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] - 车费收入实现三位数增长，飙升233.3% [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 [50] - 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% [53] - 第三季度净亏损为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 [54] - 截至2025年9月30日，现金及现金等价物等为5.877亿美元，较2025年6月30日的7.477亿美元有所下降 [55] - 2025年前九个月累计自由现金流出为1.736亿美元 [56] 各条业务线数据和关键指标变化 - 机器人出租车业务：收入670万美元，同比增长89.5%；车费收入增长233.3%；日均单车净收入达到299元人民币，日均订单量23单 [45][51][77] - 机器人卡车业务：收入1020万美元，同比增长8.7% [49] - 许可和应用业务：收入860万美元，同比增长354.6% [49] 各个市场数据和关键指标变化 - 在中国一线城市，用户需求增长推动机器人出租车业务强劲增长 [45] - 海外市场机器人出租车收入快速增长，业务已拓展至8个国家 [47][48] - 第三季度进入卡塔尔新市场，并与Mowasalat合作 [17] - 在韩国获得全国性机器人出租车许可 [18] - 在欧洲，计划与Stellantis合作部署测试车辆 [18][19] 公司战略和发展方向和行业竞争 - 成功在香港交易所完成双重主要上市，募资超过8亿美元，为大规模商业化提供资金 [4][5] - 加速量产，预计2025年底车队规模将超过1000辆，2026年扩大至3000辆以上 [5][11][12] - 推行"卫星模式"，与第三方伙伴（如Sihu集团、Sunlight Mobility）合作，以轻资产模式加速车队扩张 [8][15][47] - 技术战略聚焦全栈集成和世界模型，通过高保真模拟和强化学习实现无人驾驶技术的自我迭代 [24][25][26] - 通过优化自动驾驶套件设计，第七代机器人出租车的底成本较上一代降低70%，并预计为2026年生产的平台再降20% [32][33] - 行业新进入者面临业务、监管和技术三大挑战，公司凭借先发优势和规模化运营建立壁垒 [84][85][86][87][88][89] 管理层对经营环境和未来前景的评论 - 车队规模的扩大创造了"向上螺旋"效应：更短的等待时间、更好的用户体验、更高的车辆利用率和更优的定价策略 [5][9][10][62] - 第七代机器人出租车在广州实现城市级单位经济盈亏平衡，验证了可行的商业模式，为进一步扩张奠定基础 [8][43][75] - 香港上市募资将用于加速车队扩张、优化平台规模化和加深研发投入 [5][6][57] - 对实现2025年1000辆车队目标并提前完成充满信心，预计2026年车队将超过3000辆 [11][12][57][58] - 海外市场具有高增长潜力，公司将选择具有强大移动需求、发达基础设施和支持性监管环境的市场进入 [116][117][118] 其他重要信息 - 公司管理层乘坐完全无人的第七代机器人出租车参加此次财报电话会议 [7] - 第七代机器人出租车已在北京、广州、深圳正式启动完全无人的商业服务 [7] - 发布了第四代机器人卡车，预计2026年投入生产和初步车队部署 [20] - 远程辅助与车辆的比例预计在年底达到1:30 [35][78][112] - 公司与优步、Bolt等全球叫车平台合作，并利用其生态系统进入中东等国际市场 [19][20] 总结问答环节所有的提问和回答 问题: 关于今年和2026年的车队规模更新以及在不同城市的部署计划 [61] - 公司预计将超越此前设定的2025年底1000辆机器人出租车的目标，并保守预计2026年车队将超过3000辆 [62] - 车队密度的增加创造了更短的乘客等待时间，从而带来更好的用户体验和更高的车辆利用率，形成强劲的增长势头 [62] - 通过"卫星模式"与车队管理方合作，能以更少的资本支出部署更大规模的车队 [63] - 部署计划将深化现有市场（中国一线城市）的运营，同时拓展更多国内城市和海外市场 [63][64] 问题: 随着部署更多车辆，车费收入的前景如何 [66] - 第三季度车费收入增长约233%，即使车队仍由第五代和第六代车辆组成 [67] - 增长由需求端（用户体验改善、用户注册量翻倍）和运营端（车队调度优化、等待时间缩短约50%、上下客点增加）共同驱动 [67][68][69][70] - 随着第七代车辆的持续加入和车队规模指数级增长（2026年目标超3000辆），预计将产生更好的网络效应，从而提升单均价值 [71][72] 问题: 关于城市级单位经济盈亏平衡背后的假设，包括日均订单、定价、运营时长和远程辅助比例 [74] - 该里程碑在广州实现，日均单车净收入为299元人民币，基于11月23日前两周的平均数据 [76][77] - 日均订单为23单 [77] - 成本端主要包括基于6年使用寿命的硬件折旧，以及充电、远程辅助、地面支持等运营成本 [78] - 远程辅助与车辆的比例正朝着1:30的目标迈进 [78] 问题: 对Level 4自动驾驶领域新进入者（特别是电动汽车制造商）的看法，以及主要的技术和运营挑战 [82] - 新进入者增多表明行业认可度提升，是好事，但行业门槛很高，目前尚无新进入者能在开放道路上部署完全无人的车队 [84][85] - 挑战主要来自三个方面：业务方面（用户获取、车辆生产、车队管理等，先发者具有优势）[86][87]；监管方面（安全要求高，许可获取过程漫长）[88][89]；技术方面（需要先进的世界模型和模拟训练环境）[90][91] 问题: 运营区域快速扩张的主要因素，以及是否使用大语言模型推动L4自动驾驶 [97] - 技术栈本身为泛化而构建，L4原生架构能处理不同区域的极端案例，扩张速度的关键在于车辆数量，而非技术 [98][99][100][101] - 大语言模型由于存在幻觉、高延迟以及依赖人类数据（可能学习人类驾驶错误）等固有特性，不适用于L4车载驾驶模型，但公司将其用于研发辅助，如人机交互和工程生产力工具 [102][103][104][105] 问题: 与多家OEM合作是否可能通过只与一家OEM合作来提高运营杠杆 [107] - 现实是不同地区的政府和居民对本地品牌出租车有强烈偏好，与多个本地OEM合作有助于快速进入不同市场 [108] - 将自动驾驶套件适配不同车辆虽然带来技术挑战，但也展示了技术泛化能力，未来能成为竞争优势 [109][110] 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，背后的技术差异 [111] - 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，车辆始终保持独立决策和驾驶，无需依赖网络延迟 [112] - 典型应用场景如临时交通管制，系统可请求远程辅助确认决策，AI算法的进步正不断提升远程辅助与车辆的比例 [112][113] 问题: 对中东地区颁发完全无人驾驶机器人出租车许可证的看法以及公司的海外战略 [116] - 公司全球战略聚焦于具有高增长潜力的市场，评估标准包括市场规模、政府支持力度和当地合作伙伴的实力 [117] - 目前已在8个国家开展机器人出租车业务，第三季度新增卡塔尔市场，海外机器人出租车收入快速增长，未来将继续寻找好的增长机会进入其他全球市场 [118][119]