RoadAGI战略与概念 - 提出RoadAGI作为实现垂直道路场景AGI的新路径 通过AI Spark平台赋能智能车、机器人等移动体实现自主移动[1][2][8] - RoadAGI本质是基于AI的通勤能力 实现从店铺取货到最终配送的完整闭环 包括识别环境、过闸机、乘电梯等复杂场景[5][6][7][26] - 与传统无人配送存在本质区别：不依赖高精地图 通过视觉语言动作模型(VLA)实现免部署 只要人能到达的地方RoadAGI即可通过自主推理到达[10][27][28] 技术架构与优势 - 核心采用视觉语言动作模型(VLA) 将道路图像信息和文本指示融合处理 输出驾驶行为和文字 打通空间智能、语言智能和行为智能[11][13][14] - 技术底座基于端到端架构 预计2025年年中量产上车 已获得理想汽车等行业头部响应[11][12] - 具备大规模量产数据闭环能力 经过4000万公里智驾数据积累 形成显著技术先发优势[22][55][66] 商业化路径 - 首选落地场景为外卖配送 硬件成本约1-2万元 利用汽车供应链实现低成本规模化[49][57] - 目标替代数千万骑手市场 相比L5级自动驾驶具有更高容错率和更快商业化前景[51][65] - 去年智驾量产车型上市后成为爆款 单款车型获取城区NOA市场15%份额 今年预计交付超过20万台车[20][76] 公司战略定位 - 公司定位为AI公司而非单纯智驾公司 智驾只是实现物理AI的商业化选择[19][69] - RoadAGI是技术能力的自然延伸 与现有智驾业务高度协同 只需更换数据集无需分散兵力[45][47][54] - 目标成为中国第一家实现物理AI的公司 最终通过打通物理AI、生成式AI和语言AI实现真正AGI[81][84][86] 行业竞争格局 - 认为FSD在华基础能力领先国内一代 动态交互博弈能力突出 但受限于数据水土不服[94][95][97] - 激光雷达必要性随AI能力提升而降低 纯视觉方案在OCC网络成熟下可达97分效果 与激光雷达融合增益仅为1-2%[112][113] - 智驾行业已进入淘汰赛 城区NOA当前存在技术门槛但3-5年后或趋于平权 主机厂自研能力提升加速行业洗牌[107][109] 技术发展观点 - 认为选择比努力重要 在技术高速变化期应优先把握架构方向而非单纯解决问题[116][118][119] - VLA模型成熟度尚未完全成熟 但已支撑RoadAGI可行性 后续需持续迭代优化[39][61][62] - 物理AI与具身智能不冲突 公司专注高等级规划与大脑开发 而非底层运动控制[34][43]