公司创业动态 - 香港大学数据科学研究院助理教授、上海人工智能实验室OpenDriveLab研究科学家李弘扬已进入具身智能赛道创业 [3] - 公司围绕UniVLA的研究方向进行机器人Manipulation攻关 目前已形成长程任务的Demo [3] - 公司已组成数十人的研发团队 研究领域涵盖VLA、机器人、无人驾驶和端边计算芯片 [4] - 公司走的同样是「基座模型 + 机器人本体」的全栈自研路线 [10] - 公司愿景是通过提升少样本泛化能力 实现人形机器人在全场景下的规模化落地应用 [10] - 团队即将发布的核心模型已达到国际一流水准 且在技术跟商业化上足够清晰 [11] 创始人学术与技术成就 - 创始人李弘扬的主要研究方向为自动驾驶、具身智能及端到端智能系统应用 [6] - 其主导的《Planning-oriented Autonomous Driving》获得IEEE CVPR 2023最佳论文奖 掀起自动驾驶界「端到端」巨浪 [6] - 提出的UniAD框架将目标检测与跟踪、地图预测、轨迹预测、占据栅格预测、规划整合为同一个基于Transformer的端到端网络框架 在公开数据集nuScenes的所有相关任务上都大幅优于同类型SOTA方法 [6] - 提出的俯视图感知方法BEVFormer曾入选2022年AI论文100强 成为业界视觉检测基准 [7] - 在CVPR、ICCV、ECCV、NeurIPS、CoRL、ICLR、TPAMI、TIP等国际顶尖会议/期刊上发表论文数十篇 多次担任国际顶尖会议领域主席 [7] - 在具身智能领域 其团队构建了超大规模真实机器人操控数据集「AgiBot World」 基于百万真机、千万仿真数据集 覆盖了五大行业场景 [7] - 2025年5月 团队在arXiv平台发表论文《UniVLA: Learning to Act Anywhere with Task-centric Latent Actions》 提出以任务为中心的潜在动作框架 [7] 核心技术框架UniVLA - UniVLA框架通过无监督学习从视频数据中推导出潜在动作表示 支持跨实体和环境的机器人策略学习 实现机器人高效跨场景部署 [7] - 框架特点在于通过两阶段训练解耦任务相关与无关动态 利用DINO特征空间和语言指令增强语义对齐 结合轻量级解码器适配不同机器人硬件 [9] - 相比传统方法 UniVLA显著降低了对标注数据的依赖 仅需少量数据即可在多任务基准测试中达到最优性能 并支持从互联网视频到真实机器人的高效迁移 [10] 行业观点与趋势 - 李弘扬在2025地平线技术生态大会上表示 具身智能一定会体现出Scaling law 目前全球真正算得上做过Scaling law实验的只有一家公司 即Generalist AI（GEN-0模型） [10] - 如何就算法、数据、硬件或Infra建立一套高效率的数据采集系统 在具身智能领域是非常关键的课题 [10] - 近两年 除了有数位自动驾驶大拿创建具身智能公司外 也有多位学界专家选择投身具身智能领域 包括卢策吾、卢宗青、邵林、王鹤、赵明国等知名学者 [11]

原文链接： https://zhuanlan.zhihu.com/p/1972781108128155202 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 作者 | wangleineo 来源 | 青稞AI >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 最近看了几篇关于RL学习的论文，发现这几篇研究存在着一些内在联系，综合起来看，也许有助于我们理解RL学习方法的本质。 破除迷信 Does RLVR enable LLMs to self-improve？ 第一篇文章是最近备受关注的一篇论文，来自清华的LEAP实验室，在今年的NeurIPS拿下了全满分，获得最佳论文奖： https://arxiv.org/abs/2504.13837 这篇论文开宗明义提出了一个问题： RL学习真的能让LLM获得超越基础模型的推理能力吗？ 研究结论很确切，不能 。论文用实验证明，RLVR后模型的能力完全在基础模型的能力范围内，只是搜索效率提高了，能更高效 地找到问题的解。而基础模型不能解决的问题，RLVR的模型一样不能解决。 证明 ...

行业技术发展趋势 - 智能驾驶领域的技术焦虑正在产业链中游厂商间快速传播[1] - 业内认为，端到端等前沿技术的大规模量产起点将在明年[2] - 当前智驾前沿技术发展放缓，量产方案趋同，L2级智能驾驶正走下沉路线[2] - 随着明年L3法规的进一步推进，中游厂商面临迫切的技术升级压力[2] - 近期许多公司的算法负责人正积极寻求了解端到端、世界模型、VLA、3DGS等前沿技术[2] 市场与量产现状 - 中国二十万以上的乘用车年销量约为700万辆[2] - 头部新势力品牌在此价格区间的销量占比不及三分之一[2] - 已实现端到端技术量产的车型占比更低[2] - 端到端技术的成熟被视为开启更大规模量产的关键[2] - 地平线公司宣布将进军10万级市场，表明高阶智驾正迅速向更多国民车型下沉[2] 技术实施与人才需求 - 端到端自动驾驶不仅仅是一个算法，其落地需要完善的云端与车端基础设施、数据闭环、工程部署、闭环测试、模型优化及平台开发等全套能力[2] - 可以预见，市场对中阶智能驾驶相关岗位的需求将更加旺盛[2] - 端到端和VLA（视觉语言动作模型）领域的招聘需求预计将显著增长[3] 行业培训动态 - 为应对技术升级需求，市场出现了针对端到端和VLA技术的实战培训课程[3] - 相关课程由工业界与学术界的专家联合开展，聚焦量产落地[3] - 课程内容涵盖导航信息应用、强化学习优化、Diffusion和自回归模型量产经验、时空联合规划等核心模块[3] - 另有课程专门梳理BEV感知、大语言模型、扩散模型和强化学习在端到端领域的应用，并设计相关实战项目[6] - 针对VLA领域，有课程从VLM（视觉语言模型）解释器到模块化、一体化及推理增强VLA进行全面梳理，并包含从零搭建模型的大作业[11] - 课程讲师及团队背景雄厚，多来自国内顶级主机厂、Tier1供应商及顶尖高校，拥有丰富的算法研发、预研及量产交付经验[5][8][13][14]

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 现有自动驾驶系统非常依赖车载传感器进行实时精确的环境感知。然而，这种模式受行驶过程中的感知范围限制，在视野受限、遮挡或黑暗、降雨等极端条件下常出 现性能失效。相比之下，人类驾驶员即使在能见度不佳的情况下，仍能回忆起道路结构。为了让模型具备这种"回忆"能力，针对这个特点， 复旦可信具身智能和上交 等合作 ，将离线检索的地理图像作为额外输入引入系统。这些图像可从离线缓存（如谷歌地图或已存储的自动驾驶数据集）中轻松获取，无需额外传感器，是现有自 动驾驶任务的即插即用型扩展方案。 在实验中，首先通过谷歌地图API检索地理图像，扩展了nuScenes数据集，并将新数据与自车轨迹对齐。并在五个核心自动驾驶任务上建立了基准：目标检测、在线建 图、占用预测、端到端规划和生成式世界模型。其中在线建图mAP提升13.4%，占用预测静态类mIoU +2.57%，夜间规划碰撞率从0.55%降至0.48%，为复杂场景自动驾 驶提供低成本、高鲁棒的感知增强方案。大量实验表明，该扩展模态 ...

以下文章来源于具身智能之心 ，作者具身智能之心 具身智能之心 . 与世界交互，更进一步。具身智能之心是国内具身与机器人领域的专业技术平台，集企业咨询、在线教 育、展会服务、线下培训、硬件研发、技术方案为一体。 点击下方 卡片 ，关注" 具身智能 之心 "公众号 25年具身机器人量产的情况究竟是怎么样的？今年的答卷如何？具身智能之心也为大家做了一次 调研。 近期Atlas项目负责人在社交媒体上爆料：现代汽车承诺部署数万台Atlas机器人。 计划在未来几年内，在其制造和物流业务中部署数万台机器人，包括Atlas人形机器人、Spot四足机器人和 Stretch集装箱卸货机器人。针对量产能力的不足，作为传统汽车制造业的龙头，现代汽车近期还表示将整合汽 车制造领域的专业生产能力，助力波士顿动力扩大机器人产量。 看到这里，25年具身机器人量产的情况究竟是怎么样的？今年的答卷怎么样？具身智能之心也为大家做了一次 调研，已经放到我们的具身智能之心社区内，欢迎加入交流。 9月，其新一代工业机型Walker S2，拿下某国内企业2.5亿元订单，刷新了全球人形机器人单笔合同纪录。 2025年全球机器人量产订单 最近一直想盘下今年各 ...

联系我们 作为国内自动驾驶领域创作的技术平台，我们期望能够在这波激流中贡献自己的力量，成为一个真的能 给行业带来价值的平台。 众人拾柴火焰高，我们需要更多优秀的伙伴加入我们。 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 岗位说明 大家好，我是柱哥。最近收到很多小伙伴的咨询和求助，希望我们能够联系更多的技术专家分享业内最 新的动态和观点。自动驾驶已经进入下半场，行业的难点和痛点需要更多有志之士参与进来一起突破。 后面我们将陆续为大家增加圆桌访谈、实战&工业级课程、咨询等各类输出。 主要面向自动驾驶培训合作（B端主要面向企业和高校、研究院所培训，C端面向较多学生、求职类人 群）、课程开发和原创文章创作。 主要方向 包括但不限于：自动驾驶产品经理、4D标注/数据闭环、世界模型、VLA、自动驾驶大模型、强化学 习、端到端等多个方向。 待遇与合作方式，欢迎添加微信wenyirumo做进一步沟通。 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 理想汽在ICCV'25期间也分享了些新东西！目前还没有视频对外。 VLA团队负责人詹锟老师做了一场世界模型的presentation，名为World Model: Evolving from Data Closed-loop to Training Closed-loop。自动驾驶之心第一时间做了解 读分享给大家~ 首先是介绍下理想VLA司机大模型： 回顾了理想汽车智能驾驶的发展路线，从规则时代的轻图和无图，再到基于AI的E2E+VLM快慢双系统和VLA， 这四个方案中Nav（导航）是重点突出的模块。 下面介绍的是数据闭环的价值。左上角这张图是一个完整的数据闭环流程： 影子模式验证→经由数据触发回传到云端进行数据挖掘→有效样本进行自动标注→生 成训练集训练模型→模型下发验证性能。 这个过程已经可以做到一分钟的数据回传。 目前已经有15亿公里的驾驶数据，200+的Trigger来生产15-45s的Clip数据。 目前理想的端到端量产版本MPI已经到了220+， ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 近期一个比较明显的信号，L2渗透率狂奔，L3落地在即，L4规模破局。智能驾驶学术界和工业 界关注一直都很多，像端到端、VLA、世界模型、强化学习等等技术方向都还在快速发展。秋 招期间也有很多小伙伴咨询我们业内都有哪些公司，秋招打算看一看。 相比于前两年，有一些公司已经谢幕，有一些公司在合并/收购的路上，当然也有一些新势力异 军突起。自动驾驶行业正在经历新一轮的洗牌和资源整合。今天自动驾驶之心就为大家全面梳 理下2025年智能驾驶相关的公司，有新势力、主机厂、重卡、Robotaxi、Tier1等等，为大家带 来行业的全景图，助力大家选择。 看到这里，25年智能驾驶的落地情况如何？明年的趋势在哪里？ 自动之心也为大家做了一次调 研，已经放到我们的专业社区内，欢迎加入交流。 1 新势力 蔚来、小鹏、理想、小米、零跑、滴滴、威马、牛创、极氪、阿维塔、岚图、千里科技、极越等 Tier 1 2 华为、百度、大疆、中兴、腾讯（智能座舱/高精地图/仿真工具链）、上汽零速、鉴智机器人、 momenta、博世中国、麦格纳、佑驾创 ...

3DGS技术趋势与行业动态 - 特斯拉在ICCV的分享中引入3D Gaussian Splatting技术，基于前馈式GS算法实现，成为行业关注亮点[2] - 学术界跟进迅速，出现如小米的WorldSplat和清华的DGGT等新工作，表明3DGS技术正在自动驾驶领域焕发新一轮生机[2] - 技术迭代速度极快，已从静态重建3DGS发展到动态重建4DGS、表面重建2DGS以及前馈式3DGS[4] - 行业普遍共识是采用前馈式GS重建场景，再利用生成技术生成新视角，多家公司正为此开放HC招聘[2] 3DGS技术课程核心内容 - 课程由自动驾驶之心联合工业界算法专家推出，旨在提供从原理到实战的完整3DGS学习路线图[4] - 课程设计耗时两个月，全面覆盖3DGS技术栈，帮助学员吃透点云处理、深度学习理论并掌握实时渲染与代码实战[4] - 讲师Chris来自某Tier1厂商，是算法专家，从事端到端仿真、多模态大模型、世界模型等前沿算法预研与量产，拥有丰富的三维重建实战经验[5] - 课程为离线视频教学，辅以VIP群内答疑和三次线上答疑，开课时间为12月1日，预计两个半月结课[15] 课程详细大纲与结构 - **第一章：背景知识**：涵盖计算机图形学基础，包括三维空间的隐式/显式表达、渲染管线、光线追踪、辐射场渲染，并介绍COLMAP、Gsplat等开发工具，设置基于3D Real Car训练模型的小作业[8] - **第二章：原理和算法**：详细梳理3DGS原理及核心伪代码，讲解动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法，实战选用英伟达开源的3DGRUT框架[9] - **第三章：自动驾驶应用**：聚焦自动驾驶仿真重建，精讲浙大Street Gaussian、上交OmniRe和浙大Hierarchy UGP三篇工作，实战选用DriveStudio框架[10] - **第四章：研究方向**：探讨COLMAP扩展、深度估计及Relighting等重要研究方向，分析其工业界服务价值与学术探索意义[11] - **第五章：前馈式3DGS**：梳理前馈式3DGS的发展历程与算法原理，讲解最新的AnySplat和WorldSplat算法工作[12] - **第六章：答疑讨论**：通过线上交流形式，讨论3DGS岗位需求、行业痛点及开放性问题[13] 课程面向人群与学习收获 - 面向具备一定计算机图形学基础，了解视觉重建、NeRF、3DGS等技术，并拥有概率论、线性代数及Python、PyTorch语言基础的学员[17] - 学习收获包括掌握3DGS完善的理论知识及相关技术栈，掌握算法开发框架并能训练开源模型，获得与学术界及工业界同行持续交流的机会，对实习、校招、社招均有助益[17] - 学员需自备GPU，推荐算力在RTX 4090及以上[17] - 课程提供早鸟优惠，名额仅限30名[5][18]

公司业绩表现 - 2024年第三季度，公司共销售新车17.4万辆，同比增长101.77%，环比增长29.63% [3][8] - 2024年第三季度，公司实现净利润1.5亿元，继半年度盈利后再度实现单季盈利 [4][8] - 截至2024年第三季度末，公司在手资金达339.2亿元，并保持正向的经营现金流与自由现金流 [4][8] - 2024年第三季度，公司收入创下新高，达到194.5亿元，同比增长97.3% [11] - 2024年11月15日，公司年度累计销量突破50万辆，提前一个半月完成原定全年目标 [5] 财务与运营指标 - 2024年第三季度，公司单车收入从第二季度的10.6万元提升至11.2万元 [12] - 2024年第三季度，公司毛利率从第二季度的13.6%回升至14.5%，较去年同期的8.2%提升了4.3个百分点 [12] - 2024年第三季度，公司毛利达到28.2亿元，同比增长45%，环比增长248% [12] - 2024年第三季度，公司研发费用和管理费用创下新高，分别为12.1亿元和6.3亿元，较上一季度分别增加1.2亿元和2.2亿元 [14] 销量目标与增长 - 公司创始人提出2025年销量目标为冲击100万辆，较2024年预计的50-60万辆几近翻番 [5] - 2024年8月，公司将2025年全年销量目标从年初的50-60万辆上调至58-65万辆 [18] - 公司第100万台整车于2024年9月25日下线，从第50万辆到第100万辆用时不到一年 [21] - 公司月销量接连突破5万辆、6万辆，并在2024年第四季度首月突破7万辆大关 [3][8] 产品战略与布局 - 公司规划了A、B、C、D四大产品系列，覆盖从低到高的价格区间及轿车、SUV、MPV等车型 [9] - C系列（如C10、C11、C16）是销量主力，在总销量中占比约七成 [12] - B系列首款轿车B01起售价不到9万元，上市次月起月销量便突破万辆 [11] - 2025年，公司将完成A、B、C、D四大产品线的全面布局，计划推出2-3款D系列新品及2款A系列新品 [23] - D系列首款旗舰SUV D19已于2024年10月中旬首秀，A系列首款车型A10将于2024年11月广州车展亮相 [23] - 专为年轻人打造的全球车型Lafa5将于2024年11月27日正式上市 [23] 核心竞争能力 - 公司成功的关键在于“全域自研”的供应链模式、极强的成本控制能力以及“技术普惠”的产品定价理念 [4][8] - 公司平台化水平高，B系列零部件通用率高达88%，规模效应能高效反哺财务数据 [12] - 公司经营理念务实，旨在成为年销数百万级的世界级电动车企，类似于燃油车时代的大众、丰田 [8] - 公司产品遵循“好而不贵”的一贯风格，即便是高端D系列也延续“产品很豪华，价格不豪华”的理念，以成本为核心定价 [26] - 公司在用户洞察和产品定义上更加成熟，清楚用户的刚需、补充性需求及个性化需求 [27]