> **编者按**
> 
> 本文整理自承泰科技创新产品线总监邱学华在 2026 安富利智慧科技生态圈论坛开放麦环节的现场分享《感知 + 计算带来的行业变革》，我们进一步梳理了演讲中的核心观点，希望从开发者视角聊一聊：当毫米波雷达开始与中央计算、GPU 和 AI 模型结合，雷达本身正在发生什么变化？

过去十年，智能驾驶和具身智能的竞争焦点，长期集中在"传感器装了多少颗"。激光雷达线数越堆越高，摄像头视角越做越广，而毫米波雷达始终以一个"稳定但平庸"的配角身份存在——能测距、能测速，却看不清轮廓、读不懂场景。

![演讲现场](https://developer.qcloudimg.com/http-save/yehe-12463078/5438e539d0f425d6fa1bd2f741b9debd.jpg)

对 SuperRadar 社区来说，我们关注的并不只是某一种雷达架构发生了变化，而是**毫米波雷达的开发边界正在被重新打开**。

当原始数据能够被获取、计算资源能够被调用、 AI 模型能够进入雷达处理链，开发者面对的就不再只是一颗功能已经被定义好的传感器，而是一套可以继续开发、训练和验证的感知系统。

这也是我们持续讨论 ** AI 雷达** 的原因。

## 一、旧范式的瓶颈：算力锁在雷达里，信息死在传输前

传统毫米波雷达的工作方式，可以概括为"端侧闭环"。每一颗雷达都自带一颗`MCU`或`DSP`，在本地完成距离维、速度维、角度维的`FFT`处理，再把压缩后的目标列表——往往只是几十个点——通过`CAN`或以太网上报给中央控制器。

这套架构在低速、简单场景下足够用，但面对城市`NOA`、城区`Robotaxi`和机器人复杂交互，三个结构性短板暴露无遗。

第一，**信息在传感器内部就被压缩掉了**。原始`IQ`数据、`RD`谱、`RA`图中蕴含着目标的微多普勒特征、横截面积分布和多径反射细节，但传统算法只提取了"距离+速度+角度"三个维度，弱目标、异形障碍、非视距物体在信号处理阶段就被丢弃。

第二，**角分辨率和点云密度受限于端侧算力**。要提升分辨率就要增加通道、增加运算量，而每颗雷达的功耗和成本预算只允许做最保守的处理，结果就是点云稀疏、目标轮廓模糊。

第三，**算法一旦烧录就难以进化**。端侧算力固定，`OTA`升级空间有限，传感器性能在出厂那一刻就基本定型。

行业曾试图用"堆雷达"来弥补：前向一颗远距离雷达，四角各一颗近距雷达，再叠加摄像头和激光雷达做后融合。但后融合的前提是每颗传感器先"各自看清"，一旦某颗雷达本身只输出稀疏目标，融合层再聪明也只能在残缺数据上做修补。瓶颈不在算法，而在数据从源头就不完整。

## 二、卫星架构：把计算从雷达里"拿出来"

破局的思路不是把雷达做得更复杂，而是把它做得更"纯粹"——让雷达前端只负责感知，把计算彻底交给中央。

这种思路已经开始进入产业实践。以承泰科技量产首发的"天穹"中央计算架构雷达为例：一颗前向雷达加四颗角雷达，前端完成射频收发和`ADC`采样后，自身不再做任何目标检测，所有信号处理和 AI 推理全部集中到中央控制器。

这种架构被命名为"卫星雷达"，很像卫星通信网络里的"终端只管收发、计算在枢纽"。它带来的第一个直接变化，是**数据量的量级跃升**。天穹卫星雷达可输入的原始高保真数据，比传统4D雷达多约100倍；配合6Gbps高带宽ADC和MIPI直连接口，分辨率提升约30倍，点云密度提升约100倍。这意味着中央计算平台第一次拿到了雷达视角下"未经损失的物理世界"。

更关键的是**解耦带来的持续演进能力**。雷达前端是被动器件，技术迭代慢、成本占比高；GPU/NPU是数字算力，每隔一代就能翻倍。把计算集中到中央后，雷达硬件可以长期稳定供货，而算法、模型甚至感知维度都能通过OTA持续升级——今天的雷达和明年的雷达，硬件可能一样，感知能力却判若两物。这正是软件定义汽车从口号走向落地的物理基础。

## 三、GPU直连：让 AI 大模型读懂射频回波

集中算力不只是"算力变大了"，更重要的是**数据通路变短了**。天穹雷达通过MIPI高速接口与`NVIDIA GPU`直连，6Gbps带宽实现原始数据无损、低延时传输，绕过了传统中间件的层层封装。这使得 AI 模型第一次可以直接接入原始`IQ`数据、`RD`谱和`RA`图，而不是隔着一层人工设计的特征提取器去"猜"世界。

从行业研究和包括承泰在内的产业实践来看， AI 与雷达的结合正在形成几条值得关注的技术路线：

### 扩散模型做"无中生有"

以雷达距离图像为输入，用预训练扩散模型补全稀疏区域、抑制噪声，生成稠密逼真的3D点云，把纸箱、塑料布这类低反射率异形障碍物的完整轮廓还原出来。

### Mamba模型做端到端极速感知

直接输入原始`ADC`采样点序列，捕捉时空依赖，输出`BEV`占用网格，在极高检测精度下把延迟压到实时可用，适配自动驾驶毫秒级决策。

### CNN架构做图像化超分

把RA图当作特殊图像，用`U-Net`等成熟`CNN`做超分辨率重建与智能去噪，强化远距离微弱目标识别。

当原始物理信号直达GPU，一些过去被认为"雷达做不到"的能力开始成立。

其一是**微多普勒精准分类**：行人肢体摆动和车辆轮胎滚动在回波频谱上有本质差异， AI 模型可以据此区分二轮车、机动车和行人，即便在雨雾沙尘中也保持稳定。

其二是**NLOS非视距感知**：利用环境多径反射信号重构被遮挡目标，车辆可以"看见"转角和障碍物后方的物体。这些能力不是靠堆天线堆出来的，而是靠"保留原始数据+集中算力+ AI 模型"三者共同释放的。

对于开发者来说，这种变化还有一个更直接的意义：**毫米波雷达的开发入口正在继续向下打开。**

过去很多雷达开发从目标列表或点云开始，而当ADC、RD、RA等更底层数据逐渐开放之后，信号处理、点云增强、目标检测、占用感知乃至端到端模型，都可以成为新的开发方向。

雷达不再只是一个被调用的"黑盒"，而开始变成一个可以持续被开发的感知平台。

| 维度         | 传统4D毫米波雷达       | 卫星架构 AI 雷达                  |
| ---------- | --------------- | ------------------------- |
| **数据形态**   | 端侧处理后输出稀疏目标列表   | 原始IQ/RD/RA无损直连GPU         |
| **分辨率与点云** | 角分辨率有限，点云稀疏     | 约30倍分辨率提升、约100倍点云密度       |
| **算力位置**   | 每颗雷达自带MCU，算力受限  | 中央GPU/NPU集中算力池，可达47TOPS以上 |
| **感知维度**   | 距离、速度、方位、俯仰（4D） | 4D + 环境语义理解（5D）           |
| **演进方式**   | 算法烧录，升级空间小      | 软件定义，OTA持续迭代              |
| **融合深度**   | 各传感器后融合         | 多雷达、多模态前融合                |

## 四、从4D到5D：感知价值的真正跃升

行业习惯把新雷达称为"4D雷达"——比传统雷达多了俯仰角。但真正值得关注的增量不是第五个物理坐标，而是 **AI 大模型带来的"环境语义理解"这一维**。

在 `SuperRadar` 社区对 AI 雷达的理解中，这也是 AI 带给毫米波雷达更值得关注的变化：前四个维度回答"目标在哪里、动得有多快"，新的认知维度进一步尝试回答"这是什么场景、目标想做什么"。

这里所说的"5D"，并不是增加一个新的物理坐标，而是强调雷达正在从**测量**进一步走向**理解**。

这也正是我们一直讨论的 AI 雷达：它不是简单地在雷达后面增加一个 AI 算法，而是让 AI 模型真正进入雷达的数据处理链，进一步由模型定义和扩展雷达的能力。

这一维的加入，让雷达输出从"测量结果"变成了"认知结果"。结构化空间建模把离散点云转成连续三维环境模型，识别可行驶区域；毫秒级目标分类区分汽车、行人和非机动车；动态轨迹预测提前预判横穿意图。

对自动驾驶而言，这意味着毫米波雷达不再只是视觉和激光雷达在恶劣天气下的"备份"，而是一个能独立完成风险判断的全天候感知单元。

L3/L4要规模落地，冗余不能只靠同一类传感器堆数量，必须有不同物理原理的传感器在数据层深度融合——只有中央计算架构雷达的原始数据能进入智驾核心数据层，这种冗余才真正成立。

产业侧的反馈也印证了这一点。以承泰科技的实践为例，其成为`NVIDIA DRIVE`平台`Raw Radar`合作伙伴，雷达处理方案亮相GTC 2026；配套的`AIBOX`基于`Jetson Orin`系列，提供20至275TOPS可选算力，原生支持`CUDA、TensorRT`与`DeepStream`。

这标志着"雷达原始数据→ GPU → AI 模型"这条链路，已经从样机走向量产和主流计算生态。

## 五、感知即服务：从卖硬件到卖感知能力

当感知能力可以被软件定义、被`OTA`升级、被集中调度，一个更深层的变化正在发生：感知不再是一次性交付的硬件参数，而是一种可以持续调用、持续生长的服务。这就是"感知即服务"（Sensing as a Service）的内核。

从社区和开发者的角度来看，我们更关注的并不是一种新的收费模式，而是**感知能力的组织方式正在发生变化**。

过去，开发者拿到的更多是一颗功能相对固定的雷达；未来，数据接口、计算能力、模型、工具链和数据集，都可能成为感知系统的一部分，开发者可以围绕具体场景继续定义最终能力。

它包含三层含义。第一层是**能力随时间增值**。

今天装车的卫星雷达，硬件不变，但通过OTA推送新的 AI 模型，半年后可能学会识别新的交通参与者、新的施工场景、新的异常状态。硬件采购从"买终点"变成"买起点"。

第二层是**数据闭环反哺模型**。

承泰针对毫米波雷达点云设计了自动化标注算法，标注精度超过92%，可替代90%以上人工标注，标注效率提升约10倍。量产车队每天回传的真实场景数据，经自动标注后进入训练集，模型越跑越准——这和云端大模型"数据飞轮"是同一个逻辑，只不过飞轮长在传感器上。

第三层是**跨场景复用**。

同一套"RF前端+MIPI+GPU+ AI 模型"的技术底座，不必为每个行业重做一遍。

应用场景的清单已经说明这种外溢：车载智驾是第一个战场，但同一颗 AI 超级雷达可以走进工业测高与物位监测、周界安防与闯入告警、智能家居的存在感知与呼吸心跳监测、具身智能的机器人避障与交互，以及低空经济的无人机避障与廊道路径感知。硬件是"灵活的感知矩阵"，软件定义"建模成像与 AI 理解"，算力平台承担"模型终端"——对开发者来说，拿到的不再只是一颗雷达，而是一个可以围绕数据、模型和场景继续开发的感知平台。

这也是 SuperRadar 希望持续推动的方向：让毫米波雷达从一个相对封闭的传感器，逐步变成更多开发者能够参与、验证和共建的感知平台。

## 六、结语：感知的边界，就是计算的边界

毫米波雷达用了几十年时间证明自己"全天候、可量产、天然测速"的价值，又用同样长的时间被"角分辨率低、点云稀疏"的标签困住。解开这个结的，不是天线阵列的局部改良，而是一次架构级的重新分工：**让最靠近物理世界的部分只做感知，让最擅长学习的部分做计算**。

卫星架构把原始数据无损送上`GPU`， AI 大模型把稀疏回波读成稠密场景，感知价值由此从"测量"跃迁至"理解"，再进一步封装为可持续演进的服务。

当感知与计算解耦又重新协同，行业真正要面对的问题已经不是"雷达能不能看清"，而是"看清之后，感知能力可以以多低的成本、多快的速度，交付给多少个场景"。

对于 `SuperRadar` 社区来说，我们更关注的是这场变化之后，**开发者能够获得什么。**

更多底层数据、更开放的接口、更丰富的模型、更完整的数据集，以及更多可以被验证的真实场景。

AI  雷达最终不会只由某一家厂商定义。

当越来越多开发者开始基于雷达数据训练模型、验证算法、构建应用，毫米波雷达才真正从一种成熟的传感器技术，变成一个持续生长的开发生态。

这也是 `SuperRadar` 社区希望和开发者一起推动的事情。




编者按  本文整理自承泰科技创新产品线总监邱学华在 2026 安富利智慧科技生态圈论坛开放麦环节的现场分享《感知 + 计算带来的行业变革》，我们进一步梳理了演讲中的核心观点，希望从开发者视角聊一聊：当毫米波雷达开始与中央计算、GPU 和 AI 模型结合，雷达本身正在发生什么变化？

感知+计算带来的行业变革：当4D毫米波雷达遇上GPU，感知即服务时代启幕

技术社区

人工智能

硬件

开发工具

毫米波雷达正经历架构级变革：从端侧闭环走向中央计算，原始IQ/RD数据直连GPU，AI模型进入感知链路，角分辨率提升30倍、点云密度提升100倍。通过卫星架构与OTA升级，雷达从固定传感器演进为可训练感知平台，实现5D语义理解，开启感知即服务生态。

数据接口

自动驾驶

数据处理

具身智能

扩散模型

中间件

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

感知+计算带来的行业变革：当4D毫米波雷达遇上GPU，感知即服务时代启幕-腾讯云开发者社区-腾讯云

感知+计算带来的行业变革：当4D毫米波雷达遇上GPU，感知即服务时代启幕

感知+计算带来的行业变革：当4D毫米波雷达遇上GPU，感知即服务时代启幕

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐