千里智驾CEO陈奇：模型+工程，解码智驾下半场

11月5日，千里智驾CEO陈奇参加世界互联网大会乌镇咖荟汽车夜话，发表《智能驾驶下半场：模型定上限，工程定效率》主题演讲，与汽车及智能驾驶行业嘉宾分享技术演进判断与量产实践。

“靠小模型修修补补的窗口，正在关闭。”陈奇表示，智能驾驶正进入新的竞争阶段：“大模型决定智能上限，工程体系决定交付能力和效率。”将通用智能引入驾驶场景，并通过工程闭环持续转化为用户体验，将成为行业下一阶段的关键。

千里智驾 CEO 陈奇

打破壁垒智驾需要认知突破

从功能装车、场景覆盖，到接管率与长尾场景泛化，智能驾驶的竞争重点正在变化。陈奇认为，进一步提升能力，需要攻克认知泛化与因果推理两道难题。

长尾场景推理极限博弈人类通识理解

以上是端到端模型遇到的三堵墙。

路边滚出一个球，识别到球只是第一步；预判球后可能追出一个孩子，才能更早采取合理行动。面对以上这些复杂路况，仅靠增加规则、修补场景，难以持续突破能力边界。基础模型的价值，在于将通用领域积累的世界常识、推理与泛化能力迁移到驾驶场景。

这一变化，也指向 AI 走进物理世界的产业机遇。汽车具备传感器、算力与执行器，拥有“感知—决策—执行”的完整闭环，同时连接真实道路数据和高频出行需求。在陈奇看来，中国的制造业基础与 AI 研发能力，为抢滩「物理AI」提供了重要支撑：“汽车智能化，将成为物理AI最早完成大规模工程验证的「样板间」”。

含模量=含金量基模抬升智能上限

基础模型如何服务智能驾驶？陈奇提出，关键在于“大脑”与“小脑”的协同：通用大模型像“大脑”，负责理解、推理与泛化，提升智能上限；智驾模型像“小脑”，负责将驾驶经验和通用认知结合，转化为实时的驾驶决策、精准的车辆控制。然而在智驾行业，“大脑”普遍还没发育完全，原因是打造通用模型有着极高的门槛。

大小脑协同推进智驾进化闭环

基础模型研发需要人才、数据、算力等系统能力的共同支撑，而这些资源全球范围都是稀缺且昂贵的。千里科技（601777.SH）的做法是通过生态链接，与行业领先的基础大模型公司阶跃深度协同，联合打造原生智驾基座模型：将千里的真实驾驶数据、工程体系和量产能力，与阶跃的大模型研发能力相结合，从模型源头联合设计，把智驾数据引入训练全流程，增强对复杂驾驶场景的识别、推理和决策能力。

与此同时，千里持续探索前沿的世界模型和 VLA。陈奇强调，世界模型的价值不止是仿真，还在于将对世界的表征纳入模型，帮助系统在真实路况中作出更合理的行动选择。目前，千里智驾在世界模型等方面的探索已经取得了行业领先的成果，在国际智驾测评和顶级会议中显露头角。“智驾真正的核心竞争力，要看‘含模量’。”陈奇表示，“而评估含模量，既要看模型在系统全链路中的渗透比率，更要看模型本身的质量。”

闭环为王工程底蕴定胜负

如果说模型决定系统智能的上限，那么工程则是将技术优势转化为量产竞争力的胜负手。“智驾的本质就是规模换数据、数据换算法、算法换体验。”陈奇表示，支撑这一飞轮持续运转，需要强大的工程体系。谁能更高效地完成数据回流、模型训练与闭环验证，谁就能更快、更稳地把先锋体验交付给用户。

围绕数据飞轮，千里构建数据、训练与仿真评测平台，打造可复制、可规模化的系统能力。在模型布局上，千里采用三代并发的策略推动模型迭代演进：量产一代，保证稳定交付；研发一代，跑通技术链路；预研一代，布局前沿方向，以梯次接力兼顾当下交付与长期创新。三条线共享一套工程底座，L2与 L4的数据回流到同一平台，共用一套仿真评测体系，减少重复建设，提升研发与验证效率。

千里智驾持续进化的技术底座

在这套体系中，L2通过规模化量产积累广泛场景，L4攻坚运营区域内的高难问题。两条路线共享数据与工程能力：L2的数据积累支持L4攻克难点，L4沉淀的能力反哺 L2，让规模化应用与高阶能力探索相互支撑，形成双向促进的闭环。

陈奇认为，智驾竞争不仅要看模型取得了什么突破，更要看这些突破能否以可控的成本、稳定的质量和持续迭代的效率实现量产。工程体系的价值，正是让每一次技术进步，都能持续转化为用户可感知的体验提升。

如今，MPCI 已经成为衡量智驾能力、迈向 L4的关键标尺。模型的参数规模、数据生产效率与精细化配比、算力基础设施都是关键影响因子。但工程体系更为核心的价值，在于让这些要素高效协同，形成从数据回流、模型训练到仿真评测的完整闭环。以更高的验证效率推动能力持续进化，正是千里工程化体系的优势所在。

千里科技正从“0到1”的业务布局迈向“1到N”的规模化阶段。过去18个月，千里持续把高阶辅助驾驶从高端车型下沉到更丰富的产品序列；未来，千里将持续把技术优势转化为稳定的量产交付，服务好每一家车企客户，让更多用户感受到持续升级的智驾体验。