技术路线演进 - 小马智行经历从Learning by Watching（模仿学习）到Learning by Practicing（实践学习）的技术路线切换，核心突破在于构建"世界模型"作为车端模型的训练工厂[7][17][18] - 模仿学习存在三大局限：无法学习驾驶意图、人类与AI安全标准双标、优秀司机数据导致反向优化[19][22][23] - 世界模型由数据生成器、评估体系、高真仿真和数据挖掘工具组成，其精度决定车端模型上限[26][27][35] 行业现状与竞争格局 - 2023年Robotaxi行业回暖标志：Waymo旧金山日均单量超出租车、百度武汉运营400+辆、小马智行达百辆级规模[14][15] - L4与L2技术路线分叉：L2依赖数据量（MPCI约300公里），L4追求安全性（MPCI需达10万公里级）[45][47] - 商业化临界点为1000台运营车辆可实现毛利，小马智行采取差异化策略追求更优成本结构[52][53] 核心技术创新 - 世界模型使事故率降至人类司机1/10，车端模型实现感知-预测-规控三模块端到端打通[36][37] - 数据生成技术突破：生成数据覆盖率与一致性超越真实路采数据，解决长尾场景覆盖难题[28][29] - 评价体系与自我演进引擎构成技术护城河，需2/3研发资源投入且经历两年无显性进展的攻坚期[31][39] 商业化进展 - 运营效率提升：接入高德后单车日均订单达15单，远程监控人车比突破1:3向1:30迈进[54][53] - 前装量产合作推进：与丰田、广汽合作降低车辆成本，通过出租车公司合作解决充电等运维问题[53] - 行业竞争态势：滴滴等新玩家入局但市场渗透率不足1%，现阶段以共同培育市场为主[54][66] 认知方法论 - 技术突破关键在坚持"黎明前的黑暗"，疫情延缓行业节奏反而为转型创造窗口期[10][40][41] - 商业化需平衡节奏与价值，避免过早变现或过度追求理想化目标两个极端[65][66] - 结果导向思维：技术方法的优劣由最终成果验证，非理论先进性决定[67][68]