文章核心观点 - 文远知行CEO韩旭认为，自动驾驶行业远未到终局，技术仍在快速迭代，领先者提出的“终局论”或短期决胜论（如2026年）是“气喘吁吁”的表现，比赛不会因此结束 [3][31] - 公司通过自研的仿真数据平台WeRide GENESIS（世界模型）解决了高质量训练数据瓶颈，从而在2023年8月实现了“一段式端到端”自动驾驶方案的突破，并因此获得奇瑞、广汽的量产定点，被视为行业黑马 [4][5][7] - 文远知行坚持L4 Robotaxi与L2++ ADAS量产“两线作战”且均取得成功的战略，其核心竞争力在于内部培养机制、集体主义文化以及扎实的基础设施（如仿真平台）建设，而非依赖挖角“技术大牛” [21][22][27] - 公司强调安全是自动驾驶技术的本质和最终体现，认为在“大数定律”下，长期、大规模运营中安全事故率的高低才是公司真实实力的反映，并期待通过保险定价等市场机制来区分安全水平 [37][38] 行业竞争格局与终局讨论 - 行业存在“终局论”或短期决胜论，例如有观点认为智驾竞争将在2026年结束，国内仅剩三家胜出 [3] - 韩旭反对此类论断，认为自动驾驶技术还在快速迭代，头部公司资金充足，格局变化非常快，现在只是“开局的结束”，离终局很远 [3][30][31] - 新能源车的竞争持续多年仍未定局，类比可知自动驾驶的竞争持续时间可能比两三年更长 [31] - 对于“地大华魔”等一梯队供应商排名，韩旭认为定点情况是客观事实，但格局变化迅速 [30] 文远知行的技术突破：一段式端到端与WeRide GENESIS - 公司在2023年8月发布了一段式端到端方案，用一个模型直接将传感器数据输出为驾驶决策，获得奇瑞、广汽的量产定点 [4][6] - 该方案的突破关键在于解决了高质量数据，尤其是长尾数据的来源问题 [7] - 核心支撑是自研的仿真数据平台WeRide GENESIS，该平台被定义为“世界模型”，能按需生成各种复杂、真实的驾驶场景数据，如同“合成钻石的工具” [5][7][8] - WeRide GENESIS相比传统CG生成或特斯拉的3D Gaussian Splatting技术，具有更高真实感、物理一致性、厘米级精度，并能赋予场景中其他车辆类人的博弈行为（如加塞） [8][10][11] - 该平台还能用于算法诊断、自动提出改进建议 [11] - 公司驳斥了突破源于从特斯拉挖人的说法，强调是内部研发和培养的结果 [7] 从L4到L2++的量产拓展与业务模式 - 公司进入ADAS市场是长期规划，随着车规芯片算力提升（如Orin）和激光雷达成本下降（至几千元），判断L4与ADAS技术栈差距缩小，从而坚定进入 [15] - 与博世合作，以“老兵带新兵”模式，用18个月推出了首款高阶辅助驾驶量产产品（奇瑞星纪元ES） [15] - 在量产过程中，公司投入大量人力进行驻场服务（有时达百人规模），并学习了强烈的服务意识和严格的软件版本管控流程 [16][18][25] - 公司认为目前L2++体验距离L4“还差得很远”，但以L4的安全标准来提升ADAS系统，目标是实现避免事故的“尖峰时刻” [17] - 公司同时运营L4 Robotaxi和L2++ ADAS业务，并认为自己是全球范围内两线作战且都取得成功的唯一公司 [21] - Robotaxi业务在2023年推动公司收入增长90%，达到6.9亿元 [4] 公司的核心竞争力与文化 - 坚持内部培养机制，通过“英才计划”校招和导师制培养人才，反对“个人英雄主义”和依赖挖角“大牛” [7][22][23] - 强调集体主义精神和基础设施（infrastructure）建设，认为这是做出高质量一段式端到端的关键 [22][27] - 公司文化允许“抱怨归抱怨，决定了就要全力以赴” [22] - 对于ADAS量产和端到端技术的突破，公司内部给予了年度特等奖奖励 [24] - CEO韩旭不喜欢追逐行业“热词”或“大词”（如VLA、世界模型），认为做好产品要回到问题本质，扎实解决工程问题 [13][34][38] 对行业技术路线与安全标准的看法 - 认为技术具有不可预测性，当人们觉得“That's it”时，很可能会有新技术出现 [3][13] - 反对“一段式端到端上限高但下限低”的说法，认为“下限低”是模型幻觉问题，可通过WeRide GENESIS提供的大量干净数据来解决 [5][27] - 对于用规则为端到端系统做安全兜底存在不同行业看法，韩旭认为有些急刹行为本身就是端到端的决策，并非都是规则触发，人类对机器行为的解释可能存在错觉 [28] - 安全是技术本质的体现，在“大数定律”下，长期大规模运营中安全事故少的公司实力最强 [37] - 呼吁行业需要保证小概率安全事故被真实记录，并有公平的市场监督与政策规范，避免“劣币驱逐良币” [37][38] - 预测未来两三年内，保险公司可能通过保费高低来标识不同智驾系统的安全水平，成为重要指标 [38] 公司未来战略与行业定位 - 公司战略核心始终是自动驾驶技术，主要产品是Robotaxi，同时ADAS是非常重要的方向，两条路线最终会合二为一 [35] - 目标是成为全世界第一的自动驾驶公司，踏实地做好技术和人才培养 [35] - 在合作模式上，公司不与单一车企深度绑定，而是同时与多家车企、平台公司及商用车厂商合作 [29] - 对于软硬一体模式，认为如果芯片出货量达不到百万级一定会亏损，目前类似早期新能源车烧钱冲量讲资本故事；软件公司找到优秀硬件伙伴合作是市场博弈过程 [34] - 引用《孙子兵法》“兵无常势，水无常形”，认为没有必赢的战略或武器，一切取决于动态协作与应变 [34] - 对于其他公司从L2++做到L4的宣称，韩旭认为需要具体分析，并强调端到端模式要保证安全极其困难，需要扎实的基础和突破性努力 [35][36] - 定义真正的Robotaxi公司需使用自有技术，并实现至少100辆纯无人车队运行半年以上 [36]

行业终局与技术演进 - 行业每隔一段时间就会出现关于自动驾驶终局的讨论，例如有观点认为“行业大局3年可定”或“智驾竞争将在2026年结束” [2] - 文远知行CEO韩旭认为“终局论”是因为领先者希望比赛结束，但技术仍在快速迭代，现在只是“开局的结束”，离终局还很远 [2][33] - 自动驾驶技术具有不可预测性，当人们觉得“That's it”时，很可能会有新技术出现 [4][14] 文远知行的技术突破与核心优势 - 公司于2023年8月发布了一段式端到端自动驾驶方案，并获得奇瑞、广汽的量产定点，被评价为“行业新晋黑马” [2][3] - 一段式端到端方案突破的关键是内部研发多年的仿真平台WeRide GENESIS取得了超预期进展，该平台能按需生成复杂驾驶场景数据 [3][7] - WeRide GENESIS是一个世界模型，能生成模拟真实世界的视频数据，其特点是更真实、物理一致、3D空间厘米级精度，并为场景中的其他车辆赋予类人驾驶行为 [7][9] - 公司利用自有Robotaxi车队产生的“干净”数据训练WeRide GENESIS，有效减少了生成式模型常见的“幻觉”问题 [11] - 与特斯拉主要用于车端环境重建的3DGS技术不同，WeRide GENESIS是一个更广泛的工具链聚合平台，能生成可交互的场景并具备复杂的评估诊断能力 [12] - 公司认为一段式端到端“下限低”是误解，关键在于通过强大的基础设施（如WeRide GENESIS）和干净数据去除模型幻觉 [31] 从L4到L2++的业务拓展与量产进展 - 公司进入ADAS市场是规划已久的战略，判断随着Orin芯片算力提升和激光雷达成本下降，L4与ADAS的技术栈距离已缩小 [15] - 与博世合作，在18个月内为奇瑞星纪元ES推出了第一款高阶辅助驾驶量产产品，实现了“老兵带新兵” [16] - 在服务车企过程中，公司投入了大量资源，例如采用“车轮大战”模式，有时达到百人规模驻场 [19] - 通过与博世的合作，公司弥补了量产经验短板，并在软件质量管控和安全流程上学到很多 [20] - 公司2023年收入增长90%，达到6.9亿元，持续扩张的Robotaxi业务是主要推动力 [3] - 公司自称是目前全世界范围内在L4（Robotaxi）和L2++（ADAS）两线作战且都取得成功的唯一公司 [25] 市场竞争格局与公司战略 - 公司已获得广汽投资，并与奇瑞、广汽等多家车企达成合作，不倾向于单一的深度绑定模式 [33] - 面对“地大华魔”等一梯队供应商排名，公司认为定点情况是客观事实，但行业格局变化非常快 [33] - 对于软硬一体趋势，公司认为如果芯片出货量达不到百万级一定会亏损，软件公司找到优秀的硬件伙伴提供好的软件能力是一个市场博弈过程 [35] - 公司战略核心始终是无人驾驶技术，主要产品是Robotaxi，同时ADAS是非常重要的方向，未来两条路线会慢慢合二为一 [36] - 公司强调内部培养机制和集体主义文化，不依赖挖“大牛”，认为这不会改变公司走向 [26] 对安全与行业标准的看法 - 公司认为安全是技术的本质，在无人驾驶高频大规模运行后，“大数定律”会使小概率安全事故的发生频次趋于稳定，从而体现公司间的真实实力差距 [39] - “大数定律”同样适用于L2++的商业竞争，前提是数据必须被完整、真实地记录 [40] - 行业需要保证出事故多的公司受到限制甚至被淘汰，并确保小概率事件被真实记录且有公平的市场监督 [41] - 未来消费者可能通过保险公司的保费差异来识别不同辅助驾驶系统的安全性，这或将在未来两三年内成为指标 [41]

中国智能驾驶行业发展优势 - 行业具备三大核心优势：场景优势（国内复杂多元道路及多城市示范项目积累海量数据）、生态优势（主机厂、供应商、科技公司形成协同创新合力）、政策优势（政府积极建设车云路基础设施并提供测试场地）[1] - 消费应用端将场景优势与领先架构平台结合，推动汽车智能化进入“更懂你”的2.0阶段[1] 地平线HSD技术架构与核心特性 - 公司推出基于“一段式端到端+强化学习”领先架构的城区辅助驾驶解决方案HSD新版本，实现从光子输入到轨迹输出的超低时延[4] - 该架构突破传统混合架构局限，带来横纵向合一的丝滑控车体验，实现启停柔顺、博弈无感、过弯丝滑、绕行敏捷的拟人化驾驶[7] - 一段式端到端架构具备强防御性驾驶能力，推动辅助驾驶迎来拟人化体验拐点，被视为通往自动驾驶“ChatGPT”时刻的关键路径[3] - 强化学习机制使系统在世界模型中自我探索与交互，增强场景理解与推理能力，展现出“智能涌现”效应[4] HSD系统性能与实测表现 - 系统时延极低，红绿灯启停响应达毫秒级，面对临时施工区、鬼探头、极限cut-in等突发场景能快速生成解决方案或迅捷反应[6] - 防御性驾驶策略采用类人思考，在视觉盲区场景主动降速，在动态交互场景智能调节车速实现及时避让[6] - 系统具备持续自我进化能力，可自主应对极端场景，如瞬间理解潮汐车道变化、在无图砂石路面推理出可通行区域[9] 技术支撑与安全认证 - HSD升级迭代依托征程6P计算方案560TOPS算力基座，自研BPU®架构实现十年超1000倍的计算性能提升[5] - 公司构建业界最大规模主动安全测试场景库，覆盖超3万个场景数据集，完成超1000万公里大里程回灌[10] - 荣获全球首张且唯一的ISO 8800 AI功能安全认证，为公司赢得通向全球市场的“安全信任护照”[10] - 截至目前，公司方案已陪伴超600万个家庭安全出行，累计护航里程超百亿公里[10] 产品理念与核心竞争力 - 公司秉持让辅助驾驶从“可用”到“好用”的产品理念，通过简洁统一的端到端设计确保用户获得全场景一致的驾驶体验[9] - 高标准品味是产品核心竞争力，体现在HMI设计、算法创新及工程系统基本功上[9]

行业背景与市场格局 - L2辅助驾驶功能渗透率预计今年达到50% 仅用5年时间完成普及 而电动化花费10年时间 [1] - 智驾行业初步形成"地大华魔"四家头部企业市场格局 包括华为 地平线 Momenta 大疆 [1] - 智驾芯片领域具备强能力的企业仅华为和地平线 两家企业均拥有10年以上技术积累 [2] 技术路径与发展阶段 - 城区辅助驾驶发展经历三个阶段：规则系统阶段存在规则难以穷尽且相互冲突问题 混合系统阶段存在场景拼接感强问题 端到端技术阶段实现系统简洁化与体验跃迁 [3] - 一段式端到端方案采用大模型架构 消除割裂感 实现驾驶体验丝滑化 显著减少重刹和点刹现象 [4] - 端到端系统通过强化学习提升模型理解与推理能力 具备防御性驾驶功能 大幅提升系统安全性和使用者心理安心度 [5] - 真正端到端实现面临算法 数据 基建等方面的重大挑战 [6] 企业战略与产品定位 - 地平线具备软硬一体核心竞争力 该模式优势在于快速响应能力 符合ICT产业快打慢核心逻辑 [2] - 公司城区辅助驾驶系统HSD定位为"中国版FSD" 采用纯视觉技术路线并保持激光雷达兼容性 [7] - 开发范式优先追求纯视觉性能上限 目标达到甚至超越特斯拉水平 同时为车企提供传感器选择灵活性 [7] - 公司专注乘用车市场 不做生态领域扩张 以实现真正通用自动驾驶为重要目标 [9] 自动驾驶发展现状与挑战 - 当前城区辅助驾驶存在过度营销现象 基础能力仍不足 真正实现自动驾驶还需解决诸多难题 [10] - 特斯拉FSD在美国市场表现良好 但在中国市场存在适应期 业内公认其技术上限较高 [2] - 实现真正通用自动驾驶需要三大方向突破：算力提升支撑更大模型与高维认知能力 基础设施优化支撑高频迭代 传感器标准化促进规模化发展 [11] 行业生态与竞争格局 - 车企全栈自研模式类似苹果垂直整合 但仅适合少数企业 大部分车企将采用供应商模式 [12] - 自动驾驶行业呈现快速收敛态势 从百家争鸣状态逐步淘汰 决赛圈将继续减少参与者数量 [13] - 自动驾驶终局将成为高度标准化的基础功能 类似手机通话功能 不具备情绪价值属性 [13]

文远知行一段式端到端ADAS解决方案 - 文远知行发布一段式端到端ADAS解决方案WePilot AiDrive 年内量产上车[5][9] - 方案采用单一模型从传感器数据输入端直接输出行车轨迹 实现更短路径、更快反应和更高容错率[10][24] - 与博世合作量产 目标是将高阶智能辅助驾驶能力普及到各价位车型[8][41][44] 技术优势与实测表现 - 在广州城区道路实测中 系统在城中村复杂场景（行人、电动车、临时修路）下表现稳定[11][12] - 夜间逆光环境下成功识别横穿马路行人并及时避让[14] - 变道路线规划平顺 无保护转弯场景下能兼顾行车效率与安全性[16][19][21] - 隧道光照不佳时保持安全跟车距离的同时快速超越慢车[23] 与传统端到端方案差异 - 传统方案采用感知与规控分离的双模型架构 存在数据传递损失和规则依赖问题[27][29][30] - 新方案直接学习输入数据与输出轨迹的映射关系 通过强化学习迭代提升性能[33] - 摆脱规则依赖 避免系统泛化性低和驾驶逻辑不一致的问题[32] 技术实现与行业意义 - 采用通用AI司机基座大模型 复用L4级Robotaxi算法和数据训练架构[33] - 系统延迟需满足10Hz实时性要求 当前VLA方案在1000TOPS算力下延迟达530ms（约2Hz）[39][40] - 中国市场标配高阶智驾车型占比不足20% 方案旨在推动L2+越过价值拐点[42][44] - 技术目标为实现L4与L2架构统一 消除地理围栏限制[35]

商汤绝影人事变动 - 商汤绝影世界模型研发负责人离职，该负责人曾负责云端技术体系建设和生成式智驾方案R-UniAD研发 [2] - 传闻该负责人离职后可能选择创业 [3] 中阶市场动态 - 商汤绝影已在广汽传祺量产交付基于J6M的中阶方案，但2025年中阶市场将迎来从高速NOA升级为全域NOA的迭代 [4] - 头部公司通过高阶方案蒸馏剪裁推出轻量版城区NOA，适配100 TOPS算力芯片，并已向主机厂推广演示 [4] - 算法方案每年迭代一次，未及时跟进的公司可能被市场淘汰 [4] 高阶市场战略 - 2025年高阶市场核心竞争点是一段式端到端方案，其性能表现惊艳，主机厂招标普遍倾向此类方案 [5] - 商汤绝影UniAD一段式端到端与东风汽车合作，目标2025年Q4量产交付 [5] - 商汤绝影过去两年高阶领域存在感较弱，需通过标杆项目证明能力以获取后续机会 [6] - 2025年是高阶项目大规模释放窗口期，自主与合资主机厂加速布局，后续机会将向10万价位车型下沉 [6] - 一段式端到端量产交付成果将决定商汤绝影能否在高阶市场站稳脚跟，并影响其融资前景 [7][8]