以下文章来源于红色星际 ，作者红色星际科技 红色星际 . 让更多人，更深入地了解自动驾驶行业！ 来源 | 红色星际 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 本文只做学术分享，如有侵权，联系删文 据悉，元戎获得了国内头部Tier 1和海外豪华车企的战略投资。这笔交易的背后是带有产业资源的产投资本在重金下注优质城市NOA供应商。 所以，基石客户是26年衡量一家智驾公司实力的重要指标。 26年智驾市场又会发生什么变化呢？最大的变化可能是城市NOA超越高速NOA成为市场最主流的方案。 26年，城市NOA将会迎来最大一波放量，放量主要是两条线。一条线是下沉，26年城市NOA的硬件成本将会下降到几千元的水平，这个成本就能下沉 到十多万的车型上；另外一条线是油车上智驾，传统车企在油车智驾上全面向电车对齐，这将会给智驾带来近千万辆的增量，所以也会带来城市NOA 一波放量。 另外，不仅是产投在追逐元戎，国内芯片公司地平线和黑芝麻也找到元戎，寻求和元戎在芯片上进行合作。 目前，元戎启行已交付20万辆搭载城市NOA（领 ...

文章核心观点 自动驾驶领域的两大前沿技术路线——视觉-语言-行动模型与世界模型——正呈现出明显的融合趋势，旨在共同塑造一个“既会思考，又会沟通”的终极驾驶大脑，以解决传统模块化方案和早期端到端模型的局限性 [1][16][47] 技术路线解析：VLA - **定义与目标**：VLA 是“视觉-语言-行动”模型，旨在实现人车交互与可解释的端到端自动驾驶，其核心是将人类语言指令融入系统，让车辆“能听懂、会解释、直接开” [4][11] - **系统架构**：采用输入-中间层-输出的“三明治架构” [5] - **输入端**：融合多摄像头图像生成的BEV/体素表征、激光雷达/毫米波雷达数据以及人类语言指令 [5] - **中间层**：由视觉编码器、基于大语言模型的处理器和动作解码器构成，进行统一推理与决策生成 [5] - **输出端**：直接输出车辆的低层控制指令或未来数秒的行驶轨迹 [6] - **核心优势**：交互自然、可解释性强，并能利用语言常识处理复杂语义场景 [11] - **当前挑战**：面临语言与行动对齐困难、算力需求大等难题 [11] 技术路线解析：World Model - **定义与目标**：世界模型是一种生成式时空神经网络系统，旨在为自动驾驶系统构建一个可预测和仿真的内部世界，使其具备“在脑海中预演未来”的能力，从而支持更安全、前瞻的规划 [8][11] - **系统架构**：同样遵循输入-核心模型-输出的架构 [9] - **输入端**：侧重于时序的多模态传感器数据及自车状态，专注于对物理世界状态的建模 [9] - **核心层**：由编码器、记忆模块和生成式预测模块构成，负责状态编码与未来场景的生成式推演 [10] - **输出端**：生成未来场景的丰富表征，如图像序列、BEV地图或4D占据栅格，为下游规划模块提供前瞻信息，而非直接控制车辆 [10] - **核心优势**：能够预测和仿真未来，方便量化风险，并可通过仿真生成大量极端案例数据 [11] - **当前挑战**：缺乏高级语义理解、实时高保真推演的计算成本高，且本身不直接产出驾驶策略 [11] VLA与世界模型的异同 - **主要区别**：两者在目标、输入输出、核心技术及优势挑战上存在显著差异，具体对比如文章中的表格所示 [11] - **内在联系**：尽管路径不同，但二者存在多方面的共同点 [12][13][14][15] - **技术起源一致**：均源于对传统模块化流水线和早期“黑箱”端到端模型的反思 [12] - **终极目标一致**：都是为了让自动驾驶系统具备类人的认知与决策能力 [13] - **关键挑战一致**：都需要解决剩余20%的极端案例难题 [14] - **技术底层一致**：都重度依赖“预训练+微调”的深度学习范式及Transformer等核心架构 [15] 技术融合趋势与实例 行业研究显示，VLA与世界模型的融合已成为明确趋势，旨在形成“感知-推理-仿真-决策-解释”的增强闭环 [16][21][47]。近期多项研究工作体现了这一融合方向： - **3D-VLA (2024.03)**：提出了一个融合3D感知、推理和动作生成的世界模型，其关键创新在于训练扩散模型来生成执行指令后的目标图像、深度图和点云，让模型具备“想象未来”的能力。在一个包含约200万个样本的3D具身指令数据集上训练，在3D推理定位等多任务上表现超越2D模型 [20][22] - **WorldVLA (2025.06)**：将VLA模型与世界模型统一于单一框架，实现动作与图像的联合理解与生成。在LIBERO基准测试中，其动作生成成功率超过同类离散动作模型约4%，视频生成质量优于单纯世界模型约10% [25][26][27] - **IRL-VLA (2025.08)**：提出基于逆强化学习奖励世界模型的闭环强化学习框架来训练VLA策略。在NAVSIM v2闭环驾驶基准上取得领先性能，并在CVPR 2025自动驾驶大挑战中获得亚军 [30][31] - **DriveVLA-W0 (2025.10)**：通过引入未来图像预测作为密集自监督任务，解决VLA模型“监督不足”的根本瓶颈。在NAVSIM基准测试中，仅用单目前置摄像头即超越多传感器基线模型。在大规模内部数据集上的实验表明，该方法能放大数据扩展定律 [34][35][36] - **WM-MoE (2025.10)**：提出首个基于世界模型，并融合专家混合网络与大型语言模型的运动预测框架，专门针对极端案例。在多个公开数据集上的实验表明，其在整体精度和极端案例处理上均超越现有先进方法 [39][40][41] - **FutureSightDrive (2025.11)**：引入视觉时空链式思考作为中间推理步骤，让VLA模型进行“视觉思考”。该框架首先生成包含物理合理先验信息的统一未来帧，再基于此进行轨迹规划，有效弥合感知与规划间的模态鸿沟 [44][45][46] 行业动态与展望 - 工业界已开始布局相关技术，例如华为强调其世界模型能力，小鹏汽车正在研发VLA 2.0，而理想汽车也在发布会上展示了相关理解，预示着将有更多厂商进入该领域 [47] - 下一代自动驾驶的发展方向预计将沿着VLA与世界模型深度融合的思路演进，构建具备闭环智能的驾驶系统 [47]

要闻提示 NEWS REMIND 1.够猛！何小鹏立赌约：明年VLA追不上FSD，智驾负责人就裸奔 2.DeepSeek使用走私Blackwell芯片训练？英伟达回应：目前还没有看到任何证据 3.针对「行贿」新闻、中兴回应：反对一切形式的腐败行为 4.朱啸虎：腾讯过去20年从不烧钱试错，一直是等大家打明白了才发力 5.突发！魏牌CEO被曝"休假" 6.一骑手骗取苹果 iPhone 16 Pro Max 手机被判刑六个月 7. "国补"明年有望继续，官方定调 2026 年优化"两新"政策实施 8. OpenAI正式发布GPT-5.2！更实用：做表格、写PPT、敲代码等生产力大增 今日头条 HEADLINE NEWS 12月11日消息，据外媒报道，针对有关中国人工智能初创公司DeepSeek使用走私的Blackwell芯片开发 其即将推出的模型的报道，英伟达公司做出了回应。为了在AI竞赛中保持领先地位，美国禁止向中国出口 英伟达的Blackwell 芯片，该芯片被认为是该公司最先进的产品。据报道，DeepSeek 据称正在使用未经 授权偷运进入该国的芯片。 英伟达发言人在一份声明中表示：我们尚未看到任何证据或收到 ...

公司对VLA模型的技术立场与信心 - 理想自动驾驶负责人郎咸朋认为，经过两个多月的实践，VLA（视觉-语言-动作）模型是自动驾驶最好的模型方案 [1] - 公司坚持VLA模型的原因在于其拥有由数百万辆车构建的数据闭环，这使其能在当前算力下将驾驶水平做到接近人类 [1] - 公司CEO李想认为，未来五到十年，具身机器人核心将有两种形态：汽车类具身机器人和人形类具身机器人 [1] 行业技术争议与公司回应 - 宇树科技创始人王兴兴曾对VLA模型表示怀疑，认为其是“相对比较傻瓜式的架构” [1] - 公司方面回应称，在自动驾驶领域，脱离海量真实数据谈模型架构是空中楼阁，强调“空谈架构不如看疗效” [1] - 公司认为具身智能最终比拼的是整体的系统能力 [1] 公司技术应用的未来规划 - 理想的VLA模型不仅服务于公司当前的各类汽车产品形态，也将服务于未来的汽车类具身机器人 [1]

文章核心观点 - 理想的VLA是自动驾驶的最佳模型方案 其本质是生成式模型 通过生成轨迹和控制信号来实现自动驾驶 在某些场景下已表现出对物理世界的认知涌现和拟人行为 [1][2] - 具身智能最终比拼的是整体系统能力 自动驾驶应被视为一个完整的具身智能系统 需要感知、模型、操作系统、芯片、本体等各部分全栈自研与协同 才能发挥最大价值 [1][3] - 在模型与系统适配的基础上 数据是起决定意义的 理想汽车凭借数百万辆车构建的数据闭环 能够获取海量、高质量的真实驾驶数据 这是其技术路线的核心优势 [1][2][4] VLA模型方案 - VLA本质是生成式模型 采用类似GPT的方式生成轨迹和控制信号 而非文本 已观察到模型在某些场景下出现认知涌现 表现为端到端模型之前没有的拟人驾驶行为 [2] - 世界模型更适合作为“考场”而非“考生” 其高算力需求使其更适合在云端进行数据生成、仿真测试和强化训练 理想正利用数E FLOPS的推理算力进行仿真 [2] - 模型架构之争需结合实际效果 在自动驾驶领域 脱离海量真实数据空谈模型架构是空中楼阁 理想坚持VLA路线是因为其拥有数百万辆车构建的数据闭环 能在当前算力下将驾驶水平做到接近人类 [2] 具身智能系统能力 - 自动驾驶应被视为完整的具身智能系统 需要像人类一样 实现感知（眼睛）、模型（大脑）、操作系统（神经）、芯片（心脏）、本体（身体）等各部分的相互协调 [3] - 实现系统价值需要全栈自研 不仅仅是软件栈 而是整体软硬件全栈 理想的自动驾驶团队与基座模型、芯片、底盘团队协同打造了整个系统 [3] - 底盘协同是系统能力的体现 例如车辆运动管理模块会对自动驾驶控制信号做精细化调校 区分卡钳制动和液压制动策略 以兼顾安全性与舒适体验 实现“身体”与“大脑”的协同 [3] 数据的关键作用与优势 - 数据获取在自动驾驶领域具备优势 对于已建立数据闭环能力的车企而言 获取数据并非难题 这与使用数据采集车获取的数据在质量和分布上有很大差距 [4] - 公司拥有海量、高质量的真实驾驶数据 不仅可以从过去几年积累的超过10亿公里的存量数据中挖掘筛选 更能通过超过150万车主的日常使用源源不断获取新数据 [4] - 数据筛选反映真实人类行为 在筛选数据过程中发现接近40%的人类驾驶数据存在偏一侧开车或不严格卡限速的行为 这些数据被保留 使得模型能学习到更符合人类习惯的驾驶行为 [4] 技术应用的未来展望 - VLA模型服务范围将扩展 该模型不仅服务于公司当前的各类汽车产品形态 也将服务于未来公司规划的汽车类具身机器人 [4]

2025年第三季度财务表现 - 2025Q3营收为273.6亿元，同比下降36%，环比下降10% [1] - 车辆销售收入为258.7亿元，同比下降37%，环比下降10% [1] - 2025Q3汽车销量为9.3万辆，同比下降39%，环比下降16% [1] - 单车销售平均售价为27.75万元，同比上升3%，环比上升7%，主要因产品结构改善，MEGA销量占比达10% [1] - 2025Q3毛利率为16.3%，同比下降5.2个百分点，环比下降3.7个百分点；汽车销售毛利率为15.5%，同比下降5.4个百分点，环比下降3.9个百分点 [1] - 若剔除MEGA召回预估成本约11亿元影响，2025Q3汽车销售毛利率为19.8%，总体毛利率为20.4%，环比分别提升0.4和0.3个百分点 [2] - 2025Q3研发费用为29.7亿元，同比上升15%，环比上升6%；SG&A费用为27.7亿元，同比下降18%，环比上升2% [2] - 2025Q3 GAAP归母净利润为-6.2亿元；non-GAAP归母净利润为-3.6亿元 [2] - 单车GAAP归母净利润为-0.67万元；单车non-GAAP归母净利润为-0.39万元 [3] 2025年第四季度展望 - 公司预计2025Q4汽车交付量为10-11万辆，10月已交付3.2万辆，预计11-12月每月平均交付3.4-3.9万辆 [3] - 公司预计2025Q4收入总额为265-292亿元，测算单车平均售价预计环比下滑，与i6交付占比提升及MEGA交付回落有关 [3] 产品与市场战略 - 截至11月1日，i6订单已超过7万辆，截至10月累计交付约6千辆，11月起电池启用双供应商模式以解决产能爬坡问题，预计明年年初i6月产能将稳步提升至2万辆 [4] - 公司预计明年将推出增程L系列大改款，将回归精简SKU模式，全系标配5C超充技术，并优化设计与技术体验 [4] - 增程系列车型加快出海，10月在乌兹别克斯坦开设海外首家授权零售中心，11月哈萨克斯坦两家零售中心将陆续开业，优先拓展中亚、中东、欧洲及亚太市场 [4] 技术与智能化发展 - VLA已于9月份全量推送，用户日活及MPI呈上升趋势，用户反馈在纵向控制、绕行决策及复杂路口选路准确性方面有提升 [5] - 公司将于12月初推送OTA 8.1提升VLA感知能力，12月底进行架构升级以强化语言和行为信息交互，并适配2026年自研芯片M100 [5] - 后续将推出行业首创防御性AES功能，探索任意车位到任意车位全场景泊车，并结合自建超充站实现智能找车功能 [5] - 公司致力于将车打造成具身智能产品，构建包含感知、模型、操作系统、算力、本体的AI系统 [5] 组织与未来方向 - 过去三年公司学习职业经理人管理体系，2025年Q4开始致力于回归创业公司管理模式 [5] - 面向第二个十年，公司关键选择聚焦于组织、产品和技术三大方向 [5]

投资评级 - 对理想汽车-W(02015 HK)的投资评级为“买入”，并维持该评级 [5] 核心观点 - 剔除MEGA召回影响后，理想汽车2025年第三季度业绩符合预期，公司正静待面向具身智能的转型 [5] - 预计2026年L系列大改款及i6、i8车型的全年放量将助力增长，叠加公司向具身智能领域转型，维持“买入”评级 [8] 2025年第三季度业绩分析 - **营收表现**：2025Q3总营收为273.6亿元，同比下滑36%，环比下滑10%；车辆销售收入为258.7亿元，同比下滑37%，环比下滑10% [6] - **汽车销量**：2025Q3汽车销量为9.3万辆，同比下滑39%，环比下滑16%，销量下滑尤其与L系列表现较弱有关 [6] - **单车平均售价**：2025Q3单车销售ASP为27.75万元，同比提升3%，环比提升7%，提升主要与产品结构改善有关，MEGA销量占比达10% [6] - **毛利率**：2025Q3整体毛利率为16.3%，同比下降5.2个百分点，环比下降3.7个百分点；汽车销售毛利率为15.5%，同比下降5.4个百分点，环比下降3.9个百分点 [6] - **召回影响剔除后毛利率**：若剔除MEGA召回预估成本影响（约11亿元），2025Q3汽车销售毛利率为19.8%，总体毛利率为20.4%，环比分别提升0.4和0.3个百分点 [6] - **费用情况**：2025Q3研发费用为29.7亿元，同比增长15%，环比增长6%；SG&A费用为27.7亿元，同比下降18%，环比增长2% [6] - **归母净利润**：2025Q3 GAAP归母净利润为-6.2亿元；non-GAAP归母净利润为-3.6亿元；单车GAAP归母净利润为-0.67万元；单车non-GAAP归母净利润为-0.39万元 [6] 2025年第四季度展望 - **交付量展望**：公司预计2025Q4汽车交付量为10-11万辆，其中10月已交付3.2万辆，预计11-12月每月平均交付3.4-3.9万辆 [6] - **收入展望**：公司预计2025Q4收入总额为265-292亿元，预计单车整体ASP将环比下滑，与i6交付占比提升、MEGA交付有所回落有关 [6] 未来增长驱动因素 - **国内市场**：截至11月1日，i6订单已超过7万辆，截至10月累计交付约6千辆；预计明年年初i6月产能将稳步提升到2万辆 [6] - **产品改款**：公司预计2026年将推出增程L系列大改款，将回归精简SKU模式，全系标配5C超充技术，并强化豪华质感与设计 [6] - **出口布局**：公司正加快增程系列车型出海，10月在乌兹别克斯坦开设海外首家授权零售中心，11月哈萨克斯坦的两家零售中心也将开业，优先拓展中亚、中东、欧洲及亚太市场 [6] - **技术升级**：VLA（视觉智驾算法）已于9月全量推送，用户日活及MPI呈上升趋势；公司将于12月初推送OTA 8.1，12月底进行架构升级以适配2026年自研芯片M100上车 [8] 公司战略转型 - **组织调整**：从2025年第四季度开始，公司致力于从学习职业经理人管理体系回归到创业公司管理模式 [8] - **产品定位**：公司致力于将车打造成具身智能产品（机器人），而不仅仅是电动车或智能终端 [8] - **技术路径**：公司致力于构建一套不同于语言智能的AI系统，包含具身智能的感知、模型、操作系统、算力和本体 [8] 盈利预测与估值 - **营收预测**：预计公司2025E/2026E/2027E营业收入分别为1124.13亿元/1368.66亿元/1496.19亿元，同比增长率分别为-22.2%/21.8%/9.3% [7] - **净利润预测**：预计公司2025E/2026E/2027E的non-GAAP归母净利润分别为23.14亿元/49.62亿元/79.26亿元，同比增速分别为-78%/114%/60% [7][8] - **估值水平**：当前股价对应的2025E-2027E市盈率（P/E）分别为61倍/28倍/18倍 [7][8]

端到端模型与VLA技术路线 - 理想汽车在端到端模型结合视觉语言模型量产的后期发现两大问题：训练数据量超过1000万片段后，模型性能提升速度显著变慢，5个月内平均无干预接管里程仅增长约2倍[5]；端到端模仿学习缺乏深度逻辑思维能力，导致违反常理行为、决策不够智能及安全感不足[5] - 为解决上述问题，公司引入视觉语言模型，并主推视觉语言行为模型量产，期望其平均无干预接管里程达到1000公里以上[2][5] - 视觉语言行为模型具备三大核心能力：空间智能代表对远距空间和全局语义的理解能力；语言智能代表通过思维链生成决策并听懂人类指令，联合训练后推理速度可达10赫兹以上；行为策略代表使用扩散模型直接生成平滑轨迹，支持多种驾驶可能性[6] 仿真测试与闭环训练体系 - 公司升级模型评测方式，使用世界模型进行闭环仿真和测试，使后训练和强化学习环节的评测效率更高，测试成本从每公里18.4元大幅降低至0.53元[9] - 基于世界模型构建的仿真平台可实现强化学习，架构包括云端训练平台进行数据管理和奖励模型更新，更新后的模型在仿真平台运行，高价值数据反馈至样本库[11] - 为配合区域仿真，公司构建世界模型3D资产库，可根据训练需求将资产注入仿真世界作为交通参与智能体[12] 算力资源配置 - 理想汽车总算力达到13EFLOPS，其中10EFLOPS用于训练，3EFLOPS用于推理[13] - 公司拥有5万张训练和推理卡，推理卡算力等效3万个L20，训练卡算力等效2万个H20[13] - 在视觉语言行为模型时代，推理算力尤为重要，缺乏推理卡将无法生成仿真训练环境[13]

行业技术趋势 - 视觉语言动作模型成为自动驾驶行业重要发展方向 小鹏汽车已官宣VLA2 0版本[14] - 学术界与工业界存在世界模型和VLA技术路线之争 反映出技术路径尚处探索阶段[14] - 3D高斯泼溅技术在动态场景重建领域获得应用 香港中文大学联合滴滴提出UniSplat方法实现高效驾驶场景重建[14] - 端到端自动驾驶 大模型 强化学习等前沿算法已完成多项目预测和量产交付[13] 人才招聘需求 - 驭势科技招聘规划算法工程师 工作地点北京房山 要求研发复杂场景无人驾驶轨迹规划算法[3][4] - 岗位任职条件包括熟悉混合A* Lattice QP MPC等路径规划方法 了解车辆运动学动力学建模[7] - 优先考虑学历背景优秀或具智能驾驶大厂背景 有优化问题建模求解研究经历者[7] - 要求具备Linux系统下C/C++编程经验 机器人或无人驾驶规划项目经验[7] 专业社区动态 - 自动驾驶之心知识星球举办多期星友面对面活动 嘉宾来自香港高校博士 头部科技公司研发人员[13] - 社区讨论内容涵盖BEV感知 VLA 多模态RAG 3D目标检测与3DGS结合等前沿技术话题[13] - 圆桌讨论聚焦FSD v14技术分析 自动驾驶十年技术跃迁与未来路线等行业核心议题[13] - 社区提供技术资料共享 包括3DGS相关开源项目DriveStudio等资源[13]

自动驾驶行业技术趋势 - 视觉语言动作模型成为行业焦点，小鹏汽车已官宣VLA2.0版本，工业界正推进该技术的量产落地[14] - 技术路线存在争论，前几个月曾出现世界模型和VLA路线之争，显示出技术方向尚在快速演进中[14] - 端到端自动驾驶是另一重要发展方向，与VLA共同代表行业前沿技术路线[14] 自动驾驶关键技术研究 - 3D高斯泼溅技术受到关注，其与3D目标检测结合可用于生成动态仿真场景，DriveStudio是自动驾驶领域的相关资源库[13] - 香港中文大学（深圳）联合滴滴提出UniSplat方法，这是一种基于3D潜在支架的时空统一融合方法，旨在实现动态驾驶场景的高效重建[14] - 规划算法核心技术包括混合A*、Lattice、QP、MPC等路径规划方法，并需结合车辆运动学、动力学建模知识[7] 行业人才需求与流动 - 驭势科技在北京房山招聘规划算法工程师，职责是研发满足复杂场景要求的无人驾驶轨迹规划算法[3][4] - 自动驾驶领域存在显著的人才跨行业流动现象，例如有从业者从国有银行转行至自动驾驶大厂，后又加入创业公司和新势力企业[13] - 企业对算法工程师的任职要求包括丰富的Linux系统下C/C++编程经验，并优先考虑学历背景优秀或具有智能驾驶大厂背景的候选人[7] 专业社区与知识分享 - 自动驾驶之心知识星球是行业技术交流和求职内推的重要平台，提供技术进展和行业动态[10] - 该平台定期举办“自驾圆桌”和“星友面对面”活动，例如2025年11月19日第四期活动嘉宾为香港高校博士生，研究方向涵盖BEV感知、VLA和多模态RAG等前沿技术[13] - 社区内活跃讨论具体技术问题，例如博士开题方向选择，涉及3D目标检测与3DGS结合的可行性探讨[13]