宏观政策 - 中国副总理何立峰在达沃斯论坛强调中国经济增长红利不但没有见顶且在加速孕育 [1] - 财政部发布通知推动解决政府采购异常低价问题要求采购人合理设定最高限价 [1] - 财政部等三部门公告延续创新企业CDR税收政策自2026年1月1日至2027年12月31日对个人投资者转让差价所得暂免个人所得税 [1] - 中国人民银行召开2026年支付结算工作会议要求加快建设人民币跨境支付体系推进跨境支付互联互通并实施支付机构穿透式监管 [2] - 五部门联合通知决定在全国多个口岸新增及延续设立进境免税店其中在武汉天河国际机场等41个口岸将各新设1家口岸进境免税店 [2] 资本市场 - 国投瑞银白银期货证券投资基金(LOF)因二级市场价格明显高于净值于2026年1月22日开市起停牌至收市1月21日二级市场收盘价为3.920元而1月20日基金份额单位净值为2.6095元 [3] - 截至1月21日全市场已有超3300只基金披露2025年四季报多只权益类基金规模翻倍股票仓位持续抬升反映出公募基金对2026年A股市场的乐观预期科技主线仍是关注重点 [3] - 基金经理傅鹏博2025年四季度增持迈为股份、寒武纪减持新易盛、胜宏科技、宁德时代、腾讯控股、东山精密、立讯精密、阿里巴巴等 [3] - 基金经理李晓星2025年四季度加仓腾讯控股、阿里巴巴、中芯国际、美团、小米集团、伊利股份 [3] - 国债期货市场走强30年期国债期货主力合约大幅反弹并创开年以来新高 [4] - 美股三大指数集体收涨道指涨1.21%纳指涨1.18%标普500指数涨1.16% [4] - 存储概念股走强闪迪涨超10%2026年迄今累计涨幅超过111%西部数据涨超8%美光科技涨超6% [4] - 银行股走高KBW地区银行指数上涨4.7%录得8月以来最佳单日表现 [4][5] - 中概股多数上涨纳斯达克中国金龙指数收涨2.21%百度涨超8%哔哩哔哩涨超5%阿里巴巴涨超3%理想汽车、京东、蔚来涨超2% [5] - 富时A50指数收于15075.44点上涨44.44点涨幅0.30% [6] - 离岸人民币兑美元收于6.9577下跌0.0011跌幅0.0158% [6] 重点行业 - 商业航天产业趋势已来太空光伏或成下一个增长蓝海我国在可回收火箭技术突破、大型星座组网加速推进等领域取得里程碑式成就 [7] - 欧洲天然气价格自去年6月以来首次突破每兆瓦时40欧元全球异常寒冷天气引发供应担忧推动价格大幅上涨 [7] - 广东印发政策措施推动自动驾驶大模型落地应用支持各地市稳妥有序开放自动驾驶多场景道路测试应用、扩大高级别自动驾驶应用区域 [7] - 脑机接口行业处于政策支持与技术突破双轮驱动的高增长蓄势期Neuralink的规模化生产预期与Merge布局新一代超声波技术推动行业从临床验证向商业化规模化阶段迈进 [7] - 我国6G研发已完成第一阶段技术试验形成超300项关键技术储备近期已启动第二阶段6G技术试验 [8] 公司动态 - 天孚通信预计2025年归属于上市公司股东的净利润为18.81亿元-21.50亿元比上年同期增长40.00%-60.00%主要得益于人工智能行业加速发展与全球数据中心建设带动高速光器件需求增长 [10] - 金安国纪预计2025年度归属于上市公司股东的净利润为2.8亿元—3.6亿元比上年同期增长655.53%—871.4%主要因覆铜板市场行情好转产销数量同比增长、销售价格回升 [10] - 巨化股份预计2025年度归属于上市公司股东的净利润为35.4亿元至39.4亿元与上年同期相比增长80%至101% [10] - 德明利预计2025年度归属于上市公司股东的净利润为6.5亿元—8亿元比上年同期增长85.42%—128.21% [10] - 摩尔线程预计2025年实现营业收入14.5亿元到15.2亿元收入增长幅度为230.70%到246.67%预计归属于母公司所有者的净利润亏损9.5亿元到10.6亿元亏损收窄幅度为34.50%到41.30% [11] - 永辉超市预计2025年归属于上市公司股东的净利润亏损21.4亿元上年同期为亏损14.7亿元预计扣非后净利润亏损29.4亿元 [11] - 腾景科技公告收到某客户C子公司采购订单总金额为1280万美元约8915万元人民币产品为二维准直器阵列 [11] - 天华新能公告正在筹划在境外发行股份(H股)并在香港联合交易所上市 [11] - 追觅科技成为中央广播电视总台2026年春节联欢晚会智能科技生态战略合作伙伴 [12] - 西贝完成A轮融资新股东包括新荣记创始人张勇旗下机构及蚂蚁集团前CEO胡晓明关联基金融资后注册资本增加约13%创始团队持股比例稀释至约26.16% [12] - 育碧宣布进行重大调整将终止开发6款游戏并延长7款游戏开发周期预计2025-26财年净预订额约15亿欧元较原指引减少约3.3亿欧元 [12] - SpaceX正积极推进IPO计划目标是在今年7月之前完成 [12] - 英伟达CEO黄仁勋计划1月下旬访华旨在重启内地AI芯片市场其在达沃斯表示AI是"平台转变"需数万亿美元基础设施建设2025年全球AI风投超1000亿美元流向AI原生企业其Rubin平台进展提振高速铜连接行业预期 [12] - 苹果正加速布局AI领域开发AI可穿戴设备"Pin"计划对Siri进行重大改组将其转型为AI聊天机器人项目代号"Campos"同时高端AirPods Pro 3升级版预计配备红外摄像头iPhone 18系列或改为一年两更模式 [13]

市场动态与资产表现 - 前总统特朗普取消针对欧洲的新关税并宣布达成关于北极地区的协议框架，推动全球风险资产上涨 [1] - 美股三大指数均涨超1%，纳斯达克中国金龙指数涨2.21%，日韩股市及欧洲股指期货亦集体走高 [1] - 存储概念股表现强劲，闪迪股价涨超10%并创下新高 [1] - 避险资产价格回落，现货黄金日内跌幅达1%，现货白银跌超2% [1] 行业政策与监管动向 - 中国人民银行召开支付结算工作会议，要求加快建设人民币跨境支付体系，推进跨境支付互联互通，并实施穿透式监管以塑造行业健康生态 [2] - 财政部等五部门联合发布通知，决定在全国41个口岸（如武汉天河国际机场）各新设1家进境免税店，旨在便利旅客消费、提振消费 [3] - 广东省推动自动驾驶大模型落地应用，机构观点认为2026年是全球L4级自动驾驶产业化关键一年 [12] 公司业绩与经营状况 - AI需求爆发带动产业链公司业绩：存储芯片龙头德明利预计2025年营业收入103亿元至113亿元，同比增长115.82%至136.77%；光模块供应商天孚通信预计2025年净利润同比增长40%至60% [4] - 消费电子市场需求回暖：上游材料公司金安国纪预计2025年净利润2.80亿至3.60亿元，同比增长655.53%至871.40%；智能制造供应商佰奥智能业绩亦表现亮眼 [4][14] - 其他行业公司业绩：大金重工预计2025年净利润10.50亿至12.00亿元，同比增长121.58%至153.23%；南矿集团签订2.96亿元设备买卖合同 [14] - 部分公司业绩承压：摩尔线程预计2025年净利润亏损9.5亿元到10.6亿元；晶科能源预计2025年净亏损59亿元至69亿元 [14] 机构观点与市场前瞻 - 华西证券认为市场正向慢牛健康演变，应关注科技产业行情扩散及业绩预告高增方向 [7] - 招商证券认为后市A股或转为震荡走势，围绕业绩的博弈情绪升温，看好大盘成长等风格 [8] - 东方证券预计股指显著反弹可能在春节后，并指出科技领域多个细分赛道保持高景气态势 [9] - 寒潮推动美国天然气期货两天暴涨近60%，机构观点认为天然气是未来10年成长确定的主体能源品种 [10] - 马斯克据悉希望SpaceX在7月前上市，并力争实现数据中心上太空，机构认为太空算力为商业航天提供了长期盈利模式 [11]

行业人才需求与招聘趋势 - 算法岗位春招及跳槽方向集中在世界模型（生成+重建）、端到端、VLA三大领域，需求旺盛[2] - 端到端岗位招聘要求高，更青睐有实际量产经验的人才[2] - VLA岗位需要求职者同时具备大模型和端到端背景[2] - 世界模型方向在2025年因特斯拉在ICCV的分享而受到行业关注并开始爆发，当前是入局的合适时机[2] 课程核心内容与结构 - 课程由自动驾驶之心联合工业界专家开设，聚焦通用世界模型、视频生成、OCC生成等算法，涵盖特斯拉世界模型及李飞飞团队Marble等案例[2] - 课程大纲分为六章：世界模型介绍、背景知识、通用世界模型探讨、基于视频生成的世界模型、基于OCC的世界模型、世界模型岗位专题[5] - 第一章概述自动驾驶世界模型，复盘其与端到端自动驾驶的联系，讲解发展历史、应用案例、不同流派（纯仿真、仿真+Planning、生成传感器输入、生成感知结果）及其解决的问题和环节，并介绍学术界与工业界动态、相关数据集与评测[7] - 第二章讲解世界模型的基础知识，包括场景表征、Transformer、BEV感知等，为后续学习奠定基础，这些内容是当前求职面试频率最高的技术关键词[7][8] - 第三章探讨通用世界模型及近期热门工作，详细讲解李飞飞团队的Marble、DeepMind的Genie 3、Meta的JEPA、导航世界模型，以及VLA+世界模型算法DriveVLA-W0和特斯拉ICCV分享的世界模型模拟器[8] - 第四章聚焦视频生成类世界模型算法，从Wayve的GAIA-1 & GAIA-2讲起，扩展至上交的UniScene、商汤的OpenDWM、中科大的InstaDrive，并以商汤开源的OpenDWM进行实战[9] - 第五章聚焦OCC生成类世界模型，讲解三大论文并进行一个项目实战，此类方法可扩展至自车轨迹规划以实现端到端[10] - 第六章基于前五章算法基础，分享世界模型在工业界的应用现状、行业痛点、期望解决的问题，以及相关岗位的面试准备和公司关注点[11] 课程技术深度与覆盖范围 - 课程背景知识部分将复习Transformer并扩展至视觉Transformer，讲解CLIP和LLAVA，详细介绍BEV感知和占用网络，讲解扩散模型理论，梳理闭环仿真、NeRF和3DGS的核心概念，并讲解其他生成式模型如VAE、GAN及Next Token Prediction[13] - 课程将涵盖清华的OccWorld、复旦的OccLLaMA、华科ICCV'25的HERMES、西交最新的II-World等具体研究工作[14] - 课程实战部分选取商汤开源的OpenDWM和II-World等主流算法框架进行复现[9][14][15] 课程目标与学员收获 - 课程是首个面向端到端自动驾驶的进阶实战教程，旨在推动端到端在工业界的落地，帮助学员真正理解端到端[12] - 期望学员学完后能达到1年左右世界模型自动驾驶算法工程师水平[15] - 学员将掌握世界模型技术进展，涵盖视频生成、OCC生成等方法[15] - 学员将对BEV感知、多模态大模型、3DGS、扩散模型等关键技术有更深刻了解[15] - 学员能够复现II-World、OpenDWM等主流算法框架，并将所学应用到项目中，学会设计自己的世界模型[15] - 课程对实习、校招、社招均有助益[15] 讲师背景与课程安排 - 讲师Jason拥有C9本科和QS50 PhD学历，已发表2篇CCF-A论文及若干CCF-B论文，现任国内TOP主机厂算法专家，从事端到端、大模型、世界模型等前沿算法的预研和量产，并已主持完成多项自动驾驶感知和端到端算法的产品量产交付[4] - 课程于1月1日开课，预计两个半月结课，采用离线视频教学，提供VIP群内答疑及三次线上答疑，答疑服务截止2026年12月31日[16] - 各章节解锁时间安排如下：第一章于12月10日解锁，第二章于1月1日解锁，第三章于1月20日解锁，第四章于2月4日解锁，第五章于2月24日解锁，第六章于3月1日解锁[17] 学员入学要求 - 学员需自备GPU，推荐算力在4090及以上[15] - 需具备一定的自动驾驶领域基础，熟悉自动驾驶基本模块[15] - 需了解transformer大模型、扩散模型、BEV感知等技术的基本概念[15] - 需具备一定的概率论和线性代数基础，熟悉常用数学运算[15] - 需具备一定的Python和PyTorch语言基础[15]

2C： 高阶引领，重点仍是推进L2+级别的智能车消费。L3落地，汽车的用户价值跃升。 2B： Robotaxi是AI的重要落地渠道。自动驾驶通过Robotaxi，有望更快贡献经济价值。 供应链： 算力、算法、线控底盘。 风险提示： 全球智驾科技发展不及预期，乘用车产销不及预期，原材料价格大幅上涨。 报告来源 重要提醒 本订阅号所载内容仅面向国泰海通证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证 券期货投资者适当性管理办法》的要求，若您并非国泰海通证券研究服务签约客户，为保证服务质量、 控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的 不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。 法律声明 本公众订阅号(微信号: GTHT RESEARCH )为国泰海通证券股份有限公司(以下简称"国泰海通证券") 研究所依法设立、独立运营的唯一官方订阅号。其他机构或个人在微信平台上以国泰海通研究所名义注 册的，或含有"国泰海通研究"，或含有与国泰海通证券研究所品牌名称相关信息的其他订阅号均不是国 泰海通证券研究所官方订阅号 本订 ...

文章核心观点 - 速腾聚创作为激光雷达供应商，凭借其数字化激光雷达产品，在Robotaxi迈向规模化前装量产的关键节点，已取得显著市场领先地位，并预计将收割该领域90%以上的市场份额 [1][6][9] - 公司判断2026年将是Robotaxi大规模商业化落地的元年，行业将进入爆发期，前装量产成为确定趋势，数字化激光雷达将随之迎来爆发 [6][49] - 在自动驾驶技术路线上，公司认为L3和L4级自动驾驶离不开激光雷达，数字化激光雷达因其高安全、高性价比和易于集成的特性，是Robotaxi规模化落地的最优选择 [2][3][10][48] 激光雷达技术演进与公司战略 - 激光雷达技术经历了机械式、固态化到数字化的三个阶段演进，数字化阶段通过将功能集成于自研芯片，实现了高线数、低功耗、高性价比和易于整车集成等优势 [10] - 速腾聚创在2015年率先推出MEMS固态激光雷达，并完成100万台交付，积累了深厚的量产与客户需求理解经验，为开发数字化雷达奠定了基础 [10] - 公司通过全栈自研核心芯片（如SPAD-SoC芯片与2DVCSEL芯片）并通过车规级认证，率先跨越了数字化雷达量产的技术门槛，建立了1-2年的领先优势 [4][11][17] - 公司的技术发展方向明确：坚定推进数字化雷达与芯片全栈自研；探索激光雷达与视觉相机的融合；布局机器人领域的“手眼协同”技术 [41] Robotaxi行业趋势与市场判断 - 行业有两个关键里程碑：2022年底Waymo全无人驾驶技术落地证明算法跑通；2024年起互联网公司、自动驾驶科技公司与车企密集达成前装合作，标志着行业转向硬件车规级落地和规模化 [13][14] - 2025年是Robotaxi真正上规模的一年，头部企业运营车辆规模已突破千台；预计2026年将成为爆发元年，全年市场规模将实现3至5倍增长，行业运营车辆规模有望突破万台 [49][50] - 推动爆发的依据包括：Robotaxi企业与车企深度绑定，完成从前装设计；海外及国内多个城市在落地应用和政策牌照上取得突破；供应商订单数据显著增长 [50][51][52] - Robotaxi的感知配置趋向高冗余，与滴滴合作的车型搭载了10台激光雷达（4主雷达+6补盲雷达），预计2026年“4+4”与“4+6”将成为主流配置方案，以实现360度无死角感知和安全冗余 [41][42] 速腾聚创的市场拓展与客户关系 - 公司L4业务在2018至2020年经历艰难破冰期，通过“共同研发”和提供“保姆级”的驻场技术服务，与客户建立深度绑定，从而破解量产难题并反哺产品迭代 [3][4][23] - 早期通过用心服务和技术支持，赢得了文远知行、小马智行等头部客户的信任与合作，即使当时产品并非最优，但建立了“最靠谱”的供应商口碑 [20][21][22] - 目前公司已拿下滴滴、百度等多家头部L4自动驾驶公司的定点订单，在Robotaxi激光雷达前装市场占据领先地位，并有信心在2026年拿下90%以上的市场份额 [6][9][27] - 公司秉持长期主义，不追求短期高额利润，而是通过帮助客户上规模、降低成本，以实现长期的市场份额和营收增长 [22][28] 多元化业务布局与成本展望 - 除Robotaxi外，公司同样重视乘用车和机器人两大业务板块，判断无人车（L4）是未来十年快速增长的赛道，机器人领域潜力巨大，场景复杂，可能出现“百种场景、千家企业”的局面 [38] - 在无人配送小车领域，与菜鸟、京东等物流企业及运营公司合作，由于政策门槛较低，其量产规模及激光雷达需求量短期内超过Robotaxi的可能性极大 [33][34] - 激光雷达成本已进入“千元机时代”，使得L4级Robotaxi等经济模型看到盈利希望；数字化雷达的成本遵循芯片行业逻辑，预计每18个月可实现线数密度翻倍，性能持续提升的同时价格有望下探 [39] - 公司认为，当前500线左右的激光雷达已能满足行业需求，并非线数越高越好，需平衡系统算力、多雷达协同与成本 [40] 对纯视觉路线的看法 - 公司认为特斯拉的纯视觉路线需要海量数据（规范化驾驶数据）和巨额投入（数百亿美元GPU算力），难以被行业复制 [44] - 从成本角度看，过去激光雷达成本高达万元级别，但当前中国市场单价已降至约200美元，成本争议已发生变化 [44] - 激光雷达在提供高精度环境感知数据、提升智驾模型表现、适应复杂极端环境（如24小时运营、恶劣天气）方面具有不可替代的优势，是保障绝对安全、规避运营风险的关键器件 [45][48] - L3/L4级自动驾驶的责任标准是核心瓶颈，车企为承担完全安全责任，必须确保系统可靠性，激光雷达是重要的风险规避器件 [45][48]

2026年智能化行情核心观点 - 2026年智能化行情与以往的核心相同点在于AI技术扩散，但不同点在于：1）以往更强调汽车逻辑与AI逻辑的共振，而2026年将更强调AI逻辑的独立演绎，其背后核心是智能化所有玩家的能力均在提升，尤其是第一梯队玩家开始迈向L4级别，产业兑现能力变强；2）以往更强调硬件机会和C端销量带动，而2026年或将更关注软件机会和B端市场的突破 [4][13] - 当前时点的板块投资建议是继续坚定看好2026年L4级RoboX（无人驾驶出行服务）主线 [7][13] 2026年RoboX重要催化剂 - **模型迭代层面**：2026年上半年（H1）预计将迎来特斯拉V14升级、小鹏第二代VLA（视觉语言动作模型）、以及理想、华为、小米、地平线机器人、Momenta等公司的技术迭代 [5][13] - **RoboX推广层面**：H1特斯拉计划去掉安全员且Cybercab投产；小鹏Robotaxi计划Q2量产，H2在广州试运营；Waymo、小马智行、文远知行、九识智能、新石器、滴滴、Momenta等各家的RoboX运营投放量将加速 [5][13] - **上市进度**：希迪智驾、易控智驾、九识智能、新石器、Momenta、享道出行等公司或将在2026年完成港股上市 [5][13] - **政策层面**：L3-L4国标征求意见稿推出、L3准入时点明确、智能化国产芯片补贴方案出台、更多城市放开L4级别牌照 [5][13] Robovan发展前景与驱动力 - 对比2012-2014年4G+移动互联网浪潮主要优化“调度”（如网约车、快递效率提升），本轮AI科技对交通运输行业的赋能将下沉到硬件端，表现为“替代”赋能，例如在城市配送市场中Robovan对现有运输车辆的替换 [14] - 由于B端运输场景（如城配）复杂度相对较低（“集中且固定”），预计本轮AI科技对B端的赋能效果将显著优于移动互联网时代，赋能范围将从快递、外卖扩展到整个城市配送场景，包括快消配送、耐用品配送、连锁餐饮等，并有望孕育出优秀的Robovan平台型产品 [14] - 技术、整车、平台形成的“金三角”合作模式（如文远知行的WeRide One平台可实现软件、硬件、云端基础设施共用），为无人驾驶技术落地提供了合作范式，能极大降低Robovan的前期研发投入，促进技术商业化 [38][39] Robovan落地场景分析 - **快递场景是落地第一沃土**：2025年1-11月，国内Robovan新增交付约2.7万台，其中以快递为核心落地场景 [6][13] - **下一重要渗透场景**：快消配送、耐用仓配及连锁餐饮三个场景，因Robovan对其原有运输工具有较好的替代效果，预计将成为Robovan落地的下一重要场景 [6][13][67] - **当前主要运输环节**：Robovan当前主要落地环节为支线运输、末端运输及封闭场景运输。在无需人车协同（无上门、搬运）的场景中首先落地 [47][52] - **具体场景落地现状**： - **电商快递**：菜鸟自研L4级无人车GT Pro已在全国200多城、500多个区县取得路权 [66] - **快消配送**：杭州淼达物流在长沙使用搭载菜鸟L4技术的无人车，实现水饮从中心仓到社区水站的自动补货，综合效率提升30% [66] - **耐用仓配**：九识智能为轮胎巨头中策橡胶集团提供Robovan，用于“仓储-分仓-门店”的高频次、重载（500kg）运输 [66] - **连锁餐饮**：2025年11月，武汉百胜与顺丰签署无人配送项目合作协议，满足特殊场景下的即时配送需求 [66] - **本地生鲜**：新石器Robovan在成都服务本地生鲜配送，从蔬菜基地配送到市区菜市场，损耗率控制在3%以内 [66] - **即时配送**：2025年4月，淘宝闪购与白犀牛达成战略合作，率先在校园场景规模化落地无人配送解决方案 [66] 快递行业成为Robovan先行者 - **行业增长与降本矛盾**：快递行业持续增长（2020-2024年单量CAGR为20.39%，2024年达1750.9亿单），但政策导向要求降本增效（目标2027年社会物流总费用与GDP比率降至13.5%左右），采用无人车降低物流费用成为重要路径 [75] - **行业竞争白热化**：2024年头部快递企业单件净利润在0.05-0.3元区间，价格战趋缓，行业发展向降本增效转变 [77][79] - **人力供给与效率矛盾**：以申通为例，2024年收派员人数首次下降（减少0.6万人至20.22万人），而每日人均配送件数持续增长至311件，Robovan在支线及末端运输的应用成为提升效率的核心破局点 [83][85][87] - **经济性显著**：根据测算，Robovan（以九识Z5、Z8为例）相较传统4米2轻卡，单件载货成本可降低50%以上，降本幅度显著 [89] - **企业布局深入**：截至2025年，主要快递企业Robovan保有量分别为：顺丰1800+辆，中通2000+辆，圆通500+辆，韵达500+辆，中国邮政招标7000辆，申通预计投入2000辆 [91] Robovan市场空间测算 - **快递中段物流市场空间**：基于2024年快递单量1750.9亿单、Robovan日均装载1080件等假设进行测算，2024年国内快递行业中段物流Robovan市场空间约为202亿元，预计2025年上升至243亿元，2030年可达604亿元 [99][100] - **城配市场潜在需求**：从等效运力角度测算，2025年国内城配市场对Robovan（以九识Z8Max和Z5为代表车型）的潜在需求约为2404辆Z8Max等效车和2330辆Z5等效车 [101][103][104] - **三大场景可替代空间**：针对快消配送、耐用仓配及连锁餐饮三大场景测算，2025年其Robovan潜在可替代市场空间高达7351亿元 [105][106][107] 政策支持环境 - **中央政策明确支持**：自2022年《“十四五”数字经济发展规划》起，国务院及交通运输部、工信部等多部门持续发布政策，鼓励加快无人车规模化应用、推动智能网联汽车在物流领域应用、开放区域测试等 [23][24][25] - **地方政府细化落实**：北京、上海、广州、深圳等一线城市及济南、合肥、昆明等其他省市相继出台管理办法，明确测试流程、应用场景、监管要求（如购买不低于300万元责任险）并发放路权 [26][27][28][29][30] - **具体部署目标明确**：各地政府设定了明确的无人车部署目标，例如山东计划部署≥1500台无人快递配送车，苏州目标≥1600台用于无人配送/环卫等 [31][32] 技术发展现状 - **技术模式已跑通**：行业已有成熟的L4底盘供应商（如易咖智车），为商业化拓展提供产能支持；算法升级带动传感器精简（新一代车型传感器用量减至1-2颗激光雷达+7-12个摄像头），实现双线降本 [33][34][36] - **算法路径**：Robovan算法目前主要是规则+部分端到端+多传感器融合方案，且需要高精地图，其发展较Robotaxi晚约三年 [35][36] - **硬件降本与技术进步**：传感器价格年降叠加用量精简，助力跑通商业化盈利；2025年成为Robotaxi商业化元年，其技术可复用于Robovan [36][39] 主要Robovan玩家梳理 - **九识智能**： - 全球L4城配无人车龙头，采取“自下而上”商业模式，通过高性价比车辆吸引客户，客户协助获取路权 [110][124] - 产品矩阵丰富（Z2至Z10），价格由裸车价和FSD（完全自动驾驶）软件订阅费构成，裸车不赚钱，依靠软件盈利 [111][113] - 截至2025年12月31日，部署无人车超16000台，为全球最大无人驾驶车队；累计运营里程超7500万公里，日均攀升20万公里，累计送单超15亿件 [124] - 融资历程显示资本市场看好，2025年10月完成由蚂蚁集团领投的数亿美元C轮融资 [116] - **新石器**： - 产品线涵盖X3（3m³， 520kg）、X6（6m³， 1130kg）等，支持30秒换电，适配快递高峰期 [127][129][132] - 2025年完成逾6亿美元D轮融资，创下国内自动驾驶领域最大单笔私募融资纪录 [133][135] - 路权获取顺利，已获300余个地市公开道路路权；出海业务推进迅速，已进入韩国、日本、阿联酋等市场 [133][135][138] - 应用场景多元，包括无人配送、物流、巡防、零售等 [139][142] - **白犀牛**： - 市场战略聚焦，与顺丰、京东、三通一达等主流快递企业及永辉、盒马等大型商超建立了深度合作关系 [144] - 着力开发R5等重点车型，专注于快递和商超配送场景 [143][144] Robovan产业链相关标的 - **产业链供应商**：德赛西威、黑芝麻智能、文远知行（关注）、经纬恒润、佑驾创新（关注）、九识智能（拟上市）、新石器（拟上市）、白犀牛（拟上市）、Momenta（拟上市）、轻舟智航（拟上市）等 [8][13] - **场景提供商**：京东物流（关注）、顺丰同城（关注）、德邦股份（关注）等 [8][13] - **运营商**：中邮科技（关注）、开勒股份（关注）等 [8][13]

公司股价与市场表现 - 美股盘前交易中，公司股价上涨2.29%至15.64美元 [1][2] - 公司股票前一交易日收盘价为16.30美元，当日下跌6.20% [2] - 当日交易最高价为15.895美元，最低价为15.170美元，振幅为4.45% [2] - 当日成交量为430.86万股，成交额为6658.2万美元 [2] - 公司总市值为66.29亿美元，流通市值为39.58亿美元 [2] 券商观点与公司前景 - 东吴证券发布报告，首次覆盖公司并给予“买入”评级 [1] - 报告认为公司是全球唯一在8个国家获得自动驾驶许可的企业 [1] - 公司作为Robotaxi技术领跑者，有望受益于政策开放、技术突破及产业链降本 [1] - 报告预测公司单位经济模型转正后有望快速规模化并实现扭亏 [1] - 报告预测公司2025至2027年营业总收入分别为5.55亿元、9.45亿元和19.87亿元 [1] - 以当前市值计算，对应2025至2027年的市销率分别为43.0倍、25.2倍和12.0倍 [1] 公司财务与估值指标 - 公司目前处于亏损状态，市盈率为亏损 [2] - 公司市净率为8.273 [2] - 公司总股本为4.34亿股，流通股为2.59亿股 [2] - 公司股票52周最高价为24.92美元，52周最低价为4.11美元 [2]

文章核心观点 - 由港大OpenDriveLab、同济大学等团队提出的PlannerRFT框架，是一种用于基于扩散模型的自动驾驶轨迹规划器的闭环、样本高效强化微调框架，旨在解决现有方法在强化微调中探索能力不足的问题，从而提升规划器的闭环性能、安全性和鲁棒性 [2][5][14] - 该框架通过策略引导去噪机制，实现了多模态和场景自适应的轨迹采样，为强化学习优化提供了更有效的探索信号 [5][8][13] - 为支持大规模并行训练，团队开发了名为nuMax的GPU加速仿真器，其轨迹推演速度较原生nuPlan仿真器快10倍 [2][6][24] - 在nuPlan基准测试上的实验表明，PlannerRFT取得了最先进的性能，特别是在包含动态交互的复杂场景中，规划安全性得到显著提升 [2][9][35] 背景与问题定义 - 基于扩散模型的规划器已成为生成类人驾驶轨迹的主流方法，但通过模仿学习预训练的模型存在分布偏移和目标错位问题，限制了其在真实场景中的鲁棒性 [4] - 近期研究尝试将强化微调融入扩散规划器以提升性能，但原生扩散模型存在模态坍缩问题，导致在去噪过程中生成的轨迹缺乏多样性，难以进行有效的多模态探索，阻碍了强化学习的优化效率 [4][5] - 有效的强化微调需要规划器具备两种关键能力：多模态（生成多样化操作假设）和适应性（根据场景自主调整探索分布）[4] PlannerRFT框架设计 - **双分支优化策略**：框架采用“生成-评估”范式，在保持原始推理流程不变的前提下，通过一个专门的探索策略模块自适应地引导去噪过程，同时利用分组相对策略优化微调轨迹分布 [2][13] - **策略引导去噪**：为生成多模态轨迹，引入了基于能量的分类器引导机制，通过注入残差偏移量，使模型能在参考轨迹附近生成多样化轨迹，引导信号分解为横向和纵向两个正交分量进行解耦控制 [8][15][17] - **探索策略设计**：探索策略模块基于驾驶场景上下文和参考轨迹，学习预测用于调节横向和纵向引导尺度的Beta分布参数，实现场景自适应的轨迹采样 [18][19] - **轨迹采样**：在强化微调阶段，从探索策略学习到的分布中重复采样引导尺度，每个采样对对应一种独特的驾驶模态，从而生成多样化的轨迹集合用于优化 [20] 训练基础设施与优化方法 - **nuMax仿真器**：为加速训练，开发了基于Waymax的GPU并行仿真器nuMax，其仿真速度较原生nuPlan仿真器快10倍，支持高通量并行轨迹推演，这对实现规模化强化学习训练至关重要 [6][24] - **三阶段训练流程**：包括模仿学习预训练、模仿学习微调和强化学习微调，强化微调基于近端策略优化和分组相对策略优化实现 [6] - **生存奖励机制**：为在复杂场景中稳定优化，引入了生存奖励，对非终端轨迹片段的奖励进行累积，鼓励规划器延迟失效事件的发生，从而提升长时域可行性和探索效果 [9][27] - **最佳实践**：包括采用5步DDIM去噪以增强探索随机性、将探索策略初始化为生成零均值引导尺度、以及使用包含适度比例复杂场景的平衡数据集进行微调 [30][41] 实验结果与性能分析 - **主要性能提升**：在nuPlan基准测试中，与预训练的Diffusion Planner相比，PlannerRFT在反应式交通设置的Val14基准测试上得分提升1.66分，在Test14-hard基准测试上提升2.99分 [35] - **与基线对比**：PlannerRFT在四个基准测试中的三个取得了最佳整体性能，特别是在包含动态、高交互场景的Test14-hard非反应式数据集上，性能显著优于其他现有最优规划器 [36] - **行为模式演化**：强化微调使规划器呈现出与模仿学习不同的行为模式，通过奖励导向优化，驾驶策略逐渐调整为更安全、高效的机动动作，例如从发生碰撞到保持安全，再到执行果断且安全的变道 [37] - **探索策略有效性**：消融实验表明，与无引导、均匀分布采样或固定Beta分布采样相比，PlannerRFT提出的策略引导去噪在提升轨迹多样性的同时，实现了更高的闭环性能得分和更稳定的训练过程 [39][40] - **微调数据影响**：实验发现，仅在碰撞场景上训练会导致性能下降，而在所有简单场景上训练提升有限，最佳结果来自于在结合了碰撞和低得分场景的平衡数据集上进行微调 [41] - **关键参数影响**：奖励公式方面，生存奖励优于终端奖励；引导偏移量方面，适度的偏移量能在探索与利用之间取得最佳平衡 [43][46][47]

全球自动驾驶竞赛进入新阶段 - 2026年初CES显示，全球L4级自动驾驶竞赛焦点已从技术演示转向“量产落地与商业运营”实战关键赛段 [1] - 英伟达发布新一代具备思维链推理能力的自动驾驶模型，并宣布L4级Robotaxi服务测试时间表 [1] - Uber联合合作伙伴展示量产合作车型，计划部署上万规模车队 [1] 中国自动驾驶产业现状 - 中国自动驾驶产业正迈入以“安全可靠”为前提的规模化商用探索新阶段 [2] - 产业依托全球最复杂的城市道路场景、最完整的本土供应链体系及积极务实的产业政策发展 [2] - 头部企业如百度“萝卜快跑”在多个城市有序扩大运营范围，小马智行在特定区域开展全无人化测试，将技术转化为真实出行服务 [2] - 移动出行平台如哈啰通过发布前装量产车型规划与商业路线图加入商业化冲刺 [2] - 形成多元主体参与、多技术路径并行的产业全景图 [2] 中国自动驾驶发展路径与技术特征 - 中国选择了一条将安全深深嵌入骨髓的发展路径，不同于部分市场激进的“先行先试” [3] - 政策层面，“车-路-云-网-图”一体化顶层设计与“区域试点、渐进开放”管理原则构成产业发展的“安全锚点” [3] - 要求自动驾驶解决方案必须在真实、高频次人车混行的中国式复杂交通环境中完成充分可靠验证 [3] - 技术选择呈现多元与务实特征：多数企业坚持感知、预测、规划、控制分模块的渐进式技术路线，同时积极探索端到端大模型驱动等前沿架构 [3] - “安全冗余”是所有中国自动驾驶公司产品设计的核心共识 [3] 安全工程实践与硬件标准 - 行业领先车辆普遍采用远超消费级汽车标准的硬件全冗余设计以应对极端情况 [4] - 有企业展示其首款正向开发的前装量产Robotaxi车型，在感知、计算、定位、底盘、电源、通信六大核心系统均配备完整备份方案 [4] - 这种从车辆底层电子电气架构做起的深度冗余，是追求“功能安全”与“预期功能安全”并重的具体工程缩影 [4] - 对安全不计成本的投入构成中国Robotaxi迈向大规模运营不可或缺的工程基石 [4] 商业模式与产业链协同 - 中国Robotaxi领域初步形成“技术方+运营方+主机厂”协同推进的主流商业模式 [5] - 商业化遵循从封闭测试区到开放道路载人示范，再到启动收费试点的渐进步骤 [5] - 与地方政府紧密合作、与传统交通体系融合探索成为显著特点 [5] - 激光雷达、高精地图、车规级芯片、云端算力等关键环节的本土供应链已具备强大竞争力 [5] - 阿里云、地平线、禾赛科技等企业已成为众多自动驾驶公司可靠的技术伙伴 [5] - 成熟供应链通过规模效应促进成本持续优化，为技术快速迭代与前装量产创造条件 [5] 规模化挑战与应对策略 - 规模化面临成本、法规适配、公众认知等多重挑战 [6] - 应对思路包括：与传统主机厂进行深度前装量产合作以降低单车成本并提升可靠性 [6] - 创新运营模式，例如探索“混合派单”系统，让Robotaxi与普通网约车在同一平台智能协同以优化运力效率和用户体验 [6] - 通过持续公众科普与体验活动逐步构建社会信任 [6] - 自动驾驶技术公司与整车制造商携手共同定义并生产面向出行服务的专用车辆，是推动产品标准化、规模化落地的重要路径 [7] 发展理念与未来展望 - 中国自动驾驶发展核心理念概括为“稳健创新”，即在坚守安全底线前提下全力推动技术创新与产业化落地 [8] - 在应对超大规模城市复杂交通场景中形成的系统性解决方案，包括独特技术验证体系、高标准安全工程实践及政企协同落地模式，有望凝练成具有全球参考价值的“中国经验” [8] - 中国凭借超大规模市场需求、极端复杂应用场景、完整高效产业配套及审慎积极的政策环境，正逐步构筑独特的系统竞争力 [8] - 这场竞速关乎整个产业生态的成熟与升级，中国自动驾驶产业正稳步迈向从并跑到引领的新征程 [8]

文章核心观点 - 文章基于技术分析，论证特斯拉FSD V13版本由大量小型专用神经网络模型组成，而非单一大型端到端模型，其系统设计更偏向工程优化与模块化，而非纯粹的模型能力突破 [1][5][9] FSD V13模型架构分析 - 若认可技术分析师green的逆向工程发现为真，则FSD V13版本包含189个独立的神经网络模型 [1][5] - 模型分布在两个节点上：节点A包含189个神经网络，节点B包含110个神经网络，其中61个为两个节点所共享 [1][4] - 在HW4硬件平台的V13版本中，节点B的模型大小从V12.x版本的总计2.3GB大幅增至7.5GB，节点A大小则为2.3GB [1][2] - 作为对比，HW3硬件平台在V12.6版本中，节点A大小为1.2GB，节点B大小为3.1GB [1][2] - HW3与HW4平台在当前发布的版本中，有135个神经网络是共享的 [1][4] 模型专业化与模块化设计 - 系统包含针对特定场景的专用端到端网络组，例如“工厂内无人驾驶功能”拥有包含9个子网络的专用E2E网络组 [6] - 此外还存在针对高速公路、城市街道和接近目的地等场景的其他E2E模块，且这些模块大多有“常速”和“低速”两种形态 [6] - 部分网络被拆分成多个子网络，这些子网络有时独立运行，有时像流水线一样相互交互 [6][7] - 分析认为FSD的智能模式更接近人体器官，各模块高度专业化（如肺只负责呼吸），而非像LLM Agent那样具备通用推理和工具调用能力 [8] 硬件限制与工程实现 - HW3硬件平台的理论算力限制了模型规模，其68 GB/s的显存带宽若要实现36赫兹的处理频率，单帧处理时间须小于27.7毫秒，理论可容纳的模型最大上限约为1.88GB [9] - 实际HW3的模型大小（节点A 1.2GB，节点B 3.1GB）与硬件限制相匹配，印证了其由多个小模型组成的架构 [9] - 分析指出，特斯拉FSD的流畅体验并非完全源于算力与模型，很大程度上得益于公司重写了车控操作系统，显著降低了从控制到执行的延迟 [9] 信息源与技术背景 - 关键信息来源于技术分析师green，其通过逆向工程深入分析特斯拉固件与硬件，数出了独立的神经网络文件数量 [5][6] - green与特斯拉存在微妙关系，既通过漏洞赏金计划合作，其信息挖掘也可能打乱公司节奏，但其发现使V13包含189个模型成为几乎无可辩驳的事实 [6]