深蓝AI . 专注于人工智能、机器人与自动驾驶的学习平台。 来源 | 深蓝AI 原文链接： 纯视觉方案！中山大学&港科大新作：基于3DGS实现高精度轨迹视频生成 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 「 不修图、不依赖 LiDAR 」 以下文章来源于深蓝AI ，作者深蓝学院 在自动驾驶领域， 多轨迹、多视角的视频数据 几乎是刚需。 它不仅决定了 3D 重建的完整性，也直接影响世界模型和规划系统的泛化能力。但现实很骨感： 真实世界里，想采集同一条道路、不同横向位置、严格同步的多条驾驶视频，成本极高。要么多车协同，要么反复跑同一路段，还会带来时间、动态目 标不一致的问题。于是，研究者开始尝试： 能不能只用一条真实驾驶视频，自动"生成"另一条相邻轨迹的视频？ 看似简单，实际却踩了两个大坑： 中山大学与香港科技大学提出了ReCamDriving，一个完全基于视觉、却能精确控制相机轨迹的新轨迹视频生成方法。 不修补、不靠 LiDAR，直接换一种相机控制思路。 标题： ...

文章核心观点 - 文章旨在推广“自动驾驶之心知识星球”社区 该社区定位为国内首个自动驾驶全栈技术交流平台 致力于通过整合行业资源、提供体系化学习内容和促进业界交流 帮助从业者及学习者应对行业高壁垒和内卷挑战 从而推动自动驾驶领域技术进步 [7][21] 社区定位与规模 - 社区是一个集视频、图文、学习路线、问答、求职交流为一体的综合类自动驾驶社区 已运营超过三年 [7] - 社区成员规模已超过4000人 并期望在未来2年内达到近万人的规模 [7] - 社区成员背景多元 来自国内外知名高校实验室（如上海交大、清华大学、CMU、ETH等）及头部公司（如蔚小理、地平线、华为、英伟达、百度等） [21][22] 社区内容与资源体系 - 社区内部梳理了超过40个自动驾驶技术方向的学习路线和资源 [12] - 资源体系涵盖六大模块：行业与高校介绍、基础入门、算法进阶、实战落地、问答系列及原创课程 [14] - 具体技术方向覆盖全面 包括但不限于：BEV感知、3D目标检测、多传感器融合、端到端自动驾驶、VLA（视觉语言动作模型）、世界模型、规划控制、SLAM、自动驾驶仿真等 [14][22][27][29][31] - 汇总了丰富的学习资料 包括近60个自动驾驶相关数据集、近40个开源项目、行业主流仿真平台及各类经典书籍与课程课件 [14][22] 社区特色服务与活动 - 提供原创系列视频教程 涵盖感知融合、多传感器标定、SLAM与高精地图、决策规划、数据工程、端到端及大模型技术等核心领域 [15] - 定期邀请一线学术界与工业界嘉宾进行直播分享 目前已举办超过一百场专业技术直播 内容涉及前沿研究（如VLA、世界模型、3DGS）与量产实践 [10][93] - 建立了与多家自动驾驶公司的岗位内推机制 提供求职咨询和简历直达服务 [15][24] - 社区内部设有问答机制 成员可就技术学习、项目实践、职业发展、行业趋势等问题进行提问并获得解答 [3][23][24][95] 近期动态与热点聚焦 - 社区近期更新了多项行业前沿动态 包括Waymo基座模型、地平线技术生态大会见解、英伟达2025年技术图鉴、理想汽车最新技术信息等 [6] - 对当前热点技术进行了深度梳理与讨论 如自动驾驶VLA、世界模型、端到端方案、3DGS（3D Gaussian Splatting）与NeRF、扩散模型等 [42][44][46][48][50][54]

行业融资与市场前景 - 2025年整个自动驾驶行业融资已超过300亿元人民币，其中L4相关公司的融资活动尤为密集 [2] - 许多公司正在抓紧落地端到端、视觉语言动作模型等核心技术，预计明年将是L4级别自动驾驶技术大规模爆发的一年 [2] 公司融资与估值情况 新石器 - 2025年完成两轮融资：2月下旬完成10亿元人民币C+轮融资，10月23日完成超6亿美元D轮融资 [4] - D轮融资由阿联酋磊石资本领投，是中国自动驾驶领域迄今为止最大的一笔私募融资 [4] - 公司累计融资超62亿元人民币，估值未明确披露 [4] 驭势科技 - 再次向香港联交所递交主板上市申请，独家保荐人为中信证券，估值约73亿元人民币 [6] 小马智行 - 2025年11月在香港交易所完成首次公开募股，募资额达77亿港元，当前市值约530亿港元 [9] 九识智能 - 2025年10月完成B4轮1亿美元融资，由蚂蚁集团领投 [12] 滴滴自动驾驶 - 2025年10月完成D轮20亿元人民币融资 [13] - 公司累计融资超130亿元人民币 [20] 哈啰（造父智能科技） - 2025年6月完成超30亿元人民币融资，由蚂蚁集团、宁德时代等旗下投资主体共同出资 [18] - 公司注册资本12.88亿元，三方首期出资超30亿元 [21] 零一汽车 - 2025年7月完成5亿元人民币A轮融资 [19] 主线科技 - 2025年9月获得数亿元人民币战略融资，并于12月11日向港交所递交招股书，估值约38亿元人民币 [24] 斯年智驾 - 2025年9月完成数亿元人民币B+轮融资 [29] 踏歌智行 - 2025年9月完成超2亿元人民币C+轮融资 [31] 光梭未来 - 2025年7月完成近亿元人民币天使轮融资 [34] 卡尔动力 - 2025年5月完成约3亿元人民币A+轮融资 [34] 西井科技 - 2025年10月完成F+轮融资，具体金额未披露，公司估值约70亿元人民币 [34][38] 白犀牛 - 2025年8月完成B+轮融资，本轮融资总额已接近5亿元人民币 [41] 文远知行 - 2025年11月通过在中国香港首次公开招股筹集23.9亿港元（约合3.08亿美元） [47] 尚元智行 - 2025年10月完成近亿元人民币A轮融资 [51] 星河问途 - 2025年10月完成数千万元人民币的天使轮融资 [55] 公司业务与技术概况 新石器 - 成立于2018年2月，是全球领先的L4级无人城配解决方案提供商，专注城市物流“最后一公里” [4] - 全栈自研L4级无图自动驾驶技术，已交付超1万台无人车，累计行驶里程超5000万公里 [4] - 核心产品为RoboVan系列无人配送车，产品已拓展至阿联酋等国际市场 [4] 驭势科技 - 成立于2016年6月，定位为“做世界的AI司机” [10] - 核心产品包括无人驾驶牵引车、巴士、接驳车、运输车、UiBox无人车等 [10] 九识智能 - 成立于2021年8月，定位为全球RoboVan第一品牌，集自动驾驶研发、生产及物流运营于一体 [15] - L4级自动驾驶全栈自研，已开发5代无人车系列，服务全球300+城市，市占率超90% [15] - 已部署超7000辆无人车，总里程超3500万公里，2025年估值63亿元人民币 [15] 滴滴自动驾驶 - 成立于2016年底，是国内最早L4级自动驾驶研发企业之一，专注Robotaxi领域 [16] - 全栈自研软硬件，主攻无人化与规模化应用，技术目标是打造不局限于固定平台的“虚拟司机” [14] - 已在北上广深等城市开展Robotaxi商业化试点，累计服务乘客超百万 [20] - 2024年与广汽埃安成立合资公司，计划2025年底推出首款前装量产Robotaxi [16] 哈啰（造父智能科技） - 成立于2025年6月，由哈啰、蚂蚁集团、宁德时代联合创立，专注L4级Robotaxi技术研发与商业化 [21] - 与东风启辰、阿里云、地平线、禾赛科技合作开发L4级自动驾驶系统 [21] - 规划在2027年前投放超5万辆Robotaxi，覆盖主要一二线城市 [21] 零一汽车 - 成立于2022年6月，定位为新能源智能重卡科技企业 [22] - 原生端到端自动驾驶软硬件与新能源智能重卡技术全栈自研，拥有300+项专利 [27] - 两款主力电动重卡车型已累计交付近700台，运营总里程超2500万公里，在河南/河北地区复购率达70% [27] - 计划三年内在500个城市部署超1万台无人驾驶卡车，五年内推动L5级自动驾驶 [27] 主线科技 - 成立于2017年3月，是中国首个港口商业化无人运输方案供应商 [28] - 定位为L4级自动驾驶卡车及解决方案提供商，专注物流枢纽与干线场景 [28] 踏歌智行 - 成立于2016年，是国内最早实现L4级无人驾驶商业化落地的企业之一，专注露天矿无人驾驶运输解决方案 [32] - 采用“车-地-云”协同架构，服务国家能源集团、中煤集团等20余家央企，已落地30余个矿山项目 [32] 光梭未来 - 成立于2025年2月11日，定位为智能电动重卡研发商，专注“电智融合”技术 [35] - 商业模式为欧洲市场L4功能定价1万美元，构建“智能电动重卡 + 数字物流平台”生态 [35] 卡尔动力 - 成立于2021年2月，定位为L4级自动驾驶卡车公司，首创“混合智能编队”技术 [36] - 已部署400+台自动驾驶卡车，覆盖10城20客户，累计行驶3500万公里，货运量12亿吨，年化营收5亿元人民币 [36] - 2025年上半年获全国首个自动驾驶货运无人商业化运营资质，率先实现单线路经济模型转正 [36] 西井科技 - 成立于2015年5月，是全球领先的场景化新能源无人驾驶解决方案提供商 [37] - 应用场景包括港口、机场、矿山等，已服务全球18国200+客户，港口场景单车月运量超2500标准箱 [37] 白犀牛 - 成立于2019年4月，定位为L4级无人配送解决方案提供商，专注城市公开道路自动驾驶 [44] - 2023年起深耕快递物流场景，顺丰连续三轮投资 [44] 文远知行 - 成立于2017年，是聚焦L4级自动驾驶的独角兽企业，专注于Robotaxi等服务 [49] - 2025年获得瑞士首张纯无人Robotaxi牌照，累计获得八国无人驾驶牌照 [49] 尚元智行 - 成立于2023年3月8日，专注于滑板底盘和自动驾驶方案研发 [52] - 核心产品为AutoBots智能滑板底盘系列，可适配多种低速无人驾驶场景，并于2025年6月正式启动量产其首款L4级无人观光车Yokee [52] 星河问途 - 成立于2025年7月28日，孵化于追觅科技，团队来自理想、蔚来、华为等公司自动驾驶团队 [57] - 以多模态大模型、世界模型和强化学习等技术为核心，具备端到端智能闭环能力 [57] - 成立仅3个月即获融资，已交付数百辆L4级无人驾驶车辆 [57]

文章核心观点 - 同济大学与UNC联合团队提出一个名为Data-Strategy-Platform的三层生态框架，旨在系统性地解决当前端到端自动驾驶训练中存在的“训练碎片化”问题，该框架整合了超过280篇论文和6家主要车企的工业实践，为端到端自动驾驶从科研走向量产提供了系统级的“训练导航图” [3][4][49] 数据层：从“规模”到“价值”的转型 - 核心逻辑从“规模扩张”转向“价值密度”，聚焦高风险和长尾场景，而非单纯堆砌数据量 [3][8] - 采用混合数据采集策略，结合真实数据锚定核心分布与合成数据填补高价值缺口，例如使用高保真仿真和生成式世界模型生成极端天气等场景数据 [21] - 提出场景价值量化公式，通过风险等级、稀有度和训练收益三个维度对数据进行评分，以优先处理高价值场景 [16][22] - 实施分层标注策略，对高价值场景进行精细人工标注，对普通场景采用自动标注，自动标注速度可达1000帧/小时，准确率不低于92%，通过此方法将总标注成本降低了60% [21][25] - 列举了18个代表性数据集，并指出高价值数据集如Bench2Drive的1.3万场景，比海量低价值数据更能提升模型的闭环性能 [9][34] 策略层：从“传统范式”到“生成式基础模型” - 策略演进脉络涵盖从经典模仿学习、强化学习到新兴生成式范式，强调“基础模型+轻量化适配”的未来路线 [9][28] - 经典模仿学习通过DAgger变体进行优化，强化学习则通过离线RL和约束RL来应对样本低效和安全挑战 [25] - 新兴生成式范式主要包括三大方向：扩散策略、多模态大语言模型和世界模型，它们分别擅长建模驾驶不确定性、提升可解释性与泛化性、以及通过“想象推演”覆盖长尾场景 [24] - 明确了不同场景的最优策略选择：结构化场景用模仿学习，复杂交互用强化学习，长尾场景用生成式模型 [9] - 未来趋势是构建通用驾驶基础模型，具备跨域迁移能力，并通过参数高效微调等轻量化技术适配不同区域 [30] 平台层：支撑大规模闭环训练的工程基础 - 平台层核心是从“静态离线”训练进化为“持续闭环”系统，整合分布式训练、评估与云边协同 [3][8] - 分布式训练平台包含五种并行范式以适应不同模型规模，混合并行是工业实践主流 [28] - 测试评估平台结合高保真仿真与实车测试，评估指标从离线误差转向碰撞率、路线完成率等闭环指标 [31] - 云边协同平台实现了“数据采集→训练→部署”的持续学习闭环，具体流程为车端触发采集高价值数据，云端进行联邦与分布式训练，再通过灰度发布迭代 [29][33] - 整合了Waymo、特斯拉、Cruise、百度Apollo、小鹏、华为ADS共6家车企的工业实践，揭示了“持续训练+灰度发布”是量产关键 [9][35] 工业实践与数据集 - 代表性数据集分为规模型、价值型和混合型，例如规模型数据集nuScenes包含4万剪辑，价值型数据集Bench2Drive包含1.3万高价值场景 [34] - 六大车企实践对比显示，Waymo采用“仿真优先”测试方法，特斯拉依赖车队学习和影子模式实现快速迭代，小鹏和华为则已落地云边协同闭环 [35]

北京大学CoherentGS技术突破 - 北京大学团队推出的CoherentGS技术，仅需3至9张稀疏且模糊的照片，即可重建出高清、连贯的3D场景，有效解决了传统3D高斯splatting对密集、清晰输入图像的依赖问题[5][7] 核心框架与关键技术 - CoherentGS采用“双先验引导”策略，将去模糊与几何补全协同融入3D高斯优化全流程，确保重建结果既清晰又连贯[7][10] - 其核心技术包括四大关键：去模糊先验、扩散先验、一致性引导相机探索以及联合优化[11][12] 去模糊先验技术细节 - 通过物理模糊建模，将模糊图像建模为相机曝光时间内的多帧清晰图像叠加，并优化相机位姿以模拟真实模糊形成过程[15] - 采用感知蒸馏去模糊方法，利用预训练去模糊模型生成清晰伪标签，在特征层面引导3D高斯渲染，以恢复高频细节并避免几何失真[15] 扩散先验技术细节 - 利用扩散模型对3D高斯渲染的图像进行单步去噪引导，通过特征蒸馏损失补全未观测区域的几何结构，并确保补全结构与真实场景一致，避免无中生有[18] - 对比显示，BAD-Gaussians的高斯分布呈碎片化聚类，而CoherentGS的高斯分布全局连贯[17] 智能相机探索与联合优化 - 采用一致性引导的相机探索策略，通过场景自适应归一化与带通选择，智能筛选“可恢复且有价值”的新视角，避免盲目增加视角导致的优化低效或失真[19][21][25] - 在联合优化中引入深度正则化损失，对渲染深度图施加平滑约束，并结合复合损失函数，全面优化以避免稀疏区域的碎片化或漂浮伪影[22][24][26] 性能验证与效果 - 在Deblur-NeRF和DL3DV-BLUR数据集上的定量测试表明，在3至9张稀疏模糊输入下，CoherentGS的PSNR比BAD-Gaussians最高提升2.78 dB，LPIPS降低40%以上[26] - 定性效果显示，CoherentGS能恢复清晰的纹理细节和边缘，在复杂户外场景中也能保持视图一致性，无明显伪影[26][27][29] - 频谱分析证实，CoherentGS恢复的细节真实有效，其频率谱与真实场景高度吻合，保留了自然的高频细节[30][32] 行业影响与未来展望 - CoherentGS标志着3D重建进入“少图模糊也能打”的时代，大幅降低了高质量3D重建对输入素材的门槛[33] - 该技术未来可扩展至散焦模糊、曝光异常等更多真实拍摄场景，应用前景广阔[33]

具身智能，是今年全世界都离不开的技术热词。国外的特斯拉optimus、Figure AI，国内的像宇树、智元、 星海图等等大大小小几百家上千家公司。柱哥和做具身招聘的朋友，现在人才缺口太大了，很多硕士生都 已经被预定。。。自动驾驶行业也有很多小伙伴转行过去，一些业内的高管也相继宣布创业！ 据不完全统计 ，原地平线副总裁余轶南创立维他动力、 原小米汽车产品技术负责人刘方创立阿米奥、前理 想高管贾鹏创立杭州至简动力...... 对于很多在业内卷不上去的同学，柱哥其实是建议看看具身的，这里也推荐我们一直维护的具身智能之心 知识星球 。一年的搭建，社区内已经完成了技术路线分享、直播、问答、求职、赛事等多个版块的分享。 这里实现了产业、学术、求职、问答交流等多个领域的闭环。社区致力于为行业培养更多优秀的人才，提 供更多展示自己的机会。 新人加入优惠已经开启，欢迎新同学扫码加入！ 1）持续的直播分享 社区为大家准备了很多圆桌论坛、直播，从本体、数据到算法，各类各样，逐步为大家分享具身行业究竟 在发生什么？还有哪些问题待解决。 | 一.数据采集 | 六. 分层感知操作 | 11.2. 首个具身 4D 世界模型 EnerVe ...

文章核心观点 - 世界模型并非端到端自动驾驶本身，而是实现端到端自动驾驶的一种途径，当前行业研究主要聚焦于生成和重建两大领域，并广泛应用于闭环仿真以应对Corner Case成本过高的问题 [2] - 行业正经历风格转换，世界模型相关研究呈现爆发式增长，为应对此趋势，推出了聚焦通用世界模型、视频生成、OCC生成等算法的进阶实战课程 [2] 课程内容与结构 - **第一章：世界模型介绍** 涵盖世界模型与端到端自动驾驶的联系、发展历史、应用案例，并介绍纯仿真、仿真+规划、生成传感器输入、生成感知结果等不同流派及其在行业中的应用环节和解决的问题 [5] - **第二章：世界模型的背景知识** 讲解世界模型的基础技术栈，包括场景表征、Transformer、BEV感知等，为后续学习奠定基础，这些内容是当前世界模型求职面试的高频技术关键词 [5][6] - **第三章：通用世界模型探讨** 聚焦通用世界模型及近期热门工作，详细解析李飞飞团队Marble、DeepMind的Genie 3、Meta的JEPA、导航世界模型，以及VLA+世界模型算法DriveVLA-W0和特斯拉ICCV分享的世界模型模拟器等模型的核心技术与设计理念 [6] - **第四章：基于视频生成的世界模型** 聚焦视频生成类世界模型算法，讲解Wayve的GAIA-1 & GAIA-2、上海交大CVR'25的UniScene、商汤的OpenDWM、中科大ICCV'25的InstaDrive等经典与前沿工作，并以商汤开源的OpenDWM进行实战展开 [7] - **第五章：基于OCC的世界模型** 聚焦OCC生成类世界模型算法，讲解三大论文并进行一个项目实战，此类方法可扩展至自车轨迹规划，进而实现端到端自动驾驶 [8] - **第六章：世界模型岗位专题** 基于前五章算法基础，分享工业界应用经验，探讨行业痛点、世界模型需解决的问题，以及相关岗位面试准备与公司关注重点 [9] 课程技术覆盖与学习目标 - **技术覆盖** 课程内容涉及Transformer、视觉Transformer、CLIP、LLaVA、BEV感知、占用网络、扩散模型、闭环仿真、NeRF、3DGS、VAE、GAN、Next Token Prediction等多种生成式模型与关键技术 [11] - **核心算法案例** 课程涵盖清华OccWorld、复旦OccLLaMA、华科ICCV'25的HERMES、西交II-World等具体算法工作 [12] - **学习目标** 学员学完后预期能达到约1年经验的世界模型自动驾驶算法工程师水平，掌握世界模型技术进展，深刻理解BEV感知、多模态大模型等关键技术，能够复现II-World、OpenDWM等主流算法框架，并应用于实际项目设计 [13] 课程安排与面向人群 - **课程安排** 课程于1月1日开课，预计两个半月结课，采用离线视频教学，辅以VIP群答疑及三次线上答疑，答疑服务截止2026年12月31日，各章节按计划从12月10日至次年3月1日逐步解锁 [14][15] - **面向人群** 课程面向具备一定自动驾驶领域基础、熟悉Transformer大模型、扩散模型、BEV感知等基本概念，拥有概率论与线性代数基础，以及Python和PyTorch编程能力的学员，学习需自备算力在4090及以上的GPU [13]

元戎启行近期动态与市场地位 - 公司获得国内头部Tier 1和海外豪华车企的战略投资，背后是带有产业资源的产投资本在重金下注[4] - 国内芯片公司地平线和黑芝麻也寻求与公司在芯片上进行合作[4] - 公司已交付20万辆搭载城市NOA的量产车型[4] - 2025年10月，公司在辅助驾驶城市NOA第三方供应商市场的单月市占率接近40%[4] 城市NOA市场格局与发展拐点 - 产投资本和产业资源加速向优质的城市NOA供应商聚拢，背后是城市NOA普及迎来爆发的拐点，将超越高速NOA成为市场最主流的方案[4] - 2025年全民智驾普及浪潮下，城市NOA定点项目放量，头部智驾公司在手的城市NOA项目订单超过百万辆[4] - 华为、元戎启行、Momenta三家手握的城市NOA项目订单都超过百万辆，市场初步形成三分天下的格局[4] - 2026年，城市NOA将迎来最大一波放量，并正式成为市场最主流的方案[5][6] 元戎启行的增长驱动因素 - 公司进入量产时间晚，但每年城市NOA项目规模都是几倍的增速，是城市NOA领域增速最快的供应商[5] - 增长驱动因素一：吃到了技术红利，公司技术一直瞄准前沿，从无图、端到端到VLA，每年技术路线切换时受到车企青睐[5] - 增长驱动因素二：拿到了几个基石客户，即把大部分车型都交给公司做的车企客户[5] - 基石客户不仅意味着稳定的平台型订单及license收入，更关键的是数据闭环，几十万辆量产的数据闭环价值远高于几万辆[5] - 基石客户是2026年衡量一家智驾公司实力的重要指标[5] 2026年智驾市场关键趋势与挑战 - **市场主流方案更替**：城市NOA超越高速NOA成为市场最主流方案[5] - **放量两大路径**：一是硬件成本下降到几千元水平，可下沉到十多万的车型；二是传统车企油车智驾全面向电车对齐，带来近千万辆增量[6] - **重要规模门槛**：对头部智驾公司而言，城市NOA量产规模过百万辆是一个重要挑战门槛，这关乎市场份额和构建数据壁垒的优势[6] - **技术路线迭代**：2026年技术迭代的一个重要看点是VLA的迭代，将从1到10进入性能指数级增长阶段[6][7] - **供应商的双重挑战**：一方面需做好城市NOA的普及下沉，将端到端降本下沉到更便宜车型；另一方面需做好前沿技术VLA，为未来技术迭代竞争提前卡位[7] - 华为、元戎启行、Momenta将成为率先在城市NOA上量产过百万的供应商[6]

智驾公司A停摆与集团接管 - 智驾独角兽A公司停摆的直接原因是集团B的全面接管，而接管源于公司内部的人事与财务问题[4] - 去年4月，因一名年薪近百万的销售被举报简历造假，引发集团彻查，进而暴露出财务问题，导致公司彻底失去集团信任[4] - 集团随后收回了A公司的公章以及包括审批付款在内的所有权限[4] - 公司负责人乙将事务全权交由外援管理，外援缺乏创业精神、热衷内部斗争，导致公司管理失控，最终不得不配合外援向集团隐瞒实情[5] - 公司在去年11月大裁员后，仅剩余300多位员工，且在通知停工前，全员群已被禁言[4] 新势力车企C供应链管理失误 - 以供应链成本控制著称的新势力C公司，其供应链负责人因在内存涨价潮中未及时备货而被撤职[6] - 此次失误直接触动了老板的雷区，因为公司此前曾因核心零部件备货不足吃过亏，老板早已明确划定红线[6] 新势力车企D智驾团队内斗与技术路线困境 - 车企D的智驾负责人丙离职，导火索是其上任后计划砍掉公司原有的约200人地图团队，触动了相关利益并遭到排挤[7] - 公司长期执着于高端技术定位，认可特斯拉路径，不惜重金投入，曾引入高精地图与激光雷达，智驾团队规模一度达到千人[7] - 然而，有图路线研发坎坷，地图团队消耗大量资源却未取得理想成效，砍掉该团队从效益看更稳妥，但与公司长期技术风格相悖[7] - 即便负责人被挤走，公司仍面临有图方案落地难、拿不出成果的实际困境[7] 物流公司E的L4自动驾驶战略摇摆 - 物流公司E在L4自动驾驶上态度摇摆，近期将L2和L4团队合并，但因底层架构不同，反而造成团队额外消耗[8] - 公司计划投入60人、1.5亿人民币，用一年时间打造“头车有人、后车无人”的开放L4编队demo[8] - 该demo的成败将决定公司后续行动：若成功则用于拉投资，若失败则可能对其控股的自动驾驶公司进行裁员[8] - 公司今年裁员后算法岗社招困难，许多技术背景不错的人因认为其“外行领导内行”而不愿加入[8] 无人车公司F独立融资失败 - 无人车公司F曾计划拆分并独立融资，以约10亿人民币的估值寻求资金，但最终因融资困难而失败[9] - 公司过往运营数据亮眼：日常运营近1000台无人车，累计送货达2000多万件包裹，同期友商送货量不到百万级[9] - 投资人认为其团队缺乏强大战斗力，且组织架构随时可能被集团收回，因此不愿投资[9] - 公司经历多次团队换帅，创始成员大多已转型为机器人、AI领域创业者[9] 主机厂G的创新困境与效率低下 - 主机厂G内部鼓励创新，但执行中演变为“表演式上班”，员工到点不下班也不真正工作[10] - 为追求“创新必须可见”，研发团队在整车散热系统整合项目中，为展示压缩机多功能性而增加第二个冰箱，挤占了后排空间，但用户并不需要[10] - 公司自动驾驶板块拥有四五千人的工程师队伍，但仅跑通两条demo路线，产出寥寥[10] - 有传言称公司手握除华为外业内几乎所有公司的代码，这些代码多由跳槽员工带来[10] 智驾公司H的管理混乱 - H公司实行老板丁的“一言堂”和饭圈式管理，对内靠拉踩友商标榜自身，对外则通过公关手段删除负面评价[11] - 公司高管要么不听号令，要么阳奉阴违，多数处于躺平状态，管理松散，导致600人的公司如一盘散沙[12] - 基层管理者没有决策权，也不了解公司整体规划，核心人才多沦为一线耗材，士气低落[12] - 曾有员工大半年未到岗，但HR和部门负责人均不知情或不闻不问[12] 新势力车企I的内斗与技术掉队 - 车企I的高管甲在公司内大肆挑起内斗，其嫡系感知部门与规控等部门针锋相对，导致严重内耗[13] - 在智驾技术路线选择的关键节点，甲反对公司跟进行业主流的端到端架构，CEO采纳其意见，导致公司错失最佳转型窗口期[13] - 当CEO醒悟时，公司在智驾领域已明显掉队，难以挽回[14] 自驾货运公司J的商业模式困境 - 自驾货运公司J陷入“L2辅助驾驶越做越亏，却不得不硬撑”的困境[15] - 公司为通过L2规模化积累数据，推出高额补贴政策，如按自动驾驶里程补贴运费、“买十赠一”等，初期有效压制了友商[15] - 公司采用租赁运营模式，向客户承诺提供稳定货源以快速抢占市场[15] - 但半年后货源供应问题爆发，无法兑现承诺导致客户退货，大量车辆积压[15] - L2作为辅助驾驶无法有效降低人工成本，反而增加研发与运营投入，导致亏损，但公司为维持“规模化走向L4”的资本叙事只能继续推进[15][16]

自动驾驶领域研究方向与人才需求 - 行业收到大量来自计算机、车辆、自动化和机械方向学生的咨询，显示该领域人才需求旺盛且背景多元 [2] - 对于计算机与自动化背景的学生，行业建议主攻深度学习方向，包括视觉语言模型、端到端自动驾驶和世界模型等前沿领域，这些方向被认为从入门到就业乃至深造均有广阔空间 [2] - 对于机械与车辆工程背景的学生，行业建议可从传统规划与控制、3D高斯泼溅等方向入手，这些方向对算力要求相对较低且更易入门 [2] - 行业指出，新人研究者需要经历大量实践与试错才能形成有价值的创新想法，方法论提升的关键在于广泛阅读论文和积极交流 [2] 前沿与细分技术赛道 - 行业关注的前沿研究方向包括视觉语言模型、端到端自动驾驶、强化学习、3D高斯泼溅和世界模型 [2] - 行业认为开集目标检测、占用网络、小样本/零样本学习等是相对竞争不那么激烈的细分赛道 [2] - 行业提供的论文辅导服务覆盖了广泛的技术方向，包括但不限于端到端、视觉语言模型、世界模型、强化学习、3D目标检测、多传感器融合、3D高斯泼溅、鸟瞰图感知、占用网络、多任务学习、语义分割、轨迹预测、运动规划、扩散模型、流匹配、点云感知、毫米波雷达、单目感知以及车道线/在线高精地图 [3] 学术成果与发表支持服务 - 行业提供的论文辅导服务声称具有很高的中稿率，并已有成果被计算机视觉、人工智能、机器人、自然语言处理等领域的顶级会议和期刊收录，例如CVPR、AAAI、ECCV、CoRL、ICLR、IROS、ICRA、ACL [7] - 服务支持发表的论文级别多样，涵盖自动驾驶顶会/顶刊、中国计算机学会推荐的A/B/C类会议期刊、科学引文索引的一至四区期刊、中科院分区的一至四区期刊、以及工程索引和中文核心期刊 [10] - 服务内容全面，包括论文选题、全流程指导以及实验指导 [6] - 服务范围不仅限于学术论文发表，还扩展至毕业设计论文、申请博士以及竞赛支持 [10] - 服务提供针对不同论文级别的差异化定价 [8]