追觅科技造车项目 - 追觅科技正式官宣孵化新造车项目 计划2027年推出首款超豪华纯电车型 直接对标布加迪威龙[3] - 已组建近千人造车团队且持续扩张 计划在价格 续航 性能等硬指标及设计 智能化体验等软实力全面领先对手10%-20% 个别维度实现十倍百倍突破[3] - 创始团队大学时期已立下造车目标 但当时起步需200亿元资金门槛过高 现通过其他领域积累经验后推进[3][4] 高德地图文旅业务争议 - 高德地图回应前专员爆料文旅业务解散内容多处不实 爆料人为外包销售人员 近3个月业绩团队末尾且2个月业绩为0 已于7月底被辞退[8] - 高德声明酒旅大交通业务与2000多家景区及OTA平台深度合作 处于高速增长阶段 业务战略坚定团队稳定[8] 理想汽车AI眼镜传闻 - 传闻理想汽车最快下月发布首款AI眼镜 重点聚焦AI语音交互 产品形态为AI拍摄眼镜 采用恒玄BES 2800+研极微ISP方案 与歌尔股份联合设计[9] - 理想汽车官方回应称9月发布AI眼镜为不实消息[9] 华为辅助驾驶技术路线 - 华为智能汽车解决方案BU CEO靳玉志表示华为不会采用VLA路径 更看重WA世界模型 直接通过视觉信息输入控车[10] - 华为规划2026年实现高速L3及城区L4试点 2027年推进无人物流试点及城区L4规模化商用 2028年实现无人物流规模化商用[10] 美团外卖业务战略 - 美团二季度营收918亿元同比增长11.7% 经营利润2.26亿元 经调整净利润14.93亿元[11] - CEO王兴强调维持每单1元利润率约3%的长期盈利目标 第三季度将加大战略投入 反对内卷但继续捍卫市场地位[11] 汽车之家控制权变更 - 海尔集团旗下卡泰驰控股以18亿美元收购平安旗下云辰资本所持43%股份 成为控股股东 平安产险保留5.1%股份[12] - 新任CEO杨嵩表示不会因交易裁员 业务正常运行 公司将向汽车生态平台战略转型[12] 影石创新业绩表现 - 上半年营收36.71亿元同比增长51.17% 净利润5.20亿元微增0.25% 境外收入26.30亿元占比72.38%[13] - 研发费用5.62亿元同比增长100.35% 占比营收15.30% 研发技术人员1836人占比56.75%[13] 拼多多短剧业务布局 - 拼多多招聘短剧制片运营岗位 年薪50万元 负责定制剧内容制作 包括选题策划 剧本创作及拍摄后期[14] - 平台推出短剧共创计划 提供终身播放分成 CPM阶梯激励最高18元 开放50%成本对投及全链路支持[14] 滴滴支付诉讼和解 - 滴滴支付7.4亿美元约52.95亿元人民币和解集体诉讼 源于2021年7月投资者指控发布误导性商业信息[15] - 公司否认过错责任 选择和解为避免进一步诉讼成本及业务干扰[15] 京东国际收购动态 - 京东正与银行磋商欧元贷款 用于收购德国电子产品零售商Ceconomy 估值约22亿欧元约26亿美元[16] - 汇丰控股和渣打银行担任牵头行 贷款期限可能364天 金额未确定[16] 谷歌组织结构调整 - 谷歌过去一年裁减35%负责小团队的基层经理 旨在减少官僚作风提升运营效率[19] - 人力高管表示管理层在公司整体员工占比将越来越小 多数被裁经理转任非管理岗位[19] 特斯拉自动驾驶技术路线 - 马斯克批评激光雷达在恶劣天气表现差 摄像头方案更可靠 因传感器数据冲突会增加风险[19] - 特斯拉彻底放弃摄像头+雷达组合 仅依靠纯视觉方案"Tesla Vision"实现环境感知[19] OpenAI重组进展 - OpenAI与微软谈判修改2030年商业合同 旨在让投资者从利润分享转为持股模式 为上市铺路[21] - 双方关键分歧可能导致谈判推迟至12月后 若未达成软银可能取消100亿美元投资[21] 欧盟燃油车禁令争议 - 奔驰CEO以欧洲汽车制造商协会主席身份呼吁欧盟重审2035年燃油车销售禁令 认为零碳排放目标不现实[22] - 建议在9月12日战略对话中重新审议禁令 可能延迟实施[22]

AI技术发展 - OpenAI发布语音模型GPT-realtime 能够生成更自然流畅的语音并支持图像理解 适用于客服、教育、金融、医疗等领域 [3] - 新增Marin与Cedar两种语音 同时对原有8种语音进行全面升级 [3] 半导体行业 - 美国政府以89亿美元收购英特尔9.9%股份 成为最大股东之一 [4] - 协议包含五年认股权证 若英特尔晶圆代工业务持股低于51% 政府有权以每股20美元收购额外5%股份 [4] - 英特尔CFO表示政府入股意在防止公司出售芯片代工业务 [4] - 台积电前工程师因泄露2纳米核心技术被起诉 涉14张核心技术测试数据文件 [10] 消费电子与智能制造 - 追觅科技宣布跨界造车 首款超豪华纯电产品对标布加迪威龙 预计2027年推出 [7] - 公司拥有6379件全球专利 其中45%为发明专利 覆盖智能汽车核心领域 [7] - 2025年第一季度全球智能扫地机器人市场出货509.6万台 同比增长11.9% 追觅以11.3%份额排名第三 [8] 资本市场表现 - 寒武纪股价较7月28日上涨133.86% 公司提示存在脱离基本面的风险 [6] - 公司预计2025年全年营收50亿至70亿元 但强调不构成实质承诺 [6] - 泡泡玛特迷你版Labubu线上开售60秒售罄 二手平台价格从1106元炒至2500元 涨幅超1倍 [5] 自动驾驶技术 - 马斯克批评激光雷达在恶劣天气性能受限 强调摄像头方案可靠性 [25] - 特斯拉已停用自研高分辨率雷达 因其性能无法与摄像头相比 [25] 金融与外汇 - 离岸人民币兑美元报7.1202元 较周三涨337点 [5] - 工商银行将于8月29日召开中期业绩发布会 聚焦资产质量与信贷投放策略 [24] 企业动态 - 高德地图否认裁撤文旅业务 称酒旅大交通业务持续高速增长 合作方包括2000多家景区及主流OTA平台 [20] - 寒武纪澄清未有新产品发布计划 称近期相关市场信息为不实误导 [6]

收购交易 - 国内最大地图供应商即将完成收购某知名Tier 1公司 进度接近完成[3] - 收购方成立于2002年 2023年确立转型为智能驾驶Tier1发展战略 去年开始全面布局舱驾一体方案业务[9] - 收购方在基础行车产品与舱泊产品已取得规模化订单 但高阶智驾研发进展滞后 去年10月明确表示将通过资本手段快速并入外部团队[11] 被收购方技术能力 - 提出7V鱼眼NOA方案：基于地平线征程6E芯片 以低于4000元成本实现高速NOA功能 支持城区记忆行车 已获得车企定点 预计2025年三季度量产[3] - 基于地平线J6的辅助驾驶系统已获得多个头部主机厂或Tier-1的量产订单[3] - 在BEV感知领域提出系列奠基之作 算法核心模块仍是经典量产方案 后续有端到端工作和结合3DGS的OCC预测工作[5] 公司运营状况 - 公司成立初期创始团队阵容豪华 但主打纯视觉方案 项目量产一直不太如意 在汽车霸主B的项目竞标中折戟 长期只有某新能源品牌L的项目[7] - 近期花费近10万元请汽车智驾自媒体PR宣传工程化能力 以此获得更多主机厂与Tier 1认可[3] - 内部管理存在问题 核心高层人品受质疑 技术人员能力一般 骨干人员相继离职包括感知、规控、产品等岗位[7] 协同效应 - 双方硬件平台适配性高度互补 都基于地平线J6平台进行量产研发[11] - 收购对双方都是利好 理论上高度互补[11] - 收购涉及400多名员工 暂时消息是短时间对员工不会有大变动[12]

公司招聘流程与职位设置 - 公司职位划分非常细致 特别是规划控制方向 如自主记忆泊车-自动开出职位[3] - 公司今年没有校招名额 主要通过实习转正方式招聘 实习转正概率较大且支持线上实习[3] - 招聘流程包括笔试和五轮技术面试 每轮面试均包含算法题考察[3] 笔试内容与考察重点 - 笔试包含三道算法题 涉及图搜索、模拟和动态规划 难度为LeetCode中等水平[4] - 具体题目包括对数组相邻元素进行异或操作后求和最大化 问题可转化为不相邻元素选取最大值问题[4] - 测试用例通过率分别为90%、0%和70% 主要问题在于模拟题未完成和动态规划边界处理[4] 技术面试深度与范围 - 面试问题覆盖项目经验、算法理论和工程实践 如MPC优化问题构造、求解器选择、约束设计等[5] - 非线性优化器知识被深入考察 包括GN/LM/共轭梯度区别、line search与trust region应用场景等[5] - 规划算法要求熟练掌握Hybrid A*流程、与A*区别、运动学约束算法改进方法如kinodynamic-RRT等[12] 算法编码能力测试 - 编码题涵盖数据结构基础如链表操作（合并、拷贝构造）和经典算法如棋盘路径动态规划[6][8] - 题目难度从基础到进阶 包括带障碍物的路径规划、TopK问题求解（堆排序应用）、岛屿数量DFS计算等[8][11][13] - 算法实现要求兼顾效率 如BFS被提示超时后需优化为动态规划或记忆化搜索[8] 行业技术趋势与人才需求 - 自动驾驶技术栈呈现趋同态势 传统多算法方向向统一方案如one model、VLM、VLA演进[22] - 行业对跨领域技能需求增加 如感知转大模型、规控转具身智能 反映技术壁垒提升[22] - 专业社群规模近4000人 覆盖30+技术方向 显示行业对系统化学习路径的需求[25] 公司技术团队协作特点 - 工作中需频繁参考学术论文 组内与组间合作紧密 工程问题解决占比较高[9][13] - 技术主管面试采用全英文 考察项目深度如EKF原理、工程调参经验 并关注实习时间与offer选择[14]

强化学习技术范式演进 - 业界从端到端自动驾驶转向VLA和强化学习等新技术范式 [4] - 强化学习在2018年AlphaZero和2023年ChatGPT RLHF推动下获得更广泛应用潜力 [4] - 2025年初DeepSeek-R1在线推理进一步拓展强化学习使用场景 [4] 学习范式对比 - 监督式学习通过海量数据拟合输入到输出的映射函数 优化目标为平均均方误差值 [5] - 模仿学习以专家动作为监督信号进行行为克隆 在自动驾驶中扩展为短时序轨迹学习 [6] - 强化学习通过环境交互和任务结果反馈优化模型 采用延迟满足的时序决策机制 [7] - 逆强化学习通过用户反馈学习reward-model 解决奖励函数难以定义的问题 [8] 基础理论框架 - 马尔可夫决策过程将时序任务分解为状态概率转移任务 适用于自动驾驶目标生命周期管理 [10] - 动态规划通过分解最优子问题解决离散空间时序任务 [12] - 蒙特卡洛方法利用大数原理统计系统宏观特性 [13] 核心概念体系 - 策略分为确定性和随机性两种 自动驾驶通常采用确定性策略 [14] - 奖励函数提供环境反馈 价值回报定义为衰减因子加权和的时序期望值 [15] - 状态价值函数表示状态期望回报 动作价值函数评估状态动作组合的期望回报 [16][17] - 优势函数衡量动作价值与状态价值的差异 [19] - 贝尔曼方程通过动态规划分解价值函数 [20] 算法分类体系 - 值优化方法直接最大化Q或V函数 包括动态规划/蒙特卡洛/时序差分算法 [25][26] - 策略优化分为on-policy和off-policy两种 后者训练稳定性更好但存在分布偏差 [27][28] - 动态规划采用策略迭代和价值迭代算法求解离散任务 [30] - 蒙特卡洛方法通过统计平均估计价值函数 [32] - 时序差分算法引入常数alpha简化更新过程 衍生出SARSA和Q-learning等算法 [34][39] 深度强化学习算法 - DQN算法通过经验回放和目标网络解决连续状态表达问题 [41] - Dueling DQN将价值网络分解为Q和A的和并增加正则项 [42] - GAE算法结合蒙特卡洛和时序差分进行优势估计 [42] - 策略梯度算法使用梯度下降方式更新策略参数 [46] - Actor-Critic算法同时学习策略和价值函数 [49] - TRPO算法通过置信区间约束保证训练稳定性 [53] - PPO算法简化TRPO约束条件为clip函数 [55] - GRPO算法采用在线group样本统计平均替换value-model [57] 自动驾驶应用实践 - 预训练通过模仿学习任务初始化策略和价值网络 [58] - 策略梯度采用概率建模方法处理action输出 [59] - reward设计涵盖安全性/安心感/效率等指标 高级功能通过逆强化学习实现 [60] - 闭环训练需要多智能体博弈建模环境动态响应 [60] - 端到端强化学习需实时生成更新后的sensor内容 [61]

研究背景与挑战 - 视觉语言模型（VLMs）为自动驾驶提供统一的感知、推理与决策框架，通过联合建模视觉输入与自然语言指令实现可解释性更强的场景理解，端到端设计可缓解传统模块化系统的误差传播问题 [2] - VLMs在真实驾驶场景部署面临核心障碍：多视图高分辨率图像带来巨大计算开销，自动驾驶系统通常采用6个同步相机实现全环境感知，这些图像经视觉编码器会生成大量视觉token，而Transformer架构的自注意力机制存在二次复杂度，视觉token与文本token拼接后会显著增加推理延迟与内存消耗，难以满足实时性要求 [3] - 现有token修剪方法存在三大局限：仅针对单张图像设计忽略多视图场景下的空间语义多样性与视图间冗余；多依赖特定层注意力权重选token与Flash Attention等高效注意力实现不兼容；未考虑不同相机视图对驾驶决策的贡献差异采用均匀修剪或手工设定比例无法实现全局最优 [4] Prune2Drive框架核心设计 - 提出Token-wise Farthest Point Sampling（T-FPS）机制，受点云处理中最远点采样启发，核心目标是最大化多视图token的语义与空间覆盖度而非仅依赖单个token显著性 [6] - T-FPS采用余弦距离衡量token间语义相似性避免因嵌入空间尺度差异导致的误选，每次新增token时选择与已选token集合语义距离最大的token，确保保留非冗余且语义丰富的信息 [7] - 设计视图自适应修剪控制器，将视图专属修剪比例转化为优化问题，以任务性能最大化为目标同时约束总修剪量保证效率，优化目标含奖励项通过语言相似度衡量VLM输出与真值任务匹配度，惩罚项为所有视图修剪比例总和反映计算开销 [11][12][13] 实验设计与结果 - 实验针对两大自动驾驶多视图VLM基准数据集DriveLM和DriveLMM-o1，验证Prune2Drive性能保留与效率提升能力，对比基线包括FastV、SparseVLM、DART、PACT等主流无重训token修剪方法 [16] - 在DriveLM数据集上修剪75%（保留180 token/图）时准确率达0.80（原模型0.81），BLEU-4达0.60高于所有基线，Match评分34.0甚至超过原模型33.9，平均得分58.3仅比原模型低0.8；修剪90%（保留72 token/图）时平均得分57.4比FastV高3.3比PACT高0.6 [20] - 在DriveLMM-o1数据集上修剪90%（保留25 token/图）时风险评估准确率达68.34比PACT高1.33，场景感知与目标理解达69.86比FastV高3.43，整体推理得分68.3比所有基线高1-3分 [21][22] - 效率提升显著：在保留10%token场景下，DriveMM上预填充阶段加速6.40倍，解码阶段加速1.09倍，FLOPs仅为原模型13.4%；DriveLMM-o1上预填充阶段加速2.64倍，解码阶段加速1.04倍，FLOPs为原模型20.3% [24][25] 消融实验与关键发现 - 距离度量中余弦距离表现最优，DriveLMM-o1整体得分达68.3；若改用选最近token策略性能暴跌至63.0，证明冗余token剔除对性能的关键作用；l1和l2距离性能稍差说明余弦距离更适配token嵌入空间的语义相似性衡量 [26][27] - 优化策略中TPE效果最好，DriveLM平均得分57.4；GridSearch和Evolutionary仅轻微落后分别得57.2和57.1，证明框架对优化策略鲁棒性 [27] - 定性对比显示FastV存在位置偏差因依赖注意力权重而过多保留后视图token漏掉前视图关键车辆；DART均匀修剪各视图未考虑视图重要性导致后右视图关键障碍物丢失；Prune2Drive通过视图自适应比例和T-FPS精准保留前视图白色车、黑色车及后右视图黑色车 [31] 核心优势总结 - 即插即用无需重训VLM，不依赖注意力图，兼容Flash Attention等高效实现 [31] - 多视图适配首次考虑自动驾驶多视图的空间语义多样性与视图贡献差异 [31] - 性能-效率平衡极端修剪保留10%token下仅降3-6%性能，同时实现6.4倍加速与86%以上FLOPs降低 [31]

股价表现 - 美光科技股价连续第三天上扬 单日涨幅达3.61% 三日累计涨幅达4.79% [1] 技术优势 - LPDDR5X DRAM实现显著带宽提升与功耗降低 成为现代汽车主流低功耗内存解决方案 [2] - 4150AT SSD集中存储方案整合多系统数据存储需求 提升汽车存储可靠性与效率 [2] - 通过提升内存带宽与优化集中式存储架构 支持自动驾驶系统高效处理实时数据 [1] 行业应用 - 内存与存储解决方案对自动驾驶汽车至关重要 需实时处理大量数据并快速决策 [1] - AI在汽车技术中广泛应用 内存存储设备支持复杂AI模型与快速推理需求 [1] - 数据是驱动AI应用的基础 公司解决方案注重将数据转化为智能洞察 [2] 发展前景 - 公司在自动驾驶与AI内存技术领域持续创新 在增长市场中具备长期投资价值定位 [2] - 存储容量与内存性能进步使车辆能处理更复杂数据集 提升自动驾驶系统准确性 [1]

苏州工业园区软件产业总体规模 - 金鸡湖软件产业园纳统软件企业数量达221家 [1] - 纳统软件业务收入超913亿元 占苏州纳统软件业务37% [1] - 去年新增软件业务收入超88.9亿元 [1] - 入选市级及以上重点软件企业数超140家 在全市处于领先地位 [1] 产业政策与发展历程 - 2000年启动建设苏州国际科技园为软件研发提供科技载体 [1] - 2012年推出"云彩计划"大力推动云计算产业发展 [1] - 2017年率先布局以软件、大数据和云计算为支撑的人工智能产业 [1] - 以六大产业园为核心区集全区之力打造金鸡湖软件产业园 辐射苏州自贸片区全域 [1] 产业资质与平台建设 - 先后获批国家新一代人工智能创新发展试验区核心区、省工业大数据应用示范区、省信创先导区、省软件名园等重量级阵地 [1] 工业软件领域优势 - 工业软件产品覆盖35个工业大类 在研发设计、生产控制、业务管理、工业互联网App等领域拥有核心企业和拳头产品 [2] - 建立覆盖制造业端到端全链条应用的工业软件服务能力 [2] - 在高端装备、汽车、电子信息、纺织、光纤、电气等领域构建完整工业软件产业生态 [2] 前沿技术领域突破 - 思必驰、同程、清睿、智慧芽4家企业通过国家网信办大模型备案 数量位列全市第一 [2] - 微清医疗入选科技部国家重点专项 打破进口垄断实现国内眼科影像系统领域技术突围 [2] - 九识智能以超90%城配自动驾驶整车销售市占率稳居行业首位 [2] - 九识智能完成近3亿美元融资 为近两年来自动驾驶领域最大规模单轮融资 [2]

成都国际车展开幕 - 第二十八届成都国际车展以"领潮而立 向新而行"为主题 汇聚近120个汽车品牌 展出车辆逾1600辆 展区面积22万平方米 启用12大展馆及室外展区 [1] - 展会涵盖整车 改装车 人形机器人 三电系统等产业热点 提供丰富行业趋势信息 [1] 追觅科技跨界造车 - 追觅科技正式官宣造车 首款超豪华纯电产品对标布加迪威龙 计划2027年亮相 [2] - 公司从扫地机等智能硬件领域进军汽车领域 今年1月成立造车主体"星空计划（上海）汽车科技有限责任公司" 注册资本10亿元 [2] 理想汽车二季度业绩 - 第二季度收入总额302亿元 同比减少4.5% 环比增长16.7% [2] - 车辆销售收入289亿元 同比减少4.7% 环比增长17.0% [2] - 净利润11亿元 同比减少0.4% 环比增长69.6% [2][3] 小鹏汽车技术布局 - 小鹏汽车成功注册"ROBOARK"商标 国际分类为9类科学仪器 [4] - 商标覆盖安全监控机器人 类人机器人 实验室机器人 微芯片等商品服务 [4] - "ROBOARK"被推测指向L4级自动驾驶方案或机器人技术平台 [4]

自动驾驶行业商业化进展 - 自动驾驶大规模商业化速度加快 无人物流车等细分应用场景被市场看好 人工智能等前沿技术助推领域发展提速 [1] - 无人物流车等低速封闭或半封闭场景商业化进展较快 已来到规模化商业应用的临界点 [2] 无人物流车投融资与市场表现 - 白犀牛完成B+轮融资 B轮融资总额累计近5亿元 老股东顺丰 线性资本再次出手 新股东以骏资本 三六零基金加入 [2] - 白犀牛活跃车辆从2024年底近百台快速增长至当前千台规模 覆盖全国100多个城市 服务于顺丰 中通 中国邮政等头部物流企业 [2] - 2025年以来无人物流车赛道大额融资频现 新石器无人车完成10亿元C+轮融资 九识智能完成1亿美元B3轮融资交割 [2] - 截至2024年底快递物流无人车规模化应用累计超6000台 为100多个细分场景用户交付上亿件订单 [3] - 菜鸟预计未来三到五年仅快递行业就会部署超20万台无人车 [3] 政策支持与行业应用 - 商务部等8部门联合印发《加快数智供应链发展专项行动计划》 推广智能立体仓库 自动导引车 无人配送车等设施设备 [3] - 国务院印发《关于深入实施"人工智能+"行动的意见》 提出在交通 物流 商贸等领域推动新一代智能终端 智能体等广泛应用 [3] - 无人物流车应用场景广泛 在快递快运末端配送 封闭场景物流运输 商超生鲜配送等场景中表现良好 [3] - 顺丰 京东物流 中国邮政等头部企业持续推进无人配送车在物流行业中的应用 [3] VLA模型技术发展与车企布局 - 元戎启行发布新一代辅助驾驶平台DeepRoute IO 2.0 搭载自研VLA模型 擅长应对复杂路况 具备空间语义理解 异形障碍物识别等功能 [4] - DeepRoute IO 2.0对15万元以上车型可适配 未来10万元级别车型通过优化也有机会搭载 [4] - 2025年下半年以来理想汽车 小鹏汽车 奇瑞汽车等车企纷纷布局VLA模型 理想i8搭载VLA司机大模型 小鹏G7 Ultra明确VLA上车时间表 奇瑞猎鹰智驾采用VLA+世界模型 [4] - VLA模型成为人工智能行业技术前沿 业内对其在具身智能等领域表现有很高期待 [4][5] - VLA技术发展预示以大模型为基座的智驾方案加速应用 汽车企业逐渐向科技企业转型 [5]