文章核心观点 - 由华科、小米和清华AIR团队提出的SparseOccVLA模型，通过创新的稀疏占据查询，成功统一了自动驾驶中的视觉语言模型与语义占据表示，在场景理解、占据预测和轨迹规划等核心任务上均展现出卓越性能 [2][3][32] 背景与挑战 - 自动驾驶领域，视觉语言模型擅长高层语义理解与推理，而语义占据能提供精细、结构化的空间细节，但两者长期独立发展，缺乏有效融合 [2][4] - 传统视觉语言模型在处理自动驾驶多视角视频流时面临token数量爆炸和时空推理能力受限的问题 [2][4] - 语义占据表示过于稠密，难以高效地与视觉语言模型集成，且其低水平表征难以对齐到高水平的语言空间 [2][4][9] 方法创新 - SparseOccVLA的核心是采用一个轻量级的稀疏占据编码器，生成紧凑但信息量极高的稀疏占据查询，作为连接视觉与语言的唯一桥梁 [2][3][14] - 这些稀疏查询被对齐至语言空间，并由大语言模型进行统一推理，实现场景理解与未来占据预测 [3][14] - 模型提出了一种LLM引导的Anchor-Diffusion规划器，通过解耦的锚点打分与去噪过程以及跨模型的轨迹条件融合机制，提升规划性能与稳定性 [3][20][22] - 稀疏占据查询仅关注真实空间中的实体，信息密度和token利用率极高，仅需数百token即可表征完整场景，远低于基于BEV的方法所需的数千token，训练和推理高效 [17][18][23] 实验结果 - 在OmniDrive-nuScenes的场景理解任务中，SparseOccVLA的CIDEr指标达到0.796，相较于当前最优方法HERMES的0.741，实现了7%的相对提升 [23] - 在Occ3D-nuScenes的未来3秒语义占据预测任务中，SparseOccVLA的平均mIoU达到13.71，超越了之前的SOTA方法Sparse World的13.20 [23][24] - 在nuScenes的开环规划基准测试中，SparseOccVLA仅使用稀疏占据查询作为感知输入，即取得了当前最优性能，证明了其强大的泛化潜力 [25][26] - 消融实验表明，移除占据编码器监督会导致语言指标显著下降，移除3D位置编码则模型无法收敛，证明了显式几何语义引导和空间拓扑结构建模的重要性 [27] 技术优势与意义 - SparseOccVLA能同时准确识别远处的行人、车辆等几何物体，以及红绿灯状态、车道线等非几何元素，得益于其完全端到端的设计保留了原始视觉信号 [31] - 该方法提供了一个超越传统基于MLP、Q-Former和BEV的视觉-语言对齐新范式，有望促进跨领域研究并推动自动驾驶社区发展 [32]

文章核心观点 - 英伟达（Nvidia）最新发布的以Alpamayo为核心的自动驾驶研发生态体系，难以真正撼动特斯拉（Tesla）FSD的领先地位 [3] - 英伟达的商业模式本质是推动算力销售，而非提供成熟的自动驾驶成品，因此缺乏在技术上挑战其最大客户特斯拉的强烈动力 [4][6][9] - 自动驾驶竞争的核心要素是算法、算力和数据，英伟达在数据层面存在明显短板，其发布的Physical AI数据集规模（1700多小时）与特斯拉数百万辆车的实时数据采集能力相比差距巨大 [10][11] - 英伟达试图通过其仿真技术（如AlpaSim、Issac）来弥补数据不足，但自动驾驶端到端仿真技术尚不成熟，且高度依赖大量真实数据，难以实现“弯道超车” [11][12][14] - 英伟达自动驾驶生态的成败最终取决于量产落地，而非技术演示（Demo）；目前其在海外与奔驰的合作进展未达预期，行业呈现特斯拉一家独大格局 [15][17] - 中国自动驾驶市场格局与海外不同，供应商（如华为、地平线）崛起且软硬件一体化，对英伟达的算力核心地位构成挑战，英伟达在中国市场也面临不确定性 [18] - 如果自动驾驶行业出现类似安卓的“开放时刻”，最大可能将发生在中国，而非由英伟达引领 [19] 根据相关目录分别进行总结 英伟达的商业模式与战略动机 - 商业模式以销售底层算力为核心，发布的Alpamayo 1推理模型、AlpaSim仿真框架及Physical AI数据集本质是提供研发生态工具包（Tool Kit），旨在推动客户在模型训练、车端部署和云端仿真上更多使用英伟达算力 [4][8] - 战略是“授人以渔”而非“授人以鱼”，通过提供开源模型和易用工具降低客户自研启动成本，鼓励客户依赖英伟达算力进行后续迭代，而非提供“开盒即用”的成熟系统 [5][6] - 英伟达与特斯拉并非直接竞争关系，特斯拉是其汽车行业最大客户，两者创始人关系良好；英伟达更希望看到行业“百家争鸣”的军备竞赛局面，而非一家独大或出现单一的“自动驾驶安卓”供应商 [6][9] 自动驾驶竞争的核心要素对比（算法、算力、数据） - **算法与算力**：英伟达在人才（算法）和算力方面具备顶级实力 [10] - **数据短板**：英伟达发布的Physical AI数据集覆盖25个国家（仅美欧）、2500多个城市，总数据量约1700多小时，其中美国数据占50%；该规模对于学术研究尚可，但对于量产研发则显不足 [10][13] - **数据获取能力**：特斯拉拥有遍布全球的数百万辆装备传感器车队进行实时数据采集；英伟达缺乏自有车队，主要通过自采、与车企（如奔驰）合作及投资创业公司（如Wayve, Waabi）获取数据，但在特斯拉约七百万用户车队面前相形见绌 [10][11] 仿真技术的局限性与挑战 - 英伟达将仿真技术（如Issac、AlpaSim）视为弥补数据短板的关键战略，其在计算机图形学和物理引擎仿真领域积累深厚 [11] - 但自动驾驶端到端仿真更依赖于3D重建和生成式AI（世界模型），这类数据驱动技术本身需要大量真实数据训练才能达到逼真效果 [12] - 英伟达因缺乏足够自动驾驶原始数据，只能从泛化视频生成模型出发再用少量数据微调，这在复杂的具身智能物理AI领域尚未走通；自动驾驶仿真只能“锦上添花”，难以“无中生有” [14] - 机器人仿真的成功（如跑酷Demo）建立在封闭静态环境，而自动驾驶仿真需应对复杂多变的交通场景与其他交通参与者，难度更高 [12] 量产落地进展与行业格局 - **海外市场**：英伟达与奔驰的量产合作（原计划2024年推出L2+功能）进展未达预期；截至2025年底，海外车企中仅Rivian发布了AI Day展示辅助驾驶功能，但其方案依赖地图，Demo的端到端方案仍处初期，难以威胁特斯拉 [17] - 英伟达发布Alpamayo旨在提振海外车企信心，组建“复仇者联盟”对抗特斯拉，但成功与否取决于能否快速推出有竞争力的量产产品 [17] - **中国市场**：行业格局不同，早期以头部车企自研为主，但伴随华为、地平线、Momenta等强大供应商崛起及行业极度内卷，部分车企转向购买供应商方案；供应商呈现赢家通吃趋势，并开始涉足算力领域，对英伟达生态构成挑战 [18] - 英伟达若想将中国车企留在其生态内，需证明其仿真系统和模型参数扩展（Scaling）的有效性，并期待头部车企在自研上取得突破，难度和不确定性很大 [18]

特斯拉FSD商业模式重大转变 - 特斯拉将于2026年2月14日正式下架FSD一次性永久买断方案，转向SaaS订阅模式 [1] - 在美国市场，一次性买断价格为8000美元，月度订阅价格将降至99美元/月，买断成本相当于连续订阅81个月 [2] - 在中国市场，FSD买断价格约为6.4万元人民币，月度订阅费用预计在499元至699元人民币之间 [2] FSD技术进展与市场准入 - 特斯拉自动驾驶负责人披露，FSD沿用端到端VA主架构，并持续优化，输出全景分割、3D OCC、3D Gaussian等信息辅助Action优化 [2] - 3D Gaussian的闭环仿真能力是技术亮点，推测是前馈GS+生成联合的效果 [2] - 马斯克于去年11月透露，FSD在中国已获“部分批准”，有望在2026年2月或3月左右获得全面批准 [2] - 据消息，特斯拉FSD或于2026年1月22日至23日正式在中国国内推出 [2] 行业技术趋势与竞争格局 - 从2023年提出端到端到2025年，FSD的技术路线与国内主流线路基本一致，未来重点在于用户认可和工程优化 [3] - 行业观点认为自动驾驶领域将进入“苦日子”阶段，意味着竞争加剧和盈利挑战 [3] 特斯拉Optimus机器人发展前景 - 硅谷天使投资人Jason在节目中透露已见到Optimus V3，并给予极高评价 [3] - 其观点认为，未来无人会记得特斯拉制造过汽车，只会记得Optimus，并预测其将生产10亿台，成为人类历史上最具变革性的科技产品 [3]

文章核心观点 - 北京大学王选计算机研究所团队提出了一种名为KnowVal的新型自动驾驶系统，该系统通过引入知识检索与价值引导机制，旨在解决高阶自动驾驶所需的法律、道德及世界理解能力，并在基准测试中取得了最先进的性能表现[1][3] 系统框架与核心范式 - KnowVal系统将传统的视觉-语言-动作范式升级为**开放三维感知-知识检索范式**，通过感知与检索的相互引导实现视觉-语言推理[4][5] - 系统框架包含**检索引导的开放世界感知**与**感知引导的知识图谱检索**两个核心部分，实现了特征与信息的可导传递[7][8][10] - 系统采用基于世界预测和价值模型的轨迹规划方法，通过多轮迭代生成并评估候选轨迹，最终选定规划轨迹[9][17] 关键技术模块：知识图谱与价值模型 - **驾驶知识图谱构建**：团队整合了国家交通法规、防御性驾驶原则、道德准则及经验访谈，利用大语言模型构建了结构化的驾驶知识图谱[11][13] - **知识检索机制**：在推理时，系统将三维感知信息转化为自然语言查询，通过实体抽取和向量化从知识图谱中检索并按相关性排序得到相关知识条目[13] - **价值模型构建**：团队构建了一个包含**16万个轨迹-知识对**的大规模驾驶价值偏好数据集，用于训练价值模型，每个对都有介于-1到1之间的价值评分标注[16] - **价值引导规划**：价值模型以候选轨迹、场景状态及检索知识为输入进行评估，通过计算降序加权平均分数来最终选定规划轨迹[16][17] 实验性能与效果 - **基准测试结果**：将KnowVal框架应用于GenAD、HENet++与SimLingo三个基线模型进行测试[19] - 在**nuScenes开环端到端驾驶基准**上，KnowVal取得了**最低的驾驶碰撞率**[19] - 在**Bench2Drive闭环端到端驾驶基准**上，KnowVal取得了最高的驾驶分数和成功率[19] - 具体数据：在Bench2Drive上，KnowVal-SimLingo模型的驾驶分数达到**88.42**，比基线SimLingo的85.07提高了**3.35**；成功率（SR）达到**69.03%**，比基线的67.27%提高了**1.76个百分点**[20] - **定性分析**：通过场景编辑和模拟测试表明，KnowVal能使原本无法正确处理特定场景（如路过积水减速、隧道内实线不变道）的端到端模型做出符合法律和道德的正确决策[21][23] 技术兼容性与影响 - KnowVal提供了一种与现有端到端和视觉-语言-动作模型兼容的改造方式，通过改造其轨迹规划模块并引入多样性约束，使其具备生成多样化候选轨迹的能力[16] - 该系统是一个**可端到端微调的3D视觉-语言-动作框架**，保持了模块间显式结果和隐式特征的共同传递[10]

公司战略与目标 - 公司创始人李斌在内部会议上分享了2026年全年的个人VAU（Vision Action Upgrade）[5] - 公司2026年的整体目标是实现40-50%的稳健增长，换算成具体销量，需在新的一年卖出45.64万辆至48.9万辆车[6] - 公司专注于效率提升，并认为2025年第四季度存在盈利机会[6] 智能驾驶技术规划 - 公司计划通过年内三个大版本更新，使智能驾驶能力重回行业第一梯队（数一数二）的位置[3][6] - 本月底的版本将先推送给几十万Banyan用户，下个月将覆盖ET9、全新ES8和新5566车型[3] - 公司副总裁马麟表示，团队正在体验ET9的内测版，由于天行底盘的原因，体感特别好[3] - 据信，此次版本更新内部信心较高，虽然与地平线HSD还有一定差距，但处于可追赶的范围[3] AI技术应用方向 - 公司AI投入的两个方向是：加强智能驾驶全栈研发，以及推动AI全业务链落地以构建公司级AI能力体系[6] - AI将应用于生产、制造、供应链、销售、财务、人力资源等全公司各个业务单元，目标是提升效率[6] - 公司认为，如果AI能帮助每个环节提效3%，整个公司的提效将远不止3%[6]

行业趋势与市场现状 - 智能驾驶领域的技术焦虑正在产业链中游厂商间快速传播 [1] - 行业前沿技术发展放缓，业内量产方案趋同，整体呈现技术下沉趋势 [2] - 端到端等前沿技术的大规模量产起点预计在2026年 [2] - 二十万以上的乘用车年销量约700万辆，但头部新势力销量占比不足三分之一，搭载端到端技术的量产车型占比更低 [2] - 随着L3级自动驾驶法规推进，中游厂商面临紧迫的技术升级压力 [2] 技术发展路径与需求 - 端到端技术的成熟被视为开启更大规模量产的关键 [2] - 近期众多公司算法负责人迫切希望了解端到端所需的技术能力 [2] - 在端到端时代，感知任务合并与规控算法学习化已成为绝对主流 [7] - 如何高效合并感知任务、设计学习化的规控模块成为各大公司的核心必备技能 [7] 端到端技术架构与方案 - 主流技术架构分为两段式与一段式端到端算法 [8][9] - 两段式框架涉及感知与规划控制（PNC）间的信息传递建模，存在信息损失 [8] - 一段式框架可实现信息无损传递，性能通常优于两段式方案，代表方法包括基于VLA和基于Diffusion的方法 [9] - 量产落地需包含后处理的兜底逻辑，例如时空联合规划等轨迹平滑优化算法，以保证输出轨迹的稳定可靠 [13] 关键赋能技术与应用 - 导航信息在自动驾驶中起引导、选路、选道的关键作用，其地图格式、编码与嵌入方式是技术重点 [10] - 仅靠模仿学习存在局限，需结合强化学习（RL）使机器学习因果关系，实现更好的泛化能力 [11] - 轨迹输出优化涉及模仿学习与强化学习的结合使用，具体算法包括基于扩散模型和基于自回归的算法 [12] 量产实践与经验 - 真正的量产落地需从数据、模型、场景、规则等多视角综合施策，以快速提升系统能力边界 [14] - 课程内容聚焦量产实践，涵盖从架构概述、具体算法、导航应用、RL训练到轨迹优化及兜底方案的完整链条 [7][8][9][10][11][12][13][14]

文章核心观点 2025年是中国智能驾驶行业在技术普及、高阶突破和商业化落地方面取得关键进展的一年，呈现出“L2级功能向下普及与向上突破并存”、“L3级政策开闸启动量产”以及“L4级重拾资本青睐并跑通商业闭环”的三大主线发展趋势，标志着行业从技术理想主义转向商业实用主义的新阶段[4][6][23] L2级智能驾驶：智驾向下普及与技术向上突破 - **功能普及与价格下探**：比亚迪将自研“天神之眼”高速NOA功能下放至7万元级别的海鸥车型，实现了10万级家用车的智驾标配，吉利、奇瑞等传统车企也纷纷将中阶辅助驾驶功能大规模下放[8] - **技术方案演进与上车**：地平线推出基于征程6P的国内首个软硬结合全栈开发L2城区辅助驾驶系统HSD，理想、小鹏推进VLM/VLA模型上车，蔚来、华为深耕世界模型，小鹏和蔚来实现自研芯片“神玑”、“图灵”上车[10] - **资本市场活跃**：地平线通过港股配售募资约56.97亿元，卓驭科技获中国一汽超36亿元战略注资，鉴智机器人获四维图新18亿元入股，千里科技获奔驰投资[10] - **行业监管强化**：2025年3月底小米SU7致命事故后，监管部门禁止使用“自动驾驶”等误导性宣传，要求明确标注系统能力边界[10] L3级自动驾驶：政策开闸与责任转移 - **政策破冰**：2025年末，工信部公告为L3有条件自动驾驶车型亮绿灯，标志着驾驶责任首次从驾驶员转向车企与系统供应商的量产之路开启[12][14] - **首批获批车型与限制**：北汽极狐阿尔法S（L3版）与长安深蓝SL03（L3版）率先获批，极狐可在北京部分高速及快速路单车道内使用（最高80km/h），深蓝可在重庆部分快速路拥堵时段单车道内使用（最高50km/h）[14] - **产业影响**：L3的突破将推动上一代核心功能（如城区NOA）迅速下放至更主流价位车型，遵循技术渗透曲线，并可能成为2026年衡量智驾“第一梯队”的核心标尺[15] L4级自动驾驶：商业化元年与资本回暖 - **资本寒冬后强势回暖**：2025年成为行业转折之年，L4级自动驾驶迎来商业化元年，小马智行与文远知行同日登陆港股，分别募资69.19亿元和21.47亿元[16][17] - **乘用车Robotaxi商业化进展**：小马智行第七代Robotaxi在广州实现城市级单车盈利转正，小鹏汽车重启Robotaxi业务并在广深部署百辆级测试车队，滴滴自动驾驶完成20亿元D轮融资，哈啰出行携战略投资者超30亿元入局，特斯拉在奥斯汀启动完全无人驾驶Robotaxi测试[17] - **特定场景商业闭环跑通**：希迪智驾成为港股首家专注商用车智能驾驶的上市公司，其无人矿卡单台年运营成本降低40%，华为联合中国华能建立全球首个百台纯电无人矿卡集群，九识智能在全国30城部署超5000台L4级配送车且日均订单突破50万单，新石器无人物流车单台年运营里程突破10万公里[19] 行业整体趋势与工程师视角 - **技术迭代加速**：VLA模型快速落地、VLM在复杂场景理解突破、World Model在预测仿真进步，这些技术已切实上车或影响版本迭代[24] - **中国发展领先**：中国在智能驾驶技术研发与应用方面已处于全球领先地位，应用场景从一线城市扩展到新一线城市，覆盖乘用车、物流车、环卫车等多领域[11][29] - **发展共识形成**：行业共识从“技术理想主义”转向“商业实用主义”，量产能力、运营效率、单位经济模型成为新标尺[23]

理想汽车组织架构与战略调整 - 理想汽车进行人事与组织架构调整 资源进一步向具身智能集中 以VLA模型为统一底座推进研发整合 并通过组织调整打通智能驾驶与智能空间的模型协同 [2] - 自动驾驶高级算法专家詹锟将接手基座模型业务 向CTO汇报 不再向自动驾驶研发高级副总裁郎咸朋汇报 其负责的VLA部门划归入系统与计算群组 [2][9] - 原负责LLM方向的陈伟将于近期离职 交接正在进行 或将加入创业行列 [2][5] - 自动驾驶产品负责人由帅一帆负责 其此前负责空间机器人部门 此次变动是机器人和自动驾驶的联合调整 在更大的具身范式下统筹发展 [4][5] 关键人物与内部技术路线 - 詹锟于2016年从北航毕业 曾在百度Apollo负责预测算法 2021年加入理想后参与了三代核心技术栈的研发落地 是内部一路升任的高管 从无图/轻图NOA到端到端再到VLA 于2025年8月接手VLA核心业务 [4] - 理想汽车2025年公开论文主要有三条技术路线：世界模型用于生成和重建 做闭环仿真和云端数据生成；VLA/VLM主要针对Action优化 包括扩散模型轨迹优化、强化学习反思机制、长时程自驾Agent等；具身智能则关注在资源受限平台上部署LightVLA [8][12] - 詹锟在ICCV上分享了对自动驾驶发展的思考：从数据闭环到训练闭环 应是一个集基座模型、云端、车端为一体的新一代闭环体系 [8] 技术进展与行业趋势 - 理想内部近几个月针对VLA做了较大升级改动 对8.2版本信心很高 有试乘网友表示2026年春节理想自驾可以过个好年 [6] - 软硬一体已确定是2026年行业的一大趋势 [10] - 地平线HSD的成功是近期组织架构调整的部分原因 小鹏VLA2.0已在自研芯片上部署成功 Momenta的自研芯片也已实现交付上车 [8] - 理想汽车在2025年12月布局北美研发中心 [4]

行业交流与信息获取 - 自动驾驶之心公众号建立行业交流群，旨在促进L4级别自动驾驶赛道的信息共享与交流 [1] - 交流群关注的核心方向包括：L4赛道融资动态、技术研发进展、智能驾驶商业化落地情况以及整体行业动态 [1] - 提供明确的入群渠道，需通过添加指定微信助理并按要求备注信息加入 [1]

文章核心观点 - 文章旨在推广“自动驾驶之心知识星球”社区，将其定位为国内首个自动驾驶全栈技术社区，旨在为从业者、研究者和学习者提供一个集技术交流、知识分享、学习路线、求职内推于一体的综合性平台 [22] - 社区核心价值在于通过整合学术界与工业界资源，提供覆盖自动驾驶全技术栈的体系化内容，以降低行业入门壁垒，帮助成员应对技术快速迭代的挑战，并构建行业人脉网络 [5][7][22] 社区规模与目标 - 社区已运营超过三年，目前成员超过4000人，成员背景覆盖国内外顶尖高校（如上海交大、清华大学、CMU、ETH等）和头部公司（如蔚小理、地平线、华为、英伟达、百度等）[7][22] - 社区设定了明确的增长目标，期望在未来2年内将规模扩大到近万人 [7] 内容体系与技术覆盖 - 社区内容以视频、图文、直播、问答等多种形式呈现，并系统化梳理了超过40个自动驾驶技术方向的学习路线与资源 [7][13][23] - 技术内容覆盖极为全面，包括但不限于： - **感知方向**：BEV感知、3D目标检测、多传感器融合、Occupancy Network、鱼眼感知、2D/3D分割、目标跟踪 [14][23][57][59][61][72][78][80][88] - **规控与决策**：规划控制、轨迹预测、强化学习、端到端自动驾驶、世界模型 [14][23][43][47][53][65][67] - **模型与算法**：视觉语言模型、自动驾驶VLA、扩散模型、大模型应用、3DGS与NeRF [14][23][45][49][51][55][90] - **工程与量产**：模型部署优化、CUDA编程、自动驾驶仿真、数据闭环、传感器标定 [14][23][70][74][76][86] - 社区汇总了大量实用资源，包括近60个自动驾驶相关数据集、近40个开源项目、行业主流仿真平台以及各类技术书籍 [23][37][39][41] 特色活动与互动 - 定期举办线上直播分享，目前已累计超过一百场，邀请嘉宾均为来自学术界和工业界的一线专家，分享内容涵盖最新技术进展、量产痛点及行业趋势 [11][94] - 建立了与多家自动驾驶公司的岗位内推机制，可帮助成员简历直达目标公司 [16] - 社区内部设有问答专区，成员可自由提问，问题范围从技术入门、项目实践到职业发展、公司选择，均可获得解答 [2][10][24][26][96] 学习资源与课程 - 为不同阶段的成员提供了阶梯式学习资源，包括面向零基础小白的全栈入门课程，以及面向进阶者的深度产业体系与项目方案 [15][18] - 社区内部拥有专属的系列视频教程，涵盖感知融合、多传感器标定、SLAM、规划预测、数据工程、端到端与大模型等核心领域 [16] - 编制了“自动驾驶100问”系列深度解析文章，针对模型部署、毫米波雷达融合、车道线检测、规划控制、BEV感知、相机标定等具体技术难点进行集中解答 [14]