成本忽略不计、交付当天上路。
7月17日，2026世界人工智能大会上，九识智能联合创始人、CIO朱伟铖宣布，公司在轻地图方案基础上完成了新一代L4级无图无人驾驶方案的技术升级，并率先实现规模化量产，成为全球首个达成这一目标的企业。
他指出，相比轻地图方案，无图方案又实现了进一步的成本大幅降低，同时将车辆部署周期缩短至1天以内，实现真正意义上的“即买即用、交付即运营”。
目前，这套方案在九识新增运营路线中实现30%渗透率，预计本月底累计L4无图运营里程突破4万公里。
这意味着一件事：L4级无人驾驶正在摆脱对高精度地图的依赖。
高精地图是过去几年L4自动驾驶的主流技术路线之一。它提供厘米级精度的车道、路口、交通标志等信息，让车辆提前"背"下环境特征，上路后再对照地图做定位和决策。但九识把这条路走通了另一头：让车辆靠自己实时看，而不是靠地图提前背。
01
从高精到无图
在自动驾驶商业化早期，高精度地图是L4级车辆的核心依赖。它以厘米级精度标注车道、路口、交通标志等静态信息，让车辆提前规划行驶路线，降低实时感知和决策难度。
但问题也很明显。高精地图的制作和更新成本很高，覆盖范围有限。道路施工、临时管制、车道调整这些动态变化，地图来不及同步更新，信息一旦出现偏差，车的定位和判断就会出问题。
对于无人物流车来说，这个矛盾更突出。每进入一个新城市，都要先做高精地图的采集和验证。客户买完车，通常要等一个月左右才能正式上路。"即买即用"实现不了，规模化的速度就被卡住了。
2025年左右，九识先做了轻地图方案。简单说，就是把一部分原来存在地图里的信息，交给车自己去识别。
最典型的例子是红绿灯。原来红绿灯的位置、朝向全部标注在地图上，车到了路口照着地图去找。但遇到临时红绿灯或者位置变动，车就有可能过不了路口。轻地图方案把红绿灯识别挪到了线上，摄像头实时捕捉，算法现场判断位置和朝向，应对能力明显提升。
同时，轻地图方案把地图成本降了一个数量级，交付周期也从28天压到15天以内。
但朱伟铖说，轻地图仍然只是一个“阶段性方案”。进入新城市还是需要采集和验证，地图数据也要持续维护。对需要覆盖几百座城市的业务来说，效率仍然不够。
2025年12月，九识启动了无图方案的研发。2026年3月，基于道路级导航地图的无图方案跑通；4月，换道、选道等逻辑全部切换到在线感知；6月，万公里测试完成；7月正式发布。
所谓"无图"，是指车端不保留任何高精地图元素。系统以视觉感知为核心、激光雷达为辅助，实时识别车道、交通标志、信号灯和周边交通参与者。同时结合道路级导航地图做全局路线规划。实时感知和AI决策融合在一起，车自己完成定位、路径规划和驾驶控制。
朱伟铖称："相比轻地图方案，无图方案实现了进一步的成本大幅降低，将车辆部署周期缩短至1天以内，真正实现'即买即用、交付即运营'。"
对于红绿灯这类此前依赖地图标识的元素，在无图方案里也被重新处理了。系统实时计算临时红绿灯的位置和朝向，不再依赖预先录入的信息。
朱伟铖还提到，九识已实现众源更新。2.5万台车在全国300多个城市运行，实时识别地图元素并将数据传回，更新后重新下发。一辆车识别到的变化，所有车都能同步。
至于渗透率，九识给出了明确的时间表：7月底30%，8月底70%，9月底95%，覆盖绝大部分运营线路。
02
无图之后呢？
技术路线切换，最终反映在成本端、交付端和运营端。
首先是成本结构的实质性优化。
成本下降的原因不难理解。高精地图需要采集车扫街、建图、验证、持续更新，每个环节的成本都不低。轻地图方案已将其降低一个数量级。无图方案把大部分工作转移到了车端感知和云端数据迭代，规模的边际成本明显更低。朱伟铖的说法是“地图成本忽略不计”。
其次是部署效率的指数级提升。
三组数字可以看清楚变化：高精地图时代交付周期约28天，轻地图方案压缩到15天以内，无图方案缩短至1天以内。
“早期客户买完车干等着地图做完才能上路，这个问题卡了九识很久。”朱伟铖强调，无图方案落地后，客户下单当天就能投入运营。对于需要大规模复制和快速部署的无人配送行业，这意味着产品交付效率和商业化推广速度的明显提升。
再者是运营范围的大幅延伸。
过去无人物流车主要跑固定线路。无图方案把部署周期压到1天以内后，车辆可以更灵活地切换运营区域和服务场景，从计划性运输向即时性运力扩展。
九识已经在做这方面的布局。
朱伟铖介绍称，今年6月，支付宝与九识达成即时运力合作。同时，九识与滴滴送货、货拉拉、58快狗等平台合作，在多个城市提供自动驾驶运力服务。即时物流的技术难度比计划性物流更高，因为起点和终点不固定，对感知和决策的要求也更高。
过去，无人物流车更多承担固定线路、固定区域的计划性运输任务，本质上是一种“定时定线”的生产工具。无图方案将部署周期从数周压缩至1天以内后，车辆具备了根据订单需求灵活切换运营区域的能力，Robovan开始从计划性运力向即时性运力延伸。
当部署和调度变得像网约车一样轻量，无人物流车就不再只是某条线路上的固定资产，而是可以接入城市实时配送网络的社会化运力。从服务固定线路到服务全社会，九识正在推动Robovan完成这一次角色转换。
03
为什么是九识？
“L4肯定是相对难一些，因为我们要涉及的场景肯定是比L2多的。”在朱伟铖看来，L2随时都可以有人接管退出，L4的话我们基本上都包含了所有的场景，所有的场景都是由九识去跑通，这个是L2和L4核心的不一样。
即便如此，九识依然能先“无图”跑起来。朱伟铖认为，主要和两个因素直接相关。
第一个是运营数据的积累量。
根据报告，截至2026年第一季度，九识智能（含菜鸟无人车）市场保有量超过2.5万台，市场份额53.2%。目前在300余座城市累计运营超1.6亿公里，日均自动驾驶里程约50万公里。
这也是九识的底气所在。
在回应“如何看待字节等大厂进入赛道”这一问题时，朱伟铖的回答是：“当前无人驾驶行业真正的门槛是数据。大部分模块已经完全模型化，只有真正掌握数据才行。数据需要长时间积累和大量真实车辆采集，不可能捏造出来。”
2.5万台车在真实道路上每天跑出来的数据，既是无图方案研发的基础，也是后续迭代的燃料。
况且，九识还自带L4“基因”。
“各个组织的部门如何协调，来支持2.5万台无人车服务客户，这背后有非常繁复的运营工作。”朱伟铖如是道。
九识采用FSD服务包模式，公司是车辆责任的主体，要负责售后、维护、保养、运营支持等。
朱伟铖称："很多技术公司把智驾方案交付给Tier1就结束了，但我们不是。我们要从头兜到尾，每月收取的FSD服务包是要负责客户运营的。"
这意味着九识的组织形态和传统智驾技术供应商有本质区别。技术公司可以做完方案交付就离场，但九识必须持续介入实际的物流运营，处理真实场景中不断出现的问题。这种“重运营”的能力，和数据积累一样，不是短期内能复制的。
在朱伟铖看来，九识最底层的逻辑是技术迭代和商业验证形成闭环。其核心逻辑是：规模化交付带来真实路跑数据，数据训练出更好的模型，模型提升产品力，产品力反过来推动更大规模的交付。这套循环成立的前提，是车队的运营体量要达到足够规模。
第二个是海量的市场需求。
“我们发现当前市场需求非常大，各个行业对我们这种物流无人车都有需求。九识也一直致力于重塑AI时代的智能交通基础设施”。朱伟铖详细介绍了九识目前的主要场景及需求。
一是加盟型快递，这是九识的基本盘，包括三通一达、极兔、顺丰等企业。“在这些企业中，我们推广得非常快，核心原因是无人物流车可以为他们节省非常多的成本，成本节省率达到了76%左右”。
二是大物流客户，比如中国邮政。今年年初九识获得了中国邮政7000台的大订单，目前已经交付了3000多台，预计在2026年底要达到万台交付。
三是货运平台，如滴滴、货拉拉、快狗等。“他们有非常大的转型需求，都会与我们合作，共同拓展C端市场。我们将车辆直接放到平台上，供客户使用”。
海外方面，九识已在20多个国家落地进行POC验证，预计2026年底可实现千台级别交付。
无图方案量产意味着部署周期的下限被大幅拉低。当车辆可以1天内完成交付并上路运营，L4自动驾驶才真正具备了大规模复制的基础条件。
啃下“无图”这道难题后，九识的下一个目标是“模型端”。朱伟铖表示，我们要完成端到端的一站式模型，这样的话就完全可以从数据到模型整体地做闭环。
一个新的故事，已然在继续。
热门跟贴