AI最大的应用--无人驾驶。
无人驾驶其实是AI的一个最大的应用。
2026科技板块展望
无人驾驶分了几个方向，最火的两个方向是Robotaxi和Robovan，Robotaxi大家听的比较多了，Robovan就是指无人驾驶物流车。这篇文章先简单讲一下看好Robotaxi和Robovan的逻辑。
在元旦假期期间，国外有个老哥讲他用FSD V14.2完成了2732英里（4396公里）的全程无人驾驶，期间没有任何一次的脱离，包括停车场和充电站。
从 FSD v12 开始，特斯拉将城市街道驾驶栈升级为单一端到端神经网络，直接从摄像头输入（原始视频图像）到输出车辆控制（转向、加速、刹车）。这取代了以前超过30万行的手动C++代码，转而使用AI模型从数百万（甚至数十亿）英里真实驾驶视频中学习人类驾驶行为。特斯拉坚持“纯视觉”方案（仅用8个摄像头 + 神经网络），不依赖激光雷达或雷达。AI 通过占用网络（Occupancy Network）和鸟瞰图（BEV）重建3D环境，预测物体运动和语义（例如区分行人、车辆、路标）。
大模型的出现，让特斯拉的纯视觉方案有了很大的突破，之前它靠残差神经网络和金字塔网络处理图像，现在有了大模型，就能更好地解决复杂场景的问题，识别精度也提高了不少。而且，大模型还能自动标注数据，加上又引入了Grok，在车载对话和智能导航方面又有了很大的提升。
在元旦前，我们国家关于L3的放开政策已经越来越多了，说明政策还是在鼓励这块的发展，而据产业的信息了解，今年L3级自动驾驶法规也会出来。
关于Robotaxi，大家可能比较熟悉了，像小马智行和百度等，当前行业整体处于微亏状态（日均收入200-300元，日均支出约280元），预计2026年随着成本进一步下降及收入提升，单车毛利率有望达到40%，实现商业闭环。
对于Robovan，可能很多读者还并不是很熟悉，无人物流车可替代人工，简化物流程序。在公共道路的末端配送环节，面对劳动力短 缺与效率压力，无人物流车能在快递站与固定目的地之间承担规律性运输任务，形成运力 补充。在园区场景下，物料流转需要高强度、重复性的点对点运输，这适合部署路线固定 的无人车辆以替代人工，保障生产节奏并提高效率。
下面的表是申万宏源的统计，可以看到，无人物流车能将网点至驿站的单票物流成本降低约 47%。
量产车型迭代推动无人车可靠性、可维护性稳步升级，行业从小批量示范阶段跨入万台交付的规模化发展期。九识智能累计交付无人车超万台，业务覆盖 300 余座城市，安全行驶里程突破 3000 万公里；新石器与顺丰、京东、中国邮政等企业深度合作，无人车交付量同样达到万台级别。故障率下降、人车比持续优化，进一步提升了无人车的实际运营可用性。
AI应用
虽然我们讲到无人驾驶是最大的AI应用，但同时也看好今年的AI应用板块。
从海外来看，截至2025年7月底，ChatGPT的WAU 超过7亿，约占全球成年人口的10%。OpenAI预计5年后 ，周活跃用户将达到26亿人。
下面两个图参考自中信建投。
而国内大厂在AI Agent方向的步伐在明显加速。
至于非大厂的AI应用，我们前面的文章中也讲过，大家最担心的还是核心竞争力不够，如果大模型公司（像千问和豆包）也出了一个类似的应用或者agent，靠着自己庞大的服务器资源、用户资源和资金优势，可以快速的后发制人，抢占市场。所以我们要搞清楚AI应用公司的核心竞争力。
AI 应用公司的核心竞争力在于技术渗透速度与场景落地效果，与现有应用、硬件和系统深度融合，在垂直领域解决实际问题并实现商业化闭环。相比大厂通用大模型 “通用性强但垂直任务效果有限” 的短板，这类公司凭借 Agent 模式在细分场景实现更高准确率，当然还要通过差异化定位避开与大厂的正面竞争。