文章核心观点 美银全球研究部认为，自动驾驶技术是解锁美国万亿美元网约车市场潜力的关键，其核心在于将每英里出行成本降至2美元以下，从而推动渗透率从当前的1%大幅提升[1]。尽管行业领导者Uber面临市场份额被侵蚀的风险，但市场整体规模的显著扩容有望使其订单量在未来15年实现17%的年复合增长，达到5890亿美元[1][18]。行业利润率能否维持取决于自动驾驶汽车的落地成本及商业模式，而来自特斯拉、Waymo、Zoox等“深口袋”科技巨头的竞争可能引发价格战[1][27]。 市场现状与潜力 - 美国乘用车年行驶里程约为3万亿英里，而当前网约车服务渗透率仅为1%，对应行驶里程约222.86亿英里[2][5][6] - 当前美国网约车每英里成本为2.5-3.0美元，远高于私家车每英里0.70-1.06美元的综合持有成本，巨大的价差限制了网约车普及[1][6] - 自动驾驶技术被视为打破瓶颈的关键，若能将每英里成本降至2.00美元以下，将成为推动其大规模普及的临界点[1][7] - 假设长期每英里定价为1.5-2.0美元，且自动驾驶渗透率达到20%，对应的市场规模将达到0.9-1.2万亿美元[1][8] 成本结构与商业模式分析 - 在人工驾驶模式下，Uber美国市场每英里订单价约2.75美元，其中司机薪酬约1.56美元（占57%），运营利润率约为10%[11][12] - 针对自动驾驶，美银测算了三种商业模式的盈亏平衡点（均以维持10%运营利润率为目标）[12] - **所有权模式**：平台持有车队。基准情景（车辆成本7.5万美元）下，每英里定价需达1.95美元；若车辆成本降至4.5万美元，定价可低至1.53美元[13][14] - **租赁模式**：平台租赁车辆。基准情景下，每英里定价需2.08美元；若车辆成本降至4.5万美元，定价可降至1.65美元[15] - **代理模式**：平台与车辆所有者分成。基准情景下，每英里定价需2.15美元；若车辆成本降至4.5万美元，定价可降至1.68美元[16][17] - 中国自动驾驶平台展示了成本下降的可行性，例如百度阿波罗第六代车成本仅2.8万美元，远低于美银7.5万美元的基准；小马智行称其第七代车型成本降低70%[9][10] 行业竞争与Uber前景 - Uber目前在美国网约车市场份额约为70%-80%，2025年美国出行板块订单量预计约530亿美元[18] - 随着Waymo、特斯拉、Zoox等竞争者入局，Uber市场份额面临被侵蚀的风险[18][27] - 美银对不同情景进行测算[18][21][23] - **基准情景**：若Uber市场份额降至50%，到2040年自动驾驶市场规模达1.2万亿美元，其订单量可能增至5890亿美元，对应15年年复合增长率17% - **悲观情景**：若市场份额跌至30%，订单量仍可达3530亿美元，年复合增长率13% - **乐观情景**：若守住70%市场份额，订单量可达8250亿美元，年复合增长率20% - 行业存在网络效应，可能将主要竞争者数量限制在3-4家，并支撑可观利润率[25] - 加州早期数据显示，自动驾驶汽车的参与可能推动市场整体扩容，而非单纯蚕食现有业务[26] 主要竞争风险 - **先发与成本优势**：Waymo在多市场加速拓展并积累大量无人驾驶里程；特斯拉计划打造3万美元的低成本自动驾驶汽车；Zoox研发低成本专属车型，若Uber无法获取低成本车辆将处于劣势[27] - **价格战风险**：谷歌、亚马逊、特斯拉等“深口袋”玩家为抢占市场份额，有能力在早期承受亏损并采取激进的低价策略，可能迫使Uber卷入价格战[27]

公司技术能力与产品布局 - 公司在L4级自动驾驶领域拥有多年技术积累，具备传感器融合、决策规划、冗余控制等全栈自研能力 [1] - 公司聚焦于多场景运营服务及车-路-网-云-图系统解决方案，已实现封闭园区内全无人、L4级别常态化的自动驾驶生产运营 [1] - 公司已推出重载自动驾驶平板车、自动驾驶电动牵引车Robotruck、自动驾驶电动小巴RoboBUS及工业自动驾驶载具AGV等产品，积极拓展自动出行领域的技术应用场景 [1] 技术架构与未来潜力 - 从技术角度看，公司的L4系统在架构设计上具备向Robotaxi延伸的潜力，尤其在计算平台、功能安全、OTA升级等方面可满足高阶自动驾驶需求 [1] - 目前，公司暂未有RoboTaxi领域的商业合作 [1]

公司股价与市场表现 - 地平线机器人-W(09660)股价午后涨超6%，截至发稿时上涨5.52%，报9.18港元 [1] - 当日成交额达18.01亿港元，显示市场交易活跃 [1] 战略合作与业务进展 - 地平线机器人与无人驾驶企业卡尔动力宣布达成全面战略合作 [1] - 双方将基于地平线征程6P打造高效、安全、可规模化的干线物流自动驾驶解决方案 [1] - 合作将通过数据与场景深度耦合赋能，软硬协同打造最强L4自动驾驶货运系统 [1] - 共同目标是推动L4级自动驾驶重卡加速技术与商业化的规模落地进程 [1] 机构观点与财务预测 - 里昂发布研报，上调地平线2026-2027年研发支出估算近10亿元人民币 [1] - 该行认为公司当前股价已充分反映负面因素，上行空间更大 [1] - 预计未来数月征程6P的客户认证落地、国内头部整车厂对HSD600的采用将成为核心催化剂 [1] - 里昂维持对公司“跑赢大市”的评级 [1]

行业现状与标准批判 - 公司创始人兼CEO韩旭对L4级自动驾驶公司的认定标准划出明确界限：至少需要拥有一个由二三十辆车组成的车队，并纯无人化运营半年以上，才能自称L4公司 [1] - 创始人批评行业存在乱象，指出有车厂或平台通过购买别家技术和车辆，仅进行外观改装后就宣称拥有L4技术，认为这是不正确的行为 [3] - 创始人强调，真正的L4公司必须拥有自主技术并经过重复运营验证 [3] 技术路线与难度对比 - 针对L2+（高阶辅助驾驶）与L4的路线之争，创始人基于公司同时布局两端的实践判断：做好L2+虽然不容易，但其难度与实现无人的L4相比是天壤之别 [3] - 创始人用比喻解释难度差异：就像在江里开一艘小船与造一条跨洋大船，难度差别巨大 [3] 对竞争对手与行业未来的预测 - 创始人针对特斯拉FSD做出“危险”预言：如果特斯拉继续使用Model 3或Model Y这样的量产车，三年之内其无法在旧金山达到与文远知行当前同等的水平 [5] - 创始人解释该预言并非认为特斯拉做不到，而是认为时间往往会产生巨大延迟 [5] - 创始人预测，随着人工智能大模型算力发展，八年内可能会出现驾驶水平超越人类的“超级驾驶员”，并将其称为自动驾驶的“AlphaGo时刻” [5] - 创始人预计，到2033年年底，自动驾驶可以超过99.99%的人类驾驶水平 [5] 公司历程与创始人建议 - 创始人回顾2019年资本寒冬时的至暗时刻，当时公司账户资金只够支撑六七个月，如今感慨恍如隔世 [5] - 创始人向当下创业者分享心得，建议“善待自己”，并以其自身经历强调：永远不要放弃融资，需储存足够粮草，但同时要善待自己的健康 [5]

文章核心观点 - 理想的VLA是自动驾驶的最佳模型方案 其本质是生成式模型 通过生成轨迹和控制信号来实现自动驾驶 在某些场景下已表现出对物理世界的认知涌现和拟人行为 [1][2] - 具身智能最终比拼的是整体系统能力 自动驾驶应被视为一个完整的具身智能系统 需要感知、模型、操作系统、芯片、本体等各部分全栈自研与协同 才能发挥最大价值 [1][3] - 在模型与系统适配的基础上 数据是起决定意义的 理想汽车凭借数百万辆车构建的数据闭环 能够获取海量、高质量的真实驾驶数据 这是其技术路线的核心优势 [1][2][4] VLA模型方案 - VLA本质是生成式模型 采用类似GPT的方式生成轨迹和控制信号 而非文本 已观察到模型在某些场景下出现认知涌现 表现为端到端模型之前没有的拟人驾驶行为 [2] - 世界模型更适合作为“考场”而非“考生” 其高算力需求使其更适合在云端进行数据生成、仿真测试和强化训练 理想正利用数E FLOPS的推理算力进行仿真 [2] - 模型架构之争需结合实际效果 在自动驾驶领域 脱离海量真实数据空谈模型架构是空中楼阁 理想坚持VLA路线是因为其拥有数百万辆车构建的数据闭环 能在当前算力下将驾驶水平做到接近人类 [2] 具身智能系统能力 - 自动驾驶应被视为完整的具身智能系统 需要像人类一样 实现感知（眼睛）、模型（大脑）、操作系统（神经）、芯片（心脏）、本体（身体）等各部分的相互协调 [3] - 实现系统价值需要全栈自研 不仅仅是软件栈 而是整体软硬件全栈 理想的自动驾驶团队与基座模型、芯片、底盘团队协同打造了整个系统 [3] - 底盘协同是系统能力的体现 例如车辆运动管理模块会对自动驾驶控制信号做精细化调校 区分卡钳制动和液压制动策略 以兼顾安全性与舒适体验 实现“身体”与“大脑”的协同 [3] 数据的关键作用与优势 - 数据获取在自动驾驶领域具备优势 对于已建立数据闭环能力的车企而言 获取数据并非难题 这与使用数据采集车获取的数据在质量和分布上有很大差距 [4] - 公司拥有海量、高质量的真实驾驶数据 不仅可以从过去几年积累的超过10亿公里的存量数据中挖掘筛选 更能通过超过150万车主的日常使用源源不断获取新数据 [4] - 数据筛选反映真实人类行为 在筛选数据过程中发现接近40%的人类驾驶数据存在偏一侧开车或不严格卡限速的行为 这些数据被保留 使得模型能学习到更符合人类习惯的驾驶行为 [4] 技术应用的未来展望 - VLA模型服务范围将扩展 该模型不仅服务于公司当前的各类汽车产品形态 也将服务于未来公司规划的汽车类具身机器人 [4]

核心观点 - 里昂维持地平线机器人-W目标价11港元与“跑赢大市”评级 认为当前股价已充分反映增发等负面因素 上行空间更大 [1] - 预计未来数月J6P客户认证落地及国内头部整车厂采用HSD600将成为核心催化剂 [1] 公司财务与运营 - 上调集团2026-2027年研发支出估算近10亿元人民币 [1] 行业与竞争环境 - 高阶自动驾驶算法领域存在激烈竞争 [1] 产品与技术发展 - 公司对现有技术路线有信心 并存在加速产品迭代的需求 [1] - J6P的客户认证预计在未来数月落地 [1] - 国内头部整车厂对HSD600的采用预计将成为核心催化剂 [1]

行业背景与问题 - 当前自动驾驶领域的大规模视觉语言模型在语义理解和逻辑推理上表现突出，但在真实道路场景中处理长尾场景、远距离目标和复杂博弈时，常出现看不清、定位不准、反应不稳定等低级错误[2] - 深层原因在于现有模型在空间感知和几何理解上的能力，远落后于其语义表达能力，导致其无法满足自动驾驶对精确空间理解的高要求[2] - 许多现有方案通过在训练中加入感知类问题来增强模型，但这仅停留在语义标签和粗略相对关系层面，未能让模型掌握可用于控制决策的强2D/3D感知能力，例如精确的检测框、分割结果和BEV感知信息[2] - 这种“弱感知的大模型”只能回答关于世界的问题，而非真正看清世界，不足以支撑自动驾驶和广义具身智能[2] 解决方案：Percept-WAM模型概述 - 引望智能与复旦大学的研究团队联合提出了面向自动驾驶的新一代大模型Percept-WAM，旨在将“看见世界”、“理解世界”和“驱动车辆行动”在一个统一模型中打通，形成从感知到决策的完整链路[3] - 该模型基于具备通用推理能力的VLM主干构建，在保留其语言与推理优势的同时，引入了World-PV和World-BEV世界Token，以统一PV和BEV视角下的2D/3D感知表示[5] - 模型接收多视角流式视频、可选的LiDAR点云以及文本查询作为输入，在同一模型上联合优化多种任务，包括PV下的2D检测、实例分割、语义分割、单目3D检测，BEV下的3D检测与BEV地图分割，以及基于多帧输入的轨迹预测任务[6] 核心技术：世界Token与统一表征 - Percept-WAM围绕World–Awareness–Action构建统一的世界Token空间，将多视角图像和3D场景压缩为一小组结构化World tokens，每个token显式携带语义特征、空间位置及置信度，用作下游任务的共享世界表征[9] - 在图像平面，World-PV tokens将每帧图像划分为规则栅格，每个栅格输出一组token，联合编码局部外观与2D/3D几何信息，基于此可统一建模2D检测、实例/语义分割、单目3D检测等任务[9] - 在鸟瞰视角，World-BEV tokens对应覆盖前方场景的固定分辨率BEV网格单元，通过与多视角PV特征的交互隐式建模PV到BEV的映射，聚合该区域的占据状态、语义类别和运动属性，显式刻画道路结构与交通参与者的空间关系[10] 核心技术：栅格条件预测与IoU感知 - 为提升城市场景中高密度目标预测的稳定性，模型引入了栅格条件预测和IoU-aware置信度回归两项关键设计[11] - 栅格条件预测将整个特征空间按PV/BEV栅格划分为多个子区域，围绕每个栅格构造局部自回归序列，不同栅格间通过注意力掩码隔离，限制跨区域无关交互，从而显著缩短单序列长度，提升高密度场景下的收敛性与训练推理效率[12] - IoU-aware置信度预测显式建模候选框的定位质量，在训练阶段监督置信度微调数据集的分值token，在推理阶段输出预测框与真实框的IoU预测结果，并将该IoU置信度分数与分类分数联合用于整体置信度排序，此设计在小目标、远距离目标及长尾类别上能提供更一致的候选排序，提升密集检测的可靠性[13] 核心技术：从感知到轨迹的决策链路 - 模型在感知类World tokens之上引入World–Action tokens，用于动作与轨迹预测的查询，这些tokens从感知tokens中聚合多视角图像与BEV表征的信息，并与车辆状态融合，在统一坐标系下直接生成未来规划轨迹或控制信号[16] - 相比“先产出BEV特征，再交由独立规划网络”的两阶段方案，World–Action在同一token空间内完成从世界建模到决策输出，使感知与规划在表示空间和时空对齐上天然一致[16] - 在轨迹解码方式上，采用轻量级MLP解码头驱动的基于查询的轨迹预测，World–Action由多组功能不同的查询组成，分别关注自车状态、PV侧特征、BEV侧特征或同时汇聚所有输入特征，以并行方式工作并输出最终轨迹[17] - 面向连续驾驶场景，模型引入流式推理，在时间维度上采用流式KV缓存策略复用历史帧的注意力缓存，仅对新帧做增量计算，同时通过更长片段训练方案和双重重计算KV缓存机制缓解训练-推理不一致带来的分布漂移与误差累积，从而在不显著牺牲规划精度的前提下降低多帧端到端推理的时延与计算开销[19] 实验结果：PV视角感知性能 - 在nuImages/nuScenes的PV任务上，Percept-WAM在2D与单目3D检测上整体匹配或超过专用模型[22] - 在2D检测上达到49.9 mAP，高于Mask R-CNN的47.8 mAP[22] - 在2D实例分割上取得41.7 mAP，高于Mask R-CNN的38.6 mAP[22] - 在单目3D检测上达到33.0 mAP，优于FCOS3D的32.1 mAP[22] - 实验观察到明显的2D–3D协同效应，在统一World-PV表征下联合建模2D与3D检测，可带来约+3.2 mAP的2D检测增益[23] - 对所有PV任务进行联合训练，各基准上性能基本维持一致或提升，说明统一的World-PV token空间有利于在多任务间共享几何与语义信息[23] 实验结果：BEV视角感知性能 - 在BEV空间中，Percept-WAM通过World-BEV tokens统一建模路面占据、动态目标与地图语义[27] - 在不使用时序信息且采用较低图像分辨率（448×796）的设置下，在nuScenes BEV 3D检测上取得58.9 mAP，整体表现优于PointPillars与SECOND等经典BEV检测器[27] - 在BEV地图分割任务上，模型可同时刻画车道线、可行驶区域、行人横穿区等静态语义要素，在部分关键类别（如可行驶区域、行人横穿区）上的分割结果可以超过BEVFusion等专用BEV模型[28] 实验结果：端到端轨迹规划性能 - 在端到端轨迹规划上，搭载World–Action轨迹解码头的Percept-WAM在nuScenes与NAVSIM上均取得有竞争力的表现[30] - 在nuScenes的开环轨迹评估中，Percept-WAM的平均轨迹L2误差约为0.36米，在同等设置下优于多数BEV-based方法（如UniAD）以及VLM-based方法（如DriveVLM）[31] - 在NAVSIM的闭环驾驶评测中，Percept-WAM采用对聚类轨迹打分的方式，获得约90.2的综合得分，同样优于大部分现有端到端方法[32] - 实验表明，两阶段训练策略（先在感知与中间任务上预训练，再在规划任务上微调）可以进一步提升端到端驾驶性能[32] 模型价值与行业意义 - Percept-WAM指出了一条面向未来的演进路径，即在统一大模型中做强世界感知，用World tokens一体化打通世界表征与行为决策，逐步沉淀可持续演进的自动驾驶世界模型[41] - 其价值不在于提供了一个更大的模型，而在于给出了一个更完整、工程上可落地的范式，即自动驾驶的大模型不应只是会聊天问答的“语文老师”，而应是一个真正能构建世界、理解世界并在其中安全行动的“世界大脑”[41]

行业趋势 - 无人驾驶行业正在步入商业化落地阶段 [1] - 行业趋势对公司的车联网以及自动驾驶相关业务均有积极影响 [1] 业务合作进展 - 在Robotaxi领域 公司目前已与百度阿波罗 哈啰 曹操出行等厂商达成合作 [1] - 在Robovan领域 公司目前已与九识 智行者等厂商达成合作 [1] 公司经营与展望 - 具体盈利情况需结合市场实际变化 公司经营策略等多种因素综合判断 [1] - 公司将持续关注市场动态 积极应对市场变化 努力提升盈利能力 [1]

3DGS技术趋势与行业应用 - 特斯拉在ICCV的分享中引入了3D Gaussian Splatting技术，基本可以判断其基于前馈式GS算法实现[2] - 学术界近期涌现大量相关工作，例如小米的WorldSplat和清华最新的DGGT，表明3DGS技术正在自动驾驶领域焕发新一轮生机[2] - 行业普遍共识是引入前馈式GS重建场景，再利用生成技术生成新视角，目前不少公司都在开放HC招聘相关人才[2] - 3DGS技术迭代速度极快，已从静态重建3DGS、动态重建4DGS、表面重建2DGS，发展到前馈式3DGS[4] 3DGS技术课程核心内容 - 课程旨在提供一套系统的3DGS学习路线图，从原理到实战细致展开，全面覆盖3DGS技术栈[4] - 课程讲师为QS20硕士，现任某Tier1厂算法专家，从事端到端仿真、多模态大模型、世界模型等前沿算法预研和量产，拥有丰富的三维重建实战经验[5] - 课程采用离线视频教学，配合VIP群内答疑及三次线上答疑，开课时间为12月1日，预计两个半月结课[15] - 课程面向人群需自备GPU，推荐算力在4090及以上，并具备一定的计算机图形学、视觉重建、概率论、线性代数及Python和PyTorch基础[17] 课程大纲详解 - **第一章：3DGS背景知识**：从计算机图形学基础讲起，涵盖三维空间的隐式/显式表达、渲染管线、光线追踪、辐射场渲染等概念及其与3DGS的联系，并介绍COLMAP、Gsplat等开发工具，设置基于3D Real Car训练模型的小作业[8] - **第二章：3DGS原理和算法**：详细梳理3DGS原理及核心伪代码，讲解动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法，实战选用英伟达开源的3DGRUT框架[9] - **第三章：自动驾驶3DGS**：聚焦自动驾驶仿真重建，讲解浙大Street Gaussian、上交OmniRe和浙大Hierarchy UGP三篇工作，实战选用学术界和工业界广泛使用的DriveStudio框架[10] - **第四章：3DGS重要研究方向**：探讨COLMAP扩展、深度估计及Relighting等研究方向，分析其工业界服务价值与学术探索意义[11] - **第五章：前馈式3DGS**：梳理前馈式3DGS的发展历程与算法原理，讲解最新的AnySplat和WorldSplat算法工作[12] - **第六章：答疑讨论**：通过线上交流形式，组织讨论3DGS岗位需求、行业痛点及开放性问题[13]

文章核心观点 - 自动驾驶行业在2024年迎来了以特斯拉FSD V12为代表的重大技术范式转变，即端到端自动驾驶的实现，这标志着行业从长期的痛苦探索中看到了清晰的曙光 [5][6][7] - 新范式统一了L2与L4的技术方法论，将推动城市L2功能在低成本车型上快速普及，并为L4/Robotaxi的商业化落地开辟了可行的路径 [22][23][24] - 行业在未来3-5年将进入基于现有深度学习范式的极致优化和工程红利期，而非理论内核的重构，公司战略将聚焦于以统一范式打通L2至L4，并持续投入算力与数据规模的扩展 [19][20][32] 自动驾驶行业的过去与困境 - 在2023-2024年之前，自动驾驶行业面临巨大困难，技术路径不清晰，深度学习仅重构了感知部分，规控部分仍由规则主导，属于“革命革到一半”的状态 [10] - 行业面临智力与体力的双重压榨，需要在规定时间内解决所有稠密场景下的极端案例，过程极度痛苦且系统不收敛 [2][3] - 规控技术理论不成熟，每尝试一轮改进都可能耗费数亿元且可能无果，对资金和精神都是巨大考验 [12] 技术分水岭：FSD V12与新范式 - 2024年特斯拉FSD V12的发布是行业重大分水岭，它证明了端到端数据驱动范式的可行性，其意义堪比原子时代首次发现核裂变 [7][9] - 新范式意味着用统一的深度学习模型重构从感知到规控的整个自动驾驶系统，解决了此前“革命革一半”的问题 [10] - 新方法论使得系统具备强大的自动泛化能力，在绝大多数城市的测试中天然没有问题，极大简化了开发部署过程 [26] 新范式下的行业影响与展望 - 城市L2功能将迎来巨大发展红利期，搭载车型价格将从20万元级别降至10万元级别，并变得“好用类人”，就像自动挡的普及一样 [24] - L2与L4的技术方法论实现统一，当前方法论再经过2-3年发展，有望将平均接管间隔里程提升至5万-10万公里水平 [24] - 新范式以极低的边际成本实现跨区域部署，使得攻克一个复杂城市即意味着可能攻克全国所有复杂城市，为Robotaxi的商业化（本质是与人类司机比成本）奠定了坚实基础 [27] - 开发模式从过去“拼凑多棵小树”的碎片化功能集成，转变为“培育一棵主干大树”的统一模型进化，模型会自主涌现出新的能力 [28][31] 未来战略与研发方向 - 行业在未来3-5年将进入现有技术范式的演进和优化阶段，而非基础理论的重构 [19][20] - 在自动驾驶领域，Scaling Law（规模定律）才刚刚开始，芯片算力与模型容量远未触及天花板，公司计划每一代芯片和产品都实现10倍算力与10倍模型容量的提升 [32] - 公司将重点投入L4研发，但采用与L2统一的开发范式、传感器配置和运行设计域，目标在未来2-3年内让高阶智能驾驶系统体验有巨大飞跃，并最终让用户在无感的情况下以同样价格获得具备L4能力的车辆 [32][35] - 必须持续强化工程能力和组织能力，构建能够快速导入新技术并解决随之爆发问题的“集团军”作战体系，以应对高研发风险（单轮实验成本可能高达10亿元） [32][34]