千里科技把 AI 算法塞进了毫米波雷达

智驾圈吵了几年「雷达该不该留」，现在有人换了个问法：雷达自己该不该会思考。问题的背后，是中央算力被传感器原始数据淹到的现实。

一、发生了什么

据量子位 10 月 27 日报道，千里科技发布了一颗 AI 化的 4D 毫米波雷达，内部集成 10 TOPS 算力的 NPU，从天线、射频到点云检测、测角、目标跟踪整条链路都用数据驱动的模型替代人工规则，并支持 OTA 升级感知能力。它提供三种工作模式：雷达端独立完成全链路处理的边缘模式，把原始数据交给中央域控做前融合的卫星架构模式，以及两者并行的兼容模式。厂商披露了几组与上一代 DSP 方案的对比：点云密度涨到十倍量级，探测距离多了四成，空间角分辨力拉高 12 倍，鬼影方面给出的数字是消到 95%——四项全是厂商口径；对静止儿童的稳定探测距离为 100 至 150 米。报道同时点出背景：这家公司由印奇执掌，他同时担任阶跃星辰董事长，整车侧的合作方是吉利。产业链上的账也能算出来：主流智驾车型的传感器数量已突破三十个，每天产生的数据量超 10TB，卫星架构下雷达交给中央的原始数据可能比传统 4D 雷达多约百倍——把预处理下沉到传感端，是带宽和算力逼出来的设计。

二、跟你有什么关系

买车的人，AEB 在鬼探头场景的刹停窗口变长，是最能感知到的好处。做智驾供应链的工程师，中央算力再大也扛不住三四十个传感器每天上 TB 级的原始数据，传感端先处理是省算力的现实路径。关注产业路线的人，「传感器自带大脑」给纯视觉与多传感器之争添了第三种答案。看得更深一层，模型公司造传感器还有数据账：终端反馈的数据喂给自家基座模型，闭环握在同一个人手里。

三、怎么判断

1. 先看数据口径：点云密度、鬼影消除这些提升全是厂商自报，量产后拿第三方实测对一遍再说。
2. 分清三种模式的账：边缘模式省中央算力但模型小，卫星架构看得全但吃带宽，兼容模式两头都要成本，选哪种看整车电子架构走到哪一步。
3. 盯升级通道：感知模型能 OTA 才意味着长尾问题可以按周迭代，不能升级的「AI 雷达」只是卖点。
4. 算带宽和成本的匹配：原始数据进中央前融合看得全，但传输和算力开销大；功能等级还停在 L2 的平台为它买单，在量产账本上未必成立。

四、三个别信的说法

端到端是个严谨的技术定义。 这里的「端到端」是借智驾行业的说法，指链路里少了人工规则，和驾驶模型的端到端不是一回事，宣传语境要看清。

算力塞进雷达就能替代域控。 10 TOPS 只够跑轻量感知模型，前融合、规划这些重活仍在中央，分工变细不等于谁取代谁。

参数表好等于路上稳。 报道自己就写了老方案「参数表好看、误报照旧」的教训，数据驱动方案的验证同样要靠真实里程攒。

五、一句话结论

传感器从「报目标的」变成「交特征的」，这场分工重排才刚开始，先看量产量产车的实测，再看路线胜负。

信息来源

• 量子位：印奇把 4D 雷达也端到端了（2026-10-27）

功能与价格以官方公告为准。本文写于 2026 年 10 月 29 日。