QCraft zeigt 500-TOPS-Plattform für City-NOA in Chongqing
QCraft (轻舟智航) hat auf der 28. Chongqing Auto Show (Juni 2026) eine neue Physical-KI-Architektur für autonomes Fahren vorgestellt. Die Plattform „Chengfeng Max“ erreicht über 500 TOPS Rechenleistung und kombiniert ein World Model mit Reinforcement Learning – ausgelegt für extrem leistungsfähiges City-NOA.
Aufbau der Physical‑KI
Im Kern setzt QCraft auf eine zweigeteilte Architektur:
Cloud‑World‑Model – ein Simulations‑Motor, der mittels Sicherheits‑Reinforcement‑Learning hochrealistische „Long‑Tail‑Szenarien“ generiert, darunter seltene Gefahrensituationen, schwierige Wetterbedingungen und ungewöhnliche Verkehrsflüsse. So erhält die KI nahezu unbegrenzte Trainingsmöglichkeiten in der digitalen Welt.
Vehicle‑World‑Behavior‑Model – ebenfalls auf dem „World Model + Reinforcement Learning“-Ansatz aufbauend, das die gesamte Kette von Wahrnehmung bis Entscheidungsfindung modelliert. Dadurch verbessern sich logisches Denken, Entscheidungsqualität und Generalisierungsfähigkeit – einsetzbar in Pkw, Robotaxis und Robo‑Vans.
Dual‑Strategie: Robotaxi und Robovan
QCraft verfolgt im Level‑4‑Bereich eine parallele Entwicklung von Robotaxi und Robovan (autonomer Liefervan). Der Liefervan mit flexiblem Ladevolumen von 3–12 m³ wird bereits in mehreren chinesischen Städten im Regelbetrieb getestet und soll die letzte Meile abdecken. Auf der Messe wurde das Modell Q5 gezeigt.
Globale Expansion
Erste intelligente Fahrassistenz‑Tests laufen bereits in München und Paris. Damit treibt QCraft die globale Expansion voran. Ein konkreter Marktstart für Serienfahrzeuge in Deutschland oder der EU ist jedoch noch nicht offiziell angekündigt.
Technische Daten auf einen Blick:
- Rechenplattform: Chengfeng Max
- Rechenleistung: über 500 TOPS
- KI-Ansatz: World Model + Reinforcement Learning
- Einsatzbereich: City-NOA, Pkw, Robotaxi, Robovan
QCraft bietet keine Serienfahrzeuge auf dem deutschen Markt an. Die Technologie wird in München und Paris getestet, ein Marktstart in Europa steht noch nicht fest.