千里科技发布英文名称“AFARI”及品牌标识

易车讯 9月28日，千里科技发布了新的品牌英文名称“AFARI”及品牌标识，彰显出加快AI化和国际化发展的坚定决心，迈入品牌新的发展阶段。

印奇表示：“千里科技是一家扎根重庆、具有深厚制造业基因的企业。自去年启动以‘AI+’为核心的战略转型以来，公司科技业务板块稳步推进，在短时间内完成了业务的全面布局。作为一个新生的品牌，我们将依托重庆坚实的产业链优势，加速构建行业领先的“AI+”产业创新体系，向成为一家世界级科技公司的目标全力迈进。我们相信，AI将是人类历史上最伟大的变革。千里之志，远不止当下，我们将制定‘千里计划’，致力于打造一个AI与人类和谐共生的世界，用科技的力量让每个人的生活更美好。”

发布会上，千里科技新的品牌英文名——“AFARI”和品牌标识正式亮相。“AFARI”蕴含多层寓意：它由“Afar”（远方）与“I”（智能）结合而成，既象征“千里之远”的广阔视野，也代表“千里之智”的技术追求。词语首尾暗藏“AI”，中间嵌入“FAR”，可解读为“With AI, we go far”——意为“携手AI，行至远”。此外，“A far I”作为一句话分开解读，可被理解为“遇见未来的自己”，寓意遇见一个“未来”的自己，不断突破并成就更好的自我。

AFARI的图形标识，以首字母“A”的三角形元素抽象而成。三个符号依循黄金分割比叠加：上层象征战略和愿景的引领，下层代表组织和执行的团结，传递出众志成城、与众同行的精神实质。同时，品牌色“千里红”采用一种高饱和度的特殊红色，旨在为AI技术注入温度与活力，象征着AI为每个人生活带来的美好改变。

发布会上，印奇进一步阐述了“千里计划”（“the Afari Plan”），勾勒出一个AI与人类和谐共生的未来图景。该计划以“One Brain，One OS，One Agent”为核心愿景：构建一个由大模型驱动的AI大脑（One Brain）；打造统一操作系统（One OS），整合每个人跨不同设备的记忆、行为与控制；最终通过高度懂你的超级智能助手（One Agent），实现无缝的跨终端、跨场景服务。而所有体验背后，均由“One Brain，One OS，One Agent”的体系支撑。这是千里科技对智能未来的理解，也是其坚定前行的方向。

智能驾驶领域，智驾系统正进入由AI大模型驱动的发展阶段。千里科技推出了行业领先的 RLM 智驾大模型，L2+级智能辅助驾驶方案已实现规模化量产上车。基于强大的底层模型能力，千里智驾正在自主研发覆盖 L2+级到 L4 级的智能驾驶方案，并通过技术的持续迭代升级。

千里智驾方案是由千里智驾打造的面向第三方整车厂商的智驾平台方案，目前分为1.0、2.0和3.0三个版本。

千里智驾1.0方案：是面向 L2+级别的辅助驾驶解决方案，分为基础版、专业版和旗舰版，全面覆盖高、中、低端硬件配置，满足客户对于不同价位车型的多样化需求。千里智驾 1.0 方案最低标配100TOPS以上算力。其中，旗舰版方案搭载了高达 700TOPS 的行业顶级算力平台，可实现多场景自主决策与复杂交互、车位到车位等核心功能。目前，千里智驾 1.0 解决方案已经在吉利多款车型上搭载，实现了“发布即上车”。千里智驾2.0方案：面向L3级别的智能驾驶解决方案，计划于2025年底发布。千里智驾3.0方案：面向L4级别的智能驾驶解决方案，适用于 Robotaxi 场景，计划于2026年下半年发布。

智能座舱领域，大模型与座舱的结合未来应用前景广阔，将极大提升用户体验。千里科技汇集了行业优秀的智能座舱研发团队，基于行业领先的多模态大模型和AI技术，致力于重构人车交互的体验。千里科技打造的新一代智能座舱Agent OS，实现了超自然交互、融合记忆、全融合地图和第三生活空间等功能。

智能出行领域，随着技术迭代、成本下探和政策开放，预计Robotaxi在未来三年进入快速普及期。目前，千里科技已制定相应计划，目标在未来18个月完成Robotaxi全链路产业布局。首先，通过推动产业整合，构建从技术、产品到服务的完整产业体系。目前，千里科技正在加速L4级智驾方案的研发，与吉利合作研发Robotaxi专用车型，并与国内外领先的出行服务提供商合作，共同打造Robotaxi运营服务平台。根据计划，千里科技将携手合作伙伴，在全球10座城市实现规模化的Robotaxi运营服务，在单一城市部署超过1000辆Robotaxi。

千里智驾以“更安全、更丝滑、更AI”为核心目标，借助6D多维感知、全感自动防御驾驶与全域AES智慧避障等技术，系统性构建起全方位的安全防护体系；结合复杂路况仿生控车、长短时序时空优化以及全场景“门到门”懒人模式，为用户带来前所未有的丝滑驾乘质感；基于端到端模型架构、多模态大模型与强化学习范式，实现了高度智能化的驾驶决策。

千里智驾采用一段式端到端模型，持续降低“白盒”依赖，大幅提升了智能辅助驾驶系统的“含模量”。目前，千里已构建起强大的大模型底座，坚持以强化学习为核心，通过奖惩机制降低对模仿式学习数据分布的强依赖，能以更少场景数据高效解决特定驾驶问题。