作者｜黄楠 编辑｜袁斯来 硬氪获悉，上海织识智能科技有限公司（以下简称"尧乐科技"）已完成近亿元Pre-A轮融资，云道资本担任长期独家财务顾问。我们总结了本轮融资信息和 该公司几大亮点： 融资金额及投资机构 融资轮次：Pre-A轮 公司基本信息 成立时间：2015年 融资规模：近亿元；此前已获得小米集团投资的首轮融资 投资方：科沃斯参股的隐峰揽秀基金领投，硅港资本、初辉资本跟投 资金用途：本轮资金将重点投向核心技术迭代、出海市场扩展以及硬件规模化量产 注册地址：上海市徐汇区 企业定位：尧乐科技是一家专注于柔性织物压力传感器研发与解决方案提供商，基于平台化的"柔性触觉感知"技术，向B端客户提供传感器设计、软硬件及 算法的一站式智能感知解决方案，并面向C端与海外市场，自主打造覆盖人体高频接触场景的"1+N"健康感知产品矩阵。 团队背景：创始人兼CEO吕莉蕴曾任职于国际汽车电子头部企业Harman担任首席架构工程师，主导多模态传感器融合计算平台研发，在车载感知系统与硬 件架构领域经验深厚。核心团队多来自中科院、密歇根大学等知名机构，具备从底层传感材料到上层智能算法的全链条研发能力。 技术亮点：尧乐科技以自主研发的柔 ...

责任编辑：江钰涵 新浪科技讯 1月5日上午消息，新浪科技从知情人士处独家获悉，阿里巴巴旗下高德已布局世界模型， 并计划基于世界模型推出一项新的产品应用。 目前，该模型已在空间智能评测基准WorldScore中，取得多项指标第一的成绩。WorldScore由著名华裔 人工智能科学家、斯坦福大学教授李飞飞团队提出，也是首个支持多模态世界生成模型统一评估的开源 基准测试。 此外新浪科技还了解到，高德内部已成立具身业务部。在招聘平台上，高德放出了具身业务部的多个招 聘岗位，包括具身智能产品专家、数据/算法工程师等方向。知情人士表示，机器人、机器狗等产品形 态都在具身业务部的探索方向之中。 新浪科技讯 1月5日上午消息，新浪科技从知情人士处独家获悉，阿里巴巴旗下高德已布局世界模型， 并计划基于世界模型推出一项新的产品应用。 目前，该模型已在空间智能评测基准WorldScore中，取得多项指标第一的成绩。WorldScore由著名华裔 人工智能科学家、斯坦福大学教授李飞飞团队提出，也是首个支持多模态世界生成模型统一评估的开源 基准测试。 此外新浪科技还了解到，高德内部已成立具身业务部。在招聘平台上，高德放出了具身业务部的 ...

行业投资评级 - 汽车与零部件行业评级为“中性”，且维持该评级 [5] 核心观点 - 2026年汽车以旧换新补贴政策延续，有望带动一季度乘用车需求边际改善，并引导车市结构向中高端车型倾斜 [8][11] - 特斯拉Optimus V3发布在即，国内机器人公司密集冲刺上市，机器人产业链将持续受益 [8][12] - 汽车零部件公司增加海外投资，海外业务将成为中长期重要增长点 [8][13] - 投资策略上，建议关注能确定进入特斯拉、Figure、智元、宇树等机器人配套产业链的汽车零部件公司，以及海外市场销售规模提升、智驾技术领先的整车企业 [3][13] - 建议持续关注人形机器人链、液冷产业链、出海链、T链、智驾产业链公司 [3][13] 本周观点总结 - **以旧换新政策分析**：2026年政策由定额补贴改为按车价比例补贴，报废更新购买新能源车补贴车价12%、油车10%，置换购买新能源车补贴8%、油车6% [8][11]。2026年第一批625亿元支持消费品以旧换新资金已提前下达 [8]。政策对15万元以下中低端车型补贴力度退坡，预计将引导2026年国内车市结构向中高端车型倾斜 [8][11] - **机器人产业链催化**：特斯拉Optimus V3预计于2026年一季度发布，量产前审厂、定点等事件节点临近 [8][12]。截至2025年12月，国内有超过30家机器人产业链公司排队等待港交所上市聆讯 [8][12]。优必选拟斥资约16.65亿元收购锋龙股份约43%的股份 [8][12]。2026年特斯拉Optimus将进入规模化量产，国内人形机器人出货量预计实现翻倍以上增长 [8][12] - **出海链公司动态**：新泉股份拟向墨西哥子公司增资1.18亿美元，该公司2025年1-9月营收16.79亿元、净利润1.37亿元 [8][13]。银轮股份拟增资约2.69亿元人民币投向墨西哥新设子公司 [8][13]。汽车零部件公司海外投资反映其海外订单需求旺盛，海外营收及利润占比预计将持续提升 [8][13] 销量跟踪总结 - **周度销量**：2025年12月22-28日，全国乘用车批发销量83.2万辆，同比下降13%；零售销量62.8万辆，同比下降12% [16] - **月度销量**：2025年11月，全国狭义乘用车批发销量299.8万辆，同比增长2.3%；零售销量222.5万辆，同比下降8.1% [20]。全国新能源乘用车批发销量170.6万辆，同比增长18.7%，渗透率达56.9%；零售销量132.1万辆，同比增长4.2%，渗透率达59.3% [25][27] - **车企12月销量**：鸿蒙智行交付8.96万辆，同比增长81.1%；零跑销售6.04万辆，同比增长42.1%；小米交付超5万辆；蔚来交付4.81万辆，同比增长54.6%；理想交付4.42万辆，同比减少24.4% [29] 市场行情总结 - **行业表现**：本周中信汽车一级行业涨跌幅为1.5%，跑赢沪深300指数（-0.6%），在29个一级行业中位列第5 [35] - **子板块表现**：汽车零部件板块上涨3.63%，摩托车及其他板块上涨0.25%，汽车销售及服务板块下跌0.95%，商用车板块下跌0.99%，乘用车板块下跌1.20% [35] - **重点公司股价**：本周零部件公司如三花智控（+16.93%）、新泉股份（+14.05%）、拓普集团（+8.26%）涨幅居前；整车公司中吉利汽车（+7.57%）上涨，比亚迪（-2.29%）、上汽集团（-1.74%）下跌 [36] 产业链动态与公司公告摘要 - **新车信息**：零跑D19大型SUV开启盲订，计划2026年4月上市 [44]。宝骏华境S大六座SUV官图发布，计划2026年上半年上市 [46] - **车企销量与目标**：吉利汽车2025年累计销售302.46万辆，2026年销量目标345万辆 [47]。小鹏汽车2025年全年交付42.94万辆，同比增长126%，其中海外交付4.50万辆 [48]。蔚来2025年全年交付32.60万辆，同比增长46.9% [49]。理想汽车2025年全年交付40.63万辆，同比减少18.8% [50] - **资本运作与投资**：零跑汽车向一汽股权发行股份，认购总额37.44亿元 [51]。银轮股份增资用于墨西哥及四川生产基地建设 [53][54]。长安汽车拟向特定对象发行股票募资60亿元 [55]。长城汽车调整2026年销量考核目标至180万辆 [56]。浙江荣泰筹划发行H股并在香港上市 [59] - **行业政策与趋势**：国家发布2026年汽车以旧换新补贴细则 [62]。四部门印发《汽车行业数字化转型实施方案》，设定2027年及2030年发展目标 [63][65]。2025年11月中国电动汽车出口量达19.98万辆，同比激增87% [66]。小鹏汽车董事长何小鹏预计2026年下一代全自动驾驶会真正到来 [68] - **机器人产业进展**：智元机器人2025年销售收入有望超10亿元，并发布了个人机器人启元Q1 [69][70]。宇树科技全国首家线下门店开业 [72]

文 | 观潮科技Pro，作者 |高恒 宇树科技被传"A股绿色通道被叫停"，虽迅速辟谣，但这场舆论风波还是将人形机器人赛道推上了新一 轮监管和资本审视的焦点。 1月4日，宇树科技突遭"绿色通道被叫停"的传闻袭扰，成为年初机器人行业的第一个舆论焦点。据网易 科技等媒体报道称，宇树科技虽仍在排队上市，但其原本依赖的"绿色通道"被监管叫停。这一说法迅速 引发广泛关注，外界普遍解读为监管层对机器人赛道过热发出的降温信号。 然而，宇树方面的回应更为直接。公司明确表示："该报道涉及我司上市工作相关动态情况的内容与事 实情况不符，我司未涉及申请绿色通道相关事宜。"目前该公司上市工作正常推进，相关进展将依法依 规进行披露。 当天下午宇树科技CEO（首席执行官）王兴兴在其微信朋友圈表示，"被人乱编的消息，大家别当真。" 从证监会官网信息来看，宇树科技确已于2025年11月完成了上市辅导，拟在A股IPO，由中信证券担任 辅导机构。这意味着，宇树的上市路径本就走的是标准流程，绿色通道并非必需项。 企事界北京科技有限公司执行董事李睿对观潮科技Pro表示：所谓"绿色通道"，是为特定类型企业（如 国家级专精特新"小巨人"）提供的加速审核机 ...

【导读】开年首周44只新基金开售，权益品种居多 新年伊始，公募打响新基金发行"第一枪"！ 本周（1月5日—1月9日），全市场共有44只新基金（仅统计主代码）面市，2026年首个交易日，就有28 只新基金"同台竞技"。其中，主动权益型基金和指数型基金成为发行主力。 业内人士表示，公募基金在新年伊始密集发行新基金，主要是基于对未来市场的信心。从新发基金品类 来看，不少是为了填补自身产品线空白或迎合未来市场热点的基金，例如红利、出海、科技、消费等主 题基金。 44只新基金开售 权益品种居多 史上第二 公募迎发行大年 刚刚过去的2025年，是公募基金发行大年。 本周，主动权益型基金和指数型基金新发分别为19只和12只。主动权益型基金中偏股混合型基金占"大 头"，达16只。 2026年首个交易日，就有28只新基金重磅发行，不少大中型基金公司A股、港股同时布局，挖掘两地优 质资产。 比如，汇添富科技领先就是A+H两地布局，聚焦具备全球竞争力的中国科技力量。该基金拟任基金经 理马磊表示，对于2026年科技板块，可聚焦三大方向布局：第一，围绕全球AI创新展开，算力、应 用、模型等相关领域值得重点关注；第二，聚焦中国硬科技自主 ...

未来，汇博机器人将持续推进产品研发与订单交付，按规划发布新一代产品；京基智农与汇博机器人的 合作，将加快具身机器人研究院的组建进程，聚焦核心技术研发与转化，助力公司加速培育新的业绩增 长点，完成新主业的战略布局。 目前，各方已就本次交易达成合作意向，后续还需推进尽职调查、审计、评估及签署正式股权投资协议 等工作。相关交易内容及进展情况，敬请以公司对外披露的公告文件为准。 (2)新能源智能运维领域：公司前瞻性采用"产品+运维服务"模式，聚焦光伏电站场景，与南方电网、中 核集团、华能集团、中能建集团等行业龙头深度合作，研发出高可靠、低成本的模块化光伏清洁机器人 及智能运维系统，有效解决了行业运维环境恶劣、劳动强度大、成本高的痛点。近期，公司成功中标中 能建单笔近亿元订单，随着业务优势持续得到市场验证，后续收入有望实现快速增长。(3)新兴场景拓 展领域：公司将依托"机器人+具身智能"核心技术，以及核心部件防水、防尘、抗腐蚀的特性，聚焦高 价值、可落地、高需求的应用场景，坚持具身智能机器人的全栈开发。通过构建多场景适配大模型，打 通具身机器人在复杂环境下的监测、辅助作业等关键环节，积极探索生猪养殖、酒店、物业管理等场 ...

【导读】开年首周 44 只新基金开售，权益品种居多 中国基金报记者 曹雯璟 新年伊始，公募打响新基金发行 " 第一枪 " ！ 本周（ 1 月 5 日 —1 月 9 日），全市场共有 44 只新基金（仅统计主代码）面市， 2026 年首个交易日，就有 28 只新基金 " 同台竞技 " 。其中，主动权益型基金和指数型基金成为 发行主力。 业内人士表示，公募基金在新年伊始密集发行新基金，主要是基于对未来市场的信心。从新 发基金品类来看，不少是为了填补自身产品线空白或迎合未来市场热点的基金，例如红利、 出海、科技、消费等主题基金。 44 只新基金开售 权益品种居多 Wind 数据显示，按照已公布的募集计划，本周有 44 只公募新基金发行，权益类产品是各家 基金公司布局的重点。 本周，主动权益型基金和指数型基金新发分别为 19 只和 12 只。主动权益型基金中偏股混合 型基金占 " 大头 " ，达 16 只。 2026 年首个交易日，就有 28 只新基金重磅发行，不少大中型基金公司 A 股、港股同时布 局，挖掘两地优质资产。 此外，还有万家启泰稳健三个月持有、广发悦盈稳健三个月持有、交银穗享多资产六个月持 有、汇添富稳 ...

2025年的大A，科技是主旋律，2026年估计会延续这一趋势！摩根士丹利发布的一份报告称，人形机器 人有望在未来引领科技股上涨。大摩还在报告中列出了25家有望在未来主导该行业的公司，其中7家公 司是中国企业，均胜电子是其中之一。 2025年4月，均胜电子与智元机器人合作，要围绕机器人大小脑及关键零部件进行联合研发，搭建测试 验证平台。10月智元机器人正式推出工业级交互式具身作业机器人精灵G2，并披露了均胜集团的数亿 元订单。 8月均胜电子与阿里云合作，双方将基于阿里云全系列通义千问大模型，联合开发具备先进认知与决策 能力的机器人智能体，推动具身智能机器人在工业制造、医疗康养等场景的商业化落地，并共同拓展海 外市场解决方案。 12月，均胜电子再与"老朋友"黑芝麻智能在机器人控制器、智能计算平台及行业应用等核心领域展开深 度协同，实现从汽车领域成功向机器人产业拓展的战略升级。 国外客户上，均胜电子为瑞士具身智能机器人公司RIVR（RIVR Technologies AG）提供定制化机器人 域控制器解决方案和机器人能源管理系统解决方案。 大摩报告预测全球机器人硬件销售额将从2025年的1000亿美元，飙升至2030 ...

文章核心观点 - StereoVLA模型通过创新性地融合立体视觉的几何线索与语义理解，系统性解决了现有视觉-语言-动作模型在空间感知精度上的核心不足，为机器人高精度操纵提供了全新解决方案 [1] 问题根源：VLA模型空间感知的挑战 - **单模态视觉局限**：现有方案如手腕相机视野有限且易遮挡，深度传感器对透明或镜面物体噪声大，多相机配置则增加硬件复杂度且泛化性受相机姿态影响显著 [4][5] - **几何与语义融合难题**：立体视觉能提供丰富空间线索，但现有VLA模型缺乏有效机制融合几何信息与语义理解，直接输入立体图像会因视角细微差异导致性能次优 [6] 方案设计：StereoVLA的三层技术架构 - **第一层：特征提取模块** - 几何特征提取：基于FoundationStereo预训练模型，提取过滤后的代价体积作为几何特征源，通过注意力混合代价过滤模块捕捉长程空间关联，无需额外深度估计计算 [12] - 语义特征提取：利用SigLIP和DINOv2模型仅对左视角图像进行处理，获取富含语义的视觉令牌，以解决立体视觉模型语义信息不足的问题 [12] - 特征融合策略：通过空间池化统一分辨率，采用通道维度拼接方式融合几何与语义特征，生成兼具几何精度与语义丰富度的混合特征表示 [12] - **第二层：辅助训练任务** - 聚焦交互区域：将采样范围限制在通过物体2D边界框定位的夹持器与目标物体交互区域，引导模型关注关键空间细节 [12] - 度量深度预测：基于合成数据集的真实深度标签，训练模型预测交互区域内采样点的度量深度，以提升操纵精度并加速模型收敛，且不增加推理计算负担 [12] - **第三层：大规模数据支撑** - 合成数据生成：利用MuJoCo与Isaac Sim生成500万条合成抓取-放置动作序列，渲染立体图像对，相机参数在真实Zed Mini相机参数的5%范围内随机化 [12] - 语义增强数据：融入互联网规模接地数据集GRIT，新增2D边界框预测辅助任务以提升模型语义接地能力 [12] - 数据多样性设计：生成三种不同随机化范围的数据集，覆盖15×10×15cm至150×50×60cm的空间变化，以验证相机姿态鲁棒性 [12] 验证逻辑：全面性能验证 - **核心任务性能突破** - 通用操纵任务：在常见物体抓取/放置、立方体堆叠等任务中，成功率较基线模型提升明显 [13] - 条形物体抓取：针对0°、45°、90°三种朝向的条形物体，实现近完美抓取成功率，解决了长轴视觉重叠导致的定位难题 [13] - 中小尺寸物体抓取：在1-2cm小型物体抓取任务中，以30.0%的成功率成为唯一有效模型，其他基线模型完全失败 [13] - **相机配置对比** - 在四种主流相机配置对比中，StereoVLA展现出最优的性能-鲁棒性平衡 [14] - 立体视觉配置在中、大姿态随机化场景下性能优势显著，较其他配置降低了相机姿态变化对操纵的影响 [17] - 相比前+侧面相机配置，StereoVLA在大姿态随机化场景下成功率提升157%，且部署更简洁，无需多相机校准 [17] - **核心模块消融验证** - 几何特征选择：过滤后的代价体积表现最优，较相关体积加语义特征的组合，成功率从54.0%提升至77.0% [15][18] - 语义特征作用：缺失语义特征时，模型抓取错误物体的概率显著增加，成功率平均下降20%以上 [15][18] - 深度估计策略：交互区域深度估计较全图像均匀采样，成功率提升18%，且避免了背景信息干扰 [18] 局限与未来方向 - 图像分辨率限制：当前224×224分辨率对1-2cm小型物体的语义接地与定位精度不足，需在高分辨率与计算成本间寻求平衡 [18] - 长时程依赖缺失：当前模型未捕捉长时程时间依赖，难以应对复杂连续操纵任务 [18] - 多机器人适配：验证仅基于Franka机械臂，未来需扩展至人形机器人等多具身化场景 [18] - 特征提取优化：可探索更多立体视觉基础模型的适配，以进一步提升几何特征质量 [18] StereoVLA的范式价值与行业影响 - 该模型的核心贡献在于首次将立体视觉系统融入VLA模型，并建立了“几何-语义融合-聚焦式辅助训练-鲁棒性验证”的完整技术链路 [16] - 其在条形物体、小型物体抓取等高精度任务中的突破，以及对相机姿态变化的强鲁棒性，为机器人操纵从实验室走向真实复杂场景提供了关键技术支撑 [16]

文章核心观点 - 小鹏汽车与北京大学联合提出了一种专为端到端自动驾驶设计的视觉语言模型视觉token剪枝新框架FastDriveVLA [1] - 该框架基于“前景信息比背景信息对驾驶决策更有价值”的假设 [2] - 通过创新的基于重建的剪枝器ReconPruner，在显著提升推理效率的同时，保持了甚至超越了原始模型的驾驶性能 [2][8][25] 研究背景与问题 - 端到端自动驾驶系统因其简洁性和减少误差传递的潜力而受到关注，但现有VLA模型将视觉输入转换为大量视觉token，导致巨大的计算开销和推理延迟，对车端部署构成挑战 [7] - 现有的视觉token剪枝方法（如引入新投影器、基于注意力或相似性的策略）并非为自动驾驶设计，在自动驾驶场景中存在局限性 [1][7] 方法与创新 - 构建了大规模自动驾驶前景标注数据集nuScenes-FG，包含来自6个摄像头视角的24.1万个图像-掩码对，明确定义了对驾驶决策有直接影响的前景区域（如行人、车辆、道路、交通标志等） [2][13] - 提出了一个轻量级、可即插即用的基于重建的剪枝器ReconPruner [16] - ReconPruner采用MAE风格的像素重建策略，并创新性地引入了对抗性前景-背景重建策略，以增强其区分前景与背景视觉token的能力 [16][19] 实验结果 - 在nuScenes开环规划基准测试中，FastDriveVLA在不同剪枝比例下均取得了SOTA性能 [2] - 当视觉token数量从3249个减少至812个（剪枝75%）时，FastDriveVLA的FLOPs直降约7.5倍 [2][26] - 在CUDA推理延迟方面，FastDriveVLA将预填充时间减少了3.7倍、将解码时间减少了1.3倍 [2][26] - 在剪枝25%时，FastDriveVLA的L2轨迹误差和碰撞率指标分别比未剪枝的原始模型低了0.1%和1.0% [28] - 研究建议在实际部署中采用50%的剪枝比例，以实现性能与效率的最佳平衡 [25] 效率与性能对比 - 在剪枝75%的情况下，FastDriveVLA的Token FLOPs为5.1T，预填充时间为51 ms/token，解码时间为18 ms/token [27] - 与基于注意力的基线（FastV, SparseVLM）和基于相似性的基线（DivPrune, VisPruner）相比，FastDriveVLA在各种剪枝比例下均展现出更优或更具竞争力的性能 [24] - 可视化分析表明，ReconPruner能有效保留前景关键信息（如车道、车辆），而其他方法存在漏检或定位不准的问题 [29]