自动驾驶行业现状与挑战 - 全球自动驾驶行业面临技术奇点与商业回报的平衡难题，当前关注点从"接管率"和"Demo里程数"转向更实际的"每英里成本"(Cost per Mile)指标 [1] - 行业面临40美元成本与2美元收入的严重倒挂问题，商业化路径尚未清晰 [1] - 美国卡车司机平均年龄突破50岁，劳动力缺口导致70%陆地货运面临供给危机 [2][35] Bot Auto的战略定位与技术路径 - 公司定位为"Transportation as a service"，以Cost per mile(CPM)为核心指标重构商业模型 [32] - 放弃传感器军备竞赛，将生成式AI预训练技术引入卡车领域，数据标注成本压缩至传统模式的2% [2][30] - 采用Foundation Model实现多任务(Multi-task)和多模态(Multi-modality)处理，显著降低开发成本 [26][27] - 总部迁至休斯顿货运枢纽，通过实际运营验证技术方案，目标实现比人类司机更低的每英里成本 [2][40] 技术演进与行业趋势 - 自动驾驶技术发展分为三阶段：2016年前传统方法阶段、2016-2022年深度学习普及阶段、2022年后大模型应用阶段 [25][28] - 当前技术瓶颈在于系统下限(Worst Case)性能保障，需综合软件、硬件及交通法规理解 [29] - L4级自动驾驶相比L2更具颠覆性价值，但必须解决成本问题才能实现商业化 [15][16] - 生成式AI推动组织结构变革，预训练技术使数据标注成本下降98% [30][31] 商业模式与市场机会 - 瞄准美国8000亿-1万亿美元货运市场，直接运营无人驾驶车队而非出售技术方案 [36][37] - 通过规模经济破解传统卡车行业"规模不经济"难题，目标2030年前填补司机缺口 [37][38] - 客户核心需求为运输时效性、价格合理性和运力稳定性，而非技术细节 [39] - 计划未来1-2年公开CPM计算方法，推动行业建立健康对标标准 [38] 创始人创业理念 - 坚持第一性原则，从技术可行性(能否做)和商业本质(是否值得做)双重维度评估决策 [12][18] - 选择卡车而非Robotaxi赛道源于高速公路场景规则明确性，且商业化时间更早 [18] - 历史经验表明依附性商业模式(如L2供应商)易被主机厂挤压，必须建立独立价值 [15][23] - 新创业聚焦"珊瑚礁"生态模式，通过基础设施化创造正向外部性而非零和竞争 [41]