纪要涉及的公司和行业 - 公司：小马智行、百度萝卜快跑、文远知行、滴滴、Waymo、AutoX、理想汽车、特斯拉 - 行业：自动驾驶、Robotaxi 纪要提到的核心观点和论据 小马智行相关 - **技术方案**：采用模块化与端到端相结合的自动驾驶方案，感知模块用Transformer架构如Bevformer融合多传感器数据，规划控制模块由规则逻辑向模型输出过渡；内部有两套数据处理方案，模块化依赖真实数据，端到端结合大量仿真数据；采用前融合与后融合结合架构，用三个Orin X芯片分别负责雷达输入和场景理解、无雷达输入的感知处理、预测和规划算法[1][11]。 - **成本构成**：第七代Robotaxi成本30万元，车辆本身约十几万元，智能驾驶硬件约二十几万元，含激光雷达、摄像头和Orin X芯片等[1][10]。 - **投放计划**：2025年底投放1000辆自动驾驶测试车，集中在北京、广州和深圳；到2027年底或2028年底实现公司层面盈亏平衡可能需超10万辆车[1][15][17]。 - **运营情况**：日均接单量约15单每车，每单平均价格二十几元，有1000多辆车时基本实现盈亏平衡，人车比达1:20[3][15][16][17]。 行业相关 - **算法框架演化**：自动驾驶L4公司底层算法框架最初模块化，后加入强化学习和世界模型等先进方法，目前主干算法仍基于模块化，但某些场景会切换新方案；传统车企和自动驾驶公司都在从CNN架构向大模型参数转变，自动驾驶公司因积累多需更长时间，目前两套方案并行[2][4]。 - **深度学习规划器使用**：不是在OpenAI推出后才开始使用深度学习规划器，感知和预测早用基于模型方法，规控部分2022年起有上车应用，目前逐步增加，未来会逐渐替换为深度学习方法[4]。 - **端到端解决方案进展**：自动驾驶领域大规模端到端解决方案未完全大规模化，理想汽车将ARM大模型应用于实际车辆，但L4级大规模应用不多，仍处探索阶段[5]。 - **特斯拉方案**：采用端到端解决方案，用一个感知模型处理感知和控制，即感知端到端算法，大语言模型未广泛应用于车辆系统[5]。 其他重要但是可能被忽略的内容 - 上一代自动驾驶车辆用Gemini MINI芯片，属X86架构，非车规级芯片[14]。 - 自动驾驶系统硬件卡片分布：第一张负责雷达输入和场景理解模型；第二张无雷达输入，含场景理解和红绿灯模型及online map模型；第三张处理预测和规划控制算法，激光雷达放第三张卡，感知类模型实时性要求高[12]。 - 目前自动驾驶系统算力吃紧，2024年优化Orin架构仍不足，暂无更换芯片明确计划[13]。 - 行业内小马智行拿运营许可牌照速度优于百度，美国Waymo落地多且突出，国内小马智行、百度萝卜快跑和文远知行领先，滴滴等相对落后，AutoX已退出市场[17]。 - 目前各家公司用模块化方法落地，未全面应用端到端处理，内部测试某些情况下端到端模型已优于模块化模型，未来可能转向端到端处理[19]。 - 技术层面基本成熟达安全运营下限，但商业化推广有障碍，需探讨商业化落地问题[20]。