公司概况与战略定位 - 行深智能成立于2017年，已有八年历史，公司聚焦于L4级末端无人物流赛道 [2] - 公司提出“认知创新”作为其核心能力，认为无人驾驶不仅是替代司机，而是实现“运力载具的信息化共享”和“空间转移平台的管理” [27] - 公司的愿景是将无人驾驶能力覆盖并赋能所有终端移动或具身移动应用，包括快递、生鲜、烟草、预制菜等城配体系，以及环卫、安防、煤气巡检等 [1][27] 产品与技术路径 - 公司产品目前主要处于末端低速城配场景，速度限制在40公里以下 [11][12] - 公司发展遵循从低速到高速、从运货到运人、从有限场景到随机场景的路径 [11] - 公司已有一款名为“袋鼠”的无人车与机器人协同产品雏形，正在进行测试，预计明年可实现规模化测试和商用 [7][8][9][10] - 对于高速场景，公司有实验但尚未推出产品 [13] 行业场景与市场理解 - 物流领域分为干线物流（城市间高速公路）、支线物流（城市内及卫星城）和末端物流（城配及最后一公里） [4] - 无人驾驶的难度与场景丰富度相关：干线难度小于支线，支线难度小于末端 [10] - 末端场景包含大量非结构化环境，如背街小巷、上下楼梯、无地图区域等，对数据量和算法挑战更大 [10] - 商用车（无人驾驶）与乘用车（辅助驾驶）的核心区别在于：商用车强调解决问题（安全送达货物），乘用车强调驾驶感受与人机交互 [21] 核心技术壁垒与研发重点 - 无人驾驶能力的核心是数据、算力、算法，其中数据来源于场景 [10] - 公司认为技术壁垒在于能否有效地将场景拓展中获取的数据转化为自身能力 [14] - 因果推理和数据闭环对于无人驾驶非常重要，机器可以利用未来数据优化算法，这是人类不具备的优势 [22] - 强化学习在商用车领域的奖惩机制更强调安全第一 [22] - 高精地图并非必不可少，应与L2的轻地图方案结合，根据场景（有无普通地图）灵活使用 [15] - 在无GPS信号等极限场景（如分拣中心），依赖识别、感知和高精地图等辅助手段 [16][18] 技术发展趋势与未来展望 - 随着算力提升，VRM（视觉关系模型）、VRA（视觉关系对齐）等技术将大规模应用于无人驾驶 [23] - 世界模型技术可通过仿真虚拟场景来训练算法，大幅提升开发和生产效率，带来安全与性能的质变 [23] - 未来三到五年，技术突破点在于利用世界模型实现“左右互搏”式的仿真训练，减少对实车采集数据的依赖 [23] - 训练模型时，数据的质量和分布（足够宽、足够广）比单纯的数量更重要 [24][26]