每经AI快讯，九识智能公众号消息，1月20日，阿联酋阿布扎比。随着哈利法经济区内Metal Park智慧仓 库正式揭幕，九识智能宣布RoboVan车队已全面投入常态化运营。与此同时，九识智能正式斩获其在阿 联酋的首张无人驾驶车运营牌照。这不仅标志着九识在中东的首个战略样板成功扎根，更象征着中国 L4级自动驾驶技术在海湾地区率先完成了"合规化、规模化、实战化"的全链路闭环。 ...

公司股价表现 - Alphabet（GOOGL）股价在周四尾盘上涨0.5% [1] 业务进展 - 公司旗下自动驾驶部门Waymo在迈阿密启动了自动驾驶出租车服务 [1]

ARK Invest对文远知行的投资动态 - 知名投资人凯西·伍德旗下的ARK Invest自2025年12月起持续增持自动驾驶公司文远知行[1] - 截至2026年1月22日，其Autonomous Technology & Robotics ETF累计持有文远知行近300万份ADR，对应市值约3000万美元[1] - 以持仓股数计，文远知行已跻身该基金所有投资标的的前五名[1] - 根据ARK Invest披露的持仓数据，文远知行持仓市值为26,411,948.68美元，在该ETF中权重为1.25%[2] ARK Invest对自动驾驶行业的观点 - 在《Big Idea 2026》报告中，ARK Invest明确指出自动驾驶出租车正逐步提升在网约车市场的市场份额[2] - 该机构预判自动驾驶网约车有望主导城市公共交通[2] - 对文远知行的持续增持，彰显了其对Robotaxi行业发展前景的坚定看好[2] 文远知行公司概况与业务布局 - 公司成立于2017年，致力于以无人驾驶改变人类出行[3] - 是全球唯一旗下产品同时拥有八国自动驾驶牌照的科技企业[3] - 已在全球11个国家超40个城市开展自动驾驶研发、测试及运营[3] - 2024年10月25日在纳斯达克上市，成为全球通用自动驾驶第一股和全球Robotaxi第一股[3] - 2025年11月6日在香港交易所上市，成为港股Robotaxi第一股，也是全球首家在美股+港股双重主要上市的自动驾驶科技企业[3] - 公司重点围绕自动驾驶出租车Robotaxi、自动驾驶小巴Robobus及高阶辅助驾驶解决方案展开产品布局[3] 文远知行运营与商业化进展 - 旗下自动驾驶出租车队规模已突破1000台，达到1023台，落地全球10多座核心城市[5] - 在广州、北京和阿布扎比实现了纯无人Robotaxi商业化运营[5] - 阿布扎比车队即将实现单车盈亏平衡[5] - 旗下ADAS业务已获得奇瑞、广汽两大OEM的定点[5] - 于2025年底完成基于一段式端到端架构ADAS解决方案的SOP[5]

特斯拉Robotaxi商业化进展 - 特斯拉正式向公众提供无安全员的Robotaxi服务，并计划逐步提高无人车队比例 [1] - 公司预计大规模运营后成本将低于0.2美元/英里 [1] - 公司认为自动驾驶将在2026年变得“非常普及” [1] 行业影响与市场意义 - 此举标志着L4级自动驾驶从测试正式迈入规模化商业运营阶段 [1] - 此举验证了技术可行性与初步商业模式 [1] - 此举将为全球智能驾驶产业链带来明确的需求拉动与估值锚定 [1] 相关投资工具 - 恒生港股通汽车主题指数由港股通范围内40只汽车产业链相关股票组成，覆盖港股整车龙头及智能化供应链核心公司 [1] - 港股通汽车ETF易方达（159121）等产品跟踪该指数，为投资者参与汽车产业智能化发展过程提供了便捷工具 [1]

纪要涉及的行业或公司 * **行业**：机器人、光伏、全自动驾驶/人工智能、电力设备[1] * **公司**： * **太空光伏相关**：钧达股份、帝科股份、春晖智控[1] * **光伏相关（关注）**：东方日升、上海港湾、海优新材[1] * **光伏设备相关**：迈为股份、奥特维[1] * **机器人相关**：凯迪股份、震裕科技、信捷电气、美湖股份、福赛科技[1] * **北美电力设备相关**：思源电气、伊戈尔、金盘科技、神马电力[1] 核心观点和论据 * **机器人产业即将进入大规模量产与销售阶段**：马斯克表示机器人在2026年能做更复杂的任务，并预计在2027年底可能大量售卖机器人[1] * **光伏被定位为最佳能源解决方案，并有宏大产能与太空应用计划**：核心观点是光伏是最好的能源方案[1] 论据包括：SpaceX与Tesla计划在美国建设100GW光伏产能[1] SpaceX将发射太阳能AI卫星[1] 未来计划建设太空光伏基地来部署数据中心[1] * **全自动驾驶技术正走向应用普及，并将带动相关服务**：核心观点是全自动驾驶走向应用和普及[1] 论据包括：特斯拉保险更便宜[1] 美国无人驾驶出租车将很快普及[1] * **人工智能发展迅猛，但面临电力供应瓶颈**：核心观点是2030年AI可能比全人类加起来更聪明[1] 同时指出电力供应仍是AI发展瓶颈[1] 其他重要内容 * 马斯克对中国电力系统与光伏产业表示高度认可：特别提到中国电力系统真牛、中国光伏牛[1]

港股市场表现 - 1月23日，恒生指数高开0.87%，恒生科技指数涨0.96% [1] - 自动驾驶板块表现强势，文远知行、小马智行股价上涨超过3% [1] - 科网股表现活跃，阿里巴巴股价上涨超过3%，京东集团股价上涨超过2% [1] 机构对港股后市观点 - 东吴证券认为港股仍在震荡向上的大趋势中，但短期市场仍面临考验 [1] - 市场对国内基本面共识强烈，但对海外因素分歧较多 [1] - 海外投资者对美股AI科技财报持观察态度，并在美股防御和顺周期方向进行轮动 [1] - 如果美股AI科技回调，港股AI科技股也会受到影响 [1] - 海外市场普遍下调了美联储降息预期，今年留给美联储降息的窗口不多 [1] - 摩根大通认为，在企业盈利和仓位因素支撑下，A股和港股升势有望延续至农历新年，预计港股在上升行情中会跑赢A股 [2] - 盈利预期上调正陆续出现，尤其集中在材料和通信服务板块 [2] - 从估值、增长和流动性来看，市场并未出现过热 [2] - 国金证券认为，随着国内经济复苏步伐加快，叠加海外主要经济体货币政策转向宽松，港股估值优势将进一步凸显 [2] - 中国持续深化资本市场改革开放，优化互联互通机制，将为港股市场注入持续活力 [2] - 国金证券预计2026年港股市场流动性将明显改善，估值修复行情有望延续 [2] 机构对AI产业观点 - 国联民生证券坚定看好中国AI的价值重估，认为这是基于扎实的产业催化时间表 [1] - 国内方面，DeepSeek V4有望在二月份春节期间发布，将直接复刻去年的“春节攻势” [1] - 海外方面，国联民生证券预测2026年上半年将迎来模型发布的密集期，谷歌、Meta、xAI均有望在一、二季度发布新一代大模型及多模态视频模型 [1] - 在全球共振的背景下，硬件基础设施将率先受益 [1]

自动驾驶之心行业交流群来了，关注头部新势力、Tier1、主机厂最新动态、L4赛道融资、技术进展、智驾落 地、行业动态等方向~ 添加小助理微信AIDriver005，备注：昵称+机构/学校+进群。 ...

核心观点 - 自动驾驶行业在核心算法层面已形成共识，即采用端到端（End-to-End）作为基础架构，并引入世界模型（World Model）作为关键基础设施 [6][7][10] - 行业在顶层认知上出现路线分歧，主要围绕是否在端到端模型中引入语言模型（即VLA与WA/反VLA之争），这本质上是计算效率与推理能力（快思考 vs 慢思考）的不同权衡 [7][11] - 未来三年是现有深度学习范式的“极致优化期”，核心在于通过海量数据驱动能力自然生长，而非理论重构 [7] - 行业竞争已超越单纯算法模型之争，研发基建、数据仿真、算力芯片、工程化能力及用户体验等非技术因素成为决定成败的关键变量 [13] 核心技术路线 端到端 (End-to-End) - 是自动驾驶的底层基座，替代了传统的模块化方案，直接从传感器输入映射到控制输出 [1][10] - 一段式端到端（One-Stage E2E）已被验证可行（如特斯拉FSD V12），统一了L2和L4的开发范式 [7] - 其局限性主要是“模仿学习”，能力上限受限于训练数据，缺乏逻辑推理 [12] 世界模型 (World Model) - 是核心算法演进中的关键基础设施，扮演“中间加速器”的角色 [7][10] - 主要作用分为两方面： - **对内（训练）**：作为“超级模拟器”，生成大量合成数据以解决长尾问题，并让端到端模型在虚拟环境中通过强化学习反复试错迭代，实现从“数据闭环”到“训练闭环”的演进 [2][8][11][18] - **对外（推理）**：作为“预测机”，帮助车辆理解物理规律和因果关系，直接指导动作生成 [9][11] - 3DGS（3D Gaussian Splatting）是构建高保真仿真环境的重要技术 [3] 视觉-语言-动作模型 (VLA) 与 世界-动作模型 (WA) - **VLA派（理想、英伟达）**：认为需要引入大语言模型赋予车辆逻辑推理（Chain of Thought）和解释能力，以处理复杂、罕见的长尾场景（System 2，慢思考） [9][11][12] - **WA/反VLA派（华为、小鹏）**：认为驾驶主要是直觉反应，引入语言环节会增加延迟和算力负担，主张直接从世界模型理解映射到动作（System 1，快思考） [9][11] - **务实派（小米）**：当前主推“端到端+世界模型+强化学习”解决直觉问题，内部预研VLA以备复杂推理需求，追求“智能密度”最大化 [9][11] 主要公司技术选择对比 | 公司 | 核心技术路线选择 | 核心逻辑与观点 | 世界模型/仿真工具的角色 | | :--- | :--- | :--- | :--- | | **理想汽车** | VLA (Vision-Language-Action) | 认知驱动，认为需从“模仿”进化到“自己学会”，单纯数据闭环不够，必须走向训练闭环 [9] | 利用《World4Drive》等模型构建可探索的虚拟世界，进行策略优化，是训练闭环的核心 [9] | | **英伟达 (NVIDIA)** | 物理AI + VLA (Alpamayo) | 强调AI的可解释性与推理能力，不仅要会开，还要能解释决策，并强调“Test time Scaling”（让AI多思考一会儿） [9] | 使用Omniverse & Cosmos生成合成数据和进行物理模拟，训练车辆学习物理定律 [9] | | **小米汽车** | 端到端 + 世界模型 + 强化学习 (预研VLA) | 智能密度最大化，当前方案优先解决“直觉”（System 1）问题，VLA类似“看悬疑片”（System 2），仅用于极复杂场景，不制造技术焦虑 [9][17] | 使用高保真模拟器进行强化学习训练，解决实车难以覆盖的长尾场景 [9] | | **地平线** | 一段式端到端 (One-Stage) | 范式统一，认为FSD V12证明了端到端的可行性，未来三年是“极致优化期”，旨在统一L2与L4的开发范式 [9] | 未详细展开，主要强调通过统一范式和低成本部署打通壁垒 [9] | | **华为 / 小鹏** | WA (World Action) / 反VLA | 去语言化，认为驾驶主要是直觉反应，不需要经过语言环节，以降低延迟和算力负担 [9] | 利用世界模型理解环境演变，直接指导动作生成 [9] | 非核心技术关键因素 研发基建与工程效率 - 基建（以数据为核心的研发效能）决定迭代速度，好的基建能大幅提升研发效率，例如小米能在一年内实现“追三代”的技术跨越，核心在于云端基建的复用和自动化率提升 [3][18] - 基建的好坏取决于发现问题后，能否迅速从海量数据中挖掘出类似场景，并形成高质量标注数据进行训练 [18] - 强化工程能力和组织能力被视为公司的“工业母机”，是应对技术范式变化的确定性方法 [18] 仿真与合成数据 - 仿真成为解决长尾问题（Corner Case）的核心，单纯依赖真实路测数据已无法满足需求 [14] - 合成数据价值极高，例如在小米的训练数据中，仿真数据占比约为20%，但节省了数倍的人力成本 [18] - 英伟达通过Cosmos世界模型生成符合物理定律的合成数据来训练自动驾驶模型 [18] - 理想汽车等公司强调从“数据闭环”走向“训练闭环”，让AI在虚拟世界中进行强化学习，自我探索最优策略 [18] 算力规模与芯片适配 - 智驾是算力和硬件的“暴力美学”，计算机工业的本质就是“玩命堆算力” [15][18] - 英伟达发布Rubin平台以应对每年增长5倍的AI推理需求，旨在将推理成本降低至原来的1/10 [18] - 算法上车面临巨大的“部署偏差”，从一颗芯片迁移到另一颗芯片通常需要6-10个月解决算子支持、计算精度对齐等问题，这种高昂的迁移成本构成了芯片厂商的护城河 [18] - 随着AI进行长序思考（System 2），车载芯片的“显存”面临巨大挑战 [18] 商业化成本与泛化能力 - 技术再先进也需考虑成本，智驾系统的目标是将L4级体验以极低的部署成本普及到10万元级别车型 [18] - 新一代端到端技术通过数据驱动，在一个复杂城市验证后，能大概率泛化到整个国家，极大地降低了扩张成本 [18] 用户体验与安全冗余 - 技术先进性不等于体验更好，必须在收益和风险之间取得平衡，避免为了“显摆技术”而制造焦虑 [17] - 安全机制至关重要，即便是激进的端到端方案也需要安全兜底，例如英伟达的方案中包含了一个经典的规则驱动AV栈作为安全护栏，在端到端模型信心不足时回退 [19]

核心观点 - 轻舟智航基于地平线单征程6M芯片，实现了行业首个城市NOA（领航辅助驾驶）方案的量产上车，并完成规模化交付，首发搭载于理想L系列车型 [1] - 该方案以128TOPS的极致算力，通过软硬协同深度优化，实现了“算力极致利用”，旨在树立家庭城区辅助驾驶新标杆，推动高阶辅助驾驶普及 [1] 技术方案与产品特性 - 方案基于轻舟智航首创的“安全端到端大模型”，具备拟人化防御性驾驶能力，能提前预判并处理无灯T字路口、人车混行窄路等高频风险场景 [2] - 安全端到端大模型融合了公司大规模量产验证的“时空联合规划”经验，并通过安全对齐机制，使模型规划轨迹符合人为定义的安全机制，提升性能与可解释性 [4] - 方案采用激光雷达与视觉融合感知，即使在夜间场景下也拥有出色的安全表现 [4] - 安全模型与座舱中控HMI深度融合，可实时向用户呈现系统决策逻辑，解释“为何减速、为何绕行、为何等待”等行为，告别传统“黑盒决策” [4] - 方案全面覆盖用户日常城区出行场景，涵盖国道、省道、城市主干路、乡村小路等全类型公共道路，能应对复杂道路拓扑和各类行驶任务 [4] - 在行车效率方面，系统能根据道路环境自动调整节奏，在红灯起步、城市巡航等场景做到“恰到好处”，兼顾效率与安全 [6] - 在驾乘体感方面，面对临停绕行、行人横穿等场景，系统动作规划连贯平顺，避免频繁急刹或反复加减速，提供“游刃有余”的舒适性 [6] 行业意义与公司能力 - 轻舟智航成为行业首家基于单征程6M芯片实现城市NOA并完成规模化量产交付的自动驾驶公司 [1] - 该方案的成功量产体现了公司的大规模量产能力以及软硬协同极致优化的综合实力 [6] - 得益于征程6平台的高性价比优势，该方案未来可广泛适配不同价位车型，有助于打破高阶辅助驾驶的价格门槛，加速“智驾平权” [6]

公司战略调整 - 特斯拉将战略重心从快速扩张转向业务整合 重点放在成本控制 工厂效率和现金保全上[2] - 此轮柏林工厂裁员是马斯克2024年4月全球减员计划的延伸 旨在通过削减逾10%的员工以控本增效[1] - 公司收缩汽车战线 押注AI与Robotaxi 投资者将robotaxi服务 自动驾驶软件和人工智能领域视为潜在的高利润率增长引擎[2] 运营与成本控制 - 特斯拉位于柏林附近的超级工厂员工数量减少约1700人 目前雇用10703名员工 较2024年工会选举前披露的员工数量下降约14%[1] - 裁员符合公司持续削减开支的计划 是其在全球范围内削减开支计划的最新体现[1] - 马斯克早在2018年5月便确立了“每季度淘汰10%”的管理红线[1] 行业与市场环境 - 欧洲电动车市场需求疲软 市场增速明显放缓[1][2] - 制造商们面临更加严峻的竞争环境和更加谨慎的消费者支出[2] - 制造商和科技公司正持续精简运营 以应对需求增长放缓 融资环境收紧 以及在经历数年激进扩张后保护利润率的压力[1] 业务表现与前景 - 激进的降价措施和需求疲软压缩了特斯拉汽车业务的利润率[2] - 尽管传统汽车业务失去增长动能 特斯拉股价表现出相对韧性[2] - 特斯拉在欧洲的唯一生产基地位于德国格伦海德[1]