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]

公司融资与战略定位 - 公司2025年累计融资金额超过10亿元人民币 [1] - 公司定位为全球领先的电动无人驾驶矿卡企业及零碳无人矿山整体解决方案提供商 [1] - 公司核心战略为“无人化+电动化” [1] 商业模式与业务进展 - 业务围绕“矿区无人化运输”展开，形成“智驾、智车、智运、智矿”四大灵活组合的商业模式 [1] - 通过全栈技术整合与多元化商业模式，在矿区自动驾驶领域构建坚实基础 [1] - 为不同需求客户提供从自动驾驶系统、整车销售、运力服务到全矿无人化闭环的综合解决方案 [1] - 已完成超过30个矿山项目，覆盖多种矿型与复杂工况，总运营里程行业领先 [1] 未来发展规划 - 公司将持续深化全栈技术闭环 [1] - 公司将加快全球市场拓展步伐 [1] - 公司将携手产业伙伴共同推动矿山运输向零碳、智能、高效的方向加速演进 [1]

核心观点 - Mobileye通过收购人形机器人公司Mentee Robotics，旨在从自动驾驶公司转型为横跨自动驾驶与人形机器人两大赛道的全球“物理AI”公司，以把握新的增长机遇 [2][4][6] 收购交易详情 - 收购对价总额约为9亿美元，包括约6.12亿美元现金及至多约2620万股Mobileye A类普通股，最终金额将根据协议调整 [2] - 交易预计于2026年第一季度完成，完成后Mentee将作为独立事业部运营 [2] - 收购旨在加速Mentee AI软硬件能力整合，并利用Mobileye的AI训练基础设施 [2] Mobileye公司背景与现状 - Mobileye成立于1999年，是老牌自动驾驶公司，2008年发布第一代EyeQ1系统集成芯片 [4][5] - 2017年，英特尔以约153亿美元收购Mobileye，后者于2022年在纳斯达克上市 [5][6] - 公司合作伙伴覆盖28家主流车企，包括大众、福特、宝马、丰田等，2025年与沃尔沃和斯巴鲁达成新定点合作 [6][7] - 截至去年底，公司已部署超过2.3亿颗芯片 [8] - 在ADAS视觉芯片与L2+方案市场份额领先，但在高端市场面临英伟达、高通竞争压力 [7] 财务与订单表现 - 2025年，Mobileye收入略低于20亿美元 [8] - 公司未来八年的储备订单额为245亿美元 [8] - 最新一代ADAS芯片EyeQ6 Lite在2025年的储备订单是2024年的3.5倍 [8] - 一家美国头部车企已选定基于EyeQ6H芯片的辅助驾驶系统作为其数百万辆汽车的标配方案 [8] - 基于EyeQ6H芯片的环绕式方案预计未来交付量将突破1900万套，包括新合作车企的900万套订单及大众汽车集团订单 [8] 战略转型与增长愿景 - 公司将人形机器人视为新的增长引擎，预计10年后将有数百万台机器人应用于物流中心、家庭护理等场景 [3][10] - 公司旨在成为一家“物理AI”公司，将业务从自动驾驶扩展至人形机器人领域 [2] - 汽车与机器人在技术层面（如VLM、模拟）有协同效应，但运行环境不同（结构化 vs 非结构化） [11][12] - 自动驾驶与人形机器人共享物理AI技术栈，包括多模态感知、环境建模、决策制定等 [12] 被收购方Mentee Robotics技术特点 - Mentee是一家成立四年的人形机器人初创公司，设计了一个面向真实场景规模化部署的人形机器人平台 [9] - 其技术路线强调通过自然示范与意图提示让机器人学习新技能，实现“开箱即用”，无需远程操控 [9] - 平台采用自研软硬件，并基于人机示范指导、小样本学习及仿真优先式训练构建AI架构 [9] - 公司团队正在进行小样本泛化的技术研发 [13] 收购后的协同效应与商业化规划 - Mobileye可将Mentee的“视觉–语言–动作技术”和“大规模仿真+Sim2Real迁移”并入自身自动驾驶技术栈，以更好处理长尾场景、加速开发 [12] - Mobileye二十多年的市场经验、安全标准工具链、AI训练设施及制造商关系，将推动Mentee机器人在全球工厂、仓储等环境的部署 [12] - Mentee计划于2026年内启动首批客户现场概念验证部署，2028年完成规模化量产与商业化落地 [13]

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 - 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] - 相关公司已累计交付15000辆无人车，总行驶里程超过6000万公里 [5] - 有Robotaxi车型已在拉斯维加斯通过Lyft和Uber平台实现准商业化运营 [6] 行业重要活动与讨论焦点 - 行业将举办L4智驾圆桌会议，深入探讨自动驾驶L4的技术理想与商业现实，议题包括技术路线变迁、未来市场格局及发展方向 [3] - 行业持续关注技术路线较量，如学术与量产的分歧，以及下一代技术方案的探讨（如VLA vs WA） [15] - 行业专家正深入讨论自动驾驶数据闭环工程等硬核技术话题 [15] 行业核心参与者背景 - 行业头部企业创始人及技术负责人多拥有顶尖学术背景（如清华大学、中国科学技术大学、约翰霍普金斯大学博士）及丰富的研发经验 [4][5][6] - 核心技术人员普遍在人工智能、自动驾驶领域拥有超过10年的研发经验，并在国际顶级会议发表多篇论文、申请多项专利 [4][5][6] - 行业专家广泛参与国家级研究项目，并在多个国家级学会、高校及智库担任委员或顾问，获得多项国家级及行业级荣誉奖项 [8][9]

理想汽车在3DGS领域的技术布局与路线 - 公司对世界模型的定义为“重建+生成”，核心是利用3DGS技术重建自动驾驶场景，再结合生成方法实现闭环仿真或场景生成 [1] - 公司在重建方面的具体工作包括：在ECCV2024中稿的StreetGaussian、发布3DRealCar大规模车辆资产重建数据集、开发使训练速度提升近八倍的3DGS训练加速算法Balanced3DGS、在ICCV2025中稿的Hierarchy UGP，以及开发具有时空一致性的多风格场景生成算法StyledStreets [2] 3DGS技术的行业价值与发展趋势 - 3DGS的高保真场景重建与可编辑能力，解决了自动驾驶测试中依赖实车、难以复现极端案例以及传统仿真存在较大领域差距的问题 [3] - 行业技术发展遵循一条清晰路径：从静态重建演进到动态重建，再到混合重建，最终发展至前馈GS [3] - 该技术不仅是自动驾驶领域的关键需求，也正在3D领域、具身智能及游戏行业推动落地，目前市场上掌握3DGS全栈技术的工程师非常稀缺 [3] 3DGS技术课程的核心内容架构 - 课程第一章涵盖计算机图形学基础，包括三维空间的隐式与显式表达、渲染管线、光线追踪、辐射场渲染，并介绍COLMAP、Gsplat等主流开发工具，通过基于3D Real Car数据集的实践作业帮助入门 [10] - 第二章深入讲解3DGS原理、核心伪代码，并覆盖动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法，实战部分采用英伟达开源的3DGRUT框架 [11] - 第三章聚焦自动驾驶仿真重建，重点解析Street Gaussian、OmniRe和Hierarchy UGP三篇工作，实战选用DriveStudio框架 [12] - 第四章探讨3DGS的重要研究方向，包括COLMAP扩展、深度估计及Relighting，并分析其工业应用与学术前景 [13] - 第五章讲解当前热门的Feed-Forward 3DGS，梳理其发展历程与原理，并解析AnySplat和WorldSplat两篇最新算法工作 [14] 课程面向人群与学习收获 - 课程面向具备一定计算机图形学基础、了解视觉重建/NeRF/3DGS等技术、拥有概率论与线性代数基础、熟悉Python和PyTorch的学员，学习需自备推荐算力在4090及以上的GPU [19] - 学员通过学习将掌握3DGS完善的理论知识及相关技术栈、掌握算法开发框架并能够训练开源模型，同时获得与学术界及工业界同行持续交流的机会，对实习、校招和社招均有助益 [19]

英伟达的战略重心转变 - 公司在2026 CES大会上开源了Alpamayo系列视觉-语言-动作推理模型、AlpaSim仿真工具和包含1700多个小时驾驶数据的开放数据集 [2] - 此举标志着公司的战略重心正从提供底层算力向构建覆盖算法、工具链与数据基础设施的全栈开发生态系统转变 [2] - 开源的三款产品与算力集群、Omiverse、Cosmos等AI基础设施一起，构成了一个自我强化的开发闭环，辅助开发推理型自动驾驶技术栈 [5] 针对自动驾驶的核心挑战 - 公司此次开源形成了一套组合拳，直指自动驾驶行业最顽固的挑战——长尾问题 [2] - 自动驾驶在完成向端到端范式切换后，应对常规场景已无问题，但无穷无尽、罕见复杂的长尾场景是迈向L4级别的最大障碍 [7] - 长尾问题是现阶段自动驾驶系统需要攻克的最大难题，没有之一 [10] AlpaSim仿真工具的价值 - 该工具致力于解决长尾场景的数据合成和仿真环境问题 [10] - 真实路采数据昂贵、危险、低效，且难以捕捉极端场景，而真实世界测试也存在成本高、效率低、覆盖不足、危险性高等挑战 [12] - AlpaSim有望攻克仿真世界保真度不足、Sim-Real Gap大的难题，提供一个光线级逼真且完全遵循物理规律的数字平行世界 [12] - 开发者可通过自然语言、图片、视频，在此世界中无限生成、组合并精准调控各种罕见危险场景，相当于为研发提供了风险为零、成本极低、且可无限重复的数据生成器和终极试炼场 [12] Alpamayo VLA推理模型的价值 - 该模型致力于为系统提供应对复杂场景的推理能力 [10] - 其采用的视觉-语言-动作架构在模型层面内建了思维链推理机制，能结构化地推演“看到了什么-这是什么场景-该如何行动”的逻辑链条 [18] - 这种内生的推理能力使得系统在遇到训练数据中未出现的极端场景时，能够基于物理常识和安全原则进行泛化决策，为攻克长尾难题提供了一条基于可解释智能的技术路径 [18] 开源产品的协同效应与技术闭环 - Alpamayo VLA模型作为推理大脑，提供处理未知长尾场景的高级认知能力 [20] - AlpaSim仿真工具作为无限考场，以极致效率生成训练和验证所需的高危场景 [20] - 开放数据集作为标准答案，为训练与评估提供真实权威的基准 [20] - 这三款产品围绕模型训练、仿真和推理部署，构成了一个强大的技术闭环 [20] 开源的战略意图与行业影响 - 此次开源是针对自动驾驶行业制高点精心筹谋的一次战略冲锋，旨在加速L4技术栈的成熟，催熟Robotaxi这个万亿美金级别的广阔市场 [21][23] - 更深层逻辑在于开发者生态绑定，一旦开发者依赖英伟达的全栈方案，迁移成本将变得极高，这将巩固公司在训练、仿真、推理各个阶段的算力主导权 [25] - 开源是构建最广阔、最牢固护城河的终极手段，既能推动行业进步，又能巩固自身利益和算力霸权 [25]

公司股价与市场表现 - 禾赛-W股价上涨2.88%，报214.6港元，成交额5883.81万港元 [1] 公司经营与技术进展 - 公司在CES 2026上展示了最新激光雷达技术成果 [1] - 公司更新了交付量、产能规划及战略合作等经营情况 [1] - 公司量产交付能力在行业中处于领先地位 [1] - 公司国内外产能建设正在稳步推进 [1] 行业需求与政策驱动 - L3级别自动驾驶车型已获得中国工信部的准入许可 [1] - 政策准入有望推动激光雷达在单车上的搭载数量提升 [1] - 下一代物理AI浪潮（如Robotaxi、机器人）正在兴起，激光雷达被视为关键引擎 [1] 生态发展与行业机遇 - 英伟达CEO在CES 2026发布了开源自动驾驶VLA大模型平台Alpamayo [1] - 随着英伟达自动驾驶生态持续拓展，高级别自动驾驶及Robotaxi渗透率预计将逐步提升 [1] - 预计智驾芯片、激光雷达、域控制器、线控制动/转向等高阶自动驾驶相关零部件需求将迎来快速增长 [1] - 自动驾驶软硬件供应商将持续迎来发展机遇 [1]

英伟达实体AI布局与自动驾驶竞争格局 - 英伟达近期大力推进实体AI布局，正引发市场对传统车厂能否以及多快能缩小与特斯拉在自动驾驶上的差距提出新疑问 [1] - 英伟达在消费性电子展的主题演讲将自动驾驶车与人形机器人推向舞台中央，其中全新的Alpamayo系统成为最大焦点之一 [1] - 该技术堆叠的目标在于加速原始设备制造商迈向可规模化、具推理能力的自动驾驶，有潜力重塑驾驶辅助与自驾系统的竞争格局 [1] 特斯拉在自动驾驶领域的领先优势 - 在自动驾驶方面，特斯拉仍领先竞争对手数年 [1] - 特斯拉的优势点在于其垂直整合能力、庞大的数据优势、规模效应与成本优势 [1] - 英伟达的技术进展并未实质改变摩根士丹利对特斯拉的基本看法 [1] 行业技术采用前景与挑战 - 摩根士丹利的基准情境假设是未来十年整个产业将广泛采用相当于特斯拉L2级以上FSD的技术 [1] - 英伟达为车厂提供了一条资本效率较高、迈向先进自动驾驶的入口 [1] - 但要真正开发并整合完整的自驾技术堆叠，仍是以年为单位，而非以月计算 [1]

公司股价表现 - 港股智能驾驶概念股知行科技(1274.HK)于1月9日盘中拉升，涨幅超过5%，股价达到7.1港元 [1] - 此次上涨为连续第五个交易日的上涨 [1] 行业技术进展 - 英伟达在CES 2026展会上推出了名为Alpamayo的开源自动驾驶AI模型 [1] - 英伟达CEO黄仁勋称该模型为“世界上首款能思考、能推理的自动驾驶汽车AI” [1] - 首款搭载英伟达技术的汽车计划于第一季度在美国上路，第二季度在欧洲上路，下半年在亚洲上路 [1] 行业监管动态 - 美国自动驾驶领域将迎来重大监管推进，国会即将讨论立法以简化监管 [1] - 美国众议院能源与商务委员会下属小组委员会计划于美东时间1月13日举行听证会，讨论旨在简化无人驾驶车辆部署流程的相关立法 [1] - 听证会将审议多项提案草案，其中包括一项旨在将每年投入使用的自动驾驶汽车数量上限提高至90000辆的提案 [1] - 其他提案旨在解决汽车制造商对机器人出租车部署障碍的投诉 [1]

预测背景与核心思路 - 预测延续已故传奇策略师拜伦·韦恩的年度预测传统，其风格聚焦于普通投资者认为“不可能”但发生概率更高的事件，以反向视角洞察市场 [1] - 此次预测由TBS电视台与彭博媒体联合打造的平台“TBS CROSS DIG with Bloomberg”于1月9日发布，标题为《2026年可能发生的10个惊喜》 [1] - 拜伦·韦恩生前连续38年发布“十大惊喜”，覆盖经济、政策、市场等领域，以突破常规的视角为投资者提供参考 [2] 科技与自动驾驶 - Alphabet旗下Waymo的无人出租车将在2026年进入美国更多城市运营，用户量激增 [4] - 积累的行驶数据将进一步验证“无人驾驶比人类驾驶更安全”的结论，可能推动关于“是否应禁止城市中心区域的人类驾驶”的公共讨论 [4] 房地产政策 - 纽约市市长马姆达尼推动的“租金冻结”计划将遭遇大型不动产所有者阻挠 [5] - 纽约市将调整策略，一方面加大新住宅建设力度，另一方面对“房屋空置却无实际居住”的所有者征收专项税款 [5] - 市场预期这一系列调整将缓解住房供需矛盾，带动当地租金出现小幅下降 [5] 资本市场与企业家 - SpaceX的首次公开募股预期将成为资本市场重要催化剂，不仅直接推高SpaceX估值，还将带动埃隆·马斯克旗下特斯拉、X、波音公司、Neuralink、xAI等整体企业群的价值攀升 [6] - 若趋势兑现，马斯克将成为全球首位资产突破1兆美元的“万亿富豪” [6] 货币政策 - 尽管特朗普总统将持续呼吁降低政策利率，美国联邦储备委员会在2026年仍将坚持现有货币政策，不启动降息操作 [7][8] - 这一预判凸显美联储对“通胀控制优先”的立场及其在货币政策制定中的独立性 [8] 贸易政策 - 美国联邦最高法院将对特朗普政府此前推出的关税措施予以认可，仅会进行轻微技术性修正 [9] - 无论短期还是长期，这些关税都不会对美国通胀水平产生“显著影响”，将打消市场对“关税推高物价”的担忧 [9] 加密资产 - 比特币将在2026年尝试冲击2025年10月的历史最高价位，但最终难以突破 [10] - 比特币的长期波动性将持续降低，市场对其“价值储存工具”的成熟度预期升温 [10] - 与比特币挂钩的结构性金融产品将陆续推出，且重点面向婴儿潮一代投资者推广，推动加密资产从“小众投资”向更广泛群体渗透 [10] 预测发布现状与影响 - 目前发布的预测共披露6项核心内容，覆盖自动驾驶、房地产、科技资本、货币政策、贸易政策及加密资产领域，每一项均突破市场普遍预期 [4] - 剩余4项预测内容尚未披露，已引发全球投资者、科技行业及政策研究者的广泛讨论 [11] - 这类预测的核心价值是通过“反向思维”提醒市场关注被忽视的潜在风险与机遇 [11]