公司股价与市场动态 - 文远知行港股今日收盘上涨近6% [1] - 文远知行美股盘前交易上涨超过3% [1] 行业政策与准入许可 - 中国首批L3级有条件自动驾驶车型准入许可正式公布 [1] - 获得准入许可的车型为长安牌SC7000AAARBEV型纯电动轿车和极狐牌BJ7001A61NBEV型纯电动轿车 [1] 公司业务与市场地位 - 文远知行是全球领先的L4级自动驾驶产品和解决方案提供商 [1] - 公司正加速推进L4级产品商业化落地 [1] - 公司于11月20日获得瑞士联邦公路局颁发的纯无人牌照 [1] - 公司是同时拥有瑞士、中国、阿联酋、沙特阿拉伯、新加坡、法国、比利时和美国八国自动驾驶牌照的科技公司 [1]

文章核心观点 - 一次因大规模停电导致的交通信号灯失灵事件，暴露了Waymo自动驾驶系统在极端场景下的运营漏洞和技术短板，引发了对其所代表的L4终局式技术路线的质疑 [1][3][7] - 特斯拉及其代表的L2渐进式路线借此事件彰显了其优势，马斯克公开表示其Robotaxi未受影响，凸显了特斯拉通过海量真实数据训练和FSD系统应对复杂场景的能力 [1][12][13] - 自动驾驶行业竞争加剧，以特斯拉为代表的“渐进式”路线玩家正加速进入Robotaxi市场，与Waymo代表的“终局式”路线展开正面竞争，行业进入“战国时代” [1][19] 事件起因与Waymo的应对 - 旧金山变电站火灾导致大规模停电，影响约13万居民，交通信号灯停止工作 [2][3] - Waymo Robotaxi将不工作的红绿灯视为停车标志而停下，但由于停电范围大、无线信号差，远程安全员无法接管车辆，导致车辆成为路障，造成交通拥堵 [3][5][7] - Waymo公司连夜用拖车移走车辆，并宣布在当地暂停运营，恢复时间未定 [5] Waymo暴露的技术与运营问题 - 车队规模超过2500辆，在行业中排名第一，但分散于各城市，收集的真实场景数据有限，这是行业共性问题 [8] - 公司技术转向“世界模型”，通过模拟环境补充数据训练，但此前未对“交通灯失灵”这类极端场景进行针对性训练，导致AI司机缺乏应对能力 [9] - 此次事件暴露了其在极端情况下的运营依赖性和技术准备不足 [7][9] 特斯拉的对比与进展 - 马斯克迅速回应，称特斯拉Robotaxi在旧金山停电事件中未受影响，并获得了大量网友支持，其推文点赞量超过6万 [12][13][15] - 支持者认为特斯拉FSD系统经过了数十亿公里行驶数据的验证，能更好地处理异常情况 [15] - 特斯拉在加州的奥斯汀已开启无人驾驶运营，摩根士丹利预测其Robotaxi车队规模将在明年突破1000辆，2030年达3万辆，2035年达到惊人的100万辆 [17] - 特斯拉在加州还注册了1655辆车用于带司机的网约车服务，这些车辆激活FSD系统进行人机共驾，以收集数据反哺Robotaxi业务 [18] 行业竞争格局演变 - 以Waymo为代表的L4终局式路线正面临来自特斯拉L2渐进式路线的实质性挑战 [1][17] - 中国自动驾驶公司如Momenta、元戎启行、地平线等也纷纷重注Robotaxi，沿着“特斯拉路线”前进 [19] - 出行平台集体转向，推出Robotaxi打车服务，行业竞争在2026年将变得前所未有的激烈 [19]

世界模型技术趋势与行业应用 - 世界模型是自动驾驶行业当前确定的技术趋势，可应用于数据生成和闭环仿真等领域 [1] - 特斯拉基于前馈高斯溅射技术构建世界仿真器，而小米和理想则利用世界模型进行长尾数据生成和端到端闭环仿真 [1] - 市场对掌握世界模型技术的人才需求预计在明年将更加旺盛 [1] 课程核心内容与结构 - 课程为自动驾驶领域首个面向端到端技术的进阶实战教程，旨在推动端到端技术在工业界的落地 [9] - 课程内容涵盖通用世界模型、视频生成、OCC生成等核心算法，并解析特斯拉世界模型、李飞飞团队Marble等前沿工作 [1] - 课程采用离线视频教学，配合VIP群答疑及三次线上答疑，学习周期预计为两个半月 [13] 详细课程大纲 - **第一章：世界模型介绍** 复盘世界模型与端到端自动驾驶的联系，讲解其发展历史、应用案例及不同技术流派（如纯仿真、仿真+规划、生成传感器输入等），并介绍相关数据集与评测标准 [4] - **第二章：世界模型的背景知识** 深入讲解世界模型的技术栈，包括场景表征、Transformer、BEV感知等基础知识，这些内容是求职面试中的高频技术关键词 [4][5] - **第三章：通用世界模型探讨** 聚焦通用世界模型及近期热门工作，详细解析李飞飞团队Marble、DeepMind的Genie 3、Meta的JEPA、导航世界模型以及特斯拉ICCV分享的世界模型模拟器等 [5] - **第四章：基于视频生成的世界模型** 重点讲解视频生成类世界模型算法，涵盖Wayve的GAIA-1 & GAIA-2、上海交通大学的UniScene、商汤的OpenDWM、中科大的InstaDrive等经典与前沿工作，并以商汤开源的OpenDWM进行实战 [6] - **第五章：基于OCC的世界模型** 聚焦OCC生成类世界模型算法，讲解三篇核心论文并进行一个项目实战，此类方法可扩展至自车轨迹规划，进而实现端到端自动驾驶 [7] - **第六章：世界模型岗位专题** 基于前五章算法基础，分享工业界应用经验、行业痛点、技术期望以及相关岗位的面试准备要点 [8] 课程关键技术覆盖 - 课程将复习Transformer并扩展至视觉Transformer，讲解CLIP和LLaVA等多模态大模型基础 [10] - 详细讲解BEV感知和占用网络，扩散模型理论及其在多模轨迹输出中的应用，以及闭环仿真中的NeRF和3DGS技术 [10] - 同时覆盖其他生成式模型，如VAE、GAN以及Next Token Prediction等方法 [10] - OCC生成类世界模型部分将涵盖清华的OccWorld、复旦的OccLLaMA、华科的HERMES以及西交的II-World等核心工作 [11] 面向人群与学习收获 - 课程面向具备一定自动驾驶领域基础，熟悉Transformer大模型、扩散模型、BEV感知等基本概念，并拥有概率论、线性代数及Python、PyTorch编程基础的学员 [12] - 学员需自备GPU，推荐算力在RTX 4090及以上 [12] - 课程期望使学员在学完后能达到具备1年左右经验的世界模型自动驾驶算法工程师水平 [12] - 学员将掌握世界模型技术进展，对BEV感知、多模态大模型等关键技术有更深刻理解，能够复现II-World、OpenDWM等主流算法框架，并具备设计自有世界模型并将其应用于项目的能力 [12]

文章核心观点 - DrivePI是一种新型的空间感知4D多模态大语言模型，它作为一个统一的视觉-语言-行为框架，旨在通过端到端优化，同时执行空间理解、3D感知、预测和规划任务，从而弥合当前自动驾驶系统中基于视觉的方法与基于VLA的方法之间的差距 [4][6][7] 研究背景与挑战 - 当前自动驾驶系统主要有两种范式：基于视觉的方法（如UniAD、VAD）在空间感知方面表现出色但缺乏自然语言交互能力；基于VLA的方法（如OpenDriveVLA、ORION）具有更好的交互能力但缺乏精细的中间3D感知和预测输出，影响可靠性和安全性 [7][8] - 核心挑战在于开发一个统一框架，结合基于视觉模型的精确空间感知能力和VLA方法的自然语言交互能力 [7] 技术架构与创新点 - **多模态感知**：引入激光雷达作为相机图像的补充传感模态，提供精确的3D几何信息，以激发MLLM的空间理解能力 [11] - **精细化空间表示**：生成中间的精细3D感知（如3D占用体素）和预测（如占用流）表示，确保输出特征保持可靠的空间感知能力，增强系统的可解释性和安全保障 [11] - **丰富的数据引擎**：开发了将3D占用和占用流表示无缝集成到自然语言场景描述中的数据引擎，使模型能够通过文本理解复杂的时空动态 [11] - **统一模型设计**：采用端到端联合优化，覆盖3D感知、预测、规划和场景理解等所有任务，用一个MLLM统一了现有的VLA和VA框架 [11] - 架构关键组件包括：多模态视觉编码器（UniLION）、空间投影器、MLLM主干（基于Qwen2.5-0.5B模型构建）、以及四个专用头部（文本头、3D占用头、占用流头、行为扩散头） [11][17] 数据引擎 - 数据引擎分为三个阶段：场景理解注释（使用InternVL3-78B生成前/后视图描述）、4D空间理解注释（利用地面真实占用和流数据生成问答对）、规划推理注释（基于自车未来轨迹生成规划问答对） [18] 实验结果与分析 - **文本理解能力**：在nuScenes-QA基准测试中达到60.7%的平均准确率，超过OpenDriveVLA-7B模型2.5个百分点；在存在、对象和状态子类别上分别达到85.3%、57.5%和59.1%的准确率 [19][20] - **3D占用体素感知性能**：在Occ3D基准测试上达到46.0%的RayIoU，比之前最先进的OPUS方法提高4.8个百分点；在1m、2m和4m距离上分别达到42.2%、46.7%和49.2%的RayIoU [21][22] - **3D占用和占用流预测性能**：在OpenOcc基准测试上实现49.3%的OccScore和49.3%的RayIoU，将占用流mAVE降至0.509；超越FB-OCC的3D占用RayIoU达10.3个百分点，并将流mAVE从0.591降至0.509；比ALOcc-Flow-3D在OccScore上高出6.3%，在RayIoU上高出7.4% [15] - **轨迹规划性能**：在nuScenes基准测试中，使用自车状态信息时实现0.40m的L2误差和0.11%的碰撞率，碰撞率比ORION降低70%（从0.37%降至0.11%）；不使用自车状态信息时，L2误差比VAD低32%（从0.72m降至0.49m） [16] 消融研究与分析 - **文本头部与视觉头部的消融研究**：当文本头和视觉头结合时，与仅视觉设置相比，统一模型的3D占用RayIoU提高1.8%，占用流mAVE降低0.18，规划L2误差降低0.52m，同时保持60.7%的文本理解准确率，证明了统一框架的有效性 [23][24] - **文本数据规模的影响**：使用Qwen-2.5 3B模型并扩大训练数据规模后，模型在占用状态预测的准确率从73%提升到87%，占用类别预测的准确率从14.3%显著提升到59.2% [26] - **多任务学习平衡权重研究**：实验表明，较高的3D占用和流损失权重（1.0）在该任务上性能更好，但在规划准确性和文本理解任务上略有降低，最终实现采用了默认权重1.0 [27][28] - **MLLM隐藏状态重要性权重分析**：分析显示，更深层的Transformer层获得更大的可学习权重，表明高级特征对模型有效性更为关键 [29][30] 可视化结果与能力展示 - DrivePI能够同时生成场景描述、3D占用、占用流、动作和轨迹预测的可视化结果，在粗粒度和细粒度预测之间表现出很强的一致性，验证了其统一语言理解与3D感知能力的有效性 [31] - 在静止等待、直行驾驶和夜间转弯等多种复杂驾驶场景中，DrivePI展示了卓越的性能和适应能力，例如在低光照条件下仍能准确描述环境并生成合理轨迹 [36][39] 主要贡献与未来展望 - 提出了首个统一的空间感知4D MLLM框架DrivePI，无缝集成粗粒度语言空间理解与精细3D感知能力 [39] - 将激光雷达作为补充传感模态，并支持精确的3D感知和预测，增强了系统的可解释性和安全保障 [39] - 尽管仅使用0.5B参数的紧凑MLLM主干网络，其在3D占用和占用流预测方面优于现有基于视觉的模型，同时保持了与现有VLA框架相当的交互能力 [39] - 该框架有望通过语言推理和精细的3D输出，启发未来研究，增强自动驾驶系统的可解释性和可解释决策能力 [38]

事件概述 - 旧金山变电站火灾导致大规模停电，约13万居民用电受影响，交通信号灯失灵 [1] - Waymo自动驾驶出租车（Robotaxi）因此全面停摆，车辆停在路中造成拥堵，公司需调用拖车移走车辆并暂停当地服务 [1] - 特斯拉CEO埃隆·马斯克迅速回应，称特斯拉Robotaxi未受此次停电影响，引发公众对两种技术路线的比较 [1][7] Waymo运营与技术分析 - 官方解释停运原因为：车辆将失效红绿灯视为停车标志并停下，但大范围停电导致无线信号不佳，远程安全员无法连接车辆进行接管 [4] - 公司技术博客透露，其自动驾驶算法已转向“世界模型”路线，通过模拟环境补充数据训练，但此前未对交通灯失灵场景进行针对性训练 [4] - Waymo当前车队规模超过2500辆，在Robotaxi玩家中领先，但车辆分散于各城市，收集的真实场景数据有限 [4] 特斯拉的进展与市场影响 - 摩根士丹利预测，特斯拉Robotaxi车队规模将在2026年突破1000辆，2030年超过3万辆，2035年达到100万辆 [10] - 特斯拉在加州已注册1655辆车用于激活FSD（完全自动驾驶能力）的网约车服务，通过人机共驾收集数据，反哺其Robotaxi业务 [10] - 随着特斯拉在奥斯汀开启无人运营，投资机构开始重估其自动驾驶业务价值 [10] - 马斯克在社交媒体上的相关回应获得超过6万点赞，许多网友认为FSD历经数十亿公里数据验证，能更好处理异常情况 [9] 行业竞争格局演变 - 自动驾驶竞争主要围绕“特斯拉路线”（L2渐进式）与“Waymo路线”（L4终局式）展开 [1] - 行业对数据有限的共性问题，已形成转向“世界模型”的共识 [4] - 中国公司如Momenta、元戎启行、地平线等也在2024年重注Robotaxi，出行平台纷纷推出相关服务 [11] - 行业竞争加剧，2026年被视为自动驾驶“战国时代”的开端 [11]

事件概述 - 美国PG&E公司变电站火灾导致旧金山超过30%区域断电 影响超过13万名居民 并导致多个主要路口红绿灯熄灭[1] - 大量Waymo Robotaxi因无法应对红绿灯熄灭的突发场景 亮起双闪停在马路中央 导致旧金山多地交通瘫痪[1] - Waymo应用程序通知用户湾区服务已暂停 影响至少七座城市 公司声明称正与相关部门协作以恢复服务[4] 技术路线对比与行业质疑 - 以Waymo为代表的L4级别Robotaxi被指高度依赖高精地图和工程师预设的规则程序 在突发事件中处理方式较为刻板[6] - 以特斯拉为代表的车企方案旨在通过海量数据训练AI大模型实现自动驾驶 不依赖高精地图、规则驱动算法和昂贵传感器[6] - 特斯拉CEO埃隆·马斯克表示 其Robotaxi在此次停电事件中“未受影响”[4] - 地平线创始人兼CEO余凯评论称 特斯拉是AI驱动 Waymo依赖人工规则和基础设施 认为不断提升AI上限才能实现真正安全且全局最优的自动驾驶[8] - 小鹏汽车自动驾驶产品高级总监袁婷婷指出 真实世界的极端场景靠规则无法穷尽解决 真正的自动驾驶需让车辆具备像人一样理解、思考、推理和预判的能力[10] - 小鹏汽车表示其与特斯拉对Robotaxi技术路线的思考高度一致 其Ultra车型和Robotaxi将共用第二代VLA模型底层 并相信该模型能使其从L2走向L4[13]

事件概述 - 美国旧金山发生大规模停电事故 由太平洋煤气与电力公司变电站火灾引发 约12万名用户受影响[1] - 停电导致Waymo自动驾驶汽车服务大规模瘫痪 车辆在道路中间和十字路口停车 造成严重交通堵塞[2][3][4] - 社交媒体上出现大量相关照片和视频 显示瘫痪现象是普遍情况而非个例[3][6][9] 事件原因分析 - 直接原因是停电导致交通信号灯熄灭 Waymo自动驾驶系统在路口因无绿灯指示而长时间停滞[17][18] - Waymo官方解释 其系统设计将无法正常工作的交通信号灯视为四向停车 但大规模停电导致部分车辆评估十字路口时间异常延长[18] - 根本原因在于Waymo对严格规则和预设地图的高度依赖 在意外突发情况下系统显得非常脆弱[19] 行业对比与影响 - 竞争对手特斯拉的FSD系统在此次停电期间未受影响 车辆能正常行驶[20] - 分析认为 特斯拉基于海量真实驾驶数据的处理方式 比依赖规则和地图的系统更能有效应对混乱和突发状况[21] - 此次事件凸显了脱离高精地图和强规则约束的自动驾驶发展路径的潜在优越性 行业需要探索能适应各类突发状况的更具适应性和鲁棒性的系统[24][25]

12月21日，全球Robotaxi龙头企业Waymo因在多个十字路口大面积停车而备受关注。 此次事故的起因是旧金山当地的红绿灯受到停电的影响而失灵。 Waymo的Robotaxi由于无法灵活应对熄灭的红绿灯这类突发事故，而做出了在十字路口停车这一看似 更"安全"的操作。 此次事故也给国内将要狂飙的Robotaxi车队带来更多警示意味。 回溯整个2025年，中国Robotaxi赛道的资本化被按下了加速键。 据信风不完全统计，今年以来已有哈啰、滴滴、小马智行、文远知行等多家公司完成新一轮融资，融资 额合计已超百亿。 这为各家2026年的Robotaxi车队扩充补充了充足的弹药。 信风结合当前已披露2026年目标车队规模的企业测算，2026年仅小马智行、文远知行和滴滴的Robotaxi 车队规模合计便有望达到8000辆。 中国Robotaxi正在逼近万辆这一里程碑节点。 但与竞对形成反差的是，作为国内Robotaxi NO.1的百度萝卜快跑却是异常的低调。 迄今为止，萝卜快跑仍只是百度的一个业务部门，并未独立进行对外融资，这也给外界留下了无限的遐 想。 这种"克制"背后，萝卜快跑同样在筹划扩大运营规模。近期李彦宏在 ...

行业投资评级 - 报告对计算机板块继续看好，维持积极展望 [4] 核心观点 - 近期科技领域动态显示，AI大模型技术实现突破并加速资本化进程，L3级自动驾驶获准入许可进入有条件商业化新阶段，国产GPU企业密集上市融资，AI技术正加速向产业渗透，供应链自主化与前沿场景商业闭环成为核心价值锚点 [4] AI大模型产业 - 火山引擎于2025年12月18日发布豆包大模型1.8及视频生成模型Seedance 1.5 Pro，其多模态与智能体能力已进入全球第一梯队，并通过“AI节省计划”等商业模式创新降低企业使用成本，日均tokens处理量已突破50万亿 [4] - 智谱AI与MiniMax于2025年12月17日双双通过港交所上市聆讯，预计2026年初登陆港股，这将首次为长期依赖一级市场融资的大模型行业提供可量化的二级市场估值基准 [4] - 智谱AI的核心竞争力在于其基座模型与开源生态，其GLM系列模型在海外已建立起显著影响力 [4] - MiniMax则聚焦多模态模型，在影视等内容创作领域深入应用 [4] 自动驾驶产业 - 工业和信息化部近期首次发放L3级自动驾驶汽车准入许可，标志着中国自动驾驶正式从测试进入“有条件商业化应用”新阶段 [4] - 长安与北汽极狐的两款特定车型获准在限定路段（如重庆、北京部分高速及快速路）开启功能，且最高车速分别被限制在50公里/小时和80公里/小时 [4] - 此次许可首次明确了在系统正常运行时，车辆的责任主体为汽车生产企业，而非驾驶员 [4] - 初期车辆暂不向个人销售，将由指定运营主体开展试点，此举将为后续完善技术标准、法律法规以及保险等配套体系提供实践依据 [4] 国产GPU产业 - 近期国产GPU企业密集冲刺资本市场，通过上市融资以支撑高强度的技术研发与市场拓展 [4] - 天数智芯已通过港交所上市聆讯，计划募资3至4亿美元 [4] - 壁仞科技同样选择港股，目前也已通过聆讯 [4] - AI芯片企业昆仑芯科技于近期完成股份制改造，注册资本大幅增加，推动独立上市进程 [4] - 摩尔线程与沐曦股份已成功登陆科创板，上市首日股价分别大幅上涨425.46%和692.95%，展现出市场对国产高端芯片赛道的强烈关注 [4] 重点推荐标的 - 报告重点推荐标的包括：汉得信息、日联科技、金山办公、合合信息、海康威视、新大陆、道通科技、海光信息，并建议关注中科曙光 [4] - 根据盈利预测表，截至2025年12月20日，重点公司市值与预测市盈率（PE）如下： - 汉得信息：总市值174.90亿元，2025年预测PE为65.81倍 [5] - 日联科技：总市值102.73亿元，2025年预测PE为47.72倍 [5] - 金山办公：总市值1406.21亿元，2025年预测PE为75.33倍 [5] - 合合信息：总市值307.64亿元，2025年预测PE为63.33倍 [5] - 海康威视：总市值2675.23亿元，2025年预测PE为19.86倍 [5] - 新大陆：总市值264.32亿元，2025年预测PE为20.71倍 [5] - 道通科技：总市值241.40亿元，2025年预测PE为25.19倍 [5] - 海光信息：总市值4743.51亿元，2025年预测PE为172.95倍 [5]

市场整体表现 - 今日A股主要指数全线上涨，沪指涨0.69%，深成指涨1.47%，创业板指涨2.23% [1] - 沪深两市成交额达1.86万亿元，较上一交易日放量1360亿元 [1] - 全市场超2900只个股上涨，105只个股涨停 [1] - 海南自贸区、贵金属、算力硬件等板块涨幅居前，医药商业、影视院线、教育、银行等板块跌幅居前 [1] 贵金属板块 - 在降息预期和地缘政治紧张局势推动下，贵金属价格集体强势 [2][3] - 现货黄金站上4400美元，刷新历史新高 [3] - 伦敦白银现货站上69美元，年内暴涨近140%，创历史新高 [3] - 广期所钯期货主力合约涨停，日内涨7.00%，再创上市以来新高 [3] - A股贵金属板块指数上涨4.18%至2944.78点 [5] - 板块内个股普涨，晓程科技涨7.42%，湖南白银涨7.20%，西部黄金涨5.78%，山东黄金涨4.56%，中金黄金涨4.29%等 [5] - 地缘政治紧张局势（如俄乌冲突、美军打击叙利亚境内目标）提升了贵金属的避险吸引力 [6] - 美国11月CPI超预期降温，市场对美联储降息预期上修，推动贵金属价格走强 [6] - 光大期货观点认为，银铂钯表现更为强势，黄金偏强给了市场做多银铂钯的“底气”，金银比、金铂比、金钯比的快速回归为铂钯价格提供支撑 [7] 自动驾驶概念 - 智驾概念集体走高，万集科技、汉鑫科技涨超8%，港股小马智行涨超8% [8][9] - 12月20日，重庆市公安局交通管理总队将首块L3级自动驾驶专用正式号牌授予长安汽车，获准在指定路段开展上路通行试点 [11] - 12月15日，工业和信息化部正式公布我国首批L3级有条件自动驾驶车型准入许可，标志着L3级自动驾驶从测试迈入商业化应用的关键一步 [11] - 长城证券认为，行业持续探索L3级别智驾，正逐步迈向高阶智驾 [11] - 交银国际指出，辅助驾驶功能已成为中国消费者购车重要考量因素，L3级自动驾驶法规落地将成为2026年行业发展的关键催化剂 [11] 海南自贸区概念 - 海南自贸概念持续拉升，神农种业20%涨停，海马汽车、康芝药业、海南机场、欣龙控股、海南瑞泽等二十余股涨停，免税龙头中国中免涨停 [12][13] - 12月18日，海南自贸港全岛封关运作正式启动，8个对外开放口岸及10个“二线口岸”监管设施启用 [14] - 封关后，海南自贸港“零关税”清单从1900多个税目扩至6600多个，约占全部商品税目的74%，较封关前提高了近53个百分点 [14] - 封关首日，三亚市免税销售额达1.18亿元 [14] - 封关首日，海口海关统计“一线”进口“零关税”享惠货物3.6亿元，“二线”监管内销加工增值免关税货物1468.9万元，免征关税80.8万元 [14] - 开源证券认为，制度降本增效将改善经营主体成本结构，提升货物贸易自由化与便利化水平，并增强市场活跃度，政策红利将放大海南在旅游与消费领域的吸引力 [14]