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 导航信息、强化学习、扩散模型、自回归、时空联合规划兜底是当下端到端落地中最重要的技术栈。 近期和业内一位招聘朋友聊了聊，他们反馈 头部玩家已经验 证了端到端走的通，其他车企也开始铺 人力和资源跟进。但候选人往往只懂一部分，具体的量产经验如导航信息的引入、强化学习调优、轨迹的建模及优化都有很 多门道，都是实际的落地痛点。 为此我们花了三个月的时间设计了端到端量产进阶课程，七个项目从实战到落地层层展开。 该课程涉及的核心算法包括：一段式端到端、两段式端到端、导航信息的量产应用、开闭环强化学习、扩散模型+强化学习、自回归+强化学习、时空联合规划等 等，最后分享一些实际的量产经验。这门课程是自动驾驶之心联合工业界算法专家开设的《面向量产的端到端实战小班课》！课程只有一个重点：聚焦量产。从一 段式、两段式、强化学习、导航应用、轨迹优化、兜底方案再到具体量产经验分享。面向就业直击落地，所以这门课程目前不打算大规模招生， 仅剩「20名」招生 名额...... 讲师介绍 王路, C9本科+QS50 PhD，已发表CCF-A和 ...

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 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 ...

行业招聘需求与技术趋势变化 - 自动驾驶行业招聘需求正发生变化，两年前热门的感知岗位需求进一步收缩 [2] - 当前行业需求较高的技术方向集中在端到端、视觉语言动作模型和世界模型等领域 [2] - 头部玩家已验证端到端技术路径可行，其他车企正跟进投入人力和资源，从模型、场景、数据优化到下游规划兜底进行布局 [2] - 市场面临合格候选人供给不足的挑战，候选人往往只精通部分技术栈，而相关岗位要求广泛的技术能力 [2] - 具体的量产经验，如导航信息引入、强化学习调优、轨迹建模及优化，是实际落地中的关键痛点和门道 [2] 课程核心定位与内容设计 - 课程名称为《面向量产的端到端实战小班课》，核心重点是聚焦量产应用 [2] - 课程设计历时三个月，包含七个实战项目，从实战到落地层层展开 [2] - 课程核心算法覆盖一段式端到端、两段式端到端、导航信息量产应用、开闭环强化学习、扩散模型结合强化学习、自回归结合强化学习、时空联合规划等 [2] - 课程最终会分享实际的量产经验，目标面向就业与直接落地 [2] - 课程采用小班制，目前仅剩20个招生名额 [2][4] 端到端技术架构演进与核心模块 - 在端到端时代，感知任务的合并与规控算法的学习化已成为绝对主流 [7] - 如何更高效合并感知任务及设计规控的学习化模块是各大公司的核心必备技能 [7] - 两段式端到端框架涉及感知与规划控制的建模及信息传递方式，有其特定优缺点 [8] - 一段式端到端框架可实现信息的无损传递，因此在性能上通常优于两段式方案，具体方法包括基于视觉语言动作模型和基于扩散模型的方法等 [9] - 导航信息在自动驾驶中起引导、选路、选道的关键作用，其地图格式、内容及在端到端模型中的编码与嵌入方式是重要课题 [10] 算法训练策略与量产保障方案 - 仅依靠模仿学习存在局限，因人类驾驶风格迥异且部分极端场景数据难采集，需结合强化学习以学习因果关系并实现泛化 [11] - 课程项目实战涵盖基于模仿学习的算法，并重点介绍基于扩散模型和自回归的算法，在监督微调后会继续讲解强化学习实战 [12] - 在量产落地阶段，为确保轨迹稳定可靠，需有后处理的兜底逻辑，例如通过轨迹平滑优化算法对模型直出结果进行优化 [13] - 时空联合规划是重要的兜底方案，涉及多模态轨迹打分搜索及轨迹平滑等算法 [13] - 量产经验分享将从数据、模型、场景、规则等多个视角，剖析如何选用合适工具和策略以快速提升系统能力边界 [14] 课程安排与学员要求 - 课程面向进阶学员，开课时间为11月30日，预计三个月结课，采用离线视频教学配合VIP群答疑及三次线上答疑的形式 [15] - 课程章节按计划解锁，例如第一章于11月30日解锁，第二章于12月7日解锁，后续章节按周或月间隔陆续开放 [16][18] - 学员需自备图形处理器，推荐算力在4090及以上 [17] - 学员需具备的基础知识包括：熟悉自动驾驶鸟瞰图感知、视觉Transformer、端到端等常见算法；掌握强化学习、扩散模型理论基础；具备一定的Python和PyTorch语言基础；熟悉mmdet3d算法框架；以及一定的高等数学、线性代数和矩阵论基础 [17]

地平线的战略目标与市场定位 - 公司提出新目标：基于单征程6M芯片，为售价最低7万元的车型提供城区辅助驾驶方案，实现跟车、变道、超车等接近人类驾驶风格的功能 [3] - 公司计划在未来三到五年，通过与博世、元戎启行、轻舟智航、大众等厂商合作，推动其自研智驾算法HSD达成千万套量产规模 [3] - 公司瞄准13万元以下车型市场，该价格区间在今年前三季度占中国乘用车市场约50%份额，但基本不具备城区辅助驾驶功能 [3] 市场机会与竞争格局 - 10万元以下价格区间此前鲜有厂商涉足高阶城区智驾，主要受限于苛刻的芯片算力、算力利用率、算法模型条件以及用户对价格高度敏感 [3] - 公司提出“在没有竞争的地方竞争”的策略，当前搭载两颗英伟达Orin-X芯片最便宜的车型售价也达到12.98万元 [4] - 公司面临来自智驾供应商Momenta（芯片自研进展迅速）和高通（8775P芯片已有量产客户）的竞争 [4] - 行业头部厂商发展道路趋同，均走向软硬一体、极致降本，为更主流车型提供全栈解决方案 [9] 技术路径与产品战略 - 公司将高阶城区辅助驾驶比作新时代的“自动挡”，认为其应是汽车的基本素质而非情绪价值 [4] - 实现愿景面临双重门槛：在7万元车型上复刻25万元车型的智驾体验，同时守住成本红线，前者考验算法与工程能力，后者依赖规模效应 [4] - 公司从过去的“国产替代”追赶英伟达路线，转向开发更广阔的市场需求，以尽快扩大市场份额获得规模优势 [10] - 公司计划坚持每一代芯片和产品实现十倍算力提升、十倍模型容量叠加，其第五代芯片征程7系列计划与特斯拉下一代AI5芯片同步推出 [10] 征程6系列芯片的关键作用 - 征程6系列是让公司上智驾牌桌的重要产品，其征程6M芯片可实现城市NOA，征程6P算力达560 TOPS [11] - 该系列芯片提前预判市场需求，适配Transformer架构和“端到端”算法，以支持城市NOA [11] - 公司CEO修正了此前判断，认为随着端到端等新算法框架出现，智能驾驶行业将在2025年迎来拐点，并展望“3年实现脱手开、5年实现闭眼开、10年实现随心开” [11] - HSD智驾方案的千万套出货目标能否实现，主要取决于征程6系列的上车表现 [10] - 公司自研并开放HSD方案，旨在提高HSD出货量，因为有能力基于征程芯片自研城市NOA的供应商是少数 [10]

早鸟优惠！开课即止~ 讲师介绍 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 Jason老师新课《世界模型与自动驾驶小班课》正式推出啦！ 自动驾驶之心联合 工业界大佬 共同开展，先前的《端到端与VLA自动驾驶小班课》备受大家好评，因 此我们进一步推出这门世界模型小班课， 课程聚焦于通用世界模型、视频生成、OCC生成等世界模型算法，涵盖特斯拉世界模型、李飞飞团队Marble等。欢迎大 家加入学习~ Jason：C9本科+QS50 PhD，已发表CCF-A论文2篇，CCF-B论文若干。现任国内TOP主机厂算法专家，目前从事端到端、大模型、世界模型等前沿算法的预研和量 产，并已主持和完成多项自动驾驶感知和端到端算法的产品量产交付，拥有丰富的端到端算法研发和实战经验。 课程大纲 这门课程讲如何展开 第一章：世界模型介绍 第一章主要针对自动驾驶世界模型概括性的内容讲解。 这一章老师会先复盘世界模型和端到端自动驾驶的联系，接着讲解世界模型的发展历史以及当下的应用案 例。然后介绍世界模型有哪些流派：纯仿真的世界模型、仿真+Planning、生成传感器输入、生成感知结果 ...

讲师介绍 王路, C9本科+QS50 PhD，已发表CCF-A和CCF-B论文若干。现任国内TOP tier1算法专家，目前从事大模型、世界模型等前沿算法的预研和量产，所研发算法已成功 落地并量产，拥有丰富的端到端算法研发和实战经验。 课程大纲 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 这两天和业内一位招聘朋友聊了聊，现在自驾的招聘需求在悄悄的发生一些变化。两年前热门的感知岗位进一步收缩， 目前需求较高的在端到端、VLA、世界模型 等方向上。 头部玩家已经验证了端到端这条路走的通，其他车企也开始铺 从模型优化、场景优化、数据优化，再到下游的规划兜底 人力和资源跟进。但候选人往 往只懂一部分，这些岗位其实涉及的技术栈很广。具体的量产经验如导航信息的引入、强化学习调优、轨迹的建模及优化都有很多门道，都是实际的落地痛点。 为 此我们花了三个月的时间设计了端到端量产进阶课程，从实战到落地层层展开。 该课程涉及的核心算法包括：一段式端到端、两段式端到端、导航信息的量产应用、开闭环强化学习、扩散模型+强化学习、自回归+强化学习、时空联合规划等 等，最后分享一些实 ...

行业招聘与技能需求变化 - 自动驾驶行业招聘需求正发生变化，两年前热门的感知岗位需求进一步收缩 [2] - 当前行业需求较高的方向集中在端到端、VLA（视觉语言动作模型）、世界模型等领域 [2] - 头部玩家已验证端到端技术路径可行，其他车企正跟进投入模型、场景、数据优化及规划兜底等方面的人力和资源 [2] - 市场面临人才技能与岗位需求不匹配的挑战，相关岗位技术栈广泛，但候选人往往只精通部分领域 [2] - 具体的量产经验，如导航信息引入、强化学习调优、轨迹建模与优化等，是实际落地中的关键痛点 [2] 课程核心内容与结构 - 课程名称为《面向量产的端到端实战小班课》，核心重点是聚焦量产应用 [2] - 课程设计历时三个月，内容从实战到落地层层展开 [2] - 课程涵盖核心算法包括：一段式端到端、两段式端到端、导航信息的量产应用、开闭环强化学习、扩散模型+强化学习、自回归+强化学习、时空联合规划等 [2] - 课程最终会分享实际的量产经验 [2] - 课程采用小班教学模式，仅剩20个招生名额 [2][4] - 课程面向进阶学员，建议具备自动驾驶BEV感知、视觉Transformer、端到端算法、强化学习、扩散模型理论基础，以及Python、PyTorch、mmdet3d框架等技能基础 [16] - 课程为离线视频教学，辅以VIP群答疑和三次线上答疑，开课时间为11月30日，预计三个月结课 [15][17] 技术发展趋势与课程章节详解 - **端到端任务概述**：在端到端时代，感知任务合并与规控算法学习化已成为绝对主流，如何高效合并感知任务及设计学习化规控模块是行业核心技能 [7] - **两段式端到端算法**：章节介绍两段式框架的建模方式、感知与规划控制的信息传递，分析其优缺点，并通过PLUTO算法进行实战讲解 [8] - **一段式端到端算法**：一段式框架可实现信息无损传递，性能上优于两段式方案，章节将学习基于VLA、扩散模型等多种方案，并以VAD系列进行深入教学 [9] - **导航信息的量产应用**：导航信息在自动驾驶中起引导、选路、选道作用，章节介绍主流导航地图格式、内容及其在端到端模型中的编码与嵌入方式 [10] - **自动驾驶中的强化学习算法**：纯模仿学习存在局限，需结合强化学习以学习因果关系并实现泛化，章节重点介绍强化学习算法及其训练策略 [11] - **端到端轨迹输出优化**：章节进行NN Planner项目实战，涵盖基于模仿学习的扩散模型与自回归算法，以及在监督微调后结合强化学习的实战 [12] - **兜底方案-时空联合规划**：为应对模型输出非100%准确，量产需轨迹平滑优化等后处理兜底逻辑，章节介绍多模态轨迹打分搜索及轨迹平滑算法 [13] - **端到端量产经验分享**：最终章节从数据、模型、场景、规则等多视角分享量产经验，剖析如何选用合适工具与策略以提升系统能力边界 [14] 讲师背景 - 讲师王路拥有C9本科和QS50高校博士学位，已发表若干CCF-A和CCF-B论文 [4] - 现任国内顶级Tier1供应商算法专家，从事大模型、世界模型等前沿算法的预研与量产工作 [4] - 所研发算法已成功落地并量产，拥有丰富的端到端算法研发和实战经验 [4]

行业投资评级 - 行业投资评级：优于大市（维持评级）[1] 核心观点 - 国内外政策逐步落地，智能驾驶高速发展是必然趋势[2] - 特斯拉与华为“端到端”算法引领技术突破，华为城市NOA覆盖率已达99.56%[2] - 比亚迪推动“智驾平权”，2025年高速NOA渗透率有望从11.3%增至39.0%，城市NOA渗透率从6.1%增至9.6%[2][41] - 伴随硬件成本下降和国产芯片崛起，智驾功能加速向10-20万元车型市场下沉[2][45] - Robotaxi全球市场潜力近10万亿元，Waymo与Apollo为领域领航者，商业化进程持续加速[2][115] 智驾规范：各方政策逐步落地 - 国家政策积极推动L3商用部署和L4技术探索，构建标准体系并鼓励示范应用[6][7] - 地方政府如北京、上海、广州、深圳积极探索应用场景，聚焦权责划分并进入试点阶段[6][7] - 海外政策不断完善高级别智驾安全条例，并以美国、日本为代表积极提升渗透率，拓宽使用场景[9][11] 高端智驾：特斯拉与华为端到端技术 - 特斯拉FSD V13采用火箭同源代码，实现从停车场直接启动的全程自动驾驶[16][17] - 特斯拉FSD V12采用端到端神经网络模型，优化30万行代码，实现数据收集到反应的自动化[16][17] - 华为ADS 3.0实现业界首发“车位到车位”智驾领航NCA功能，城市NCA覆盖率高达99.56%[19][20] - 华为ADS 3.0采用GOD大网与PDP网络结合的端到端算法，复杂路口通过率超过96%[19][20] 智驾平权：2025年智驾渗透率拐点 - 比亚迪智驾研发采取自研+合作模式，高阶系统“天神之眼”实现全国无图城市领航功能开通[24] - 比亚迪将中阶智驾市场下沉至10万元级车型，部分车型智驾版价格下探至7.98万元[26][29] - DeepSeek大模型接入降低车端算力需求和芯片部署成本，推进中阶智驾功能下放[30][32] - 国内各类车企积极布局L3产品，比亚迪智驾版预计2025年覆盖全系车型[34][35] - 比亚迪智能驾驶硬件配置呈现高低分层趋势，高端车型具备L3级能力[37][38] 产业链及零部件厂商分析 - 智驾芯片市场向SoC过渡，英伟达Orin-X算力达254 TOPS，Thor-X算力达1000 TOPS[50][51] - 英伟达以42%份额主导国内市场，地平线、华为为国产龙头，份额分别为10%和9%[53][56] - 比亚迪“天神之眼”计划拉动芯片市场需求，预计2025年市场规模达15.8亿美元，较2024年增长37%[59][63] - 激光雷达市场100%由本土厂商构成，2024年装机量超150万颗，速腾聚创与华为技术份额领先[69][72] - 预计2025年激光雷达市场规模达8亿美元，较2024年增长62%，禾赛科技市占率预期达31%[76][77] - 毫米波雷达市场规模预计2025年超10000万颗，本土企业立讯精密、德赛西威份额提升[84][95] - 车载摄像头市场年均复合增长率达21.31%，2025年前装市场规模预计达1.2亿颗[97][98] - 韦尔股份与舜宇光学约30%-40%利润来自ADAS业务，受益于功能下沉至10万元以下车型[103] Robotaxi：智能驾驶最佳商业化场景 - Robotaxi是基于L4/L5技术的出行服务，集成传感器、AI算法等实现完全自主驾驶[112][114] - 全球市场潜力广阔，乐观预计2030年市场规模可达9.06万亿元[115] - 中国和美国处于商业化第一梯队，Waymo与Apollo为领域领航者[116][121] - Pony AI已实现全市范围运营成本盈亏，目标2025年车队超1000辆；WeRide目标2030年部署十万辆[2]

自动驾驶行业招聘趋势变化 - 感知岗位需求进一步收缩，而端到端、VLA、世界模型等方向需求较高 [1] - 头部玩家已验证端到端路径可行，其他车企正跟进模型优化、场景优化、数据优化及规划兜底等资源投入 [1] - 候选人技术栈狭窄，缺乏导航信息引入、强化学习调优、轨迹建模等量产经验，成为实际落地痛点 [1] 端到端量产课程核心内容 - 课程聚焦量产实战，涵盖一段式端到端、两段式端到端、导航信息应用、强化学习、扩散模型+强化学习等核心算法 [1][2] - 课程设计基于实际量产需求，包括轨迹优化、兜底方案及量产经验分享，仅限25名学员参与 [2][3] - 讲师为顶级Tier1算法专家，具备大模型、世界模型等前沿算法预研和量产落地经验 [3] 课程大纲与技术模块 - 第一章介绍感知任务合并与规控学习化趋势，分析主流一体化架构及开源数据集评测方式 [6] - 第二、三章对比两段式与一段式端到端框架，分别讲解PLUTO算法实战和VAD系列方法，强调一段式方案性能更优 [7][8] - 第四至七章深入导航信息编码、强化学习泛化训练、轨迹输出优化及时空联合规划兜底方案，覆盖模仿学习与强化学习结合应用 [9][10][11][12] - 第八章从数据、模型、场景等多视角分享量产经验，提升系统能力边界 [13] 课程安排与学员基础要求 - 课程周期为三个月，自11月30日起分章节解锁教学，包含离线视频与三次线上答疑 [14][16] - 学员需自备GPU（推荐算力4090及以上），熟悉BEV感知、Transformer、强化学习等算法，具备Python/PyTorch及数学基础 [15]