关于毫厘智能
Physical AI 时代的原生基础设施
毫厘智能致力于成为 Physical AI 时代的原生基础设施。公司秉持「数据驱动、软硬结合」的全栈自研战略，构建了从感知、计算、数据、仿真、模型到执行的完整技术链路。凭借超百万辆上车规模、逾 50 亿公里真实里程的商业化验证，以及与头部车企深耕共创的数据沉淀与工程认知，已构建起具有显著时间壁垒的「芯片—硬件—模型」垂直闭环整合能力体系。正如 NVIDIA 定义了数字 AI 时代的算力基础设施，毫厘智能正将这套经大规模量产验证的核心方法论作为基石，系统性赋能具身智能、低空经济、工业智能化等万亿级赛道，成为驱动物理世界智能化变革的核心基础设施引擎。
物理世界不是数字世界的投影
语言模型学习的是符号逻辑，物理世界运作的是能量、质量与因果律。这不是程度的差异，是起点的不同。
所有今天运转的数字 AI——写文章、生成图像、进行对话——都是在符号空间里工作。当 AI 从屏幕后面走到物理世界，它需要的底层，从根本上换了一套。
物理世界没有「大致正确」。一个进入工厂的机器人，差一厘米就是事故。一架在城市上空飞行的 eVTOL，定位失效就是灾难。为数字 AI 设计的基础设施，从第一天起就与物理世界错配。
「这个万亿赛道，连属于自己的原生基础设施都还没有。」
Physical AI 原生基础设施的三大维度
五项核心能力，共同支撑智能系统在真实世界中运行、进化与规模化落地
Physical AI 原生基础设施由三个相互协同的维度构成：
感知、计算与控制执行组成实时运行系统；数据与仿真形成持续进化系统；可靠与安全为全链路提供工程保障。
实时运行系统
让智能系统感知真实世界、完成实时决策并驱动物理行动
感知
准确感知真实世界，是一切智能决策的起点。
视觉、触觉、姿态、位置与力觉等多模态信号，需要在统一的时间与空间基准下持续融合，形成稳定、连续、可信的环境输入。
原生计算
面向物理交互，需要原生计算架构。
Physical AI 需要在本体端完成多传感器融合、状态估计、实时推理与动作决策，并兼顾低时延、低功耗与高可靠。
控制与执行
智能只有转化为稳定、可控的动作，才能真正进入现实世界。
系统需要将感知与决策结果转化为精准、连续的物理行为，并在负载变化、环境扰动与结构误差下保持实时闭环。
持续进化系统
让真实数据与仿真能力持续推动模型和系统迭代
数据与仿真
真实数据校准边界，仿真能力加速进化。
真实世界数据持续回流，用于训练、校准与验证；仿真扩展训练规模、覆盖复杂场景与长尾问题，共同形成数据、模型与系统的迭代闭环。
工程保障体系
让系统在复杂真实环境中保持可靠、可控与可交付
可靠与安全
可靠与安全，决定 Physical AI 能否规模化落地。
从传感器、芯片、模型到控制与执行，系统需要具备冗余设计、故障检测、降级运行、功能安全与量产验证能力，为全链路提供工程保障。
MCT 的三个核心优势
「客户不是买我们的芯片，是买我们陪他们走过的那段'弯路'。」
100 万套 · 50 亿公里，是与头部客户一起走过的真实弯路。弯路不可压缩，时间不可复制，这套数据沉淀和工程认知，后来者要重新走一遍才能获得。
MCT 从第一天起就把芯片、硬件和模型当作一件事来做。这不只是策略选择，是组织起点。垂直整合在大公司内部面临的结构性障碍，不是资源能解决的。
从规则到端到端、从端到端到 VLA 和世界模型——MCT 完整经历了智能驾驶的全部范式迁移。每一次演进都发生在真实量产项目中，这套系统性认知，买不来。
Physical AI 基础设施的标准化窗口正在形成，先到者定义规则。
MCT 毫厘智能致力于成为Physical AI 时代的原生基础设施
以真实世界数据为起点，持续完善从感知、计算、数据、仿真、模型到执行的技术链路，推动 Physical AI 从「能动」走向「可靠」。
·积累真实数据
持续建设手部动作、全身姿态、视觉、位置与力触觉等真实物理世界数据能力。
·验证原生芯片方向
推进感知与计算芯片能力预研，验证多传感器融合、高精度同步、低功耗与实时处理能力。
·沉淀平台化能力
依托客户共创与典型场景验证，逐步沉淀标准化产品、数据服务与仿真平台能力。
MOJANDA：MCT 自研车规级 GNSS 芯片，定位能力的原点
MOJANDA 系列是 MCT 所有产品的定位计算核心，也是「芯片—硬件—模型」垂直闭环战略的起点。基于 RISC-V 深度定制架构，严重遮挡场景下定位精度较国际头部竞品提升约 30%，从立项到量产仅用 21 个月。
江苏常州武进高新区
年产能 100 万套以上车规级产品