核心观点 - 高盛重申对特斯拉的中性评级 目标股价为400美元 公司自动驾驶技术取得进展 但面临竞争和执行风险 [1] - 特斯拉在奥斯汀开始无安全员的Robotaxi测试 这是其自动驾驶技术发展的重大一步 [2] - 自动驾驶技术（包括FSD和Robotaxi）预计将成为特斯拉增长的关键驱动力 [5] 公司进展与计划 - 特斯拉已开始在奥斯汀进行无安全监控员的Robotaxi试乘测试 [2] - 此次测试符合公司先前宣布的计划 即在年底前在8-10个大都市区域推出搭载Robotaxi技术的叫车服务 并计划在年底前于奥斯汀撤出安全员 [3] - 移除安全员进行测试是特斯拉在自动驾驶技术方面迈出的重大一步 [4] 分析师观点与关注点 - 高盛分析师指出 投资者将关注公司无人驾驶业务扩张的速度以及该服务的盈利能力 [4] - 分析师认为特斯拉在面向消费者的自动驾驶软件（即FSD）方面也取得了进展 [5] - 尽管自动驾驶是增长关键驱动力 但竞争将制约其盈利能力的提升水平 [5] 公司背景 - 特斯拉是一家汽车和清洁能源公司 在其自动驾驶技术和机器人计划中应用了先进的人工智能 [5]

核心观点 - 投资者加里·布莱克对特斯拉的商业模式和技术前景表示赞赏，但对其当前估值和财务表现持谨慎态度[2][3] - 市场对特斯拉Robotaxi服务的实际规模与运营能力存在质疑，同时其自动驾驶出租车业务面临来自Waymo的激烈竞争[4][5] - 特斯拉股价在年末出现上涨，部分原因可能与公司对年底实现自动驾驶的承诺有关[3] 投资者观点 - 投资者认为特斯拉是“全球盈利能力最强的电动汽车商业模式”，并看好其明年Optimus人形机器人投产、扩展的自动驾驶技术以及CEO的承诺[2] - 投资者不喜欢特斯拉的估值，其市盈率高达220倍，而长期远期每股收益增长率为+35%，且盈利预期正在下调[3] - 投资者认为，移除安全监控员是公司的一个催化剂，这标志着技术已准备就绪，并指出专注于技术而非财务的思维模式会带来麻烦[3] 自动驾驶与Robotaxi业务现状 - 对特斯拉在奥斯汀的Robotaxi服务的规模和范围存在质疑，一项由工程学生发布的追踪器显示，该服务超过60%的时间处于不可用状态[4] - 追踪器识别出车队中超过32辆车，这远低于马斯克此前为该服务设定的1000辆Robotaxi的目标[4] - 竞争对手Alphabet旗下的Waymo在自动驾驶出租车领域处于领先地位，截至2025年已累计提供超过1400万次付费Robotaxi乘车服务[5] - 在奥斯汀发现了一辆Cybercab原型车，但尚不清楚其是由人类驾驶还是特斯拉无人监督自动驾驶测试的一部分[5] 市场表现与数据 - 特斯拉在动量（Momentum）和质量（Quality）指标上表现良好，但在价值（Value）指标上表现不佳，其短期、中期和长期价格趋势均有利[6] - 根据行情数据，特斯拉股价在盘后交易时段下跌0.11%，收于485.03美元[6]

事件概述 - 2025年12月20日 旧金山发生停电事故 导致Waymo暂停其无人驾驶出租车服务[1] - 停电始于周六下午早些时候 约两小时后达到高峰 影响了约130,000名客户 截至周日早上仍有约21,000名客户断电[2] - 停电原因是变电站火灾导致“重大且广泛”的损坏[2] 事件影响与公司应对 - 交通信号灯失灵导致城市出现大范围交通拥堵 社交媒体视频显示多辆Waymo车辆滞留在不同社区[3] - 公司指示车队靠边并适当停车 以便分批次将车辆召回仓库 以避免加剧拥堵或阻碍紧急救援车辆[3] - 旧金山市长部署了警察、消防队、停车管理人员和城市大使到受影响社区[3] 公司后续改进措施 - 公司正在分析此次事件 并采取三项“立即措施”[4] - 第一 进行“全车队更新” 让车辆获得“更多关于区域停电的上下文信息” 以便在十字路口采取更果断的行动[4] - 第二 改进“应急响应协议” 并与旧金山市长团队协调 以加强应急准备合作[4] - 第三 更新其急救人员培训 将从此次及其他广泛事件中吸取的经验教训纳入其中[4] 公司业务与运营数据 - 除湾区外 Waymo目前在德克萨斯州奥斯汀及周边、凤凰城、亚特兰大和洛杉矶提供付费乘车服务[4] - 公司近期每周付费乘车次数估计已超过450,000次 并在2025年12月表示 2025年已完成1400万次出行 自2020年推出以来 预计全年总出行次数将超过2000万次[4] - 公司拥有超过1亿英里的完全自动驾驶经验 并致力于提高道路安全[5]

事件概述 - 亚马逊旗下自动驾驶公司Zoox于周二发布了一项自愿软件召回 涉及332辆汽车 原因是其自动驾驶系统可能导致车辆在交叉口附近越过中心车道线或阻塞人行横道 [1] 问题详情与发现过程 - 问题最初于8月26日被发现 当时一辆Zoox自动驾驶出租车在右转时转弯过宽 部分驶入对向车道 并短暂停在了迎面而来的车流前 [4] - 公司随后监控数据 在8月26日至12月5日期间 共识别出62起在交叉口附近越过车道线的实例 [5] - 尽管未发生任何碰撞事故 但公司承认此问题可能增加碰撞风险 [2] - 公司解释称 其车辆的一些操作虽在人类驾驶中常见 但未达到其内部标准 例如 为避免在红灯时阻塞特定交叉口 车辆可能停在人行横道上 或在其他情况下因转弯过晚导致转弯过宽 [3] 公司应对措施 - 公司已于11月7日和12月中旬两次更新软件 以解决所有相关问题 [5] - 公司表示已成功部署针对性的软件改进以解决根本原因 并出于透明度和安全的考虑提交了此次自愿召回 [6] - 此次软件召回涉及3月13日至12月18日期间在公共道路上运营的Zoox车辆 [6] 历史召回记录 - 今年Zoox已发布多次软件召回 包括3月的一次召回 旨在解决意外急刹车问题 该召回是在NHTSA收到两起摩托车手追尾Zoox车辆的报告后启动初步调查后进行的 [7] - 5月 Zoox提交了两次软件召回 以解决系统在预测其他道路使用者移动能力方面的担忧 [7] 业务运营 - Zoox在旧金山和拉斯维加斯的部分地区向公众提供免费的无人驾驶出租车服务 [2]

行业概览与市场前景 - 自动驾驶汽车的发展正进入关键阶段 多家公司投入数十亿美元进行创新并争夺主导地位 无论是通过合作还是内部开发 大规模部署机器人出租车的竞赛将重塑交通行业[1] - 自动驾驶技术正快速成熟 全球自动驾驶市场预计将从2021年约1060亿美元增长至2030年超过2.3万亿美元[8] - 自动驾驶汽车的优势包括提升道路安全、提高效率与便利性、增加出行可及性以及降低交通成本和环境影响 这些因素共同使其成为变革性力量[3][4][5][6] 主要参与公司及进展 - 百度是机器人出租车领域的关键参与者 其Apollo Go服务已在超过20个城市提供完全无人驾驶的机器人出租车运营 并正在向迪拜和瑞士等国际市场拓展[11][13][14] - Alphabet旗下Waymo是美国市场的主要力量 每周付费出行已超过45万次 并在多个美国城市开展商业运营 包括在高速公路上运行完全无人驾驶的车辆[11][15][16] - 优步采用轻资产战略 通过战略合作伙伴关系整合前沿自动驾驶技术 利用其庞大的网约车网络和市场份额优势 专注于在郊区和低密度市场拓展自动驾驶服务[11][17][18][19] 公司财务与市场表现 - 百度2026年每股收益的共识预期显示同比增长16.8%[14] - Alphabet 2026年每股收益的共识预期显示同比增长4.1%[16] - 优步2026年每股收益的共识预期在过去60天内被上调了2.6%[19] - 百度、Alphabet和优步这三只股票在过去一年的表现均优于其所在板块[9]

2025年特斯拉与Rivian股价表现与市场关注点 - 特斯拉股价在2025年经历波动后整体上涨约21%，主要受其机器人出租车计划、人工智能集成及长期机器人雄心推动，股价于昨日创下历史新高 [2] - Rivian股价在2025年表现更强，年内迄今上涨约63%，同样于昨日创下52周新高，其近期举办的“自动驾驶与人工智能日”活动提振了投资者兴趣 [3] - 两家公司目前股价均接近一年高点，其围绕人工智能、自动驾驶和下一代技术的宏大愿景引发了市场对两者在2026年风险回报状况的比较 [4] 特斯拉核心业务现状与挑战 - 特斯拉在电动汽车市场的地位面临挑战，2024年首次出现年度交付量下滑，2025年第一和第二季度交付量各下降约13% [6] - 尽管第三季度因消费者抢在7500美元联邦电动汽车税收抵免到期前购车而获得暂时喘息，但预计第四季度交付量将因激励政策退出及中国电动汽车制造商的激烈竞争而下降 [6] - 公司管理层已警告，汽车毛利率将继续承受降价和成本上升的压力 [6] 特斯拉增长引擎：能源业务与未来技术 - 特斯拉的能源发电与储能业务正呈现强劲增长轨迹，主要得益于其Megapack和Powerwall产品的强劲市场反响，该部门是公司利润率最高的业务 [7] - 过去三年，特斯拉的储能部署量以180%的复合年增长率激增，且预计将继续保持上升轨迹 [8] - 首席执行官埃隆·马斯克将全自动驾驶和机器人出租车视为特斯拉未来最有价值的板块，其机器人出租车服务于6月启动，目前已在奥斯汀和旧金山运营，并计划扩展至更多城市 [9] - 特斯拉已开始测试无安全监控员的无人驾驶机器人出租车，这是一个重要里程碑，公司还宣布将在车载系统中集成AI聊天机器人Grok，其人形机器人项目Optimus被视为长期增长驱动力 [10] - 市场共识预期显示，特斯拉2026年的收入和收益预计将比2025年预期水平分别增长12%和43% [11] Rivian面临的挑战与战略布局 - Rivian同样承受着销售放缓的压力，在美国总统特朗普的不友好电动汽车政策下，公司预计2025年交付量为41,500至43,500辆，低于2024年的51,579辆，且指引范围较此前收窄 [12] - 公司正将未来押注于即将推出的R2和R3车型，以瞄准更具价格意识的消费者，其中型SUV R2计划于2026年上半年推出，起售价约为45,000美元，显著低于高端的R1系列 [13] - 大众汽车与Rivian的合作是一大助推力，大众承诺到2027年向Rivian及其合资公司投资高达58亿美元，合作重点是从R2车型开始开发下一代电气架构和软件 [13] Rivian的技术整合与自动驾驶目标 - Rivian正在推动更多技术内部化以提升性能并降低长期成本，在其“自动驾驶与人工智能日”上发布了自研的RAP1芯片和新的自动驾驶计算机 [14] - 公司还推出了AI驱动的“Rivian助手”语音界面，并计划通过近期软件更新带来“通用免提”功能，承诺在北美超过350万英里的道路上实现免提驾驶 [14] - Rivian决定在未来车型中集成激光雷达，结合定制芯片和新的自动驾驶计算机，目标是逐步实现L4级自动驾驶能力 [15] - 市场共识预期显示，Rivian 2026年的营收和利润预计将比2025年预期水平分别改善25%和11% [15] 行业趋势与公司长期定位 - 展望2026年，特斯拉和Rivian都将自身定位为超越电动汽车制造商的科技公司，严重依赖自动驾驶、人工智能和软件驱动的增长 [16] - 然而，短期内行业背景对两者都充满挑战，电动汽车需求放缓、激励措施消退以及来自中国等地的竞争正在加剧 [16] - Rivian的长期愿景引人注目，但其仍远未实现盈利，在加大研发、自动驾驶开发和制造准备的过程中持续消耗现金，盈亏平衡点尚不明确 [17] - 特斯拉虽然面临挑战，但提供了一个更成熟的平台，其核心电动汽车业务承压，但储能业务增长、机器人出租车进展以及不断扩展的人工智能和机器人雄心提供了多个潜在催化剂 [18] - 特斯拉的故事具有高风险、高回报特性，但同时拥有规模优势、现金生成能力以及更清晰的货币化路径 [19]

股价表现与估值驱动因素 - 特斯拉股价交易接近历史高点 盘中一度触及498美元 收盘高点约为489美元[1] - 当前股价驱动因素主要是叙事而非基本面 市场对人工智能叙事给予高溢价[2][5] - 股票估值极高 交易价格超过明年预期收益的200倍[3] 核心业务叙事与未来方向 - 汽车业务已成为“昨日旧闻” 市场关注焦点转向机器人出租车和仿人机器人[3] - 公司被市场视为人工智能的受益者 机器人出租车和仿人机器人领域存在巨大的总可寻址市场机会[5] - 实现这些机会面临挑战 机器人出租车规模化运营仍有很长的路要走 仿人机器人仍处于概念完善阶段[6] 管理层与品牌影响 - 公司股东大会和薪酬方案旨在确保埃隆·马斯克专注于特斯拉的未来 其近期对公司事务的参与度相对提升[7] - 尽管存在品牌受损的担忧 但预期中因政治关联导致的消费者抵制并未大规模发生[8] - 欧洲市场销量面临压力 11月份销量同比下降12% 品牌受损是欧洲市场的主要故事[9] 各区域市场销售动态 - 美国市场的政府补贴已于9月到期 目前正经历后续影响[9] - 中国市场是一个非常竞争激烈的市场[10] - 多重因素导致公司今年销量将出现两位数百分比的下滑 这是特斯拉未曾经历过的销量降幅[10][11] 未来增长关键 - 关键部分在于重新设定销量预期基准[11] - 在美国市场 公司需要展示消费者可以购买具备完全自动驾驶能力的车辆 FSD是否将成为车辆的“杀手级应用”是核心问题[11]

核心观点 - Innoviz Technologies Ltd 作为一级供应商 正式发布其最新高性能车规级激光雷达产品InnovizThree 该产品在尺寸 功耗和成本上相比前代产品有显著优化 旨在为汽车制造商提供经济可行且可扩展的高性能激光雷达解决方案 [1][2] 产品发布与定位 - 新产品命名为InnovizThree 是公司激光雷达技术的重大演进 专为挡风玻璃后和车顶安装集成而设计 [1][5] - 产品定位为直接满足汽车行业最紧迫的挑战 即提供兼具高性能 经济可行性和可扩展性的激光雷达 [2] - 产品旨在以无与伦比的探测距离和分辨率满足主机厂对安全自动驾驶所需视觉质量的要求 [2] 产品性能与特性 - **尺寸与设计**：采用更纤薄的设计 重量仅为600克 横向尺寸显著缩小 可实现与车顶内饰 挡风玻璃后以及前格栅的无缝集成 为整车厂提供了最大的安装灵活性 [1][6] - **成本优势**：相比InnovizTwo 成本大幅降低超过35% 同时增强了性能 [6] - **探测性能**：具备卓越的远距离精度和感知能力 探测范围超过250米 [6] - **功耗模式**：包含低功耗模式 功耗为13W 有助于提升能效 并可实现无车内噪音干扰的挡风玻璃后安装 [6] - **可靠性**：结合了改进的传感能力 高效率和车规级可靠性 可跨车队扩展 旨在以前所未有的速度 安全性和有效性驱动下一代自动驾驶系统 [2] 应用场景与市场 - 产品设计适用于下一代自动驾驶系统 并能够满足边缘人工智能 实时决策和日益复杂环境下的未来出行需求 [2] - 其尺寸也使其成为人形机器人 微型机器人和无人机等人工智能增强平台的理想选择 [5][6] - 公司作为全球激光雷达技术领导者 是全球领先汽车制造商的一级供应商 其产品已被国际知名高端汽车品牌选用 并应用于消费级车辆 [4] 市场活动与展示 - 公司将在2026年1月6日至9日于美国内华达州拉斯维加斯举行的国际消费电子展上首次现场演示InnovizThree 展位号为7318 [3][5] - 现场演示将包括InnovizThree的实机演示 以及一个专门用于展示挡风玻璃后安装激光雷达的展示装置 [3]

文章核心观点 - 自动驾驶领域的两大前沿技术路线——视觉-语言-行动模型与世界模型正呈现出明显的融合趋势，其终极目标一致，旨在构建具备类人认知与决策能力的驾驶大脑 [2][5] - 两大技术路线并非对立，而是高度互补，未来将通过深度融合塑造“既会思考，又会沟通”的终极驾驶大脑，形成“感知-推理-仿真-决策-解释”的增强闭环 [19][51] VLA技术概述 - VLA是一种“视觉-语言-行动”模型，其输入为摄像头画面和人类语言指令，输出为直接的驾驶动作或轨迹，实现了从感知、理解到行动生成的端到端映射 [8][9] - 其系统架构分为三层：输入端融合多模态感知信息；中间层由视觉编码器、语言处理器与动作解码器构成，进行统一推理与决策生成；输出端直接驱动车辆 [9][10] World Model技术概述 - 世界模型是一种生成式时空神经网络系统，旨在让自动驾驶车辆具备“在脑海中预演未来”的能力，通过内部仿真评估不同决策后果，从而做出更安全、前瞻的规划 [12] - 其系统架构同样分为三层：输入端为时序多模态传感器数据；核心层负责状态编码、记忆与生成式推演；输出端提供未来场景表征，为下游规划模块提供前瞻信息 [13][14] VLA与世界模型的区别与联系 - **主要区别**：目标上，VLA侧重人车交互与可解释的端到端驾驶，世界模型侧重构建预测与仿真系统；输入上，VLA包含显式语言指令，世界模型侧重时序观测；输出上，VLA输出直接动作或轨迹，世界模型输出未来场景状态；技术上，VLA利用大模型推理能力，世界模型依赖状态编码与生成式预测 [15] - **核心联系**：技术起源背景一致，均源于对传统模块化pipeline的反思；终极目标一致，均旨在赋予机器类人的认知与决策能力；都面临解决长尾场景的挑战；技术底层均重度依赖“预训练+微调”范式与Transformer等核心架构 [16][17][18][19] VLA与世界模型的融合路径与案例 - **架构级融合**：以世界模型作为核心的“预测与仿真”引擎，以VLA作为“交互与决策解释”层，二者协同工作 [22] - **训练数据互补**：利用世界模型生成大量逼真场景数据训练VLA，同时VLA产生的语言标注数据可提升世界模型的语义理解 [22] - **形成闭环智能**：VLA做出初步决策，世界模型进行快速“脑内推演”并评估风险，再将信息反馈给VLA进行调整或解释 [22] - **3D-VLA**：由东北大学、加州大学洛杉矶分校、麻省理工学院等机构于2024年3月提出，是一个能打通3D感知、推理和动作生成的世界模型，其关键创新在于训练扩散模型来生成执行指令后的目标状态，让模型学会“想象未来” [24][25] - **WorldVLA**：由阿里巴巴达摩院、浙江大学等机构于2025年6月提出，是一个将VLA与世界模型统一于单一框架的自回归动作世界模型，实现了动作与图像的联合理解与生成，在机器人操作基准测试中动作生成成功率超过同类模型约4% [28][29][31] - **IRL-VLA**：由清华大学AIR研究院、上海交通大学等机构于2025年8月提出，是一种基于逆强化学习奖励世界模型的闭环强化学习框架，用于训练端到端自动驾驶VLA策略，在NAVSIM v2闭环驾驶基准上取得领先性能 [34][35] - **DriveVLA-W0**：由中国科学院自动化研究所等机构于2025年10月提出，通过引入未来图像预测作为密集自监督任务，解决VLA模型“监督不足”的问题，在NAVSIM基准测试中超越多传感器基线模型，并能放大数据扩展定律 [37][38][39][40] - **WM-MoE**：由麻省理工、夏威夷大学等机构于2025年10月提出，是一个基于世界模型并融合专家混合网络与大型语言模型的运动预测框架，旨在系统性解决自动驾驶中的极端案例难题，在多个公开数据集上展现出卓越的鲁棒性和泛化能力 [42][43][45] - **FutureSightDrive**：由西安交通大学、阿里巴巴达摩院等机构于2025年11月提出，其核心创新是引入视觉时空链式思考作为中间推理步骤，让VLA模型能够进行“视觉思考”，有效弥合了感知与规划之间的模态鸿沟 [47][49][50] 行业动态与展望 - 工业界已开始布局相关融合技术，例如华为强调其世界模型能力，小鹏汽车正在开发VLA 2.0，而理想汽车在发布会上也展示了相关理解，预计未来将有更多厂商入局 [51] - 下一代自动驾驶的发展方向预计将沿着VLA与世界模型深度融合的思路推进 [51]

文章核心观点 - 自动驾驶行业在动态场景重建与仿真领域面临效率与灵活性挑战 现有方法依赖逐场景优化、已知相机位姿或短时间窗口 导致速度慢、实用性受限 [3] - 提出一种名为Driving Gaussian Grounded Transformer 的统一免位姿前馈4D重建框架 该框架将相机位姿重新定义为模型输出 可直接从稀疏无位姿图像进行重建 并支持长序列任意数量视角 [3] - 该方法通过单次前向传播实现毫秒级动态场景生成与动静解耦 在速度与性能上达到领先水平 并支持跨数据集零样本迁移与实例级场景编辑 为构建大规模世界模拟器提供了高效解决方案 [4][9] 技术方案与框架 - 框架核心是联合预测每帧的3D高斯图与相机参数 通过轻量级动态头解耦动态元素 并利用寿命头调制随时间变化的可见性以保持时序一致性 [3] - 采用基于扩散的渲染细化技术 进一步减少了运动或插值伪影 提升了在稀疏输入条件下的新视角合成质量 [4] - 该方法是前馈式且无需位姿输入的算法 在大型驾驶数据集上进行训练与评估 这些数据集包括Waymo、nuScenes和Argoverse2 [4] 性能与评估 - 评估结果表明 无论是在各数据集上单独训练 还是在跨数据集的零样本迁移任务中 该方法均优于已有工作 [4] - 该方法具有良好的扩展性 其性能随着输入帧数的增加而持续提升 [4] 行业应用与前景 - 该技术旨在打破真实数据的局限 实现用于自动驾驶的重仿真 并摆脱对高精度位姿的依赖 实现毫秒级动态重建 [9][10] - 该框架支持跨域泛化与实例级场景编辑 为应对现有动态生成瓶颈和构建未来通用世界模型提供了高效解决方案 [9][10]