智能驾驶技术演进路径 - 行业技术路线从基于规则的模块化方案，演进至端到端方案，并进一步向VLA和世界模型发展 [2] - 基于规则的模块化方案采用感知、预测、规划、控制串联工作，时延长、信息损耗大，导致车辆博弈能力受限 [2] - 特斯拉于2023年8月推出端到端FSD V12测试版，国内华为、小鹏、蔚来、理想及Momenta等供应商相继跟进 [2] - 端到端方案通过投喂人类驾驶数据让系统学习驾驶，但存在无法主动学习和修正的短板，难以应对所有极端情况 [4] - 理想汽车在端到端基础上加入VLM，但开源模型能力有限，仅能辅助识别红灯读秒等简单场景 [5] - 小鹏和理想认为模仿学习无法突破L3，需转向VLA或世界模型，使系统能主动理解物理世界并执行驾驶动作 [5][7] - 小鹏第二代VLA取消语言转译环节，将多模态物理信号直接输出为控制信号，提升效率并支持自监督学习 [8] - 华为选择WAWE架构，蔚来推崇世界模型，均省略语言环节，通过多模态信息直接控制车辆 [8][10] - 博世指出VLA落地存在多模态特征对齐难、训练数据提取难、大模型幻觉及芯片带宽不足四大挑战 [10] 车企技术路线与战略布局 - 理想汽车发布VLA技术方案，将视觉转为语言再执行动作，并将研发资源向VLA倾斜，重组自动驾驶部门为11个二级部门 [7][15] - 小鹏汽车放弃传统VLA，全力开发第二代VLA，其算力达2250TOPS，由三颗自研图灵AI芯片支持 [8][11][12] - 蔚来自研芯片并强化世界模型，加入强化学习以处理长时序数据，推动人工智能技术变革 [11] - 华为坚持WAWE架构，避免VLA路线的"取巧"问题，通过多模态信息直接控制车辆 [8] - 文远知行与博世合作推出一段式端到端方案WePilot AiDrive，具备强兼容性和快速迭代能力，应用于奇瑞星途车型 [19][21] - 供应商方案因平台兼容性和成本效率优势，可能逐步取代部分车企自研，成为行业竞争主导力量 [18][21] 组织架构调整与资源投入 - 小鹏汽车在2024年10月调整自动驾驶负责人，由刘先明接替李力耘，标志技术路线从功能实现转向基础模型转型 [14] - 理想汽车于2024年9月重组自动驾驶部门，取消封闭研发模式，推动团队向AI组织演进 [15] - 蔚来在一年内进行三次自动驾驶部门调整，多名负责人离职，以聚焦世界模型2.0开发 [15] - 技术路线切换引发多轮组织变动，如小鹏将技术开发部分拆为AI端到端、AI能效和AI应用三个部门 [17] - 小鹏建设3万卡智算集群，训练费用投入20亿元，理想搭建13 EFLOPS云端算力，资金效率成为自研关键挑战 [21] 行业竞争格局变化 - 自研浪潮后，车企如长城、奇瑞、广汽转向与元戎启行、文远知行、Momenta等供应商合作 [18] - 供应商方案具备更优兼容性和迭代速度，可能缩小与自研车企的数据差距，重塑行业竞争格局 [18][21] - 当前技术仍属L2框架，但VLA和世界模型被视为通向L4的关键路径，小鹏认为第二代VLA可为具身智能铺路 [22]

高阶智驾、无图NOA、端到端、VLA、WEWA架构、NWM······每隔几个月汽车公司和智能驾驶行业都会诞生新的名词，对应的则是智能驾驶技术的快速 迭代。 但背后技术迭代过快的问题同样显现，用户一年前购买的新车，已经无法被现在的新技术接纳；甚至用户的认知都已经无法赶上这些新名词。汽车公司的 内部同样是暗流涌动，从规则式到端到端，再到世界模型、物理AI的架构，造车新势力的智能驾驶部门总是面临人员更迭、高管离职。 智能驾驶行业普遍认为，今年第四季度到明年的上半年，是辅助驾驶技术落地的又一段关键时期，随着基于世界模型、VLA的升级，包括坚持自研的汽 车公司，以Momenta、元戎启行、文远知行在内的解决方案供应商在内，领先身位随时都在发生变化。 从规则、端到端再到世界模型 基于规则的辅助驾驶系统，核心模块包括感知、预测、规划、控制，业界俗称为"模块化方案"，优势在于容易量产，但缺点也很明显，四个独立模块以串 联方式进行工作，时延比较长，信息损耗大。所以，车辆受制于博弈能力，在路上进退为难的情况比较常见。 2023年8月，特斯拉推出基于端到端的FSD V12测试版，"端到端"也成为国内智驾圈子的热门话题。华为、小鹏 ...

记者丨赵云帆 编辑丨巫燕玲 宇树机器人的IPO进入加速度阶段。 11月15日，中国证监会披露辅导更新信息，宇树科技辅导券商中信证券递交了辅导工作完成报 告，公司辅导状态被标注为"辅导验收"状态。 这也意味着，宇树科技已经完成了递交IPO招股书前的准备工作 ——按照官方透露的10月到 12月正式递交IPO招股书的计划，公司的IPO项目推进节奏无疑非常顺利。 而对于已经辅导验收的公司来说，长则数月，短则数周，公司便可以向交易所递交IPO注册申 请并获得受理。 纵观A股历史，拟IPO公司之中，很少有如宇树科技一般，一举一动均引市场瞩目。 今年上半年，在春晚零点压轴节目后红透华夏的宇树科技被频传正推进国内IPO计划，导致公 司原始股LP份额被一级市场流转和疯抢，转让与居间价格高企。 一个有意思的现象是，为快速帮助宇树科技完成IPO前辅导，中信证券出动了合计24位辅导人 员的"豪华阵容"，帮助公司快速完成辅导工作。 宇树科技完成辅导工作，早在10月末便有消息透出。 企查查信息显示，10月23日，宇树科技完成了一轮董事变更，秦诗春、王其鑫和赵永政三人卸 任公司董事，改由李宗彦、倪晨凯、宋华盛三人担任公司董事。 其中，李宗 ...

宇树机器人的IPO进入加速度阶段。 11月15日，中国证监会披露辅导更新信息，宇树科技辅导券商中信证券递交了辅导工作完成报告，公司 辅导状态被标注为"辅导验收"状态。 这也意味着，宇树科技已经完成了递交IPO招股书前的准备工作——按照官方透露的10月到12月正式递 交IPO招股书的计划，公司的IPO项目推进节奏无疑非常顺利。 而对于已经辅导验收的公司来说，长则数月，短则数周，公司便可以向交易所递交IPO注册申请并获得 受理。 纵观A股历史，拟IPO公司之中，很少有如宇树科技一般，一举一动均引市场瞩目。 今年上半年，在春晚零点压轴节目后红透华夏的宇树科技被频传正推进国内IPO计划，导致公司原始股 LP份额被一级市场流转和疯抢，转让与居间价格高企。 7月，宇树科技正式开启IPO辅导，市场普遍看好宇树科技在2025年年终之前完成IPO注册申请。132天 之后，宇树科技光速获得浙江证监局辅导验收，辅导工作速度几乎创下A股新纪录。 宇树科技已然是资本市场上的"顶流"。而在宇树之外，人形机器人头部企业对资本化的诉求同样强烈 ——如乐聚机器人已经递交境外上市申请；智元机器人除拿下科创板"壳"上纬新材之外，其赴港IPO计 划 ...

宇树科技已然是资本市场上的"顶流"。而在宇树之外，人形机器人头部企业对资本化的诉求同样强烈 ——如乐聚机器人已经递交境外上市申请；智元机器人除拿下科创板"壳"上纬新材之外，其赴港IPO计 划更被流传接近半年。 然而，当这些资本市场的科技新贵们纷纷完成资本化，迎接他们的大考可能才刚刚开始。 21世纪经济报道记者 赵云帆 宇树机器人的IPO进入加速度阶段。 11月15日，中国证监会披露辅导更新信息，宇树科技辅导券商中信证券递交了辅导工作完成报告，公司 辅导状态被标注为"辅导验收"状态。 这也意味着，宇树科技已经完成了递交IPO招股书前的准备工作——按照官方透露的10月到12月正式递 交IPO招股书的计划，公司的IPO项目推进节奏无疑非常顺利。 而对于已经辅导验收的公司来说，长则数月，短则数周，公司便可以向交易所递交IPO注册申请并获得 受理。 纵观A股历史，拟IPO公司之中，很少有如宇树科技一般，一举一动均引市场瞩目。 今年上半年，在春晚零点压轴节目后红透华夏的宇树科技被频传正推进国内IPO计划，导致公司原始股 LP份额被一级市场流转和疯抢，转让与居间价格高企。 7月，宇树科技正式开启IPO辅导，市场普遍看好宇树 ...

特斯拉自动驾驶技术突破 - 特斯拉宣布即将实现无人监督自动驾驶的安全性全面超越人类 [2] - 公司计划在明年第二季度正式生产无方向盘和脚踏板的Cybercab车型 [2] - 方向盘消失象征汽车工业百年来的范式转变 [5] 端到端自动驾驶技术优势 - 特斯拉采用端到端AI学习模式而非传统规则编写方法 [8] - 系统通过神经网络处理视频、速度、导航数据直接输出驾驶指令 [10] - 已积累60亿英里真实行驶数据 每日新增数据相当于人类驾驶500年 [10] - FSD V12版本删除33万行代码 全部由神经网络取代 [11] - 系统具备危险预判能力 能在事故发生前0.3秒开始减速 [10] 世界模型与虚拟训练 - 特斯拉构建超逼真虚拟地球模型用于测试验证 [13] - 虚拟环境可重现各种道路、天气、光线及驾驶行为 [13] - 虚拟训练效率提升达百万倍级别 同时训练自动驾驶和机器人Optimus [13][15] - 同一套AI大脑可迁移至人形机器人及其他可移动物体 [20] 行业影响与市场前景 - 无方向盘设计将重估汽车行业生态 非自动驾驶车辆残值可能大幅下降 [17] - 2026年被视为产业重生标志 车辆将具备自主行驶和盈利能力 [31] - 特斯拉可能重现2019-2020年股价大幅上涨行情 [19] - AI大脑将扩展至卡车、仓储机器人、安保机器人等多领域应用 [20]

事件背景 - 小马智行在面向香港投资人的路演PPT中，将文远知行的开放运营城市仅标注为“北京”，订单量标注为“零”[6] - 此举引发文远知行CFO李璇连夜发文驳斥，称小马智行有“片面不实、刻意贬低的表述”，并就运营区域、运营数据、技术实力及技术路线逐一进行回应[6] - 两家公司同样定于11月6日冲刺港股，此次交锋发生在上市前夕的敏感时刻[9] 竞争核心：数据规模 - 自动驾驶行业的估值关键基石是数据规模与技术路线的先进性[11] - 车队行驶的总里程是核心指标，因为里程越多，捕获的有效数据越丰富，算法迭代的燃料就越充足[11] - 小马智行招股书内总行驶里程为4860万公里，文远知行官网显示总里程超4000万公里，但最新招股书内数字改为5500万公里，双方实力在伯仲之间[11] 竞争核心：技术路线 - 争论焦点在于谁真正掌握了更前沿的“端到端”技术[13] - 文远知行强调其与博世、奇瑞合作的“一段式端到端”方案已实现量产，并反驳小马智行称其仅有“两段式”技术的说法[12] - 文远知行同时指出“小马智行L2+项目没有量产”，暗示其宣称的“完全端到端”缺乏落地支撑[12] - “端到端”技术由马斯克在2023年力推，被视为自动驾驶下一代解决方案，能否跟上此潮流直接关系到公司的创新形象和市场估值[13] 行业背景与商业化困境 - 两家公司同为百度系出身，早期路径高度重合：聚焦L4，推进Robotaxi试点[16] - Robotaxi商业化进展缓慢，而L2+辅助驾驶市场竞争激烈[16] - 政策是影响自动驾驶发展的关键因素，政策开放的缓步前行使得Robotaxi规模化难以实现[17] - 技术优势不再绝对，商业化路径不确定，两家公司都尝试向L2+市场寻求出路，但面临华为、Momenta等强敌以及车企自研的竞争压力[18] 财务状况与上市募资 - 2025年上半年，小马智行净亏损6.81亿元，同比扩大约75.07%，文远知行净亏损7.92亿元，同比收窄10.32%[18] - 小马智行三年半合计亏损34亿元，文远知行三年半合计亏损65亿元[18] - 小马智行美股总市值70.82亿美元，文远知行为34.09亿美元，即便上半年文远知行的毛利率约为小马智行的两倍[19] - 小马智行香港上市最终发行价定为每股139港元，预计募集约67.1亿港元（约合8.64亿美元），并确认5名基石投资者[19] - 文远知行计划在香港发行约8825万股股票，筹资29.32亿港元，无基石投资者[19] - 小马智行募资主要用于做规模、补研发，其上半年现金流出暴涨超459.55%；文远知行募资主要用于自动驾驶技术开发、L4级车队的商业化量产和运营[19] 竞争态势总结 - 当前自动驾驶赛道远未到你死我活的程度，两家公司的交锋更像是L4赛道集体焦虑的一次集中宣泄[20] - 在真正的蛋糕做大之前，关于规模和技术的较量或许只是漫长竞赛中的一个插曲[20]

自动驾驶技术发展路线 - 技术路线从基于规则时期转变为以理想、小鹏等新势力为代表的端到端到VLA范式时期，现阶段进入以蔚来为代表的世界模型时期[1] - 深度学习始终是技术路线的核心组成部分，行业建议学习前沿理论、底层基础理论和代码能力以应对技术快速迭代[1] 课程内容与目标 - 课程涵盖从模块化量产算法到端到端、VLA的技术演进，核心算法包括BEV感知、视觉语言模型VLM、扩散模型、强化学习、世界模型等[5] - 学习目标为掌握端到端技术框架，复现扩散模型、VLA等主流算法，学完后可达1年左右端到端自动驾驶算法工程师水平[5] 导师资质与行业资源 - 主讲导师为C9本科+QS前50 PhD背景，发表CCF-A论文2篇，现任国内TOP主机厂算法专家，主持过多项自动驾驶感知和端到端算法的量产交付[6] - 公司拥有300+专职于自动驾驶/具身智能方向的导师，来自全球QS前100高校，近3年辅导学员超400名，中稿率达96%[8][15] - 优秀学员可获得清北/MIT等名校推荐信或内推至阿里达摩院、华为诺亚方舟等企业研发岗[19] 科研辅导服务 - 辅导覆盖选题、调研、idea验证、代码实现、实验、润色、投稿全流程，目标包括CCF-A/B/C、SCI1-4区、EI会议等[15] - 服务包含班主任全程督学，针对零基础学员提供基础课程，承诺6个月可完成一篇小论文[18] - 通过精准匹配系统从300+导师中筛选3-5位方向契合者，支持试听和退款机制[18][19]

业务拓展方向 - 公司计划在自动驾驶领域的企业培训和求职辅导等方向进行业务拓展 [2] - 合作领域包括技术服务、培训、课程开发与科研辅导等多个方面 [2] - 主要面向自动驾驶产品经理、4D标注/数据闭环、世界模型、VLA、自动驾驶大模型、强化学习、端到端等多个技术方向 [4] 目标客户与岗位说明 - 培训合作业务B端主要面向企业和高校、研究院所 [5] - 培训合作业务C端面向较多学生和求职类人群 [5] - 岗位职责包括自动驾驶培训合作、课程开发和原创文章创作 [5] 合作与资源 - 公司面向全球自动驾驶领域从业者发出合作邀请 [2] - 公司将提供高额的酬金与丰富的行业资源以吸引合作伙伴 [3] - 感兴趣的从业者可通过指定微信联系方式进行进一步咨询 [6]

自动驾驶技术路线定义与共识 - VLA/世界模型/端到端等技术路线缺乏公认的排他性定义，其共同点是要求模型具备生成与真实世界一致的道路视频数据的能力，并以视觉信息为输入最终控制车辆行动 [1][2] - 技术路线之间的核心区别在于语言是否参与、参与深度以及架构形式，例如语言相关的token是当前LLM的text token还是潜在的photon token [2] - 不同企业宣传的VLA细节可能存在巨大差异，未来VLA与VLA之间的区别可能大于VLA与传统方法的区别 [2][3] 头部车企技术路线共性分析 - 头部智驾车企在自动驾驶探索上共同性大于差异性，内核是宣传分歧而非技术路线分歧 [1] - 理想汽车与特斯拉均认为扩散模型有利于自动驾驶，3D高斯泼溅生成世界模型优于神经辐射场，且世界模型用于评估很重要 [12] - 两家公司均认为将人类价值观编入代码极其困难，并且在输出层面，理想汽车认为输出轨迹优于直接输出油门方向盘电信号 [5][12] 语言在自动驾驶中的作用与潜力 - 语言在自动驾驶中的作用主要体现在长推理、用户交互价值观对齐以及理解世界 [1] - 对“预测下一个token”的理解分歧影响对LLM潜力的判断，越认为其不只是概率分布的人越认可语言可以理解世界 [1][12] - OpenAI联合创始人Ilya Sutskever认为，足够好的下一个token预测意味着模型理解了token产生的潜在现实，这使其可能推断出超越已有数据范围的高智慧行为 [13][15][17] 端到端架构的具体实现探讨 - 端到端缺乏公认的排他性定义，传感器信号进、输出轨迹亦可称为端到端，在此定义下理想汽车的VLA架构符合端到端特征 [5][7] - 有观点认为特斯拉端到端模型实际输出的是轨迹而非油门方向盘电信号，依据包括跨车型适配的冗余设计问题及特斯拉高管在公开场合的模糊回应 [5][6] - 特斯拉技术负责人Ashok Elluswamy在ICCV 2025上表示，端到端的核心前提是梯度必须端到端流动，输出形式是经验性问题，这进一步支持了端到端定义的宽泛性 [6] 技术演进的长远视角 - 马斯克提出长远来看AI模型输入和输出99%以上将是光子，这回应了关于DeepSeek-OCR等工作中降低计算量的潜力 [10] - VLA定义的最大公约数是输入为视觉或多模态，语言以某种形式参与，最终输出指向广义机器人动作的模型 [11] - 长远来看，可能不再使用text token来理解语言，而是采用更底层的表征方式 [10][11]