4D毫米波雷达正在从智能汽车的**"可选配置"** ，变成主流市场感知升级的**"**刚需标配 "。
去年开始，随着AEB强制性国家标准GB 39901-2025的发布，以及组合辅助驾驶相关推荐性国标的陆续升级，车辆感知系统在探测范围、响应速度、恶劣环境可靠性等方面的核心性能要求显著提升。
其中，GB 39901-2025将于2028年1月1日起强制实施，首次将行人、自行车等弱势交通参与者纳入AEB识别范围，并增加了误响应控制及仿真试验等要求，对感知系统的精度与可靠性提出了更高门槛。
在此背景下，传统3D毫米波雷达已经难以满足新规对弱势交通参与者识别、静止目标探测及误响应抑制的刚性需求。高性能4D成像雷达凭借更精准的感知表现，成为车企在满足法规要求、提升安全冗余并兼顾成本控制下的更优选择。
根据《高工智能汽车研究院》数据显示，2025年1-12月，中国市场（不含进出口）乘用车前装标配4D毫米波雷达搭载量已经超过1517万颗，同比增长862%。其中，同时搭载4D（含成像）前/角雷达新车交付267.64万辆，同比增长超过17倍，行业渗透率迎来质的飞跃。
然而，在这场席卷行业的感知革命背后，一个被长期忽视的核心瓶颈正在逐步暴露------支撑高性能4**** D 毫米波雷达量产的核心芯片，长期被国际巨头垄断，供需缺口正成为行业前行的"卡脖子"难题。****
**基琳微创始人、**CEO张立基，正是瞄准这个缺口的破局者，这位兼具5G通信与毫米波雷达双重背景的创业者，正带领着一支"通信+雷达+AI"的跨界团队，选取独树一帜、区别于行业主流的技术路线，为自动驾驶汽车与泛机器人打造一个全天候、高可靠的感知"大脑"。
基琳微创始人、CEO张立基
01
看见行业没人敢啃的"硬骨头"：
4D毫米波雷达的"不可能三角"
"4D毫米波雷达标配化，本质是安全法规**+技术演进双轮驱动的结果。**"张立基开门见山表示。
AEB强标GB39901-2025要求车辆在夜间、雨雾、逆光等恶劣场景稳定工作，而摄像头易受光照干扰、激光雷达怕雨雪遮挡，唯有毫米波雷达能够全天候24小时"站岗"。
张立基认为，伴随着智能汽车进入L3/L4时代，责任由驾驶员转向系统 ，安全冗余从"加分项"变成"生命线"，4D成像雷达也会从"辅助传感器"升级为刚需感知硬件 。
根据《高工智能汽车研究院》数据显示，4T4R的入门级4D毫米波雷达搭载量依旧占据市场主力。这类入门级4D雷达对于测高能力、目标分类以及静态障碍物识别能力并不理想，难以满足高阶辅助驾驶感知系统升级以及强制性国标的性能要求。
从2025年开始，问界、理想、蔚来、小鹏等车企开始推动更高性能4D成像雷达（8T8R/16T16R）的快速落地，市场正式进入性能升级周期。"2024年，一家Robotaxi公司的朋友告诉我，欧洲头部车企在自动驾驶场景下开始推进16T16R、24T24R雷达方案，以便更好地做AI融合。"张立基介绍，到了2026年，欧洲头部车企与国际Tier1已经在测试更高阶的24T24R甚至是32T32R方案了，4D成像雷达向高性能迭代的速度正在持续加快。
这一趋势，直接拉高了4D成像雷达的芯片门槛。
4D雷达要想看得清、测得准、反应快，全靠信号处理器**"算出来"。**
过去，普通毫米波雷达（3D）功能简单，对芯片的要求较低。但高性能4D成像雷达完全不一样，它既要生成高清点云、精准测角、识别低矮障碍物，又要抵抗复杂干扰，升级成了一台"能成像的高清电子眼 "。
由此，也带来了三个绕不开的行业难题：
**·**数据暴增，传统芯片处理不动： 从4T4R升级到16T16R、32T32R，Gbps级的高速流式数据大幅增加 ，通用芯片由于内存墙、处理能力非线性增长等原因，导致处理能力滞缓、延迟过大、点云密度低且质量差。
·高性能4 D 成像雷达算法精度要求极高，通用芯片算不准 **：**比如，4D雷达最关键的角度测量，行业常用"1D+1D"算法，误差大、实际场景不好用。
·自动驾驶是生死场景，雷达数据必须低延迟、高确定性 **。**如果靠域控GPU/vDSP算力，不可避免出现延迟、资源抢占等问题。
这构成了4D毫米波雷达信号处理器难以兼顾**"算力+精度+实时性**"的"不可能三角"。
目前市面上专用于中央卫星架构的4D毫米波雷达信号处理器芯片还没有量产，行业先采用射频多芯片级联以及域控GPU/vDSP堆叠模式来处理规律性较强的雷达信号任务。
**"GPU/vDSP堆叠方案本质上是用昂贵的通用算力，去处理规律性极强的信号处理任务，属于'大炮打蚊子'。"**张立基直言，GPU更适合大规模并行计算，而毫米波雷达原始数据是Gbps级别的流水式数据，用GPU处理反而容易出现存储瓶颈与资源空转，最终导致功耗高、延迟大、成本居高不下 等问题。
眼下，能同时满足"大算力、高精度、低延迟、低成本、可迭代 升级 " 的雷达信号处理器芯片，在国内尚处于空白状态。
"就像做 5G要先 搞定基带芯片 ，做4D毫米波雷达**** 芯片 ， 同理也 必须先攻克信号处理器 芯片 ****。" ++张立基把创业的第一粒棋子，落在了整个行业最痛、最难、也最有价值的位置++++------++++专用高性能++ ++4D毫米波雷达信号处理器（RSP）++ ++芯片++ ++。++
02
通信基因重构雷达芯片：
基琳微如何一招破解行业痛点？
张立基最特别的地方是他既懂毫米波雷达、又懂5**** G 通信 ，是全球少数同时精通mmWave和5G通信芯片架构算法的双料专家。
"通信和雷达底层信号处理是相通的，都是发信号、收信号、处理信号。因此，5G通信领域用来解决干扰、多径、定位、弱信号补偿等问题的技术，可以直接迁移到毫米波雷达的信号处理器芯片。"
这套把5G通信技术"搬"到雷达芯片的打法，让基琳微精准破解了行业多年悬而未决的几大难题：高延迟、低确定性、测角性能差、弱目标难以检测、抗干扰差、成本太高等 ， 真正解决了行业的"不可能三角"。
1）真正的"2D"超分辨测角算法， 构建核心技术壁垒
4D 毫米波雷达依托 MIMO 天线阵列接收目标回波信号，通过 DOA（波达方向）算法解算目标角度信息，最终实现 "距离 --- 速度 --- 水平角 --- 高度" 的四维点云成像。其中，DOA 算法直接决定雷达的测角精度与目标分辨能力，也是行业内技术难度最高、突破难度最大的核心环节之一。
受限于芯片算力约束与传统算法架构，行业主流方案普遍采用"1D+1D" 维度拼接方式进行角度解算。该方式易造成俯仰与方位维度相互耦合干扰，测角误差显著放大，导致许多 4D 雷达出现 "纸面参数优异、实车表现不佳" 的痛点 ------ 角度分辨能力有限、实际测角精度远低于理论值。
基琳微的技术突破了这一行业瓶颈，以更优的硬件成本在业内率先实现真正意义上的 2D 联合超分辨测角算法 ，大幅提升了复杂真实场景下的目标分辨力与测角稳定性。即使在稀疏天线阵列条件下，仍可实现高精度、高密度的超分辨测角，让 4D 雷达的实际性能与理论潜力真正匹配。
2） 全相干CFAR 处理，**** 打造系统级核心优势
CFAR（恒虚警检测）是雷达信号处理链路中目标提取的核心环节，其处理机制直接决定弱目标、小目标与远距离目标的检测能力。受制于传统嵌入式架构算力约束、片上存储资源有限以及数据吞吐效率瓶颈，当前市场绝大多数雷达产品仅能实现非相干 CFAR 处理。该模式在积累与检测过程中会 造成 目标相干信息 的丢失 ， 以及 信噪比 的显著 损 失 ，进而导致弱目标漏检、点云稀疏、目标轮廓不完整等问题，严重影响自动驾驶在恶劣天气、逆光、遮挡等复杂场景下的安全性与可靠性。
基琳微通过底层架构创新与存储资源重构，突破行业普遍存在的技术限制，实现真正意义上的全相干 CFAR 处理。该技术充分保留目标回波相干特性，最大程度避免信噪比损失，显著提升微弱目标、远距离目标与低 RCS目标 的 检测性能 ，从根本上解决行业痛点。同时，全相干处理可有效提升点云密度、完整性与连续性，优化点云质量，为多传感器融合、轨迹预测与规控决策提供更可靠、更精细的感知输入， 是实现高阶感知能力的核心支撑 。
3）通信级抗干扰能力， 构筑多雷达共存的根本前提
在多车密集、城市场景电磁环境复杂的实际工况中，干扰已成为常态。传统雷达面对干扰普遍采取剔除受损数据的被动方案，而被丢弃的"杂讯" 往往正是区分临界风险与安全状态的关键线索，极易导致感知失效、目标漏检。
与之截然不同，基琳微将5G 通信级的干扰抑制与信号重构技术全面迁移应用，通过算法对受扰信号进行精准重建与恢复，而非简单舍弃。该方案可大幅提升信噪比和整体探测性能，确保雷达在强干扰环境下依然保持完整感知能力，为全天候、全场景自动驾驶安全筑牢底线， 这是构筑多雷达共存的根本前提。
4）高精度射频（RF）补偿算法，夯实雷达RF性能
在车载 4D 毫米波雷达实际应用中，射频链路的理想性直接决定系统极限感知能力。当前行业主流雷达产品普遍存在射频特性非理想问题：MMIC 射频 芯片采样策略固化、灵活性不足，难以适配复杂场景下的波形优化需求；多通道间幅相一致性差、串扰与失配现象明显；相位噪声指标受限，在高速动态与弱反射目标场景下信号纯度不足。这些固有短板直接制约雷达测距、测速、测角精度，成为感知性能提升的关键瓶颈。
针对行业共性技术痛点， 基琳微 创新性将先进通信体制中的高精度 RF 补偿算法深度融合至雷达系统，通过对通道失配、相位噪声、幅相误差等各类射频非理想特性进行建模、校正与实时补偿，从源头抑制噪声与畸变，显著提升雷达射频链路纯净度与一致性。
上述这些核心技术可以灵活配置选择，依靠这些技术，基琳微正在设计两款高性能4D毫米波雷达信号处理器芯片------KLM6101和KLM8101，两款均为车规级产品。
其中，KLM6101面向边缘计算架构/小型中央卫星架构，可以适用于16T16R（兼容8T8R）单雷达信号处理，也可以处理小型中央卫星架构的3R或者5R数据，可支持高质量点云密度超16K+/帧，面向中高阶辅助驾驶或自动驾驶场景。
而KLM8101专为高阶中央卫星架构打造，支持32T32R单雷达信号处理，也可满足16T16R+4×8T8R等复杂配置，可支持高质量点云密度超32K+/帧，雷达图像更清晰，是Robotaxi、高阶自动驾驶等强AI融合场景的理想选择。
对比行业主流的GPU/vDSP堆叠方案，差距更为直观：GPU方案通常需要7/5/3nm先进制程制程，成本高昂、处理延迟高、点云分辨率与实际性能偏低，本质是"用通用算力干专用的事"。
张立基一针见血："算力≠有效算力。"
基琳微的可重构架构，在自研IP核的基础上加vDSP/CPU/NPU，基琳微RSP效率将达到专用ASIC芯片的80%以上，灵活度又和GPU/vDSP接近。比如算法升级、波形切换、场景适配，只需要升级固件，重新"拼"硬件单元即可，不用重新流片。
如同推理芯片LPU比GPU在性价比、延迟等好一个量级，在跑同样性能的前提下，基琳微RSP的性价比、延迟等方面也比GPU/vDSP通用架构处理毫米波雷达信号优越很多。
"绝大多数公司是'雷达人做雷达'，我们是用5 G ****通信架构赋能雷达。" 这种源自底层技术的跨界降维，正是基琳微最难以复制、最坚固的技术壁垒。
03
独立RSP打破中央卫星架构困局，
打造三方共赢新生态
伴随着智能汽车EE架构全面向中央集中式升级，4D雷达从边缘计算走向中央卫星架构已成为行业共识。
过去，毫米波雷达行业一直沿用"边缘自理"模式，每颗雷达都自带独立的边缘处理单元，先在本地完成信号处理、目标提取，再把处理后的目标和点云传给域控制器。这种模式在算力有限且系统分散的早期阶段还算高效，但随着智驾等级的提升，感知数据量暴增、算法越来越复杂，成本高、功耗大、算力分散、难以AI融合等弊端也彻底暴露。
而在中央卫星架构下，4D成像雷达作为"卫星端"只负责信号采集，而数据处理与感知决策则由中央计算单元统一完成。这一"减法"设计，使得雷达硬件显著轻量化，成本和功耗大幅下降，也更适配AI大模型与端到端算法的融合。
然而，这条被普遍看好的技术路线，在真正走向规模化量产时，却面临着一些现实难题：卫星架构落地是"传感器+域控"软硬件协同的系统性大工程。比如仅4D成像毫米波雷达处理与多传感器融合难度极高、工程极其复杂。
更重要的是，如果把雷达算法直接放进域控里面，Tier1需要在不同域控平台切换开发算法，有时候还面临必须交出核心代码沦为"白盒"交付的状况；而车企即便拿到"白盒"代码，也因为GPU/vDSP的通用性和内存墙原因产生不少局限，比如点云精度不够、延迟高、成本不划算等。
因此，截至目前，因成本原因，中央卫星架构还停留在"技术先进、大批量产艰难"的尴尬境地。
基琳微独创的可重构计算架构，就像一套可自由组合的**"乐高式硬件"**------芯片内部布置了大量不同颗粒度可重构单元（CGRA），这些单元可以像搭乐高一样，在运行中动态拼接成FFT引擎、相关器、矩阵运算单元等专用计算结构，需要什么功能，就拼成什么电路 。
这就意味着，当算法迭代、行业标准升级，或切换至OFDM/PMCW等新波形时，芯片只需升级固件、重新配置这些硬件单元即可适配 ，无需重新流片，即可完美匹配快速演进的智驾需求。
张立基观察到，对于芯片原厂而言，下游客户已经不满足于"芯片+SDK+参考设计"的一站式方案，还需要芯片原厂提供内容丰富的开发者生态平台，可以参考比如NVIDIA的CUDA生态增加了客户粘度。因此，一个好的开发者生态平台对于芯片企业的成功来说至关重要。
**在此基础上，基琳微推出的独立式中央****RSP信号处理器，**提供统一、开放、标准化的底层平台：
·雷达数据独立处理、确定性输出，不抢占域控资源、不依赖通用GPU/vDSP；
·不强制白盒交付，保护Tier1核心算法知识产权；
·一站式芯片+参考设计方案，大幅降低车企与Tier1开发门槛与适配成本。
最终，基琳微推出的独立中央RSP信号处理器芯片，相当于给整个行业搭建了"通用、开放、低成本、高性能"的标准底座，让中央卫星架构真正实现规模化上车，推动车企、Tier1、芯片公司真正走向三方共赢。
04
协同主机厂/智驾公司，
完成从BEV到GEV的飞跃
基于中央卫星架构，基琳微还可以利用毫米波通信的优势，协同主机厂或智驾公司完成视角维度的升级。
如果说过去几年智能驾驶的感知能力提升，主要靠的是单车传感器堆叠与BEV（Bird Eye View，鸟瞰视角）融合，那么下一阶段的竞争焦点，正在从"单车感知"转向"群体智能"。
张立基判断，真正的自动驾驶，不能只依赖一辆车**"独自看清世界"，而需要让车与车之间"共享视野、协同决策"。**这正是基琳微正在推动的从BEV到GEV（God Eye View，上帝视角）的跨越。
实现这一跨越的关键，在于包括摄像头、激光雷达、毫米波雷达等Gbps级大带宽数据的传输技术。传统的V2X解决方案只有几十Mbps，无法满足大带宽数据的需求。基琳微未来计划在角雷达方案中引入比如PMCW（相位调制连续波）数字芯片架构。与传统的雷达波形不同，PMCW天然具备通信能力，使毫米波雷达不再只是"感知器官"，更可以成为车与车之间的"数据桥梁"。
基琳微通过毫米波移动通信方案，将摄像头、毫米波雷达点云等多源感知数据，在车辆之间高效传输，构建起低延迟、高可靠性的实时共享感知网络。每辆车不再是孤立的感知节点，而是整个交通环境中相互协同的"感知单元"。当一辆车在路口"看到"突然出现的行人或事故，周围车辆可以提前感知、预判，相当于每辆车都拥有了上帝视角下的全局感知能力。
这一技术路径，不仅突破了单车感知在遮挡、超视距等方面的天然局限，也大幅提升了复杂场景下的安全冗余，为高阶自动驾驶的规模化落地提供了新的可能性。
++目前，这一方案已获得多家头部智驾公司的关注，相关企业正与基琳微深入探讨技术落地的推进++ ++。++ 在张立基看来，从****BEV到GEV的演进，不仅是感知维度的跃升，更是基琳微用通信思维重塑雷达、定义下一代智能汽车感知生态的重要一步。
05
从车载芯片到泛机器人感知，
基琳微的长期蓝图
在张立基的规划里，基琳微从不只是一家单纯的汽车雷达芯片公司，而是面向未来智能时代的通用感知底层技术提供商。
车载只是起点，更远的蓝图，是把通信级雷达感知能力，带进所有需要"看懂环境、安全交互 "的智能设备领域。
基于这一长期愿景，他为基琳微勾勒出清晰、稳健的三阶段增长曲线：
·2025-2028：扎根车载高性能雷达芯片，站稳高端芯片的国产化阵地。
·2029年后：延伸至机器人、eVTOL等泛机器人领域，打造第二增长曲线。
·2031年后：以Chiplet构建泛机器人感知生态，定义新一代感知标准。
在张立基看来，在具身智能机器人场景，毫米波雷达能实现生命体征感知、遮挡检测、人机意图判断 ，与视觉、触觉形成"超感官闭环"，让机器人在黑暗中避障、轻柔交互、精准预判。
对于国产化，张立基信心十足：**"未来** 3--5年，国产高端雷达芯片将从高端车型下探至10万级车型，车企与Tier1会全面拥抱国产方案 。"
基琳微的最终远景，是为泛机器人（含汽车、eVTOL、具身智能等）定义全新感知标准：硬件上提升感知精度到新量级，系统上通过通信+AI实现感知共享，最终让每一台智能设备都具备全天候、全场景、超稳定的感知能力，从而构建超越单体智能的群体感知网络。
06
结语：做感知芯片的引领者
从5G通信到毫米波雷达，从国际大厂到创业攻坚，张立基始终相信：真正的技术壁垒，不是单一专利，而是架构思维+底层能力+量产经验**** 的系统壁垒。
基琳微核心成员的履历，本可以让他们选择一个轻松且快速有回报的项目来创业。但创始人张立基说，"我们要学习AMD和NVIDIA，用专注的力量，只做有长周期回报的产品，虽然难但技术壁垒足够高。"
基琳微不做**"大而全"，只做"高精专"。**
他们要做的，是把4D毫米波雷达的"感知像素"做到极致，把"感知语法"推向协同互联，最终为智能汽车、机器人乃至整个泛智能时代，定义一套属全新 的 感知标准 。
显然，在自动驾驶快速演进与高端芯片国产化突围的双重浪潮下，张立基和基琳微，正站在最关键的位置，稳健而坚定地为客户创造价值，用高性能4D毫米波雷达芯片，替车企守护一份安全责任和品牌声誉。