引言

近期，九识智能与东风股份达成合作。合作涉及商用车、环卫、巡检、城市服务等多个板块的系统性布局。

从九识的技术路径和主要业务板块上看，此次合作将是一套面向真实城市环境的L4级自动驾驶商业化合作。

（参考阅读请点击：《无人物流车“三巨龙”：新石器、九识智能、白犀牛齐聚郑州，首届“2025中国无人物流车生态大会”12月28日盛大开启》）

面向真实城市环境的技术路径选择

L4 自动驾驶要在商用场景中的落地，就需要有在复杂多变的真实城市环境中保持稳定运行的能力。

而相比起载人，载物则更加被监管机构所允许。

但载物场景却并不比载人场景简单：大型车辆频繁遮挡视野、临时施工、道路结构发生改变、非标准交通参与者随机出现。

这类场景中，单帧感知或规则驱动的决策方式，很容易出现判断不稳定的问题。

围绕这一现实需求，九识智能在感知层引入了基于 OCC（Occupancy Network）的时序占据模型。

通过多帧时序数据对三维空间进行动态建模，系统不仅能够识别当前障碍物的位置，还能理解其在时间维度上的变化趋势，使无人车在面对遮挡、异形目标和长尾场景时，仍能保持连续、稳定的环境认知。

对于车身尺寸更大、制动距离更长的载货车、异型的环卫车而言，这种“提前理解风险”的能力尤为关键。

从工程角度看，这一技术路径的选择服务于一个明确目标——在真实城市环境中，减少不确定性带来的安全风险。

从“能判断”到“会理解”的系统演进

随着应用场景不断拓展，自动驾驶系统面临的挑战也在升级。

车辆不仅需要识别道路上的物体，还需要理解复杂场景背后的语义信息，例如施工区域、临时封路、异常指示标识等。

在这一层面，九识智能引入了云端 VLM（Vision-Language Model）多模态大模型，为无人车赋予语义级的场景理解能力。

系统能够将复杂场景转化为结构化语义信息，并与车端感知和决策模块协同工作。

值得注意的是，这种能力并未直接介入底层控制，而是以“启发式引导”的方式参与规控过程，为车辆提供高层次的行为参考，使系统在面对未知或变化场景时更加灵活，同时保持了决策链路的可控性和安全冗余。

支撑这一能力持续演进的，是九识在真实场景中的长期运营积累。

截至目前，九识无人车已累计安全运营超过7000万公里，覆盖全国300余座城市，服务快递快运、商超零售、轮胎汽配、医药等多类场景。

这些来自真实世界的数据，正在形成持续正向的“数据飞轮”——每天新增的复杂场景样本，不断推动模型的优化，使系统在规模化运行中持续进化。

面向主机厂的工程化技术体系

在与主机厂的合作中，技术先进性固然重要，但工程可控性、系统可扩展性同样关键。

在规控层面，九识智能构建了端到端的 PnC（Planning & Control）模型，将感知到的障碍物、地图元素与 BEV 特征进行统一建模，并同步输出周围交通参与者的预测结果和主车规划轨迹，实现对复杂交通环境的高效决策。

这一架构不仅提升了行驶过程的平顺性与安全性，也为系统在不同车型上的部署提供了核心的基础。

结合轻地图技术路线，显著降低了对高精地图的依赖，使无人车能够更快进入新区域并保持较低的部署成本。

从整体结构来看，这套技术体系具备明显的平台化特征，可灵活适配载货车、环卫车、巡检车、VAN 车等多种车型形态。这为九识与东风在更广泛商用车品类上的协同，提供了充足的技术延展空间。

结语：

九识智能的核心技术团队大多出身于百度apollo，有深厚自动驾驶技术研发积累，无论是在最早的Robotaxi还是后来的无人物流车，团队已穿越了“从自动驾驶创业潮到商业化”的周期。

今年8月，九识与上海交大共建自动驾驶技术联合实验室。在自身的技术实力基础上，又获得了强有力的“外脑”支援，九识智能的技术研发已驶入快车道。

（参考阅读请点击：《九识智能与上海交大共建自动驾驶技术联合实验室》）

九识智能的系统级技术体系，已形成了其获得车企合作的核心竞争力。

从产业视角看，双方的合作，也为 L4 自动驾驶的商业化提供了一条更现实的路径：以工程化能力为基础，在多场景中逐步释放自动驾驶的长期价值。

无人车来也(公众号：无人车来也)评：

九识 × 东风：以工程化思维破解无人驾驶落地难题，L4 自动驾驶商业化的“场景深耕”新方向

九识智能与东风股份的合作，为 L4 级自动驾驶商业化提供了极具参考价值的现实路径。

一方是手握全栈自研技术、拥有全球最大L4无人车队的新锐“技术悍将”；

另一方是深耕制造、渠道遍布全国的“造车老炮”。

他们的目标非常明确：

联合打造涵盖载货车、环卫车、VAN车等多类车型的自动驾驶产品，并共同推动其在城配物流、园区物流等场景的规模化落地

这场合作，核心亮点在于跳出 “技术炫技” 误区，锚定真实城市环境的刚需痛点，以工程化思维破解自动驾驶落地难题。

L4 级技术落地的核心桎梏，在于复杂场景的不确定性。

九识选择载物场景作为突破点，并非避重就轻，而是精准把握监管导向与实际需求的平衡。

其引入的时序占据模型与云端多模态大模型，从 “提前预判风险” 和 “语义级场景理解” 两个维度，解决了传统感知决策在遮挡、施工等长尾场景中的不稳定问题。

九识智能无人车7000 万公里安全运营、覆盖 300 余座城市的数据积累，更让技术迭代形成 “数据飞轮” 效应，为规模化落地筑牢基础。

与主机厂合作的关键，在于技术的适配性与扩展性。

九识端到端的 PnC 模型结合轻地图路线，降低了高精地图依赖与部署成本，平台化架构可灵活适配多车型，恰好契合东风在商用车领域的多元化布局需求。

这种 “技术 - 车型 - 场景” 的深度绑定，摆脱了单一场景试点的局限，让 L4 技术价值在城市服务全链条中释放。

从产业视角看，这场合作印证了自动驾驶商业化的核心逻辑：

脱离场景的技术难以落地，唯有以工程化能力为基石，在真实需求中打磨技术，才能让 L4 级自动驾驶从 “概念” 走向 “价值”。

总之，无人车来也（公众号：无人车来也）认为：

九识凭借百度 Apollo 基因与高校合作加持，正以系统级技术体系构建核心竞争力，而其与东风的协同，或将成为无人驾驶行业规模化落地的范本。

亲！你说呢？

#无人车来也  #无人驾驶  #自动驾驶  #无人车