行业趋势与投资逻辑演变 - 具身智能行业投资逻辑正从追捧单点技术突破转向关注公司的“全能”系统能力，资本越来越关注公司是否能沿着完整路径持续搭建本体、模型、数据、场景之间的系统能力[3] - 2025年全球人形机器人出货量已达1.8万台，技术能力正从“原型验证”迈向“规模可用”[3] - 行业进入落地验证期，共识是具身智能不能靠单点胜出，真实竞争转向“软件与硬件能否形成闭环系统”，软硬一体成为破局之法[5] - IDC指出，2026年中国具身智能市场已进入关键拐点期，未来两三年硬件参数差异将缩小，部件趋于标准化，厂商的软硬系统能力将成为分水岭[5] - 投资逻辑快速从概念高度向场景闭环迁移，投资人开始追问单机成本、真实部署成功率和整机交付数量[20] - 行业正重走自动驾驶曾经历的“算法突破点燃预期-多路线并行竞争-热钱追逐头部叙事-商业化倒逼技术收敛”的路径[20] 公司战略与核心能力 - 公司以“具身智能+X”为战略牵引，提出“1+2+N”战略路线：“1”代表软硬一体、持续进化的能力底座，“2”是人形和四足两条核心产品线，以N个生态触点为延展[6] - 战略核心在于不同产品、场景共享同一技术底盘，形成本体、模型、数据、场景间的稳定咬合关系，构建难以被短期资本投入抹平的护城河[8] - 公司选择自研关键零部件，自主研发了覆盖行星减速、谐波减速以及直线等多种执行器的关节模组，最高爆发力达到525N·m[9] - 公司配套发布灵巧手MagicHand S01，提供11个自由度，特定作业最高负载拉升至20公斤以上[9] - 公司自研具身智能大模型，融合视觉语言理解、任务规划与动作控制能力，已在真实产业场景中得到验证，上下料准确率最高达90%以上[10] - 公司自建数采工厂，打通从数据采集、模型训练、仿真评测、模型部署、应用反馈的完整数据闭环链路[12] 商业化落地与场景验证 - 公司系统能力在工业、商业服务、特种三大类场景中得到检验，目的是增加场景密度，积累真实数据，提升系统复用能力[13][15][17][18] - 在工业场景中，公司的人形机器人Magic Bot Gen1已进入产线上下料、精密检测、货物分拣、搬运和码垛等具体任务[13] - 在商业服务场景中，公司的导览、导购方案已在无锡长三角北斗空间信息数字产业示范园区等多个项目落地，无人门店方案已在无锡机场、恒隆广场等多地常态化上岗[15] - 在特种场景中，公司的四足机器人Magic Dog Y1能替代人力完成探矿、电力巡检等高危环境下的数据采集任务[17][18] - 公司在一批要求严苛的头部关键客户的生产一线部署产品，作为迭代的“磨刀石”，以获取高质量数据和贴近现实的问题集[12] 资本动作与产业整合 - 公司宣布完成新一轮5亿元融资，投资方包括拓普集团、杰创智能、爱仕达等产业资本，以及天空工场创投基金、金雨茂物等[3] - 同时，有一支规模达百亿级的产业生态基金参与，重点面向产业链上下游关键环节展开布局，整体撬动资金规模超过105亿元[3] - 公司选择以资本纽带整合产业链，将百亿级生态基金落子无锡，通过“投资+孵化”的“启明星计划”，将资金投向算法、算力、核心零部件及末端执行工具等上下游环节[21] - 本轮融资投资方名单显示出明显的产业协同诉求，旨在为接下来的规模化量产储备战略弹药[21] - 此次融资与募资双线推进，被视作市场对“完整路径派”的提前下注，押注的是系统闭环能力而非单点能力爆发[21]

文章核心观点 - 2026年是中国智能汽车产业“芯片分水岭”的关键落地年，以蔚来、理想、小鹏为代表的国内造车新势力在芯片自研领域迎来集中收获期，其自研芯片从成本控制、供应链安全和技术协同等维度深刻重塑了产业竞争规则，标志着行业从通用芯片垄断走向多元供给，并进入“算力主权”争夺的下半场 [2][10][29] 蔚来芯片业务发展 - 蔚来芯片自研始于2021年，2024年7月全球首款5nm车规级芯片“神玑NX9031”流片成功，该芯片拥有超过500亿颗晶体管，单颗算力超1000 TOPS，内存带宽达546 GB/s，是英伟达Thor-U的两倍，AI推理延迟小于5ms，BEV算法处理效率达同代通用芯片的3倍以上 [3][5] - 神玑NX9031通过自研ISP和NPU实现架构级优化，截至2025年底累计出货超15万套，为蔚来全系车型带来单车约1万元的降本空间，成为公司2025年四季度首次盈利的关键支撑 [7] - 蔚来还发布了自研激光雷达主控芯片“杨戬”，采用8核64位处理器，将激光雷达功耗降低50%，每台车物料成本节省数百元 [7] - 2025年6月，蔚来拆分芯片业务成立神玑公司，并于2026年2月完成22.57亿元首轮融资，投后估值近百亿，业务模式从自研自用转向“全行业外供”，并已拓展至具身机器人、Robotaxi等非车领域 [7][8][9] - 蔚来芯片与自研整车全域操作系统SkyOS·天枢深度融合，形成“芯片-操作系统-算法”三位一体的全栈整合能力，第二颗智能芯片计划于2026年下半年上车并逐步向外部客户交付 [9] 理想汽车芯片技术路径 - 理想汽车自研的“马赫100”（M100）芯片采用5nm制程，单颗有效算力达1280 TOPS，约为英伟达Thor-U的三倍，两颗芯片总算力达2560 TOPS [10][17] - 该芯片基于理想提出的“端侧大语言模型的软硬协同设计定律”开发，是专为VLA模型定制的“算法原生芯片”，在大语言模型推理上等效2颗英伟达Thor-U，传统视觉任务上等效3颗Thor-U，并将有效算力利用率从Orin-X的30%提升至80% [11][15] - 马赫100芯片将感知-决策-执行全链路响应时间压缩至350ms，计划于2026年二季度随新一代理想L9 Livis版量产交付 [10][17] - 理想通过“软硬协同设计定律”将芯片设计从“黑箱试错”转变为白盒预测，大幅缩短了芯片与算法的协同设计周期，为后续芯片迭代奠定方法论基础 [11][12][16] 小鹏汽车芯片战略 - 小鹏汽车于2024年发布自研“图灵AI芯片”，采用40核DSA架构，单颗算力达750TOPS，等效3颗Orin-X，算力利用率达100%，支持30B参数大模型运行，1颗可实现L3+智驾，2颗可支撑L4级自动驾驶 [18][19] - 图灵芯片采用模块化异构算力布局，具备跨场景复用能力，可应用于人形机器人的运动控制与飞行汽车的感知避障，突破了单车销量对芯片成本的摊销限制 [21] - 2025年5月，图灵芯片随小鹏G7 Ultra量产上车，同年11月获得大众汽车定点，大众2026款电动车将深度绑定小鹏EEA架构，实现“反向合资”与技术输出 [21] - 2026年，小鹏Robotaxi将搭载4颗图灵芯片，总算力达3000TOPS，创下行业纪录 [22] - 小鹏汽车CEO何小鹏认为，未来全球最好的AI公司很可能都会选择定制芯片，因为自研芯片能用同一代技术实现下一代性能提升，这不仅是成本问题，更是能力问题 [22] 车企自研芯片的驱动因素 - **成本控制**：以蔚来为例，2024年采购英伟达Orin-X芯片单车成本达1.1万元，自研神玑芯片后单车降本1万元，2025年17.9万辆销量即贡献近18亿元毛利，对于年销量超百万的车企，自研芯片可节省数十亿元采购支出 [24] - **供应链安全**：英伟达Thor芯片曾出现算力从2000TOPS缩水至700TOPS及多次延期交付的情况，加之复杂的地缘政治关系与芯片出口限制，促使车企追求“算力主权”以保障产品迭代稳定性 [24] - **技术协同**：2025年端到端大模型全面接管城区智驾后，通用芯片在功耗、推理时延方面弊端显现，自研芯片可实现架构级优化，如蔚来神玑的ISP像素处理能力、小鹏图灵的端到端模型适配、理想马赫100的稀疏计算支持，形成差异化优势 [25] 行业影响与未来趋势 - **重塑产业价值链**：中国车企造芯热潮推动形成“设计-制造-封测”的本土生态闭环，使全球智驾芯片市场从英伟达、Mobileye等海外企业垄断走向多元供给，提升了中国汽车产业的全球话语权并倒逼海外企业加速迭代与降价 [25] - **算法与芯片“同位体”趋势**：软硬一体深度协同推动车规芯片从通用计算走向专用计算，未来竞争焦点将转向芯片架构对端到端大模型的适配程度，而非单纯的GPU算力对比 [27] - **供应链权力转移**：车企通过“自研+绑定”模式，从被动接受芯片转为主动设计芯片，甚至向传统Tier1供应商反向输出方案，整车企业因最理解端到端系统需求而掌握供应链主导权 [27] - **应用场景拓展**：车规级芯片凭借高可靠性、高算力、低功耗特性，正评估在具身机器人、低空经济（eVTOL）、AIPC等新兴领域的应用机会，有望成为AGI时代的“通用智能硬件芯片”基础平台，开辟远超汽车市场的增量空间 [27]

MWC 2024展示的核心逻辑 - 公司在MWC 2024上并非进行单点产品展示，而是呈现了一套围绕国产算力底座大模型能力构建的软硬一体链路，旨在串联学习、办公、沟通等高频刚需场景 [3] AI眼镜产品亮点 - 讯飞AI眼镜首次亮相，主打集成多模态同声传译功能，语音与视觉翻译协同工作，面向跨国会议、商务洽谈等跨语言沟通场景 [1] - 产品针对高噪环境（如展会、酒会）采用创新方案：通过摄像头捕捉唇部运动，结合骨传导麦克风采集声音，融合音视频信息以锁定目标讲话人，据称可将语音识别和翻译准确率提升**50%** 以上 [1] - 整机重量为**40克**，相比常见的**50克**以上同类产品轻约**20%** [1] 其他核心硬件产品 - 智能办公本AirNote 2旨在将大模型能力融入确定办公流程，实现会议记录、内容整理、知识沉淀的结构化与可复盘，解决信息碎片化与检索分发的效率问题 [6] - 同传麦克风专注于多人会议场景，通过补齐拾音、降噪、声源定位等“硬功夫”，在复杂声场中实现稳定的跨语言沟通 [6] - AI眼镜、同传麦克风与AirNote 2三者分别对应“随身同传”、“多人同传”与“会后沉淀闭环”，共同构成跨语言沟通与知识生产的完整链路 [6] 底层技术能力：星火大模型 - 公司产品链路的中轴是星火大模型，特别是近期发布的星火X2，其被强调为基于**全国产算力**完成训练的少数通用大模型底座之一 [3] - 星火X2的升级重点在于数学、语言理解、推理、翻译等核心能力增强，并更强调智能体能力与工程化部署效率，这些底层能力决定了终端产品在真实场景中的稳定性与可靠性 [5] - 大模型竞争的关键已不止于回答能力，更在于能否在国产算力约束下构建稳固底座，并将该能力高效部署至各种终端，实现长期稳定运行 [7] 软硬一体的产品方法论 - 公司展示了一种典型的软硬一体方法论：不单纯依赖模型优化，而是通过模型、信号处理、传感器与端侧工程的协同，提升输入可控性，从而在真实世界中实现更可靠的输出（如翻译） [5] - 公司的硬件产品矩阵（包括学习机、办公本、翻译机、耳机等）是将同一套基于国产算力训练的大模型核心能力，模块化后复用于不同终端和流程的结果 [7] - 不同硬件产品对应不同高压场景：教育场景要求输出稳定一致，办公场景要求效率可感知可衡量，沟通场景则强调稳定性与时延，硬件成为大模型能力产品化与持续迭代的压力测试和载体 [7] 完整的商业路径 - 公司通过MWC展品呈现了从国产底座提供统一能力，到软硬一体实现场景落地，再通过产品矩阵支撑规模交付，最终由持续使用反哺底座迭代的完整商业闭环路径 [8]

全球AI应用市场格局 - AI产品榜3月3日数据显示，全球MAU排名前三的AI应用分别为ChatGPT（9.556亿）、豆包（3.1531亿）和千问（2.0269亿）[1] - 千问以552%的MAU增速位居全球第一，国内AI应用市场呈现豆包与千问双雄并立的格局[1] 千问应用的核心数据与增长驱动 - 千问在2024年2月的MAU达到2.0269亿，同比增长552.83%[2] - 增长主要得益于春节期间的“请客活动”，该活动上线买奶茶、外卖、订票等功能，首两日吸引超3000万用户参与，DAU从707万飙升至7352万，增幅达940%[2] - 春节后，千问DAU稳定在约4000万，与豆包的差距大幅缩小[2] - 累计有1.3亿用户通过千问“一句话下单”超2亿次，相当于全国平均每10人中有1人使用[3] 千问的生态战略与硬件布局 - 公司正推进“软硬一体”战略，将AI助手从手机延伸至物理世界[3] - 首款AI硬件“千问AI眼镜”于3月2日开启全渠道预约，3月8日现货发售，该产品全面接入千问App[3] - 眼镜的打车、订酒店等“办事”功能计划在3月底向用户开放[3] - 公司构建的生态网络覆盖2.03亿MAU的C端用户、10亿下载量的全球开发者以及即将铺开的AI硬件矩阵[3] - 行业观点认为，AI时代“软硬一体”更有利于形成“数据飞轮”和构建生态壁垒[3] 其他主要AI应用市场表现 - 排名第四的夸克MAU为1.7042亿，同比增长18.24%[2] - 排名第五的DeepSeek MAU为1.3257亿，同比增长2.26%[2] - 排名第六的Gemini MAU为1.1495亿，同比增长8.23%[2]

品牌战略整合 - 阿里巴巴集团已完成对AI核心品牌的统一，将总称和核心品牌确定为“千问”，此举旨在解决此前多个相似名称导致的混淆问题 [1][2] - 品牌整合后，“千问”作为统一的AI品牌门面，涵盖千问大模型（Qwen）和千问APP，有助于向市场展现更统一的品牌形象 [1][3] - 集团旗下的“通义实验室”组织名称予以保留，将继续承担人工智能核心技术的研究与创新职能 [4] 业务表现与市场入口 - 2026年春节期间，用户在千问APP上通过“一句话下单”功能完成近2亿次下单 [4] - 同期，千问APP的日活跃用户数达到7352万 [4] - 品牌整合被视为应对AI入口争夺战的关键举措，旨在形成更有竞争力的企业生态 [3][4] AI硬件产品发布 - 公司发布了首款AI硬件产品“千问AI眼镜”，包含S1与G1两大系列，并开启线上线下全渠道“0元预约” [2][6] - G1系列官方标价为2899元，在叠加国家补贴及其他优惠后，综合到手价可降至1997元 [2][8] - 该产品将于3月8日在中国市场现货发售，并计划在年内登陆全球市场 [2] AI硬件产品特性与规划 - 千问AI眼镜搭载最新一代千问大模型，支持高精度多模态理解与实时交互，覆盖拍摄、翻译、会议记录、识图识物等生活与办公场景 [6] - 产品将全面接入千问APP，陆续上线点外卖、订酒店、打车等功能，首批功能预计3月底可体验 [7] - G1系列配备双旗舰芯片双系统、五个麦克风阵列加骨传导等硬件，整机重量约40克，设计轻量 [7] - 除AI眼镜外，公司今年还将陆续发布AI指环、AI耳机等产品，并面向全球市场发售 [8] 行业生态战略 - 业内观点认为，AI时代“软硬一体”更有利于实现“数据飞轮”并形成生态壁垒 [8] - 硬件能力能够让模型在端侧更快部署、更好响应，实现芯片、算法和系统的协同优化，克服纯软件方案可能受限于设备性能和系统权限的问题 [8]

行业趋势：AI竞争从软件走向软硬一体 - AI行业竞争焦点正从手机APP的圈地运动，转向“手机APP+多形态硬件”的全方位较量[2][3][8] - 全球AI硬件赛道在2026年开年骤然升温，Meta的Ray-Ban智能眼镜已占据超七成市场份额，年产能目标为2000万副，谷歌、OpenAI等巨头也在积极布局[4] - 2026年中国智能眼镜市场预计将达到450.8万台，同比增长77.7%，其中音频眼镜等“轻量级”产品预计占340多万台[5] - 行业拐点已至，AI与硬件的结合正从概念走向爆发前夜，未来的AI入口将是始终在线、环绕智能的物理存在[4][8] 公司战略：阿里巴巴的“软硬一体”布局 - 阿里巴巴旗下AI助手“千问”计划在2026年世界移动通信大会发布首款AI眼镜，并计划年内推出AI指环、AI耳机等多形态产品，实现从数字世界到物理世界的战略跃升[1] - 公司的核心战略是从APP争夺转向入口争夺，旨在将千问打造为“软硬一体、跨多种终端”的AI助手[1] - 阿里巴巴选择“跳出手机”定义AI新入口，通过眼镜、指环、耳机等设备，让AI从等待被打开的“工具”进化为伴随用户的“环境”[8] 核心优势：生态协同与“强办事”能力 - 千问的核心差异化在于“千问+阿里生态”的组合，其硬件本质是生态服务的延伸，而非单纯的消费电子[9][13] - 春节期间，千问凭借“一句话下单”功能被调用2亿次，日活跃用户飙升至7300万，超1.3亿人首次体验AI购物，累计发出50亿次“千问帮我”指令[1][10] - AI眼镜等硬件能将视觉识别与阿里商业生态瞬时打通，实现“所见即所得”，例如识别餐厅后直接调用高德与支付宝完成预订[12] - 公司具备“强办事”的交付能力，在数字世界已能处理复杂交易，现通过硬件捕捉多模态信息以提升对物理世界场景的理解与执行能力[16][17] - 通过硬件构建数据闭环，用真实世界的交互数据反哺AI，使其更懂物理世界，这构成了相对于仅比拼模型参数的竞争对手的独特优势[18] 未来展望：定义下一代人机交互 - 阿里巴巴通过“多入口”触达和“强办事”交付两张王牌，构建覆盖“云-端-物-服”的完整闭环，掌握了AI下半场的主动权[15][20] - 公司的长期价值不在于单一硬件产品的收入增量，而在于其定义未来十年人与信息、服务交互方式的潜力[21] 1. AI的价值衡量标准正在改变，关键在于介入用户生活、解决实际麻烦的程度，而非单纯占用用户时间，这将建立更坚固的用户粘性[20]

公司战略与产品发布 - 阿里巴巴旗下个人AI助手“千问”进军AI硬件领域 将于2024年面向全球市场推出多款不同形态的AI硬件产品[1] - 公司计划在2024年3月2日至5日的巴塞罗那世界移动通信大会（MWC）上首次参展 并发布首款同名AI眼镜 预计3月2日开启全渠道预约[1] - 除AI眼镜外 公司还将在2024年陆续发布AI指环、AI耳机等产品 并面向全球市场发售[1] - 公司正将“千问”打造为软硬一体、跨多种终端形态的AI助手 旨在跳出手机限制 捕获更多物理世界信息 在复杂场景中理解用户意图[1] - 未来阿里巴巴所有新上市AI眼镜产品将统一以“千问AI眼镜”（Qwen Glasses）品牌面向全球市场 已上市的夸克AI眼镜将同步功能更新并持续享受千问AI服务[1] 产品功能与生态整合 - “千问”APP的点外卖、打车等能力 将在千问AI眼镜等终端设备上实现[1] - 通过“软硬一体”策略 公司旨在实现“数据飞轮”并形成生态壁垒[2] - 硬件能力有助于模型在端侧更快部署和更好响应 实现芯片、算法和系统的协同优化[2] - 硬件端收集的真实场景数据能反哺大模型进化 进一步形成AI能力的“护城河”[2] 行业趋势与竞争格局 - AI时代“软硬一体”更有利于实现“数据飞轮”和形成生态壁垒[2] - 纯软件AI体验可能受限于设备性能和系统权限[2] - 获取硬件入口是阿里、字节等科技公司在升级大模型能力之外的重要战略 旨在抢占入口并构建能力护城河[2]

公司人事变动与战略布局 - 千里科技公告赵明成为公司第六届董事会非独立董事候选人，并计划为其增设联席董事长一职 [2][3] - 赵明与董事长印奇已接触半年多，赵明视AI为“下一个20年事业”，双方将共同打造AI商业闭环 [3] - 公司此前已引入前华为车BU总裁王军和自动驾驶负责人陈奇，分别负责研发、技术板块与芯片硬件平台，赵明加入后技术产品商业化将形成华为系主导格局 [5] - 王军、陈奇与赵明曾在华为3G/4G时代有过合作经验，王军曾是赵明在欧洲市场的技术搭档 [6] 公司商业化战略与目标 - 公司董事长印奇在去年智博会上表示将发力“AI+终端”，目标是未来形成亿级终端规模 [8] - 印奇在2026年初提出，计划用12-15个月孵化“有意思”的AI硬件，以补齐“软硬一体”的拼图 [9] - 手机行业完美符合公司未来商业化的两个锚点：亿级终端和AI赋能 [11] - 赵明履职后，预计将形成印奇主抓AI技术战略、赵明主攻AI商业模式闭环的内部格局 [12] 行业挑战与公司应对策略 - 当前AI行业普遍存在产品化高度单一无法实现差异化，以及智能硬件多数只停留在用AI营销而非解决问题两大问题 [14] - 印奇指出AI行业陷入了“成本与规模死循环”：规模小则成本高，成本高则客户少，客户少则规模永远起不来 [15] - 尽管千里科技已为吉利系提供了30万智驾设备上车，但距离“亿级终端”目标仍很远，成本居高不下 [15] - 当前AI面临的问题与10年前手机市场相似，即高端不走量，低端没利润 [16] 赵明（荣耀）经验的应用前景 - 赵明在手机时代提出了“高端先行，中端走量”战略，例如荣耀在欧洲先以Magic系列树立高端口碑，再用X系列走量，一年内份额从0做到5% [17] - 该战略可复制到千里智驾产品上，例如用L4方案和Robotaxi走高端标杆路线，同时用整车规模摊薄硬件成本，待成本下降后再用中阶方案铺量 [17] - 公司计划推出的AI硬件与手机行业高度相似，手机经验可直接复用 [18] - 赵明做Magic AI手机时不跟风参数竞赛，其逻辑是“端侧AI是个人工具，任务是让用户变强，不是让参数变高”，这与印奇“AI硬件应先想清楚什么AI服务非此硬件不可”的理念相似 [18] - 印奇认为“亿级出货是芯片可持续迭代的门槛”，赵明的荣耀十年经验有望为当前AI赛道注入新活力 [18] 公司内部整合与未来展望 - 赵明被期待能将公司的“技术信仰”翻译成财报，实现“琴瑟和鸣” [19] - 公司面临来自旷视、奔驰、微软、吉利、华为等不同背景人员的团队融合挑战，这可能是当下最要紧的事 [20]

文章核心观点 - 公司通过自研数据流架构芯片（马赫100）实现了远超行业标杆（英伟达Thor U）的有效算力，并认为“自研算法+自研算力”的软硬一体模式是行业未来趋势 [1] - 芯片算力（TOPS）数值与推理模型精度直接相关，精度越低，标称算力越高，但实现低精度推理需要强大的工程能力 [1][2] - 公司通过采用低精度推理模型（如INT8/FP8混合精度）并计划向FP4优化，以“压榨”出英伟达Thor芯片的更高算力，从而提升智能驾驶系统的反应速度 [2][4][6] 关于公司自研芯片与算力优势 - 公司全新L9车型搭载双马赫100芯片，总算力达2560 TOPS，单颗算力为1280 TOPS [1] - 由于采用数据流架构，单颗马赫100芯片在运行VLA大模型时的有效算力是英伟达Thor U的3倍，双芯片配置的有效算力是Thor U的5-6倍 [1] - 数据流架构相比传统GPU架构具有利用率高、功耗低的优势，具体表现为更高帧率、更短反应时间，能在紧急情况下更早感知风险并更快做出避险动作 [1] - 公司自2022年启动自研，判断2025年起行业将进入“自研算法+自研算力”的软硬一体时代 [1] 关于芯片算力与推理精度的关系 - 芯片算力（TOPS）数值随推理模型精度不同而变化，精度越高TOPS越低，精度越低TOPS越高 [1][2] - 更高TOPS能带来更高模型吞吐率，从而降低推理延迟，使系统反应更快 [2] - 实现低精度推理模型非常考验工程能力 [2] - 以英伟达Thor-U芯片为例，在不同精度下算力不同：FP8精度下为700 TOPS，FP16精度下为350 TOPS，FP4精度下可达1400 TOPS [3][4][6] - 特斯拉的FSD同样采用INT8格式进行推理 [5] 关于公司当前技术路径与未来规划 - 公司目前的VLA模型采用INT8与FP8的混合精度推理，在使用英伟达Thor-U芯片时可实现700 TOPS的算力 [2][6] - 公司未来计划将推理精度逐渐向FP4优化，以“压榨”芯片获取更大算力（Thor-U在FP4下可达1400 TOPS） [2][4][6] - 公司采用的英伟达Thor-X芯片在FP8精度下算力为1000 TOPS，在FP4精度下算力可达2000 TOPS [3][4][6]

文章核心观点 - 汽车智能驾驶市场格局已从早期混战进入相对集中阶段，形成以华为、特斯拉为“两超”，Momenta、地平线等为“多强”的竞争局面[1] - 作为第三方供应商的代表，Momenta与地平线虽在各自领域（广度与深度）建立优势，但均面临严峻的商业化与盈利挑战，其困境揭示了第三方智驾赛道商业模式的根本性悖论[3][5][22][27][29] - 两家公司的战略路径（Momenta的广泛联盟与地平线的软硬一体）均伴随显著风险：Momenta陷入规模不经济与数据割裂，地平线则承受着巨大的研发投入压力与市场落地延迟[13][23][24][25][28] 市场格局与竞争态势 - 2025年城市NOA新车销量达267.0万辆，占全年乘用车新车销量2,305.0万辆的11.6%，渗透率从1月的6.7%提升至12月的17.9%[7] - 按供应商口径，华为乾崑智驾以74.5万辆销量和27.9%市场份额位居2025年城市NOA市场第一，Momenta以35.6万辆和13.3%份额排名第二[7][9] - 市场存在不同统计口径，有报告将华为份额切割，仅统计部分品牌，从而凸显Momenta在“第三方供应商”中的领先地位[6][8] - 智能驾驶市场正从“春秋”混战走向“战国”格局，华为（全栈能力）与特斯拉（垂直整合）构成“两超”，Momenta与地平线是重要的第三方“多强”[1] Momenta：广度优势下的挑战 - 公司核心优势在于广泛的客户联盟，截至2025年末已获得超过160款车型的NOA项目定点，客户涵盖奔驰、宝马、丰田、上汽、比亚迪等国内外主流车企[10] - 庞大的定点数量并未有效转化为高质量数据飞轮，因客户需求庞杂、数据协议与回传标准各异，形成了“数据孤岛”，导致算法迭代效率低下[3][10][13] - 公司面临“规模不经济”困境，2023年营收约4亿元，净亏损高达12亿元，亏损额为营收的三倍，因每个定点项目都需要高成本的定制化开发，而部分车型销量平淡难以覆盖成本[23] - 定点项目中混杂大量销量平淡车型，缺乏如问界M7/8/9之于华为的“大单品”基石客户，导致数据回收零散，成本高企[11][23] - 为寻求突破，公司于2025年底推出芯片策略，通过新设实体“新芯航途”研发对标英伟达Orin N的芯片，已获得包括上汽、奇瑞等相关车型定点，意图构建软硬一体能力并切入地平线的硬件腹地[21] 地平线：深度布局下的压力 - 公司在ADAS芯片市场占据领先地位，份额已逼近50%，在城区NOA芯片市场与英伟达、华为共同垄断90%份额[14] - 2025年公司正式推出自研城市NOA系统HSD，意图实现软硬一体，但软件业务起步较晚，面临市场落地挑战[3][14] - HSD首款量产车型于2025年第四季度由长安深蓝L06和奇瑞星途ET5搭载上市，12月两款车型总销量为7,158辆，占当月城市NOA市场份额1.8%，较11月份额0.7%有提升[16] - 公司研发投入巨大，2025年中期业绩显示总收入15.67亿元，研发开支高达23亿元，研发投入收入比近1.5:1，主要源于在芯片与软件两线进行“全栈自研”的豪赌[24][25] - HSD系统在负责人苏箐带领下，为攻克极端场景不惜投入超额资源（例如为1%场景投入30%以上资源），追求极致性能的同时导致研发费用急剧飞升[26] - 公司的开放生态策略是一把双刃剑：通过赋能博世、大陆等Tier1伙伴快速扩大芯片市占率，但上层软件算法与核心数据大多不由公司控制，且面临Momenta等对手在芯片领域的后门竞争[16][21] 行业核心悖论与未来博弈 - 行业面临核心悖论：最顶尖的智力与宏大的战略若无法与商业现实平衡，反而可能将企业拖入深渊[29] - Momenta的困境映射出“开放生态”下纯粹算法供应商的残酷真相：在车企紧握数据主权时，可能永远无法规模化回收数据价值，陷入定制化苦役与盈利无望的循环[28] - 地平线的困境映射出“全栈自研”的生死时速：必须以远超收入的研发投入购买技术高地门票，并在资金耗尽前证明其方案能诞生统治市场的爆款[28] - 两家公司正相互渗透对方腹地：Momenta进军芯片领域，地平线则通过生态联盟（如大众、奇瑞、博世、大陆及合资公司）包抄算法市场，竞争日趋全面与直接[21][29] - 这场关于广度与深度、开放与自主、硬件与软件的极限博弈，正在塑造中国智能驾驶产业的独特韧性与多元未来[30]