无人车的胜负手，变成算力了？
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。
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。