2026 年 8 月 20 日，新石器宣布推出国内首个专为无人车规模化运营设计的安全智能体 " 玄武 "，这是公司继 7 月份升级行业首个安全委员会后，又一个安全治理动作落地。玄武以 AI 为核心，核心逻辑是把无人车运营分散在车辆、道路、任务和车队等环节中的安全风险，纳入一套持续感知、处置、预警并自我进化的全流程闭环体系，实现 L4 无人车安全治理从 " 事后被动响应 " 升级为 " 事前主动防控 "，同时，不断增强的安全能力，又让无人车能够在更多场景、更大规模下稳定运行，提升运营效率与商业价值。

无人车规模化，安全治理进入新阶段

L4 无人车的安全问题，过去主要是单车维度的，如感知算法、决策速度、极端场景处理能力，但这些问题随着自动驾驶技术的成熟正在逐步解决。

随着无人配送走向大规模、跨场景运营，无人配送模式正在快递物流、城市商圈、社区末端、乡村和夜间配送等场景快速应用。服务客户、运营区域和车辆规模不断增长，这意味着，L4 无人车的安全不仅取决于一辆车能否安全自主行驶，更取决于企业能否对成千上万辆无人车队进行实时、系统和可持续进化的安全治理。

新石器相关负责人表示：" 我们迈向规模化的真正门槛，不仅是让一辆 L4 无人车安全自主行驶，更是建立与万台级无人车队相匹配的安全治理能力。"

传统安全系统依赖固定规则等，很难发现海量运营数据中埋藏的隐性风险。玄武是新石器面向 L4 无人车物理世界打造的一套 AgenticAI 安全治理范式，作为安全治理体系的 " 中枢神经 "，其运行于自动驾驶系统与无人车运营流程的逻辑中间层，AI 持续感知、分析、推理和学习，" 安全系统也从发现问题的工具，升级为能够持续承担安全治理任务的智能体。"

从感知到预警，构建安全治理完整闭环

玄武智能体的核心逻辑是一条闭环：风险感知、风险处置、风险预警。

感知层的任务是让风险看得见。玄武持续接入感知数据、行驶数据、货物数据、故障信号和任务数据等多源信息，结合摄像头视觉分析与云端大模型交叉验证，自动研判每辆车的安全状态。当多辆车在同一路段反复出现急刹，传统系统只会分别记录 ; 玄武智能体会综合地点、时间、环境和历史事件，判断这是偶发还是系统性风险，并进一步分析异常是否会扩散、是否影响整个车队。

处置层的任务是让风险管得住。风险被识别后，玄武智能体根据等级自动分级响应、关联责任人、持续跟踪处理状态，并为每一步处置保留可追溯记录。与传统告警系统发出提醒即结束不同，玄武智能体的目标是确保每一个被识别的风险都有对应动作，每一个处置动作都有明确责任，每一个安全事件都能够追踪和复盘。将原本分散在车辆、平台和运营流程中的风险，被纳入统一的 AI 安全治理闭环。

预警层的任务是让防线往前移。重大事故往往不是突然发生的，而是由大量小概率异常长期积累演变而来。玄武智能体从历史数据中持续识别高风险路段、季节性高危场景和特定条件下的风险隐患，在风险演化为事故之前发出预警，推动预防措施提前落地——让安全治理从事故发生后复盘，前移至风险形成前干预，实现从被动安全向主动安全的跃迁。

数据驱动进化，安全智能体越用越聪明

玄武智能体的另一个关键设计是数据闭环驱动的自我进化。每一个真实安全事件，都会自动沉淀为训练样本，反向提升感知模型的识别精度。车队越大、数据越多，系统的识别能力也越强。

随着 L4 无人车规模持续扩大，这一数据闭环将不断增强。新石器将这套逻辑概括为双层 AI 架构：自动驾驶 AI 解决每一辆车如何自主安全行驶 ; 安全智能体解决整个车队如何被系统性地安全运营。两层能力通过真实运营数据形成正向循环——车辆运行和安全事件产生数据，玄武将数据提炼为风险知识与训练样本，再通过模型训练、规则优化和人工复核持续迭代安全治理能力。更新后的能力重新在新的运营过程中获得反馈进化，持续提升整个车队的治理水平，也成为构成从 " 单车智能 " 迈向 " 车队安全智能 " 的能力基础。

安全由此不再只是无人车规模扩张的约束条件，而成为能够在真实运营中持续积累、持续学习和持续增强的核心能力。

" 安全是 1，效率、成本、规模都是后面的 0。" 新石器创始人兼 CEO 余恩源此前在宣布升级行业首个公司级安全委员会时如此表态。

玄武智能体的推出，是这一判断在技术层面的具体落地——从最高决策层的组织重构，到 AI 智能体的全局感知，新石器正在将安全从一句承诺，变成一套可量化、可追溯、持续迭代的体系工程，也将以双层 AI 架构为基础，推动安全与效率协同增长，加速 L4 无人车走向真正的规模化商业落地。