登录
注册
原生AI，毫米波雷达第四个入场
千里模式很眼熟
不是错觉
文章来自：芯传感公众号
10月23日，千里科技发布AI毫米波雷达，在雷达内部集成10 TOPS算力NPU，这是首个在雷达端直接完成目标检测与分类的量产方案。
该雷达面向L3、L4高阶智能驾驶的多传感器前融合架构原生设计，支持边缘计算、卫星架构、兼容三种工作模式，以适配整车平台从分布式向中央集中过渡期间的不同功能等级和车型平台。
视觉、惯性、听觉、雷达。毫米波雷达也因此成为第四个入场，用原生AI来重构硬件底层的感知领域。
🔺AI原生：直接介入感知底层，而非在后端加一个AI处理
两个理论上的优势
“AI+” 、“AI原生”的差距比想象的更大。
AI原生的4D毫米波雷达，自身具备独立AI推理能力。能在雷达端完成从信号处理到目标识别的完整感知计算，直接向域控输出结构化四维特征。
毫米波雷达在信号处理阶段就会产生信息损失。AI+方案则是利用算法，在传统雷达后端（如点云后处理阶段）对有损信息进行二次处理还原。
第二，通过模型持续自我迭代。AI原生意味着雷达链路原生适配AI模型，内置NPU算力，将支持端侧模型通过OTA直接升级。
传统的毫米波雷达，一次性出厂即固化规则算法，升级迭代需要工程师重新开发算法并刷写更新。
🔺产品公开参数
AI原生替代的账，特斯拉算过
传统4D毫米波雷达的BOM成本约150至250美元，其中软件算法成本占比可达50%，且4D雷达的算法开发成本本身高于传统雷达。
AI原生毫米波雷达，用大模型驱动的感知算法，是否能自我进化来代替人工规则？
特斯拉是目前最接近“大模型驱动算法、用数据迭代替代人工规则，并在规模化下摊薄单位成本”的先例。特斯拉量产车影子模式每天产生超160亿英里推理里程，4D自动标注把1万次旅程的标注时间从人工500万小时压到12小时，成本降至人工的1/5，每个长尾场景的边际处理成本远低于规则开发。
但另一方面，固定投入是巨额的。AI累计投资超100亿美元，H100硬件超15亿美元。单位成本能摊薄，靠的是数百万辆量产车作为分母。成本从持续支付工程师人力，换成了一次性投入算力与数据基础设施。
🔺千里架构，特斯拉架构：数据与模型驱动的自我迭代
市场潜力，吉利系
这颗AI毫米波雷达的设计出发点是千里的基座模型与智驾方案，在市场上最有可能先落地的，也是千里浩瀚G-ASD所支持的吉利系车型。
8月8日，千里智驾公布其ASD累计装车量突破53万辆，覆盖极氪、领克、银河、smart等19款车型，激活率93.8%，有着较为可观的潜在市场和供应体系入场优势。
当然，这颗雷达本地NPU完成全链路处理，更不依赖中央域控，也减少了针对特定中央平台的适配工作，技术上更易匹配非千里模型的车型。
但这不意味着它能快速进入不同OEM的供应链中，它输出的依然是千里模型语义下的定义，外部系统仍须适配其输出协议，对千里算法的依赖是毋庸置疑的。
【芯传感】聚焦毫米波雷达产业
新动态、新应用；追踪物理AI感知风口
~ END ~
