文章核心观点 - 人工智能的下一阶段是发展空间智能与世界建模能力，这将超越当前以语言为核心的大型语言模型，实现对物理和虚拟世界的深刻理解、表征与互动，从而开启全新的创造、推理与应用范式 [4][5][7] 空间智能与世界建模的定义与重要性 - 空间智能是对层次丰富、复杂空间世界的深刻理解，是具身智能（如机器人）的“大脑”，它完善了感知-行动的闭环并提升认知能力 [6][11] - 世界建模不仅包含语言，还涵盖视觉、光线、语义、空间以及物理动作，是对世界状态变化的表达、表征和亲身参与 [7] - 感知在进化上是主动的，其根本目的是为了行动与互动，感知智能构成了所有运动的基石 [11] - 许多人类文明的关键里程碑，如金字塔建造和DNA双螺旋结构的发现，都依赖于深度的空间推理与世界建模，而无法仅靠语言完成 [12] 应用前景与影响 - 世界建模能力将带来前所未有的创造自由，允许生成可置身其间、可互动的完整世界，应用场景涵盖娱乐、叙事、设计、工业、医疗健康及教育等领域 [8] - 机器凭借世界建模生成沉浸式体验的能力极其强大，并自然延伸至仿真，这对人类体验、学习以及具身AI的训练至关重要 [9] - 为AI系统引入空间智能后，将涌现新的推理特征，其价值不仅在于让机器人完成简单任务，更在于整体提升人类能力，协同开拓全新的认知与创造空间 [12] - 自动驾驶汽车作为在二维平面移动的“方盒子”，实现自动驾驶花了二十多年，而作为三维、核心任务是“正确触碰”的机器人，其技术发展之路还很长 [14] 人工智能的产业地位与信任 - AI是一项文明级技术，是新的计算范式，只要有芯片和计算的地方，AI迟早会出现，因此从商业和应用层面看，AI毫无疑问代表未来 [13] - 在AI时代，信任绝不能外包给机器，它本质上属于人类，存在于个体、社区与社会层面，必须将新的规范织入社会肌理，并将信任纳入治理模型进行迭代 [6][15] - 对于创业者而言，无论开发何种产品或业务，从一开始就要重视信任，其根源始终来自人的主动性 [15] 创新精神与文化 - 科学家和创业者都需要保持“智识上的无畏”（Fearless），即心怀无所畏惧的精神，以摆脱束缚创造力、勇气和执行力的枷锁 [16] - 当确定无疑的简单任务与充满不确定性的任务难度相当时，应选择更不确定的那一条，因为在不确定中，创造力会被逼至极限，奇迹才能发生 [6][17]

公司战略方向 - 公司决定从2025年第四季度起，由创始团队主导，全面回归创业型组织模式，放弃过去三年尝试的职业经理人模式 [1][2][3][4][5] - 回归创业模式的原因包括行业技术快速变化、创始团队更擅长创业模式、创始人拥有27年创业经验且头部企业如英伟达和特斯拉仍采用此模式 [3][4][5][18] - 创业模式核心包括加强交流而非写报告、聚焦为用户创造价值而非短期交付量、持续提升效率而非消耗资源、抓住核心问题而非制造信息不对称 [4] - 公司明确选择将产品定位为具身智能机器人，而非单纯的电动汽车或智能设备，认为前者能实现从被动执行到主动服务的升级，解决用户高频生活场景需求 [6][7][8][9][18] - 单纯电动汽车竞争聚焦参数竞赛，智能设备创新多为手机功能迁移，均无法创造增量用户价值，而具身智能是未来十年最具价值的方向 [6][7][8][9][18] - 针对具身智能，公司将构建面向物理世界的全栈AI系统，核心技术突破方向包括感知层、模型层和硬件层 [10][11][12][13][19][20][21] 技术路线与研发进展 - 感知层计划升级到3D视觉Transformer，将有效感知范围从当前约100米提升2-3倍，需配套自研具身智能芯片和编译器优化 [11][19] - 模型层需优化运行频率，当前40亿参数MOE模型运行频率仅10Hz，目标提升2-3倍至60Hz，需定制GPU架构和操作系统 [12][20] - 硬件层开发Drive Biowire系统，将自动驾驶感知-执行闭环响应时间从550毫秒降至350毫秒，可降低事故率超50% [12][21] - 自研具身智能芯片M100专为具身智能设计，处于大规模系统测试阶段，预计2026年商用，目标性能成本比达当前高端芯片3倍以上 [30][45] - 全栈自研BEV技术聚焦电驱动、电池系统和电控三大板块，电驱动自研碳化硅功率芯片、功率模块和电机控制器，并设干式电机工厂 [30][37] - 电池系统掌握5C超充电池全栈能力，自研5C电池预计2026年量产，电控系统全栈自研动力域控制软件和核心域控制器PCB及底层软件 [30][31][32][37] - VLA驾驶系统已全量推送，覆盖复杂路口路径选择，OTA 8.0聚焦安全，12月初将发布OTA 8.1增强感知能力，年底前完成架构升级以适配M100芯片 [30][44] 2025年第三季度财务表现 - 第三季度总收入274亿元，同比下降36.2%，环比下降9.5%，其中车辆销售收入259亿元，同比下降37.4%，环比下降10.4% [16][22] - 毛利率16.3%，同比下降5.2个百分点，环比下降3.8个百分点，剔除Li Mega召回成本后毛利率为20.4% [16][23] - 车辆毛利率15.5%，同比下降5.4个百分点，环比下降3.9个百分点，剔除召回成本后为19.8% [16][24] - 研发费用30亿元，同比增长15%，环比增长5.8%，主要因新车项目、产品组合扩张及技术投资增加 [16][25] - 净亏损6.244亿元，去年同期净利润28亿元，上季度净利润11亿元，稀释后每ADS净亏损0.2元 [16][26] - 截至季度末现金储备989亿元，经营活动净现金流出74亿元，自由现金流出89亿元 [17][27][28] - 2025年第四季度预计车辆交付量10万-11万辆，预计总营收292亿元至365亿元 [17][29] 产品与市场运营 - I系列车型覆盖主流及高端家庭市场，支持EREV+BEV双能源策略，已进入北京、上海、江苏等核心市场，9月起订单显著增长 [30][38] - 11月起对I6电池采用双供应商策略，预计2026年初月产能稳步提升至约2万辆 [30][38] - 2026年L系列将进行重大代际升级，回归简化SKU策略，基础款标配全部核心功能，全系标配5C超充并整合现有充电网络 [30][41] - 针对新能源购置税调整，公司预计2025年底订单前置导致2026年Q1交付量大幅下滑，2026年全系车型满足新能耗标准以获取补贴 [34][39][40] - 推出"安心购车计划"为2025年下订、2026年交付的iX系列用户补贴购置税差额，2026年目标运营4800座超充站，其中35%位于高速服务区 [34][40] - Li Mega召回成本已在Q3计提，当前优先生产电池包用于召回替换，导致Mega交付量下降 [34][43] 供应链与现金流管理 - 供应链方面，I6车型11月起实施电池双供应商策略以解决产能瓶颈，当前应付账款结算周期为68天，支付方式为电汇或银行承兑汇票 [34][38] - 现金流下滑主要因Q3交付量压力导致营收下降，以及响应供应商要求缩短付款周期 [34][38][39] - 公司持续推进供应链本地化，发挥规模优势稳定产品价格，并加快产品更新换代 [34][40]

技术突破与核心创新 - 提出PhysX-Anything框架，是首个面向仿真、具备物理属性的3D生成范式，仅需单张图像即可生成高质量、可直接用于仿真的3D资产[5] - 该框架能同时生成显式几何结构、关节运动以及物理参数，解决了现有方法普遍缺失密度、绝对尺度、关节约束等关键物理信息的问题[5][6] - 采用由粗到细的生成框架，通过多轮对话依次生成整体物理描述与各部件几何信息，最终解码输出六种常用格式的可仿真3D资产[8] 技术实现细节 - 提出一种新型3D表征方式，基于体素构建几何表示，在32体素网格上由视觉语言模型建模粗略几何，再由下游解码器细化，实现超过193倍的token压缩比[10][27] - 设计可控的flow transformer模块，将粗体素表示作为扩散模型的引导信号，以控制细粒度体素几何的生成[14] - 使用最近邻算法将重建网格划分为部件级组件，结合全局结构信息与细粒度体素几何，生成用于仿真的URDF、XML及部件级网格[15] 性能评估与比较 - 在PhysX-Mobility数据集上的评估显示，PhysX-Anything在几何与物理两类指标上均取得最优表现，其绝对尺度误差大幅降低至0.30[18][19] - 在基于视觉语言模型的评估中，PhysX-Anything在几何与运动学参数两项指标上均显著优于所有对比方法，得分高达0.94[20][21] - 人类志愿者评估结果显示，PhysX-Anything的生成结构在几何与物理属性都获得最高分，几何得分为0.98，物理属性多项得分在0.84至0.98之间[22] 应用潜力与行业影响 - 生成的仿真就绪3D资产可以直接导入模拟器，并用于接触丰富的机器人策略学习，展示了在推动多种下游机器人与具身智能应用方面的巨大潜力[25][26] - 该框架有望为3D视觉、具身智能与机器人研究开辟新的方向，推动从“视觉建模”到“物理建模”的范式转变[28] - 团队构建了覆盖47个常见真实类别、具备丰富物理标注的PhysX-Mobility数据集，大幅拓展了现有物理3D资产的多样性[27]

核心人才流失情况 - 苹果AI部门2025年以来持续遭遇人才流失，机器人AI研究团队负责人张健及基础模型团队三名研究员约翰・皮布尔斯、杜楠、孟兆确认离职[1][3] - 自Meta开启人才争夺战以来，苹果累计流失至少10名AI核心人才，包括基础模型团队前负责人庞若鸣[1][3] - 流失人才主要流向Meta、OpenAI、Anthropic等竞争对手，其中庞若鸣加入Meta的薪酬包价值超过2亿美元[3][9] 关键人员背景及影响 - 张健在苹果任职十年，领导十余人的机器人研究团队，其团队为苹果搭建了覆盖环境感知、动作执行到情感表达的完整机器人技术体系[5] - 张健团队研发的技术原型支撑苹果零售环境桌面设备开发，其计算成像专业能力为Apple Intelligence提供关键技术保障[6] - 张健学术论文被国际顶级会议引用数千次，离职后加入Meta担任机器人技术首席总监，主导模型训练与物理机器控制结合项目[5][8] 战略与管理问题 - 苹果内部考虑采用第三方模型支持下一代Siri，高层否决开源部分模型提议，与公司强调自主创新的传统相悖[1][10][12] - Siri的"V2"架构重建陷入混乱，导致高级功能推迟至至少2026年上线[12] - 公司保密文化与AI研究需要的开放协作特性冲突，官僚流程阻碍创新，研究人员认为在苹果"创新被流程扼杀"[9][12] 资源与组织挑战 - 苹果数据中心老旧硬件难以满足大模型训练需求，相比竞争对手数百亿美元的基础设施投入处于明显劣势[14] - 人工智能与机器学习团队在内部资源分配中处于"二等公民"地位，硬件和产品部门始终享有优先权[14] - 领导层频繁变动加剧内部不稳定，团队士气严重受挫，主动寻求外部机会成为普遍现象[12][14] 行业竞争格局 - Meta通过高额薪酬包（如超过2亿美元方案）和加速推进"超级智能"计划持续吸引苹果人才[9][13] - Meta致力于打造人形机器人AI平台，目标成为第三方机器人制造商的核心AI供应商[8] - 竞争对手OpenAI、Anthropic、xAI在AI领域加速布局，而苹果内部调整进度迟缓[15]