财务数据和关键指标变化 - 第三季度总收入为2540万美元，同比增长72% [44] - 机器人出租车服务收入达到670万美元，同比增长89.5%，环比增长338.7% [45] - 其中车费收入实现233.3%的同比增长 [45] - 毛利率从去年同期的9.2%提升至18.4%，毛利润为470万美元 [48] - 总运营费用为7430万美元，同比增长76.7%；非GAAP运营费用为6770万美元，同比增长63.7% [50] - 净亏损为6160万美元，去年同期为4210万美元；非GAAP净亏损为5500万美元，去年同期为4140万美元 [50] - 截至2025年9月30日，现金及现金等价物等为5.877亿美元，较6月30日的7.477亿美元有所减少，主要由于对合资公司注资及车辆采购等资本支出 [51] - 香港IPO融资超过8亿美元，为资产负债表提供显著支持 [4][52] 各条业务线数据和关键指标变化 - **机器人出租车业务**：收入增长强劲，主要受中国一线城市用户需求增长、车队运营效率提升和定价策略优化驱动 [45] 车队规模预计年底超过1000辆，2026年扩大至3000辆以上 [5][11][52] - **机器人卡车业务**：第三季度收入为1020万美元，同比增长8.7% [47] 第四代机器人卡车预计2026年投产，其自动驾驶硬件套件成本将降低70% [20][47] - **技术许可与应用业务**：收入为860万美元，同比增长354.6%，主要受自动驾驶域控制器需求推动 [47] 各个市场数据和关键指标变化 - **中国市场**：在广州、深圳、北京和上海（浦东金桥和花木区域）推出全无人驾驶商业服务 [7][13] 广州市场已实现城市级单位经济效益盈亏平衡 [8][43] - **海外市场**：业务已拓展至8个国家，包括中国、中东、东亚、欧洲和美国 [17] 第三季度进入卡塔尔市场，并与Mowasalat合作开始路测 [17][18] 在韩国获得全国性机器人出租车许可 [18] 与Uber、Bolt等全球网约车平台合作，旨在进入中东并拓展至其他国际市场 [19] 公司战略和发展方向和行业竞争 - **规模化战略**：通过扩大车队规模产生网络效应，缩短等待时间，提高车辆利用率，形成增长螺旋 [5][9][10] 推行“卫星模式”，与第三方伙伴（如深圳丝湖集团、阳光出行）合作，由对方出资购买车辆，公司收取技术许可费和车辆销售收入，实现资产轻型化和资本高效扩张 [15][46][52] - **技术战略**：坚持全栈技术整合，早期押注世界模型和强化学习，实现无人监督、自我改进的闭环训练 [24][26][27] 世界模型满足高保真交互模拟、复现规模化现实 corner case、基于AI的学习评估器三大标准 [28][30][31] 技术栈具备泛化能力，可快速适应新市场和新平台 [38][39][40] - **生产与成本**：Gen7机器人出租车自动驾驶套件成本较上一代降低70%，并为2026年生产平台进一步降低20% [33] 生产加速，截至11月已有超过600辆Gen7下线，总车队规模超过900辆 [11] - **行业竞争**：新进入者面临业务、监管和技术三大挑战 [74][75][76] 公司作为先行者，在品牌知名度、成本优化、合作伙伴关系等方面具备优势 [74] 技术上，公司早在2020年就开始开发基于强化学习的自动驾驶，在世界模型方面拥有先发优势 [25][77] 管理层对经营环境和未来前景的评论 - 香港成功上市是公司重要里程碑，为大规模生产和商业化提供充足资金 [4][5][22] - Gen7机器人在广州实现城市级单位经济盈亏平衡是关键里程碑，验证了可行的商业模式，为快速扩张奠定基础 [8][43][58] - 中国一线城市是网约车最大市场，在此实现盈亏平衡具有重要商业意义 [66] - 车队扩张本身是高效的自我强化营销引擎，车辆作为移动广告吸引新用户 [9][10] Gen7推出后一周内新注册用户数几乎翻倍 [10] - 未来将维持有纪律的投资，以加速大规模商业部署 [50] 凭借已验证的运营模式和IPO资金，公司处于独特地位，能将增长势头转化为可持续的盈利增长 [52][53] 其他重要信息 - 公司于2025年11月6日在香港交易所完成双重主要上市，股票代码2026，融资超过8亿美元，成为今年全球自动驾驶领域最大IPO [4] - 管理层团队在财报会当天乘坐全无人驾驶的Gen7机器人出租车抵达深圳办公室，以展示技术进步 [7] - 用户体验持续优化，包括智能重新定位功能、语音助手等，旨在将座舱升级为AI驱动的移动终端 [37] - 远程辅助与车辆比例正提升，预计年底达到1:30 [35][68] 远程辅助提供建议而非远程控制，车辆始终保持独立决策，确保安全不依赖网络延迟 [92][93] 问答环节所有提问和回答 问题: 关于今年和2026年的车队规模展望以及在不同城市的部署计划 [55] - 公司预计将超越年底1000辆的目标，并保守预计2026年车队将超过3000辆 [56] 车队密度创造更短等待时间和更好用户体验，从而形成增长螺旋 [56] 部署计划将深化现有市场（一线城市），同时拓展更多国内新城市和海外市场，策略是与当地伙伴和政府深度合作 [57][58] 问题: 车费收入的增长前景如何 [60] - 车费收入在第三季度增长233%，即使当时车队仍以Gen5/Gen6为主 [61] 增长受需求和运营两端驱动：需求端用户数翻倍；运营端等待时间缩短约50%，在深圳接送点数量增长超300% [62] 随着Gen7车辆增加、车队规模指数级增长（2026年超3000辆）以及服务区域扩大，预计将维持强劲增长势头 [63] 问题: 关于城市级单位经济盈亏平衡的假设细节，如每日订单、定价、运营时长和远程辅助比例 [65] - 该里程碑在广州实现，每日单车净收入达到299元人民币，基于23个日均订单 [67] 成本端主要包括基于6年使用寿命的硬件折旧和运营成本（充电、远程辅助、地勤等） [68] 远程辅助比例正朝着1:30的目标迈进 [68] 此里程碑为卫星模式和进一步扩张奠定了战略基础 [68][69] 问题: 对新进入者（如电动车企）的看法以及面临的技术和运营挑战 [71] - 新进入者增多表明行业潜力和资源投入增加，是好事 [72] 但行业门槛高，目前尚无新进入者实现全无人驾驶车队上路 [73] 挑战包括业务（用户获取、车辆生产、车队管理等）、监管（需逐步证明安全性、获取许可）和技术三大方面 [74][75][76] 技术上，公司早在5年前开始研发世界模型，具备先发优势，世界模型的闭环训练减少对真实数据的依赖，能有效处理 corner cases [77][78] 问题: 运营区域快速扩张的主要因素以及大语言模型在L4自动驾驶中的应用 [81] - 技术栈本身为泛化而建，例如在上海浦东和深圳南山新区域扩展至全无人驾驶仅需数周，无需额外模型训练 [82][83] 扩张速度关键取决于车辆数量，避免密度被稀释 [83] 关于大语言模型，由于其存在幻觉、高延迟以及依赖人类数据（可能学习人类错误）等固有特性，不符合L4对安全和低延迟的非妥协要求，因此不用于车载驾驶模型，但用于研发中的AI人机交互、工程生产力工具等 [84][85] 问题: 与多家OEM（BAIC、GAC、Toyota）合作是否考虑通过与单一OEM合作来提升运营杠杆 [88] - 现实是各地政府和居民对本地品牌车辆有强烈偏好，大规模部署时需要与不同地区本地OEM合作以快速进入市场 [89][90] 将自动驾驶套件适配不同车辆虽是技术挑战，但也展示了技术泛化能力，未来能成为加速区域扩张的竞争优势 [90][91] 例如在欧洲新增了与Stellantis的合作 [91] 问题: 机器人出租车遇到困难时为何使用远程辅助而非远程控制或人工接管，其技术差异 [92] - 远程辅助从不通过方向盘或踏板控制车辆，而是响应服务请求提供支持建议，车辆始终独立驾驶和决策 [92] 辅助仅在车辆请求时启动，车辆根据实际情况及时决策，不依赖网络延迟，确保安全 [92][93] 典型案例如临时交通管制，系统请求辅助以确认决策 [93] AI算法进步正不断提升远程辅助与车辆的比例 [93] 问题: 对中东国家发放全无人驾驶牌照的看法以及公司的海外战略 [96] - 公司使命是“自动驾驶无处不在”，具备全球雄心 [96] 海外拓展聚焦于具有高增长潜力的市场，评估标准包括市场规模、政府支持度和监管环境、当地合作伙伴的实力 [96] 目前已进入8个国家，例如第三季度通过合作进入卡塔尔市场，海外机器人出租车收入快速增长，预计势头将持续，未来将进入有良好增长机会的其他全球市场 [97][98]