ITBear旗下自媒体矩阵:

九识智驾生态装机破万台 无人车商业化提速

   时间:2026-11-18 22:23:32 来源:快讯编辑:快讯 IP:北京 发表评论无障碍通道
 

截至2026年11月,九识大脑累计赋能的无人车规模超过4万台,其中Zelos Inside生态合作车型装机量突破1万台。同期,九识与易咖智车在11月17日签署万台智驾套件战略合作协议,并联合完成合作车型量产下线。

这次合作中,易咖智车首次与专业自动驾驶企业联手,推出自主品牌无人快递车。借助九识大脑技术体系,双方用3个月完成合作车型智能驾驶系统适配,成为技术复用和生态协同的一个行业样本,也为九识大脑后续装机规模扩大提供了新的合作基础。

从行业视角看,低速无人车的规模落地不再只有整车销售一条路,技术输出同样可以形成商业路径。通用物理AI浪潮下,无人车企的竞争重点正在转向:谁能提供标准化、可复制的智驾底座,谁能搭建开放共赢的产业生态,谁就更有机会获得长期发展空间。

九识与易咖智车的合作,另一个关键变化在于身份和关系。易咖智车原本定位无人驾驶装备提供商,专注线控底盘和整车制造,为算法公司与场景方提供硬件基座,与无人车企之间更多是采购和供应链协作。此次双方转向生态共创,折射出无人车行业从各自为战向产业协同演进的趋势。

九识智能副总裁、生态事业部总经理薛亚鹏认为,易咖智车和九识的身份变化代表行业从技术验证主导走向商业化协同,从供应链协同走向生态共创和行业协同。双方合作基础也延伸到共同开发、推广无人车,让更多自主品牌进入市场。乘用车和商用车领域品牌众多,各自服务不同细分市场,无人车市场也会出现更多品牌,这是行业发展的自然结果。双方核心能力没有改变,易咖智车仍擅长整车平台制造,九识仍擅长L4自动驾驶和规模化运营。

在商业化规模化阶段,企业更需要发挥各自长板。易咖智车具备整车研发制造和线控底盘平台能力,九识拥有成熟L4全栈自动驾驶技术和大规模运营经验。双方采用整车平台加自动驾驶能力模式,仅3个月便完成智能驾驶系统适配,推动车型量产下线。

这一合作还强调开放。易咖智车联合创始人柏俊波表示,双方更看重开放体系,面向整个行业打造一款平台,发布会主题也是开放无界、生态共建。车辆并不强调属于九识还是易咖,而是面向未来想进入该领域的玩家,共同打造可随时接入的软硬件平台。

谈及选择九识的原因,柏俊波给出三点:九识在无人快递车行业属于头部企业;双方生态合作关系由来已久,团队彼此熟悉,文化相近;除技术算法外,九识拥有大量实际落地案例和经验,对前期规模化落地帮助很大。

当合作从卖零部件升级为技术、产品、服务的深度绑定,产业分工体系才真正站稳。过去一些企业试图覆盖整车、算法、运营全链条,但重资产模式带来高成本,扩张速度受限。生态合作模式下,造车方专注整车工程,AI企业输出智驾能力,各方各司其职,能降低行业创新成本和试错成本,加快规模化商业落地。

九识大脑累计赋能超4万台无人车,其中面向快递场景的标准化RoboVan无人快递车超过3万台;通过Zelos Inside生态模式,井下、畜牧撒料、机场转运等功能型无人车突破1万台。生态装机超过万台,被视为物理AI商业化落地的重要节点。

薛亚鹏表示,通用物理AI最终要看规模化落地能力。九识大脑赋能的1万台,是物理AI行业较大落地规模之一,车辆落地就能运行、能提供服务并形成商业闭环。九识大脑已经可以围绕无人车进行多产品并行复制,不再局限于自有品牌,不同厂商、不同形态的生态车型均可接入。

他进一步表示,不少通用物理AI模型仍在寻找落地方向,九识通过Zelos Inside模式验证了九识大脑赋能各行业的可行性,也首次用超过万台车证明其规模化和商业化能力,扩大了九识的商业化边界,从标准化快递车延伸到井下、机场、畜牧等专用场景。多车共享物理AI研发成果,能够摊薄底层研发成本,也能通过更多数据场景促进技术迭代。

此前,九识业务更多聚焦自有标准化RoboVan无人快递车,深耕快递和城市配送场景。Zelos Inside生态模式成熟后,九识大脑的L4自动驾驶能力输出到井下、机场、畜牧等细分赛道,不同产业伙伴的车辆都可搭载这套智驾体系开展常态化运营。共享技术可摊薄底层算法和算力基础设施研发成本,海量差异化场景数据也会反哺技术迭代,在技术、数据与规模商业化之间形成正向循环。

据了解,九识大脑以APEX基座世界模型为核心引擎,已积累超3亿公里真实运营数据,并搭建万卡算力基础设施。大量真实道路数据持续提升系统对复杂环境的理解、预测和决策能力。随着生态车型增加,不同场景的路况、障碍物和业务需求不断输入,世界模型的泛化能力也会进一步增强。

万台生态车的落地,说明通用物理AI并非纸上概念,而是能够商业化交付、大规模复制的产业能力,也拓宽了企业商业化边界,减少对自有车辆销售增长的单一依赖。

与此同时,垂直场景业务需求复杂多样,行业在商业化盈利、运维体系建设等方面仍需持续探索。

 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  争议稿件处理  |  English Version