先说几个关键点：成本几乎可以忽略不计，交付当天即可上路运营。

7月17日，在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，成功完成了新一代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——成为全球首家。

这套方案不仅进一步降低了成本，还能做到交车当天即投入运营，真正实现了“即买即用、交付即运营”。目前，它在九识新增运营路线中的渗透率已达30%，预计本月底，累计L4无图运营里程将突破4万公里。

这意味着什么？L4级无人驾驶，正在彻底摆脱对高精度地图的依赖。

高精度地图曾是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，上路后再对照地图进行定位与决策。但九识走通了另一条路：让车辆依靠自身实时感知，而非提前记忆地图。

01 从高精到无图

在自动驾驶商业化初期，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，帮助车辆提前规划行驶路线，降低实时感知与决策的难度。

但问题也十分突出。高精地图的制作与更新成本高昂，覆盖范围有限。道路施工、临时管制、车道调整等动态变化，地图往往无法及时同步，信息一旦出现偏差，车辆的定位与判断就会出错。

对于无人物流车而言，这一矛盾更为明显。每进入一个新城市，都需要先进行高精地图的采集与验证。客户购车后，通常要等待约一个月才能正式上路，无法实现“即买即用”，规模化速度也因此受限。

大约在2025年，九识率先推出了轻地图方案。简单来说，就是将部分原本存储在地图中的信息，交由车辆自主识别。

最典型的例子是红绿灯。传统方案中，红绿灯的位置与朝向全部标注在地图上，车辆到达路口后仅需对照地图查找。但遇到临时红绿灯或位置变动时，车辆可能无法通过路口。轻地图方案将红绿灯识别转移到线上，由摄像头实时捕捉，算法现场判断位置与朝向，应对能力显著提升。

同时，轻地图方案将地图成本降低了一个数量级，交付周期也从28天压缩至15天以内。

但朱伟铖指出，轻地图仍只是一个“阶段性方案”。进入新城市仍需采集与验证，地图数据也需要持续维护。对于需要覆盖数百座城市的业务而言，效率依然不够理想。

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成功跑通；4月，换道、选道等逻辑全部切换至在线感知；6月，完成万公里测试；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、信号灯及周边交通参与者。同时结合道路级导航地图进行全局路线规划。实时感知与AI决策融合，车辆自主完成定位、路径规划与驾驶控制。

朱伟铖表示：“与轻地图方案相比，无图方案实现了成本的进一步大幅降低，将车辆部署周期缩短至1天以内，真正做到了‘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，无图方案也进行了重新处理。系统实时计算临时红绿灯的位置与朝向，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，所有车辆都能同步。

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？

技术路线的切换，最终体现在成本、交付与运营三个层面。

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。无图方案则将大部分工作转移至车端感知与云端数据迭代，规模的边际成本明显更低。朱伟铖形容为“地图成本忽略不计”。

其次是部署效率的指数级提升。

三组数字可以清晰看出变化：高精地图时代交付周期约28天，轻地图方案压缩至15天以内，无图方案则缩短至1天以内。

“早期客户购买车辆后，只能干等地图完成才能上路，这个问题困扰了九识很久。”朱伟铖强调，无图方案落地后，客户下单当天即可投入运营。对于需要大规模复制与快速部署的无人配送行业，这意味着产品交付效率与商业化推广速度的显著提升。

再者是运营范围的大幅延伸。

过去，无人物流车主要运行固定线路。无图方案将部署周期压缩至1天以内后，车辆可以更灵活地切换运营区域与服务场景，从计划性运输向即时性运力扩展。

九识已开始布局这一方向。

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高于计划性物流，因为起点与终点不固定，对感知与决策的要求也更高。

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。

当部署与调度变得像网约车一样轻量时，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完成这一角色转换。

03 为什么是九识？

“L4肯定相对更难，因为要涉及的场景比L2多得多。”在朱伟铖看来，L2随时可以有人接管退出，而L4基本上涵盖了所有场景，所有场景都需要九识独自跑通，这是L2与L4的核心区别。

即便如此，九识依然能率先在“无图”领域跑起来。朱伟铖认为，这主要与两个因素直接相关。

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，市场份额达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，不可能凭空捏造。”

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。”朱伟铖如是说。

九识采用FSD服务包模式，公司是车辆责任的主体，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。我们要从头负责到底，每月收取的FSD服务包是要承担客户运营的。”

这意味着九识的组织形态与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，与数据积累一样，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与商业验证形成闭环。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大量成本，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2026年底将实现万台交付。

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。当车辆可以在1天内完成交付并上路运营时，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，这样才能完全实现从数据到模型的整体闭环。

一个新的故事，已然在继续。