内置10 TOPS算力，千里科技推出端到端4D毫米波雷达

一颗4D毫米波雷达内置10 TOPS NPU、支持本地AI感知、卫星架构以及两者并行的多种输出方式。

这意味着雷达从天线设计到点云输出，整条链路完全由模型接管。在智驾体系中，它实现了传感器层面的「端到端」，并支持通过OTA持续升级感知能力。

在车端芯片算力动辄数百甚至上千TOPS的背景下，给毫米波雷达配备独立算力大脑，是印奇掌舵的千里科技在物理AI领域的最新探索。依托印奇同时兼任董事长的阶跃星辰大模型能力，以及吉利汽车的整车量产场景，千里科技正在推进平台型协同创新。

解决传统毫米波雷达的“盲区”

传统3D毫米波雷达缺少俯仰角维度，面对龙门架与静止车辆重叠的场景，容易分不清目标高度，导致误急刹或漏检。4D雷达补充了高度信息，输出包含距离、速度、方位角、高度的立体点云。

但随着通道数暴增，护栏、隧道、地面等强反射体带来了海量杂波。依靠固定阈值和人工规则的传统处理方案，容易引发多径鬼影、杂波干扰、弱目标丢失和多目标分离不足等问题。

千里科技从天线阵列和波形设计阶段切入算法优化，在点云检测、测角、点云增强、目标跟踪与分类等核心环节引入数据驱动模型。AI从信号产生的最前端贯穿至环境理解末端。

相较千里上一代基于DSP端侧计算的产品，新雷达点云密度提升10倍，探测距离提升40%，鬼影消除率达到95%，空间角分辨力提升12倍。

三种工作模式适配整车演进

该雷达支持三种工作模式：

1. 边缘侧模式：在雷达端完成从ADC采样到目标分类的全流程，直接输出结构化感知结果，响应速度快，减轻域控制器算力与通信负担。
2. 卫星架构模式：雷达仅负责采集与高速传输，将接近原始的数据交给中央域控，便于大模型做多传感器深层次时空对齐与特征级前融合。
3. 兼容模式：双链路并行，原始RAW数据送往中央计算平台用于融合，雷达边缘端独立完成目标识别并输出即时结果。

中央大模型做前融合需要完整的信号细节，链路相对较长；但车辆制动与预警执行层要求毫秒级低延迟响应。兼容模式满足了正常工况下两种不同时间尺度的需求，也提供了更可靠的安全冗余。

智驾前融合倒逼传感器革新

向高阶智驾演进过程中，雨雾、逆光和弱目标等场景对多传感器前融合提出了硬性需求。卫星架构下，原始数据量剧增，ADC带宽达6Gbps。面对每日数十TB的传感器原始数据流，中央计算平台难以独自承担所有预处理任务。

传统规则库处理长尾工况通常需要数月重新标定，而AI模型基于数据泛化能力，将问题闭环周期压缩至按周计算。在实测中，该雷达对静止儿童的稳定探测距离达100至150米，为AEB系统争取了充裕的制动窗口。

打通物理AI闭环

软硬一体协同设计让雷达从原本的“目标汇报者”转变为“特征协作者”。

印奇一直倡导AI与物理终端深度绑定。千里科技与阶跃星辰的协同，打通了基座模型研发与量产车终端载体之间的隔阂。通用语料与真实智驾时空数据共同训练原生模型，构筑了持续迭代的数据闭环。

从大模型和AI智能体的实际任务需求反推传感器设计，消除了传统人工规则的经验局限，为物理AI在高阶自动驾驶中的快速落地提供了切实范例。