Motional业务重启与战略调整 - 停摆近两年后，现代汽车集团控股的自动驾驶公司Motional计划重启Robotaxi业务，并承诺在2024年年底推出商业化无人驾驶服务[3] - 公司已在拉斯维加斯启动内部试运营，计划在2024年内将配备安全员的服务扩展至更大范围，并目标在2026年年底撤去安全员，实现真正的无人驾驶商业运营[3] - 此次重启被定义为“AI-first”，公司将人工智能置于业务核心，彻底摒弃传统技术研发路径，转向以AI基础模型为核心的技术架构[12] Motional公司背景与历史沿革 - Motional由现代汽车集团与安波福Aptiv于2019年合资设立，初始估值约40亿美元，主要瞄准L4级自动驾驶技术，面向Robotaxi运营与车队客户[7] - 其技术积累可追溯至被Aptiv收购的两家早期自动驾驶创业公司nuTonomy与Ottomatika，分别源自麻省理工学院与卡内基梅隆大学[7] - 截至报道时，公司在拉斯维加斯累计完成超过10万次自动驾驶出行，并在洛杉矶进行过自动驾驶配送[7] 股东结构调整与组织变革 - 2024年5月，Aptiv将其在Motional的持股从50%降至约15%，并停止继续出资，现代汽车集团通过收购部分权益成为更具主导权的出资方[9] - 现代汽车集团曾追加约10亿美元投资以支持公司运营[9] - 公司经历多轮裁员，员工规模从峰值约1400人降至不足600人，其中2024年5月的一轮重组裁员约40%[9] - 2024年9月，时任CTO劳拉·梅杰被任命为临时CEO，并于2025年6月正式出任总裁兼CEO，明确将推动基于现代IONIQ 5的Robotaxi商业化[9] AI优先的技术路线与进展 - 公司致力于整合多个独立的小型机器学习模型，构建统一的端到端自动驾驶系统架构，以降低系统复杂性和提升效率[12] - 采用“双轨并行”策略，在构建统一大模型框架的同时，保留面向开发者的小型模型工具链，以兼顾技术灵活性与规模化部署需求[13] - 新架构旨在大幅降低系统适配新城市、新环境的难度，并优化研发与运营成本，例如仅需少量本地数据微调即可适应不同城市的交通信号灯[13] - 在拉斯维加斯的演示中，车辆成功处理了此前多由安全员接管的停车场与门廊等复杂场景[14] - 系统仍在打磨期，例如在绕行双排停放的车辆时表现更为谨慎和缓慢，车内乘客交互界面也仍在优化中[14] 行业竞争格局与市场挑战 - 头部玩家Waymo已形成规模优势，其Waymo One服务在2025年5月披露的数据显示，每周在凤凰城、旧金山、洛杉矶、奥斯汀等地提供超过25万次付费出行[17] - Waymo商业车队规模已超过1500辆，并计划在2026年将服务扩展至亚特兰大、迈阿密和华盛顿特区[17] - 行业同时出现收缩迹象，例如通用汽车在2024年12月宣布停止为Cruise的Robotaxi开发继续投入，将资源转向面向量产车的辅助驾驶[18] - Motional的核心试验场拉斯维加斯也非空白市场，亚马逊旗下Zoox已于2025年5月宣布在当地向公众开放有限范围的试乘项目[18] - 以Uber为代表的平台方更倾向于将Robotaxi作为运力接入其网络，例如Lucid、Nuro与Uber在CES 2026前后展示了面向量产的Robotaxi方案，并计划接入Uber App[18] 公司长期愿景与战略定位 - 公司总裁兼CEO劳拉·梅杰表示，公司的长期愿景是让L4级自动驾驶技术走进普通消费者的私人汽车[19] - Robotaxi业务被视为实现该愿景的第一步，但最终目标是将该技术集成到量产民用汽车中[19] - 公司认为已踏上一条安全落地和成本可控的正确赛道，并强调控股股东现代汽车对自动驾驶业务的投入具有长期性，将持续提供支持[18]

文章核心观点 - 英伟达在2026年CES上发布开源VLA大模型Alpamayo及配套工具链 标志着公司对自动驾驶领域发起总攻 旨在通过提供“预制菜”式的标准化解决方案 降低车企开发门槛 从而巩固并扩大其汽车芯片业务的市占率[6][7][22] 自动驾驶技术路线演进 - VLA模型成为自动驾驶年度热词 其通过将传感器数据转化为语言符号进行推理 使决策过程可追溯、可解释 避免了端到端方案的黑箱问题[7][10] - 特斯拉FSD V14被推测采用了类似VLA的技术架构 而英伟达Alpamayo是首个开源的VLA大模型 内部测试显示其接管率与特斯拉FSD处于同一水平[7][10] - 多家车企已押注VLA路线 小鹏在2024年已开始开发并跳代发布了第二代自研VLA模型 理想、长城、奇瑞等车企也选择了该路线[8] 英伟达Alpamayo模型及开源策略 - Alpamayo是一个开源的大规模教师模型 车企可基于自有数据对其进行微调和蒸馏 以形成差异化的技术方案 大幅降低了开发难度和成本[10][11] - 英伟达提供了完整的工具链闭环 包括用于仿真测试的AlpaSim框架 以及包含超过1727小时驾驶数据的Physical AI开放数据集[11][21] - 该策略被比喻为提供“预制菜” 使车企能快速“出锅”上车 是英伟达在“标准化”芯片与“定制化”服务之间找到的平衡 旨在提升芯片易用性而不亲自下场做项目[10][11][22] 英伟达汽车业务的挑战与战略调整 - 英伟达汽车业务面临增长未达预期的困境 其DRIVE系列芯片虽是中高阶智驾市场霸主 但收入贡献相比数据中心业务差距较大[15] - 商业模式存在挑战 软件算法能力强的客户有自研芯片计划 而销量高的传统车企缺乏算法研发能力 导致英伟达芯片销售受阻[20] - 为此 英伟达进行了战略调整 从单纯卖芯片转向提供“保姆式服务” 包括提供车载计算机硬件设计蓝图、物理级精确仿真平台DRIVE Sim 以及最新的数据中心芯片Vera Rubin和世界模型Cosmos 构建了“云端训练+车端推理”的完整工具链[21][24]

1月11日，香港特区政府新闻网发布视频介绍自动驾驶测试进展时称，特区运输署已发出6个先导牌照， 供62辆自动驾驶车辆多区域测试。其中披露，首家获批的萝卜快跑已于上月在观塘、九龙城开展跨区测 试。运输署同时透露，今年会逐步推动自动驾驶车辆无人化测试，即只配备远程后备操作员。作为首个 获批企业，萝卜快跑凭借技术积累完成了多项突破，为无人化测试奠定基础。 香港自2024年推出自动驾驶车辆先导牌照制度，当年11月底，萝卜快跑率先斩获首张牌照，成为首个在 港开展规模化测试的科技企业。依托十余年研发经验及全球范围内的技术验证，萝卜快跑于2024年底在 北大屿山启动测试，开启本地路况适配探索。 一年多来，萝卜快跑四度扩区：2025年4月扩区并开启机场岛小规模载人测试、6月在东涌进行道路测 试、8月进入香港岛南区、10月获批九龙东跨区测试，成为首个驶入九龙密集人流区域的自动驾驶企 业，实现从郊区到市区路网的全场景覆盖。 面对香港右舵左行、传统式与螺旋形并存的特殊环岛，以及专属交通指示等本地化挑战，萝卜快跑持续 优化算法模型、训练机器学习，以提升系统应对的准确度，实现精准适配。 萝卜快跑香港项目发展经理刘文鹏表示，香港作为全球 ...

英伟达发布Alpamayo自动驾驶生态体系 - 英伟达CEO黄仁勋在CES 2026展会上公布了名为Alpamayo的完整自动驾驶生态体系，该体系旨在让汽车在真实世界中进行推理，具备类人思考能力 [1] - 该体系包含三个核心部分：行业首个开源的大规模视觉-语言-动作推理模型Alpamayo 1、完全开源的仿真框架AlpaSim、以及包含超过1700小时采集数据的开源自动驾驶数据集 [7] - 该模型能处理视频和传感器输入，应用基于语言的因果推理，生成驾驶轨迹，并解释其决策以实现透明度和安全审计 [7] 技术演示与商业化进展 - 在演示中，搭载该系统的车辆在交通信号灯失灵的路口，能通过多步骤推理（评估左侧来车、右侧行人）自主决策减速观察并安全通过，整个过程无需人类介入 [3] - 首款搭载英伟达全栈DRIVE系统的梅赛德斯-奔驰CLA车型计划于2026年第一季度在美国上路 [3] 行业影响与竞争格局 - 行业认为英伟达Alpamayo体系可能对特斯拉FSD系统构成威胁，但特斯拉CEO马斯克公开回应表示并不担忧 [7] - 摩根士丹利分析师指出，英伟达平台为传统汽车制造商提供了更经济快速的系统改进方式，但使其处于“更快的追随者”地位，而非领导者 [9] - 该机构认为，特斯拉凭借其庞大的车队每天收集数百万辆车的真实驾驶数据用于训练，在自动驾驶领域仍“领先竞争对手数年” [9] 开源策略与市场机遇 - 英伟达宣布将Alpamayo开源，这使得二线车企和新兴品牌能够基于此平台聚焦自身擅长场景进行优化，无需耗费数年打磨基础模型，获得了“弯道超车”的机会 [11] - 该体系的落地将推动行业需求从“暴力计算”转向“高效推理”，车载计算平台的算力与能效将成为新的竞争重点 [11] - 据西南证券测算，2030年中国L3级自动驾驶市场规模有望突破1.2万亿元 [11] 行业支持与核心价值主张 - Alpamayo获得了Lucid、捷豹路虎、Uber和伯克利DeepDrive等移动出行领域领先企业和专家的高度关注 [7] - 黄仁勋表示，“物理AI的ChatGPT时刻已然到来”，机器开始具备理解真实世界、推理并行动的能力，无人驾驶出租车将是最早受益的应用之一 [5] - 行业专家认为，Alpamayo为智能汽车注入推理能力，使其能应对罕见场景、在复杂环境中安全行驶并解释决策，这为安全、可规模化的自动驾驶奠定了基础 [5][7]

投资评级 - 首次覆盖，给予“买入”评级 [1][6] 核心观点 - 文远知行是Robotaxi技术领跑者，立足国内并发力海外，有望充分受益于政策开放、技术突破和产业链降本，单位经济模型转正后有望快速规模化实现扭亏 [6][140] - 公司作为全球唯一在8个国家获得自动驾驶许可的企业，商业化落地进度全球领先，尤其在海外高净值市场具备先发优势 [6][61] - 行业层面，Robotaxi正加速迈向商业化拐点，安全性提升且降本路径清晰，市场空间广阔，预计2030年中国市场规模可达2000亿元 [6][41] 公司业务与运营 - **多产品线布局**：公司业务从Robotaxi拓展至Robobus、Robovan、Robosweeper等多种L4场景，同时布局L2+辅助驾驶业务 [6] - **商业化进展**：2025年第三季度，公司总营收达1.71亿元，同比增长144%，核心增长引擎来自Robotaxi业务，单季收入约3530万元，同比激增761.0%，占总营收比重升至20.7% [6] - **运营数据**：2025年三季度，广州每辆商业化Robotaxi在每日24小时运营时段内完成至高25单行程，较2024年最高15单增长66.6% [6][108] - **全球牌照与布局**：公司已在全球超过30个城市和区域提供服务，国内在北京（纯无人商业运营）、广州（24小时纯无人商业运营）、上海（主驾无人示范应用）等一线城市获得关键资质；海外以中东为核心，在阿布扎比、迪拜、利雅得、瑞士等地获得运营牌照 [6][57][105][113][114] - **财务表现**：公司尚处于投入期，2025年第三季度毛利率为32.9%，净亏损3.073亿元；截至2025年9月30日，现金及资本储备达54亿元，资金充裕 [6][75] 行业分析 - **技术逻辑**：L4级自动驾驶（Robotaxi）与L2+辅助驾驶在底层逻辑上存在根本差异，L4追求在限定区域内“彻底去人化”，容错率几乎为零 [13] - **安全性提升**：多传感器融合与车路云一体化协同大幅提升系统可靠性，根据美国交通部数据，结合单车智能与C-V2X技术可规避96%的交通事故 [24] - **Waymo安全数据**：基于5670万英里运营数据，Waymo车辆在“疑似严重伤害及以上”等级事故中的发生率较人类驾驶员基准降低85%，“任何伤害报告”维度事故降低79%，“安全气囊弹出”维度事故降低81% [27] - **降本路径**：固态激光雷达量产推动硬件降价，Robotaxi的BOM成本已从百万级下探至30万元以内 [6][35] - **市场空间**：中国B端共享出行市场稳步扩张，Robotaxi有望替代部分传统及私人出行市场，预计2030年市场规模乐观预期达2000亿元 [6][41] - **海外市场更优**：据测算，2024年海外发达地区/欠发达地区Robotaxi的理论触达空间是中国市场的4.4/3.4倍，市场优质程度呈现发达地区>中国>欠发达地区的格局 [6][49] - **政策支持**：中国已有51个城市开放自动驾驶试点，多地开展全无人驾驶运营；海外多国政策体系持续完善，为产业发展奠定法规基础 [6][57] 技术与产品 - **技术平台**：公司自研WeRideOne自动驾驶通用技术平台，支持L2-L4全面无图化，采用端到端模型和世界模型仿真平台，提升训练效率和系统性能 [83][87] - **硬件配置**：新一代传感器套件WeRide SS 5.6拥有11个摄像头、4颗半固态激光雷达等二十多个传感器，提供半径超200米、360度无盲区的感知能力 [20] - **计算平台**：与联想合作的车载计算平台HPC3.0采用双NVIDIA DRIVE Thor-X芯片，算力达2000 TOPS，并通过车规认证，量产价格降至前代的1/4，推动自动驾驶套件成本下降50% [91][93] - **Robotaxi车型**：新一代Robotaxi GXR搭载HPC3.0平台，具备冗余安全设计 [91][112] - **L2+解决方案**：WePilot 3.0为一段式端到端辅助驾驶解决方案，已达成SOP，具备“看见即反应”的一体化架构优势 [131] 财务预测与估值 - **收入预测**：预计公司2025-2027年营业总收入分别为5.55亿元、9.45亿元、19.87亿元，同比增速分别为53.58%、70.41%、110.26% [1][138] - **分业务预测**：预计2025-2027年自动驾驶服务收入分别为4.58亿元、8.45亿元、18.81亿元；产品销售收入分别为0.97亿元、1.00亿元、1.06亿元 [137] - **利润预测**：预计2025-2027年归母净利润分别为-14.44亿元、-13.14亿元、-10.55亿元 [1][138] - **估值**：当前市值对应2025-2027年PS分别为43.0倍、25.2倍、12.0倍，可比公司（特斯拉、Mobileye、小马智行）同期平均PS分别为39.6倍、30.3倍、12.4倍 [6][140][141]

文章核心观点 - 上海创智学院、OpenDriveLab和理想汽车联合提出了一种名为LatentVLA的新型端到端自动驾驶框架，该框架通过自监督潜在动作预测训练视觉-语言模型，并利用知识蒸馏将其能力迁移至高效的纯视觉网络，旨在解决VLM在自动驾驶中面临的轨迹预测不精确、依赖语言标注和推理效率低下三大挑战，在NAVSIM基准测试中以92.4的PDMS得分创造了新的SOTA，并在nuScenes基准上展示了强大的零样本泛化能力 [2][17][52] 背景与挑战 - **端到端自动驾驶的局限性**：尽管端到端方法能直接从传感器输入映射到轨迹，但其性能受限于训练数据的场景多样性，难以应对真实世界中复杂多变的长尾场景 [4][10] - **视觉-语言模型在自动驾驶中的三大挑战**： 1. **数值不敏感与轨迹不精确**：VLM基于离散语言标记的自回归训练方式不适合连续动作空间，导致输出不稳定，特别是在长时域轨迹规划中精度受损 [4] 2. **数据标注负担与语言偏差**：依赖大规模语言标注（如VQA风格）会引入语言偏差，限制对隐性驾驶知识的捕获，可能导致文本描述与实际驾驶行为不匹配 [5] 3. **计算效率低与认知不对齐**：采用思维链式推理的VLM计算成本高、耗时长，难以满足实时部署要求 [5] 解决方案：LatentVLA框架 - **核心创新**：提出整合VLM优势与传统视觉方法效率和精度的新型框架 [17] - **两大核心技术**： 1. **自监督潜在动作预测**：采用以自车为中心的潜在动作预测作为自监督学习目标来训练VLM，完全无需语言标注，能从无标注轨迹数据中学习丰富的驾驶表征，减轻语言偏差并降低标注负担 [6][21] 2. **知识蒸馏机制**：将训练好的VLM（教师模型）学到的表征和推理能力蒸馏到规划Transformer（学生模型）中，再将其特征与传统端到端方法的特征融合，使学生模型继承VLM泛化能力的同时，保持传统方法的计算效率和实时性能 [6][21][35] - **潜在动作学习与解耦**： - 通过编码器-解码器架构和VQ-VAE，从视觉观测中学习并离散化连续动作，生成量化的潜在动作表征 [23] - 提出潜在动作解耦，通过两阶段过程分离自车运动与环境变化，使模型能更准确地捕获驾驶意图，提升规划质量 [23][25] 实验结果与性能 - **NAVSIM基准测试**： - LatentVLA(iPad)版本获得92.4的PDMS得分，刷新SOTA，比原生iPad方法（91.7）提高了0.7分 [2][41][42] - LatentVLA(TransFuser)版本将得分从84.0提升至86.6 [41][42] - 知识蒸馏版本性能接近完整模型，Distilled LatentVLA(iPad)得分为92.1，性能保持率达99.7%，同时比原生iPad提高0.4分 [41] - **nuScenes零样本泛化能力**： - LatentVLA(iPad)在nuScenes开环规划中平均L2误差为0.33米，在顶级VLM方法中排名靠前 [44][46] - 在关键短期时间域表现优异，1秒时L2误差为0.13米，2秒时为0.28米，匹配或超越了部分基线方法 [44] - 尽管训练数据规模和多样性显著少于基线方法（如EMMA+、ImpromptuVLA），但仍展现出强大的跨数据集泛化能力 [44] - **推理速度提升**： - 直接集成VLA模型推理延迟高（约790ms），帧率低于1.3 FPS，无法满足实时要求 [51] - 经过知识蒸馏后，推理延迟降低约3.8倍（至约210ms），帧率提升近3.7倍（至约4.8 FPS），显著加速 [51] - **定性分析优势**：在环岛、交叉路口等复杂场景中，LatentVLA能生成准确、平滑且安全的轨迹，而基线方法可能出现方向误判或轨迹偏离可行驶区域的情况 [48] 消融实验验证 - **关键组件有效性**：系统性地整合视觉嵌入、动作嵌入以及将语言条件改为轨迹条件，均能持续提升模型性能，最终LatentVLA(TransFuser)的PDMS得分从基线84.0提升至86.6 [50] - **训练数据影响**：使用更大规模的OpenScene数据集进行潜在动作模型训练，相比仅使用navtrain数据集能带来进一步的性能提升 [50]

行业趋势与研究方向 - 自动驾驶前沿研究方向窗口期有限 正被大厂和头部高校激烈竞争[2] - 对于计算机和自动化背景的研究者 深度学习方向如VLA、端到端、世界模型具有从入门到工作及读博的广阔发展空间[2] - 对于机械和车辆背景的研究者 建议从传统PnC、3DGS等算力要求低、入手简单的方向开始学习[2] - 行业前沿研究方向包括端到端、VLA、世界模型、强化学习、3D目标检测、多传感器融合、3DGS、BEV感知、Occupancy Network、多任务学习、语义分割、轨迹预测、运动规划、扩散模型、Flow matching、点云感知、毫米波雷达、单目感知、车道线/在线高精地图等[3] 研究支持服务 - 提供涵盖论文选题、全流程指导、实验指导及申博指导等研究支持服务[6][9] - 服务已成功帮助多篇论文被CVPR、AAAI、ECCV、CoRL、ICLR、IROS、ICRA、ACL等顶会顶刊收录[7] - 服务覆盖的论文级别包括自动驾驶顶会/顶刊 CCF-A/B/C SCI一区至四区 中科院1至4区 EI/中文核心 以及毕设论文、申博和比赛等[10]

合作升级与战略深化 - 北汽新能源与小马智行正式签署协议，宣布双方战略合作进入全面深化的新阶段 [1] - 此次合作升级标志着双方关系进入“从1到N”的2.0时代，致力于构建从技术研发到商业运营的完整闭环 [4] - 合作旨在以十亿级投入撬动千亿级汽车智驾的产业协同 [4] 合作维度与具体内容 - 合作重点围绕产品、市场、产业、生态、资本五个方面系统化推进 [3] - 产品共创：以极狐T5 Robotaxi成功量产经验为基础，正向研发多元L4产品矩阵，并延伸至高端智能车型 [3] - 市场共拓：深耕国内市场，同时推动“中国方案”出海，重点布局中东、欧洲市场 [3] - 产业共链：启动“补链、建链、稳链、升链”专项行动，深度融合双方供应链，优化L4全周期成本，培育本土智慧出行供应链集群 [3] - 生态共建：打通“研发、量产、获客、运营、维护、金融”全价值链，整合双方出行平台与后市场资源，构建可持续的Robotaxi商业生态 [3] - 资本共融：深化基于互信的资本联动，围绕技术、供应链与全球市场开拓，形成长期利益共享的战略绑定 [3] 技术合作与量产成果 - 合作基于双方自2024年11月启动的技术合作，并在已实现L4级Robotaxi车型规模化量产的基础上进一步拓展 [3] - 双方以北汽新能源的全冗余底盘架构为基础，深度融合小马智行第七代自动驾驶软硬件系统，联合打造了L4级极狐阿尔法T5 Robotaxi车型 [4] - 2025年7月，首台量产车下线并启动路测，此后产能爬坡迅速，一个月内完成第100台交付，三个月内实现第300台下线 [4] - 截至目前，极狐阿尔法T5 Robotaxi车型累计量产已突破600台 [4] 商业化运营进展 - 自2025年11月起，极狐阿尔法T5 Robotaxi已在北京亦庄、深圳南山及宝安区等核心区域启动全面运营 [6] - 运营服务覆盖机场、高铁站、商圈及通勤高峰时段，为用户提供全无人出行体验 [6] - 初步实现了“量产、测试、运营”的闭环 [6] 行业意义与定位 - 在全球自动驾驶产业加速发展的背景下，此次合作被视为中国智能网联汽车产业从单点技术突破迈向系统化生态竞争的一次实践 [3] - 合作推动了自动驾驶从测试验证向规模化运营的转变 [4]

合作概述与战略意义 - 北汽新能源与小马智行于1月10日正式达成“五位一体”全面深化战略合作，标志着双方合作进入“从1到N”的2.0时代 [1] - 此次合作旨在构建从技术研发到商业运营的完整闭环，打造中国智能驾驶产业协同创新的标杆范式 [1] - 合作立足产品、市场、产业、生态、资本五个维度系统推进，是以十亿级投入撬动千亿级汽车智驾的产业协同 [1] - 此次全面深化合作被视为中国智能网联汽车产业从单点技术突破迈向系统化生态竞争的关键一步 [3] 合作历史与现有成果 - 双方自2024年11月签署技术合作协议，以北汽新能源全冗余底盘架构为基础，融合小马智行第七代自动驾驶系统，联合打造出L4级极狐阿尔法T5 Robotaxi车型 [1] - 2025年7月，首台量产车辆下线并启动路测，三个月内实现第300台下线并投入规模化试运营，截至目前累计量产已突破600台 [2] - 该Robotaxi车型的综合安全性已达到人类驾驶水平的10倍以上 [2] - 自2025年11月起，极狐阿尔法T5 Robotaxi已在北京亦庄、深圳南山及宝安区等核心区域开展全面运营，实现了“量产、测试、运营”闭环的高效打通 [2] 未来合作五大维度规划 - **产品共创**：以极狐T5 Robotaxi成功量产经验为基础，正向研发多元L4产品矩阵，并延伸至高端智能车型 [2] - **市场共拓**：深耕国内市场的同时，推动“中国方案”出海，重点布局中东、欧洲市场 [2] - **产业共链**：深度融合双方供应链，优化L4全周期成本，培育本土智慧出行供应链集群 [2] - **生态共建**：打通“研发、量产、运营、维护”全价值链，整合双方出行平台与后市场资源，构建可持续的Robotaxi商业生态 [2] - **资本共融**：深化基于互信的资本联动，围绕技术、供应链与全球市场开拓，形成长期利益共享的战略绑定 [2] 行业影响与公司展望 - 此次合作标志着中国“顶尖智慧”与“产业基石”深度融合，将为全球智慧出行市场提供可复制、可持续的“中国方案” [3] - 北汽新能源未来还将与更多全球领先的互联网和科技公司开展广泛合作，共同探索智能汽车的创新边界 [3]

公司战略转型 - Motional在2026年初进行根本性战略转向，以AI基础模型重构其自动驾驶系统，并重启Robotaxi商业化进程，目标是在2026年底前在拉斯维加斯落地全无人商业服务 [1] - 公司选择暂停所有商业活动，以退为进，从传统的规则驱动技术路线转向拥抱AI革命，重构技术底座 [5] 公司历史与困境 - Motional成立于2020年，是现代汽车集团与安波福各持50%股权的合资公司，初始目标为SAE Level 4完全自动驾驶的商业化 [4] - 公司初期成绩亮眼，包括完成首次横跨美国的自动驾驶、落地全球首个Robotaxi试点项目，并与Lyft在拉斯维加斯的合作累计完成超10万次公共乘坐 [4] - 自2022年底起，公司面临成本压力与技术瓶颈，启动裁员，2024年因错过与Lyft的无人服务期限，安波福退出财务支持，现代汽车追加10亿美元投资，持股比例提升至66.8%成为控股方 [4] - 截至2024年5月，公司员工规模从巅峰时期的1400人锐减至不足600人，较2022年的1500人规模近乎“腰斩” [4] 技术架构变革 - 转型前，公司采用行业主流的“碎片化”方案，使用独立的机器学习模型处理感知、追踪等单一任务，其余操作依赖规则驱动程序，导致新场景适配成本高且难以规模化部署 [5] - 转型核心是利用AI基础模型（如Transformer架构），将碎片化的小模型整合进单一主干网络，构建端到端的AI驱动架构，旨在兼顾泛化能力与场景适配效率 [6] - 搭载新系统的现代Ioniq 5 Robotaxi在拉斯维加斯实测中已能自主应对复杂场景（如人流车辆混杂区域灵活变道避让），相较于旧系统有质的飞跃，尽管仍存在如绕行耗时较长等不足 [6] 商业化进程与规划 - 公司计划在2026年晚些时候联合某网约车合作伙伴（与Lyft、Uber均有既有合作）向公众开放带安全操作员的Robotaxi服务，并在年底前实现人类操作员撤出，启动全无人商业服务 [10] - 控股方现代汽车累计投入超20亿美元，并在2025年与俄罗斯Avride合作投放Ioniq 5自动驾驶网约车，同时洽谈与小鹏汽车的合作，以构建全球自动驾驶技术网络 [10] - 拉斯维加斯的全无人服务落地被视为公司的生存之战和技术验证，成功将成为吸引合作伙伴、摊薄研发成本的关键筹码 [10] - 公司的长远目标是将L4系统集成到个人汽车中，成为整车厂的核心技术供应商 [10] 行业背景与竞争 - Motional的转型折射出AI浪潮下，全球L4级自动驾驶技术路线正经历集体重构 [3] - 2026年初的CES展上，芯片巨头英伟达推出Alpamayo系列AI模型与Rubin平台，通过100亿参数的视觉语言行动模型赋予车辆“逻辑推理能力”，并联合优步等伙伴推进2027年L4 Robotaxi测试，将行业竞争推向高阶 [8] - 行业正从“规则驱动”全面转向“AI驱动” [11]