It's time to spotlight Tesla as the company's coming off record highs this week, two of them so far. And looking ahead to 2026. Joining us now is Steve Wesley, founding managing partner at the Wesley Group.Steve, thank you for being with us today. You know, as we look at Tesla, they hit another record high yesterday. The market cap's now north of $1.6% trillion when last I just looked.What are your expectations for where it's going in 2026. Look, 2026 is going to be a pivotal year for Tesla. Share price rec ...

特斯拉股价表现与市场情绪 - 特斯拉股票近期表现异常强劲 过去六个月股价飙升近50% 主要受市场对自动驾驶、人工智能以及该公司长期增长前景的乐观情绪驱动 [1] - 对多数投资者而言 此次上涨可能意味着最糟糕的时期已经过去 尽管公司主营业务增长乏力 [1] 凯茜·伍德及方舟投资的操作 - 尽管特斯拉股价攀升 方舟投资创始人凯茜·伍德仍在减持 在12月18日单日出售了价值约1120万美元的股票 [2][7] - 此次出售23110股特斯拉股票 符合过去两到三个月形成的清晰模式 更像是大涨后的头寸调整和获利了结 而非长期信念的改变 [7][8] - 特斯拉目前仍是方舟投资最大的持仓 尽管过去几个月进行了多次减持 [8] - 减持操作呈现明显的波段性 例如在2025年12月12日出售87993股（价值约3930万美元） 在12月15日出售124867股（价值约5730万美元） [9] - 其他较小规模的减持包括11月7日出售71638股和11月26日出售27102股 [10] 华尔街分析师观点分歧 - 华尔街对特斯拉股票的看法存在严重分歧 对人工智能的乐观情绪与对利润率、执行力度以及利好因素是否已被充分定价的担忧形成对立 [6] - 分析师认为 特斯拉的上涨潜力可能已被市场提前消化 相当一部分华尔街机构对估值变得更为敏感 [12] 方舟投资投资组合构成 - 根据其官网数据 截至统计时 特斯拉在方舟投资合并投资组合中的权重为10.09% 是其最大持仓 [11][13] - 投资组合中其他主要持仓包括 Shopify权重4.61% Roku权重4.57% Coinbase权重4.27% 以及Palantir Technologies权重3.98% [13]

公司业务与市场地位 - 公司是全球电动汽车和能源产品设计、开发与制造的公认领导者，主要运营汽车以及能源发电和存储两大业务板块 [1] - 汽车业务板块包括广泛的电动汽车，如Model 3、Model Y、Model S、Cybertruck以及即将推出的商用特斯拉半挂车 [2] - 能源发电和存储业务板块提供Powerwall和Megapack等产品，用于住宅、商业和公用事业规模的能源存储解决方案，还包括太阳能系统的安装和销售 [3] - 公司是美国最大的电动汽车销售商之一，截至2025年第三季度末，在美国电动汽车市场占有约41%的市场份额 [6] - 公司独特的价值主张在于其对汽车和能源解决方案的集成方法 [5] 竞争格局 - 公司在汽车和技术服务领域面临来自多家老牌和新兴参与者的竞争 [4] - 在汽车领域，主要竞争对手包括通用汽车、福特等美国汽车制造商，以及已在全球电动汽车销量上超越特斯拉的中国主要汽车制造商比亚迪 [4][5] - 在美国电动汽车市场，其他制造商包括豪华电动汽车领域的Rivian和Lucid [5] - 在技术竞争对手方面，包括Alphabet（谷歌）及其自动驾驶汽车技术公司Waymo [5] 近期运营与财务表现 - 2025年10月22日，公司报告第三季度业绩，非GAAP每股收益低于预期约6美分，但调整后每股收益为50美分 [8] - 第三季度营收超出预期，同比增长11.6%，环比增长，超出预期约14亿美元 [8] - 资本支出环比下降，从2025年第二季度的约24亿美元降至约22.5亿美元 [9] - 第三季度自由现金流增长至接近40亿美元，而上一季度约为1.5亿美元 [9] - 第三季度交付量超过49.7万辆，超出预期，但这主要归因于消费者电动汽车税收抵免到期前的购买活动激增 [10] 增长驱动与未来展望 - 公司的机器人出租车计划虽处于早期阶段，但被视为重要的增长动力，有潜力彻底改变城市交通，并提供新的收入流 [11] - CyberCab和Optimus业务板块预计将推动显著收入增长，CyberCab到2030年收入可能达到540亿美元 [11][12] - 能源存储业务板块正在经历快速增长和利润率扩张，使公司能够战略性地利用人工智能数据中心需求推动的能源解决方案增长 [13] - 公司的人工智能芯片路线图有潜力为机器人出租车运营节省大量成本，到2028年可能增加110亿美元的增量年利润 [13] - 在2026财年，公司年销售额预计将超过1000亿美元，这将是一个新的年度销售里程碑 [14] 技术进展与创新 - 2025年12月中旬，公司开始在奥斯汀街道上测试Model Y机器人出租车，车内无驾驶员或安全监控员 [7] - 公司继续在人工智能和机器人领域创新，如机器人出租车网络和名为Optimus的人形机器人项目 [6] - 最近的奥斯汀无人驾驶测试加强了看涨的叙事，公司继续为多城市扩张奠定基础 [21] - 公司致力于将人工智能与其汽车和能源产品整合，这可能在未来几年进一步增强其竞争优势 [21] 面临的挑战与担忧 - 公司的自动驾驶技术，尤其是全自动驾驶功能，面临重大的监管和技术障碍，近期测试表明该系统尚未为大规模市场部署做好准备 [14] - 机器人出租车和人形机器人等雄心勃勃的项目是资本密集型的，并且其近期盈利能力和可行性受到质疑，可能在短期内给公司财务资源带来压力 [15] - 从估值角度看，基于远期收益倍数超过283倍，这远高于行业平均水平的18倍，也远高于公司自身5年平均水平的150倍，表明其股票相对于同行和历史平均水平较为昂贵 [15] - 高估值倍数意味着如果时间表推迟或监管收紧，留给失望的空间较小 [16] - 从增长角度看，明年公司销售额预计仅同比增长约4%，显著低于其近30%的5年平均水平 [16][17] - 增长放缓可能基于逐年放缓的汽车总销量以及来自国内外其他电动汽车制造商竞争加剧导致的产品定价降低 [17] 股价与技术分析 - 尽管股价触及约495美元的52周新高和历史新高，但在过去52周内表现逊于大盘，仅上涨约2% [18] - 年初至今，股价上涨近21% [18] - 近期价格势头相当强劲，过去六个月股价上涨超过50%，仅过去30天就上涨23% [18] - 日线动量正在上升，MACD指标为正且上升，RSI高于50，但仍低于70，表明近期价格动量可能持续 [19] - 从移动平均线来看，股价高于50日移动平均线，表明中期趋势仍然积极且完好，同时价格高于20日移动平均线的排列表明近期价格走势看涨 [19]

16 December 2025 China EV Tracker Equities EV demand resilience into 2026e China EV outpaced overall auto demand in Nov – a sign of EV consumption supporting continuity into 2026. China passenger car market recorded 2.22mn units' sales in November, representing an 8% y-o-y decline from last year's high base, and 1% decrease m-o-m. The result fell short of our expectations, primarily due to earlier-than- anticipated tightening or exit of trade-in subsidy programmes across several regions as funding was exhau ...

CiDi, a provider of autonomous driving technology for commercial vehicles, has listed its shares in Hong Kong. Its CEO Albert Sibo Hu discusses the company's growth and international expansion strategy. He speaks with Yvonne Man on "Bloomberg: The China Show." ...

作者 | Feynman 编辑 | 自动驾驶之心 原文链接： https://zhuanlan.zhihu.com/p/1979144898872627828 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 思考： 完整版： https://wayve.ai/thinking/gaia-3/ GAIA-3：规模化世界模型，驱动自动驾驶的安全与评测 将世界建模从一个视觉合成工具，转变为自动驾驶评估的基石。 大规模评估自动驾驶系统仍然是推进现实世界自动驾驶技术面临的核心挑战之一。现实世界测试对于验证安全性至关重要，但其成本高昂、受物流限制，并且数据效 率日益低下。随着驾驶模型的改进和可观测错误的减少，得出具有统计学意义的结论所需的测试里程数急剧增加。而这些里程中的大部分都是平淡无奇的，几乎无法 提供关于罕见但至关重要的安全行为的有效信息。 仿真模拟提供了一条前进的道路。虚拟环境能够实现安全、可靠、可重复且可扩展的驾驶模型测试。然而，尽管前景广阔，现有的仿真方法仍不足以对现 ...

Saw Lion, senior analyst, creative strategies and Ivan Fineset, senior partner, CIO, Tigris Financial Partners is with me, and we're talking a little bit here about what's going on in the world of EVs. And you know, my first simple question, Ivan Finth, is do EVs last the test of time here. Does everybody who want an EV already have one, or are there going to be many, many more to come. I think there are a lot of people who want them but are not ready to take the leap to full EV until we have a better charg ...

文章核心观点 - Zacks Equity Research 发布了其分析师团队的最新研究报告 重点涵盖了16只主要股票和两只微型市值股票 包括Alphabet、特斯拉、索尼、Tredegar和CVD Equipment [1][2] Alphabet Inc (GOOGL) - 公司股价在过去一年表现超越行业 涨幅达+63.8% 而Zacks互联网服务行业指数涨幅为+59% [4] - 业绩受益于AI基础设施计划、谷歌云和搜索业务的加速增长 谷歌云在2025年第三季度末的积压订单金额达1550亿美元 环比增长46% [4] - 谷歌云平台新客户数量同比增长约34% 且70%的谷歌云客户目前使用公司的AI产品 [5] - 基于生成式AI模型（Gemini, Imagen, Veo, Chirp, Lyria）构建的产品收入在2025年第三季度同比增长超过200% 反映出采用率正在加速 [5] - 搜索业务受益于AI概览和AI模式 推动了整体查询量的增长 YouTube则受益于Shorts短视频日益增长的需求 [6] Tesla, Inc (TSLA) - 公司股价在过去一年上涨+11.3% 略低于Zacks美国汽车行业+13.9%的涨幅 [7] - 公司在第三季度创下新的交付记录 但部分原因是买家急于申领即将到期的7500美元电动汽车税收抵免 随着激励措施取消和中国电动汽车制造商竞争加剧 预计第四季度交付量将下降 [7] - 汽车利润率预计将承压 [8] - 能源发电与存储部门表现强劲 超级充电网络持续扩张 于6月推出的机器人出租车服务目前在奥斯汀和旧金山运营 并且公司近期已开始无人驾驶机器人出租车测试 [8] - 公司向人工智能、自动驾驶和机器人技术的重大转型前景良好 但这些项目可能需要数年才能产生实质性成果 [9] Sony Group Corp (SONY) - 公司股价在过去一年表现超越行业 涨幅达+26.5% 而Zacks音视频制作行业指数涨幅为+24.4% [10] - 业绩由游戏与网络服务、音乐以及成像与传感解决方案部门的持续强劲表现所驱动 而影视以及娱乐、技术和服务部门表现疲软 [10] - 游戏与网络服务部门受PlayStation参与度上升支撑 音乐部门则受益于录制音乐和音乐出版业务的流媒体收入增长 [11] - 成像与传感解决方案部门由移动设备和相机图像传感器销售增长引领 更强的图像传感器销售以及通过削减低利润领域、将资源集中于关键优先事项实现的更严格成本控制 正在推动2025财年的盈利能力 [11] - 体育业务通过收购STATSports获得增长动力 将其数据与Hawk-Eye和KinaTrax结合 有望提供顶级体育分析并推动整体增长 [12] Tredegar Corp (TG) - 作为一家微型市值公司（市值2.6148亿美元） 其股价在过去一年表现逊于行业 下跌-1.6% 而Zacks化学-塑料行业指数上涨+23.8% [13] - 公司面临的风险包括企业成本高企、PE薄膜业务客户集中度高、营运资本增加以及盈利波动 历史上曾因大额减值及重组费用而受损 [13] - 公司在2025年第三季度实现强劲反弹 铝挤压业务EBITDA因销量增长、定价改善和成本控制而同比飙升172% [14] - 净利润扭亏为盈 达到710万美元 而2024年第三季度为亏损340万美元 这得益于更强的经营现金流和减轻的利息负担 [14] - 尽管面临50%的铝关税 公司通过定价灵活性保持了市场地位 特种产品销量同比增长34% PE薄膜业务仍是稳定的现金贡献者 且成本优化计划已在进行中 净债务从5480万美元降至3620万美元 财务灵活性得到改善 [15] CVD Equipment Corp (CVV) - 作为一家微型市值公司（市值2130万美元） 其股价在过去六个月上涨+9.3% 略低于Zacks制造业-通用工业行业+10.5%的涨幅 [16] - 公司定位于航空航天、碳化硅功率电子和电动汽车电池用先进材料的长期增长 并拥有差异化的CVD/CVI平台支持 [16] - 航空航天领域对陶瓷基复合材料的采用是一个关键推动力 公司的系统已嵌入推进项目并获得重复订单支持 [17] - 在功率电子领域 公司顺应行业向200毫米碳化硅晶圆转型的趋势（由电动汽车电气化驱动） 同时其PowderCoat系统扩大了对硅阳极的覆盖 [17] - 近期的利润率改善以及一项旨在从2026财年起实现每年200万美元成本节约的重组计划 应能提升运营杠杆 [18]

文章核心观点 - 传统自动驾驶视觉语言模型在复杂真实路况中存在三维感知能力不足、语义融合有限、关键信息提取效率低等瓶颈，需要从“图像理解”向“场景理解”进行范式转换 [2][3] - 研究提出的MMDrive模型通过融合多模态信息、引入文本导向的多模态调制器和跨模态抽象器，构建了更立体、更智能的场景理解能力，在权威基准测试中性能领先，尤其在复杂和低能见度场景中表现出更强的鲁棒性 [5][8][30] - 该技术框架为自动驾驶高阶感知、仿真测试、智能交通及驾驶辅助等应用提供了新的可能性，代表了行业技术发展的一个重要方向 [31] 传统方法的局限性 - 主流自动驾驶视觉语言模型采用“图像+文本”双分支架构，视觉与文本特征仅进行硬拼接，缺乏深度交互，限制了跨模态语义对齐 [3] - 模型基于二维图像，难以表达深度、空间布局等关键三维信息，在遮挡、恶劣天气等复杂动态环境中关键信息提取效率低 [3][5] - 仅依靠前向摄像头图像，在遮挡等情况下无法准确判断场景全貌（如后方车辆状态），揭示了平面视觉感知的固有缺陷 [5] MMDrive的核心技术突破 - **多模态信息融合**：模型引入了三类互补信息源——提供稠密三维空间结构的占据栅格地图、提供精确几何与深度信息的激光雷达点云，以及通过两阶段策略生成的高层语义文本场景描述，共同构建立体场景表征 [12][15] - **文本导向的多模态调制器**：该组件能根据输入文本问题的语义内容，动态调整不同模态信息的融合权重，实现问题感知的自适应特征融合，避免信息稀释 [17][20] - **跨模态抽象器**：该组件通过学习一组“抽象令牌”来提取跨模态的关键信息，形成紧凑的语义摘要，使大语言模型能更高效地聚焦核心内容，实验表明16个抽象令牌是性能最佳配置 [21] 实验结果与性能表现 - **定量结果领先**：在DriveLM基准测试中，MMDrive在BLEU-4、METEOR、ROUGE-L、CIDEr四项指标上分别达到54.56、41.78、75.27和3.63，全面超越对比模型 [22] - **细分任务优势明显**：在NuScenes-QA基准测试中，MMDrive在计数、状态查询、比较类问题上表现突出，其整体准确率达到62.7，显著高于其他对比方法 [24] - **定性结果稳健**：在夜间、雨天等低能见度场景中，模型仍能保持较高的判断准确率，并能识别传统方法易忽略的细节（如与背景颜色相近的标志牌、远处小型物体） [26][30] 应用前景与未来展望 - **自动驾驶系统**：可作为高阶感知模块，用于复杂路口理解、施工区识别和异常事件判断，并为预测与规划模块提供丰富的语义场景表示 [31] - **仿真与测试**：可用于生成高质量场景描述以测试系统语义理解能力，并支持多模态问答用于驾驶员行为分析与系统评估 [31] - **智能交通与车路协同**：通过车路多模态信息融合提升全域交通态势感知，支持自然语言交互的交通指挥与调度系统 [31] - **驾驶教育与辅助**：为驾考模拟与危险场景教学提供可解释的问答支持，增强ADAS系统的交互能力 [31] - **技术演进方向**：未来研究将围绕长时序预测与协同规划、模型轻量化以适应车载部署，以及生成可解释的决策推理链条展开 [31]

文章核心观点 自动驾驶领域的两大前沿技术路线——视觉-语言-行动模型与世界模型——正呈现出明显的融合趋势，旨在共同塑造一个“既会思考，又会沟通”的终极驾驶大脑，以解决传统模块化方案和早期端到端模型的局限性 [1][16][47] 技术路线解析：VLA - **定义与目标**：VLA 是“视觉-语言-行动”模型，旨在实现人车交互与可解释的端到端自动驾驶，其核心是将人类语言指令融入系统，让车辆“能听懂、会解释、直接开” [4][11] - **系统架构**：采用输入-中间层-输出的“三明治架构” [5] - **输入端**：融合多摄像头图像生成的BEV/体素表征、激光雷达/毫米波雷达数据以及人类语言指令 [5] - **中间层**：由视觉编码器、基于大语言模型的处理器和动作解码器构成，进行统一推理与决策生成 [5] - **输出端**：直接输出车辆的低层控制指令或未来数秒的行驶轨迹 [6] - **核心优势**：交互自然、可解释性强，并能利用语言常识处理复杂语义场景 [11] - **当前挑战**：面临语言与行动对齐困难、算力需求大等难题 [11] 技术路线解析：World Model - **定义与目标**：世界模型是一种生成式时空神经网络系统，旨在为自动驾驶系统构建一个可预测和仿真的内部世界，使其具备“在脑海中预演未来”的能力，从而支持更安全、前瞻的规划 [8][11] - **系统架构**：同样遵循输入-核心模型-输出的架构 [9] - **输入端**：侧重于时序的多模态传感器数据及自车状态，专注于对物理世界状态的建模 [9] - **核心层**：由编码器、记忆模块和生成式预测模块构成，负责状态编码与未来场景的生成式推演 [10] - **输出端**：生成未来场景的丰富表征，如图像序列、BEV地图或4D占据栅格，为下游规划模块提供前瞻信息，而非直接控制车辆 [10] - **核心优势**：能够预测和仿真未来，方便量化风险，并可通过仿真生成大量极端案例数据 [11] - **当前挑战**：缺乏高级语义理解、实时高保真推演的计算成本高，且本身不直接产出驾驶策略 [11] VLA与世界模型的异同 - **主要区别**：两者在目标、输入输出、核心技术及优势挑战上存在显著差异，具体对比如文章中的表格所示 [11] - **内在联系**：尽管路径不同，但二者存在多方面的共同点 [12][13][14][15] - **技术起源一致**：均源于对传统模块化流水线和早期“黑箱”端到端模型的反思 [12] - **终极目标一致**：都是为了让自动驾驶系统具备类人的认知与决策能力 [13] - **关键挑战一致**：都需要解决剩余20%的极端案例难题 [14] - **技术底层一致**：都重度依赖“预训练+微调”的深度学习范式及Transformer等核心架构 [15] 技术融合趋势与实例 行业研究显示，VLA与世界模型的融合已成为明确趋势，旨在形成“感知-推理-仿真-决策-解释”的增强闭环 [16][21][47]。近期多项研究工作体现了这一融合方向： - **3D-VLA (2024.03)**：提出了一个融合3D感知、推理和动作生成的世界模型，其关键创新在于训练扩散模型来生成执行指令后的目标图像、深度图和点云，让模型具备“想象未来”的能力。在一个包含约200万个样本的3D具身指令数据集上训练，在3D推理定位等多任务上表现超越2D模型 [20][22] - **WorldVLA (2025.06)**：将VLA模型与世界模型统一于单一框架，实现动作与图像的联合理解与生成。在LIBERO基准测试中，其动作生成成功率超过同类离散动作模型约4%，视频生成质量优于单纯世界模型约10% [25][26][27] - **IRL-VLA (2025.08)**：提出基于逆强化学习奖励世界模型的闭环强化学习框架来训练VLA策略。在NAVSIM v2闭环驾驶基准上取得领先性能，并在CVPR 2025自动驾驶大挑战中获得亚军 [30][31] - **DriveVLA-W0 (2025.10)**：通过引入未来图像预测作为密集自监督任务，解决VLA模型“监督不足”的根本瓶颈。在NAVSIM基准测试中，仅用单目前置摄像头即超越多传感器基线模型。在大规模内部数据集上的实验表明，该方法能放大数据扩展定律 [34][35][36] - **WM-MoE (2025.10)**：提出首个基于世界模型，并融合专家混合网络与大型语言模型的运动预测框架，专门针对极端案例。在多个公开数据集上的实验表明，其在整体精度和极端案例处理上均超越现有先进方法 [39][40][41] - **FutureSightDrive (2025.11)**：引入视觉时空链式思考作为中间推理步骤，让VLA模型进行“视觉思考”。该框架首先生成包含物理合理先验信息的统一未来帧，再基于此进行轨迹规划，有效弥合感知与规划间的模态鸿沟 [44][45][46] 行业动态与展望 - 工业界已开始布局相关技术，例如华为强调其世界模型能力，小鹏汽车正在研发VLA 2.0，而理想汽车也在发布会上展示了相关理解，预示着将有更多厂商进入该领域 [47] - 下一代自动驾驶的发展方向预计将沿着VLA与世界模型深度融合的思路演进，构建具备闭环智能的驾驶系统 [47]