公司业务进展 - 元戎启行在2025年广州车展亮相，展示多款搭载组合辅助驾驶方案的合作车型 [1] - 公司已累计交付20万辆搭载城市NOA（领航辅助驾驶）功能的量产车型 [1] - 从2024年9月城市NOA车型量产上市至新闻发布时，已实现10款车型的辅助驾驶规模化交付 [1] - 在一年多时间内，公司实现从零到单月近40%的第三方城市NOA市场占有率 [1] 未来业务规划 - 2026年公司将聚焦量产车辅助驾驶、Robotaxi（无人驾驶出租车）和RoadAGI三大核心业务 [1] - 量产车辅助驾驶业务目标为累计交付量突破一百万辆，并扩大合作车型与客户体系 [1] - Robotaxi业务将加速商业化落地，打造具备商业复制能力的体系，并于2024年年底以消费级量产车型落地该业务 [1] - RoadAGI业务将持续推动商业化，赋能移动智能体在末端配送等关键场景的应用 [1] 战略合作与布局 - 2024年10月，元戎启行与无锡市政府达成战略协议，计划在无锡建设测试研发基地 [1]

公司股价与市场动态 - 文远知行-W(00800)股价午前上涨3.06%，报19.21港元，成交额1108.21万港元 [1] 核心业务进展与市场拓展 - 阿布扎比交通局正式启动L4级完全自动驾驶车辆商业运营，并颁发首批两张运营许可证 [1] - 文远知行联合优步及阿联酋本土运营商Tawasul，共同开展阿布扎比首阶段自动驾驶商业运营项目之一 [1] - 公司是全球唯一在七个国家获得自动驾驶牌照的企业，业务覆盖11个国家30个城市 [2] - 公司Robotaxi业务短期聚焦中东市场，包括阿布扎比、迪拜、利雅得等城市 [2] 财务表现与增长动力 - 公司FY25Q2 Robotaxi业务营收为0.5亿元人民币，同比大幅增长836.7% [2] - 阿布扎比Robotaxi车队规模自2024年12月以来增长到3倍 [2] - 中东市场高客单价显著提升了公司的盈利空间 [2] - 预计短期内中东市场Robotaxi业务有望推动公司收入持续增长 [2]

自动驾驶技术社区与资源平台 - 该公众号文章核心是推广"自动驾驶之心知识星球"社区，该社区定位为自动驾驶领域的技术交流与资源平台 [2][6][16] - 社区已运营三年，目前拥有超过4000名成员，目标在未来2年内达到近万人规模 [6][7] - 社区内容形式包括视频、图文、学习路线、问答和求职交流，覆盖40多个自动驾驶技术方向 [6][9][16] 社区成员构成与合作伙伴 - 社区成员来自上海交大、北京大学、CMU、清华大学等国内外知名高校实验室 [16] - 企业成员包括蔚小理、地平线、华为、大疆、广汽、上汽、博世等近300家自动驾驶相关公司 [16][95] - 平台与多家自动驾驶公司建立了岗位内推机制，提供简历直推服务 [11] 技术内容覆盖范围 - 社区系统梳理了自动驾驶全技术栈，包括感知、规划控制、仿真、端到端、VLA等40多个方向 [9][16][17] - 具体技术领域包括BEV感知、3D目标检测、多传感器融合、Occupancy Network、轨迹预测、SLAM等 [10][50][52][54][57][58][77] - 涵盖前沿热点如世界模型、视觉语言模型(VLM)、自动驾驶VLA、扩散模型、3DGS与NeRF等 [40][42][44][48][38] 学习资源与课程体系 - 社区提供原创视频课程，包括感知融合、多传感器标定、SLAM与高精地图、决策规划等9大系列 [11] - 汇总了近60个自动驾驶数据集、行业主流仿真平台及各类技术学习路线 [16][34] - 设有"自动驾驶100问"系列，涵盖TensorRT模型部署、毫米波雷达融合、车道线检测等7个专题 [10] 学术交流与行业洞察 - 定期举办星友面对面交流活动，目前已开展至第四期，邀请学术界和工业界专家探讨技术趋势 [2] - 社区内部经常解答端到端入门、多模态大模型学习路线、数据闭环工程实践等实用问题 [7] - 不定期邀请一线大佬直播分享，目前已举办超过100场专业技术直播 [87] 社区特色服务 - 为初学者提供全栈方向学习课程和技术路线图，适合0基础入门 [10][11][17] - 汇总了国内外自动驾驶高校实验室和公司信息，为升学就业提供参考 [26][28] - 提供快速问答服务，成员可自由提问工作选择、研究方向等实际问题 [89]

技术突破与核心创新 - 提出名为DriveLiDAR4D的全新激光雷达生成流水线，整合多模态条件与创新的时序噪声预测模型LiDAR4DNet，能够生成时序一致的激光雷达场景[2] - 该技术是首个以端到端方式实现激光雷达场景时序生成并具备全场景操控能力的研究[2] - 核心特征包括融合多模态条件（如场景描述、道路草图和物体先验）以及精心设计的等矩形时空噪声预测模型，确保去噪过程中的空间和时序一致性[8] - 实现了对前景物体的精准操控（包括位置和尺寸调整）以及对背景元素的精细化操控，此为首次[11] 性能表现与行业对比 - 在nuScenes数据集上实现了743.13的FRD分数和16.96的FVD分数，超越了当前最先进方法UniScene，FRD性能提升37.2%，FVD性能提升24.1%[2] - 在KITTI-360数据集上，DriveLiDAR4D的FRD分数为244.25，显著优于LiDARGen的2040.1和RangeLDM的2022.71[22] - 与现有方法相比，DriveLiDAR4D在时序生成、前景控制、背景控制和物体保真度增强方面均表现优异，而其他方法如RangeLDM和Text2LiDAR存在明显局限性[6][7] - 在nuScenes验证集上，DriveLiDAR4D的MMD分数为2.94（乘以10^4后），远低于LidarDM的25.53和UniScene的21.66[26] 技术细节与模型架构 - 多模态条件包括道路草图（提供道路布局和物体专属信息）、场景描述（通过GPT-4V生成详细背景描述）和物体先验（通过预训练的物体生成模型DiT-3D生成）[14][16][17] - LiDAR4DNet是一种类UNet的编解码器模型，集成了创新的等矩形时空卷积模块和等矩形时空Transformer模块，用于处理时序等矩形图像[18][19][20] - 采用定制化的条件注入策略：道路草图通过通道拼接注入，物体先验利用ControlNet策略，场景描述则采用交叉注意力机制[21] - 去噪过程的迭代次数设为256次[13] 应用价值与行业意义 - 高质量数据是推动自动驾驶人工智能发展的基础要素，该技术旨在解决收集和标注多样化多模态数据集耗时且资源密集的行业痛点[3] - 生成的逼真激光雷达数据能够准确捕捉真实世界多样交通场景，特别是对于开发安全关键型系统至关重要的边缘场景[3][7] - 该技术已中稿AAAI 2026，显示了其在学术界的认可度[2]

▍文章来源于 康谋自动驾驶 >> 白皮书免费获取→ 3DGS与4DGS的核心应用实践与技术突破！ 01 引言 随着自动驾驶功能复杂度的指数级增长， 单纯依赖道路测试 进行验证的成本高昂、周期漫长且 无法穷尽 所有可能的 边缘场景 。 仿真测试 因此成为研发流程中不可或缺的一环，它能够以低成本、高效率的方式 大规模生成 和 复现高风 险 的" 边缘案例 "与" 关键场景 "，从而加速算法的迭代与验证。 然而，仿真的价值完全取决于其结果的 置信度 。一个高置信度的仿真平台，其输出应在统计意义上与真实世界的传感 器数据、车辆行为和环境交互 保持一致 。若仿真与现实存在显著偏差，那么基于仿真得出的结论将失去意义，甚至产 生误导。 因此，建立一套能够 量化 和缩小这一差距的体系，是当前自动驾驶研发面临的关键挑战。本文将从 工程实践 出发， 系统性地剖析仿真置信度的 三大核心挑战 ：传感器模型偏差、静态场景失真和动态场景还原误差，深入分析误差来 源，提出 可量化指标 和 对齐流程 ，为构建 高置信度仿真 提供参考。 02 仿真技术置信度三大核心挑战 传感器模型偏差 传感器是连接虚拟世界与感知算法的桥梁，其模型的 保真度 ...

文章核心观点 - 视觉语言动作模型在自动驾驶领域面临“监督稀疏”的核心挑战，即高维视觉输入与低维稀疏动作监督之间的不匹配，导致数据规模定律失效 [3][7] - 研究团队提出DriveVLA-W0方案，通过引入世界模型作为稠密的自监督信号，迫使模型学习环境动态规律，成功解锁并放大了数据规模定律 [10][11][17] - 该方案在7000万帧数据规模上验证有效，显著提升模型性能并降低推理延迟，为VLA模型的产业落地提供了新路径 [21][23][27] VLA模型的“监督赤字”问题 - 自动驾驶领域希望复现大语言模型的数据规模定律，但VLA模型面临“监督赤字”困境 [6][7] - 数十亿参数的VLA模型接收高维稠密视觉信息流，监督信号却是低维稀疏的驾驶动作，导致模型表征能力浪费，无法充分学习复杂环境动态 [7] - 实验证实，在稀疏动作监督下，VLA模型性能随数据量增加迅速饱和，数据规模定律效应大打折扣 [8] 世界模型的破解之道 - DriveVLA-W0方案创造性引入世界模型，将“预测未来图像”作为稠密自监督训练任务，替代依赖稀疏动作的传统方法 [10][11] - 预测下一帧完整视觉画面迫使模型学习世界真实运行规律，如车辆运动趋势、人车交互关系，提供比动作更丰富稠密的学习信号 [14][15] - 世界模型从根本上缓解了“监督赤字”问题，为模型提供了理解环境动态的必要监督 [15] 世界模型对数据规模定律的放大效应 - 研究核心贡献在于发现世界模型能显著“放大”数据规模定律，使模型性能随数据量增加实现持续显著提升 [17][23] - 在700K到70M的数据规模上，DriveVLA-W0性能提升斜率显著优于仅依赖动作监督的基线模型 [21] - 在70M帧规模下，世界模型使碰撞率降低20.4%，实现了单纯堆砌动作数据无法达到的质变 [24] 兼顾性能与效率的模型设计 - 针对VLA模型“高延迟”痛点，团队提出轻量级MoE“动作专家”架构，在不牺牲性能的前提下优化推理效率 [26] - 该设计显著降低模型推理延迟，仅为基线VLA模型的63.1%，为模型实时部署提供可能 [27]

行业事件与政策 - 2025世界计算大会、数据中心标准大会、量子科技和产业大会均将于11月20日至21日举行 [1] - 港深联合发布行动方案，目标到2027年底落地20个以上深港跨境数据验证平台金融领域应用场景，打造全球金融科技中心 [3] - 工信部表示2024年国内市场潮流和收藏玩具及周边产品零售总额达到558.3亿元，行业处于快速成长期 [7][8] 科技创新与研发进展 - 我国成功发射实践三十号A、B、C星，用于空间环境探测及相关技术验证，是长征系列运载火箭的第608次飞行 [3] - 江门中微子实验首次发布成果，对中微子相关参数的测量精度比此前实验的最好记录提高了1.5—1.8倍 [4] - 谷歌推出Gemini3.0 Pro推理模型，其视觉理解能力对屏幕截图的理解准确率达72.7%，并首次推出“Gemini Agents” [10] 公司动态与合作协议 - 中金公司筹划通过换股方式吸收合并东兴证券、信达证券，股票自11月20日起停牌预计不超过25个交易日 [13] - OpenAI与Target合作，通过ChatGPT中的Target应用提供个性化推荐，Target将继续使用OpenAI API和ChatGPT Enterprise [13] - 小马智行与三一重卡、东风柳汽合作打造第四代自动驾驶卡车家族，预计2026年开始首批次运营 [11] 产品交付与业务进展 - 长盈精密今年年初到8月底累计交付人形机器人结构件产品价值超8000万元，供应料号超400个，第四季度海外新订单加速增长 [13] - 乾照光电砷化镓太阳能电池产品已批量应用于国内在轨运行的大型商业航天星座组网卫星 [14] - 永臻股份与智元机器人达成合作并形成批量交付，对其主力机型实现多个核心部件供应 [14] 市场资金动向 - 四季度以来权益类ETF净申购额已超过1400亿元，11月以来截至18日合计净申购484.69亿元 [18] - 11月以来南方创业板人工智能ETF获净申购32.52亿元，国泰证券ETF净申购额为23.91亿元 [18] - 港股主题ETF表现抢眼，广发港股通非银ETF、华泰柏瑞南方东英恒生科技ETF、华夏恒生科技ETF净申购额均突破30亿元 [18] 机构观点与投资策略 - 险资机构战略看多港股互联网板块在三季报后的预期修正机会，判断11月末市场有望迎来阶段性反攻 [17] - 万联证券认为人均可支配收入增长、情绪消费兴起等因素推动中国潮玩市场快速扩容 [8] - 华泰证券称新一轮AI技术浪潮正重塑自动驾驶技术范式，自动驾驶迈向规模化落地关键拐点 [11] 个股交易与机构动向 - 古麒绒材11月19日获机构席位净买入1874.43万元，占总成交额比例3.06% [19] - 腾景科技近三日获机构席位净买入1.04亿元，占总成交额比例1.67% [20] - 合富中国自10月28日至11月14日期间累计涨幅高达256.29%，期间5次触及股价异常波动、3次触及严重异常波动 [1]

经济增速反弹 - 广州经济增速从去年一季度的3.6%降至去年前三季度的2.0%，再逐步回升至今年前三季度的4.1%，走出U型反弹曲线，追平全省增速 [1] 汽车产业转型 - 广州汽车产业面临从传统汽车向新能源汽车转型的挑战，前三季度全市新能源汽车单季产量同比分别增长0.7%、16.7%、41.1%，呈现逐步抬升趋势 [3] - 小鹏汽车快速成长，销量连续破纪录，但其全年30万-40万辆的产销量与广汽集团200万-250万辆的体量相比仍有明显差距 [3] - 自动驾驶领域取得进展，文远知行和小马智行两家科技企业迎来港股上市，小马智行还参与了十五运会火炬传递的无人驾驶环节 [4] 科技创新资源 - 广州拥有84所高校，总数居全国第二，还集聚了41家央省级科研院所和14家省高水平创新研究院 [5] - 华南理工大学和中山大学培育了众多科技人才，如小鹏汽车何小鹏、亿纬锂能刘金成、石头科技昌敬、宁德时代曾毓群、康方生物夏瑜等 [5] - 小鹏汽车发布采用多项关键技术的新机器人IRON，展示了公司的技术实力 [5] 城市更新与支撑因素 - 城市更新成为广州经济快速转型的重要动力，天河冼村历时15年的旧改僵局得以破解，1950栋村屋全部清零 [8][9] - 支撑因素包括健康的地方债务水平，2024年广州地方政府债务余额为6482.8亿元，其中市本级3224.9亿元，严格控制在限额内 [8] - 广州出台全国首个专门针对城中村改造的地方性法规《广州市城中村改造条例》，确立了“依法征收、净地出让”的新模式 [8][9] - 广州的开放包容吸引了大量外来人口流入，为城中村改造提供了市场需求 [9]

小马智行合作与产品规划 - 小马智行与三一重卡、东风柳汽合作打造第四代自动驾驶卡车家族，旨在通过平台化设计实现车型强适配能力 [1] - 合作计划基于三一重卡和东风柳汽最先进的纯电动平台车型进行量产开发，预计2026年开始首批次运营 [1] - 该系列车型的量产旨在推动自动驾驶卡车技术发展和应用落地，实现行业向大规模无人商业运营的跨越式发展 [1] 自动驾驶行业趋势 - 新一轮AI技术浪潮正在重塑自动驾驶技术范式，技术架构迭代加速 [1] - 自动驾驶正迈向从技术验证到规模化落地的关键拐点 [1] 相关公司业务聚焦 - 中科创达聚焦于智能驾驶软件平台、工具链和服务的研发，是智能驾驶领域的核心技术提供者和解决方案供应商 [2] - 德赛西威深度聚焦于智能座舱、智能驾驶和网联服务三大领域的全栈融合，持续开发智能硬件和软件算法 [2]

基金经理观点分析 - 基金经理在季报中主要包含两部分内容：对过去一段时间投资的回顾和对未来市场的观点 [4][5] - 不同基金经理对待报告的态度存在差异 有的详细阐述观点 有的则较为简洁 [6][11] - 基金经理的投资风格直接影响其观点偏好 例如价值风格侧重低估值 成长风格更看重增长速度 [7] 深度价值风格 - 深度价值风格投资特点为重视低市盈率、低市净率和高股息率品种 [10] - 该风格在指数中对应价值指数和红利指数 主要投资金融地产、能源、材料、可选消费和制造业 [12] - 深度价值风格收益来源包括企业盈利增长、分红以及低估值回归 [12] - 该风格在2016-2017年表现良好 2019-2020年跑输市场 2021-2024年重新跑赢市场 [15] - 基金经理周云减持部分热门板块个股 增持有安全边际的品种 并提到小规模基金因申购增加操作难度 [16] - 周云长期看好权益资产 认为低利率时代储蓄向含权资产搬家不可逆 企业盈利回升是时间问题 [17] 成长价值风格 - 成长价值风格注重企业盈利能力 投资高ROE、现金流稳定的品种并长期持有 [20] - 基金经理谭丽指出A股整体PE估值已高出2010年以来均值一个标准差 结构分化严重 [22] - 谭丽保持组合PE、PB较低水平 对有色金属保持配置 兑现涨幅较大的贵金属和周期性个股 [22] - 张掖坚持自下而上深度研究 寻找商业模式优秀、有竞争力的公司长期持有 [24] - 傅鹏博维持90%以上股票仓位 前十大持仓占比66% 减持部分长期持仓 聚焦高景气板块 [25][26] - 傅友兴重点配置有色金属、电子、汽车、家电、食品饮料、医药生物等行业 [27] - 罗佳明关注景气赛道潜在风险及落后板块机会 [27][28] - 刘旭根据标的性价比调整组合 目标保持长期可持续增值 [29] - 田瑤看好经济结构转型 特别是中高端制造业的国际比较优势 [29] - 赵晓东保持金融、消费、地产板块较高配置 权益仓位维持高水平 [30] - 朱红裕减持医疗股 增持港股地产、家电 尊重市场的同时坚持研究 [31][32] - 周思捷调整部分仓位参与成长行业修复 但主要布局反内卷行业 [32] - 袁立减仓机械设备 增加上游资源和科技硬件公司配置 [33] 均衡风格 - 均衡风格综合考虑成长性和估值 追求性价比 使用PEG等指标 [35][36] - 张竞看好出海公司特别是深耕非洲的企业 低估值资源股 人工智能应用端和内需消费 [40] - 周蔚文规避国内宏观经济周期相关行业 挖掘有全球定价能力或海外业务贡献增长的行业 [41] - 周蔚文增加有色金属、工程机械和化工配置 降低养殖类股票和创新药配置 [41] - 周蔚文重点布局人工智能产业链 包括人形机器人、自动驾驶、AI终端等细分领域 [42] - 谢治宇关注科技和高端制造领域基本面 如国产算力突破、储能需求落地、创新药研发优势 [43][44] - 乔迁坚持自下而上精选个股 考虑中宏观因素变化 重视定价保护 [45] - 刘晓维持中性偏乐观权益仓位 组合在电子、有色、电新等行业保持均衡 [46] - 林庆增配科技与家电行业 减仓深度价值公司 关注中国智能+制造的全球竞争力 [47] - 宋仁杰看好高股息、科技、消费、医药、出口、黄金等方向 行业配置均衡 个股适度集中 [48] - 周寒颖配置围绕产业趋势如消费电子、半导体、AI算力 降息交易如有色和创新药 以及反内卷政策受益板块 [49] - 刘莉莉认为中国大量优质资产仍处估值低位 后续市场保持乐观 围绕优质标的寻找安全边际机会 [50] 成长风格 - 成长风格看重企业收入、盈利增长速度 对估值容忍度高 重仓股估值普遍高于大盘 [52] - 王培认为市场进入慢牛格局 估值修复后需关注基本面改善 投资领域从科技向消费和高质量白马扩散 [55] - 杨锐文强调对反内卷政策方向的看好 国家治理内卷式竞争力度加大 [56][57] - 王园园基于白酒板块较低估值增配 看好品牌集中度提升和品牌出海方向 [57] - 朱少醒偏好具有良好企业基因、治理结构完善的公司 耐心收集优秀企业等待价值实现 [58][59] - 刘彦春关注全球科技周期进展和传统产业复苏节奏 看好应用端落地前景和内需动能恢复 [60] - 陈皓重仓AI板块贡献显著超额收益 AI产业进入训练与推理双轮发力新阶段 [62] - 韩威俊调整策略突出消费红利持仓 持有现金流有保障公司 增加股息率较高品种 [63] - 贾健以创新驱动为出发点 在成长行业中挖掘机会 增加人工智能算力和新能源板块仓位 [64][65] - 苗宇增加通信、电子和有色仓位 优化港股互联网配置 认为优质制造业全球稀缺应合理定价 [65][66] - 杨世进维持较高仓位 坚持合理估值自下而上选股 优选投资性价比标的 [67] - 张峰优化组合体现性价比 减仓性价比下降品种 加仓性价比仍高品种 [68] - 代云锋略降低海外AI算力板块配置 关注端侧、机器人、AI应用等景气行业 布局储能板块 [70][71] - 徐治彪布局暴跌后制造业如果链、特斯拉产业链 坚定看好机器人板块 兑现部分苹果链收益 [72]