10 TOPS 算力，被塞进了一颗毫米波雷达里。10 月 23 日，千里科技发布了一颗 AI 毫米波雷达，在公开信息范围内，这是首个在雷达内部集成 10 TOPS 算力 NPU 的方案。雷达自身就能完成目标检测和分类，同时支持边缘侧、卫星与兼容三种工作模式。

这不是一次单纯的产品线扩充。过去两年，智驾行业的竞争集中在模型上，谁的端到端更强，谁的数据闭环转得更快。但当模型的能力开始受限于传感器给到的原始信息，竞争就会往上游走一层，走到硬件。这颗雷达要回答的问题，是当模型已经足够强，感知这一端还能不能被改写。

为什么雷达要开始装 AI

智驾眼下有两个方向同时在推进。一个是高阶智驾往十几万的主流市场下沉，一个是 L3 级自动驾驶准备进入量产。这两个方向对技术的要求不一样，落到同一个词上都是安全。规模化要靠安全说服用户买单，L3 对安全的要求还要再高一个量级。

在安全这个需求下，4D 毫米波雷达的位置变得关键。它比激光雷达便宜，雨雾天气下的稳定性更好，是少数能在成本和可靠性之间取得平衡的传感器。

麻烦在于传统 4D 雷达的工作方式。拿行业里比较头疼的障碍物识别来说，传统 3D 雷达只能判断前方有个东西，4D 雷达加了高度维度，能看到目标的轮廓特征，但点云数据还是要一层层传到中央域控，才能判断那到底是什么。链路长度直接决定反应时间。智驾要的是又准又快，链路越长，留给决策的窗口越短。

在雷达内部集成计算单元，获取点云后立刻完成检测和分类，直接向智驾系统输出结构化结果，缩短的正是这一段。

但真正的瓶颈不在链路长度。传统毫米波雷达的信号处理依赖 CFAR 这类经典算法，规则在架构设计阶段就定下来了。设计时没预设到的场景，算法只能保守处理，表现出来的就是多径鬼影、杂波干扰、弱目标丢失、多目标分离不足。这几类问题的根源是规则有覆盖上限，靠调参只能在误检和漏检之间换一个位置，换不出新的能力。

模型替代规则，改的是这个上限。从天线阵列与波形设计开始，在制造、尺寸、性能的多重约束下用算法辅助找最优解；到点云检测、测角、点云增强、目标跟踪与分类，整条链路都可以引入数据驱动的模型。千里这颗雷达做的不是针对单一场景的补丁式优化，而是从感知链路最前端就对准传统架构的固有缺陷。

不过这件事没法靠在雷达里塞一颗芯片完成。现在的分工里，毫米波雷达是供应商交付的成品，算法团队拿到的已经是处理过的结果。要让模型在雷达里跑起来，得从射频设计这一端就参与，这条线不跨过去，AI 就只能停在末端补一层后处理。

为什么是千里做这件事

要在雷达里跑模型，前提是模型得是自己的。这句话听起来像常识，落到产业里是一道硬门槛。雷达端要输出什么样的特征、以什么格式输出、和域控怎么分工，这些参数一旦由外部供应商按通用逻辑定好，算法团队再强也只能在既定接口里做优化。千里手里有基座模型，就意味着这些参数可以反过来按模型的需求去定，而不是让模型去迁就硬件。

这也是千里过去两年做的事能接上的地方。千里 2.0 的三项成果里，最要紧的不是装了多少台车，而是那套循环：模型决定产品上限，工程体系决定交付速度，装车产生的数据又反过来训练模型。有了这套循环，雷达端多出来的那份原始信息才有去处，能进训练、能验证、能下放到车端，而不是停在硬件里。

这条路别人不是想不到，难的是同时具备几样东西。千里在短短两年内就完成了算法、算力和整车应用方面的全面布局。今年 4 月的 AI 战略发布会上，印奇把这套模式称为「链式协同」，强调的是边界清晰下的深度合作，而不是把所有环节都装进一家公司。这套组合让千里同时具备三样东西：大模型能力、芯片侧的理解，以及把算法落到车端的工程经验。

这种分工已经过了一轮验证。2026 年上半年，千里科技智能辅助驾驶业务收入 12.35 亿元，占主营业务收入的 24.3%，千里浩瀚已超百万搭载量，覆盖极氪、领克、smart、银河品牌等数十款车型，用户激活率 93.9%。

传感器这一环是今年补上的。据公开公告，2026 年 6 月 11 日，千里科技控股子公司重庆千里智驾科技以 2590.8 万元收购宁波市融感科技 100% 股权。融感科技成立于 2023 年 6 月，专注视觉与毫米波融合雷达，据悉其 4D 成像毫米波雷达此前已实现多家主流主机厂的定点验证与小批量交付。公告对这笔交易的表述是，打通软硬一体、全栈交付的业务闭环，实现自研算法与硬件的联合优化、同步迭代。

这笔交易金额不大，补的位置很关键。它让千里从「用别人的雷达写算法」变成「从雷达设计阶段就参与定义」。这个差别在传统雷达上看不出来，在 AI 雷达上是决定性的。

印奇是千里科技董事长，2026 年 1 月起出任阶跃星辰董事长。追溯他的创业经历，其 AI 业务版图始终在围绕软硬一体展开：旷视时期的产品体系覆盖视觉传感器、工业机器人和智能汽车。2024 年，印奇掌舵力帆，次年 2 月公司更名为千里科技，并开展「AI+ 车」战略转型。

这颗雷达带来了什么

这颗雷达支持三种工作模式，这是它和市面上多数 4D 雷达最不一样的地方。

边缘侧模式：NPU 在雷达内部跑 AI Detector、AI 辅助测角、AI 点云增强等模型，直接向外输出结构化感知结果，链路短、响应快，也减少了域控的负担。

卫星架构模式：雷达只负责采集和传输，把未做目标检测的中频数据送到中央域控，由更大的模型做多源前融合，好处是信息保留更完整、算法统一、后续可升级。

兼容模式：两种活同时干。雷达最原始的 RAW 数据直接交给 SOC 做处理和融合，同时雷达上的边缘侧处理器独立完成一遍处理。

过去行业讲双模式，通常落在「安全冗余」四个字上，意思是中央那一套万一出问题，雷达自己能兜住。但把它理解成兜底，就低估了这个设计的用处。兼容模式真正的价值在于同一时刻拿到两份不同口径的感知结果：一份是原始信息，信息量大但需要中央算力；一份是已经处理过的结论，信息量小但直接就绪。这两份东西对模型来说不是备份关系，是可以互相校验、也可以按场景取舍的两种输入。

它没有替车厂预设感知架构。域控算力充裕的平台上，RAW 数据走中央前融合，信息利用率更高；算力有限或者追求低时延的平台上，边缘侧结果直接可用。兼容模式则让这两种取法在同一颗雷达上同时成立，不必在架构设计阶段就做二选一的决定。雷达把这个选择交回给整车系统设计，而不是替客户做决定。

性能上，这颗雷达对儿童目标可稳定探测至 100 至 150 米，为 AEB 留出更长的反应窗口。儿童横穿是城市道路里最难处理的一类场景，目标小、出现突然、遮挡频繁，留给系统的反应时间本就极短。探测距离拉长，判断窗口就整体前移，AEB 能在更早的时间点介入，而不是在极限距离内被动触发。

与千里上一代采用 DSP 端侧计算的 4D 雷达相比，这颗雷达点云密度增强 10 倍，探测距离提升 40%，鬼影消除提升至 95%，空间角分辨力提升 12 倍。

这颗雷达的意义，不仅仅在某一项单点性能的突破，更在于它验证了一种可复制的模式。不追求 100% 自研，而是通过深度合作，在关键环节以股权绑定建立利益共同机制，从硬件、数据、算法到应用场景，把整条 AI 链路跑通。

自研雷达、掌握原始点云之后，雷达端的数据就不再是孤立的感知结果，而是能够直接进入训练闭环，成为模型迭代提速的又一关键变量。真实路测场景中的长尾问题，从发现、标注到模型适配的全流程周期，也会因此显著压缩。通过这颗雷达，千里科技正尝试从一家单纯提供算法方案的供应商，逐步走向具备系统级研发能力的科技公司。