「链式协同」不是空话，落点在一个具体动作：千里与阶跃星辰从预训练阶段就把通用语料和真实智驾感知、规控数据同源输入，让基座模型诞生时就带三维空间与时间序列的认知结构，而不是「大模型+智驾数据后训练」的嫁接式改良。姜大昕称之为「脑体协同」全周期共建，赵明说后训练模式对物理规律的泛化有天然天花板。千里还放话三年800万辆搭载量——这个数字能不能兑现，是判断这条路线真假的关键。

传统3D毫米波雷达测距、测速、测水平角，唯独没有高度，于是龙门架被当成障碍物急刹、地上的石墩被当成噪点忽略。4D加上俯仰角，点云从平面铺成立体，但通道数和信息量一涨，护栏、隧道、天空的强反射混进杂波，靠固定阈值和人工规则的老方案就压不住了——多径鬼影、弱目标丢失、多目标分不开。硬件潜力很长一段时间是卡在「处理」这一环释放不出来，这才是千里把模型塞进雷达的真正前提。

边缘侧输出目标级结果，锚定常规辅助驾驶和分布式EE架构，成本敏感；卫星架构把接近原始的中频数据交给中央域控，是L3/L4做多源前融合的刚性选择；兼容模式两头都接，正是整车从分布式向中央集中过渡期最值钱的能力。真正的工程边界在带宽和平台：域控算力与高速接口不够，卫星架构就没有落地的物理基础；功能停在L2、对前融合没有真实需求，为原始数据付传输和算力成本，量产账本上算不过来。

同一件事两种叙事。特斯拉一路砍：2021年移除毫米波雷达，2023年在Model S/X上装自研高分辨率雷达试了两年，最终马斯克以「性能比不上无源光学」为由关闭，把纯视觉当唯一方向。另一边，2025年底组合驾驶辅助强制国标把静止轮胎、隧道侧翻车、车缝窜出的儿童列为测试场景，福瑞泰克沈骏强和英飞凌王丽雯都认为这恰恰是摄像头逆光、激光雷达远距静态目标的盲区，雷达从配角变回主角。谁对，取决于你把安全底线和成本曲线哪个放前面。

当下能看到的信号是分裂的：一边是新国标把低矮目标、隧道侧翻车写进测试场景，给4D雷达造了刚性需求；另一边截至2026年9月，能合法挂L3专用号牌的车型只有两款、试点车不到80台，强制国标2026年8月才发布、2027年7月才实施，全行业卡在「旧规则作废、新标尺未开考」的空窗期。所以焦点不是这颗雷达技术先不先进，而是量产、成本和外部客户三样何时被证明——装车规模和实际路况表现才是发令枪。

真值得问的不是「雷达要不要大脑」，而是「哪些计算该留在传感器、哪些必须交给中央」。眼下域控SOC绝大部分算力被智驾算法吃掉，算法架构压根没给雷达信号处理留空间，千里用10TOPS NPU把这部分活接走，等于替中央还了一笔债。反问题同样成立：如果哪天中央算力富裕、带宽也够，雷达里这颗NPU会不会变成沉没成本？成本口径也没统一——官方说性能对标128线激光雷达、成本仅三分之一，但未公布最远探测距离，横向对比时这是个空档。