一颗AI雷达, 千里科技想拿到什么

一颗AI雷达, 千里科技想拿到什么

10月22日，2026通用人工智能大会在重庆开幕。千里科技董事长印奇在会上指出，人工智能技术正加速向物理世界延伸，智能汽车将成为物理智能落地的核心载体。基于这一行业研判，过去两年间，千里科技已在智能驾驶、智能座舱与智能出行三大维度完成从零到一的体系搭建。

印奇披露，千里2.0战略已结出三组阶段性成果：技术层面构筑了智驾原生基座模型与完整的工程化落地框架；规模层面，代号为千里浩瀚的解决方案在十八个月内累计装车量突破百万台；体系层面，舱驾融合技术取得进展，并向个人助理方向延伸。这三组数据勾勒出一条物理智能的闭环链路：模型架构划定产品性能天花板，工程体系决定量产交付效率，而海量装车数据则持续反哺模型训练。

紧随其后，10月23日千里科技正式推出新一代AI毫米波雷达。

单一传感器产品与前述战略布局存在何种内在关联？表面上看仅是产品线扩充。若将其置于企业近两年的动线中审视，则能清晰看到，当算法模型确立核心地位后，千里科技正试图在产业链上游重新界定自身坐标。

交付方案，还是交付定义

智能驾驶领域的产业分工曾长期保持清晰边界。方案集成商负责统筹摄像头、毫米波雷达与激光雷达等硬件，上游供应商提供标准化模组，算法工程师则在既定通信协议基础上进行适配开发。感知模块输出何种格式的数据，历来由硬件厂商主导。

此种协作模式在行业发展初期具备合理性。彼时算法模型体量有限，规则驱动占据主导，研发人员能够依据既定数据流编写逻辑判断。通信接口留下的冗余空间，亦可通过底层标定、多源融合与工程经验予以填补。

随着模型架构经历多轮迭代，数据输入端逐渐演变为系统瓶颈。

端到端自动驾驶架构依赖高密度原始数据、极低传输延迟以及高度统一的特征表征。一旦外部采购的传感器硬件定型，算法的训练轨迹与迭代节奏便会被锁定在供应商的产品生命周期之内。

硬件研制周期与算法演进步频之间存在显著错位：软件团队通常以周为单位推送版本，而感知模组的上车验证往往需要数月乃至更长时间。这一时间差直接推高了研发成本。当算法团队试图验证新提取的特征维度时，必须等待硬件合作方下一轮改款排期，而在此期间，算法本身已历经十余轮自我演进。

这正是千里科技选择向上游延伸的核心动因。

相较于转型为传统雷达制造商，企业更看重获取传感器数据输出标准，进而掌握产品迭代的主导权。内部研发体系将这一战略称为提升含模量，即模型在整体决策链条中所承担的实际权重。过去该权重仅作用于算法处理层，如今已前置至感知采集层。

硬件研发需逆向匹配模型需求，算法设计亦需在传感器端提前介入验证。

这颗雷达改的是计算方式

传统毫米波雷达通常输出距离、径向速度与方位角三组基础物理量。4D成像毫米波雷达（4D Imaging Radar）通过引入俯仰角维度补充高度信息，进而实现场景精细分割，例如区分前方回波源于路面金属井盖还是站立其上的行人。

佐思汽研《2025年汽车4D毫米波雷达产业研究报告》数据显示，2024至2025年间，国内4D雷达装车规模由273.7万颗激增至1106万颗。机构预测至2030年装车量将突破5000万颗大关。价格维度同样呈现下行趋势，基础版4D成像雷达均价自2024年初的500至1000元区间，下探至2025年的200至400元，已逼近传统雷达成本线。

千里科技此次发布的雷达产品，技术突破点并未局限于前端射频电路，而是聚焦于底层计算架构的重构。

传统信号处理链路遵循采样、模数变换、门限检测、目标聚类与轨迹跟踪的标准流程。其中门限检测（Threshold Detection）环节直接决定目标筛选效率：门限阈值设置偏高，易将行人、两轮车、低反射率锥桶等弱反射目标误滤；阈值设置偏低，则会导致多径效应产生的鬼影与背景杂波大量残留。

传统调参逻辑仅能在漏报与虚警之间寻求折中方案。千里科技试图重构的核心环节正是此处，将静态门限替换为动态神经网络，决策依据由回波信号强度是否达标转变为回波簇特征是否匹配目标先验模型。

技术差异主要体现在计算节点的前置幅度。多数同行仅在雷达传统输出端外挂轻量级网络进行二次过滤，前端物理链路未变，关键特征信息在抵达门限模块的瞬间已被截断。

千里科技采用的方案实现从原始信号检测到目标分类的全链路算法化。依托内置的10 TOPS神经网络处理单元（NPU），雷达终端即可完成特征解算，直接输出经编码的四维特征向量，随后接入中央域控制器的融合网络。感知模组由此完成从数据采集终端向边缘计算节点的职能转换。

该设备支持双模运行逻辑。

边缘计算模式下，NPU在雷达本体完成特征提取与逻辑判断，输出结构化数据，具备链路短、响应快、独立预警能力强的特点。卫星架构模式下，雷达仅执行信号采集与原始数据回传，未处理的中频（IF）数据汇入中央计算平台统一解算，数据完整性更高，算法版本管理更为集中。两种架构并非互斥选项，整车计算资源的分配方案决定其具体应用形态。独立预警功能属于边缘架构衍生的附加价值，系统核心路径仍锚定中央融合。

架构差异的本质在于数据价值提炼的层级。此次技术迭代将结论生成步骤前置，雷达向下游交付的不再是原始散射回波，而是携带初步判断逻辑的四维特征矩阵。模型接收端的数据形态发生根本转变，后续算法的拓展空间随之拓宽。

2590.8万元，买的是什么

使硬件研发精准匹配模型需求的前提，是掌握核心开发主导权。

依赖外部采购标准模组的核心痛点在于，供应商的产品路标需兼顾全行业客户群。特定模型所需的特征维度与迭代频度，难以进入通用供应商的研发优先级序列。打破该瓶颈的有效路径是将关键能力内部化。

2026年6月11日，千里科技发布公告，旗下控股子公司重庆千里智驾科技有限公司拟出资2590.80万元受让宁波市融感科技有限公司100%股权。数月后，集成10 TOPS NPU的AI毫米波雷达正式问世。

资本运作与产品发布之间的时间窗口并非单纯等待研发周期，而是外部技术团队开发节奏、通信协议标准与测试验证流程全面接入企业自有体系的过程。

此次并购的核心标的并非账面营收或制造产能，而是一支具备从射频前端设计至多传感器融合全栈能力的研发团队。此前受制于供应商产能排期的关键技术，现已转化为企业内部可弹性调配的研发资产。

资金注入主要撬动三个维度的技术壁垒。

射频架构设计决定天线阵列排布策略与波形调制方案，直接框定原始回波的信息保留上限，构成后续信号处理的基础物理边界。

信号处理链路涵盖模数转换至点云生成的完整过程，决定有效回波的留存比例。传统固定式滤波算法被动态模型取代后，处理逻辑得以依据上层模型需求进行定制化调优。

多传感器融合模块负责打通雷达与视觉、激光雷达等感知设备在时空维度上的数据对齐通道，确保融合结果可直接被中央模型调用。

三大技术环节此前分散于不同供应链节点，现统一纳入同一研发体系。射频参数配置、信号处理策略与数据输出格式均可按模型架构需求进行定向定制。尽管构建车规级量产保障体系仍需时间沉淀，但核心定义权的确立已为产品落地奠定基础。

千里想拿到的是什么

单一感知硬件的商业价值需置于规模化量产框架下评估。

企业公开数据显示，千里浩瀚解决方案在十八个月内累计装车突破百万台，车型矩阵覆盖十六款主流量产车。百万级装机量意味着该感知架构已在复杂真实道路环境中完成长周期运行测试，覆盖多元价格带、多车型电子电气架构以及不同地理气候区域。

海量行驶数据回流至训练与仿真平台后，完成模型迭代升级并重新下发至车端，数据闭环系统由此进入实质性运转阶段。

企业将当前推进的产业协作模式定义为链式协同。

该模式并未追求将产业链全环节资产化，而是依托统一模型接口与规模化量产能力，将异构技术资源编织进同一系统框架：阶跃星辰负责底层基座模型协同，吉利生态体系提供量产落地场景与真实路网数据，千里科技主导系统级整合与方案交付，融感科技则作为自研模块补齐毫米波雷达能力缺口。

架构优势在于避免重复造轮子，潜在挑战在于跨组织协同成本。合作方各自背负多元化客户订单与研发排期，迫使异构技术围绕统一目标推进的前提，是掌握关键节点的控股权。

收购融感科技正是为了获取雷达模块的自主定义权。定义权的确立仅为起步阶段。后续核心考核指标将聚焦于该授权是否切实转化为模型迭代效能。检验维度主要包含三项：其一，雷达输出的特征矩阵是否真正融入模型训练管道，抑或仅流于传统中央融合架构的旧有流程，自研价值将由此显现；其二，硬件研发周期与算法更新频率能否实现步调统一，若感知硬件仍按季度验证排期，而软件团队维持周级迭代，权责错位将导致定义权流于形式；其三，已沉淀的技术能力能否向下一代感知硬件迁移，单一技术唯有转化为标准化接口与固化流程，方具备体系化价值。

千里科技试图跨越智能驾驶方案集成商向底层平台架构商的转型鸿沟，核心任务在于建立统一的通信协议与迭代节拍。战略落地的最终成效，不取决于单次产品发布会的声量，而取决于下一代感知硬件的获取路径。

原文标题 : 一颗AI雷达，千里科技想拿到什么