0
当多数公司还在发布会的PPT里讲“物理AI”的故事时，九识的无人车规模已经超过3万辆，覆盖300余座城市，累计真实运营里程达到2.5亿公里。
近日，九识召开战略发布会，宣布公司未来重心将聚焦物理AI赋能城市治理。九识的特别之处在于，别的公司是先提出Physical AI，再寻找应用场景，而九识是先让机器跑起来、跑出商业收入，才宣布物理AI的战略升级。
九识CEO孔旗曾表示，复杂城市开放道路能够产生高价值数据，而商业模式本身需要赚钱，才能持续获取数据、推动技术进步。
如今，九识的车队已经进入“数据驱动迭代、商业反哺研发”的循环。所以，九识所说的物理AI，其实是一套已经在现实世界持续感知、决策并执行，且已产生商业收入的智能系统。
而这套系统，九识用了五年去构建和运行。五年里，这家公司完成了三次自我迭代，每一次都把它往今天这个位置推了一步。
纵观九识五年的成长路径，每一步都在为拥抱“物理AI”做铺垫。
九识诞生于无人驾驶行业寒冬，其所在的无人配送赛道因为长期没有成熟的商业化场景而备受冷落。活下去，是这家2021年8月成立于苏州的创业公司要回答的第一道题。
2021—2023年间，早期的九识更多是在打磨技术，让客户愿意为L4技术付费。它曾实地对比传统面包车和无人车的运营，最终定义了没有驾驶室的RoboVan产品。
2023年，转折到来。这一年5月，九识Z5正式亮相，成为首款L4级城配量产车型。
但卖车并不容易。九识联合创始人、CCO周清表示，无人配送是新兴行业，客户最大的顾虑是“技术成不成熟、投入之后能不能稳定运营”。因为快递客户的利润率很低，挣的是辛苦钱，每一分现金流都很宝贵。
九识的解法是不断降低客户进入无人配送市场的门槛。比如将传统商用车行业非常成熟的免息分期模式，首次引进到无人配送行业，并推出自动驾驶订阅服务，让客户从一次性投入转向按月付费。
“本质上，就是让客户用更低的初始成本，利用好无人车的实际价值。”周清说。
同时，当年的九识Z5还拥有稀缺的全场景适配能力，成为行业内首个在城市机动车道运行的无人货运车辆。
随后几年，除了继续迭代更多Z系列车型，九识还推出了新的产品系列，有载重更高、货箱体积更大的，也有价格较低、载重较轻的。
分期模式配合优秀的产品表现与持续的产品创新，使得九识的销量稳步增长，走出一条清晰的爬坡曲线：2023年卖出第一台车，同年进入百台量级；2024年进入千台量级；2025年底车队规模突破1.5万台；到如今，九识的全球车队已超过3万台，覆盖20多个国家、300多座城市。
车队规模迈入万台之后，九识也将能力延申到智驾系统的规模化，尝试让无人驾驶能力脱离自有整车，与主机厂的底盘、整车制造能力重新组合。
今年6月，东风汽车推出四款L4级无人配送车，背后正是九识推出的“九识智驾Zelos Inside”方案。该方案向主机厂、专用车厂商、特种装备厂商等不同公司提供通用L4级自动驾驶技术。双方不仅联合定义产品、开发测试、量产交付，还共同建设全国性服务体系。
近日，九识又与广汽签约“九识智驾Zelos Inside”合作项目。
周清用一句话概括这套模式的逻辑：“让懂车的人造车，让懂L4的人保驾护航。”
商业探索并未止步。在更多城市，九识发现并非所有客户都需要买一辆车来解决问题，于是在这次的发布会上推出“九识租车”小程序，向客户提供稳定的运力。
当客户购买的单位从“车辆”变成“运力”，无人驾驶便不再需要借鉴汽车产品的商业逻辑。
可以这么说，物理AI商业化的核心是效率提升。只有真正产生劳动价值、减少人类工作时间，客户才会持续购买。而九识正是通过无人车产品，率先在物流场景实现了物理AI的价值。
如今把“物理AI”挂在嘴边的公司不少，但并非每家公司都做得了这门生意。
在周清看来，判断一家物理AI公司是否能落地，要看三个层面：技术能不能在物理世界中成立，能不能规模化进入真实场景，能不能创造真实的商业价值。
“物理AI公司的核心并不在于单个产品的优劣，而在于能不能让AI真正进入物理世界，形成从感知、理解、决策到执行的完整闭环。”
周清进一步拆解，他认为物理AI不能停留在“看懂”物理世界，而是要基于对物理世界的理解做出正确决策，保障机器安全稳定运行；还要能规模化落地到工厂、机场、园区等真实环境，覆盖足够多的场景、服务足够多的客户，并实现长时间运行。
最重要的是，物理AI要能创造真实的商业价值。如果一家公司的技术只能演示、不能长期运行，或者能运行、但客户不愿意持续付费，那它还不能算一家真正成熟的物理AI公司。
周清还向雷峰网(公众号：雷峰网)强调，九识的经历并不是一次从配送向物理AI的转型，更准确地说，是九识在无人配送领域形成商业化能力之后，把已经验证的技术和商业能力拓展到千行百业。
在这个拓展过程中，九识靠的不是某一项单一优势。周清把它比作一个“木桶”——技术规模化能力、产品功能化能力、车辆交付和制造能力、运营能力、安全体系、客户服务能力，每一块木板都要足够强，才能支撑九识从单一产品走向更大的产业空间。而这些木板，其实是在同一个底座上长出来的。
这个底座的起点，是真实数据。
目前，九识的无人车已累计行驶2.5亿公里，每一次在真实城市道路中完成任务、产生交互与数据，都在不断迭代其无人驾驶技术。
数据积累得越厚，系统对复杂场景的处理就越从容，安全能力也随之而来。
制度上，九识在今年成立安全委员会，统筹车辆功能安全、网络安全等安全体系建设。技术上，九识把大量处置权交给了系统：车辆遇到复杂场景，会自动靠边停车，同时向云端报警；云端系统根据报警情况做出初步判断，再把处置建议推送至人员端；人员一键确认后，车辆即可快速完成安全处置。
而安全与技术的成熟，又让商业飞轮真正转了起来。
目前，社会运力需求正在显现，政府也在制定政策和标准推动无人驾驶规模化应用。
运力需求的提升，结合九识领先的自动驾驶技术，推动其实现车队扩张、模型增强、运营范围扩大，这三点又能推动单位运营成本下降，进一步激发运力需求。技术与商业的飞轮就这样互相驱动。
从数据上也能看到九识的商业盈利能力在持续增强。公开资料显示，九识在2025年底实现业务现金流和毛利率转正；截至2026年1月，九识帮助客户平均降低运营成本66%。
飞轮转起来之后，方案要能更快地复制到更多地方，技术就需要被标准化。
目前，很多L4公司即便实现商业化，也难以把技术、产品标准化。而九识已经把L4级自动驾驶能力拆解成一整套通用方案，并应用在东风、广汽的车型上。
九识方案的通用性首先体现在硬件层面，不同车型共用一套多传感器融合预控单元和网关单元的智驾套件，并提供完整的标定SOP，保证稳定性；软件层面，方案包含全栈自研的自动驾驶技术、车辆管理平台、运营系统、移动端APP以及对外的自动驾驶开放接口，让用户可以快速实现车辆的管理调度；服务层面，九识有配套的运维、客服、售后人员和完整的运营体系，包括运营指导手册、人员培训和现场实操升级指导。
综合来看，不同车型在硬件布局、车身结构等方面会存在差异，但底层智驾能力、运营系统和标准化开发流程都可以复用。“如果进入每一家主机厂都要从底层重新开发，那这家公司很难成为平台。”周清说。
而当这套标准化的能力铺开到3万台机器上，考验的就变成了大规模设备管理能力。3万台机器每天真实运行，需要的不只是模型，还有车辆调度、故障处理、客服、远程运维、充电、任务分配、OTA、数据回传等能力。
比如围绕“九识租车”，九识搭建了运维、调度、监管三套平台。运维平台处理日常报警与处置，支持一键挪车、一键回位；调度平台能自动发现客户需求点周边的闲置车辆并自动调度；监管平台则能清晰地看到每一辆车的位置与状态。
而且随着规模的扩大，九识远程人工成本的占比反而下降了。2025年下半年，这项成本已降到九识月均总成本的3%以下。
周清解释，成本的下降不是靠削减人手，而是把运营流程标准化、平台化、自动化。比如车辆管理、任务调度、状态监测、异常识别、数据分析以及部分运营决策，目前都可以通过平台和AI来完成，人工更多负责处理更复杂的问题。
从真实数据到安全，从商业飞轮到技术标准化，再到同时运营管理三万台机器。正是这套能力，撑起了九识向物理AI扩张的底气。
对九识而言，向物理AI扩张后，它将不再受限于“一家无人配送公司”的身份，业务空间打开了远超物流城配的想象空间。
最直观的变化，是市场边界的扩大。RoboVan对应的只是无人城配市场，而随着九识对外提供通用化的L4级自动驾驶技术、以及无需购车的运力服务，其市场可以延伸到商用车、专用车等车型品类，以及环卫、机场、园区等应用场景，乃至所有需要移动能力的环境中。
目前，九识的市场已经扩展到轻卡领域。九识新推出的Z20轻卡，虽然因政策暂时还不能进入干线运输，但园区、工厂里已经冒出大量运输需求。九识团队参展时，总有人追着问“这车能不能做到四吨以上”、“货箱能不能再大一点”。
以往，客户可能都想不到用无人车来满足这种运输需求。但当无人车规模化上路之后，潜在客户会进一步设想，自己的场景里能不能加上无人车去解决问题。
同时，收入结构在重塑。过去，九识的收入主要靠卖车，但随着更多主机厂生产无人配送车，软硬件成本下降，硬件利润在大幅摊薄。
周清表示，卖车是规模化的基础，Zelos Inside是能力输出，运力平台和九识租车则把能力转化为持续的服务收入。九识希望逐渐从卖一辆车赚一次钱，走向输出一套能力，并从能力中持续获得收入。
向物理AI扩张后，九识研发投入的复用范围也在扩大。以往，训练出来的算法只能提升九识RoboVan的竞争力；一旦Zelos Inside模式大规模跑通，同一套研发投入就能服务多个OEM、多种车型和更多场景。
服务车型的增多又能反哺数据的积累，而数据是技术进步的基础。
周清强调，与车企合作的前提是数据授权。九识希望在合规、安全和授权的前提下，让更多真实运营场景产生的反馈进入九识的技术迭代体系。车辆规模越大、场景越丰富，九识越有机会捕获真实世界的长尾问题，再通过统一的算法、仿真验证和版本迭代，把单辆车遇到的问题转化为全系统的能力。
“未来如果有更多车辆搭载Zelos Inside这套系统，提供更多数据，九识大脑的模型成长效率也会更高。”这种数据与模型的正向循环，决定了九识能否从一家规模很大的无人车公司，继续成长为一家有平台属性的物理AI公司。
从卖一辆车，到输出一套能力，再到运营一张运力网络，九识的三次扩张，划出的是一条更务实的物理AI公司成长路径——不靠宏大叙事吸引关注，而是把一个个具体的产品做到规模化、标准化、自动化，从而实现扩张。
当别人还在争论“物理AI是什么”，九识已经用三万台在路上工作的无人车，给出了自己的答案。
物理AI的价值，最终取决于它替真实世界省下了多少重复劳动。当越来越多重复枯燥的工作被交给那些不知疲倦的无人车，一座城市便能腾出更多双手，去做更有价值的事。
这，才是物理AI真正值得期待的地方。
2026-06-18
2026-04-09
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
