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]

公司战略与技术路线 - 公司认为无法在竞争对手已建立的战场上取胜，必须通过开辟新战场实现超越，例如在技术路线上选择研发下一代“端到端”和VLA模型 [5][13][16][17] - 公司自动驾驶业务发展有明确时间节点：2021年确认核心技术方案，2023年拿到入场券，2025年成为顶级公司，2027年实现L4常态化运营 [43] - 公司战略核心是高效运营数据闭环，其能力发展公式为 I' = A · D(t) · δ(t)，其中算法能力A是常量，有效数据量D(t)趋于稳定，数据闭环效率δ(t)是关键变量 [60][61] 技术演进与核心决策 - 2023年底至2024年初，公司决定必须实现智能化超越，选择以“端到端”技术作为对传统规则方案的代际提升，并于去年下半年取得成果 [16] - 2024年春节前后，公司认识到“端到端”模仿学习存在天花板，如跟慢车不绕行、复杂路口理解不足等问题，因此加速转向VLA模型研发 [18] - VLA模型旨在让系统具备类似人类的思考推理能力，其内部代号为“斯芬克斯”，公司目标是使其成为实现L4级自动驾驶的路径 [20][21][30] 组织架构与运营模式 - 公司于9月19日将智驾团队重组为11个二级部门，使组织架构更为扁平，旨在打造面向AI的团队，提升决策效率并取消大规模封闭研发模式 [6][7] - 公司调整研发节奏，取消集中封闭开发，因时代背景从追赶变为领先，需要各部门发挥业务专长，并体现对员工的关怀 [9] - 公司智驾团队骨干已演进至第三代，核心管理者和二级部门负责人均从内部培养，强调对全面业务的了解 [52][53][54] 数据与算力基础设施 - 公司目前拥有10 EFLOPS训练算力加3 EFLOPS推理算力，去年云端算力投入约10亿元人民币量级，达到8 EFLOPS，并表示在算力方面投入不设限 [35][37][38] - 公司数据量从2021年前不足1亿公里，增长至去年有意控制下仍有十几亿公里高质量数据，未来将依靠世界模型生成更多数据用于训练 [40][41] - VLA车端模型参数量为4B，计划将云端模型做到32B，公司通过工程优化能力将模型部署在非大模型定制的芯片上 [39][40] 技术对比与行业竞争 - 公司回应了博世和华为对VLA技术的质疑，认为多模态对齐、数据训练和模型幻觉问题可通过自身技术积累解决，并称反对声音恰恰说明VLA正确 [23][24][25] - 公司认为其世界模型是为VLA模型服务的强化训练环境，与蔚来、华为对世界模型的理解不同，并与Yann LeCun提出的可预测未来状态的理念一致 [31][32][33] - 公司与特斯拉FSD的差距尚未拉开，但预计在VLA加强化闭环实现自我迭代后，将形成代际差别，并可能在中国市场超过特斯拉 [44] 商业化落地与未来挑战 - 公司认为实现L4级自动驾驶的最大挑战并非技术，而是大规模商业化落地，包括用户教育、法律法规和公众接受程度，初期将聚焦国内市场 [45][46][47] - 公司计划到2026年底实现1000公里的平均接管里程，之后该指标可能不再适用，业务模式将因强化训练闭环而发生根本性变革 [42] - 公司已建立面向海外市场的创新业务部，进行产品交付和L4落地预研，但承认海外市场的法规和产品设计与国内存在区别 [47]

研发投入与规模 - 公司为探索VLA技术路线，自2024年至今已投入3万卡的算力资源 [1] - VLA项目整体训练费用巨大，累计投入超过20亿元人民币 [3] - 项目月度训练费用高昂，曾出现单月支出超过1亿元人民币的情况 [3] 技术突破与战略调整 - 基于物理世界模型、跳过语言环节的创新VLA方案于今年第二季度取得技术突破 [3] - 技术突破促使公司决定停止标准VLA方案的开发，全力转向新技术路线 [3] - 此项进展被认为将公司自动驾驶技术的升级换代进程提前了接近两年 [3] 研发过程与挑战 - VLA项目研发过程充满挑战，在很长时间内未能看到明确希望 [3] - 研发团队内部曾多次讨论是否终止VLA团队项目 [3] - 高昂的月度账单给公司带来了持续的巨大压力 [3]

技术战略与路线选择 - 公司认为无法通过模仿领先者（如华为）的方式实现超越，必须开辟新的技术战场，因此选择研发下一代技术如“端到端”和VLA（视觉-语言-行动模型）以实现代际提升[3][13][16][17] - 2023年底公司决定从规则方案转向“端到端”架构，使智驾能力进入第一梯队；2024年初进一步选择VLA路径，目标是让系统具备类似人类的推理能力，而非单纯行为模仿，以争取成为没有争议的行业第一[3][16][19] - VLA被视为实现L4级自动驾驶的关键路径，其核心优势在于无监督训练和更高的迭代效率，预计最晚明年初用户可体验到显著提升；公司认为反对声音恰恰验证了VLA方向的正确性[3][18][23][24] 组织架构与团队演进 - 2024年9月公司对智驾团队进行重组，将原有4-5个二级部门拆分为11个部门，负责人直接向研发高级副总裁汇报，旨在打造更扁平的AI组织以提升决策效率和适应性[6][7][8] - 团队自2018年成立以来已更换三代骨干，早期成员多因资源投入分歧离职；当前核心管理层强调从内部培养，二级部门负责人均具备业务和技术背景，而非纯管理出身[8][46][47][49] - 公司取消大规模封闭研发模式，转向各部门发挥专长共同协作，反映其从追赶者到领先者的角色转变，同时注重员工关怀与可持续能力建设而非单纯压榨工时[8][9] 研发历程与关键节点 - 自研起步阶段（2019年）资源极度匮乏，团队曾使用碰撞测试报废车辆安装激光雷达进行预研，单个激光雷达成本达60-80万元，总投入约300余万元[3][50] - 2021年启动首个全栈自研项目“卫城”，团队不足100人，通过连续封闭开发（如每天全员到岗、凌晨加班）在90天内交付基础ADAS，并于同年12月交付高速NOA，奠定自研基础[10][44][45][46] - 数据积累从2021年前不足1亿公里快速增长至近年每年数亿公里，2023年有意控制数据采集量，聚焦高质量数据，当前保有量约十几亿公里，为模型训练提供支撑[34][35] 技术能力与资源投入 - 公司构建以数据闭环为核心的护城河，2023年“端到端”方案上线时通过“超级对齐”解决安全性问题，但过程痛苦，需核心团队持续数月每日早晨8点晨会[11][12] - 云端算力投入巨大，2023年约8 EFLOPS（对应10亿元人民币量级），当前训练算力达10 EFLOPS，推理算力3 EFLOPS，未来计划提升至32B参数模型，且投入不设上限[31][32][33] - VLA车端模型参数量为4B，通过工程优化部署至非大模型定制芯片；自研芯片将按AI需求设计，支持多芯片并联扩展算力，以应对存储带宽限制[23][33] 竞争对标与行业展望 - 公司认为与特斯拉FSD当前差距未拉开，但VLA加强化闭环实现自我迭代后，将形成代际优势，并有望凭借本土数据环境在中国市场超越特斯拉[39] - 针对特斯拉FSD V14，公司认可其表现（如修复95%犹豫变道问题），但指出其技术框架已包含Language模块，与VLA理念一致，双方路径趋同但实现细节不同[39][40] - 实现L4的最大挑战并非技术，而是大规模商业化落地，包括用户教育、法律法规和公众接受度；公司计划先聚焦国内市场，已设立创新业务部探索海外适配[40][41] 业务理念与领导力 - 公司坚持LSA（理想战略分析法）框架：认知决定战略、战略决定业务、业务决定组织与资源，强调在高峰时不膨胀、低谷时不放弃的长期执行力[52][53][54][62] - 研发高级副总裁将工作时间分配调整为50%管理、30%战略规划、20%技术业务，反映其从技术专家向业务管理者的转型，并深入参与L4商业化战略设计[58] - 公司培养人才注重全面业务理解，核心负责人需经历多岗位锻炼；校招生管理强调战略目标传达而非经验灌输，给予资源空间自主发挥[49][60]