从来不是「能不能开」，而是「开一公里花多少钱、收多少钱」。

配送场景的终端客户——无论是快递网点、商超还是城市末端物流节点——对成本的敏感度是刻在骨头里的。一辆无人车要替代的不是一个驾驶员那么简单，而是「人力成本+管理成本+稳定性风险」的组合。只有当单票成本真正低于人力方案，且稳定性经得起双11、雨雪天这种极端考验，客户才会用钱包投票。

九识选择先在商业上跑通这一点，意味着它对成本结构的理解是财务报表级别的，而不是发布会级别的。这也是为什么别的公司宣布Physical AI时，市场反应平平，而九识宣布时，大家会认真讨论——因为它背后的那套系统，是已经在现实世界持续感知、决策并执行、且已产生商业收入的智能系统。

用一句业界私下的说法：别人在给投资人讲物理AI，九识在给物理AI发工资。

🏙️ 从送快递到城市治理：第二曲线是真命题还是新故事？

运力一旦成网，能力就会外溢。

这次战略发布会上，九识把未来重心锚定在「物理AI赋能城市治理」。这个提法值得认真拆一下。

逻辑起点还是孔旗那句话：复杂城市开放道路产生高价值数据。当一辆车在城市里跑，它处理的不只是「从A点到B点送货」，而是对城市道路的实时理解——交通流、路况变化、市政事件。当这个车队规模达到3万辆、铺在300余座城市时，它实际上构成了一张覆盖广泛的实时城市感知与运力网络。

这张网络能干什么？可以推演的方向包括城市末端配送之外的公共运力服务、市政场景的常态化运力支撑等等。用一个产业链视角来看它的位置：

熟悉低空经济的人对这套逻辑不会陌生。我们过去两年一直在写低空经济的城市治理外溢——无人机物流做好了，反哺的是巡检、应急、测绘。地面无人驾驶是同一个故事的不同维度：运力底座的本质，是「能力平台化」。 车队一旦成网，卖的就不再是一次配送，而是城市运行的一层基础设施。

从产业判断上，我认为这个第二曲线有真实的技术托底——毕竟300城3万辆的运营数据是所有物理AI叙事里最硬的那种；但它也有真实的执行难度——城市治理的买单方是政府与公共部门，订单节奏、定价机制、验收标准都与纯商业物流完全不同，从「商业客户」切换到「政务客户」，是一家公司的组织能力重构，不是发布会上的一页PPT。

⚠️ 3万辆之后，考验才真正开始

规模越大，系统性风险的敞口也越大。

给九识泼一点理性的冷水。3万辆、300城之后，这家公司面对的问题会从「能不能跑」变成「能不能扛」。

第一个考验是供应链的纵深。今年光通信行业刚刚上演过一课：FCC的管制规则几经反复，靴子落地前没人敢打包票，中际旭创、新易盛这些全球份额绝对领先的中国厂商也曾一度被传可能纳入限制名单。这个案例给所有智能硬件公司的启示是：你的车跑得再远，上游的芯片、传感器、核心零部件的地缘变量不在你手里。 车队规模越大，单一供应链节点的风险敞口就越大，供应链的冗余设计必须提前于风险落地。

第二个考验是城市级合规的碎片化。300余座城市意味着300余套地方管理细则的适配成本。无人车上路涉及路权、保险、事故责任界定，各地政策推进节奏不一。这本账，规模小时是麻烦，规模大时是系统性工程。这一点上，地面无人驾驶与eVTOL适航认证的逻辑同源——监管沟通能力本身就是核心竞争力。

第三个考验是盈利质量的验证。有收入不等于有利润，有利润不等于有自由现金流。3万辆车的折旧、运维、远程接管成本如何随规模摊薄，是判断这家公司能否真正穿越周期的关键指标。这些数据目前外界还看不到全貌，也是接下来最值得跟踪的部分。

结语

九识的故事，本质上是给整个具身智能行业上的一课：物理世界的AI，没有捷径，只有里程。 先让机器跑起来、跑出收入，再谈战略，这个顺序看似保守，实则是物理AI区别于纯软件AI的铁律——算法可以版本迭代，运力只能一公里一公里攒出来。

往前看，3万辆不是终点而是考卷的开端：供应链的地缘变量、城市合规的碎片化、盈利质量的真实性，都会在下一个五年给出答案。对于关注低空与地面无人运力的产业观察者来说，九识值得放进长期跟踪名单——它跑通的不只是一家公司的模式，更是中国无人配送从故事走向生意的可行性证明。