不是郑小康

穿插理论创始人@奶爸兄地 拿这套理论分析过很多车企的产品线。 以理想汽车为例，穿插的意思是，理想的 L6789 辅以 Air/Pro/Max/Ultra 推出，且每一款销量都很好的时候，后来者很容易做一台车，看上去是 L9 的规格，但定了一个 L8 的价格。 8 和 7、7 和 6，都可以。 这个时候你战线太长，牵一发动全身，是非常被动的。 —— 没有一个品牌能跳出穿插理论，在今天的竞争环境里，要非常警惕依靠配置和尺寸规划产品线和价格带的做法。理想的 i 系列已经自己破掉了穿插。

Waymo 终于出了一篇博客完整阐述其 AI 应用，作为沉淀了丰富规则的老牌、大佬级 Robotaxi 玩家，Waymo 系统的 AI 化也很有趣，符合预期。 Waymo 对比同期的大部分 Robotaxi 玩家，属于在 AI 上走得非常快的，对比特斯拉 FSD，是一个保守派。 Waymo 基于自己的基础模型 Waymo Foundation Model 开发了部署在车上的自动驾驶模型 Waymo Driver、让 Waymo Driver 跑在里面以进行训练的闭环的、逼真的仿真模型 Simulator，以及一个苛刻的评估模型 Critic。 Waymo Foundation Model 是一个世界模型，但不是纯粹的端到端，当然也不会是过去的模块化系统。简单理解，这是一个分段式端到端，试图融合吸收端到端和模块化的优势。 这个模型在训练过程中支持完整的端到端信号反向传播，说明模型内的模块和模块之间是通过向量传播的，可以全局训练优化。但 Waymo 要求模型输出对象、语义属性、道路属性等结构化信息，这是为什么？ - 当 Driver 模型开错了，可以通过这些结构化信息准确判断模型错在哪了。方便安全验证。 -仿真模型 Simulator 在生成仿真环境信息的时候，可以高效、符合物理规律且大规模的闭环仿真。 - 评估模型 Critic 和强化学习通过这些结构化信息，可以设计一个清晰的奖励信号，让模型学习目标非常明确，性能更快的收敛。 Waymo Foundation Model 的输入有系统一和系统二两个部分，系统一对应快思考，输入多传感器融合的信息，系统二是一个 VLM 模型，Waymo 用了 Gemini 模型训练这个 VLM 模型，以理解现实世界中罕见、新鲜或包含复杂语义信息的场景。 系统一和系统二的输出都会给到下游，下游的世界模型再输出预测、高精地图、本车轨迹等信息。 最后，Waymo 也会用大模型蒸馏小模型，但这里的细节在于，Waymo 连云端的仿真模型 Simulator，也是蒸馏而来的，可见基础模型的参数量规模应该是非常庞大的。 另外，由于传感器路线原因，Waymo 的仿真模型 Simulator 还可以生成非常逼真的 LiDAR 点云。 最后，Waymo 的一句话非常微妙：庞大的全自动驾驶（指主驾无人）经验是无可替代的。任何仿真、手动驾驶数据采集或测试员操作都无法复制 Waymo Driver 在全自动驾驶时遇到的各种状况和反应。 全自动驾驶经验是否如此的不可替代？我觉得也未必。Waymo 这句话是一次性扫射了特斯拉、所有高阶 ADAS 玩家及所有 Robotaxi 玩家，因为在全自动驾驶里程这个指标上，目前没有人比他们更高。

接上条，GoogleDeepMind 首席科学家，谷歌化石级程序员 Jeff Dean 对 Waymo 的 AI 应用很兴奋，在评论区不动声色的阴阳了特斯拉 FSD 不用 LiDAR。 另外一条回复不再是阴阳，而是基于事实的贴脸开大：确实今天的数据来看，Waymo 的无人驾驶里程远超特斯拉。 Elon Musk 更不可能嘴上饶人：Waymo 从来就没有跟特斯拉掰一掰手腕的机会，将来回过头来看，这是显而易见的。 哈哈，感觉特斯拉能有如此多的黑粉，一是可能股票上亏过钱，二是 Elon 这个如此嘴上不饶人的风格，爱打逆风翻盘叙事的游戏，也贡献良多。 我的观点是，特斯拉 FSD 这一次真的来到大规模无人化前夜了，目前看 Waymo 很像 2006 年全球智能手机销冠的黑莓。

彭博社：SpaceX 计划于 2026 年下半年 IPO，目标以 1.5 万亿美元的估值融资超 300 亿美元。 这将超越沙特阿美石油公司 2019 年的 IPO，成为有史以来最大规模的 IPO。 接下来这半年，SpaceX 没有任何人敢影响星链业务的扩张了。星链和营收增长挂钩，营收又和估值挂钩。 作为对比，特斯拉成立 20 年股权 + 债权累计融资总额不过 340 亿美元。太空超算业务这么重要，以致于 Elon Musk 放弃了 SpaceX 不上市的老原则，一把融了这么多。

今天坐@飞机先生_ 的 MEGA，发现了一个 Livis 的 corner case，上朋友的车我肯定不要 和车机去连啊。 但我还是有叫「理想同学」的需求，比如座椅按摩。这个时候——两个理想同学一起跟你聊。@皓宇

现场摆了 20 台搭载地平线征程平台的车，主会场出口的 4 台都给了搭载 HSD 系统的产品。 今年 8 月第一次试完 HSD 我就说，这套系统已经是主流玩家的有力竞争者，但要上牌桌还需要谈两个爆款车型出来。 到年底已经在 4 台车上搭载了，iCAR V27、星途 ET5、深蓝 L06、风云 T9L。 因为软硬件都自己做，又处在抢份额的阶段，HSD 的性价比很高的，估计明年会真正进入主流视野。

给各位小米 YU7 Max 准车主评测一下这个碳纤维方向盘： +：上下段碳纤维包覆，情绪价值可以说是安排到位了。 - ：因为上下是碳纤维，装不了握力传感器，只有 3 点和 9 点位置能感应到人手。又因为新国标大幅加强了对驾驶员注意力的检测，小米在安全方面严格按照新国标来标定，所以开启辅助驾驶的时候，活动范围基本就 3 9 点了。 -：因为上下是碳纤维，装不了加热丝，只有 3 点和 9 点位置可以加热。在冬天刚开启方向盘加热的时候，左右是热的，但上下还是凉的。 虽然很帅，但如果能再选一次，俺是不会选这个碳纤维方向盘了。没错，这个方向盘不是标配的，需要花 6000 选装。

小米做了一个研究，尝试全面打通机器人和自动驾驶界限，统一训练模型应用两大场景的工作小米具身基础模型 MiMo-Embodied，牵头人是小米辅助驾驶的 VLA 负责人陈龙。 这个研究验证了一个核心假设：物理世界的智能是通用的。 长期以来，学术界和工业界都倾向于将「室内机器人操作」和「室外汽车自动驾驶」作为两个独立的垂直领域。机器人是室内抓取，空间感知、动作交互，比如拿起一双筷子。而汽车是户外动态环境，观察交通，预测行人轨迹，很少能有一个模型兼顾这两种差异极大的应用场景。 而 MiMo-Embodied 尝试打破这种割裂，构建一个跨域的基础模型。 MiMo-Embodied 的模型架构包括一个视觉 Transformer、一个 MLP 把视觉特征和大语言模型映射对齐、一个大语言模型负责推理。 在数据集这块也做了很精细的策略。不是简单把机器人和自动驾驶数据集混合，二是分阶段、系统化的去调。 第一阶段是机器人数据，先让模型有了机器人模型的能力 第二阶段是自动驾驶数据，让模型学会开车 第三阶段是 COT 思维链的数据，让模型无论在室内还是室外，遇到复杂场景可以一步一步连贯推理。 第四阶段用强化学习微调之类的技术，进一步对齐模型的操作偏好和人类的驾驶习惯，属于最后的优化了。 训练的结果是，MiMo-Embodied 在机器人和自动驾驶两大领域的多个评估中拿下了最优表现。 这验证了MiMo-Embodied 的模型能力是完全通用的，跨域训练没有出现性能摇摆的问题，物理 AI 的能力是泛化的。 如果按照这个研究结果来一个 Ilya 式的延伸，那么逻辑上 AI 眼镜、无人机、扫地机器人、人形机器人、自动驾驶汽车，背后可能可以是同一个机器人模型，当然这是很远期的畅想。 从业界看，今年 6 月特斯拉 Optimus 机器人 AI 负责人 Milan kovac 离职后，FSD 负责人 A shok 就在尝试以统一的架构来管理机器人模型和世界模型，Elon Musk 后来的评论也证实了这一点。 当然了，小米这个 MiMo-Embodied 只是一个研究，要量产落地还需要大规模的工程工作，这也是为什么小米直接开源了代码、模型和数据集，如果是服务于量产的有商业价值的，小米肯定没法这么慷慨了。

有个拆车博主老章最近拆了台小米，很有意思。 是看下来老章其实也没有太多的倾向性，就事论事，拆成啥就说啥。主要是直播，哪怕小米设计不行你也没法硬洗，反过来如果是好的设计，比如小米给低压电池做了防护，该说也说。我不认为这是吹小米甚至上升到小米水军，充其量是陈述一些基本的事实。 但是，就这么个拆车直播，按老章的说法，最多的时候一晚上有一万多人进来骂，你就品吧。 我的看法是，小米不是不能批评，因为时不时会开 YU7，我也偶尔发一些这台车的设计细节的评价，做得不好该骂骂。 现在的问题是，真动不动有大几千上万人是充分了解事实的基础上对小米有这么大的恨意吗？2021 年的特斯拉刹车，2024 年的理想 MEGA，现在到小米了。 真有点累了，能不能让商业回归商业，纯粹一点，大家凭产品、技术和商业效率说话，别搞这种上不得台面的。

小米这次 AEB 的升级，前向和后向都做到了最低 1 km/h，有一点点东西。 超低速 AEB 是非常难做的，这个大家能理解吧？因为误触非常难做，你不知道驾驶员是要低速溜过去还是走神了要撞了要赶快刹车。 1 km/h 的 AEB，尤其前向，十分难做。

今天终于见到了这台 AMG-GT XX 概念车实车，但看了看车展现场，感觉拍不出来，还是发一组官图帅一点。 概念是相对「量产」说的，但 AMG-GT XX 绝对不同于常规概念车，最重要的战绩是在意大利 24 小时 5479 km，以及连续 7 天 12 小时 24 分 07 秒，平均时速 300 km/h 跑了 40075 km。 这个对于三电热管理、电池快充快放、高压电气、逆变器、电驱都是最极限的考验。这车搭载的源自 F1 的电芯直接冷却技术、轴向磁通主电机、NCMA 四元高能量密度全极耳圆柱电芯，基本也都是行业首发。 有这些技术的支撑才有了能耗 11 kWh/100 km、超 1000 kW 总功率、1041 kW 快充功率的炸裂数据。 所有这些技术平台的探索，都会在明年的 AMG -EA 架构的高性能纯电车上做一些工程化量产。 轴向电机的纯电 AMG，非常期待了。

奔驰 C 现在也给高速 NOA 和智能泊车了，之前纯电 CLA 直接给到了城市 NOA。 现在奔驰的智能化也建立起体系了，之前 E 上的 NOA 现在给到 C 了，这性价比好多了。