九识披露近1.5万卡L4算力集群

九识近日披露，其支撑“城市级物理AI”战略升级的底层算力已经达到万卡级别。公司CTO庄立称，九识已建成面向L4无人驾驶的万卡集群，总规模接近1.5万张加速卡，用于训练正在从百亿参数迈向千亿参数的APEX多模态基座大模型。

九识成立于2021年8月，创始团队曾参与Robotaxi、Robotruck研发以及早期开源自动驾驶平台建设。公司创业方向选择RoboVan，过去几年围绕技术、场景和商业化推进：推出Robovan产品，将L4能力从物流扩展到更多行业，并形成卖车、服务和运力结合的模式。自2023年售出首台车以来，其全球车队已超过3万台，覆盖20多个国家、300多座城市，累计真实运营里程超过2.7亿公里。

在城市开放道路中，无标识乡村道路、施工围挡、异形障碍物、人车混行以及恶劣天气带来的光影变化，都很难依靠人工规则穷举。九识认为，解决长尾场景需要多模态大模型学习物理世界，而万卡集群正是训练大模型的基础设施。APEX将融合真实L4驾驶数据、互联网语言与视频语料，以及实际运营中的人类决策数据，形成数据、模型和评测的闭环迭代。

此次升级的核心被放在“九识大脑”上，其底座就是APEX多模态基座大模型。九识希望通过这一模型提升车辆对物理世界变化的理解能力，并把这种能力用于无人车服务和城市治理生态。

APEX被描述为可带来四类能力提升：一是增强场景推理、长时序预测和博弈判断，提高行驶平顺性与安全性；二是融合视频、交通文本和人类驾驶经验，统一理解交通灯、交警手势、道路标识和本地规则，提升无图L4跨城市部署能力；三是提高离线仿真可信度，让百万级工况并行验证，减少实车风险；四是通过模型蒸馏把端到端智驾能力部署到车端，并适配多款RoboVan车型，降低多车型迭代成本。

在车云协同方面，九识采用分层模型架构。一般道路场景由车端模型覆盖；在5至30km/h的复杂道路中，车端VLA实时推理同时调用云端VLA增强理解；在0至5km/h的末端和极端场景中，还会引入安全员Agent，完成绕行、重新规划路线、靠边停车等救援脱困决策，从而覆盖常规道路、复杂路况和极端脱困场景。

九识强调，其L4方案与常见L2方案的差别不只是速度，而是车辆在识别自身能力边界后，会主动降速或停车，并请求云端分析，而不是单纯等待人类接管。真实数据回流APEX后，云端模型升级，再蒸馏出更好的车端模型。九识还表示，其VLA并不强制先转写成人类语言再控制车辆，而是借助与语言对齐的方式，让模型在行动前形成更快、更抽象的因果判断。

九识认为，已形成商业规模本身也是技术迭代的燃料。3万多台车每天在真实城市道路中遇到的交警手势、临时管制、施工围挡和人车混行，持续生成通用模型难以获得的物理世界数据。公司称，真实运营数据、万卡算力和APEX模型共同构成其从无人车企业转向城市级物理AI服务商的基础。