Q&A

问：在事故责任方面，运营商和个体责任如何区分？

答：在讨论事故责任时，强调了运营商承担主要责任，而个体在LC以下级别的情况中是首要的责任承担者。这一区别在自动驾驶领域中十分重要。

问：训练AI的常用方法及其局限性是什么？

答：训练AI通常会利用大量的路面数据，例如特斯拉等公司就使用了丰富的数据集进行训练。然而，这种方法对于罕见或复杂的场景（常委问题）收集数据较为困难，因此往往需要借助模拟仿真的手段来生成这些罕见场景以供模型训练。谷歌Waymo和中国的小马文员等公司采用模拟仿真训练模型，这种方式能够帮助AI超越人类驾驶能力，但同时也存在局限性，即无法完全模拟所有真实世界中的极端情况。

问：L0至L5级别的自动驾驶技术挑战及分类有哪些？

答：根据演讲内容，L0到L5级别的自动驾驶技术难度逐渐增大，其中L0是最简单的，仅实现基础的车辆控制；而L5是最难的，涵盖了所有开放环境下的自动驾驶任务。以谷歌Waymo和小马文员为例，它们专注于更复杂的L4和L5级别开放道路场景的自动驾驶技术研发，并且在上市后的表现和业务发展上展现出不同的策略和挑战。此外，小马文员在上市前后的估值变动以及其主营业务的多元化也值得探讨。

问：这家公司目前的主要收入来源是什么？

答：目前，这家公司的主要收入来自于奶粉型产品，但该业务占比将会减少，被以log time为主的业务所取代。在24年财报中，由于主理业务尚未成熟，出现了相对较多的亏损，这也影响了股价表现。

问：监管机构对于自动驾驶领域的态度如何？

答：监管机构强调了l  two级别与生活场景的区别，并且在很多车企的广告中禁止使用“自动驾驶”等字眼。这表明当前车企更倾向于推广辅助驾驶技术，例如特斯拉（Tesla）在中国官网已将FSD产品改称为智能辅助驾驶。

问：生态合作对特斯拉的重要性如何？

答：生态合作对特斯拉至关重要，其中打车平台合作（如高德、腾讯、卢琦）是重要的获客方式，而与车企的合作相对而言则不是最重要的，因为便宜的车型市场中竞争激烈。特斯拉的技术实力扎实，但如果没有有效的业务运营策略和合作伙伴支持，仅靠自身技术也无法取得成功。因此，在竞争生态中，与打车平台和车企的合作情况均需关注。

问：特斯拉在技术和合作方面有哪些新进展？

答：特斯拉在上海车展展示了第七代厄布特斯，并与小米、荷赛等企业达成合作，包括极光雷达的合作以及通过与高德、腾讯、卢琦等打车平台的合作来拓展获客渠道。此外，特斯拉还计划通过与车企如北汽、广汽的合作降低成本，并透露出出海策略，如与日本和中东地区的合作。同时，其一季报显示了一系列利好消息，如好的销售接待规模年底将达到1000台，并启动了多个新路段的运营服务。

问：同城配送业务中存在哪几种类型？

答：同城配送业务包含多种类型，其中一种是针对假货问题的特别服务。此外，还有其他未明确指出的具体业务类型，但整体上业务范畴较为广泛。

问：小马和文远在服务覆盖范围上有什么特点？

答：小马目前主要以国内一线城市为主，而文远不仅在国内一线城市有部署，更多地以出海业务为主，并且已经与多个国家建立了合作关系。相比之下，两家公司在业务范围上存在一定的差距。

问：国内和国外在自动驾驶领域的发展状况有何不同？

答：国内如小米、华为等科技公司主要聚焦于L2级别自动驾驶技术，若要发展到L4级别，需要在技术上进行追赶。国外如特斯拉，其技术底蕴深厚，早在多年前就开始进行模拟仿真的研究，同时文化背景和技术传承对于技术升级至关重要。此外，团队的稳定性对于技术传承也起到关键作用，例如小马和文远等公司从成立之初就由具备技术背景的团队带领，保持了技术传承的连续性。

问：自动驾驶技术是否依赖于“大模型”？

答：明确指出AI的发展过程中，并非只有“大模型”占据主导地位，虽然大模型在某些应用场景下表现出色，但在自动驾驶领域，多样性和融入性更为重要。比如特斯拉在自动驾驶中采用的感知和路径规划技术，通过多种传感器（如摄像头、雷达等）实现对环境的精准感知，这并不依赖单一的大模型技术，而是结合了多种先进技术和算法来确保系统的整体性能。

问：为什么在自动驾驶技术中多样性、容积性和360度感知是关键？

答：在自动驾驶领域，多样性、容积性和360度感知至关重要。多样性体现在需要整合多种传感器信息以提供全面的环境感知，因为仅依赖单一传感器（如雷达或摄像头）是不够的，它无法全面捕捉到周围环境的所有细节。容积性则意味着每种传感器应有多余的冗余，确保在某个传感器失效时系统依然能正常运作。360度感知要求车辆能够全方位无死角地感知周围环境，这是实现安全、精准驾驶的基础。

问：激光雷达的成本如何影响其在自动驾驶车辆中的应用？

答：激光雷达的成本曾是制约其广泛应用的重要因素。早期由于技术和制造成本较高，激光雷达的成本可能达到几千美元一台，这对于售卖几万美元一台的乘用车来说难以接受。然而，随着技术进步和生产规模扩大，现在已有车规级的激光雷达产品价格大幅下降至几百美元，这使得激光雷达在商用车上配置变得更为经济可行。

问：深度学习如何应用于自动驾驶中的感知部分？

答：深度学习在自动驾驶感知部分扮演着重要角色，例如通过D60深度学习模型对大量数据进行处理，以精准识别和理解周围环境。此外，在路径规划环节，端到端的大模型也可以发挥其长，根据历史数据做出适应当前路况的决策。然而，无论是感知还是路径规划，都需要与环境理解紧密配合，形成一个完整的流程，确保安全性与效率并重。

问：L2级和L4级自动驾驶在安全性上的差异是什么？

答：L2级（部分自动驾驶）和L4级（完全自动驾驶）在安全性方面存在显著差异。L2级中，驾驶员仍然是主要的责任人，车辆具备一定的自动驾驶功能，但在紧急情况下仍需人工干预。而在L4级纯自动模式下，车辆前排无需人类驾驶员，所有决策和操作由车载系统完成，远程安全员仅起观察作，而非直接介入操控。因此，对于纯自动系统来说，精准的感知能力和高效的路径规划至关重要。

问：在FF技术方面，是否有可能通过订购来获得合适的技术，并在价格合适时进行采购？

答：是的，如果找到合适的FF技术并且价格不贵，订购确实是一个可考虑的选择。

问：对于平台型公司如酷狗来说，其竞争优势体现在哪些方面？

答：酷狗作为平台型公司拥有技术和平台优势，整体竞争格局较为稳固。

问：技术型公司如小马、文眼等如何与其他企业合作而不构成竞争关系？这些技术型公司在与车企合作中的具体优势是什么？

答：由于这些公司本身具有技术优势且为平台型模式，与传统车企合作时不存在竞争关系，合作较为顺利。它们能通过与车企合作拿到相对便宜的车辆，同时自身不具备竞争关系，更容易达成合作。

问：萝卜tech的运营收费模式是怎样的？

答：萝卜tech的运营收费模式主要依据一年内车辆行驶的圈数和每日行驶公里数来计算，只有载有乘客行驶时才计费，最终通过每公里收费乘以总行驶里程得出总费用。

问：当前萝卜tech的商业模式下，预计每台车的年收入是多少？未来潜在收益空间有多大？在成本方面，萝卜tech的主要开支包括哪些？

答：目前每台车年收入可能达到十几万人民币，随着运营优化和技术进步，未来跑通商业模式后，每台车年收入有望达到20万以上。主要开支包括车辆购置成本、获客成本、充电费、保险、维护成本、停车费以及远程安全员费用等。

问：萝卜tech正在探索的轻资产运营模式是什么样的？

答：轻资产模式下，车辆所有权可能由公司转移给融资租赁公司或其他车队运营商，类似于航空公司的飞机运营方式，从而降低公司重资产投入，提高利润率。

问：对于萝卜tech未来盈利能力的预测是什么？

答：预计到2023至2024年，萝卜tech全公司的利润率能够达到50%以上，单车利润率也能实现20%以上的增长。

问：如何看待当前市场对萝卜tech的估值及未来发展预期？

答：市场对萝卜tech的估值较为保守，给予的PS和PE倍数较低，但考虑到公司发展的潜在可能性，其估值提升空间较大。

问：在不同国家/地区，外卖配送模式有何差异，为何在大陆更适合采用特定的配送方案？

答：在外国，由于人口密度较低且住宅区分散，外卖小哥无法像在大陆那样高效地配送至多个楼宇或小区。而在大陆，一栋楼或一个小区内集中了众多住户，中午时分大量上班族通过外卖平台订餐，这种情况下，配送员可以将外卖统一送到办公楼的快递柜上，极大地提高了配送效率。因此，从国情角度看，这种适合大陆的配送模式具有很高的出海潜力。

问：为什么小型配送车辆（如低速电动车）在中国市场的落地场景比国外简单？

答：小型配送车辆在中国市场的落地场景相对简单，是因为城市规划和物流需求的特点。在中国大陆，城市中楼宇集中，快递需求大且集中在中午时段，使得配送小车能够有效利用路线规划，一次性配送多份外卖至同一个办公楼宇的快递柜，从而降低了单次配送成本和时间成本。此外，中国拥有成熟的供应链和技术支持体系，包括线控底盘、预控制等硬件以及来自华为、德善思维等公司的技术供应，这些都为配送小车的快速部署提供了有利条件。

问：对于尚未上市的小型配送车辆相关公司，投资者应关注哪些方面？

答：对于关注还未上市的小型配送车辆公司的投资者来说，首要关注的是公司是否拥有稳定的投资方和技术团队，以及其核心技术背景是否扎实。同时，这些公司往往会选择与物流、电商巨头（如美团、菜鸟、京东、顺丰等）进行战略投资和合作，以此证明其商业模式的可行性和市场竞争力。另外，公司能否成功实现短期内的落地应用也是重要考量因素，因为这意味着产品已经具备一定的市场接受度和商业价值。最后，从财务角度出发，PS（市盈率）指标也是一个重要的参考指标，但需要注意的是，过高估值（如超过20倍PS）可能意味着风险加大。调研纪要更新