Workflow
Autonomous Vehicles and Smart Mobility
icon
搜索文档
Pony Ai(PONY) - 2026 Q3 - Earnings Call Transcript
2026-11-18 21:02
财务数据和关键指标变化 - 公司第三季度总营收同比增长75%至4460万美元,其中Robotaxi和Robotruck两条业务线合计占总营收的80%,高于去年同期的66% [24] - 公司运营利润率从-274%改善至-154%,营收增速显著快于运营费用增速,体现出运营杠杆改善 [24] - 公司毛利率为17.8%,较2026年第二季度的17.5%略有提升;毛利润同比增长69%至790万美元 [28][29] - 公司GAAP运营费用同比增长仅3%至7660万美元;非GAAP运营费用(剔除股权激励费用)同比下降2%至6620万美元 [29] - 公司GAAP运营亏损从去年同期的6970万美元收窄至6870万美元;非GAAP运营亏损同比下降8%至5830万美元 [30] - 公司GAAP净亏损为1.363亿美元,其中包含7700万美元交易性证券公允价值变动的非现金损失;剔除该损失及股权激励费用后,非GAAP净亏损从去年同期的5680万美元收窄14%至4890万美元 [30] - 截至2026年9月30日,公司现金及现金等价物、受限现金、短期及长期债务工具和理财产品合计约11.5亿美元,较2026年6月30日的12.1亿美元有所下降 [31] - 公司资本支出为1770万美元,同比下降22%,环比下降45%,主要反映公司在持续支持Gen-7 Robotaxi车队量产和部署的同时保持审慎的投资节奏 [31] 各条业务线数据和关键指标变化 - Robotaxi服务营收达到1780万美元,同比增长165%,环比增长47%,是公司营收同比增长的最大贡献项;Robotaxi营收占总营收的40%,高于去年同期的26% [24] - 公司全球Robotaxi车队截至2026年9月30日超过2700辆 [24] - 公司来自乘客收费的营收第三季度同比增长约400%,主要受运营区域持续扩张和服务品类增加推动 [25] - 在广州,海珠、天河、黄埔和番禺区的运营产生了增量营收;在深圳,宝安国际机场和蛇口邮轮母港的服务也贡献了第三季度乘客收费营收 [25] - Robotruck服务营收达到1800万美元,同比增长76%,环比增长35%,增长主要来自与中外运合作推动的货运服务增长 [28] - 智能解决方案营收为890万美元,与2025年第三季度基本持平 [28] - 公司Gen-7 Robotaxi的单车保险费用降至人类驾驶出租车约40%的水平,而2025年约为50%;尽管更高的车辆成本通常会因维修成本上升而推高保费,但公司的安全记录已抵消这一上行压力 [29] - 公司在中国广州和深圳的车队已实现正的UE(单位经济)利润,且趋势持续改善;Gen-7车队单车保险费用今年进一步下降19% [44] - 公司UE计算中营收指扣除折扣和退款后网约车服务产生的净值,覆盖七项成本:车辆折旧(含电池和自动驾驶硬件)、充电、远程助手和地面支持人员薪酬、车辆清洁与维护、保险、停车以及网络通信费用;其中约一半成本来自车辆折旧,其余一半来自其他六项成本 [44][45] - 公司海外业务UE利润率更高,原因有二:一是成本端凭借更强技术和规模化优化运营,每英里总成本在行业中极具竞争力,高人员车辆比和优越能效在劳动力和电力成本较高的欧洲等发达市场形成良好成本优势;二是联合部署模式对公司而言是轻资产模式,公司不承担车辆资本开支,将场站基础设施、电动车充电、日常车辆清洁维护及其他运营成本转移给当地合作伙伴 [46] 各个市场数据和关键指标变化 - 在中国广州,公司基于今年4月获得的全市商业许可,率先提供跨区Robotaxi服务,连接南沙区与市中心区域,此前分离的中心城区和南沙运营区域现已形成单一连续服务区,覆盖超过1000平方公里,约为旧金山面积的九倍;用户可通过PonyPilot应用在包括南沙、海珠、天河、黄埔和番禺五个区预订行程,直接提升了单次行程距离和平均单价 [9] - 在深圳,宝安国际机场服务已向用户开放,公司是唯一在中国一线城市国际机场运营商业全无人Robotaxi服务的企业;深圳近期举办APEC会议,公司Robotaxi成为城市创新展示的核心 [9][10] - 在上海,公司获得浦东新区核心区域全无人驾驶运营的额外商业许可,将很快把覆盖范围扩展至张江科学城等关键经济枢纽 [10] - 公司近期在杭州、重庆和珠海启动部署,为运营版图进一步扩张奠定基础,预计很快将在其他多个城市推出Robotaxi服务 [10] - 在欧洲克罗地亚萨格勒布,公司实现欧洲首个全无人驾驶载客运营,从启动到全无人仅用五个月,运营已累计超过20万公里并完成数千次乘客行程;该模式为公司进入其他全球市场提供了可复制模板 [11] - 在英国,公司与Uber合作推进伦敦和曼彻斯特的部署,道路测试已在进行中,曼彻斯特的道路测试在公告后不久即启动 [12][36] - 在迪拜,公司加速商业化进展,在2026年GITEX展会上作为唯一Robotaxi合作伙伴与迪拜道路与交通管理局同台展示 [12] - 公司首次进入中亚市场,与inDrive合作将在哈萨克斯坦推出Robotaxi运营 [13] - 公司Robotruck业务在广东省江门港和深圳妈湾港开始运营,该区域是中国最大经济体和最大出口枢纽;公司目标明年在港口部署数百辆车 [14] - 公司轻卡近期进入量产,并在中国一线城市关键物流走廊推进商业部署 [14] 公司战略和发展方向和行业竞争 - 公司年初设定三个年度目标:Robotaxi营收达到上年水平的3.5倍、车队规模扩大至3500辆、全球Robotaxi部署覆盖20个城市;临近年底,公司有望实现全部三个目标 [15] - 展望2027年,公司将在三条战线扩展Robotaxi:深化现有城市运营、在中国新城市放量、加速海外战略市场布局;国内与全球双引擎增长战略将增加运营中的商用车辆数量,直接驱动营收增长 [15] - Robotruck将通过Gen-4车型和新举措释放新营收来源,成为另一强大增长引擎;公司认为规模越大,技术越优、效率越高、经济性越强,飞轮效应愈发强大 [15] - 公司技术核心优势在于PonyWorld闭环虚拟驾驶训练场,AI司机在其中执行数十亿次强化学习和反事实场景训练,以消除幻觉和解决长尾安全问题;PonyWorld每周生成100亿公里训练数据 [18][19] - 公司通过意图枚举系统化生成给定场景中周围道路使用者的所有可能意图和轨迹,在仿真中对每条极端交互路径进行穷举压力测试,并在部署前定期验证驾驶策略的完整性和安全边界 [20] - 公司AI驱动的自进化闭环流水线利用真实车队反馈持续校准和升级PonyWorld,公共道路上遇到的每个边缘案例都会自动提升世界模型的保真度 [19] - 公司模型严格运行在闭环系统内,不像其他数字大语言模型那样暴露公共API而容易被蒸馏,后来者必须从零构建整个后训练基础设施和真实数据飞轮,形成更深护城河 [22] - 公司Robotaxi和Robotruck共享统一核心架构,通过传感器无关的泛化能力,模型可跨不同车型和传感器配置提取统一物理表征,高效后训练适配重卡和轻卡,一套研发引擎以最低增量成本解锁多条营收流 [21][22] - 公司Robotruck业务与Sinotrans合作深化长途运营,如京津冀唐走廊;在港口与全球领先港口运营商建立数百辆车的部署管道;轻卡提供比低速无人配送车高3至4倍的载货容量和2倍速度,适用于超市、冷链物流和全城市供应链等高价值应用 [57][58] - 行业方面,中国监管环境总体转向积极,在“十五五”规划下智能网联新能源汽车成为国家政策议程的一部分,目标是在五年规划期内实现自动驾驶大规模商业部署,监管基础正从地方实施转向更标准化的国家框架 [39] - 随着框架标准化,全国各城市安全门槛将统一且高企,其他希望运营Robotaxi的城市需遵循一线市场率先建立的实践,这将直接惠及已建立成熟技术、强安全记录和真实运营经验的运营商 [39][40] - 公司认为随着行业进入更标准化扩张阶段,其先发优势将进一步增强,监管信任有助于简化审批、加速与中央和市政当局的沟通,从而更快进入新市场并巩固领先地位 [40] 管理层对经营环境和未来前景的评论 - 管理层认为公司第三季度表现优异,总营收同比增长75%,Robotaxi营收翻倍以上增长并占总营收40%,车队规模超过2700辆,国内和国际市场同步扩张 [7] - 管理层认为随着监管常态化且进入门槛提高,公司先发优势变得更有价值;规模化运营下安全记录持续改善,保险公司已开始对公司更低的风险状况进行定价 [8] - 管理层认为欧洲是全球除中国和美国外最具吸引力的Robotaxi市场之一,具备规模、定价和监管成熟度;公司的竞争优势在于经过验证的技术、强大的安全体系以及极具竞争力的单位经济性 [35] - 管理层认为领先的全球出行玩家希望与公司合作,这反过来有助于促进监管审批,使公司更快扩张、吸引更多合作伙伴并在整个生态系统中创造更多价值 [35] - 管理层认为公司凭借经过验证的安全记录、大规模运营经验、有吸引力的单位经济性和强大的合作伙伴网络,有能力在欧洲尤其是英国成为领先玩家,并随着市场成熟获取领先市场份额 [36] - 管理层认为公司技术优势将持续复利增长,随着更多真实运营数据回流PonyWorld,仿真保真度和训练效率将持续提升,这意味着当公司扩展到更大运营区域、进入更多海外城市和更多车辆平台时,边际研发成本将持续下降,商业化速度将持续加快 [22][23] - 管理层展望第四季度和2027年,公司将继续将资源投入核心技术和关键市场,将活跃管道和商业进展转化为持续营收增长,同时保持费用和资本纪律,随着营收基数扩大实现更大运营杠杆 [31] 其他重要信息 - 公司Gen-7 Robotaxi自去年4月推出以来一直运行在汽车级芯片上,所需算力远低于数据中心通用GPU;公司通过优化模型参数规模和提升推理引擎效率来优化车载模型算力消耗,实现低BOM成本、低能耗和更高单次充电续航 [51] - 公司车载模型远小于大语言模型,不需要大规模尖端GPU集群进行预训练或后训练;大部分后训练算力用于运行世界模型内的仿真,训练驾驶模型主要依赖世界模型推理,算力需求低得多 [52] - 公司PonyWorld 2.0可自我进化,利用L4车队回传的道路测试数据找出sim-to-real差距并自动识别需要更高保真度的场景,将训练世界模型的时间和算力消耗降低一个数量级 [52] - 公司已评估多款中国国产芯片用于模型训练,并成功部署训练流水线,如有需要可在这些芯片上训练模型 [53] - 公司是全球首家在汽车级芯片上实现L4驾驶的公司,单车BOM成本极具竞争力 [53] - 公司认为基础模型预训练只是起跑线,数字大语言模型有公共API可被蒸馏,而公司受控的后训练生态系统无法被其他方蒸馏;没有高保真世界模型用于强化学习以及大规模无人驾驶车队将真实世界教育反馈回该循环,任何基础模型都无法单独实现安全且商业化的L4自动驾驶 [63][64] 问答环节所有提问和回答 问题: 公司在伦敦等海外市场面临多家竞争者,如何脱颖而出 - 管理层认为欧洲市场确实有很多竞争者,但公司对海外市场地位有信心;欧洲是全球除中国和美国外最具吸引力的Robotaxi市场之一,具备规模、定价和监管成熟度;公司竞争优势在于经过验证的技术、强大安全体系以及极具竞争力的单位经济性;领先全球出行玩家希望与公司合作,有助于促进监管审批并加速扩张;克罗地亚案例显示公司从4月启动到9月实现全无人驾驶仅用五个月,累计超过20万公里和数千次乘客行程,萨格勒布混合了老城道路、现代城区和复杂交通条件,该经验可复制到其他欧洲城市;公司正将这一打法带到英国和其他欧洲国家,作为Uber合作伙伴推进伦敦和曼彻斯特部署,曼彻斯特道路测试在公告后不久即启动,显示执行速度;凭借安全记录、大规模运营经验、有吸引力的单位经济性和强大合作伙伴网络,公司相信能在欧洲尤其是英国成为领先玩家并获取领先市场份额 [35][36] 问题: 公司在中国运营和监管进展如何 - 管理层认为当前监管环境总体转向积极方向;在“十五五”规划下,智能网联新能源汽车成为国家政策议程的一部分,目标是在五年规划期内实现自动驾驶大规模商业部署,提供持续政策动力,监管基础正从地方实施转向更标准化的国家框架;随着框架标准化,全国各城市安全门槛将统一且高企,其他希望运营Robotaxi的城市需遵循一线市场率先建立的实践,这将直接惠及已建立成熟技术、强安全记录和真实运营经验的运营商;公司已在中国最复杂的一线城市建立 track record,正扩大活跃车队、扩展现有核心城市覆盖并进入杭州、重庆和珠海等新区域,还有许多其他城市在管道中;管理层认为随着行业进入更标准化扩张阶段,公司先发优势将更强,监管信任有助于简化审批、加速与中央和市政当局沟通,从而更快进入新市场并巩固领先地位 [39][40] 问题: Robotaxi单位经济(UE)更新及国内外市场UE利润率展望 - 管理层表示UE非常重要;在中国,公司广州和深圳车队已实现正UE利润,凭借网络效应和持续成本优化,趋势持续改善;直接例子是Gen-7车队单车保险费用今年进一步下降19%;UE计算中营收指扣除折扣和退款后网约车服务净值,覆盖七项成本:车辆折旧(含电池和自动驾驶硬件)、充电、远程助手和地面支持人员薪酬、车辆清洁与维护、保险、停车以及网络通信费用;约一半成本来自车辆折旧,其余一半来自其他六项;Gen-7平台采用完全汽车级设计,带来显著成本优势,有助于降低电动车充电成本以及服务和维护成本;公司运营效率行业领先,远程助手和地面支持人员的人车比极具竞争力,并将继续改善人车比,使单车劳动力成本在车队扩张时保持低位;海外业务结构不同,UE利润率更高,原因有二:一是成本端凭借更强技术和规模化优化运营,每英里总成本在行业中极具竞争力,高人员车辆比和优越能效在劳动力和电力成本较高的欧洲等发达市场形成良好成本优势;二是联合部署模式对公司是轻资产模式,公司不承担车辆资本开支,将场站基础设施、电动车充电、日常车辆清洁维护及其他运营成本转移给当地合作伙伴,进一步改善利润率;公司认为联合部署模式将成为高利润率且可规模化的业务 [44][45][46] 问题: 在H200限制和更多禁令风险背景下,公司算力支出方向及如何与行业其他公司区分以规避禁令影响 - 管理层表示公司不受AI算力瓶颈制约;推理方面,Gen-7 Robotaxi自去年4月推出以来一直运行在汽车级芯片上,所需算力远低于数据中心通用GPU,公司通过优化模型参数规模和提升推理引擎效率来优化车载模型算力消耗,实现低BOM成本、低能耗和更高单次充电续航;训练方面,公司算力动态与大语言模型截然不同,原因有二:一是车载模型远小于大语言模型,不需要大规模尖端GPU集群进行预训练或后训练,大部分后训练算力用于运行世界模型内仿真,训练驾驶模型主要依赖世界模型推理,算力需求低得多;二是过去几年公司持续加快世界模型迭代,PonyWorld 2.0可自我进化,利用L4车队回传道路测试数据找出sim-to-real差距并自动识别需要更高保真度的场景,将训练世界模型的时间和算力消耗降低一个数量级;公司车载模型架构更精细、工程执行力更强,是全球首家在汽车级芯片上实现L4驾驶的公司,单车BOM成本极具竞争力,数据中心算力也更经济;自动驾驶模型从根本上无法被蒸馏,竞争者必须从零构建整个系统,所有主要L4玩家目前高度依赖车载算力,意味着更大模型参数规模和更多训练算力消耗;公司认为其技术领先将推动更快车队扩张,并在数据中心算力短缺时提供更多灵活性;此外公司已评估多款中国国产芯片用于模型训练并成功部署训练流水线,如有需要可在这些芯片上训练模型 [51][52][53] 问题: 公司如何考虑业务多元化,似乎正向更多物流领域拓展,能否分享更多战略 - 管理层表示自成立以来公司愿景始终是自动驾驶出行无处不在,物流市场处于愿景核心;物流本身是巨大市场,自动驾驶是降低成本 and 填补劳动力短缺的绝佳解决方案;公司利用相同L4技术和运营跨车辆平台和环境,使用多年来开发的完全相同Robotaxi技术栈赋能Robotruck和无人轻卡,覆盖港口、长途走廊和城际物流等多个场景;Robotruck营收本季度同比增长76%;与Sinotrans合作深化长途运营,如京津冀唐走廊;在港口,Gen-4卡车在江门和妈湾港运营,与全球领先港口运营商有数百辆车的持续管道;在城市物流方面提供无人轻卡解决方案,相比目前更流行的低速无人配送车,轻卡提供3至4倍载货容量和2倍速度,适用于超市、冷链物流和全城市供应链等高价值应用;长途卡车和轻卡商业化潜力巨大,体现公司通用平台的力量,可跨多个不同市场复制、部署和变现相同L4能力,这正是公司多元化的方式,所有努力都契合自动驾驶出行无处不在的愿景 [57][58][59] 问题: 公司如何看待企业将GPT-6类型模型接入具身AI并最终冲击Robotaxi市场;如果自动驾驶算法开始趋同并更像商品,Pony.ai的护城河有多持久,优势在哪里 - 管理层表示在具身AI领域,行业迄今尚未实现大规模商业部署,这就是为什么通用基础模型如GPT-6可以在选定场景中匹配;大规模预训练提供广泛世界知识和令人印象深刻的演示,如机器人交互和操作;但预训练只建立类人常识基线,并不能消除物理世界不可协商安全标准下的长尾泛化问题;在L4驾驶中,超过90%至95%的核心工程发生在后训练阶段;公共道路运营意味着与车辆和行人实时交互,没有回滚和重试,因此几分钟演示无法证明规模化运营安全;此外,直接在大语言模型之上训练L4自动驾驶从根本上效率低下,在相同算力预算下,语言对于物理控制是缓慢且有损的中间表示;