核心观点 - 2026年是自动驾驶汽车从测试验证过渡到规模化、人形机器人从实验室实验转向小规模部署的元年 [2][3] - 行业焦点正从技术可行性转向规模化能力与成本控制 [36][37] 类人机器人供应链成形 - 供应商正转向类人机器人供应链，路径类似电驱动总成，提供集成方案与底层零部件 [4][5] - 舍弗勒试图成为主要“肌肉”供应商，提供一体化行星齿轮执行器，扭矩范围60–250 Nm，且回驱能力很低，NEURA已同意使用其执行器 [6] - 现代摩比斯宣布将为波士顿动力Atlas供应执行器，意图借助汽车规模化供应链制造机器人 [7] - 执行器约占物料清单成本的约60% [24] 机载芯片格局 - 类人机器人机载处理器上，英伟达仍占据主导，使用Jetson Orin或Thor的公司包括1X、Agility、Apptronik、波士顿动力、Figure AI等 [8] - 特斯拉与小鹏使用自研推理芯片 [9] - 高通推出面向机器人的下一代全栈架构方案Dragonwing IQ10 Series，但尚未清楚能否获得大规模采用 [10] 技术范式：从脚本走向视觉-语言-动作 - 最显著的范式变化是从预编程/脚本化动作转向视觉-语言-动作模型，让机器人能够“推理”完成任务 [11][12] - 波士顿动力用Google DeepMind Gemini Robotics的VLA模型替代传统模型预测控制，使Atlas能理解非结构化环境 [16] - Figure采用类似的双系统模型：System 1高频快速响应，System 2低频做高层推理与语言 [16] 训练数据：真实世界与仿真的高效闭环 - 行业争论从“仿真 vs 真实谁更好”转为“如何高效闭环” [14][15] - NEURA采取“物理优先”路线，建设大型实体训练中心收集高保真数据，再生成“合成孪生”在仿真中训练 [15] - 有公司通过远程操作收集人类示范数据，再用英伟达GROOT-Mimic在仿真中生成超过10万种动作变体进行训练 [17] - Mobileye强调其Mentee将基本以仿真来训练 [17] 商业化路径：从特定岗位切入 - 短期内，“通用类人机器人”更多会导入具体场景以证明商业可行性 [19] - Keenon Robotics拥有服务机器人全球40%市场份额，海外累计出口约10万台，产品价格从低于1万到约10万人民币，其类人机器人XMAN-R1可执行爆米花、倒饮料等任务 [20] - Deep Robotics聚焦工业巡检，覆盖距离最高63公里，可在危险区域执行24/7自主巡逻监测 [21] 降本驱动：规模是前提 - 降本主驱动归结为上量提升费用摊薄与供应商议价改善 [23] - 有公司称成本已从20万美元降至10万美元，并规划在未来几年降到5万美元，前提是销量达到数千台 [24] - 波士顿动力与现代汽车目标是在2028年实现年产能3万台，其2026年产量已全部提前分配给现代的汽车工厂 [24] - Mobileye披露，若年产量5万台，简化设计的制造成本约2万美元/台；若年产量10万台，成本可降至1万美元/台 [24] Robotaxi商业化加速 - 2026年是Robotaxi商业化加速年，Waymo与Zoox在CES大规模存在是信号 [26][27] - Waymo自成立以来已提供超过1000万次付费乘车，2025年12月达到每周45万次付费乘车，并扩张至休斯顿、迈阿密及东京、伦敦等国际市场 [27] - 亚马逊的Zoox从公开测试走向“可上市产品”展示，主打面向密集城市的无传统驾驶舱“车厢式”Robotaxi [28] - Mobileye与大众将在今年于洛杉矶推出L4级Robotaxi服务 [29] - 基于Lucid Gravity的自动驾驶车辆计划在2026年末于旧金山湾区启动 [29] 英伟达Alpamayo平台降低部署门槛 - 英伟达推出面向自动驾驶的Alpamayo平台与Thor，试图降低车企部署高阶能力的门槛，让车企无需从零投入数十亿美元 [30][31] - 德银指出其训练数据量仅为特斯拉所采集数据的一部分，模型能否覆盖真实世界边界案例仍待观察 [31] - 德银认为特斯拉凭借垂直整合存在结构性成本优势，如果自动驾驶趋于商品化，成本将成为最大分化点 [32] 汽车供应商的跨行业拓展 - Aptiv展示下一代端到端AI驱动的ADAS平台，实现城市复杂环境下的L2++免手驾驶，并推出云原生中间件平台LINC [33][34] - Aptiv强调传感器向航天与协作机器人扩展，以证明“新Aptiv”叙事，争取估值倍数重评 [34] - Visteon发布算力达700 TOPS的SmartCore HPC域控制器，可整合最多14个摄像头 [35][36] - Visteon推出由英伟达DRIVE AGX Orin驱动的插件式AI-ADAS计算模块，已应用于中国极氪车型 [36] - Visteon发布面向7英寸以下屏幕的“Entry Cockpit”，将手机投屏与数字导航带到两轮车与入门车型 [36]

宏观与固收 - 美国12月失业率回落至4.4%，时薪增速反弹，市场对美联储1月降息预期基本打消[1] - 美国12月制造业减员0.8万人，建筑业减员1.1万人，零售业减员2.5万人[1] - 上周债市质押式回购余额为13.0万亿元，债市杠杆率为103.9%[3] - 上周债基新发行份额为112亿元，较前值回升24亿元[5] 银行与资金流向 - 截至2025年11月，中国居民和单位总存款规模达282.5万亿元，其中居民存款163万亿元[7] - 测算2026年将有114万亿元存款到期，其中居民定期存款74万亿元到期[8] - 2026年到期存款中，两年及以上的定期存款规模为44万亿元，其中居民定存为29万亿元[8] - 截至2025年9月末，大资管行业规模达172万亿元，较年初增长14.8万亿元[9] 非银金融 - 预计2025年上市券商扣非净利润为2167亿元，同比增长55%[11] - 2025年日均股基成交额为2.05万亿元，同比+70%；日均两融余额为2.08万亿元，同比+33%[11] - 截至2025年底，非货基金净值为22.7万亿元，较年初增长18%[12] - 截至1月12日，券商板块PB为1.54倍，处于近十年44.6%分位点；25Q3机构持仓仅0.9%[15] 市场与策略展望 - 2025年中证800指数全年涨幅约20%，其中估值贡献约14.51%，盈利贡献约4.51%[22] - 预测2026年中证800在乐观/中性/谨慎场景下的收益率分别为11.45%/8.41%/5.45%[23] - 2025年中证REITs全收益指数累计上涨4.3%，全年“新发+扩募”总发行额473亿元，同比-27%[16][17] - 当前REITs全市场平均P/NAV为1.14倍，处于历史52%分位[19] 产业与政策动态 - 2026年CES热点从消费硬件转向AI基础设施与产业智能，覆盖人工智能、机器人、汽车科技等方向[2] - 公募基金费率改革进入第三阶段，正式稿设定主动偏股型、其他混合型、指数/债券型基金认申购费率上限分别为0.8%、0.5%、0.3%[27][28] - 中央经济工作会议明确2026年坚持“双碳”引领，全国碳市场已纳入发电、水泥、钢铁及铝冶炼行业[33] - 财政部等九部门印发《企业可持续披露准则第1号——气候（试行）》，标志国内气候信息披露转向制度化[35]

行业背景与共识 - “物理AI”已成为AI的下一个主要发展方向，但行业在感知层面仍远未成熟 [1] - 传统感知能力被视为零部件问题，硬件团队需从零构建技术栈，周期长且重复 [1] - 系统化的感知能力已在消费电子领域被攻克并规模化应用，如微软Kinect和苹果FaceID [1] - 根据Grand View Research预测，AI机器人市场规模到2030年将达到1250亿美元 [7] - 麦肯锡数据显示，超过60%的工业企业缺乏自主实施机器人自动化的内部能力，包括传感器集成能力 [7] 公司概况与融资 - 创业公司Lyte由微软Kinect和苹果FaceID技术的核心缔造者创立 [1][2] - 公司旨在为AI打造端到端的感知系统 [2] - 近日，Lyte获得1.07亿美元的早期融资 [1] - 投资方包括Avigdor Willenz、Fidelity、Atreides Management、Exor Ventures、Key1 Capital和Venture Tech Alliance [1] 创始团队与技术渊源 - 联合创始人兼CEO Alexander Shpunt是3D传感公司PrimeSense联合创始人及前CTO [4] - 其团队创造了“光编码技术”，该技术催生了微软Kinect，后者在六十天内售出八百万台 [4] - 2013年PrimeSense被苹果收购，团队将核心技术演进为苹果FaceID，已应用于数十亿台设备 [4] - 团队核心成员还包括主导多代iPhone和Apple Watch Taptic Engine架构设计的CTO Arman Hajati，以及专注于MEMS的工程副总裁Yuval Gerson [6] 核心问题与解决方案 - “物理AI”发展的关键因素是对物理世界的可靠理解，机器人需在复杂动态环境中安全运行 [5] - 传统解决方案是从多家供应商拼凑感知系统，需花费数月校准、编写软件并调试故障 [7] - Lyte以垂直整合技术栈的思路，将传感硬件、定制芯片和感知软件统一到单一平台，解决结构性问题 [7] - 公司提供统一的空间智能平台LyteGalaxy，集传感器、计算单元、软件与算法于一体 [10] 核心技术：相干视觉 - 结构光技术（光编码）的局限在于仅近距离有效，且只能捕捉位置，无法捕捉速度 [7] - 传统传感器通过比较不同帧画面来理解运动，会引入延迟 [8] - Lyte开发了新技术“相干视觉”，通过发射连续信号并测量其返回信号，在同一瞬间同时捕捉位置与速度，无延迟 [9] - 该技术为感知引入了第四个维度——速度，信息由物理层直接获取，无需算法事后计算 [9] 核心产品：LyteVision - LyteVision是一个端到端的感知系统，在2026年CES上荣获机器人技术“最佳创新奖” [12] - 产品将先进的4D传感、RGB成像和运动感知能力集成到单一平台，通过一个连接提供统一的空间与视觉数据 [1][12] - 产品统一了从感知到智能的整条路径，实现传感器与芯片融合，芯片为软件定制，软件为AI计算而生 [12] - 产品经过三大集成阶段：1) 感知：集成4D相干视觉、RGB和IMU的即插即用模块；2) 融合与处理：定制芯片在硬件层面即时处理多传感器融合；3) 理解：连接传感器、芯片、软件与AI计算，整个决策闭环在毫秒间完成 [13] - LyteVision是一个仅有单个连接器的独立模块，能统一输出多个传感器数据，实时捕捉位置与速度，可即刻部署 [13] 产品优势与市场定位 - 公司将感知的复杂性内部消化，提供一个连接智能层的感知层，让“眼睛”与“大脑”直接对话 [14] - 产品让“物理AI”在感知上不再面对发展的限制因素 [15] - LyteVision能够赋能广泛的实体AI平台，包括自主移动机器人、机械臂、四足机器人、自动驾驶出租车和人形机器人 [16] - 端到端是感知系统的下一个趋势，Lyte通过软硬件结合的垂直整合技术，将复杂性内化，为客户提供简单且通用的产品 [18] - 随着物理AI崛起，AI对感知的需求从静止化、单一化向通用化、实时化发展 [17] 行业机遇 - “物理AI”尚处早期，在智能、感知、行动控制等硬件和软件层面都存在很多突破机会 [19] - 行业此前关注赋能智能硬件的AI操作系统、具身智能数据和“世界模型”等缺项，但感知层面也存在革新机会，例如Lyte所做的 [18]

行业趋势与核心观点 - 空间智能是AI发展的核心方向，其价值在于让AI建立对物理世界的理解、预测与主动交互能力，实现从“理解文字”到“交互世界”的跨越 [1][2] - 斯坦福大学教授李飞飞在CES 2026上展示的技术突破，基于少量手机图像快速生成持久存在、可导航且物理一致的三维虚拟世界，揭示了该领域的商业化前景 [1] - 空间智能技术可广泛赋能机器人模拟、游戏开发、智能驾驶等多个领域 [2] - 中国科技企业五一视界已构建全链条物理AI闭环生态，为空间智能的规模化应用提供了成熟范本 [1] 公司技术生态与战略 - 公司长期深耕“物理AI”战略，其技术方向与李飞飞强调的空间智能核心高度相似 [2] - 公司已构建“合成数据-空间智能模型-仿真训练平台”的全链条物理AI闭环生态，在商业化落地中走在行业前列 [2] - 公司的物理AI生态已在智能驾驶、交通枢纽、智慧工厂、智慧能源等多个领域落地标杆案例，将技术价值转化为产业效能 [5] 合成数据能力 - 合成数据的质量与技术路径是空间智能落地的核心基础 [3] - 公司凭借多年数字孪生重建经验，积累了海量高质量3D资产库，并掌握了行业内全面的合成数据技术路径，涵盖物理仿真及图形渲染、3DGS/4DGS辐射场重建、世界模型生成路线，是中国少数掌握全栈路径的企业之一 [3] - 公司生成的合成数据严格遵循真实世界物理规律，光照、材质、碰撞反馈及动态交互均高度还原现实 [3] - 公司合成数据真实率达90%，场景可控性与多感知一致性均实现100%，动力仿真、激光雷达仿真、摄像机仿真的可信度分别高达95%、95%及90% [3] 空间智能模型架构 - 公司在空间智能模型构建上创新性采用3DGS+空间智能模型双引擎架构，定义了空间智能体构建与演进的新范式 [4] - 该架构能创建高保真数字孪生环境，并为智能体打造具备“理解-规划-预测-反馈”能力的强化学习环境 [4] - 公司于2025年8月推出的Clonova空间智能交互平台，具备强大的上下文感知及个性化内容生成能力，能“算空间+知物理”，具备类似人类的逐步推理能力，形成“感知-决策-生成”的自主闭环 [4] 仿真训练平台与落地实践 - 仿真训练平台是空间智能落地的关键载体 [4] - 公司基于海量真实数据构建高置信度仿真环境，实现了从传统图形仿真到数据驱动的跨越 [4] - 通过引入4DGS重建+生成技术，其下一代仿真技术体系让基于真实数据的闭环仿真成为可能，可高效支持智能体的强化学习训练 [4] - 在自动驾驶领域，公司已赋能全球超百家智驾主机厂、Tier1、检测机构、高校及科研院所提供仿真训练闭环解决方案 [4]

公司核心技术与产品 - 高德自研世界模型在国际权威评测基准WorldScore上综合得分位列第一 [1] - 公司推出“飞行街景”功能 依托自研世界模型和“物理AI”技术 实现沉浸式、可交互的线上实景导航与探店体验 [1] - “飞行街景”通过高拟真数字还原技术 可实现连续、动态且近乎真实的体验 用户可沉浸式俯瞰店铺内外部实景并提前体验沿途风景、停车条件等细节 [1] - 该功能旨在跨越线上信息与线下体验之间的鸿沟 让用户在出发前拥有“亲临其境”的感受 [1] - 对商家而言 “飞行街景”大幅降低了数字化展示门槛 提供高效、真实的新型展示方式 [1] - 传统制作一家店的数字实景需专业设备与人员 耗时数日 现在商家只需用手机拍摄一段短视频和几张照片 最快几个小时内就能自动生成实景店铺 [1] 公司市场与生态策略 - 公司同步推出“百万烟火好店支持计划” 将投入价值数亿元的算力资源 面向100万家商家免费开放“飞行街景” [2] - 该计划上线仅48小时 报名预约的商家数就已超过35万家 [2] - “飞行街景”功能已从餐饮延伸至文旅领域 故宫博物院等景点的“飞行街景”相继上线 [3] 产品功能与用户体验 - “飞行街景”为用户提供了一种沉浸式、交互式的线上探索新方式 实现“所见即所得” [2] - 用户可沉浸式俯瞰店铺全貌、在线体验靠窗座位 还能查看停车位情况 [2] - 该功能能带领用户直达深巷中的口碑好店 降低“踩雷”概率 [2] - 环境可视化促使商家更加注重卫生与环境细节 逐步构建更可信的消费场景 实现用户与商家的共赢 [2] - 用户足不出户即可“云游”实景景点 拓展了数字文旅的互动体验 [3] 行业技术与应用定位 - “飞行街景”是“物理AI”在生活服务领域的典型应用 [2] - “物理AI”指让自主系统具备在物理世界中完成感知、理解、推理并能执行或协调复杂动作的能力 简言之是让机器不仅能“看见”和“思考” 更能“动手”和“协作” [2] - 公司首次将世界模型用于普惠生活服务行业 在全球范围内开创了先河 [1]

公司业务与技术 - 公司数字孪生技术主要围绕实景三维、BIM、CIM等多源数据融合的数字孪生场景展开 [1] - 公司正在持续探索相关技术在复杂场景下的落地，紧跟行业发展动态 [1] 行业动态与趋势 - 近期西门子与英伟达合作的数字孪生工厂，在规模化应用中可实现生产效率提升40% [1] - 行业合作案例展示了实现终极“物理AI”的曙光 [1]

中美AI产业发展路径与投资逻辑分化 - 当前中美在AI产业的投资逻辑存在显著差异，美国投资重点集中于通往通用人工智能（AGI）的核心技术领域，如大语言模型（LLM）与GPU等底层硬件及基础模型研发，遵循“拓展律”（Scaling Law）[1][2] - 中国AI发展更聚焦应用层面，通过技术落地触达消费者以构建清晰商业模型，在自动驾驶、机器人、具身智能等细分赛道表现出色[1][2] - 分化根源在于产业基础与发展路径差异：美国受算力投入与模型性能领先优势推动，加码底层算力建设；中国则凭借庞大的AI人才储备与广阔市场空间，从应用端实现突破[3] 美国AI投资现状与趋势 - 美国四大云服务商（微软、亚马逊、谷歌、Meta）在2024年整体服务器支出中，GPU占比约40-55%[6] - 美国GPU资本开支正处于指数增长期，市场预计其2024-2026年复合增长率超50%[8] - 英伟达预测，2028年全球数据中心资本支出将达1万亿美元，其中GPU相关占比超50%[8] 市场焦点从AGI转向物理AI - 此前备受关注的AGI（人工通用智能）概念热度消退，近几个月市场焦点已转向物理AI（Physical AI）[4] - 物理AI属于人工窄智能（ANI），核心应用场景包括机器人、机械臂、自动驾驶车辆等，这些领域与中国当前的产业优势高度契合[4][5] - 物理AI的核心应用场景正是中国当前重点发展的机器人与自动驾驶领域[5] 全球AI产业长期趋同于物理AI - 从长期来看，全球AI产业最终将向物理AI（Physical AI）趋同[1] - 随着时间推移，全球AI产业都将向物理AI领域聚焦，这与全球AI产业从基础研发向实体应用渗透的大趋势相契合[8] - 中国在应用端的先发优势有望在长期竞争中进一步凸显[8] 美国在物理AI领域的投入与布局 - 美国在具身智能领域投入力度扩大，并获得政策战略性扶持，重点开发人形机器人、多模态感知融合、智能工厂、自动驾驶等Physical AI实际应用领域[9] - 科技巨头进行巨额投入：特斯拉已在Optimus人形机器人项目投入超40亿美元，目标2027年商业化；英伟达投入超100亿美元构建Physical AI全栈平台；谷歌旗下DeepMind投入50亿美元用于机器人研发[9] - 市场预计，2025-2026年美国在物理AI领域的总投入将在500亿美元以上[9]

核心观点 - 2026年被视为AI大规模进军物理世界的开端，自动驾驶汽车将从测试验证过渡到规模化，人形机器人将从实验室实验转向小规模部署 [1] - 行业焦点正从技术可行性转向规模化能力与成本控制，供应链绑定、产能爬坡与单位成本曲线成为下一阶段关键跟踪指标 [13][14] 自动驾驶 (Robotaxi) 发展态势 - **商业化加速**：2026年被视为自动驾驶商业化加速年，随着特斯拉2025年推出Robotaxi，多家玩家商业化动能增强 [10] - **运营数据验证**：Waymo自成立以来已提供超过1000万次付费乘车，并在2025年12月达到每周45万次付费乘车的节奏，业务已扩张至休斯敦、迈阿密及东京、伦敦等国际市场 [14][15] - **主要玩家动态**： - Waymo与Zoox在CES上大规模存在，显示行业动能强劲 [10] - Mobileye与大众计划在洛杉矶推出基于ID. Buzz的L4级Robotaxi服务 [15] - 由Nuro、Lucid、Uber共同推进的基于Lucid Gravity的自动驾驶车辆计划于2026年末在旧金山湾区启动 [15] - 亚马逊Zoox展示面向密集城市的无传统驾驶舱“车厢式”Robotaxi [15] 人形机器人发展态势 - **发展阶段**：行业正从实验室实验转向小规模部署 [1] - **商业化路径**：短期内，“通用类人机器人”将优先导入具体场景以证明商业可行性，而非直接进入家庭 [8] - **成本下降路径**：降本主要驱动力为规模上量带来的费用摊薄和供应商议价改善 [9] - 有公司称机器人成本已从20万美元降至10万美元，并规划在未来几年降至5万美元，前提是销量达到数千台 [10] - Mobileye披露，在收购Mentee背景下，若年产量达5万台，简化设计的制造成本约为2万美元/台；若年产量达10万台，成本可降至1万美元/台，目标是在2028年实现产能爬坡 [10] - **产能规划**：波士顿动力与现代汽车宣布目标是在2028年实现年产能3万台，且其2026年产量已全部提前分配给现代的汽车工厂 [10] 供应链与关键部件 - **供应链成形**：人形机器人领域正在培育全新的供应链，供应商正试图向该领域转型，路径类似电驱动总成 [1][4] - **执行器成为关键**：执行器被视为机器人的“肌肉”入口，约占波士顿动力机器人物料成本（BoM）的60% [1][10] - 舍弗勒展示一体化行星齿轮执行器，扭矩范围60–250 Nm，且回驱能力低，适合连续工况，已获NEURA采用 [4] - 现代摩比斯将为波士顿动力Atlas供应执行器，意图借助汽车规模化供应链来制造机器人 [4] - **芯片格局**：在机器人机载处理器上，英伟达凭借Jetson Orin或Thor平台仍占据主导，客户包括1X、Agility、Figure AI等众多公司 [3] - 特斯拉与小鹏使用自研推理芯片 [5] - 高通推出面向机器人的下一代全栈架构方案Dragonwing IQ10 Series，但尚未清楚能否获得大规模采用 [5] 技术范式与模型演进 - **从脚本走向Agentic**：最显著的范式变化是从预编程动作转向视觉-语言-动作模型，让机器人能够“推理”完成任务 [3] - Boston Dynamics用Google DeepMind的Gemini Robotics VLA模型替代传统模型预测控制，使Atlas能理解非结构化环境 [3] - **训练数据闭环**：行业争论焦点从“仿真 vs 真实”转为“如何高效实现真实世界数据与仿真的闭环” [7] - NEURA采取“物理优先”路线，建设大型实体训练中心收集高保真数据，再生成“合成孪生”在仿真中训练 [10] - 有公司通过远程操作收集人类示范数据，再用仿真生成超过10万种动作变体进行强化学习 [10] - Mobileye强调其Mentee将基本以仿真来训练 [10] 主要公司产品与战略 - **英伟达**：推出面向自动驾驶的Alpamayo（“大脑”）与Thor（“头骨”）组合方案，旨在降低车企部署高阶能力的门槛 [11] - **Aptiv**：展示下一代端到端AI驱动的ADAS平台，并推出云原生中间件平台LINC，旨在实现软件定义车辆，其传感器技术正向航天与协作机器人领域扩展 [12] - **Visteon**：发布算力达700 TOPS的SmartCore HPC域控制器，并推出插件式AI-ADAS计算模块，方便车企为存量平台升级功能，该产品已应用于中国极氪车型 [13] - **Keenon Robotics**：其服务机器人占据全球40%市场份额，海外累计出口约10万台，产品价格从低于1万到约10万元人民币 [10] - 旗舰类人机器人XMAN-R1可执行爆米花、倒饮料等任务，其VLA模型面向服务业 [10] - 在日本等高人工成本市场，其机器人使用寿命达8年，高于行业常见的3–5年 [10] - **Deep Robotics**：聚焦工业巡检，机器人最高覆盖距离63km，可在危险区域执行24/7自主巡逻，并采用可更换电池设计 [10]

公司概况与产品 - 公司“深庭纪”在CES 2026上展示了一款名为Rovar X3的户外陪伴机器人，其采用双轮足构型，重15公斤，高40厘米，带有显示屏，能抱球行进、穿越不同地面并与观众互动[1] - 该机器人主打户外陪伴，目前尚未正式发售，但未来定价将低于5000美元，旨在击穿美国市场对机器人品类的价格预期[2] - 创始人王弢拥有斯坦福深度学习和视觉感知博士学位，曾与吴恩达联合创办自动驾驶公司Drive AI，该公司于2019年被苹果收购，此后他加入小鹏汽车从0到1搭建了视觉感知团队，于2024年离开并投身机器人创业[4] 产品定位与设计理念 - 产品定位为“最有机会进入家庭的物理AI MVP”，从户外场景切入，并向家庭场景蜿蜒进发，旨在解决硅谷人士在户外徒步等活动中寻求“户外搭子”的真实需求[6] - 设计理念强调通过现实世界的物理互动建立情感连接，而非仅依赖对话，灵感来源于公司内部饲养的小狗与员工在草坪上互动建立链接的观察[9] - 产品定义了三大主要用途：1) 作为“户外搭子”，通过视觉识别主人生物特征并跟随、驮重物；2) 帮忙照看小孩，进行躲猫猫、捡球、踢球等互动；3) 充当手机或全景相机的拍摄支架[7] 技术路径与数据策略 - 技术路径借鉴特斯拉在自动驾驶领域的“数据飞轮”方法论，认为机器人智能体需在多样化、贴近最终场景（家庭）的环境中收集数据才能持续变强，而非局限于高度标准化的工厂等垂域[13][25][26] - 公司认为户外陪伴场景是天然更贴近家庭的选项，两者数据诉求基本一致，计划通过户外产品获取用户信任后，逐步引导机器人走入庭院和家庭，收集用户在后院清理杂草、树叶等多样化数据以反哺模型训练[13][32][33] - 机器人采用纯视觉解决方案进行社交导航和主人识别，技术挑战在于在非铺装路面上避障、持续识别主人，并平衡户外场景下的续航、重量和地形通过性[48] - 公司提出了端侧“慢脑+快脑”AI架构，其中“慢脑”负责环境识别、用户偏好理解等需深入思考的任务，“快脑”负责对“快回来”等指令或踢球等互动做出实时响应，二者并行运行并交互[49][50][51] 市场策略与竞争优势 - 目标用户被归纳为“硅谷老男孩”，具体包括时间稀缺的企业主和高管、对审美有高要求的创意工作者、以及医生律师等高收入专业人士，他们共同特点是愿意为高质量体验付费并关心产品能否融入生活[41] - 公司认为陪伴机器人赛道的产品形态尚未收敛，核心竞争力在于持续的用户洞察和领先竞品一代的技术认知，团队凭借在美国多年的生活经验，在文化场景理解上具有优势[52][53] - 通过将产品价格定在5000美元以下，公司旨在挑战波士顿动力7.5万美元四足机器人的市场定价，击穿美国消费者的价格预期[2][57][58] 行业发展与公司规划 - 陪伴型机器人近年密集爆发，背后推动因素包括物理AI概念带动、自动驾驶AI能力溢出以及硬件成本持续下降至有望进入家庭[56][57] - 公司近期完成了由蓝驰创投领投、粒子未来基金跟投的亿元天使轮融资[14] - 在公司规划中，2026年、2027年是探索MVP、寻找早期种子用户和杀手级应用的阶段，创始人认为具身智能是一个十年的赛道，目前类似自动驾驶在2012-2013年的阶段，一旦跨过种子用户与大众用户之间的鸿沟，作为新品类的定义者将收获巨大红利[59][61][62][63]

公司技术突破与产品创新 - 高德自研世界模型在国际权威评测基准WorldScore上综合得分位列第一 [1] - 公司推出“飞行街景”功能，依托自研世界模型，通过“物理AI”实现沉浸式、可交互的线上探店与实景导航体验 [1] - “飞行街景”利用高拟真数字还原技术，提供连续、动态且几乎真实的体验，用户可沉浸式俯瞰店铺内外部实景并提前体验沿途风景、停车条件及餐厅包厢环境等细节 [1] 产品价值与市场策略 - “飞行街景”旨在跨越线上信息与线下体验的鸿沟，让用户在出发前获得“亲临其境”的感受 [1] - 该功能为商家提供了高效、真实的新型数字化展示方式，大幅降低展示门槛 [1] - 公司推出“百万烟火好店支持计划”，将投入价值数亿元的算力资源，面向100万家商家免费开放“飞行街景” [2] - 该计划上线仅48小时，报名预约的商家数就已超过35万家 [2] 技术实现与行业影响 - “飞行街景”是“物理AI”在生活服务领域的典型应用 [2] - “物理AI”使自主系统具备在物理世界中感知、理解、推理并执行或协调复杂动作的能力 [2] - 传统制作一家店的数字实景需专业设备与人员，耗时数日，现在商家仅需用手机拍摄一段短视频和几张照片，最快几个小时内就能自动生成实景店铺 [1] 用户体验与场景拓展 - “飞行街景”为用户提供沉浸式、交互式的线上探索新方式，实现“所见即所得” [2] - 功能可帮助用户沉浸式俯瞰店铺全貌、在线体验靠窗座位、查看停车位情况，并直达深巷中的口碑好店，降低“踩雷”概率 [2] - 环境可视化促使商家更加注重卫生与环境细节，逐步构建更可信的消费场景 [2] - “飞行街景”已从餐饮延伸至文旅领域，故宫博物院等景点的“飞行街景”已上线，用户可足不出户“云游”实景 [3]