L4下半场，比的不是车是卡
特斯拉Cybercab上海首秀与九识万卡集群披露几乎同日发生，两条信号指向同一件事：L4竞争的计分规则正在改写，从拼车、拼场景，转向拼算力与数据闭环。无人驾驶正迈入多模态大模型新范式，智能上限由基础设施决定。
9月17日这一天，两条新闻在同一天发生：特斯拉无方向盘、无脚踏板的Cybercab开进上海某商场，完成中国大陆首秀；同一天，九识CTO庄立首次披露，公司已建成业内首个L4级万卡集群，总算力近1.5万卡。
一台车，一堆卡。表面看毫无关联，实际上指向同一个判断：L4的竞争计分规则，已经改写了。上半场拼谁的车能上路，下半场拼谁的算力底座更深、数据闭环更粗。
🚗 没有方向盘的车，先成了商场展品
金句先行：当一台车只剩下座位和屏幕，它考验的就不只是车，而是整个系统。
先看现场。Cybercab进入上海某商场时，围观人群里最多的疑问不是“它多智能”，而是“没有方向盘，出事了怎么办”。这很正常——全球首款计划量产、专为共享出行打造的L4级无人出租车，本身就是把“人能否干预”这个选项从物理层面删除了。
但展品和产品之间隔着一整个产业。专用车型的意义在于：Robotaxi不再是用量产车改装的demo，而是从座椅布局、传感器位置到生产成本都为无人化重新设计的品类。BOM成本、运维成本、单位公里经济模型，全都随之重构。
真正的问题藏在后面：量产时间表、运营城市的监管许可、事故责任划分，素材中都没有答案。据多位接近行业的人士私下说，专用Robotaxi车型最难的不是造出来，而是“规模化部署的每一座城市都要重新谈一遍”。
产业逻辑很清晰：Cybercab代表的是L4载人场景的产品化拐点，但拐点之后能跑多快，取决于车以外的变量——算力、数据、政策。 而这三样，恰好是另一家公司同一天秀出来的东西。
💡 一家造无人车的公司，为什么要一万多张GPU
金句先行：智驾公司的估值锚，正在从“车队规模”漂移到“算力规模”。
把时间倒回9月10日，九识CEO孔旗在广州宣布战略升级为“城市级物理AI”。一周后，庄立交出了支撑这次升级的底层底牌：业内首个L4级万卡集群，总规模近1.5万卡。
先解释概念。万卡集群，指由超过一万张加速卡组成的高性能计算系统，用来训练基础大模型。单张AI加速卡是一个高速计算单元，万卡集群则像一座由上万台计算设备组成的“AI超级工厂”，把复杂的大模型训练任务拆解后并行处理。
关键数据摆在这：
| 指标 | 数据 |
|---|---|
| 算力集群规模 | 近1.5万卡 |
| 基座大模型 | APEX，正从百亿级向千亿级参数迈进 |
| 全球车队 | 超过3万台 |
| 覆盖范围 | 20多个国家、300多座城市 |
| 累计真实运营里程 | 超2.7亿公里 |
车队规模是果，万卡集群才是因。真实的城市货运场景充满长尾非标路况——无标识乡村道路、临时施工围挡、异形障碍物、人车无序混行、恶劣天气下的光影突变——这些根本无法用人工规则穷尽。九识的解法是用大模型学习物理世界，而万卡集群是训练这些模型的硬性前提。
一句话：算力的层级，将在基础设施层面决定一家智驾企业的智能上限。
⚖️ 载人和载货，其实是同一场考试
金句先行：行业偏见说载人自动驾驶是高科技、货运无人车壁垒低，万卡集群的出现，把这个偏见当众撕了。
智能驾驶圈长期存在一个顽固判断：载人Robotaxi是金字塔尖，RoboVan城市货运是“低配版L4”。但九识的路径给出了另一种答案——这家2021年8月成立的公司，创始团队出自百度硅谷研究院，曾主导Robotaxi、Robotruck研发，并为第一代Apollo开源平台作出重要贡献。创业时却选了当时无人看好的RoboVan赛道。
五年干了三件事：发明全球第一台Robovan；从聚焦物流走向L4技术赋能千行百业；跑出“卖车、服务、运力”的成熟商业范式。从2023年卖出第一台车到今天，3万台车、300多座城市、2.7亿公里真实里程——这是载货路线跑出的数据密度。
两条路线摆在一起看，差异一目了然：
| 维度 | 特斯拉Cybercab | 九识RoboVan |
|---|---|---|
| 场景定位 | 共享出行载人 | 城市物流及千行百业载货 |
| 产品形态 | 无方向盘无脚踏板的专用车 | 全球第一台量产Robovan |
| 商业范式 | 计划量产、共享出行运营 | 卖车、服务、运力三线并行 |
| 技术底座 | 未披露 | L4首个万卡集群，APEX大模型 |
| 已验证数据 | 中国大陆首秀阶段 | 3万台车、300城、2.7亿公里 |
据多位接近人士的说法，货运数据的“重复利用率”其实高于载人场景——城市配送路线高度重合，长尾场景的采集与回收效率更高。载人和载货，本质是同一场考试的两个考场，阅卷标准正在统一：看谁能把真实世界的数据喂进大模型。
⚠️ 范式切换的代价：算力是门票，闭环才是护城河
金句先行：万卡集群是入场券，数据闭环才是决赛圈。
九识的技术叙事里，最值钱的不是那1.5万张卡，而是APEX基座大模型的训练配方：海量真实L4驾驶数据、互联网语言与视频知识语料、真实运营中的人类决策数据，三者融合训练。基座训练完成后，向下赋能数据、模型、评测，形成迭代闭环。
这个闭环用一张图看更直白：
车跑得越多，数据越厚；数据越厚，模型越强；模型越强，车能去的地方越多。万卡集群赋予的，是让车队拥有“自我进化”的能力——这才是“城市级物理AI”这个战略名词背后的实质。
但范式切换不是免费的。算力是重资产投入，从百亿参数迈向千亿参数，训练成本只会指数级上升；多模态大模型上车，对车端推理硬件同样提出更高要求；而无论是Cybercab的载人部署，还是RoboVan的城配扩张，每进入一座新城市，都绕不开当地的运营许可与责任规则。技术跑在政策前面，是L4行业过去十年的常态，未来几年大概率仍是。
时间线回看，节奏已经很紧凑：
- 2021年8月 ： 九识成立
- 2023年 ： 卖出第一台车
- 9月10日 ： 孔旗宣布升级城市级物理AI
- 9月17日 ： 庄立披露万卡集群与APEX大模型
🔮 小结：计分规则变了，参赛名单也会变
回到开头：Cybercab进商场和万卡集群披露发生在同一天，不是巧合，而是行业分水岭的两种投影。L4下半场的计分规则已经清晰：车是终端，场景是入口，算力与数据闭环才是真正的护城河。
接下来值得盯三件事：Cybercab的量产与城市准入进度；APEX从百亿到千亿参数跨越后的实测能力跃迁；以及当“万卡”成为L4玩家的标配后，算力军备竞赛会不会把一批没有闭环能力的公司挤出牌桌。无人驾驶的故事，正在从“车能开”讲到“模型自己长大”。