端到端架构演进下，毫米波雷达正向模型需求重构

端到端架构演进下，毫米波雷达正向模型需求重构

智能驾驶技术圈的讨论焦点在过去两年间持续向端到端、视觉-语言-动作（VLA）架构及世界模型倾斜，底层算力集群的投入规模亦呈现指数级增长。产业对话多集中于算法模型侧的迭代，却鲜少将视线投向感知前端：当决策核心发生范式转移，硬件传感器是否需要同步演进？近期，千里科技披露了一款集成十万亿次每秒（TOPS）神经网络处理单元（NPU）的AI毫米波雷达产品。该方案将特征解析与目标分类任务下放至传感器边缘端，为探讨“模型驱动下的感知硬件变革”提供了具象案例。本文将以此为切入点，剖析端到端范式对传感器数据交付逻辑的重塑。

• 传统路径：传感器按独立协议完成预处理，再交由中央模型进行格式对齐与融合
• 新路径：千里科技将判别环节前置至雷达内部，直接输出与模型匹配的四维特征集
• 数据保留机制：通过架构切换，卫星模式仍可将中频原始数据直传中央域控制器

视觉主导趋势下的雷达存在逻辑

车载摄像头依赖被动感光，获取的仅包含二维平面投影与亮度信息。距离测算需依赖三角几何原理或物体尺寸先验，速度推导则需依赖连续帧间的位移差异。在光照充足条件下，该方案表现稳定；但在雨雾、强逆光或夜间低信噪比环境中，测量误差显著攀升。毫米波雷达的技术补位价值正体现在此处。77GHz频段电磁波波长约为四毫米，具备穿透雨雾介质的物理特性，有效规避了可见光易受大气散射干扰的短板。

更为核心的是，该频段依托多普勒效应实现运动目标的线速度直测。输出结果属于物理量范畴，规避了视觉推算带来的累积误差。在实际驾驶场景中，区分静止障碍物与缓行车辆直接关联自动紧急制动（AEB）的触发逻辑，毫米波雷达在此类场景具备不可替代性。传统三代雷达的局限在于仅能探测距离、径向速度及水平方位角，缺乏俯仰维度导致高度信息缺失，难以有效分辨路面金属盖板与站立其上的行人。同时，较宽的波束宽度易引发近距目标混叠。

上述缺陷催生了两类典型误报：静态高反射物体触发不必要的制动干预，或并排行驶的多车型被算法误判为单一目标从而遗漏风险。部分主机厂采取降低雷达融合权重的策略予以规避。四代（4D）成像毫米波雷达补齐俯仰通道后，首次赋予硬件高度解析能力，装车渗透率正加速攀升。雷达技术壁垒根植于物理特性，但长期制约其发挥效能的瓶颈，在于交付给上层模型的数据颗粒度过粗。

千里科技的技术突破点：边缘端模型化决策

该产品的核心主张在于将信号处理至目标分类的全链路引入模型算法。需明确区分的是，市场部分标榜“AI雷达”的方案仅于传统输出端口叠加判别网络，底层信号处理仍沿用既定规则。传统雷达信号处理流程严格遵循五步序列：模数转换（ADC）采样、快速傅里叶变换（FFT）、恒虚警率（CFAR）门限检测、点云聚类及轨迹跟踪。其中，CFAR机制依赖预设阈值筛选有效回波。阈值设定面临两难：调高易误杀行人、非机动车或低反射锥桶等弱目标；调低则导致地杂波与多径反射鬼影大量残留。

当模型介入后，判别逻辑由“强度是否超越阈值”转向“特征序列是否匹配目标先验”。机器学习算法可通过海量数据学习多径反射模式与弱小目标回波分布规律，摒弃单一数值的机械切割。据披露，该硬件可有效剥离铁板与上方行人的回波特征；针对儿童等小尺寸目标，传统三代雷达的稳定探测半径约五十米，该方案可延伸至一百至一百五十米区间。

数据交付形态随之改变。十TOPS NPU在边缘端完成点云解析、目标分类、轨迹预判与占用栅格估计，输出结果转为与中央模型直接对齐的四维特征集。此举标志着感知链路的重心前移，边缘算力直接决定有效回波的留存率。

原始数据直连与架构演进

端到端理念常被引申为“全量原始数据喂给中央大模型”。将预处理环节全部交由边缘端执行，是否会引发新的信息损耗？技术实现层面的差异在于算法的可训练性。CFAR门限属于固化规则，信息取舍由工程师预先裁定；而边缘端部署的神经网络可与下游模型联合训练、持续迭代，数据筛选逻辑由实测分布动态生成。

在架构设计上，该方案提供双路径配置。边缘计算模式下，NPU完成实时推理并输出结构化结果，通信链路精简，响应延迟极低，有效规避大规模点云传输带宽压力。卫星架构模式下，硬件仅负责信号采集与AD转换，将未进行目标检测的中频原始数据（IF Data）透传至中央域控制器执行统一融合。该路径保留更完整的信息维度，便于算法全局协同。

双模式共享同一套硬件基底，整车可根据算力冗余度灵活切换。卫星模式下，边缘算力仍保持在线，域控通信中断或链路故障时，雷达可独立触发安全预警。软件升级（OTA）机制亦随之优化，模型迭代主要调整网络参数，预计可实现更细粒度的功能推送。方案的核心价值在于重构数据交付范式，探测距离仅为其性能外显。

商业化落地所需的体系验证

该技术路径的成熟度取决于底层生态的协同效率。目前在算法侧，阶跃星辰基座大模型已于2026年4月宣布与千里科技共建原生智驾基座；感知侧，千里智驾于今年6月11日以两千五百九十点零八万元全资收购融感科技，补强硬件级感知能力；车辆验证端，则依托吉利汽车集团的复杂路况场景与海量实测数据闭环。千里科技自身聚焦智驾算法开发、端侧芯片适配及系统集成工作。模型数据需求、雷达架构调整与实车验证可在统一体系内流转，无需外部割裂协作。该模式介于全栈自研与供应链集成之间，通过股权绑定与统一开发框架掌握定义权，降低了从零搭建的试错成本，但供应链协同管理复杂度相应提升。

技术方案的可行性已初步验证，量产一致性、成本控制在拓展第三方客户等方面的表现，仍需市场周期检验。

产业观察

端到端架构确立模型在智能驾驶系统中的核心地位，感知硬件的交互逻辑必须同步演进。传统传感器侧重于尽可能完整地上报原始观测值，而新一代硬件需面向模型的数据摄取习惯进行格式重构。千里科技的AI毫米波雷达方案，为感知硬件适配模型需求提供了硬件级实践样本。发布参数仅反映实验室性能边界，最终可靠性与泛化能力需由大规模量产车型的实际道路表现予以背书。该路径的探索，为中国智能驾驶产业链提供了硬件与算法深度耦合的新方向。