（来源：网易科技）
作者 商迪安
用户可能认得车标，却叫不出每一次自动泊车、高速领航背后的技术供应商。极氪、领克、smart、银河，这些熟悉的品牌背后，都有千里科技参与的辅助驾驶方案。
10月22日，在重庆通用人工智能大会上，千里科技董事长印奇发表主题演讲，公布了千里2.0在技术、规模和体系上的三项进展。
技术上，千里与阶跃星辰共建智驾原生基座模型，并建起从模型研发到实车测试的工程体系；规模上，千里浩瀚辅助驾驶系统累计搭载超过100万台，覆盖16款车型；体系上，率先完成中国版grok+fsd量产上车，打响舱驾融合第一枪；千里联合阶跃打造的超级智能体超级EVA累计搭载量。
千里科技，前身是有约30年制造积累的力帆。按照印奇的介绍，千里在2025年构建起智驾、智舱和智行三大业务体系，完成从“0到1”的布局，如今正在将研发成果带进大众市场，走向“1到N”。
从老力帆到新千里，变化不只发生在公司名字上，转型的关键落在了汽车与AI的结合。模型能力经由汽车工程进入规模化应用，再让真实使用反哺下一轮研发。沿着这条路径，千里的辅助驾驶、座舱与个人助手开始逐步连接成智能生态体系，让物理AI的未来更加具象。
百万搭载背后，是工程体系化能力
把辅助驾驶方案装进不同的汽车，考验的不只是模型表现，还有反复交付的工程能力。千里方案进入16款车型，从高端产品延伸到主流家用车，意味着它必须适应不同的整车条件。
一辆尺寸较大的SUV与一辆城市小车，转向、制动的响应可能不同；传感器和计算平台变了，软件也要相应适配。模型看懂路况，只完成了判断，减速、转向和绕行，还需要具体车辆准确执行。
因此，每进入一款新车，方案都要经历软硬件集成、车辆响应检查，以及不同道路条件下的测试验证。车型越多，重复完成这些工作的难度越高。
这种复杂性，是汽车软件行业共同面对的课题。麦肯锡2025年的研究指出，并行的软件版本、分散的架构和需求管理不当，都可能拖慢软硬件集成。以部分传统车企项目为例，控制单元之间的通信信号升级后，仅为确保已有软件功能稳定，相关工作就可能耗时20周以上。
一次软件改动，可能牵动整车多个环节。对供应商而言，承接更多车型项目，需要把适配、测试与修改组织成能够反复运转的流程。研发成果能否用于更多产品，版本更新能否跟上车企的交付节奏，都与这套流程有关。工程能力由此成为技术走向规模生意的一道门槛。
印奇在演讲中说：“在物理AI领域，不仅要有模型，还要形成一套与软硬件深度耦合的完整工程化体系。”千里的工程建设，正是为了让模型与车辆之间的这些工作有序衔接。
模型负责理解和判断。千里与阶跃星辰共建智驾原生基座模型，将智驾数据引入模型训练全流程。这样做是为了让模型在训练过程中学习道路与交通场景，为识别环境、推理和驾驶决策提供基础。
工程体系负责把这些能力落实到车上。千里披露，其体系覆盖实车测试、仿真评测、模型研发、数据生产与资源调度。数据和计算资源支持模型训练，仿真检查系统在不同场景中的表现，实车测试再检验软件与车辆配合的效果。这样的协作，连接了一个方案从开发到交付的全过程。
这也让老力帆与新千里之间的联系变得具体。产品工程、供应链协同与质量管理，是制造业长期积累的经验；模型、数据和软件研发，则是向AI转型需要补上的能力。两类能力相互衔接，才能将实验室里的模型变成用户车上的功能。
交付之后，还要走进真实出行
交付不是终点。配置表说明车上装了什么，用户在日常出行中是否愿意打开、是否觉得好用，还要由具体体验回答。
J.D. Power的2026年中国汽车智能化体验研究，呈现出配置普及与体验之间的落差。基于32813位车主反馈，先进配置渗透程度持续增长，功能表现指数却出现四年来首次下滑。研究指出，响应速度与有效性，是影响用户满意度的关键因素。
对普通车主而言，他们不关心车辆的数据模型是否夯实，也不关心其背后体系运转是否流畅，他们对辅助驾驶的判断，往往来自真实用车场景的具体感知。例如，堵车时跟车是否平顺，窄路会车是否从容，遇到突然出现的行人能否及时响应。
还有很多用户并不使用辅助驾驶或使用频次很低。工信部统计数据显示，2026年以来，中国搭载L2级（组合驾驶辅助功能）的乘用车新车市场渗透率达到70%。但是，有头部智驾供应商高管公开表示，国内仅有不到10%的用户真正使用过驾驶辅助，大部分人不敢用、不会用，也缺乏专业的了解渠道。
千里浩瀚辅助驾驶系统正在被真实用户广泛使用，辅助驾驶激活率高达93.9%。更具体来看，千里浩瀚此前公布的截至2026年上半年数据，累计辅助驾驶里程达到13.8亿公里，自动泊车累计1581万次。
真实使用还包括道路风险中的安全辅助。千里在此次披露中给出的累计主动避险次数超过890万次，其中AEB紧急制动超过240万次，系统已经参与大量实际道路中的风险应对。
让用户持续使用，还需要把体验打磨到具体动作。以行车为例，用户感受到的平顺，涉及加减速与转向之间的配合。千里ASD 4.0更新中的“横纵一体控车模型”，就是把这两类操作放在一起协调。根据千里的介绍，这项更新面向更平顺的控车体验，场景语义理解能力则用于支持选路与通行。
它要处理的情形，在城中村路况里尤其直观。路面可能没有清晰标线，车辆要与行人、电动车共享有限空间，还可能遇到临时占道和窄路会车。系统需要一边识别环境变化，一边调整路线和速度，多个环节必须配合。
印奇在演讲中介绍，搭载千里高阶辅助驾驶方案的极氪8X，曾在被称为“智驾纽北“的比赛中全程零接管夺冠。轻松应对城中村复杂路线实测，包含窄路会车、电动车突然出现、行人横穿及占道障碍等情形。
从被激活到承担行车、泊车任务，再到复杂路况与安全辅助，千里的技术进入到普通车主的实际出行。而施工、遮挡、临时交通安排，以及不断变化的人车交互，让每一轮交付都有机会成为下一轮改进的开端。
真实世界，成为下一轮进化的起点
千里2.0更长期的价值，是把实际出行中遇到的问题带回研发，再将技术积累用于更多出行需求。
真实道路的价值，在于它会提出实验室尚未想到的问题。数据服务机构TELUS Digital在2026年6月的一篇行业分析中指出，仿真能够反复检验已经设定的情形，但那些研发人员尚未想到的问题，往往仍要到实际行驶中发现。测试什么，很多时候首先来自道路的提醒。
对智驾研发而言，有价值的积累也因此不能只看里程。施工怎样改变通行空间，行人在遮挡处如何出现，不同地区的车辆怎样交互，都可能提出新的课题。千里的多品牌、多车型应用，增加了接触这些差异的机会。印奇在演讲中将规模化视为数据和模型的基础，指向的正是这种积累。
不过，从接触场景到改进产品，中间还有很长一段路。凯捷研究院10月发布的汽车产品开发研究显示，在受访车企与一级供应商高管中，81%表示企业会收集联网车辆的运行数据，但仅40%表示，已经建立贯通数据收集、洞察生成、验证与部署的自动化流程。
要把道路上的问题带回研发，先要在合法合规前提下筛选、清洗和标注数据。千里与阶跃星辰共建的智驾原生基座模型，将智驾数据引入训练全流程。训练后还需验证效果，中汽数据指出，道路测试成本高、效率低、复杂场景难复现，需要与仿真、场地测试互补。千里披露，公司借助世界模型闭环仿真与强化学习平台反复推演场景，累计完成超5亿公里仿真和超300万公里实车测试，以此支持后续改进。
海量真实数据的辅助下，千里的模型研究与仿真评测已有新的成果。千里的WA-JEPA世界—动作模型，尝试把对未来场景变化的预测与车辆轨迹规划结合起来，也就是在决定“接下来怎么走”时，同时考虑“周围接下来可能怎么变”。
印奇在演讲中介绍，千里在NAVSIM模型侧榜单取得全球第一。围绕VLA、世界模型、3D表征的6篇智驾论文入选NeurIPS，大会整体录用率为25.7%。
当汽车开始理解道路，用户也希望它能进一步理解自己。麦肯锡9月发布的2026中国汽车消费者调查显示，84%的受访者希望车内AI智能体成为主动、智能的伙伴。这项覆盖19座城市、2826名受访者的调查还指出，未来竞争可能取决于谁能把技术变成可靠、直观且持续改善的体验。
而千里依靠先进的模型与工程的积累，正在向整车智能延伸。千里携手吉利、阶跃星辰研发的超级Eva，将座舱交互与辅助驾驶连接起来：一端理解用户表达的需求，另一端与导航、行车等功能协同，让用户减少在不同系统之间切换的操作。
千里披露，超级Eva累计搭载已经超过50万辆。在此基础上，千里计划于2027年一季度推动Personal Agent个人助手上车，并实现手机与汽车联动。理解用户意图、习惯与上下文，衔接不同设备上的服务，是这一产品规划指向的方向。
百万装车，既是交付的成绩，也是研发的新起点。技术走进更多汽车，便有机会在真实出行中发现问题、积累经验；研发与工程体系再将这些经验转化为产品改进。如此往复，规模才能沉淀为技术积累，成为千里持续迭代、构筑竞争壁垒的基础。
印奇在演讲中提出，智能汽车是物理AI落地的核心载体。完整的制造体系、丰富的应用场景与庞大的终端市场，让中国有条件将AI的进步写进真实世界。千里连接起这些环节，所探索的也不只是一家企业的成长路径，更是如何让中国汽车产业积累的规模与经验，成为下一轮智能进步的起点。
