产品发布与运营 - 小马智行第七代Robotaxi于11月5日宣布上线运营 [1] - 11月起第七代极狐阿尔法T5及埃安霸王龙Robotaxi正式在广州、深圳等地投入运营 [1] - 用户可通过“小马智行”App或小程序呼叫体验第七代Robotaxi [1] 技术规格与成本 - 第七代Robotaxi采用100%车规级零部件并具有60万公里设计寿命 [1] - 自动驾驶套件总成本较上代下降70% [1] 发展历程与规划 - 第七代Robotaxi从4月全球首发、6月开启路测至11月投入运营仅用时半年 [1] - 此次运营为2025年底实现千辆车队规模奠定基础 [1]

公司上市与市场地位 - 赛力斯于港交所上市，发行价131.5港元，开盘后市值达2200亿港元，成为年内首家A+H上市的新能源车企[2] - 公司旗下问界系列连续三年获新能源汽车品牌新车质量表现第一名，问界M9为2024年50万元级车型销量冠军[2] - 公司营收从2023年的358亿元增至2024年的1451亿元，同比增长305.5%，2024年净利润达59亿元，同比增长342.72%[7] 公司发展历程与战略转型 - 公司前身是1986年张兴海兄弟以8000元创办的凤凰电器弹簧厂，后成为长安、东风等车企供应商[4] - 2003年与东风汽车合资成立东风渝安，获得整车生产资质，通过微型车在市场崛起，2016年更名为重庆小康工业并在A股上市，当时市值51.709亿元[5] - 公司布局新能源，远赴硅谷设研发中心，斥资数十亿建智慧工厂，并收购特斯拉联合创始人的电池公司InEVit[6] - 2021年与华为合作后股价飙升，从7.71元涨至最高75元，上演10倍大牛股行情，2021年7月市值最高达850多亿元[7] 产品销量与市场表现 - 问界M5创下上市当年新品牌单车交付量破万的最快纪录[8] - 问界M7成为2024年中国市场30万元级最畅销自主品牌车型，年交付量约20万辆[8] - 问界M9问鼎2024年中国市场50万元级车型销量冠军，年交付量逾15万辆[8] 股东结构与战略投资回报 - IPO后，创始人张兴海及其控制实体合计持股26.92%，为单一最大股东集团；东风汽车集团持股18.88%，为第二大股东；重庆国资合计持股约4.06%[10] - 东风汽车集团凭借18.88%的股份，对应市值415亿元，获得巨额投资回报，此合作始于2003年，东风以品牌和生产资质入股[11] - 2020年东风汽车集团通过资产重组成为小康股份战略投资者，占股25.83%，双方在技术、供应链等领域深度协同[12] 地方政府支持与产业协同 - 重庆产业母基金作为最大基石投资者，认购21.76亿港元，刷新重庆本土产业基金单笔投资纪录，助力赛力斯募资超130亿港元[14] - 2025年上半年重庆国资出资7.35亿元参与赛力斯收购龙盛新能源超级工厂项目，增强其自主生产能力[14] - 重庆将赛力斯纳入智能网联新能源汽车产业集群规划，推动本地企业进入其供应链，带动100余家本地企业产值增长[14] - 重庆以标准地模式和绿色审批通道支持两江智能工厂建设，使工厂仅用18个月投产，缩短行业平均周期近一半[15]

人民财讯11月5日电，11月5日，小马智行第七代Robotaxi上线运营。11月起，第七代极狐阿尔法T5及埃 安霸王龙Robotaxi将正式在广州、深圳等地投入运营。第七代Robotaxi采用了100%车规级零部件，具有 60万公里设计寿命，自动驾驶套件总成本较上代下降70%，为自动驾驶规模化量产和运营落地扫清关键 障碍，这也是全球首个基于车规级SoC芯片实现L4级全场景自动驾驶的Robotaxi车型。 ...

中通云仓科技A轮融资 - 公司正式完成近2亿元A轮融资 由中金资本旗下中金汇融基金领投 国泰海通证券旗下国泰君安创新投资跟投 [1] - 融资资金将用于全国智能化仓配网络建设 海外仓业务拓展及全链路科技系统研发升级 [1] - 公司在全国已成立80余家子公司 员工近5000人 拥有仓库200多个 仓储总面积超200万平方米 [1] 淘宝健康行业海外表现 - “双11”首周淘宝大健康行业海外成交实现两位数增长 [2] - 膳食营养补剂 家用医疗器械 隐形眼镜及护理液 传统滋补养生等多个核心品类同步走强 [2] - 阿里健康大药房正式入驻淘宝出海 为海外市场新增近15万款供给 [2] 滴滴自动驾驶服务进展 - 公司获准在十五运会和残特奥会期间在广州提供自动驾驶场景应用 被授予"自动驾驶服务商"标牌 [3] - 赛事期间将为观众 嘉宾 媒体人员 志愿者 市民等提供自动驾驶出行服务 [3]

纪要涉及的行业或公司 * 公司为优步[1] * 行业涉及网约车、食品配送、杂货零售配送、自动驾驶技术、本地商业服务[2][3][5] 核心观点和论据 第三季度财务与运营表现 * 第三季度营收大幅超出预期 得益于创纪录的受众增长17%和参与度增长4%[2][3] * 总预订额增长21% 行程量增长22% 为2023年以来最快增速 出行业务行程增长21%大幅超出预期[3] * 经调整EBITDA和自由现金流创纪录 自由现金流接近90亿美元 用于减少股票数量[3][11] * 利润和EBITDA同比增长33% 毛利率创下4.5%的历史最高 同比增加40个基点[3][11] * 配送业务加速发展 第三季度增速创四年来最快 加速了4个百分点[3][9] * 万圣节周末移动和送货服务行程总数超过1.3亿次 毛营业额超过20亿美元[2][3] 未来发展战略与重点领域 * 确立六大战略重点 包括加强跨平台用户参与 建立人机混合自动驾驶模式 投资本地商业 通过Uber AI解决方案创造更多外卖机会 通过广告等渠道帮助商家增长 以及嵌入生成式AI技术[2][5] * 杂货和零售业务年化运营额达120亿美元 且增速明显快于在线食品配送业务[2][3][5][9] * 公司正探索物流转型平台 AI解决方案等多元化收入来源[3][16] 跨平台策略与用户参与度 * 约20%的消费者同时使用移动和送货业务 30%的移动骑手从未尝试过Uber Eats服务 75%的用户从未尝试过杂货和零售业务[6] * 推动跨平台使用 例如在Uber Eats应用中添加乘车选项 根据上下文进行交叉销售[2][6] * 跨平台消费者的平均消费是单一渠道消费者的三倍[2][7] * Uber One会员计划拥有3600万会员 占送餐总预订量约三分之二 覆盖42个国家[13] 自动驾驶技术进展与合作 * 与NVIDIA合作 计划部署10万辆自动驾驶汽车 初期5000辆采用NVIDIA技术[2][8] * 自动驾驶测试市场（如奥斯汀 亚特兰大与Waymo合作）增速显著快于其他市场 例如凤凰城增速是其他地区两倍多[10] * 自动驾驶市场司机收入可观 如奥斯汀司机每小时收入超过美国其他地区[10] * 公司将利用资产负债表尽早介入自动驾驶车队 但最终资产可能会被金融化[8] 市场扩张与区域策略 * 稀疏地理策略取得显著进展 稀疏地区的增长速度是密集市场的1.5倍 但渗透机会只开发了20%[3][10] * 在欧洲市场取得领先地位 成为英国和法国最大的食品配送服务提供商[11] * 扩展送货服务范围不仅促进新用户增长 也提高整个平台使用频率[3][9] 盈利能力与成本控制 * 第四季度前景稳定 预计毛营业额增长将再次达到两位数 按照三年框架执行 实现中高个位数毛订单增长及30%到40%的EBITDA利润率[3][11] * 有意识放缓利润率扩张步伐 以实现年度持续盈利增长[11] * 2025年保险战略取得重大进展 优化了成本结构[14] * 在佐治亚州 内华达州和加利福尼亚州的立法进展降低了适用的无保险和承保不足的机动车保险限额 从每人100万美元降至每人6万美元 显著降低运营成本[15] 技术创新与合作伙伴关系 * 开发驾驶洞察仪表板产品 通过向司机提供驾驶行为反馈 数据显示得分最高的司机驾驶里程有所增加[16] * 与Toast合作 使使用Toast系统的餐厅可以无缝集成到Uber Eats平台 简化餐厅运营和营销[18] * 转向调整后的营业收入作为财务指标 以反映公司规模与成熟度的增长 提高透明度[18] 其他重要内容 * 移动业务用户数达到近1.5亿创历史新高 强劲业绩受益于市场趋势 产品创新及保险压力缓解等因素[19] * 通过实时收集数据（如体育场 机场等常见接送地点数据）来支持自动驾驶技术的发展 并与广告合作伙伴合作训练模型[20] * 自动驾驶业务短期内会亏损 但长期将逐步实现盈利 策略类似于早期通过高端产品收益支持新兴业务投资[11][12] * Uber AI Solutions已经获得大量客户 尽管运营处于初级阶段 但潜力巨大[17]

行业与公司 * 泛亚微透公司 一家科创板上市公司 业务涉及汽车零部件 新材料 医疗器械等多个领域[1][2][3] * 行业涉及汽车 尤其是车灯及自动驾驶传感器 航空航天 5G/6G通信 医疗器械等[6][12][17][21] 核心财务表现与业务贡献 * 2025年前三季度公司营收5亿元 同比增长42% 净利润9,000万元 同比增长36 17%[3] * PDF1微透产品营收1 27亿元 毛利率77% 同比增长23 4%[2][3] * CMD与气体管理业务营收11 05亿元 毛利率超60% 同比增长6 68%[2][7] * 气凝胶业务营收5,440万元 同比增长25 8% 毛利率略有下滑[2][7] * 线束和电缆业务营收7,580 2万元 增速超2000% 其中车规级线束营收1,780万元 航空航天电缆营收5,600多万元 整体毛利率提升显著[2][7] * 传统三大件业务营收1 02亿元 同比增幅近10% 平均毛利率提升至16 75%[5][8] * 子公司林天达自2025年7月1日起并表 1-9月营收6,541万元 净利润1,135万元 预计全年贡献营收约1亿元[2][6] 毛利率与费用分析 * 整体毛利率下降主要受车规级线束业务拖累 该业务尚未达到盈亏平衡点[7][8] * 预计车规级线束业务在2026年上半年达到盈亏平衡点 改善整体毛利水平[2][8] * 研发投入占比约5%-6% 因平台性特质及跨业态项目增多 研发投入增加[9] * 员工总数从300多人增至700人左右 管理费用显著增加[9] 核心产品进展与市场拓展 * 二代CMD为主动控制系统 可精确控制湿度和露点 已完成与H公司实验验证 将成为其所有车型标配[4][12][13] * 二代CMD解决方案成本约35元 低于H公司前挡玻璃导电条成本80元[4][14] * 截至2025年10月底 CMD在手订单预期达622万只 预计2026年订单量超3,000万只[11] * 公司与华域视觉和星宇车灯签署战略合作协议 未来项目优先选用CMD整体解决方案[2][11] * FCCL已完成材料级到线路板级别的四个批次认证 已投建第一条量产线[4][17] * FCCL潜在首批订单量约1至1 5亿元 计划在3至4个月内复制新生产线[18] * 第二代CMD产品价格在35至40元之间 FCCL产品价格因规格不同在320元 平方米至5,000元 平方米不等[19] 产能与项目进展 * 公司现有产能约2,000万个 预计未来可达5,000万个[4][16] * 新的木头项目接近完工 无人化车间预计本月底投入运营[4][15] * 一代CMD老厂房中2 3设备已24小时运行以应对旺季需求[15] 新业务布局与未来增长点 * 公司提交定增申请 推进CMD扩产项目和FCCL项目[10] * 2026年收入目标12亿元以上 增量来源包括传统业务 增加1亿至1 5亿元 车规级线束业务 增加1 5亿至2亿元 母排业务 增加1亿至1 5亿元[4][20] * 医疗器械领域对标美国戈尔公司 布局人造血管 动脉支架等体外体内植入产品 并注册泛亚安检专注于一次性注射笔[21][22] * 脑机接口领域 向能士达提供电子皮肤材料 已进行两次送样[23] * 具身智能领域 与中国电信AI团队合作为第二代人形机器人提供成套线束 连接器及线缆 预计明年3月提供样品[23] * 高频高速电缆绕包膜将成为未来三年增长较快业务之一[26] * 气凝胶在军工领域舰船和飞机方向接单顺畅 一旦航空起量将对营收产生积极影响[24] 战略规划 * 公司有外延扩张目标 每三年至少完成一到两个并购项目[25][27] * 计划通过价格策略扩大市场份额[27]

以下文章来源于凤凰网科技 ，作者凤凰网科技 图源丨Midjourney 公开活动远程互怼已经是"车圈传统"了。 前有何小鹏与余承东就AEB系统隔空交锋，后有智己汽车发布会误标小米汽车参数。如今，这 场"PPT之战"再次升级，主角换成了两家即将登陆港股的自动驾驶明星公司——小马智行与文远知 行。 事件起因是，小马智行在近期一场面向香港投资人的路演中，使用了一页PPT进行友商对比，其中将 文远知行的开放运营城市仅标注为"北京"，订单量则标注为"零"。 凤凰网科技 . 凤凰科技频道官方账号，带你直击真相。 来源丨 凤凰网科技 （ID： ifeng_tech ） 作者丨林苑 编辑丨 赵子坤 这一举动迅速引燃战火。文远知行CFO李璇连夜发文，声称要正面回应小马的"虚假指控"，并就运营 区域、运营数据、技术实力及技术路线逐一进行驳斥。她直言不讳地指出："小马的行为已经超过正 常竞争范畴，有片面不实、刻意贬低的表述。" 两家同样定于11月6日（本周四）冲刺港股的智能驾驶头部玩家，在上市前夕的敏感时刻"互扯头 花"，显然并非简单的意气之争。 争的是规模 更是技术路线的"正统" 李璇的长文回应看似情绪化，但双方争夺的核心无非两 ...

点击按钮预约直播 深度估计是机器人感知、三维重建、AR/VR 等应用的核心。然而，现有的深度估计方法普遍存在边缘飞点（Flying Pixels）问题，而这会导致机器人执行决策时候，引发错误动作；三维重建时导致物体轮廓鬼影重重等。现有方法经历边 缘飞点主要因为以下原因： 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>直播和内容获取转到 → 自动驾驶之心知识星球 本文提出 Pixel-Perfect Depth (PPD)，一种 直接在像素空间进行扩散生成的单目深度估计模型 ，从根源上避免了因 VAE 压缩导致的伪影问题。然而，高分辨率像素空间的扩散建模极具挑战：模型需兼顾 全局语义的一致性 与 局部细节的精确 性 ，否则极易出现结构失真或深度跳变。为此，本文设计了语义引导的扩散 Transformer（SP-DiT），在扩散过程中引入 来自视觉基础模型的高层语义特征作为提示，有效增强了模型对全局结构的把握与细节恢复能力。同时，本文提出一种 判别式模型 （如 Depth Anything v2, Depth Pro ）由于回归损失的平滑倾向，容易在深度 ...

自动驾驶技术路线分野 - 2025年成为自动驾驶技术架构的关键分水岭，形成WEWA与VLA两大对立技术路线 [2] - WEWA架构以华为乾崑智驾ADS 4为代表，追求“去语言化”实现高效落地 [2][4] - VLA架构以理想、小鹏等企业为代表，以语言模型为核心追求认知智能 [2][4] WEWA与VLA架构的本质区别 - WEWA核心逻辑为视觉直接映射动作，跳过语言转化环节，关键组件是云端世界引擎和车端世界动作模型 [5] - VLA核心逻辑为视觉-语言-动作三级传导，语言为核心中介，关键组件是视觉编码器加大语言模型加策略控制模块 [5] - WEWA技术核心是虚拟沙盘训练的端到端动作映射，代表指标为端到端时延降低50%，重刹率降低30% [5] - VLA技术核心是多模态对齐的语言化推理能力，优势在于复杂场景决策准确率提升和支持自然语言交互 [5] - WEWA通过云端虚拟沙盘预训练，将场景-动作映射固化到车端模型，实现“感知即决策”的高效闭环 [5] - VLA遵循“具身智能”认知逻辑，将视觉特征转化为语言Token进行语义推理，例如Wayve的LINGO-1模型能通过语言解释车辆决策 [6] VLA架构的算力挑战 - VLA训练阶段算力需求高，小鹏启动的720亿参数自动驾驶基座模型需千卡级GPU集群支持 [7] - VLA推理阶段即使使用7B-13B参数的轻量化语言模型，也需车规级高算力芯片（如Orin-X 200TOPS以上）保证实时响应 [7] - 语言模型的语义处理引入额外时延，使VLA端到端时延比WEWA高出近一倍，在毫秒级决策场景存在安全风险 [8] - VLA架构中语言模型持续运行会占用可观车端算力，可能导致感知模块帧率下降和传感器数据处理延迟 [9] VLA架构的语言模型优势 - 语言具有高度抽象能力，可将成千上万的类似场景压缩成一句话，实现巨量场景的压缩处理 [10] - 大语言模型具备跨场景知识迁移能力，能为自动驾驶注入“类人推理”能力，处理3000万个样本都无法覆盖的罕见场景 [12] - 语言作为通用语义载体，能将视觉信号、导航指令、人类语音等异构信息纳入同一推理框架，实现多模态信息统一表征 [13] - 语言模型能将抽象决策过程转化为自然语言输出，提升决策的可解释性与安全性，有助于L3及以上高阶自动驾驶商业化 [14] 技术路线的核心权衡与发展趋势 - 短期在L2-L3级辅助驾驶量产场景中，WEWA架构的低时延、低成本优势更具现实价值，通行效率可提升20% [15] - 长期在L4-L5级完全自动驾驶非结构化道路场景中，VLA的认知优势将不可替代，成为核心竞争力 [16] - 行业出现混合架构趋势，华为在WEWA中预留“语义接口”，小鹏通过“模型蒸馏”压缩大模型，取二者之长 [17] - 自动驾驶是否加入语言模块取决于语言模型的性价比，即抽象优势与算力开销的比值是否划算 [17] - 大语言模型是“高阶智能的催化剂”，在量产落地中WEWA更具效率优势，在完全自动驾驶目标中VLA的抽象能力是不可逾越阶段 [18]

文章核心观点 - 英伟达发布名为Alpamayo-R1（AR1）的41页自动驾驶VLA框架，旨在通过将因果链推理与轨迹规划相融合，解决现有端到端模型在长尾场景中因监督信号稀疏和因果推理能力不足导致的性能差问题[1] - AR1框架包含三大核心创新：构建因果链数据集、采用模块化VLA架构、实施多阶段训练策略，其在高难度场景下的规划准确率提升高达12%，闭环仿真中偏离车道率降低35%，近距离碰撞率降低25%[2] - 该模型通过强化学习后训练，推理质量提升45%，推理-动作一致性提升37%，模型参数从0.5B扩展至7B时性能持续提升，实车测试延迟为99毫秒，为L4级自动驾驶提供了可行路径[2] 技术背景与问题定义 - 自动驾驶系统正从传统模块化架构转向端到端框架，但当前端到端方法在处理长尾场景与安全关键场景时仍存在脆弱性，与实现稳健L4级自动驾驶的需求存在显著差距[3] - 大语言模型的最新进展为填补推理差距提供了潜力，其推理时间范式使推理成为可调节资源，但现有视觉-语言-动作模型要么缺乏显式推理过程，要么采用无结构化推理，难以泛化到训练分布之外的场景[4] - 有效的自动驾驶推理必须具备因果锚定能力，且结构上与驾驶任务对齐，推理轨迹应通过因果链将场景证据与驾驶决策显式关联，并直接约束低阶轨迹生成[5] 核心架构与技术创新 - AR1采用模块化VLA架构，以Cosmos-Reason VLM作为主干网络，整合了为物理智能应用预训练的视觉-语言模型和基于扩散模型的轨迹解码器，可实现实时生成动态可行驶的规划方案[5][12] - 视觉编码方面，AR1支持单图像token化、多摄像头token化和多摄像头视频token化等多种策略，其中多摄像头tokenizer利用三平面作为3D归纳偏置，可将每幅图像的token数量减少3.9倍，满足实时推理需求[21][22] - 轨迹解码采用基于单轮车动力学模型的动作表示，通过流匹配框架将离散轨迹token解码为连续表示，提升了闭环性能和解码效率，相较于自回归解码，流匹配解码的舒适性提升至97.38%，解码速度提升1.16倍[27][121] 因果链数据集构建 - 构建了结构化的因果链标注框架，通过"自动标注+人机协同"的混合流程生成与驾驶行为对齐、以决策为核心且具备因果关联的推理轨迹，解决了现有思维链数据集中行为描述模糊、推理流于表面和因果混淆等问题[5][30][31] - 数据集定义了封闭的高阶驾驶决策集合和开放的因果因素类别，通过关键帧标注确保因果局部性，仅对包含显式驾驶决策的片段进行标注，最终生成了70万个带结构化因果链标注的视频片段[36][37][40][91] - 评估采用融合人工验证与LLM自动评估的混合策略，发现结构化CoC推理轨迹相较于自由形式推理轨迹，因果关系得分相对提升132.8%，自动标注与人工评估的对齐率达92%[59][60] 训练策略与性能优化 - 设计了三阶段训练策略：通过动作模态注入使模型能够预测车辆控制输出；利用CoC数据集进行有监督微调，教会模型生成因果锚定的解释；采用结合大型推理模型反馈的强化学习，优化推理质量、推理-动作一致性和轨迹质量[61][62] - 强化学习后训练采用GRPO算法，整合推理质量奖励、CoC-动作一致性奖励和低阶轨迹质量奖励三个互补信号，使最可能轨迹的ADE降低9.4%，推理评分提升45%，推理-动作一致性提升37%[77][78][111] - 通过高信息增益数据筛选优先选择模型隐含奖励与显式奖励存在分歧的样本进行后训练，实现了高对齐效率与稳健学习动态，性能优于基于均匀采样数据的训练[85] 实验结果与性能评估 - 开环评估显示，集成CoC推理的AR1模型在6秒时域的minADE为0.955米，较基础模型提升4.1%，在高难度场景中性能提升更为突出，minADE达0.868米，较基准提升12%[96][98] - 闭环仿真中，AR1的偏离车道率降低35%（从17%降至11%），近距离碰撞率降低25%（从4%降至3%），整体AlpaSim评分从0.38提升至0.50，证明基于推理的决策能提升动态闭环场景中的安全性[100][101] - 模型规模消融实验表明，随着参数从0.5B扩展至7B，开环性能持续提升，7B模型的minADE较0.5B基准降低11%；数据规模消融显示，200万样本模型性能最佳，minADE较10万样本提升14.0%[110][113][115]