九识建成业内首个L4级万卡GPU算力集群：近1.5万卡支撑APEX世界模型迈向千亿参数，3万台无人车沉淀2.7亿公里真实运营数据

新闻原文

9月17日，九识（苏州）智能科技有限公司 CTO 庄立首次披露，公司已建成业内首个 L4 级万卡算力集群，算力集群总规模近 1.5 万卡，九识也成为首个建成万卡集群的 L4 企业。该集群全面覆盖模型训练、场景重建、数据标注及在线推理等全流程研发任务。据透露，目前集群使用率约 90%，算法团队仍需排队使用。

万卡集群指由超过一万张加速卡组成的高性能计算系统，用以训练基础大模型。支撑这一投入的是九识已跑通的商业化体量：其全球车队超过 3 万台，业务覆盖 20 多个国家、300 多座城市，累计真实 L4 运营里程超过 2.7 亿公里。庄立表示，2.7 亿公里数据之后，现有算力和模型已难以挖掘数据全部潜力，必须扩大参数规模——九识自研的 APEX 多模态基座大模型正从百亿级参数向千亿级迈进，融合海量真实 L4 驾驶数据、互联网多模态知识与真实运营中的人类决策数据。

技术架构上，九识建立车云协同机制并分层部署模型：30km/h 以上的常规道路由车端端到端模型完成任务；5-30km/h 复杂路况由车端 VLA 本地实时推理并调用云端 VLA 增强；0-5km/h 的极复杂末端与脱困场景，则由车云两端 VLA 协作，并由全球首创的安全员 Agent 自主完成绕行、靠边停车、重新规划路线等救援决策。

商业化侧，九识（含菜鸟）以 3 万台保有量占据国内无人配送物流车市场近六成份额；2025年10月中国邮政 7000 台无人车集中采购中中标入围全部标段并包揽四个标段第一供应商。其客户平均运营成本降低 66%，单台无人车月均使用成本约 3000 元。庄立表示："算力投入是面向未来业务的投资，从 3 万台到 3000 万台传统运输车辆的替代市场看，这笔投入将具备很高的投资回报率。"（综合中国经营报、证券日报、上海证券报报道）

企服观察

这则新闻表面上是自动驾驶的军备竞赛，实际上宣告了一个对整个 IT 企服行业都适用的竞争规则切换：护城河的计量单位变了。过去 L4 公司比的是路测里程、落地城市数，现在比的是算力基建、世界模型和大规模仿真能力。把这个逻辑平移到企业服务市场，同样成立——2024 年之前，一个服务商说"我们接入了大模型"就能拿到溢价；2026 年的今天，接入模型已经是入场券，客户真正开始追问的是：你有没有自己的数据飞轮？有没有把项目交付中产生的数据回流成资产？有没有持续进化的行业模型？九识的 2.7 亿公里真实运营数据，正是它敢把算力拉到万卡级别的底气。企服公司也应当自问：我们的"里程数"在哪里？

第二，物理 AI 正在打开企业服务的下一个大市场。九识的"城市级物理 AI"战略说明，无人车的终局不是替代快递员，而是成为城市管理与政企运力的能力底座，通过 Zelos Inside 模式向车企和城市服务场景做标准化输出。对系统集成商与区域服务商而言，这是一条清晰的合作路径：不做模型，做能力的本地化落地——运力调度、运营监测、政府监管对接，每一层都需要既懂业务又懂系统的伙伴。类似的机会还会出现在巡检、安防、环卫、园区物流等场景，谁先在区域市场把"物理世界数字化运营"的第一个标杆项目做出来，谁就拿到了下一张门票。

第三，必须正视重资产路线的代价。近 1.5 万卡的集群意味着惊人的电力、散热、运维与折旧压力，盘古智库研究员的判断很直接：不是所有玩家都能长期扛住，赛道分化会进一步加剧。这对企服行业的启示是量力而行——绝大多数服务商没有必要、也没有能力去卷自建算力，真正的分工应该是：算力交给云厂商和基座公司，场景数据与行业 Know-how 留在自己手里。中小服务商的理性策略是把有限预算投在数据治理和流程沉淀上，这些资产的边际成本几乎为零，却能持续抬高交付质量的天花板。

政策变量也值得纳入判断。九识管理层的测算很直白：3 万台用了 5 年，瓶颈不在技术而在各地路权开放度与管理办法的统一性；一旦政策法规逐步完善，从 3 万台到 30 万台可能只需要两三年。这类"政策解锁型市场"的特点是弹性极大——路权每多放开一批城市，车队规模与数据回流速度就上一个台阶，算力投入的摊薄速度随之加快。对做政企关系与合规咨询的服务商来说，无人车路权申报、运营监测平台对接政府监管系统，本身就是一批新单子；提前吃透各地管理办法差异的团队，会在这一波政策落地中占据先手。

最后，把"车辆上线每月即可回本"这笔账翻译成企服语言：AI 投入能否自洽，关键看单位经济模型，而不是概念大小。九识用单台月成本 3000 元、成本下降 66% 这样的硬数字支撑万卡投入，企服项目同样应该用"单岗位替代成本、单流程节省工时"来度量回报。建议企业在评估 AI 供应商时增加一条一票否决项：对方能否讲清数据回流闭环——数据从哪里产生、如何标注、如何反哺模型、效果如何度量。讲不清这一环的供应商，无论演示多么惊艳，大概率只是一个会调 API 的集成商。