Morgan Stanley, which has been a permabull on Tesla (TSLA), has downgraded the stock from an “Overweight” to “Equal-Weight” while raising its target price to $425 from $410. The news came as a shock to me, as Morgan Stanley analyst Adam Jonas had been among the biggest Tesla stock bulls in the sell-side community. However, the downgrade hasn’t come from Jonas, who has shifted to a new internal role focused on artificial intelligence (AI) companies, but from Andrew Percoco, who has assumed the coverage. S ...

公司：Rivian Automotive (RIVN) 核心观点与战略 * 公司正处于技术拐点，将人工智能视为如同自来水或电力一样普及的基础设施，并认为AI将彻底改变交通体验[2][3] * 公司将自动驾驶视为物理AI的一种表现形式，并致力于使其变得极其易用且为用户所拥有，这将从根本上改变车辆的角色、互动方式以及车辆本身[4] * 公司认为，从基于规则的自动驾驶方法向基于AI神经网络方法的转变是根本性的，这是自汽车诞生以来最重要的技术变革之一[9][12] * 公司正从软件定义汽车转向AI定义汽车，其中车辆的每个部分、体验和所有操作都围绕AI设计，这构成了Rivian统一智能的基础[21][87] 自动驾驶平台与技术路线图 * **技术演进**：公司自动驾驶方法在2020年代初之前基于规则，之后转向基于Transformer编码和大参数模型的神经网络方法，并于2022年初开始全新平台设计[13] * **代际硬件**： * **Gen 2平台**：应用于2024年中推出的Gen 2 R1车型，配备5500万像素摄像头、5个雷达，推理平台性能比Gen 1提升10倍[14] * **Gen 3平台**：将于2026年底随R2车型推出，包括6500万像素摄像头、强大的雷达阵列和前置远程激光雷达，核心是首款自研Rivian自动驾驶处理器[16] * **自研芯片**： * **RAP1处理器**：采用台积电5纳米汽车工艺，神经引擎支持800 Int8 TOPS（稀疏），采用多芯片模块设计，集成内存，支持高达205 GB/s的净带宽[34][35][36] * **系统性能**：Gen 3自动驾驶计算机峰值性能是Gen 2计算机的4倍，能效提升2.5倍，每秒可处理50亿像素的传感器数据[17][33][44] * **功能路线图**： * **近期**：本月将通过OTA为Gen 2 R1客户更新，将免提驾驶道路覆盖范围从不足15万英里扩展到北美超过350万英里[18][90] * **2026年**：开始推出点对点自动驾驶功能，车辆可实现从地址到地址的全程驾驶[18] * **后续**：在点对点之后将实现“脱眼”驾驶，然后是个人L4级自动驾驶，车辆可完全自主运行，例如接送孩子或机场接人[20] 传感器与数据策略 * **多模态传感器策略**：R2平台配备11个摄像头（总计6500万像素，比R1多1000万像素）、5个雷达（1个前置成像雷达，4个支持短距/长距双模式的角雷达）以及首次新增的激光雷达[25][26] * **传感器协同**：摄像头是主力，生成大部分数据；雷达和激光雷达对于处理边缘情况至关重要，例如非理想光照条件（低光、强光、雾）并提供三维视图[26][27][48] * **激光雷达的引入**：选择当前引入激光雷达是因为成本（从数万美元降至数百美元）、分辨率（点云密度达到约每秒500万个点，比10年前提升约25倍）和尺寸（更紧凑易集成）已成熟[28][29] * **数据飞轮**：公司通过部署的车队构建数据飞轮，利用精心设计的数据策略识别重要事件，用于离线训练大型模型，再将其提炼回车辆，实现模型的持续强化学习与改进[15][46] 软件、模型与开发 * **大型驾驶模型**：基于Transformer、自回归预测和强化学习等最先进技术，从传感器到驾驶动作进行端到端训练，借鉴了大语言模型领域的创新[46][58] * **训练方法**：使用强化学习，通过海量场景和道路规则成本数据库对模型进行训练，然后将其提炼为可在车载设备上运行的版本[60][61] * **开发与测试**： * **完全自研**：整个软件栈（包括编译器、分析工具、中间件）均为内部开发，使公司能够灵活更新堆栈的任何部分，无需与一级或二级供应商协调[39][46][62] * **数据记录器**：整个Gen 2车队成为一个可查询的动态驾驶场景数据库，通过触发器代码捕获特定事件（如乱穿马路的行人、闯红灯者）的数据，并高效上传用于训练或模拟[53][54] * **仿真与评估**：构建基于云的模拟器，在每个版本发布前通过数百万英里的真实场景运行整个自动驾驶堆栈，以统计显著的方式衡量安全性、舒适性和性能[61] * **学徒模式**：在新功能发布前，可将其在旧版本后台运行，与人类驾驶里程及旧版自动驾驶性能进行比较，实现数千万英里的评估[62] * **地面真值车队**：配备激光雷达的每辆R2都将成为地面真值车辆，这将提供比其他OEM多几个数量级的数据，极大地加速训练进度[57][58] 垂直整合与成本控制 * **垂直整合理念**：公司 ethos 是垂直整合关键技术以实现差异化，从初创时期就选择内部构建ECU，并延伸到自动驾驶硬件系统[23] * **自研芯片动因**：为了速度、性能和成本。内部芯片开发使软件开发能比使用供应商芯片提前近一年开始，硬件软件团队协同办公，开发速度更快[31] * **成本优化**：内部设计能够针对具体用例（不仅是芯片，还包括整个车辆用例）进行优化，并显著降低供应商利润，从而获得最佳的成本和功耗点[32] * **MCM封装优势**：采用多芯片模块封装，简化了PCB设计（更小、更简单、层数更少），实现了更高的带宽和更低的成本[35][36] 产品与商业化 * **R2车型**：将于2026年底推出，搭载Gen 3自动驾驶平台，预计将成为北美消费车辆中传感器与推理计算能力最强大的组合[24][44] * **软件功能包**： * **Autonomy Plus**：将通用免提等功能捆绑为一个简单的付费套餐，提供一次性付费或月付选项[63] * **功能发布**：所有Gen 2客户在明年3月前可免费使用Autonomy Plus功能，未来将增加点对点、自动泊车以及由R2激光雷达实现的脱眼驾驶等功能[63] * **市场机会**：初始重点在个人拥有的车辆（占美国行驶里程的绝大部分），同时也为进军网约车领域创造了机会[21] AI生态系统与用户体验 * **Rivian统一智能**：一个贯穿车辆和整个业务的通用AI基础，将产品、运营理解为一个连续系统，并为客户个性化体验[21][64] * **Rivian助手**：将于2026年初向所有Gen 2和Gen 1客户提供，深度集成到用户体验和车载操作系统中，能够理解用户、车辆和上下文[68] * **功能演示**：助手具备代理框架，可集成第三方应用（如Google日历），实现自然语言控制车辆功能（如导航、调整驾驶模式、座椅加热）、读取和发送消息、基于上下文推荐餐厅等[70][76][80][81] * **边缘AI**：R2将拥有接近100 TOPS的专用边缘AI用于座舱体验，可将大部分智能工作负载从云端移至边缘，支持离线AI体验[66] 安全与功能安全 * **功能安全设计**：RAP1芯片从一开始就在每个设计模块中考虑了功能安全，遵循ISO 26262 (ASIL)方案，通过冗余硬件、ECC内存等多种硬件机制和配套软件确保功能安全[40][41] 总结与展望 * 公司强调其多年在自研处理器、大型驾驶模型、数据飞轮以及软件定义架构方面的投入，正汇聚成AI定义车辆的基础[88][89][90] * 客户将很快在Gen 2 R1车辆上看到许多新功能，包括本月扩展的免提驾驶里程、2026年的点对点导航以及随后的脱手、脱眼驾驶[90] * 公司认为，AI定义车辆与传统架构及软件定义车辆之间的差距正在呈指数级扩大，而Rivian凭借其垂直整合和全栈自研能力，处于引领这一转变的独特地位[87]

公司自动驾驶技术战略与架构演进 - 公司自2021年底推出首款车辆后 立即开始为自动驾驶平台设计全新的底层架构 该架构构成了车辆和企业运营的基础[2] - 第二代车型架构实现了计算能力10倍的提升 并大幅改进了摄像头平台 这些车辆构成了用于训练基础模型的“数据飞轮”[2][3] - 第三代架构将包含三大核心自研硬件：自研定制芯片、自研摄像头平台以及集成激光雷达 同时配合软件工作 共同构成系统核心[4] 自动驾驶功能路线图与性能指标 - 公司计划本月通过OTA升级 将北美地区的“免手”驾驶功能从目前不足15万英里覆盖范围 扩展至超过350万英里[8] - 2026年将推出点对点导航功能 车辆可在监督下完全自主行驶至目的地 驾驶员需保持注意力监控[9] - 第三代平台计算能力达1600 TOPS 可每秒处理50亿像素 集成的激光雷达为迈向个人L4级自动驾驶提供了可能[10][11] - “脱眼”驾驶将分阶段推出：2027年先实现高速公路脱眼 随后扩展到所有道路 最终目标是实现个人L4级自动驾驶 即车辆可在无人的情况下自主运行[12] 垂直整合与成本控制策略 - 激光雷达成本已大幅下降 从数万美元降至传感器级别仅数百美元 目前仅占车辆物料成本的很小部分[21] - 自研处理器通过与台积电直接合作 移除了中间成本叠加 在显著提升性能的同时 实现了每辆车数百美元的成本节约[22][24][25] - 公司的研发基础设施和固定成本结构并非为年产5万辆设计 垂直整合软件、电子设备和自研芯片等重大资本消耗型研发 只有在年产数十万乃至数百万辆的规模下才具有经济意义[32][34] 商业模式与商业化潜力 - 公司认为实现L4级自动驾驶的技术近乎相同 区别在于选择的商业模式和时机 公司初期将聚焦于个人L4级自动驾驶 但并不排除未来参与共享出行的可能[15] - 公司对自研自动驾驶技术未来授权给其他厂商持开放态度 并拥有较强的信心 认为其平台级架构和数据飞轮优势明显 未来几年可能成为可授权的平台[38][39] - 公司自动驾驶软件“Autonomy Plus”提供两种付费模式：每月49.99美元订阅费或一次性预付2500美元 购买后可终身随车使用 该定价显著低于竞争对手[40][42] - 自动驾驶AI技术是公司研发投入的绝对核心 其投入远超其他任何研发类别[43]

核心观点 - 电动汽车制造商Rivian正全力投入自动驾驶技术研发 宣布了涵盖自研芯片、全自动驾驶目标、订阅服务及AI语音助手的技术路线图 旨在与特斯拉展开直接竞争 [1][4] 技术路线与硬件战略 - 公司宣布将转向自研芯片 其首款自研硅芯片将用于驱动新一代“Gen 3 Autonomy”自动驾驶硬件 该芯片由台积电制造 [5][6] - 新一代自动驾驶硬件目前处于验证阶段 计划于2026年底随新款R2车型一同推出 [2][7] - 与特斯拉放弃激光雷达的策略不同 Rivian计划在R2车型中整合激光雷达传感器 该传感器安装在挡风玻璃上方中部 其外部设计与第三方合作完成 [9][10] 自动驾驶软件目标与规划 - 公司的明确目标是实现L4级全自动驾驶 即无需驾驶员监督的自动驾驶技术 [8] - 在实现全自动驾驶之前 公司计划先为其高级驾驶辅助系统更新免提辅助驾驶功能 该功能将在美国和加拿大超过350万英里的道路上可用 且能在有清晰标线的非高速公路上运行 [11] - 用于开发其自动驾驶软件“Autonomy+”的数据 来自美国和加拿大各地全年收集的数亿英里驾驶数据 涵盖了地理和季节的多样性 [13] 商业模式与软件服务 - 公司将效仿特斯拉 为其自动驾驶软件“Autonomy+”提供订阅模式 计划于2026年初推出 订阅价格为每月49.99美元 或一次性购买价2500美元 作为对比 特斯拉FSD订阅费为每月99美元或预付8000美元 [12] - 该软件将持续更新 其功能发展轨迹将包括点对点导航、脱手驾驶能力以及“个人L4”能力 [13] - 公司CEO暗示了潜在的机器人出租车野心 称该技术使公司能够探索共享出行领域的机遇 [11] 人工智能与用户体验 - 公司将推出名为“Rivian Assistant”的AI语音助手 该助手与模型无关 能够协调不同模型并选择最佳方案执行任务 [14][15] - 该AI助手可以连接第三方应用程序 初期将集成谷歌日历 并能协助车辆诊断和控制特定车辆功能（如激活座椅加热） [15] - 此功能将于2026年初在Gen 1和Gen 2的R1车型上推出 [15]

Rivian detailed Thursday how it plans to make its electric vehicles increasingly autonomous — an ambitious effort that includes new hardware, including lidar and custom silicon, and eventually, a potential entry into the self-driving ride-hail market, according to CEO RJ Scaringe.The announcements at the company’s first “Autonomy & AI Day” event in Palo Alto, California shed fresh light on Rivian’s technology development, much of which has been kept undercover as it pushes to begin production of its more af ...

文章核心观点 - 文章从多空分歧视角出发，探讨了特斯拉股价从当前水平翻倍所需满足的关键条件，核心在于其核心电动汽车业务的加速增长、Robotaxi业务的实质性货币化以及其他核心业务的提速 [1][2] 核心电动汽车业务增长 - 无论将公司视为汽车公司还是AI/机器人公司，电动汽车销售仍构成其营收的绝大部分，也是近期驱动公司盈利的关键 [3] - 公司基本面改善是股价翻倍的核心，这意味着需要销售更多电动汽车、实现更高利润率并覆盖更广泛的消费者群体 [4] - 利率环境若转向（更低的汽车贷款利率）以及保险费用的变化将有助于业务发展 [4] - 投资者希望看到更高的运营效率（带来更高利润率）、飙升的营收数据以及新的、更实惠的车型，以证明当前估值翻倍的合理性 [5] Robotaxi业务的货币化 - 特斯拉的Robotaxi车队已开始起步，目前在美国少数本地市场运营，随着业务扩展，投资者希望看到高利润率收入加速产生，以抵消核心电动汽车业务可能放缓的增长 [6] - 若特斯拉能证明其自动驾驶能力优于同行，并从Waymo等竞争对手处夺取市场份额，将成为股价的重大催化剂 [7] - 公司可能充分利用其产能以降低成本，并将库存车辆投入Robotaxi业务，将更多车辆剥离给运营Robotaxi网络的独立子公司可能有益，并能显著提振公司整体基本面 [8] - 该业务货币化程度越高，投资者情绪将越积极，目前仍处于早期阶段，是一个需要关注的关键增长驱动力 [9] 其他核心业务发展 - 为使市值翻倍，特斯拉的能源业务、Optimus机器人或其他AI项目需要开始作为独立的盈利部门运营 [10] - 能源业务势头强劲，根据近期业绩，储能部署量同比增长超过80%，部分分析师预计在AI数据中心对电网级储能需求的推动下，该业务营收明年可能翻倍 [11] - 公司在AI和机器人（Optimus）方面的任何加速进展，至少短期内可能成为重要的情绪驱动力，尽管Optimus成为“真正”的业务可能需要更长时间，且已存在其他拥有先进方案的成熟参与者 [12]

公司概况与行业地位 - 文远知行（WeRide）已成为新兴的机器人出租车行业中最为引人注目的参与者之一 [1] - 公司有望随着技术进步和全球监管的放松而持续取得成功 [1] 作者背景与分析方法 - 作者为亚利桑那州立大学学生，对科技和金融市场有浓厚兴趣 [1] - 主要专注于分析科技公司，特别是涉及人工智能基础设施、云计算和数字化转型的公司 [1] - 投资方法植根于理解企业基本面和未来增长轨迹，旨在识别内在价值高于当前市值的公司 [1] - 致力于通过持续研究分析，将复杂的金融和技术趋势转化为直接的投资观点 [1]

Here’s a little snippet of the ad we’re looking at today:“I’ve identified a few new Silent Partners that could be next in line to see significant gains.“These companies are where Nvidia’s future is headed …“They are involved with breakthrough technologies most Americans have never heard of …“And they are not listed on an authorized list by Nvidia.“You won’t find them in their official Partners Network.“Nvidia likes to keep the connection under wraps …“That’s why I’m calling them ‘Unauthorized’ Silent Partne ...

行业竞争与高管言论 - 特斯拉首席执行官埃隆·马斯克评论Waymo，称其“从未真正有机会对抗特斯拉”，并认为这一点将在“事后”变得清晰[1][3] - 谷歌DeepMind首席科学家杰夫·迪恩在社交媒体上表示，他认为特斯拉的纯无人驾驶里程“远不及”Waymo[2] - 马斯克在xAI Hackathon上表示，特斯拉的完全自动驾驶（FSD）无人监督问题“目前基本上已经解决”，并称三周内奥斯汀的Robotaxi将取消车内安全监控员[6] Waymo业务进展与数据 - Waymo宣布其付费Robotaxi出行量已达到1400万次，并预计到年底“终身出行次数将超过2000万次”[3] - Waymo报告称，其用户在所有运营城市的累计乘坐时间已超过380万小时[3] - 根据投资公司Tiger Global致投资者的信，Waymo每周Robotaxi出行量已达到45万次的新里程碑[4] - Gerber Kawasaki联合创始人罗斯·格伯根据每周45万次出行数据估算，Waymo凭借其2500辆Robotaxi车队，年收入目标可达2亿美元[5] 市场表现与影响 - 特斯拉股价在收盘时上涨1.41%，至451.45美元，但在盘后交易中进一步下跌0.65%，至448.50美元[7] - 罗斯·格伯认为，Waymo的增长可能对优步构成挑战[5] - 特斯拉在动量因子方面表现良好，在短期、中期和长期具有有利的价格趋势[7]

视觉语言模型在自动驾驶应用中的核心挑战与解决方案 - 文章核心观点：视觉语言模型在自动驾驶领域展现出潜力，尤其在可解释性方面具有优势，但其在落地应用前仍需克服幻觉、3D空间理解不足和速度慢等关键挑战，行业正通过改进感知范式、训练任务、模型交互和推理过程来应对这些问题[3] VLM应用于AD的主要问题与改进方向 - 幻觉问题具体表现为无中生有和视而不见，其根源在于静态感知，解决方案包括转向动态感知、通过多次校验或DPO减少训练数据及模型产生的幻觉、以及允许模型“回头放大看看”[3] - 3D空间理解能力不足源于预训练任务多为2D，解决方案是在训练时加入空间定位任务，例如混合具身数据，研究证明额外使用3D感知和PnC轨迹生成模块效果更好[3] - 速度慢是主要瓶颈，可通过KV Cache、Visual token压缩、以及通过混合数据和强化学习让模型学会“按需思考”并根据提示调节思考深度来优化[3] VLM在自动驾驶中的技术评估与学习范式 - 从学术评估指标看，VLA方案与基于Diffusion的方案效果不相上下，VLM的核心优势在于其可解释性[3] - 学习范式需要从模仿学习转向偏好学习，在强化学习阶段，多任务同时训练比单任务分阶段训练效果更好[3] - 防止基础模型发生灾难性遗忘的最简单有效方法是增加预训练数据[3] 提升VLM模型性能的技术路径 - 提供更丰富的监督信号有助于模型学到更好的表征，具体方式是在VLM基础上增加其他任务头，如预测下一帧画面、3D占据与流、物体检测、交通信号灯识别等，这种方式有助于实现缩放定律[3] - 思维链技术很重要，但在海量数据下应用不易，除了纯文本形式，多模态思维链正在兴起[3] - 目前VLM中视觉与语言的交互不足，限制了其作为基础模型的效果，改善思路是增强视觉-语言交互，例如Qwen3-VL使用Deepstack将图像token输入到LLM的不同层，或引入图像生成的辅助任务[3] 轨迹生成与模型评估的现状 - 轨迹的输出方式不重要，无论是VLM直接以文本输出、输出特殊token映射为轨迹，还是接扩散头生成轨迹，效果都不错，工业界主要采用扩散头生成轨迹，因其速度最快[3] - 评估面临挑战，闭环测试指标比开环差，原因包括训练目标与在线部署目标不一致，以及训练时的离线传感器数据与测试时实时观测数据分布不同[3] 关于思维链的深入探讨 - 是否需要推理时也加入视觉思维链？研究指出，仅用图像生成做思维链对视觉规划任务的指标和泛化性都有提升，例如FSDrive用图像思维链代替文本思维链可提升场景理解并降低碰撞率[3] - 让模型在思维链过程中调用工具能取得更好效果，例如调用视角、查看历史、放大、测距等[3] - 目前VLM添加思维链后在AD中效果不佳的原因包括：思维链质量不高、因果关系不强；测试集不够复杂；以及VLM基础模型本身因视觉-文本对齐不佳而无法拥有LLM的优良特性[3]