以"中国经济：开放与韧性共生长"为主题的2025贝壳财经年会开幕。7月10日下午"智能网联汽车如何重构新生态"分论坛聚焦中国汽车如何巩固和扩大智能 网联汽车优势，加速构建产业新生态。 阿维塔科技自动驾驶及座舱总监董志华在"车圈圆桌派"环节表示，当前智能辅助驾驶处于承前启后的发展阶段，目前已经具有很高安全性，但从智能辅助驾 驶发展来看，其与L3级及以上仍有一定差距。此外，人工智能大模型依赖大算力发展，会带来算力溢出，走向舱驾融合，将出现小而微的人机交互应用场 景借由大算力被智能重构。 阿维塔科技自动驾驶及座舱总监董志华。 端到端技术正深刻影响汽车智能化 董志华认为，目前智能辅助驾驶行业处于承前启后的发展阶段。与十年前相比，目前智能辅助驾驶系统已经有了长足的进步，在包括高速场景等在内的很多 场景下足够安全。但对于很多用户来讲，这与他们想象中的安全不一致。一方面与此前用户的驾驶习惯不同，另一方面还未达到L3级及以上的自动驾驶程 度，这会导致用户尤其是新手用户处于纠结阶段。 没有这种机制时，大算力多用于智能驾驶等场景，而汽车上很多与用户交互的功能需人工智能支撑，却难以配备强算力；有了弹性分配机制后，这些都成为 可能。 ...

以下文章来源于医药魔方Invest ，作者医药魔方Invest 医药魔方Invest . 把握医药资本市场，助力投资决策！医药魔方Invest聚焦生物医药、医疗器械、体外诊断、基因测序等领域一二级市场动态，关注医药公司成长历程，剖 析重磅投资案例，透视资本流向，分享投资人观点洞见，与您共话医药资本江湖的精彩故事。 药明康德正在驶入增长的快车道。 文 ｜ 林怡龄 赵靖宜 来源｜ 医药魔方Invest（ID：yiyaomofanginvest） 封面来源 ｜ 企业官方 2025年7月10日，药明康德发布2025年上半年正面盈利预告：预计实现营业收入约人民币207.99亿元，同比增长约20.64%，其中 持续经营业务同比增长约 24.24%；预计实现经调整归母净利润约63.15亿元，同比增长约44.43%。 具体来说，药明康德预计上半年实现归母净利润约85.61亿元，同比增长约101.92%，其中包含出售联营公司部分股权所得投资收益；利润总额预计约 99.07亿元，同比增长约96.20%；每股收益预计约3.01元/股，同比增长约106.16%。 公告称，上半年业绩预增，主要因为公司持续聚焦独特的「一体化、端到端」C ...

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15个 方向 学习 路线 这样描述我想大家应该都能理解了，对应岗位的技术基本围绕大模型、diffusion还有数据生成等，是一个值 得投入的研发方向。自动驾驶之心也为大家推荐一些岗位，希望有一定经验的大佬投递。详细公司与级别 欢迎底部咨询我们！！！！ 1）大模型研发工程师 base：深圳/上海； 待遇：30k-80k/月 岗位描述： 岗位要求： 最近有小朋友去投大模型和vla相关的岗位，来咨询峰哥。询问两者有什么差异，vla和端到端有什么区别？ 这里也和大家做个分享。 首先，所有依赖大模型的方案，都可以叫大模型岗位，包括VLM、VLA这类。自驾领域经常采用qwen这类 大模型做微调，适配自驾场景的理解或者预测。关键技术：微调、轻量化、量化、部署等； 其次VLA的概念还有执行（action，vision+language+action=VLA），VLA可以是属于"端到端"这一概念！ 从数据源到执行。业内目前有两种VLA方案，两阶段：基于大模型+Diffusion（比如理想，信息提取+轨迹 输出），单阶段完全基于大模型的方案比如OpenD ...

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15个 方向 学习 路线 自动驾驶规划控制已经不再单单是逻辑兜底的岗位了。现在端到端、VLA的量产趋势下，传统规划控制的 生存空间正在慢慢被蚕食。。。 不少同学也表示，现在面试更看重规则算法+端到端的结合，两者缺一不可。 以下是最近一位打算转行同学的提问，非常具有代表性： 我想转行到自动驾驶规划控制岗位，研究生期间做过粒子群的无人机航迹规划，工作之后做的内容比 较传统。工作三年后还想换到自动驾驶行业。我给自己留了3-4个月准备时间，我刷了运动规划的课 程，我把C++ pimer和leetcode刷一遍，除此之外，请各位已经在自动驾驶规划控制的前辈指教，我还 需要学习什么？重点准备什么？非常感谢！ 自动驾驶之心邀请到规划控制算法专家宁远老师回答这个问题： 这个同学的问题非常好，很有现实意义。在我日常工作中，规则的算法作为兜底仍然是十分重要的。但坦 白说，这些东西已经是从业人员的基础了，诸如横纵联合、横纵解耦这些决策规划框架，一些基础的规划 算法（基于搜索/采样基于运动学等等），这些都已经是基本的面试要求了，面试中如果被问到答不上来会 很 ...

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15个 方向 学习 路线 端到端自动驾驶 - 下一代智能驾驶量产核心算法 端到端自动驾驶（End-to-End Autonomous Driving）作为目前智驾量产的核心算法，可以分为一段式端到端、二段式端到端两个大的技术方向。自UniAD获得 CVPR Best Paper以来，正式拉开了国内新一轮的智驾军备竞赛。 2024年理想汽车更是宣布E2E+VLM的双系统架构量产！ 端到端自动驾驶通过传感器数据输入 （视觉/Lidar等）直接输出自车规划或控制信息，是目前智能驾驶最具代表性的方向。 目前VLM/VLA也是招聘的刚需，3-5年就能冲击百万年薪！ 而随着学术界和工业界的目光投向端到端这个技术领域，我们发现了很多问题。UniAD是端到端的最终解吗？显然不是！一系列算法如雨后春笋般冒出： 技术栈多？入门困难？ 去年我们推出了《首个面向工业级的端到端算法与实战教程》，今年很多小伙伴反馈技术发展太快了，先前的技术方案已经不适合当下的大环境。端到端目前发 展出多个领域技术的方向，需要掌握多模态大模型、BEV感知、强化学习、视觉Trans ...

具身的突破不会发生在实验室里，所以 "从伯克利到西二旗"。 文 丨 王与桐 编辑 丨 程曼褀 千寻智能的首席科学家、清华叉院助理教授高阳，像是个被写好程序、执行程序的人：他每天骑共享 单车上下班，固定时间健身，从不熬夜。他将做科研比作一套 Chain-of-Thought 推理流程，认为只要 每一步做对，结果就会自然导出。 但在具身智能这件事上，他愿意以创业者的身份，跳进充满不确定性的市场，因为随着大模型技术逐 渐成熟，高阳感受到，具身的突破已经不会发生在象牙塔里。于是他和在国内机器人行业工作了 20 年的 "老兵" 韩峰涛一起创办了千寻智能。 "就像 GPT-4 之前，OpenAI 也等待了几年，" 高阳说，"我们现在正处于具身智能的 Scaling Law 时 刻，只是还需要四五年的沉淀。" 高阳本科毕业于清华自动化系，博士阶段在 UC Berkeley——被誉为具身智能 "黄埔军校"——师从计 算机视觉泰斗 Trevor Darrell，长期深耕机器人控制、强化学习与计算机视觉的交叉研究。 韩峰涛则曾在 2023 年初，在还没人相信具身智能时就在知乎撰文介绍具身智能。高阳说："我见过的 产业方里，韩峰涛 ...

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15个 方向 学习 路线 端到端对传统规控岗位的冲击 最近一年，以端到端自动驾驶技术为代表的智驾方案以摧枯拉朽之势席卷整个行业，其场景泛化能力与数据驱动 特性确实令人振奋。基于规则的规控方法设计复杂，且无法考虑到所有case，相关方案被逐渐替代，可以说端到 端在不断地冲击着传统规控，pnc岗位需求也开始慢慢减少。但端到端和pnc是零和博弈的关系还是相互依赖的关 系呢？ 两个方案的区别 传统规控依赖开发人员手动编写规则和逻辑来实现车辆的规划与控制，一般是在感知和轨迹预测模块后。包括 PID、LQR、MPC等经典控制算法，以及A star、Hybrid A star、Lattice Planner等路径规划算法。如果说优势， 那就是算法明确、可解释性强，适用于成熟稳定的应用场景。 端到端算法试图直接从原始传感器数据输出控制指令或轨迹，中间不经过复杂的中间步骤，去除模块化的信息损 失，模型可以直接感知整个空间的状态信息，从全局角度优化最佳值。 优缺点对比 1）端到端方案 端到端模型直接从传感器数据映射到控制指令，减少了传统模块化架构中的感知 ...

与传统模块化方法不同，端到端系统实现了从传感器输入到车辆规划/控制信息的直接建模，避免了模块化 方法间的误差累积。BEV感知打通了模块化方法间的壁垒，在统一的上帝视角下实现了技术的一次跃迁。 之后UniAD统一了各个感知和规划任务，所有的模块第一次在一个模型中运行起来，至此端到端时代来临~ 而随着学术界和工业界的目光投向端到端这个技术领域，我们发现了很多问题。UniAD是端到端的最终解 吗？显然不是！一系列算法如雨后春笋般冒出： 技术栈多？入门困难？ 去年我们推出了《首个面向工业级的端到端算法与实战教程》，今年很多小伙伴反馈技术发展太快了，先 前的技术方案已经不适合当下的大环境。端到端目前发展出多个领域技术的方向，需要掌握多模态大模 型、BEV感知、强化学习、视觉Transformer、扩散模型等相关的知识。学习端到端自动驾驶，是一个一站 式强化多领域知识的好机会。但这样的学习路径往往非常痛苦。同时掌握多个领域的知识已经足够困难， 而各领域的论文数量繁多、知识碎片化，入门者往往还没了解各个领域就已然放弃。如何从零散论文中提 炼框架、掌握领域发展趋势，是初学者的常见挑战。同时学习目标驱动导航需要结合实际任务完成 ...

第二季度全球个人电脑出货量延续增长态势，国际数据公司（IDC）今日发布《全球季度个人计算设备 追踪报告》初步数据，2025 年第二季度全球个人电脑出货量达 6840 万台，同比增长 6.5%。其中，联 想以 24.8% 的市场份额，再次刷新历史纪录，较去年同期增长了近2个百分点，稳居全球PC市场第一 名。同时，出货量达到 1697 万台，同比增长 15.2%，展现出了极强的行业竞争力和统治力。 在供应链管理方面，联想建立了高效、灵活的全球供应链体系，能够及时响应市场变化，快速交付产 品，确保了产品的稳定供应和市场供应的及时性。在最新公布的全球供应链权威榜单Gartner Top 25排 名中，联想集团再次进入前十，位居第八，比去年提升2位，超过沃尔玛、宝马等跨国企业。值得注意 的是，联想不仅是上榜次数最多的中国企业，也是唯一入榜的亚太高科技制造企业，这印证了联想在复 杂多变的全球环境中，所展现出的超凡韧性、创新实力和领先管理水平。 与联想的强劲增长形成鲜明对比的是，其竞争对手在 2025 年第二季度的表现则相对乏力：据 IDC 数据 显示，惠普（HPI）排名第二，出货量为 1410 万台，同比增长仅 3.2% ...

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15个 方向 学习 路线 千万级4D标注方案应该怎么做？ 最近有幸和很多业内的小伙伴交流，大家普遍形成了一个共识： 模型算法只是智驾能力从0到10的关键，却不是从10到100的核心。未来是海量自动标注数据的时代！ 智能驾驶的量产开发已经到了深水区，各家都投入了大量的精力去做量产落地。其中泛化的核心关键便是如何高效&高质量的获取4D数据自动标注。一方面人工精标 周期长、成本贵，对于量产泛化的关键周期是非常大的阻力，因此高质量的4D自动标注是业内非常重要的一环，无论是3D动态目标、OCC、静态标注还是端到端标 注。 相比于车端的感知算法，自动标注系统更像是一个不同模块组成的系统， 充分利用离线的算力和时序信息，才能得到更好的感知结果， 实际落地的时候，对于工程师 的能力要求上了一个档次，想要把这些大模型大系统玩转的好和高效，也是非常不容易的。 而自从端到端和大语言LLM横空出世以来，大规模无监督的预训练 + 高质量数据集做具体任务的微调， 可能也会成为量产感知算法下一阶段需要发力的方向。同时数 据的联合标注也是当下各家训练模型的实际刚需， ...