文章核心观点 - 英伟达创始人黄仁勋在CES期间接受采访，阐述了公司在HBM4内存和自动驾驶平台领域的战略定位，并表达了对AI基础设施需求持续增长的乐观看法 [2][3] HBM4内存市场与英伟达的角色 - 黄仁勋强调当前HBM4内存缺货是结构性改变，而非景气循环 [2] - 英伟达是这波结构性缺货下的全球大买家，直接与所有HBM供应商协同规划产能，而非仅从封装厂、板卡厂拿货 [2] - 英伟达是第一个HBM4的使用者，并且在一段时间内几乎只有该公司在使用，所有HBM制造商都在为英伟达扩产 [2] - HBM4高频宽内存贴近GPU的工作量训练、推理与储存需求，已与传统IT市场完全不同，需求不可替代 [2] 自动驾驶平台战略 - 英伟达发布自驾车新平台“Alpamayo”，特斯拉执行长马斯克回应称特斯拉早就在做类似事情 [2] - 黄仁勋分析英伟达平台与特斯拉FSD不同，称赞特斯拉FSD是世界级的车端前装自驾系统 [2] - 英伟达切入自动驾驶旨在提供一个包含硬件Thor芯片和模拟训练软件Omniverse的“平台”训练系统，使所有车厂都有能力导入自驾技术 [3] - 该平台可供Google的Waymo、Lucid、Uber Taxi平台甚至Tesla等其他品牌使用 [3] AI行业前景与CEO心得 - 黄仁勋对AI需求表示乐观，指出需求并非仅是数据中心扩建，而是AI工厂这类基础设施的大量崛起 [3] - 黄仁勋透露担任CEO近33年的两大心得：不要被炒鱿鱼以及不要无聊 [3]

行业转折与现状 - 自动驾驶行业在CES 2026迎来关键转折点，从过去五年的资本狂热与创新疲劳阶段，进入商业验证的新阶段[2] - 行业已越过技术验证期，2026年将成为自动驾驶的“务实落地元年”[51][53] - 行业不会出现一家独大的局面，而是呈现多极化生态，不同技术路线和商业模式将长期共存[53] 技术路线与巨头竞争 - 英伟达在CES 2026发布开源自动驾驶模型Alpamayo，被其CEO黄仁勋称为“物理AI的ChatGPT时刻”，这是一个具备推理能力的视觉-语言-行动模型[4] - 英伟达与特斯拉的竞争本质上是视觉系与传感器系的路线之争，英伟达需要维护其智驾芯片销售基本盘，该业务依赖激光雷达等传感器[7] - 高通推出“双骁龙汽车平台至尊版跨域融合解决方案”，与零跑汽车合作，将座舱、驾驶辅助、车身控制集成于单一系统[10] - 零跑D19车型以两颗骁龙8797 SoC为核心，可同时处理最多8块高分辨率显示屏和18路音频输出，并处理海量感知数据以支持端到端辅助驾驶[11] - 高通与元戎启行、Momenta、轻舟智航、文远知行和卓驭科技等辅助驾驶算法供应商合作，以规模化部署辅助驾驶系统[14] - Mobileye与奥迪合作开发L3方案，原型车正在测试，研究让驾驶员闭眼驾驶的功能[14] - Mobileye与大众子公司Moia基于ID.Buzz研发L4自动驾驶项目，已在欧洲路测，车队规模约100辆，计划2026年二、三季度在美国推出Robotaxi服务，2027年拓展至多城市并与Uber等平台合作[16] 中国企业的进展与策略 - 长城汽车展示ASL架构等技术，ASL意为“Agent of Space and Language”，公司三年前已布局此架构以迎接AI技术[18][20] - 长城汽车CTO表示ASL 1.0预计在2026年上半年正式上车，ASL 2.0将致力于实现整车多域覆盖，打通动力、底盘等核心控制域[21][23] - 吉利发布全域AI 2.0技术体系，依托WAM世界行为模型，打通智驾、座舱、底盘[23] - 吉利的千里浩瀚G-ASD辅助驾驶系统已在极氪、领克多款车型搭载，具备从L2到L4的全栈落地能力，计划在2026年内于法规允许情况下推送高速L3和低速L4功能，并启动Robotaxi运营[27] - 新石器展示全系列RoboVan产品矩阵，新发布的X1车型能解决物流“最后100米”痛点[33] - 新石器首发AI驱动的下一代无人驾驶物流解决方案，采用双引擎架构优化大规模无人车队[38] - 速腾聚创与新石器合作的L4无人物流车已搭载激光雷达Fairy实现大规模量产，与Coco Robotics合作的无人配送车搭载全固态激光雷达E1R并在北美运营[38] - 速腾聚创发布多款激光雷达新品：EMX（192线）适合L2级辅助驾驶，EM4（超500线）推动L3级自动驾驶落地，EM4与E1搭配可为L4无人驾驶提供360°无盲区感知[43] 商业化路径分化 - 行业商业化路径分化为两条：一是垂直场景突破，如新石器的RoboVan和ZOOX的RoboBus，优势是现金流健康，劣势是天花板明显[46] - 另一条是全域拓展，直接瞄准Robotaxi市场，如Uber、特斯拉、文远知行、小马智行等，逻辑在于通过消除人类司机成本创造颠覆性商业模式，但对资金、技术、运营要求极高[51] - 行业当前最大分歧在于选择先活下来还是直接赌未来[51] 行业趋势与竞争格局 - CES 2026显示自动驾驶门槛降低，更多玩家能参与，2026年趋势是“智驾平权”[45] - 中国企业具备场景优势，中国复杂的路况提供了全球最丰富、质量更高的数据样本，训练出的模型迁移到欧美市场适配度更强[53] - 中国企业具备成本优势，从激光雷达到智驾芯片的完整产业链使成本控制能力远超海外同行，例如速腾聚创EM系列雷达比实现同样功能的海外产品价格更低[53]

报告行业投资评级 - 看好 [1] 报告的核心观点 - 全球共享出行市场正经历从人力驱动向自动化转型的关键窗口期 呈现出显著的区域分化特征 [2] - 北美市场关键词为存量博弈与政策封锁 中国Robotaxi企业面临直接商业化路径困难 [2] - 欧洲市场关键词为合规准入与技术缺口 “美国/本土平台 + 中国技术底座”的混合模式有望突围 [2] - 中东市场关键词为蓝海高地 呈现高客单价、高政策支持、高基建投入、低能源成本的“三高一低”特征 是中国企业出海的最佳练兵场和商业化变现区 [2] - 东南亚市场关键词为成本倒挂与两轮生态 短期内Robotaxi大规模落地不具备性价比 [2] - 投资布局应聚焦L4 RoboX产业链 优选B端软件标的 [2] 根据相关目录分别进行总结 一、全球Robotaxi市场综述 - 海外监管政策呈现“支持与规范并行”特点 普遍要求企业承担明确事故责任、购买足额责任险、车辆具备完整数据记录功能且算法通过第三方安全评估 [7] - 北美网约车市场由Uber与Lyft双寡头垄断 Robotaxi市场Waymo一家独大 中国企业面临“政策+市场”双重封锁 [11] - 欧洲监管环境碎片化且严苛 进入关键在于去品牌化的技术输出并建立本地数据中心 [11] - 中东网约车市场受政策驱动明显 文远知行、小马智行、百度Apollo Go等多家中国企业已进驻并投入实际运营 [11] - 东南亚网约车市场由本土企业主导 进入Robotaxi市场最可能的方式仍是技术输出 [11] - 北美共享出行市场特征为高收入、弱公交、强刚需 万人共享出行汽车保有量为68.63辆 [12][13] - 欧洲5国共享出行市场特征为高密度、强公交、替代效应 万人共享出行汽车保有量为22.98辆 [12][13] - 中东GCC共享出行市场特征为高私车、缺覆盖、互补共存 万人共享出行汽车保有量为56.66辆 [12][13] - 东南亚东盟6国共享出行市场特征为高增长、基建滞后、潜力大 万人共享出行汽车保有量为1.19辆 [12][13] - 预计到2030年 北美共享出行总GTV将超过3000亿美元 EU+UK超过700亿美元 中东GCC超过400亿美元 东南亚超过1500亿美元 [15][16][17][19] - 预计到2030年 北美Robotaxi出行总GTV将达到2400亿美元 EU+UK为58.75亿美元 中东GCC为58.75亿美元 东南亚为58.75亿美元 [19][78][108] - 预计到2030年 北美Robotaxi保有量将达到80万辆 EU+UK为5万辆 中东GCC为5万辆 东南亚为5万辆 [22][78][108] - 北美兼具最大共享出行市场规模基数与最快的Robotaxi替代节奏 欧洲市场大但转化稍慢 中东呈现“小而美”特征 [26] - 北美巡游车每公里单价约2美元及以上 网约车每公里单价在0.90-1.90美元区间 [29][30][73] - 不同国家Robotaxi单车盈利差异显著 据测算中国、阿联酋、英国、美国单车年营收分别约为4万、9万、25万、25万美元 单车毛利分别约为1.4万、5.0万、16.6万、17.2万美元 [31] - 中国Robotaxi企业如文远知行、小马智行、百度Apollo（萝卜快跑）已在韩国、新加坡、阿联酋、沙特阿拉伯、卢森堡、日本、法国、瑞士、西班牙、比利时等多地开展试运营或纯无人运营 [37][38] 二、北美共享出行市场 - 北美网约车市场已形成Uber与Lyft非对称双寡头垄断格局 截至2024年3月Uber在美国市占率达76% Lyft为24% [41][45] - Uber核心战略是构建涵盖人、食物、货物移动的全球化超级平台 其Uber One会员月消费额是非会员的4倍 留存率高15% [47][49] - Lyft战略聚焦差异化体验 推出Price Lock锁定通勤路线价格 以及Women+ Connect优先匹配女性司机与乘客以打造安全叙事 [51][55] - 北美Robotaxi市场格局呈现“一超多强与巨头退场”特征 Waymo为绝对霸主 Tesla激进搅局 通用汽车Cruise已停止Robotaxi业务 [56][58] - 截至2025年11月 Waymo全美运营车辆总数约2500辆 周付费订单量突破25万单 年化订单量超1300万单 在旧金山占据约27%的网约车市场份额 [58][59][60] - Tesla于2024年10月发布无方向盘Robotaxi专用车型Cybercab 计划2026年第一季度量产 并已利用Model Y在奥斯汀启动试点 其Robotaxi App上线首日下载量突破200万次 [58][61][62][63] - 预测北美共享出行市场规模将于2026年突破千亿美元 2030年有望增长至3528亿美元 2025-2030年复合增长率达32% [78] - 预计到2030年 北美Robotaxi市场规模将达到2400亿美元 保有量达到80万辆 渗透率达到19.5% [78] 三、欧洲（EU+UK）共享出行市场 - 欧洲网约车市场已形成Uber、Bolt、Lyft三强争霸格局 2025年4月Lyft以1.97亿美元收购FreeNow [84][85] - Uber是西欧市场绝对领导者 2024年在欧洲营收约101亿美元 其移动业务已实现EBITDA盈利 [85][86] - Bolt是东欧霸主及西欧核心城市第二大玩家 采用低佣金策略 2024年营收达20亿欧元但净亏损1.02亿欧元 [85][86] - Lyft通过收购FreeNow成为德国、爱尔兰、希腊的市场领导者 [85][86] - 欧洲Robotaxi市场形成三个战略阵营：全栈集成商（如大众/MOIA、Rimac/Verne、Stellantis）、全球技术巨头（如Mobileye、Waymo）、AI原生挑战者（如Wayve） [89][90] - 大众集团与MOIA合作 计划2026年在汉堡推出基于ID. Buzz AD的L4级自动驾驶车辆 并与Uber达成合作将车辆接入其平台 [91][93] - Mobileye是欧洲市场的“隐形操作系统” 通过REM路网体验管理地图技术为多家车企提供从L2+到L4的软硬件方案 [94][96] - Waymo计划于2026年进军伦敦市场 复制其“司机即服务”模式 预计将接入Uber平台获取用户流量 [95][96] - 预测欧洲（EU+UK）共享出行市场规模2025年达到541.62亿美元 市场尚处于巡游车向网约车切换期 [108][110] - Robotaxi在欧洲导入期较长 预计2030年市场规模达到58.75亿美元 保有量达到5万辆 渗透率为3.6% [108][110] 四、中东共享出行市场 - 中东市场呈现“三高一低”特征：高客单价、高政策支持、高基建投入、低能源成本 [2] - 海湾国家移动连接渗透率极高 如沙特阿拉伯移动连接数占人口比例达140% 阿联酋达195% [113] - 网约车市场发展经历了萌芽、补贴与本地化、合规化与巨头并购、转型与新入局、自动驾驶五个阶段 [114][115][116] - 沙特市场政策干预度高 执行网约车“沙特化” 运力向合规出租车公司和本土平台倾斜 形成未完全的Uber/Careem双寡头与本土玩家（Jeeny, Kaiian, Ego）并存的格局 [116][120][122] - 阿联酋市场高度规范化 迪拜的Hala模式（Careem与迪拜道路交通管理局合资）是出行基石 Bolt通过与迪拜出租车公司合作进入市场以引入竞争 [119][123][126] - 文远知行在阿联酋布局领先 已在阿布扎比开展纯无人Robotaxi试运营并接入Uber平台 计划2026年第一季度在迪拜实现纯无人商业运营 [124][125][126]

公司市值与市场表现 - Alphabet Inc (GOOG/GOOGL) 自2019年以来首次在市值上超越苹果 (AAPL) [1] - 公司股价在当日上涨了低个位数百分比 跑赢下跌的苹果和基本持平的标准普尔500指数 [1] 驱动公司股价的关键叙事 - 当前市场关注主要由三大叙事驱动：通过Gemini推动的消费者AI聊天机器人、通过Ironwood推动的AI芯片 (TPU)、以及通过Waymo推动的自动驾驶 [2][3][4] - 分析师认为Waymo在美国已主导特斯拉和其他自动驾驶出租车运营商 截至12月中旬 Waymo每周运营近45万次完全自动驾驶付费行程 而特斯拉仍处于测试阶段 [4] - 分析重点将围绕Gemini和Ironwood TPU的叙事是否站得住脚 [4] Gemini与ChatGPT的竞争分析 - 衡量消费者采用率有三个维度：应用程序使用量、网络使用量、以及来自Web应用和API集成的嵌入式使用量 [6][7][8] - 在应用程序使用量（月活跃用户，MAU）方面 2025年8月至11月期间ChatGPT增长6% 而Gemini增长30% 月活跃用户达到3.46亿（ChatGPT为8.10亿）[8] - 在网络流量方面 12月chatgpt.com的流量环比下降5.6% 平均访问时长6分31秒 而gemini.google.com的流量环比增长28.4% 平均访问时长7分16秒 [8] - 12月ChatGPT的访问量约为55亿次 而Gemini为17亿次 [9] - 从增长动量看Gemini完爆ChatGPT 但绝对数量上ChatGPT仍是领导者 Gemini的上涨空间在于有机会取代ChatGPT的第一名位置 [9] Gemini用户增长的预测与假设 - 假设Gemini保持30%的月活跃用户增长率（基于2025年8月至11月数据）而OpenAI保持5%-6%的增长率 估计用户交叉点可能出现在大约12个月后 [11] - 分析使用的是Sensor Tower提供的3.46亿月活跃用户数据 而非Alphabet在第三季度财报电话会议上提到的6.50亿月活跃用户数据 因为后者包含Gemini的AI概览等不可比功能 [12] - 如果相同的增长率应用于6.50亿月活跃用户基数 交叉点最早可能在今年3月到来 [12] TPU（AI芯片）叙事分析 - 另一个引发投资者兴奋的因素是减少对英伟达（Nvidia）GPU的依赖 [14] - 谷歌的TPU专门为推理任务设计 摩根士丹利估计 24,000颗Blackwell处理器需要8.52亿美元前期硬件投资 四年内每年折旧2.13亿美元 而同等规模的谷歌TPU集群硬件成本为9900万美元 每年折旧成本为2500万美元 [15] - 分析师认为TPU的故事站不住脚 原因在于能源效率 在推理任务上 英伟达的B200 GPU的能效是谷歌TPU v6的1.7倍 [18] - 英伟达在2026年国际消费电子展上推出的Vera Rubin 可以将推理代币成本降低高达10倍 并将训练AI模型所需的GPU数量减少4倍 在电力是主要限制因素的情况下 英伟达在最大化每瓦性能上拥有明显且不可替代的护城河 [18] 公司估值分析 - 与其他超大规模云服务商（亚马逊、Meta、微软）相比 Alphabet的估值倍数在该集团中排名第二高（仅次于亚马逊的34倍 与微软的30.7倍持平）[20] - 估值被认为合理 因为在过去6个月里 华尔街上调了2026年每个季度的所有预测 [21] - 具体营收预测与增长趋势如下：FQ4 2025 (Dec 2025) 营收预估111.268B 同比增长15.33% 6个月趋势上调2.73%；FQ1 2026 (Mar 2026) 营收预估103.40B 同比增长14.59% 6个月趋势上调2.77%；FQ2 2026 (Jun 2026) 营收预估109.95B 同比增长14.02% 6个月趋势上调2.91%；FQ3 2026 (Sep 2026) 营收预估115.67B 同比增长13.02% 6个月趋势上调4.84%；FQ4 2026 (Dec 2026) 营收预估125.30B 同比增长12.62% 6个月趋势上调4.23% [22] - 这种乐观情绪源于Gemini相对于ChatGPT获得了吸引力 使谷歌成为挑战OpenAI在消费者AI领域领导地位的主要竞争者 [22] 决定估值可持续性的关键变量 - 第一个关键变量是Gemini的月活跃用户增长是否会出现均值回归 Gemini能否在ChatGPT保持中低个位数增长的同时 维持30%的月活跃用户增长至关重要 模型估计大约12个月后会出现用户交叉 可能在今年晚些时候引发另一波市场热情 [26] - 另一个因素与收购网络安全公司Wiz有关 欧盟委员会将于2月10日决定是否批准这笔320亿美元的收购 任何监管质疑都将测试当前增长故事溢价中有多少是由情绪驱动 多少是由基本面支撑 [23][26] 市场环境与板块轮动 - 从贝塔系数（beta）角度看 市场资金正明显从科技板块轮动流出 如果股价未能向上突破特定的三角形技术形态 可能会看到资金加速流出科技板块 [23] - 谷歌高度暴露于科技板块的情绪中 尽管它不是科技板块精选行业SPDR® ETF (XLK)的成分股 同时 通信服务精选行业SPDR (XLC) 自9月以来也显示出一些疲软 [25] - Alphabet作为世界上市值第二大的公司 其股价正在重新测试历史高点 [27]

文章核心观点 华为智能驾驶解决方案ADS已从1.0迭代至4.0，其核心是坚持多传感器融合的技术路线，并通过软件架构与算法的持续升级，实现了从依赖高精地图的规则驱动到不依赖高精地图的端到端数据驱动，最终迈向基于“云端训练+车端推理”协同范式、具备高速L3级能力的系统级重构[2][4] 华为ADS硬件迭代：多传感器融合方案 - 公司坚持采用激光雷达、毫米波雷达、摄像头、超声波雷达等多传感器互补融合的方案，以实现全天候全天时的高效感知能力[2] - 各传感器特点如下： - **激光雷达**：作为成像级传感器，可渲染3D环境，成像干净、噪点少、信息丰富，但受天气和光照条件影响明显，感知范围较近，高速行驶场景有欠缺[3] - **毫米波雷达**：用于盲点监测、变道辅助，在夜晚及极端天气下仍可工作，抗电磁干扰能力强、成本较低，但对静止障碍物探测有待提高，噪点多、对金属敏感[3] - **超声波雷达**：用于5米以内的短距感知和泊车辅助，成本低、探测能力强，但作用距离近，点云缺乏高度信息[3] - **摄像头**：用于环境探测和障碍物信息采集，获取信息丰富、速度快、成本相对较低，可以描绘道路环境深度信息及3D整体环境，但视觉受天气及光线影响[3] - 在技术方案中，摄像头是基础图像信息传感器，激光雷达可丰富环境信息并生成3D图像，毫米波雷达（特别是4D毫米波雷达）在极端天气下辅助感知，超声波雷达则是泊车辅助的必备低成本元件[3] 华为ADS各代技术演进与核心能力 - **ADS 1.0 (2021年4月发布)**： - 配置方案为多传感器融合+有图智驾，软件架构为BEV[4] - 核心智驾功能为NCA智驾领航辅助，初期城区功能限于上海、广州、深圳[4] - 智驾级别为L2，搭载于极狐阿尔法S、阿维塔11等车型[4] - 感知层采用BEV+Transformer算法，依赖“白名单机制”人工标注，存在无法识别白名单外异形物体的“长尾效应”[6] - 采用有图（高精地图）智驾方案，该方案存在新城渗透速度慢（需2-3年）和更新不及时（更新频率1-3个月）两大缺点[7][9] - **ADS 2.0 (2023年4月发布)**： - 配置方案升级为多传感器融合+无图智驾，软件架构为BEV+GOD 2.0+RCR 2.0[4] - 核心智驾功能NCA覆盖高速路与城区车道，智驾级别为L2[4] - 搭载于问界M5/M7/M9、阿维塔11鸿蒙版、阿维塔12、智界S7等车型[4] - 核心算法为GOD2.0与RCR2.0，分别解决“看得懂物”和“看得懂路”的问题[8] - **GOD2.0网络**：可识别通用障碍物白名单外的异形物体，并能精细区分障碍物种类（如救护车、警车），识别率高达99.9%[8][11]。该网络构建在自学习数据引擎上，利用车端收集数据、云端自动标注和4D场景重建进行训练，每天产生大量有价值数据，公司利用上千个NPU和上亿公里驾驶数据对其进行训练，目标是训练成一个能像人类一样灵活应对各种场景的基础模型[12][14] - **RCR2.0网络**：实现导航地图与现实世界的匹配，感知面积可达2.5个足球场，能实时生成道路拓扑，解决了无高精地图情况下的车道内行驶和路口处理两大关键难题[16] - **ADS 3.0 (2024年4月发布)**： - 配置方案为多传感器融合+端到端大模型，软件架构为GOD大网+PDP[4] - 核心智驾功能NCA覆盖全国高速与城区，可实现“车位到车位”的全程智驾，智驾级别为L2[4] - 搭载车型进一步扩展至问界M5/M7/M9、阿维塔11/12、智界S7、享界S9、岚图梦想家等[4] - 采用“端到端”的仿生神经网络架构，通过海量真实驾驶数据训练，使驾驶决策更接近人类直觉[18] - 多传感器深度融合，其中激光雷达探测距离达到200米，负责高精度三维建模[20] - **GOD大网**：识别精度较前代提升30%，能识别包括异形障碍物在内的多种目标[21] - **PDP路径规划算法**：引入深度强化学习，可根据实时路况动态优化路径，减少对固定规则的依赖[23] - 创新功能包括： - **车位到车位智驾**：支持从停车场入口到目标车位的全程自主导航与泊车，无需高精地图，在复杂场景下泊车成功率可达95%以上[24] - **全场景智能防撞系统CAS 3.0**：整合23项主动安全功能，已累计避免潜在碰撞事故超200万次[25][28] - **城区与高速双域NCA**：可应对红绿灯识别、无保护左转等复杂城市路况，对交通信号灯的识别准确率达99%[26] - **ADS 4.0 (2025年4月发布)**： - 配置方案为多传感器融合+世界模型，软件架构为WEWA架构[4] - 核心智驾功能覆盖全国，可实现高速L3级别驾驶[4] - 搭载品牌扩展至奥迪、岚图汽车、深蓝、广汽传祺、阿维塔、北汽等[4] - 搭载的WEWA架构通过“云端训练+车端推理”的协同范式，彻底重构了智驾的训练与运行逻辑[4] - 该架构通过“AI教AI”的方式补齐长尾难例（如鬼探头、极端天气突发状况），并将“安全价值观”内化为决策底层，实现了真正“原生面向智驾”的系统级重构[4] 技术迭代总结 - ADS 1.0至3.0完成了从“规则驱动”到“端到端数据驱动”的产业级落地，解决了高阶智驾“能开、开好”的基础问题[4] - ADS 4.0则通过WEWA架构，利用“云端训练+车端推理”的协同范式，实现了智驾系统训练与运行逻辑的彻底重构[4]

核心观点 - 自动驾驶全球知名方案供应商Mobileye宣布进军具身智能领域，计划以63亿美元收购人形机器人公司Mentee Robotics，此举可能预示着自动驾驶与具身智能领域的跨行业交融将越来越频繁 [3][4][10] 行业动态与趋势 - 自动驾驶企业进军物理AI（具身智能）已成为行业趋势，多家领先公司已进行布局 [6] - NVIDIA作为自动驾驶的“军火供应商”，持续推动具身智能相关模型（如GR00T系列）和仿真框架的研发 [7] - 特斯拉很早就开始推进人形机器人Optimus的研发，并强调未来绝大多数利润将来源于人形机器人业务 [8] - Waymo也在积极推进具身大脑的研发 [9] - 2026年开年，小鹏机器人传出今年量产的消息 [9] - 国内主机厂如吉利、比亚迪、上汽、广汽等均已陆续成立或参与投资各类具身机器人公司 [9] 技术融合与协同 - 自动驾驶与具身智能领域在感知、定位、规划等技术栈上具有高度相似性，这是相关公司跨领域布局的基础 [10] - 行业观点形象地比喻为“机器人是长了腿的自动驾驶，而自动驾驶是装了轮子的机器人” [10] - Mobileye此次收购重点关注Mentee Robotics的“real2sim2real”技术栈 [5]

行业技术发展现状与趋势 - 高阶辅助驾驶已进入“准L4”的安心阶段，L2与L4的技术路线走向收敛，同一套模型可在L2和L4上复用 [3] - 2025年整个自动驾驶行业融资超过300亿人民币，且资金集中在L4领域 [3] - L4级自动驾驶技术正引发行业新的关注，可能步入下一个关键节点 [3] 行业商业化落地进展 - 新石器无人车研发的L4级城市物流配送无人车已在物流配送领域获得广泛应用，在全国300多个城市及海外10多个国家开展商业化运营 [5] - 新石器无人车累计交付15000辆无人车，总行驶里程超过6000万公里 [5] - 行业专家曾主导Ioniq5 Robotaxi上线Lyft和Uber在拉斯维加斯的准商业化运营 [6] 行业核心参与者背景 - 斯年智驾创始人何贝为清华大学博士，原百度无人车科学家，拥有无人驾驶全栈工程师背景，发表相关论文30余篇、专利100余件 [4] - 新石器无人车CTO苗乾坤毕业于中国科学技术大学，拥有工学博士学位，在自动驾驶、人工智能等领域有15年以上的研发经验 [5] - 卡尔动力AI研发副总裁王珂曾任美国自动驾驶独角兽Zoox感知Tracking模块负责人 [6] - 全球前三车企美国研发中心规控Tech Lead马千里为约翰霍普金斯大学机器人方向博士，曾任Motional规划控制组Principal Engineer & Manager [6] - 主持人崔迪潇拥有10年学术界乘用车无人驾驶研究经历及7年工业界商用车无人驾驶研发和量产落地运营经历 [7] 行业活动与深度探讨方向 - 即将举行的L4智驾圆桌将汇聚L4头部企业，深入探讨自动驾驶L4的技术理想与商业现实的博弈 [3] - 探讨议题将包括L4技术路线的变迁、未来市场格局及发展方向 [3] - 知识星球“自动驾驶之心”将提供深度内容，涵盖技术细节、QA及未公开彩蛋，讨论主题包括FSD v14是否包含VLA、VLA与WA谁定义下一代方案、学术与量产的分歧以及数据闭环工程等 [15]

公司上市进展 - 公司已获得中国证监会关于境外发行上市及境内未上市股份“全流通”备案通知书 拟发行不超过1891.42万股境外上市普通股并在香港联合交易所上市 同时41名股东拟将合计1.12亿股境内未上市股份转为境外上市股份并在港交所流通 [1] 业务模式与市场地位 - 公司选择以封闭或半封闭场景（如机场牵引、园区物流、港口运输）为发展突破口 是大中华区最大的机场场景及厂区场景中商用车L4级自动驾驶解决方案供应商 按2024年收入计算市场份额分别达到91.7%和45.1% [2] - 业务模式偏向“项目制” 优势在于监管难度相对较低、落地速度快、项目回款确定性较强 但单一场景收入体量有限 复制扩张能力受限 [2] - 与同行业已登陆港股的公司（如小马智行、文远知行）相比 公司发展路径呈现明显分化 后者重心在开放道路的Robotaxi场景 直接面向公众出行需求 具备更强的规模放大潜力和平台化想象空间 [2] 经营与财务表现 - 公司收入三年快速增长但亏损仍处高位 2022年至2024年营收分别为6548.3万元、1.61亿元、2.65亿元 年内亏损分别为2.50亿元、2.13亿元、2.12亿元 2025年上半年营收9864.7万元 期内亏损1.10亿元 [5][6] - 2022年至2025年上半年累计亏损7.84亿元 研发投入居高不下 2022年至2024年研发开支分别为1.89亿元、1.84亿元、1.96亿元 [1][6] - 收益增长率由2023年的146.4%下滑至2024年的64.5% 同期毛利率由48.8%下降至43.7% 其中主要业务自动驾驶车辆解决方案的毛利率由2023年的34.7%大幅下降至2024年的21.7% [6] - 资产负债比率逐年升高 2022年至2024年分别为20.9%、25.4%和32.6% 至2025年6月已攀升至40.2% [6] 客户与收入结构 - 客户集中度较高且波动大 2022年、2023年、2024年及2025年上半年来自五大客户的收益占比分别为57.6%、66.0%、46.2%及82.8% 最大客户占比分别为24.1%、38.0%、18.5%及21.7% [7] - 关键客户平均留存率持续下降 由2022年的100%降至2023年和2024年的75.0% 并在2025年上半年降至40.0% [7] - 收入结构更多依赖新增项目订单驱动 而非单车效率和运营规模的持续放大 财务增长弹性与长期估值空间相对受限 [3] - 公司2024年营业收入为2.65亿元 远低于同类型上市企业小马智行（5.27亿元）和文远知行（3.61亿元） 且收入规模差距正逐步扩大 [3] 行业背景与挑战 - 自动驾驶产业正从示范测试走向可复制的运营落地 封闭或半封闭场景成为L3-L4级自动驾驶率先规模化的“主战场” [1] - 整个自动驾驶行业正经历前所未有的变革 技术迭代加速 商业模式尚在探索 监管政策日趋严格 [1] - 自动驾驶商业化已进入“拼交付、拼成本、拼规模”的新阶段 [7] - 开放场景如Robotaxi前景广阔但技术难度更大 商业化进程更为缓慢 [2]

核心观点 - 华泰证券首次覆盖文远知行并给予买入评级 目标价为港股52港元及美股20美元 看好公司在自动驾驶领域凭借领先技术、完善商业模式和完整生态脱颖而出 [1] 核心竞争力 - 公司核心竞争力包括全球领先的规模化L4车队与多区域商业化落地能力 [1] - 核心竞争力包括全栈自研软件平台与车规级硬件体系 夯实了L4规模化复制的基础 [1] - 核心竞争力包括多元化的全球生态合作体系 强化了自动驾驶规模化落地能力 [1] 行业与公司发展前景 - 中国Robotaxi企业在技术水平和演进方向上与美头部企业一致 并非追赶者 [1] - 中国可依托成熟的整车与传感器产业链 实现更低的车辆与套件成本 在工程化与经济性层面具备优势 [1] - 中国企业在车规级芯片应用上更为积极 在模型优化、算力效率与成本控制方面更具优势 [1] - 公司采取国内与海外并重的发展战略 随着国内Robotaxi进入高强度运营 公司或在单位经济模型更优的海外市场率先实现放量 [2] - 公司已在中东地区构建了最大的Robotaxi车队 [2] - 公司的Robovan、Robobus及Robosweeper产品也将逐步落地 相关价值或尚未被充分反映 [2]

文章核心观点 - 英伟达与特斯拉在自动驾驶领域从互补转向直接竞争 英伟达通过发布Alpamayo自动驾驶平台 以开放生态模式赋能车企 而特斯拉则凭借其庞大的真实路测数据与闭环迭代能力构建护城河 双方在技术路线、商业模式和产业生态上展开全面较量[1][5][26] 英伟达的战略与方案 - 发布Alpamayo自动驾驶平台 核心在于提供一套开发范式与基础设施 而非完整自动驾驶系统[7] - 技术核心是首次将视觉-语言-行动模型与思维链推理大规模应用于自动驾驶 旨在实现决策过程的可解释与可调试[7][9][11] - 商业模式为赋能者 提供作为“教师模型”的Alpamayo 1 供车企利用自身数据训练轻量级“学生模型” 避免与客户直接竞争[11] - 配套提供AlpaSim高保真仿真平台及超过1700小时带有因果标注的真实世界驾驶数据集作为训练资源[11] - 其开放平台策略已吸引客户 例如梅赛德斯-奔驰已开始与Alpamayo合作[24] 特斯拉的战略与优势 - 特斯拉对其他汽车制造商推销其FSD完全自动驾驶系统 与英伟达形成竞争关系[5] - 核心优势在于数据规模与真实路测 特斯拉FSD每天行驶里程超过1400万英里 并已开始完全无人Robotaxi测试[16] - 认为实现安全、无人监督的自动驾驶需要约100亿英里的训练数据[16] - 构建了“数据飞轮”闭环：更多车辆上路收集长尾场景数据 驱动模型快速迭代 该闭环建立在全球数百万辆保有车辆基础上[18][19] - 认为依赖仿真与有限路测无法赶上特斯拉 强调规模、数据和迭代是关键[16] 技术路线对比 - 英伟达路线：基于VLA和思维链 试图从外部通过仿真和标注数据构建“解释性推理” 更“白盒”[7][19] - 特斯拉路线：基于纯视觉感知和端到端神经网络 其系统性能提升高度依赖真实世界数据飞轮 更“黑箱”但经过现实锤炼[18][19] - 文章指出 基于信息进行推理并非英伟达独有 华为、蔚来等公司的智驾技术以及理想、小鹏、元戎启行等企业已在相关领域有所布局[13] - 特斯拉FSD本身是VLA和世界模型技术的大融合[13] 竞争本质与行业影响 - 竞争本质是生态位之战 特斯拉作为整车制造商 其“运动员”兼潜在“裁判”身份使其他车企难以采用其FSD方案 因涉及数据主权与供应链风险[24] - 英伟达作为不造车的纯技术供应商 其“赋能模式”让车企掌握数据主权和系统差异化能力 更易被行业接受[24] - 自动驾驶竞争从单车智能比拼 升级为数据生态、开发范式与产业联盟的全面较量[26] - 英伟达赌的是生态的广度 通过开放平台加速整个行业 特斯拉赌的是技术的深度与迭代速度[26] - 文章指出 在英伟达与特斯拉的竞争背后 中国企业在工程底蕴、市场规模和内卷力度上不容忽视[26]