公司融资与市场地位 - 光轮智能完成数亿元A轮及A+轮融资，投资方包括东方富海、三七互娱等机构，老股东辰韬资本持续加注 [2] - 融资资金将用于规模化交付能力建设、技术研发投入和高水平人才引入 [2] - 公司年营收突破亿元，订单需求持续指数型增长，客户覆盖英伟达、谷歌、Figure AI、比亚迪、吉利等国内外顶尖企业 [2] - 公司定位为全球Physical AI与世界模型数据市场的第一数据基础设施提供商 [23] Physical AI的行业机遇与数据瓶颈 - 英伟达CEO黄仁勋指出Physical AI已是数十亿美元业务，正应对数万亿美元机会，是公司下一个增长引擎 [3] - 机器人基础模型开发存在巨大的数据短缺问题，现实世界中缺乏足够多的机器人部署来收集数据 [7][9] - 世界模型的发展同样面临数据瓶颈，需要大量高质量多模态数据来理解物理世界的因果关系和物体交互 [9] - 英伟达机器人产品线经理Spencer Huang强调模拟（Simulation）是解决数据不足的关键答案，可将20年学习压缩到几小时 [12] 光轮智能的技术解决方案 - 公司通过仿真环境生成高质量合成数据，为机器人开发者提供一站式合成数据与仿真解决方案 [13] - 平台深度整合英伟达Isaac Sim、Omniverse Cloud及OpenUSD等技术栈，提供物理精确的SimReady资产库 [16] - 仿真细节精确建模，如冰箱门铰链阻尼、抽屉摩擦系数、桌布形变特性，确保技能可迁移至真实世界 [16] - 应用场景已覆盖医疗手术机器人、智能制造产线、自动化化学实验室、智慧农业采摘等多个垂直领域 [19] 与英伟达的深度生态合作 - 光轮智能创始人在融资后受邀登上英伟达官方YouTube频道，访谈内容被推送至其全球社交媒体平台 [6] - 过去一个月双方高频互动，包括与英伟达产品营销总监的直播及在GTC DC大会主旨演讲中被展示 [20] - 公司在技术层面为英伟达GR00T、Cosmos等模型提供合成数据支持，是Omniverse和Isaac Sim平台SimReady资产生态的核心贡献者 [20] - 双方共同开发Isaac Lab-Arena测试框架和Newton物理引擎应用，体现了紧密的生态协作关系 [20] 行业愿景与发展规划 - 仿真被视为机器人行业的加速器，有望加速规模达50万亿美元的产业发展 [21] - 公司下一步将重点建设规模化交付能力，以匹配高速增长的客户及市场需求 [23]

公司高管变动 - 通用汽车人工智能主管Barak Turovsky在加入公司仅八个月后离职 [1] - Turovsky在领英上宣布离职 并表示物理人工智能与大型语言模型一样令人兴奋 [2] - Turovsky未宣布下一份工作 但表示将休假以研究一些令人兴奋的新想法 [2] 公司战略调整 - 通用汽车宣布收缩电动汽车业务 理由是市场需求低迷 [3] - 公司在全美多个电动汽车相关工厂裁员超过3400名员工 [3] - 公司近期计提了16亿美元与电动汽车相关的费用 [3] 公司产品与市场表现 - 通用汽车推出了其最实惠的电动汽车雪佛兰Bolt EV 在美国售价约为29000美元 [3] - 公司股价在市场收盘时上涨近1%至71美元 但在盘后交易中下跌003%至7098美元 [4]

行业与公司 * 行业为人形机器人/具身智能行业[1] * 涉及的公司包括科技大厂（英伟达[2][18]、Meta[2][4][8][20]、亚马逊[2][20]、MIT[2][14]、西门子[19]、富士康[19]）、人形机器人创业公司（智元[2][15][18][20][21]、银河通用[2][20][21]、千寻智能[2][20]、星海图[2][20][21]）以及研究机构（斯坦福大学[17]、上海人工智能实验室[15]）[2][4][8][15][17][18][19][20][21] 核心观点与论据 算法架构演进 * 机器人算法正从模型驱动转向数据驱动[2][3] * 当前存在三种主流算法架构[4] * 分层控制框架：适用于工业场景 但存在通信延迟问题[4] * VLA模型：适用于人机交互场景 是创业公司主流方向[4][9] * 世界模型：依赖高保真仿真 目前主要处于研究阶段 实际部署面临挑战（如机器人动作复杂度高、存在表征崩溃问题）[4][8] * 未来3-5年 三种技术路线将共存并互补发展 分层架构适用于工业落地 VLA模型在人机交互有潜力 世界模型由AI大厂主导探索[9] 数据的关键作用与获取路径 * 数据是连接硬件和算法的桥梁 其成本与价值量呈正相关[10] * 数据获取主要有三种路径[10] * 真机获取：高价值高成本 包括遥控操作、动捕等方式[10] * 视频学习：成本较低但费人 Meta和亚马逊在此有进展[2][10][20] * 仿真数据：多用于初创公司 需严格清洗筛选[10] * 跨本体训练是实现通用智能的关键 MIT和Meta在2024年9月发布了全球首个多类型机器人硬件结构的异构训练框架 智源等在2025年3月也有类似进展[14][15] 行业挑战与瓶颈 * 数据安全问题日益突出 已有企业因数据跨境传输引发负面舆情 欧盟等机构已启动相关研究[11][12] * 缺乏统一评测基准 导致行业进步程度难以衡量 斯坦福大学在2024年3月发布了全球首个具身智能模型benchmark——Behavior 1K 覆盖50个场景及1,000多项任务[17] * 尚未出现类似ChatGPT的具身智能基础模型 原因包括缺乏数据共享基础、多模态技术挑战、培训难度高成本大等 未来1-3年内出现大一统模型的可能性较低[16] 研发效率与生态系统 * 企业需提高研发投入效率 通过优化流程、加强协作、引入先进工具来应对发展需求[13] * 物理AI在仿真建模中发挥重要作用 支持复杂物理过程的建模和推理 英伟达视其为未来AI商用化的重要蓝海 并已应用于工业场景（如富士康模拟产线、西门子升级数控系统）[2][18][19] * 机器人软件生态系统由模型、数据分析、仿真模拟、开发工具及评测系统等构成 吸引了众多计算机上市公司参与 生态参与者主要包括科技大厂、人形机器人本体公司及底层工业软件/传感器厂商[2][21] 其他重要内容 * 2025年9月 斯坦福大学宣布成立首届Behavior挑战赛 以测试具身AI能力[17] * 2025年 混合专家模型等架构创新开始应用于具身智能领域 提高了有限资源下的训练效率[16] * 国内重视benchmark建设将加速技术发展与应用落地[1][17]

合资企业与合作背景 - 富士康与Alphabet旗下人工智能和机器人公司Intrinsic成立合资企业，将在富士康美国工厂部署机器人[1] - 双方就软件和人工智能开发方面的合作已洽谈“一两年”，合作被视为“不可避免” [4] - 富士康董事长表示，与Intrinsic的合作能利用其在人工智能驱动机器人方面的深厚专业知识，与公司全球制造领导力形成协同效应[4] 合作方核心优势 - 富士康拥有巨大的制造专长，尤其以其组装苹果iPhone的工作而闻名，清楚了解制造流程中哪些部分可通过人工智能得到最佳改进[2] - Intrinsic是Alphabet登月计划毕业生，专注于开发突破性新技术，使工业机器人更易用、成本更低[3] - Intrinsic特别专注于柔性制造，即开发能够响应新数据、自我优化并适应其工作方式的自动化系统[3] 行业趋势与公司战略 - 当前工业机器人最适用于预定任务，改变其工作方式既困难又昂贵，因此在许多需要灵活性的制造场景中，人力仍是更好选择[3] - 此次合资是日益关注的“物理人工智能”趋势的一部分，即应用于现实世界而非纯数字软件世界的人工智能模型[5] - 富士康持续扩大机器人部署，计划在其新建的休斯顿工厂部署机器人生产英伟达服务器机架，并与英伟达合作为台湾医院制造医疗机器人[4] - 富士康同时与来自中国大陆的机器人公司合作，例如计划在其中国大陆工厂部署深圳优必选科技的机器人[5]

战略合作与投资 - 诺基亚与NestAI宣布建立战略合作伙伴关系，共同推进AI赋能的国防解决方案[1] - 诺基亚和芬兰国有投资基金Tesi共同向NestAI投资，投资总额为1亿欧元[1][8] - 该战略合作旨在结合诺基亚在安全AI原生连接、传感和多媒体方面的专业知识与NestAI在无人系统、指挥与控制（C2）系统和下一代AI方面的平台[3] 合作目标与领域 - 合作将专注于为国防和关键基础设施开发安全的AI原生解决方案，涵盖无人载具、自主作战以及指挥与控制（C2）平台[1][3] - 合作领域包括物流、检查、监视、安全和国防等多个领域[1] - 双方将利用在前沿部署工程和研发方面的强大能力，加速将AI能力融入无人系统、以数据为中心的C2以及现代信息和知识管理[3] 公司战略与定位 - 诺基亚成立了专门的国防孵化业务部门，以加速与美国、芬兰及其他北约和五眼国家合作伙伴的共同创新[2] - 诺基亚定位为AI时代全球连接领域的领导者，其国防部门为国防组织提供安全的AI驱动通信和连接解决方案[7] - NestAI是欧洲增长最快的物理AI实验室之一，总部位于芬兰，专注于开发开放、模块化和互操作的平台[9] - NestAI由PostScriptum支持，其使命是提供关键任务的物理AI能力，以保障欧洲的主权[5][9] 投资方观点 - 投资符合Tesi更新后的战略，即支持在战略重要领域具有突出潜力的芬兰公司[6] - Tesi认为NestAI结合了强大的技术深度与专注、有目标的方法，其解决方案的进展与诺基亚在安全先进连接领域的全球领先地位相结合，展现了长期重要性和投资回报潜力[6] - NestAI方面表示，与诺基亚的合作以及Tesi的投资为建立有弹性的技术领导力奠定了基础，使欧洲能够维持技术优势[5]

物理AI技术演进 - 物理AI作为机器人技术的下一阶段正在兴起，其通过传感、感知和大模型方面的进步，赋予机器传统自动化从未支持的能力[1] - 早期机器人遵循固定指令，仅能在可预测环境中工作，难以应对日常操作中的不可预测性，如变化的布局、不同的物品形状、混合光照和人员移动[1] - 研究显示，仿真、数字孪生和多模态学习管道使机器人能够学习自适应行为，并以最少的再训练将这些行为带入实际设施中[3] 行业应用与效益 - 弗劳恩霍夫IESE的研究表明，数字工程技术（包括工厂车间和物流路线的虚拟副本）帮助机器人在进入实际建筑前建立强大技能，降低部署风险并让操作员对性能有更多控制[4] - 世界经济论坛分析指出，机器人灵活性、机器感知、环境映射和基于模型的推理方面的改进，正使机器人从隔离的围栏工作站进入共享工作区，支持生产、检查和运输任务[5] - 企业开始将这些系统用于稳定吞吐量、降低错误率，并在人员流动期间保持运营连续性[8] - 物流、零售、医疗保健和制造业公司优先考虑结合感知、推理和连接运动的机器人，使物理工作流能持续运行并与规划平台共享实时情报[8] 企业部署案例 - 亚马逊部署其Vulcan机器人是物理AI从研究走向前线运营的清晰案例，该机器人使用视觉和触觉在履约中心拣选和存储物品，已部署于美国和欧洲站点并直接集成到亚马逊物流软件中[9] - 沃尔玛正在其分销网络中扩展物理AI系统，使用自动化平台降低单位处理成本并提高吞吐量[10] - 沃尔玛通过2025年与Symbotic的协议扩大其机器人覆盖范围，Symbotic将收购沃尔玛的先进系统和机器人业务，并为其提货和配送中心开发AI驱动的自动化[11] - GXO物流在2025年部署AI驱动的窄通道库存机器人取得强劲结果后扩展了物理AI试点，该系统扫描托盘、跟踪库存水平并将实时数据输入仓库系统，表现良好足以证明在美国和欧洲站点扩展是合理的[12]

特斯拉当前面临的挑战 - 2025年前九个月交付量下降6% [2] - 利润率承压，竞争加剧 [2] - Cybertruck可能商业失败，品牌因CEO政治活动受损 [2] - 谷歌等公司在自动驾驶领域挑战特斯拉的领先地位 [2] 市场估值与核心叙事 - 公司估值约1.2万亿美元，年初至今股价上涨6% [2] - 市场逐渐将其视为“实体AI”代表，而非单纯汽车制造商 [2] - 长期价值支柱包括全自动驾驶、机器人出租车网络和人形机器人Optimus [2] - Optimus被定位为未来最主要的价值驱动力，据称可能占长期价值的80% [2] - CEO的股票激励计划与Optimus相关重大目标的实现挂钩 [3] Optimus的愿景与市场潜力 - 目标为可大规模生产的人形机器人，旨在解决劳动力短缺问题 [3] - 初始定价指导为每台2万至3万美元，显著低于竞争对手 [4] - 随着生产改进，价格有望降至2万美元以下 [4] - 若能力与价格达标，在许多高薪岗位一年内可回本 [4] - 2025年目标产量数千台，2026年计划扩产至5万台 [4] - 全球劳动力约37亿（2024年），发达经济体约8亿工人存在自动化需求 [5] - 若能占据发达经济体潜在劳动力市场1%，收入可达数千亿美元 [5] 特斯拉的竞争优势 - 拥有内部AI、广泛计算基础设施、定制芯片及多年神经网络训练经验 [6] - 用于汽车的AI框架正直接适配于人形机器人 [6] - 演示显示Optimus已能行走、保持平衡、抓取小物品及执行预编程动作 [6] - 垂直整合技术框架是关键差异化因素，包括自研电机、执行器、AI推理芯片 [7] - 使用Dojo超级计算机训练模型，有助于控制成本并提升性能可扩展性 [7] 专家质疑与发展挑战 - 专家认为Optimus仍处早期开发阶段，主要担忧敏捷性、灵巧性及在非受控环境下的可靠性 [8] - 波士顿动力等领先公司花费数十年精进运动控制，尚未推出真正商业化通用人形机器人 [8] - 硬件规模化面临挑战，年产百万台需建立全新的执行器、传感器供应链 [9] - 成本需大幅下降才具财务可行性，中国供应商在稀土磁体、伺服电机等领域可能发挥关键作用 [9] - 市场需求未经证实，大规模投资可能分散核心汽车与FSD业务的资源 [10] - CEO过往提出的激进时间表常被推迟，投资者担忧Optimus可能面临类似情况 [10]

公司产品发布与升级 - 公司推出STM32 AI Model Zoo 4.0，包含行业最大的微控制器模型库，用于加速嵌入式AI应用的原型设计和开发[1] - 模型库规模显著扩大，模型系列数量从30个翻倍至60个，模型总数超过140个，涵盖视觉、音频和传感应用[10] - 新增对PyTorch模型的原生支持，并兼容TensorFlow Lite、Keras、LiteRT和ONNX等多种AI框架[10] 产品功能与技术优势 - 该模型库提供完整的端到端工作流解决方案，包含辅助训练脚本和与应用程序库的集成，以实现最佳性能和效率[10] - 通过提供压缩和亚字节量化模型，提高嵌入式AI的效率，帮助开发者在资源有限的微控制器上优化AI模型[2][10] - 该工具是ST Edge AI Suite的一部分，提供工具、库和实用程序的全面集合，确保从原型到生产的无缝集成[3] 市场地位与行业影响 - STM32系列是全球应用最广泛的微控制器，覆盖消费电器、可穿戴设备、通信基础设施、智能电网、工业自动化乃至近地轨道卫星等多种应用[5] - 公司通过在其通用微控制器上战略性地支持AI部署，以快速且具成本效益的方式向终端用户提供尖端技术，同时增强可持续性[5] - 公司通过推出STM32N6系列等AI加速微控制器，进一步巩固其在快速增长的嵌入式AI或边缘AI市场的领导地位[6] 开发者支持与公司承诺 - 公司致力于通过增强直至部署的基础设施来支持STM32开发者社区，帮助其快速启动项目，这是实现Physical AI承诺的一部分[2] - 公司已在边缘AI领域处于研究、创新和开发的前沿超过十年，其AI工具每年支持超过16万个项目[4] - 将AI嵌入日常配件、电器和其他电子设备可以释放该技术的变革性效益，同时提高效率并节省能源[2]

公司产品发布 - 意法半导体发布STM32 AI Model Zoo 4 0 以加速嵌入式AI应用的原型设计和开发[1] - 该模型库是行业最大的用于微控制器的视觉、音频和传感AI模型库 包含超过140个模型[1][8] - 模型库从30个模型系列扩展到60个 成为行业最大的现成模型集合[9] 产品功能与技术升级 - 新版本提供完整的端到端工作流解决方案 包含辅助训练和将模型与应用库集成的脚本 以实现最佳性能和效率[9] - 新增对PyTorch模型的原生支持 补充了对TensorFlow Lite、Keras、LiteRT和ONNX格式的现有支持[9] - 通过压缩和亚字节量化模型提高嵌入式AI效率[9] 市场定位与行业应用 - STM32系列是全球应用最广泛的微控制器 应用于消费电器、可穿戴设备、通信基础设施、智能电网、智能城市、工业自动化和近地轨道卫星等领域[5] - 公司通过在这些领域的通用微控制器上战略性地部署AI 以快速且具成本效益的方式向终端用户提供尖端技术[5] - 公司通过推出STM32N6系列等AI加速微控制器 进一步巩固其在快速增长的嵌入式AI或边缘AI市场的领导地位[6] 开发者支持与生态系统 - 该模型库是ST Edge AI Suite的一部分 提供全面的工具、库和实用程序集合 进一步简化和加速AI算法在ST硬件上的开发和部署[3] - 公司致力于帮助开发者克服在边缘部署AI的复杂性 其AI工具每年支持超过160,000个项目[4] - 公司强调其目标是通过增强基础设施直至部署 使物理AI成为现实[2]

财务数据和关键指标变化 - 第三季度汽车总交付量为116,007辆，同比增长149% [6] - 第三季度总收入为人民币203.8亿元，同比增长101.8%，环比增长11.5% [25] - 第三季度汽车销售收入为人民币180.5亿元，同比增长105.3%，环比增长6.9% [25] - 第三季度服务及其他收入为人民币23.3亿元，同比增长78.1%，环比增长67.3% [25] - 第三季度毛利率为20.1%，去年同期为15.3%，上季度为17.3% [26] - 第三季度汽车毛利率为13.1%，去年同期为8.6%，上季度为14.3% [26] - 第三季度研发费用为人民币24.3亿元，同比增长48.7%，环比增长10.1% [26] - 第三季度销售、一般及行政费用为人民币24.9亿元，同比增长52.6%，环比增长15% [27] - 第三季度运营亏损为人民币7.5亿元，去年同期为人民币18.5亿元，上季度为人民币9.3亿元 [27] - 第三季度净亏损为人民币3.8亿元，去年同期为人民币18.1亿元，上季度为人民币4.8亿元 [27] - 截至2025年9月30日，公司现金及现金等价物、受限现金、短期投资及定期存款总额为人民币483.3亿元 [28] - 公司目标在第四季度实现盈亏平衡 [7] - 预计第四季度总交付量在125,000至132,000辆之间，同比增长36.6%至44.3% [23] - 预计第四季度总收入在人民币215亿元至230亿元之间，同比增长33.5%至42.8% [23] 各条业务线数据和关键指标变化 - 全新P7车型推出后，迅速成为售价20万至30万人民币区间的纯电轿车销量前三，9月起月交付量超过40,000辆 [6] - 11月6日开启X9超级增程电动车的预售，该车型配备5C倍率高容量磷酸铁锂电池，总续航达1,602公里 [10] - X9超级增程电动车的预订单量是上一代X9预售期间同口径数据的近三倍 [11] - 计划在2026年第一季度推出三款超级增程产品，并在2026年推出四款“一车双能”新车型 [12] - 计划在2026年推出三款Robotaxi车型 [18] - 目标在2026年底开始量产先进人形机器人 [20] 各个市场数据和关键指标变化 - 2025年9月海外月交付量首次突破5,000辆，同比增长79% [13] - 第三季度在海外新增56家门店，销售和服务网络覆盖全球52个国家和地区 [13] - 位于奥地利格拉茨的欧洲本地化生产设施（与Magna合作）已正式投产，首批G6和G9车型下线 [13] - 位于德国慕尼黑的研发中心已正式启用 [13] - 计划在2026年向海外市场推出三款新车型，包括受欢迎的中小型SUV [14] 公司战略和发展方向和行业竞争 - 公司长期目标是成为具身智能领域的全球领先企业 [8] - 战略重点是通过“一车双能”产品周期扩大规模并提高新能源市场份额 [10] - 计划开源其物理世界模型、与出行平台合作推出Robotaxi服务、发布人形机器人SDK，以构建开放的生态系统 [9] - 技术路线强调全栈自研和跨领域融合，例如将车辆和人形机器人视为物理AI的主要应用，共享同质化的物理世界模型、SoC和基础设施 [8] - 将与大众汽车的合作视为技术商业化的典范，大众将成为VLA 2.0模型的首发客户，并且公司的Turing AI SoC已获得大众的正式采购指定 [16] - 技术许可收入将再投资于研发，主要用于Turing SoC和VLA模型的迭代升级，形成创新与商业化的正向循环 [17] - Robotaxi技术路径不依赖高精地图或激光雷达，旨在解决当前行业成本高、运营限制多和泛化能力差等挑战 [18] - 人形机器人采用物理世界模型驱动的技术路线，并得到车辆和动力链研发团队的全方位支持 [20] 管理层对经营环境和未来前景的评论 - 认为AI模型与真实世界数据的融合正在重塑未来出行和日常生活 [8] - 将超级增程电动车视为加速从燃油车向新能源车转变的关键 [10] - 认为物理AI模型（如VLA 2.0）将带来用户体验的代际飞跃，并吸引更多消费者选择其领先的智能驾驶技术 [15] - 相信只有具备强大泛化能力的预装量产Robotaxi才能实现广泛采用并创造可持续的商业模式 [18] - 从长期看，认为人形机器人的市场潜力将超过汽车，一旦达到拐点，预计将出现爆发式增长 [22] - 对公司在中国乃至全球成为物理AI领域的领导者充满信心 [23] 其他重要信息 - VLA 2.0模型的参数数量将是前代的10倍，预计将显著提升智能驾驶的安全性和用户体验 [15] - 计划在2025年12月下旬启动与早期用户的共创计划，并在2026年早期将VLA 2.0模型部署到全部Ultra系列车型 [15] - AMAP将成为XPeng Robotaxi的首个生态系统合作伙伴 [19] - 计划在2026年第二季度通过跨领域创新实现人形机器人IRON的全能力集成，目标性能和用户体验远超当前市场产品 [20] - 飞行汽车公司的“陆地航母”目标在2026年底前向终端客户交付，规模预计在数千台范围 [66] 总结问答环节所有的提问和回答 问题: 关于XPeng在物理AI领域的长期竞争优势体现在哪些方面以及如何持续增强 [31] - 管理层认为传统车企与物理AI新商业模式源于不同的DNA，传统车企关注自身定位和用户细分，依赖一级供应商整合，而物理AI模式取决于对未来科技的定义，需要全栈技术能力和跨领域整合 [33] - 未来汽车将是机器人新形态，软件在未来汽车开发中的占比将超过50%，物理AI组件占比将越来越大 [34] 问题: 与大众合作相关的收入何时开始确认以及2026年的贡献趋势 [36] - 第三季度已按时交付若干关键开发里程碑，技术合作收入环比显著增长，预计第四季度技术合作收入将与第三季度持平 [37] - Turing SoC已开始向合作伙伴供应用于预生产和验证车辆，相关收入预计在第四季度开始小规模确认 [37] - 随着联合开发车型于明年初开始量产，Turing SoC收入将随这两款车型的销量而增加 [37] - 预计2026年全年技术合作收入与2025年确认的收入规模相当 [38] 问题: 人形机器人IRON的技术路线图、竞争优势以及中长期规划 [42] - 公司机器人产品开发按自身计划推进，产品理念高度拟人化，采用肌肉和仿生皮肤等技术增强亲和力 [43] - 当前市面多数机器人处于第3至第5代，主要由关节和硬件操作驱动，难以商业化，而XPeng通过全栈研发和跨领域整合，将硬件和软件与集成AI深度融合 [44] - 优势在于物理AI资源与AI汽车的协同效应，以及借鉴电动汽车行业的量产知识和全球化布局经验 [45] 问题: 人形机器人商业化的关键里程碑、2026年底的产能和规模预期以及2030年的应用场景展望 [47] - IRON的量产面临诸多挑战，如通过人类语言训练、安全姿态下的行走/奔跑、灵巧手部动作的VLA集成、人机语言通信等，计划在下个月进入新一代量产模型的1.0阶段，并在未来10个月内有序推进 [49] - 机器人产能爬坡比汽车简单，但商业化挑战大，计划先在导览、零售辅助等商业场景部署，2026年希望在门店、园区进行现场测试，并通过开放SDK与合作伙伴共同推动商业化 [52] - 应用场景潜力巨大，商用机器人可通过更换手臂进入工业生产场景，家庭场景应用可能在五年内实现 [53] 问题: 为何选择在2026年推出Robotaxi服务，技术拐点是什么，成本降低速度如何，以及与国内其他公司的技术路径和商业模式相比的优势 [56] - 2026年将是公司研发体系内多个拐点的汇集期，包括将现有车型升级为Robotaxi配置，VLM模型为未来车辆提供新能力，第二代VLA可同时训练智能驾驶车辆和未来量产车辆 [56] - 基于机器人开发的跨领域能力可解决当前Robotaxi的高成本、目的地限制、复杂路况处理能力不足、依赖激光雷达等问题 [57] - 计划在Robotaxi上实现完全共享的L4能力，并同步开发无人L4模型和辅助驾驶L4模型，认为其商业逻辑优于其他Robotaxi公司 [58] 问题: Robotaxi业务的商业化计划，包括车队规模、城市/海外市场推广路线图，以及与AMAP合作的细节和未来合作伙伴计划 [59] - 2026年将推出三款不同价位、满足不同出行需求的Robotaxi车型 [61] - 在获得监管批准的前提下，优先确保技术、运营和商业模式的顺畅运行，并与AMAP等生态系统伙伴合作，获得交通、支付、运营服务等方面的支持 [61] - 未来将在不同国家、地区和不同发展阶段与各类服务提供商建立更多合作，公司专注于打造工具箱并开放接口能力 [62] 问题: 未来1-3年Robotaxi、人形机器人及飞行汽车新业务的收入估算或大致构成 [65] - 目前未提供具体数值指引，但预计这三项业务在未来12个月内将实现规模量产和运营 [66] - 飞行汽车“陆地航母”目标在2026年底前交付，规模在数千台；人形机器人和Robotaxi在2026年将主要进行运营测试和规模爬坡，为大规模量产和应用做准备，明年贡献可能有限，但一旦产品模型和稳定性得到验证，规模将迅速扩大 [66] - 人形机器人到2030年实现年销100万台是长期目标，对技术快速进步和多场景应用潜力充满信心 [67] 问题: 2026年乘用车新车型的细分市场、价格区间信息，以及国内和海外市场的销量目标 [68] - 11月20日将发布首款超级增程产品X9的售价，2026年初计划推出三款已获监管注册的超级电动产品，以及四款配备纯电和增程双动力选项的新车，覆盖不同价格区间 [69] - 七款“一车双能”车型将是2026年的主要增长驱动力，海外市场亦是重要增长引擎，9月和10月海外月交付量已连续突破5,000辆，明年七款新车中至少三款将投放海外市场 [70] 问题: 2026年新増程车型的增长潜力，以及人形机器人因采用新技术（如固态电池）后的规模经济效应和 affordability（例如价格能否降至20万人民币或更低） [72] - 从X9预售数据发现，纯电和增程用户群体和用车场景存在差异，预计新版X9交付后有望实现数倍的环比增长，大型车增程占比更高，A级小型车纯电占比更高，具体趋势需待第四季度和明年第一季度数据验证 [73] - 机器人的定价逻辑与汽车不同，其软件占比从一开始就超过50%，而汽车仅10-20%，通过技术整合（如将多个SoC集成到超级域控制器）有望降低成本和重量，公司致力于减少SKU集成，使机器人价格尽可能亲民，未来零售价有望与汽车价格相似 [75]