对于从事自动化和计算机的同学，建议搞深度学习，VLA、端到端、世界模型都是很好的方向，从入门、到 工作甚至读博都有很大空间。对于机械和车辆的同学，可以先学习传统PnC、3DGS这些方向。算力低、入手 简单。 剩下的就是一些方法论的提升了，多看论文多交流，慢慢形成自己的思考和idea。 对很多新人研究者，一个 好的idea需要踩很多次坑。如果你还是新人，不知道怎么入门，可以看看我们推出的论文辅导。 论文辅导上线了！ 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 元旦后，收到不少同学的咨询，很多都是计算机、车辆、自动化和机械方向的同学。 先看自驾一些前沿的方向，VLA、端到端、强化学习、3DGS和世界模型。以及一些相对没那么拥挤的赛道像 开集目标检测、OCC、few-shot/zero-shot。很多研一和大四的同学往往无从下手，刚开始深度学习都还不懂， 更别说跟进前沿的方向了。是传统动力学还是深度学习？哪些还有发论文的需求？需要什么样的学习路线？ 如果您有任意论文发表需求，支持带课题/研究方向咨询，欢迎联系我们， 微信：paperguidance 提供的服 ...

如果要用一句话总结2025年的汽车智能化，那大概是： 技术更聪明了，价格腰斩了，宣传更克制了，智能驾驶从城市走向更多元场景。 年初的时候，谁也没想到，这一年会成为汽车智能化的分水岭。开年两个月，比亚迪就把智驾塞进7万块小车，喊出"智驾平权"。几乎同时，DeepSeek、 华为盘古等大模型纷纷上车，座舱从语音控制升级为主动理解。 但技术狂奔很快遭遇现实拷问，小米SU7事故将整个行业拉回现实，安全成为更重要的关键词。 于是，2025年智驾圈就这样在狂奔与刹车之间呈现出前所未有的广度。 DeepSeek等AI大模型上车热潮 2025年，DeepSeek、华为盘古、阿里通义等通用大模型密集登车，车企纷纷推出具备语义理解、多轮对话、场景预判能力的新一代智能座舱。座舱交互 从指令响应迈向主动服务，用户一句模糊的"我有点累"，就能触发座椅按摩、氛围灯调节和导航就近推荐休息区。但热潮之下也暴露短板：部分车型的大 模型依赖云端算力，在弱网或离线状态下功能大幅缩水。大模型上车，真正考验的不是参数规模，而是端云协同的稳定性与本地化推理能力。 小米SU7事故，三条生命，换来史上最严L2+智驾新规 2025年4月，一辆开启NOA的小米 ...

洪九果品的倒下，并非是因为某几个水果品类的衰落，而是因为它试图用互联网的"烧钱速度"去跑通农 业的漫长周期。 近日，据香港联交所发布公告称，洪九果品未能在规定期限内履行联交所设定的复牌条件，上市委员会 于2025年10月3日决定取消其上市地位。洪九果品虽在10月13日申请复核，但最终维持原判，自2025年 12月30日上午9时起被取消上市资格。 榴莲大王，也逃不开退市的下场。 而此时距离洪九果品上市，市值一度冲破600亿港元，风光无两，也刚刚不过三年时间。 更重要的是，除洪九果品之外，水果行业的"优等生"们日子都不好过：百果园股价腰斩、利润下滑，鲜 丰水果的上市之路也早已没了下文。 水果，这个最具烟火气的万亿级刚需市场，为何在资本的眼中，却成了一个怎么填都填不满的黑洞？ 洪九的退市，更像是一个经典的失败案例，残酷地揭开了水果行业表面光鲜下，那道难以逾越的商业天 堑。 01 用"应收账款"堆出来的 600亿市值 据第一财经报道，洪九果品于2002年在重庆创立，创始人为邓洪九及其妻子江宗英，是一家传统的水果 供应链与贸易企业，与百果园、鲜丰水果并称"水果三巨头"。而作为资本化进程最快的三巨头之首，洪 九果品于20 ...

近几年，身处AI潮头的小鹏汽车掌舵人何小鹏，会时常亲赴北美捕捉前沿AI的毛细变化。而体验特斯拉的最新FSD，更是成为重头安排。 自去年6月，何小鹏赴美测评特斯拉V12，历时一年半，2025年12月，何小鹏再次赴美实测特斯拉FSD最新版V14.2及Robotaxi，并在回国后对小鹏第二代 VLA进行对标验证。 这种近似"查作业"式的对标方式，已成为观察自动驾驶竞赛的关键窗口。尤为值得关注的是，其行动本身已传递出一个清晰信号：小鹏汽车在自动驾驶领域 已跻身全球顶尖阵营，与特斯拉共同代表了中美两国最具前瞻性的技术路线。 自动驾驶本质是物理AI的问题，在AI领域，"大算力+大数据+大模型"的组合，已被行业证实能让AI以超乎想象的速度演化。 在这一框架下，头部企业的共识逐步清晰：例如不断用AI能力解决自动驾驶的泛化问题；坚持纯视觉路线，驱动自身在AI技术上持续深挖；同时，用量产 规模构建数据闭环的全套能力。 因此，何小鹏这次实测，不仅是用行业标杆的技术水平，校准自身的AI技术路径，也让自家从L2到L4的演进路线更加清晰。 一号位"查作业"， 头部企业形成技术共识 12月10日，何小鹏在硅谷对比试驾了特斯拉FSD V14 ...

关注 「电动车公社」 和我们一起重新思考汽车 这年头，辅助驾驶厂商也开始"不务正业"了 ， 居然在狂卖机器人芯片！ 影石 Insta360的 无人机、维他动力的机器狗、云鲸的扫地机器人……各种大家耳熟能详的爆款产品，用的都是这家公司的芯片。 当然，他们自己也搞机器人算法和模型。 其实验室的机器人，能灵活跳舞： 能模仿真人，做出灵活的手部动作： 还打造了机器人"一站式开发平台"，为开发者提供从数据生成、模型训练、仿真评测到端侧部署的全链路工具。 整个车圈都在关注的具身智能领域，这家公司也搞得有声有色，甚至偷偷做成了 中国最大的消费类机器人计算平台 ！ 这家公司，就是前不久刚刚召开了技术生态大会的 地平线 。 01.智驾公司不务正业？ 老实说，地平线做机器人绝非不务正业，而是蓄谋已久 。 其实最早地平线原本就想做机器人的上游， 只是当时机器人的产业链还不够完善，为了能尽快实现商业化，地平线才转向汽车领域。 但即便如此，地平线公司内部也保留了一个专门的机器人事业部。 几年下来，经过给理想 ONE 供应辅助驾驶芯片、与大众软件子公司 CARIAD 成立合资公司、在港股上市这一路发展，地平线在汽车领域已经干得非常成 功 ...

共探新营销，共创新可能 设计 | 甄 尤美 撰文 | 胡 俊成（ 知行科 技产 品经理 ） 编辑 | 杜咏 芳 Editor's notes 编者按 "2026年的重点，将是高速NOA向L3级别的商业化落地迈进。" 知行科技产品经理胡俊成以此判断锚定了行业下一阶段的核心方向。 这不仅是技术的跃迁，更是责任归属的根本性转变。 相比2024年，高速及城区NOA的平均接管里程跃升，系统可靠性显著提升； 智能驾驶场景覆盖持续扩展，停车场出入口成为新的能力"试金石"； 车辆与人的交互方式也在悄然进化，它甚至能理解"靠边停到白色车后面"这类模糊、自然的语音指令。 更重要的是，车辆不再只是机械地遵守规则，而是开始真正理解场景。面对施工围挡、临时导流区、无标线道路等复杂情境， 越来越多车型展现出类似老司机的灵活应变能力。 正如胡俊成所感慨的那样："它不是呆板的按线行驶，是真有自己的判断。" 这句话，恰是中国智驾从L2迈向高阶可用性的关键 缩影。 他表示："L2的责任主体始终是驾驶员，L3的量产将进一步释放驾驶员，但这并没有将人彻底解放出来，L3在中国市场有可能 知识短暂的过渡，全力实现L4智驾普及。" 从L2到L3，还有哪些 ...

对于从事自动化和计算机的同学，建议搞深度学习，VLA、端到端、世界模型都是很好的方向，从入门、到 工作甚至读博都有很大空间。对于机械和车辆的同学，可以先学习传统PnC、3DGS这些方向算力低、入手简 单。 剩下的就是一些方法论的提升了，多看论文多交流，慢慢形成自己的思考和idea。 对很多新人研究者，一个 好的idea需要踩很多次坑。如果你还是新人，不知道怎么入门，可以看看我们推出的论文辅导。 论文辅导上线了！ 端到端、VLA、世界模型、强化学习、3D目标检测、多传感器融合、3DGS、BEV感知、Occupancy Network、多任务学习、语义分割、轨迹预测、运动规划、扩散模型、Flow matching、点云感知、毫米波雷 达、单目感知、车道线/在线高精地图等方向。 如果您有任意论文发表需求，支持带课题/研究方向咨询，欢迎联系我们， 微信：paperguidance 提供的服务 论文选题； 论文全流程指导； 实验指导； 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 最近收到不少同学的咨询，很多都是计算机、车辆、自动化和机械方向的同学。 先看自驾一些 ...

（原标题：地平线吕鹏：端到端是基石，做不好端到端就做不好VLA） 21世纪经济报道记者 易思琳 除了推出全新的解决方案，地平线还通过生态拓展加速市场渗透。12月初的地平线技术生态大会上，公 司公布了两大生态推进举措：一是拓展生态合作模式，新增算法服务模式"HSD Together"，并已与日本 电装、大众的合资公司CARIZON（酷睿程）、HCT（智驾大陆）达成合作；二是引入更多生态合作伙 伴，元戎启行、卓驭等企业已加入其生态体系。 缺乏芯片研发能力的算法公司、软硬研发实力薄弱的车企，正纷纷向地平线聚拢。地平线接下来的目 标，是让城区辅助驾驶功能下沉至10万元国民车型，实现技术普惠，并计划在未来3-5年内达成千万级 量产规模。 地平线敢于定下这一目标，底气源于其在智驾端到端方案上的长期坚守与深耕。据地平线工程师透露， 公司自2024年底便集中力量主攻端到端技术，90%的研发人力均投入到该方案的研发与量产落地工作 中。 WA/VLA皆需端到端支撑 今年前三个季度，国内20万元以上乘用车市场份额占比30%，13万元以下市场份额则高达50%，但后者 多数车型尚未配备城区辅助驾驶功能。这一广阔的蓝海市场，正吸引着地平 ...

如果你 可以看看我们推出的论文辅导，旨在 有限时间内高效产出科研成果 ，避免自主写作的各种坑。 论文辅导上线了！ 端到端、VLA、世界模型、强化学习、3D目标检测、多传感器融合、3DGS、BEV感知、 Occupancy Network、多任务学习、语义分割、轨迹预测、运动规划、扩散模型、Flow matching、 点云感知、毫米波雷达、单目感知、车道线/在线高精地图等方向。 支持带课题/研究方向过来咨询， 我们只说实话，做实事，不会夸大也不会打鸡血， 认真听完你的 情况然后告诉你可以怎么走。 微信：paperguidance 很多研究生发paper的共性问题就是一上来就想整高大上的东西，问题是数据也没看过，baseline也 没跑出来。 要知道离春节只剩下1个多月了，现在不把小论文投出去，明年上半年见刊真要来不及 了。 小论文重在完整性不在novelty ，项目能讲一个完整的故事就够了，在现有方法上做点改进、解决 个具体问题就行。故事讲得清楚、实验做得扎实，照样能发出去了。 无论是idea还是debug，这种事情有时候真是旁观者清，就怕你卡住了自己闷头搞两周还没进展。 以结果为导向，配套代码提升指导，提供 ...

Core Viewpoint - The article discusses the current state and future potential of embodied intelligence, focusing on the challenges and opportunities presented by world models and spatial intelligence in the field of robotics and AI [2][4][10]. Group 1: Development of Embodied Intelligence - The technology route for embodied intelligence is still in an exploratory phase, with no convergence yet, which is seen as a positive sign for innovation [4][3]. - There is a consensus among experts that the core issues of embodied intelligence, such as interaction and human-machine collaboration, should be addressed by academic institutions, while industries focus on practical applications [4][5]. - The integration of AI with physical entities is expected to lead to significant advancements in intelligence, but the field must avoid reverting to industrial automation without achieving generalized intelligence [4][5][30]. Group 2: World Models in Autonomous Driving - World models are currently being utilized by leading companies like Tesla to enhance data generation and improve decision-making processes through closed-loop testing [11][12]. - The concept of world models has gained traction in autonomous driving due to the simplicity of generating scenarios compared to robotics, with advancements in generative AI enabling the creation of realistic training samples [12][13]. - There is ongoing debate regarding the definition and application of world models in both autonomous driving and robotics, with differing opinions on the necessity of pixel-level reconstruction versus latent state representation [12][13][14]. Group 3: Spatial Intelligence in Robotics - Spatial intelligence is a critical aspect of robotics, with a focus on perception and understanding spatial relationships, which has evolved from traditional SLAM techniques to more learning-based approaches [20][21]. - The current challenges in spatial intelligence include the need for better data representation and understanding of complex spatial relationships, which are still underdeveloped in robotic systems [22][23]. - The integration of visual and semantic information is essential for enhancing robots' spatial capabilities, but the field is still in its early stages [22][23][24]. Group 4: Commercialization and Future Applications - The future of drone applications is expected to expand significantly, with potential uses in various sectors, but the timeline for widespread adoption remains uncertain [26][27]. - The gap between technological capabilities and market needs poses challenges for entrepreneurs, as there is often a mismatch between innovative ideas and practical industrial requirements [30][31]. - The shift towards learning-based control paradigms is anticipated to increase the applicability of drones and robots in real-world scenarios, moving beyond traditional automation [28][29].