公司股价与交易表现 - 地平线机器人股票当日收盘价为7.96，下跌0.13，跌幅为1.61% [2] - 股票当日盘中振幅区间为7.80至8.38 [2] - 当日成交量为229万至688万之间 [2] 公司技术路线观点 - 地平线副总裁吕鹏认为，当前不同的技术路线（如World Model、VLA、VA）本质上没有区别 [2] - 公司观点认为所有技术都需要建立在非常坚实（solid）的端到端基座之上 [2] - 公司判断，若端到端基座的性能和坚固性不足，则难以引入新模态来解决更多问题 [2]

行业年度回顾 (2025) - 城区NOA成为行业竞争关键功能，渗透率快速提升，2025年前三季度已达7.01%，预计年底将突破10% [1][3] - 第三方供应商市场呈现高度集中的头部效应，华为HI、元戎启行、Momenta三家合计占据超90%的市场份额 [1][3] - 头部三强市场份额特点各异：华为HI方案选配率高达80%，主要应用于中高端车型；元戎启行与头部大厂合作定义爆款，支持激光雷达和纯视觉两种方案；Momenta合作车型覆盖多个价格区间，市场范围最广 [5][6] - 头部供应商增长势头分化，以2025年10月单月装机量除以1-10月月均装机量计算，元戎启行增速最快达2.7倍，并在10月拿下38%市场份额，Momenta和华为HI增速分别为1倍和1.6倍 [6] 技术路线分化 - 端到端成为行业共识，并进一步裂变为三大技术路线：以元戎启行、理想为代表的VLA路线；以华为、蔚来为代表的世界模型路线；以Momenta等为代表的一段式强化学习端到端路线 [2][9] - VLA路线引入语言维度，旨在让模型具备推理能力以实现“认知驱动”，从而解决更多边缘场景并提升用户体验 [10] - 世界模型路线旨在建立从感知到动作的直接映射，通过解析感知数据理解3D场景和物理规律，预测未来环境变化并输出最优决策轨迹 [13] - 技术路线的争议主要围绕是否需要引入“语言”维度展开 [9] 市场未来展望 (2026) - 城区NOA功能正从高端车型向普惠化发展，甚至开始下探至10万级车型，预计将成为2026年大部分新车的必备关键功能 [11] - 在需求认可与供应链成本下降的双向推动下，城区NOA搭载量预计将翻倍增长，有头部厂商预测2026年中国具备高阶智驾能力的车型年销量有望达到500万台量级 [12] - 对于主机厂而言，无法提供城区NOA功能将意味着失去一个规模达500万辆的潜在市场 [12] 主机厂的战略选择 - 主机厂面临自研或外供城区NOA方案的选择，自研面临时间窗口缩小、周期长、投入巨大的挑战 [12] - 有自研主机厂透露，仅VLA模型训练所需的买卡费用每年就高达数亿元人民币 [12] - 寻求外供方案已成为部分主机厂快速上车的必选项，选择外供方案主要看三个维度：头部厂商的市场份额与技术数据优势、方案过往的爆款记录与出海经验、以及支持低成本纯视觉方案的能力 [15][18] - 中国汽车出口规模持续增长，2025年已达近710万辆，出海成为市场增长点，Momenta和元戎启行等供应商已与海外大厂建立合作 [15] 行业融合与未来竞争 - AI技术与汽车产业深度融合，端到端技术路线的演进不仅推动了城区智能驾驶落地，也支撑车企入局机器人领域 [2][21] - “车企一定会造机器人”成为行业新共识，理想、小鹏等公司已通过调整组织架构或展示成果等方式展开行动 [18] - VLA技术因既能助力当前汽车销售，又被视为进入具身智能等下一阶段竞争的关键，成为年度热词，并连接了“AI+车”与物理AI领域 [19][21] - 主机厂越来越需要强大的头部AI合伙人，这不仅影响当前销量，也关乎未来在新赛道（如机器人）的布局 [21]

黑马新势力智驾方案定点争夺战 - 某黑马新势力的智驾方案定点过程一波三折，最初选定M公司，后转给W公司，最终被Y公司以超低报价截胡[1] - W公司内部曾对获得合作非常激动，但最终接到黑马新势力一把手电话，暗示合作生变[2] - 据传该智驾方案按成本计算的合理价格在5千万至1亿元，M公司报价从1亿元被砍至8000万元，而Y公司最终以2000万元的超低合作价赢得资格[2] - Y公司正筹备上市，此次合作被解读为不以盈利为目的，旨在“拿利润换名气”以稳固上市前景[3] - 合作仍存变数，因Y公司资源可能跟不上，其智驾芯片部署进度不及W公司，且能否应对50万台车、五到六款车型的规模存疑[3] - W公司曾考虑以同样低价策略争夺Y公司与另一车企的合作，但最终选择遵守商业底线而放弃[3] 造车新势力B公司高管离职与组织动荡 - 公司核心高管L于2025年10月卸任自动驾驶负责人，其于2019年6月加入，2023年8月升任该职，主导城市/高速领航辅助驾驶落地[3] - L的离职原因与公司全面转向AI（all in AI）战略有关，其在此过程中转向较慢，且可能存在预算争议[5] - L的管理风格被指相对粗暴，例如开会时可能长时间批评下属，并曾与内部其他团队发生争执[5] - 行业认为B公司的副总裁（VP）职位已成为“高危职业”，在艰难时期已有前两任VP离职[5] - 另有爆料称L离职后可能投身机器人领域，或加入某扫地机器人公司[4] 高端智能电动汽车品牌A公司人事变动 - 公司年前经历多位核心负责人离职、组织架构大调整，并全力冲刺世界模型研发[5] - 原智驾产品负责人小X已离职并加入M公司，担任产品负责人，向M公司创始人兼CEO汇报[6] - 小X于2022年加入A公司，2025年10月离开，任职三年，期间担任智驾产品与体验负责人，角色侧重于将技术转化为用户可理解和信任的产品[7] - 其主导了AES等智驾功能的开发落地，以及世界模型1.0的开发，该模型是公司当前智驾战略的核心方向[7] 传统主机厂Q公司的管理风格 - 公司以稳定和“适合养老”著称，内部很少主动裁员[7] - 在处理一位业绩不佳的高管时，公司展现了“温情操作”：未立即换人，而是给予预警并安排工作交接，整个流程持续长达五个月[8] - 该高管此前长期从事手机行业，对汽车销售逻辑不熟，导致其负责的马来西亚市场拓展表现不如预期[7] - 有员工认为，对于销售业务而言，五个月的反应周期过长，可能导致海外渠道耐心、团队信心与市场机会在等待中流失[8] - 业内普遍评价Q公司“很仁慈，甚至仁慈有些过分”[8] 汽车龙头S公司内部协同问题 - 公司乘用车体系开年出现三位核心高管（甲总、乙总、丙总）各自为战、导致员工需要重复汇报的情况[8] - 某日甲总的汇报日程与乙总的例会时间冲突，导致乙总例会推迟，但乙总本人事先并不知情[8] - 开年后，员工经历了“三头重复汇报”：乙总先组织workshop进行业务复盘，随后丙总也组织类似会议并将汇报与周末团建捆绑，周一甲总又要求再次汇报[9] - 高管间缺乏协同与信息同步，例如乙总组织汇报时未邀请甲总、丙总，甲总汇报时间冲突也未提前同步乙总[10] - 公司刚完成乘用车体系调整，但高管间的协同尚未跟上调整节奏，各自为政的气息已影响到一线员工[10] “供应链狂魔”E厂的成本控制与员工关系 - 公司去年大力推行降本增效，其马来西亚售后总监的中秋福利仅为两个月饼，被同行认为待遇不当[10] - 去年以来公司传闻不断，包括降薪、强背业绩指标、绩效打折等，被员工反映“变着法扣钱、减福利”[10] - 根据2024年ESG报告，公司员工规模仍是国内上市公司中最大的，当年员工流失率为2.53%，换算约1.86万人离职[11] - 2025年数据尚未公布，但预计离职人数仍以万为规模，显示“降本”策略对员工影响巨大[11] 造车新势力B公司前灵魂人物小Z的入职与整顿 - 小Z的入职堪称“潜伏”行动，早在2018年底便密访B公司广州总部并达成协议，随后在美国注册公司、悄然组建团队，至2019年2月正式亮相时团队已扩至20人[11] - 此举旨在应对B公司原有硅谷团队背景复杂、风格“刺头”、“不好对付”的局面，通过“另起一摊”再逐步渗透完成接管[11] - 小Z到岗第一天便辞退了一名因出差未安排商务舱而抱怨的外籍工程师，此后陆续提拔自己人，原有部分员工被边缘化[12] - 业内评价小Z技术扎实、沟通能力强，善于把握需求，但其目前已离开B公司并加入某超级大厂[12] “奶爸神车”F公司端到端技术攻坚与人事变动 - F公司成功跑通端到端技术，外部契机是B公司团队不稳定、核心人物小Z离职，以及友商A公司团队整体战斗力较弱，这为F公司提供了时间窗口[12] - 公司智驾团队负责人小P从中抽调约100名精兵，成立封闭项目组，经过约100天高强度闭门研发，搭出了端到端基本框架[12] - 小P透露自己在42岁前从不抽烟，但在那段时间每个工作日需抽两根烟以缓解压力[13] - 尽管技术攻坚成功，但小P手下的核心骨干在过去几年已换过三轮[14] - 近期公司架构调整，小P转任硬件本体负责人，主攻机器人研发，不再负责自动驾驶，此举可能与创始人强调“未来十年，具身智能是公司核心能力”的战略相关[14] 智驾行业端到端技术研发与人才流失现象 - 行业出现一个“诡异”现象：多家公司的技术骨干在完成端到端技术研发后便选择离职[14] - 例如F公司在端到端项目跑通后，核心灵魂人物陆续离开；智驾供应商G公司在完成端到端布局后，关键技术员乃至销售均出现离职[15] - 对车企或智驾公司而言，端到端技术研发投入大、压力大，常出现“人培养出来了，项目上线了，团队也散了”的局面[16] - 以智驾技术闻名的B公司也似乎难逃此“魔咒”，自前核心高管L离职后，其手下两三位并肩作战的兄弟也动摇了留任的念头[16]

公司技术战略 - 地平线公司明确表示，在推出视觉语言模型后，不会放弃其现有的端到端技术团队 [1] - 公司认为端到端技术是基础，是做好视觉语言模型的重要前提 [1]

行业技术趋势：端到端自动驾驶 - 端到端自动驾驶技术不再是头部玩家的特权，未进入该领域的车企和Tier 1供应商正在加速转型 [2] - 有资源的大型公司倾向于开发“一段式”端到端模型，而中小型公司则选择“两段式”模型作为切入点 [2] - 训练一个泛化性不错的“两段式”模型，目前公开信息显示大约需要200万Clips数据，训练资源需求相对友好，约为百卡规模 [2] - 训练“一段式”模型需要对标头部公司的千万Clips数据量，训练资源需求达到千卡规模 [2] - 行业当前关注的技术点包括：视觉语言模型/视觉语言大模型在车端/云端的作用、强化学习的损失权重配比、以及相关落地参考论文和未来预研方向 [2] - 行业探讨的具体问题包括：模仿学习/强化学习解决现有模块化方案难处理的场景、以及端到端中场景描述的必要性与潜在问题 [4] 社区与资源平台：“自动驾驶之心知识星球” - “自动驾驶之心知识星球”是一个综合性的自动驾驶技术社区，集视频、图文、学习路线、问答、求职交流于一体，目前已有近4500名成员，目标是在未来2年内达到近万人规模 [5][17] - 社区联合了学术界和工业界的专家，旨在降低行业入门壁垒，为初学者和进阶者提供交流与技术分享的聚集地 [5] - 社区内部梳理了超过40个自动驾驶技术方向的学习路线，并汇总了行业资源，包括近40个开源项目、近60个数据集以及主流仿真平台，以缩短成员的信息检索时间 [7][9][17] - 社区邀请了数十位活跃在一线产业界和学术界的嘉宾，为成员答疑解惑，并不定期举办直播分享，目前已举办超过一百场专业技术直播 [7][89] - 社区与多家自动驾驶公司建立了岗位内推机制，并提供自动驾驶相关工作岗位推荐与行业机会挖掘服务 [11][22] - 社区为成员提供了七大福利视频教程，内容涵盖世界模型、自动驾驶大模型、Transformer、3D目标检测、毫米波感知等多个前沿领域 [86] 技术方向与学习内容概览 - 社区覆盖的入门与基础学习资料包括：数学基础、计算机视觉、深度学习、编程、经典书籍与课程课件 [10] - 感知相关技术方向包括：BackBone网络、2D/3D目标检测与分割、鱼眼感知、车道线检测、深度估计、目标跟踪、BEV感知、Occupancy网络、在线高精地图、多传感器融合等 [10][18][52][54][56][58][59] - 规划控制与决策相关方向包括：轨迹预测、规划控制框架、基于搜索/采样/优化的规划方法、模型预测控制、强化学习等 [10][18][48][60][62] - 前沿模型与技术方向包括：端到端自动驾驶、视觉语言模型、视觉语言动作模型、扩散模型、世界模型、3D高斯泼溅、神经辐射场、大模型在自动驾驶中的应用等 [10][18][38][40][42][44][46][50][85] - 工程与落地实践方向包括：模型压缩与部署优化、CUDA编程、自动驾驶仿真、传感器标定、数据工程等 [10][18][65][69][71][81] - 社区整理了“自动驾驶100问”系列，内容涵盖TensorRT模型部署、毫米波雷达融合、车道线检测、规划控制面试、BEV感知、相机标定、3D&4D毫米波雷达等工程实践问题 [10]

行业趋势与市场现状 - 智能驾驶领域的技术焦虑正在产业链中游厂商间快速传播 [1] - 行业前沿技术发展放缓，业内量产方案趋同，整体呈现技术下沉趋势 [2] - 端到端等前沿技术的大规模量产起点预计在2026年 [2] - 二十万以上的乘用车年销量约700万辆，但头部新势力销量占比不足三分之一，搭载端到端技术的量产车型占比更低 [2] - 随着L3级自动驾驶法规推进，中游厂商面临紧迫的技术升级压力 [2] 技术发展路径与需求 - 端到端技术的成熟被视为开启更大规模量产的关键 [2] - 近期众多公司算法负责人迫切希望了解端到端所需的技术能力 [2] - 在端到端时代，感知任务合并与规控算法学习化已成为绝对主流 [7] - 如何高效合并感知任务、设计学习化的规控模块成为各大公司的核心必备技能 [7] 端到端技术架构与方案 - 主流技术架构分为两段式与一段式端到端算法 [8][9] - 两段式框架涉及感知与规划控制（PNC）间的信息传递建模，存在信息损失 [8] - 一段式框架可实现信息无损传递，性能通常优于两段式方案，代表方法包括基于VLA和基于Diffusion的方法 [9] - 量产落地需包含后处理的兜底逻辑，例如时空联合规划等轨迹平滑优化算法，以保证输出轨迹的稳定可靠 [13] 关键赋能技术与应用 - 导航信息在自动驾驶中起引导、选路、选道的关键作用，其地图格式、编码与嵌入方式是技术重点 [10] - 仅靠模仿学习存在局限，需结合强化学习（RL）使机器学习因果关系，实现更好的泛化能力 [11] - 轨迹输出优化涉及模仿学习与强化学习的结合使用，具体算法包括基于扩散模型和基于自回归的算法 [12] 量产实践与经验 - 真正的量产落地需从数据、模型、场景、规则等多视角综合施策，以快速提升系统能力边界 [14] - 课程内容聚焦量产实践，涵盖从架构概述、具体算法、导航应用、RL训练到轨迹优化及兜底方案的完整链条 [7][8][9][10][11][12][13][14]

公司发展历程与关键转折 - 公司前身为大疆内部2016年的第九个预研项目，编号BR1609，最初团队不足10人 [2][7] - 2017年完成产品初始化并启动首次道路测试，2018年获得深圳首批自动驾驶测试牌照 [9] - 2019年建成首座车规级工厂并与大众中国达成合作，此合作倒逼公司构建了扎实的工程落地与质量管控体系 [11] - 2021年与上汽通用五菱合作，在10万级价位的KiWi EV上实现了包括高速NOA在内的高阶功能，成功在业内建立声量 [19][21] - 2023年，因外部环境等因素，公司启动从大疆体系内的分拆独立，面临从研发部门向自负盈亏市场主体的全面重构挑战 [25] - 2024年9月27日，大疆车载事业部正式独立并更名为卓驭，同年10月14日，公司做出“删库重炼”、全面转型端到端技术路线的决绝决定 [2][3][29] 技术路线与工程理念 - 公司技术起源于大疆在无人机视觉算法和传感器融合上的积累，早期优势在于视觉算法精度 [7][9] - 公司选择了一条与行业“高算力堆料”主流相反的技术路径：从低算力、低成本切入，追求用极低成本达到让用户“安全使用、普遍觉得好用”的临界线 [18] - 公司主打的7V+32TOPS方案基于TI的TDA4-VH开发，整体成本约为5000元人民币，目标是将高速领航功能价格打到5000元以内 [19] - 公司坚持“软硬一体”的全栈式交付打法，认为这是大疆C端硬件公司基因的体现，背后是“兜底责任” [25] - 公司内部研发氛围追求极致，奉行“精兵战略”，团队规模严格控制，崇尚人效 [12] - 公司具备强大的工程化落地能力，例如在北汽极狐阿尔法T5上成功实现高难度的舱驾一体，以及将油车辅助驾驶性能做得很稳 [14][15] 向端到端技术的战略转型 - 2023年之前，基于规则的决策规划模式陷入瓶颈，解决一个问题会冒出十个新问题，工程上进入“接近悖论”的状态 [27] - 2023年12月特斯拉发布FSD V12推动行业转型后，公司从2023年下半年开始投入端到端预研，并于2024年10月14日正式决定全面转型 [28][29] - 转型决策做出时，华为、Momenta等竞争对手已在端到端技术上积累了半年多的经验，公司转型相当于在落后情况下重新起跑 [29] - 转型后技术团队进入“战时状态”，为解决纯端到端架构的因果推理模糊和低频数据不足难题，公司将架构拆解为感知融合、场景理解、决策规划三个核心模块 [29][30] - 公司通过仿真技术构建了覆盖200多种长尾场景的测试库，以虚拟数据补充真实数据的不足 [30] - 经过三个多月奋战，公司的模块化端到端架构完成了初步验证 [31] “空间智能移动基座”与多元生态布局 - 公司正构建“空间智能移动基座”，其核心是一套统一的技术架构，可向上兼容不同算力芯片平台，横向覆盖多场景应用 [34][36] - 基座实现了从TDA4中算力平台(32Tops)、8650高性能平台到8775舱驾一体平台的向上兼容，核心架构可规模化复用，降低了研发成本和周期 [36] - 在TDA4平台上，公司方案能以32Tops算力实现同级唯一的中算力城市NOA，让10万元以下的A0级电动车享受高阶智驾 [36] - 公司业务正从乘用车向商用车延伸，已与徐工、陕汽、重汽启动重卡高速NOA项目，基于基座模型仅需两个月即可完成适配，首批车型计划2026年上半年量产 [37] - 公司正联合商用车头部企业共同定义无人物流车，应用于矿山、港口等场景，并深入参与产品设计等更多环节 [39] - 在乘用车领域，公司已与9家主机厂、15个品牌合作，实现50多款车型量产搭载，还有30余款车型待量产 [39] - 2025年8月，公司携手大众打造的“满血版”IQ.Pilot系统，成为国内首个通过大众集团及两家合资公司三方联合审核A-SPICE CL2认证的供应商 [39] 行业竞争格局与公司定位 - 2018年行业竞争激烈，百度Apollo已完成超100万公里路测并发布2.0版本，地平线发布了中国首款车载智能计算方案征程1.0 [9] - 2019年，华为车BU正式成立布局全栈方案，地平线凭借与长安、理想的合作突破市场，Momenta则从L4转向L2+量产 [10] - 2023年，地平线培育算法生态推出开放平台，华为构建从芯片到系统的全栈自研能力，行业竞争白热化 [24] - 公司在五菱车型上成功落地后，其高性价比方案被华为内部列为重要对标对象，“地大华魔”成为智驾第一梯队代名词 [21] - 公司的发展哲学被概括为“务实的浪漫主义”：务实在于立足工程化落地，浪漫在于坚守“科技平权”初心和“造真正厉害的移动机器人”的理想 [40][41]

行业竞争焦点转向 - 汽车行业AI叙事发生微妙转向 从比拼“城市NOA开城数量”和“算力堆叠规模”等参数 转向关注“系统可靠”的交付 [1] - 智能驾驶竞争正从“功能有无”的炫技阶段 进入从技术验证到商业成功的关键跨越阶段 [1] - 未来两三年 行业竞争将从“功能竞赛”转向“系统可靠性+体验稳定性”的竞争 核心是提供跨城市、跨天气、跨道路风格的一致性体验 [2] 核心竞争力重塑 - 真正的行业门槛不再是阶段性趋同的单一感知或规划算法 而是系统工程能力 [2] - 车企需要从“算法工作室”进化为“系统大厂+软件公司” 具备容错机制、冗余设计和极端工况安全架构 才能实现从演示级表现到规模化可交付 [2] - 智能驾驶下半场竞争是系统工程能力、数据闭环效率和用户体验可靠性的综合较量 [4] 技术路径与行业格局 - “端到端+大模型+真实世界数据闭环”是未来主流技术路线 但这是一场关于数据与算力的消耗战 [2] - 端到端技术的落地门槛在于是否拥有海量、真实、可回放的驾驶数据以及强大的仿真闭环能力 同时面临模型体量增大带来的算力成本和车端功耗控制挑战 [3] - 未来只有少数几家能够真正跑通“工程化+安全化+规模数据闭环”的企业能活下来 [3] 用户需求与商业价值 - 用户购车决策逻辑发生本质变化 从看重“技术领不领先”的猎奇心态 转向看重“能不能真的帮我省心”的务实心态 [4] - 用户决策三要素转变为“好不好用、敢不敢开、会不会持续变好” [4] - 当智驾系统在处理复杂路况时表现稳定如“老司机” 才能建立用户信任感 并可能使智驾功能成为购车“刚需” 进而推动软件订阅和功能分级付费的商业模式 [4]

市场格局与公司进展 - 今年前三个季度，国内20万元以上乘用车市场份额占比30%，13万元以下市场份额则高达50%，但后者多数车型尚未配备城区辅助驾驶功能，这一广阔的蓝海市场正吸引着地平线、Momenta等智驾厂商加速布局 [1][13] - 地平线于今年4月正式推出基于征程6系列芯片的城区辅助驾驶解决方案HSD，并于11月随星途ET5和深蓝L06上市实现量产，两款车型上市短短两周后，HSD激活量便突破12000辆 [1][13] - 公司通过生态拓展加速市场渗透，在12月初的技术生态大会上公布两大举措：拓展生态合作模式，新增算法服务模式“HSD Together”，并与日本电装、大众合资公司CARIZON、HCT达成合作；引入更多生态合作伙伴，如元戎启行、卓驭等 [1][13] - 缺乏芯片研发能力的算法公司、软硬研发实力薄弱的车企正纷纷向地平线聚拢，公司目标是让城区辅助驾驶功能下沉至10万元国民车型，并计划在未来3—5年内达成千万级量产规模 [2][14] 技术路线与研发投入 - 地平线敢于制定千万级量产目标的底气源于其在智驾端到端方案上的长期坚守与深耕，公司自2024年底便集中力量主攻端到端技术，90%的研发人力均投入到该方案的研发与量产落地工作中 [2][14] - 公司认为，无论是世界模型（WA）还是视觉语言动作模型（VLA），都需要建立在非常完整的端到端底座之上，没有扎实的端到端基座，高阶智驾就是空中楼阁 [2][9][10][14][21][22] - 地平线是目前行业内少数坚定选择端到端路线的厂商，其最早的端到端架构uni AD曾获得CVPR最佳论文，核心底气来自过去丰富的技术积累 [2][14][15] 技术方案详解 - 地平线HSD的端到端版本最核心的技术亮点是“光子进，轨迹出”，公司是除特斯拉之外，少数拥有真正意义上最完整的一段式端到端系统的企业 [4][16] - 所谓两段式端到端，并非一个模型，而是感知模型加规控模型，信息传递存在丢失；而一段式端到端可实现高维特征的无损传递，信息量更高，驾驶体验更接近人类直觉 [6][17] - 两段式端到端存在的原因是一段式方案若不够完善，输出轨迹会有缺陷导致无法控车，开发者会退而求其次增加后处理规则进行修正，但这些规则会限制模型上限并带来驾驶动作的割裂感 [7][18] - 分辨一段式与两段式端到端，对于从业者主要看模型输出轨迹的连贯性和拟人性，特别是在交互场景下动作是行云流水还是按步骤进行，消费者最直观的体验是是否愿意在城市中安心使用该系统 [8][19] 竞争观点与未来展望 - 对于智驾技术路线之争，地平线认为WA或VLA都是基于端到端，语言（language）等模态应作为辅助项，而非开发核心，模型构建应模拟人类开车状态，即95%以上时间依赖直觉模型，仅在极度复杂场景下加入理解与推理 [9][21] - 未来更智能的端到端方案中，仿真闭环是关键核心技术，因为稀疏场景需要通过仿真生成数据验证，随着端到端成熟，遇到问题的场景会越来越稀疏 [10][22] - 公司认为未来最理想的智驾方案是在端到端直觉模型解决95%甚至99%场景的基础上，为剩余需要认知推理的场景叠加思维链理解能力，但一切前提是端到端直觉模型必须足够好 [10][22] - 作为智驾供应商，接下来的竞争核心应聚焦产品体验、安全性和市场认可度，而非追逐新名词和新概念，技术上公司会做好预研和储备 [11][22] - 地平线强调，即使下一代智驾方案包含VLA技术，也不会抛弃当前的端到端技术，因为端到端是VLA得以实现的基础 [12][24]

中国L3级自动驾驶商业化正式启动 - 工信部首次批准L3级自动驾驶商业化运营，长安深蓝SL03与极狐阿尔法S6两款车型通过准入申请，标志着中国首次允许车辆在特定条件下由系统承担驾驶任务 [1] - 行业普遍认为2026年将成为L3级自动驾驶的“量产元年” [1] - 此次准入明确了L3级自动驾驶的权责划分：当车辆在限定路段以不超过80公里时速自主行驶时，若系统处于激活状态发生事故，车企或将承担主要责任 [1] - 准入要求L3级车辆的传感设备必须为“前装量产”，后改装车辆无法获得试点资格，从源头保障技术稳定性 [1] L3级自动驾驶的定义与跨越 - 根据国家标准，L3级被定义为有条件自动驾驶，即在特定条件下，车辆可以自主完成所有驾驶任务，驾驶员转变为监督者，仅在系统请求时介入 [5] - L2级辅助驾驶阶段，驾驶员需时刻监控并准备接管，系统仅协助完成部分任务（如自适应巡航ACC、车道居中LCC、自动泊车APA） [6] - L3级意味着在特定路况（如城市快速路、高速公路）下，车辆可自主持续执行全部动态驾驶任务，驾驶员角色从操作者变为监督者 [7] - L3级是从“辅助驾驶”到“完全自动驾驶”的重要过渡，后续的L4级将在固定区域内实现完全无人驾驶 [1] 行业进展与车企规划 - 2024年4月上海车展，华为联合赛力斯、阿维塔、奇瑞、北汽新能源等11家车企讨论L3，这些车企基本囊括了中国新能源汽车行业的“半壁江山” [4] - 诸多车企将2025年实现L3级有条件自动驾驶落地作为目标 [4] - 小鹏汽车已在广州市获得L3级自动驾驶道路测试牌照并启动常态化测试，计划2026年推出量产的软硬件达L4级水平的车型 [4] - 广汽集团宣布在2024年第四季度启动首款L3自动驾驶车型量产上市销售 [4] - 奇瑞汽车计划在2026年实现量产L3级自动驾驶车辆，其猎鹰900智驾系统AI算力将达到1000 TOPS [4] 技术演进：从端到端到VLA - 自2023年以来，智驾行业掀起BEV、端到端技术浪潮，车企正将AI神经网络融入感知、规划、控制等环节 [9] - “端到端+VLM”曾是主流技术方案，端到端系统负责处理感知、决策和执行全过程，VLM则提供对复杂交通场景的理解和语义解析 [12] - VLA（视觉语言行为大模型）正成为重要技术方向，它将视觉空间智能(V)、语言智能(L)和行为智能(A)统一在一个模型里，实现高效实时运行 [13] - VLA模型通过训练得到3D高斯表征，并激发模型强大的3D空间理解能力，其推理能力远高于“端到端+VLM” [13][15] - 例如，传统基于规则方案只能推理1秒路况，端到端1.0能推理未来7秒路况，而VLA模型能对几十秒的路况进行推理 [15] - 理想汽车发布了新一代自动驾驶架构MindVLA，计划于2026年量产应用 [9] - VLA被业界认为是端到端2.0的主要技术形态，目前尚处发展阶段，代表模型包括DeepMind的RT-2、OpenVLA、Waymo的EMMA等 [16] 现实挑战与风险考量 - 关键挑战在于人机共驾的信任建立：系统何时退出以及驾驶员能否及时接管 [2] - 国际数据显示，50岁以上用户从分神到重新掌控车辆平均需6秒以上，而系统发出接管请求后留给驾驶员的反应窗口通常不足10秒 [8] - 在低频激活场景下（有研究称城市道路L3可用时间不足23%），驾驶员极易产生依赖或松懈，反而放大风险 [8] - 当系统检测到复杂情况（如恶劣天气、道路施工）时，会发出接管提示，驾驶员必须迅速响应重新掌握控制权 [7] 车企自研趋势与战略平衡 - 汽车行业进入“得智驾者得天下”的时代，主流车企纷纷推出自研智驾系统（如比亚迪天神之眼、吉利千里浩瀚） [9] - 车企更适合自研的项目主要包括：核心竞争技术（如自动驾驶算法）、差异化技术（如独特用户界面）、高成本技术部件（如高性能自动驾驶芯片） [18] - 自研道路伴随高昂研发成本、漫长技术积累及未知市场风险，车企需在自研与技术合作间找到平衡点 [18] - 车企可采用分阶段的研发和投资策略，在每个阶段完成后进行评估和调整，以有效控制风险和成本 [19] 全球背景与中国路径 - 全球技术博弈已历十年，德国早在2021年通过《自动驾驶法》，明确L3系统激活期间事故责任由车企承担，并要求车辆配备“黑匣子” [1] - 奔驰Drive Pilot系统随后在德国高速公路上线，成为全球首个商业化的L3产品 [1] - 相比之下，中国此次准入虽起步稍晚，却一步切入责任核心，未走“测试”老路，而是直接启动附条件商业化运营 [1]