千里科技把4D毫米波雷达做成“端到端”，内置10TOPS NPU

印奇和他掌舵的千里科技，把AI塞进了一颗毫米波雷达里。量子位10月27日的报道称，这颗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——从天线设计到点云输出，整条链路都交给了模型，还能通过OTA持续升级感知能力。

传统3D毫米波雷达擅长测距、测速，却缺少“上下”这一维：前方龙门架与车道内停着的车同时返回强度相近的回波时，它分不清谁高谁低，结果可能是对龙门架急刹，或把停着的车当成头顶结构直接忽略。4D雷达加入俯仰角，输出距离、速度、方位角与高度，点云从平面铺开变成三维。

补上维度只是第一步。通道数与信息量上去之后，护栏、隧道、桥梁、地面、天空等强反射物会带来大量杂波；依赖固定阈值与人工规则的传统方案容易出四类问题——多径鬼影、杂波干扰、弱目标丢失、多目标分离不足。传感器参数表好看，实际路上该误报还是误报。

千里科技的做法是从天线阵列与波形设计阶段就把算法引进来，并在点云检测、测角、点云增强、目标跟踪与分类等环节改用数据驱动模型，减少对人工规则与经验阈值的依赖。官方给出的对比是：相比上一代采用DSP端侧计算的4D雷达，点云密度增强10倍，探测距离提升40%，鬼影消除提升至95%，空间角分辨力提升12倍。

这颗雷达最容易被低估的是三种工作模式。边缘侧模式下，回波在雷达端走完从ADC采样到目标跟踪与分类的全链路，NPU上部署AI检测、AI辅助测角、AI点云增强等模型，直接输出结构化感知结果；卫星架构模式下，雷达以前端采集与高速传输为核心，把更接近原始信号的数据交给中央域控，让更大的模型做多源前融合；兼容模式则同时做这两件事。

并行不是冗余。中央模型需要未经处理的原始回波做前融合，要求毫秒级对齐与尽可能完整的信号细节，链路天然更长；而刹车与预警要的是当下就能用的结论，快比全更重要。两种时间尺度串不起来，只能并行——这与行业过去讲的“双模冗余”不是一回事：冗余说的是故障时顶上，并行说的是正常情况下两边各有各的活。

报道给出的具体例子是：对静止儿童的稳定探测距离为100至150米，可为儿童横穿、鬼探头场景的AEB留出更长反应窗口。背景则是数据量的膨胀：4D点云从每秒几十个点跃升到数万甚至十万个点，卫星架构下原始数据输入量可能比传统4D雷达多约100倍，ADC带宽做到6Gbps；主流智驾车型传感器数量突破30个，每日数据量超过10TB。

千里背后，还有印奇担任董事长的阶跃星辰，以及吉利汽车的整车场景。报道把这条路概括为“AI+物理终端”：模型从任务需求倒推传感器该输出什么形式的信息，而不是由人按既有范式规定雷达该看什么。印奇早年的说法是“不能闭环的辉煌都是暂时的”——这套雷达能不能量产落地、OTA是否真能持续提升感知，是接下来最实际的检验。