活动君
昨天16:38

  • 收藏
  • 举报

晒春运高速充电路书🔋 共创《2026马年春运高速充电指南》 新春假期倒计时！ 又到了临近春运的时候，计划好什么时候回家了吗？开车回家的朋友们会不会担心堵车又“堵电”？ 每年春运高峰都会传出xx电车高速排队充电......“一桩难求”？功率“太拉”达不到预期等等各种充电不确定因素 新出行特别发起“晒春运高速充电路书”的活动 与社区朋友共创《2026马年春运高速充电指南》 分享你春运期间充过/看过的高速充电站使用情况 你的每次分享，可能会帮到车友避开充电大坑，为彼此的归途护航～希望能成为你每一次充电都会想起的搭子 在正式放假前，我们将把所有路书整理并发布 《新出行共创1.0｜2026马年春运高速充电指南》 让春运路上再无充电烦恼！ 📝发布指南 按照以下格式分享高速充电桩，并关联话题#2026春节高速充电路书#，即可参与成功！ 点击即可快速发布：https://www.xchuxing.com/theme/2444 【分享格式】 - 具体高速路段➕服务区名称： - 车型➕实际充电功率： - 充电桩数量： - 支持的补能模式：充电/换电 - 其他：充电费用/场地设施/周边其他充电站（欢迎补充） - 时间：/ 月 / 日 🎁参与必得守护积分： - 每分享1个，得20积分 - 分享≥3个，得80积分 - 分享≥6个，得170积分 - 分享≥10个，得300积分 🎉加码彩蛋： - 分享数量Top 1，必得「价值359元洗车机」 - 分享数量Top 2-3，必得「新出行 山境趣野系列长袖卫衣」 - 前3位分享 ≥10个，必得「后漠马年精华香薰」（先到先得） - 前10位分享 ≥5个，必得「马年红色陶瓷杯」（先到先得） ⌚️活动时间：1月30日 - 3月2日 活动结束后7个工作日内完成开奖 ⚠️活动细则及注意事项 1. 图文原创，文字描述清晰，可搭配现场实拍图（如充电桩布局、排队场景、充电功率显示界面）； 2. 不一定是要自己充过电的高速桩，如果你刚好在服务区停下了也可以分享当下的情况。但投稿文字/图片/视频等素材务必为本人原创，不得侵犯任何第三方的著作权、肖像权、名誉权等其他知识产权或专有权； 利，由此产生的法律责任由创作者承担； 3. 洗稿、AI生成内容不参与评奖； 4. 不同ID分享相同服务区的高速充电桩，奖励归属为首个分享用户所有； 5. 内容需真实、正向、积极； 6. 原则上，一个ID仅获得一个实物礼品，不多得；积分奖励与实物奖励不冲突，可同时获得； 7. 活动最终解释权归新出行所有，有任何疑问欢迎联系@木子阿 @阿平同学 @活动君

综合社区 2026春节高速充电路书

飞机先生
昨天10:37

  • 收藏
  • 举报

关于理想改款内饰的畅想： 1、硬件升级了 8797 ，取消了双屏变成一体屏，虽然造型改动不大，但是软件变化不小，从目前看应该是卡片布局，但一整块大幕布，可以随意组合个性化大卡片。 最左侧的大卡应该还是SR，有类似屏幕换挡的上下两个蓝色button按钮，还不明确是什么用途。 2、为什么取消了方向盘的touch屏，一个是 HUD 的升级、第二个原因是屏幕变大了信息包容在屏上，第三种可能会引入新的交互。 这次比较惊喜的是驾驶者的正前方有一个立体的部件，从角度看这个部件的体积应该不是很大，所以取消touch屏后会不会把交互+音响的交互集中在这里，但考虑角度问题应该不会有很强的信息交互，从最早的 touch 屏和主驾智能音箱，现在可以把两个部件结合起来做完整的 VLA 交互，期待一下这个新物种。 3、座椅对比了下，纹路和缝线没有太大变化，判断内饰应该还是面向主流的材质、座椅发泡等的升级，不确定舒适按摩会不会升级，今明年还有很多台车会升级智己的机械按摩。 4、座椅另一个细节是副驾的安全带还是在门板，大概率前排应该没有标准零重力座椅了。 5、新增了后排 B 柱出风口，是带手动调节的，这个好评。 6、consle变化最大，扶手的位置开关变成一个带阶梯式的，前面应该有充电面板和储物暗格，可以参考乐道。 7、方向盘支持电调，两边改了面板，面板颜色改成了和内饰颜色同色。 8、看了下音响布局和i系列不太一样，高音还是保留在了门板上，之A柱上，天空音等没有变化。 9、出风口还是和i系列一样，变成了电调，但是出口面积和角度更大，软件调节起来范围更大。 这次车型应该是 L 系列增程版，整体风格也和 i 系列很接近，但也有差异的地方，第一台 L9 这么看尺寸真不小，L系列的改款我觉得前排重点还是看交互，舒适性和空间交互应该还要看第二排。

理想社区

张一根
前天15:47

  • 收藏
  • 举报

理想汽车又将开启新一轮组织架构调整，核心聚焦研发体系重构，通过组建三大平行团队理顺技术链路，其中自动驾驶团队被拆分并入相关板块，标志着公司向具身智能战略全面发力，以应对行业 AI 竞争与业绩压力。 硬件本体团队的人事变动成为焦点。原自动驾驶高级副总裁郎咸朋转任该团队负责人，核心职责转向机器人研发，不再分管自动驾驶业务，同样向马东辉汇报。这一调整彻底终结了此前软件业务分散内耗的问题，强化了技术落地的协同效率。 根据调整方案，理想研发体系将形成以下架构，基座模型团队：统筹自研芯片（如M100）与 VLA 司机大模型的深度融合，由詹锟领导，向 CTO 谢炎汇报。该团队将聚焦芯片算法协同优化，支撑 L4 级自动驾驶及通用 Agent（智能体）的底层能力。 软件本体团队：整合智能座舱（MindGPT）与智能驾驶功能，原智能空间副总裁勾晓菲升任负责人，统筹智驾与智舱研发。其核心任务是实现“车机-家庭”场景的无缝衔接，例如车内语音控制智能家居设备。 硬件本体团队：承接自动驾驶底层技术研发与人形机器人业务，原自动驾驶高级副总裁郎咸朋转任负责人，向总裁马东辉汇报。未来，该团队将主导具身智能的“感知-决策-执行”全链路研发，复用汽车供应链资源开发机器人关节驱动、环境感知等核心技术。 此次调整中，原自动驾驶团队被彻底拆分：算法团队并入基座模型团队，量产与数据团队划归软件本体团队，硬件研发职能则转入硬件本体团队。

理想社区

德卤爱开车
前天11:44

  • 收藏
  • 举报

特斯拉 2025 年 Q4 财报电话会要点： - 特斯拉将正式停止 Model S / Model X 的生产，产线将用于 Optimus 机器人生产。 - 马斯克确认，截至昨天奥斯汀的 Robotaxi 已不再配备跟随车。 - 特斯拉预计 2026 年资本支出将超过 200 亿美元。 - 特斯拉预计到 2026 年底，美国 25%–50% 的地区将实现自动驾驶车辆覆盖。 - 特斯拉预计 Robotaxi 服务将在 2026 年底前覆盖数十个城市。 - 马斯克表示，特斯拉将成为 大型太阳能电池制造商，并确认目标为 年产 100GW。 - 特斯拉目前在 奥斯汀和旧金山湾区已有超过 500 辆 Robotaxi。 - 特斯拉Robotaxi 车队数量将大约每月翻倍。 - 马斯克表示，未来特斯拉生产的所有汽车都将具备FSD能力，下一代 Roadster 例外。 - Optimus 第三代将在未来几个月内发布；马斯克称：“长期来看，Optimus 将对美国 GDP 产生重大影响。” - 马斯克表示对 弗里蒙特工厂实现 Optimus 年产 100 万台充满信心。 - 马斯克再次确认 Cybercab 车型将不会配备方向盘和踏板。 - 马斯克表示 Cybercab 的产量将远超特斯拉其他所有车型的总和。 - 特斯拉在 2025 年结束时的订单积压规模高于近几年水平。 - 特斯拉 CFO 确认全球约有 33 万名活跃 FSD 订阅用户。 - 马斯克预测，未来 仅有 5% 的行驶里程由人类驾驶，甚至可能降至 1%，其余都将由自动驾驶完成。 - 马斯克表示，未来可能将 Cybertruck 转型为完全自动驾驶的货运卡车。 - 马斯克称，特斯拉未来还将推出更大型的自动驾驶车辆。 - 下一代 Roadster 将于 2026 年 4 月发布。 - 马斯克表示，从 3–4 年后的视角看，芯片产能将成为瓶颈。特斯拉 暂无计划向其他公司出售自研芯片。 - 为解除 3–4 年后的芯片限制，马斯克称特斯拉需要在本土建设一个 超大型 Tera fab，涵盖逻辑芯片、存储和封装，同时降低地缘政治风险。 - 马斯克表示：“不去尝试建设 Tera fab 才是疯狂的，未来我们会有一个更大的公告。” - 马斯克称，Grok 未来可能用于管理 Optimus 机器人。 - 马斯克表示，特斯拉在 AI 智能密度方面领先全球一个数量级，甚至更多。 - 马斯克认为，人形机器人领域最强的竞争对手来自中国。

特斯拉社区

广林同学
2026-01-28

  • 收藏
  • 举报

《小米全新三车谍照曝光》 这个拍摄角度清晰得离谱，新一代小米 SU7 之后的主要产品应该就是现在这三台了： 从视频中依次驶过的是 YU8、YU9、SU7L，当然了我之前和大家说过 YU9 肯定不叫 YU9，只不过为了方便大家同步消息 第一台 YU8 的 D 柱造型以及 A 柱拐点，离去角明显都是有差异的，YU8 会更加紧凑。所以还是很容易能分辨出来的。 另外小米今年的产品节奏我觉得很大程度上取决于建厂的进度。现在两个负责增程产线的厂房依然在加紧建造，如果能同步投入量产的话，上半年/下半年两个阶段应该能覆盖下来。

00:14

小米社区 小米增程SUV 小米SU7 Ultra 小米YU7 小米SU7

章北海
2026-01-28

  • 收藏
  • 举报

【沉浸式体验深圳早高峰领航辅助通勤——问界M7 26款】 视频平平无奇，结论放在文字里。 1.最重要的结论：华为ADS4.0的可用性非常高，我上下班通勤真的很愿意使用。包括之前开享界S9T，都是这样的感觉。更别说日常非高峰期城市以及高速路的通行了。 2.智驾，你建立信任之后，真的能够极大缓解你的疲劳，特别像我这种单程18公里，全程一小时以上的，平时我自己开，真的累得半死🥴 3.但是请记住，现在智驾再强，它还是L2。弱势的场景在哪里呢？这个真的要好好看看车主手册。 该接管的时候就接管，该给一脚油门辅助一下的时候也得出手。人机共驾，是现阶段的最优解！ 个人体验下来，路口（特别是施工改道的路口，加上掉头路口），车流混杂的匝道汇入等，以及路口对电鸡（停着，随时准备要冲的那种）路径的预判，还有较大的提升空间。 当然，这个平时人驾，都挺难。 4.停车：M7真的挺大了，因此我停车绝大部分时间都让小艺停，或者辅助泊入，或者离车泊入。家里老小区，停车位非常紧张，晚上回到家，能找到车位就阿弥陀佛了，即使是那种比较难停。以前我也很愁，犹豫再三。现在都交给小艺。科技改变生活！ 5.对了，路上见到的小蓝灯越来越多了。鸿蒙智行，华为乾崑的最多，理想的也很多。还有一次看到了蔚来ES8和极氪001（估计是最新款）的小蓝灯。 其他的，在总结篇再细聊。

01:41

鸿蒙智行社区 问界M7提车作业

飞机先生
2026-01-28

  • 收藏
  • 举报

对话任少卿｜新版本背后，其实是蔚来一个新技术体系的思考。 前几天有一个特别的机会，和少卿做了一次非常深度的分享，也从未有过。 少卿梳理整个蔚来技术的架构，讨论NWM 2.0为什么重要，当下蔚来认为最重要的思考是什么。相较于体验有哪些提升，我觉得这次更重要是蔚来进入一个新的技术架构上，这里面最重要的名字就是闭环的强化学习。和大家分享一些感受。 1、少卿把整个智驾划分三个时代。 第一个时代叫 code 1.0 ，就是规则时代。 不同时代之间有个简单的比喻，比如我们要进入左转车道，code 1.0 就是通过 300 米先变，200米再变，最后进入左转车道，这里面全部是手写的规则去实现，如果有障碍车车道，那就手写一些逻辑套上去。少卿还在现场把这个图画了出来。 规则时代其实非常好出效果，也能不断套逻辑，但是问题也是因为这里，逻辑走到最后就会产生冲突，你引入新的逻辑就会和旧逻辑冲突，代码量也会过重。 code 2.0 叫数据驱动时代。也就是写不动的场景就不靠写规则了，就看人怎么开，模型就学着怎么开。让模型学习，就叫数据驱动。 但这个阶段模型会有一个惰性。数据驱动本身要看数据的分布，就是不同人有不同开法，那模型就要在中间取一个中间值，但是这个平均值放到真实场景中不一定是最好的。 这里面最典型的体验就是识别行人、或者窄路博弈的时候，模型大多选择的平均值是非常保守的跟随，不绕行，不变道，非常保守，和人的开车习惯相违背。 这时候行业解决这个难题有几个方式： 第一个是加SD+导航。就是让导航约束模型怎么走，不会让你瞎变。 第二是就是加老司机的数据，这是一个比较偷懒的方式。相当于你把数据筛选不出来的场景，就找很多司机开一遍，把这个数据变成黄金数据，就是最像人的数据，模型自然就走好。 模型去跟随老司机的轨迹走，这个时候一来解决数据“脏”的问题，二来和数据筛选的问题，这两个问题大家记住比较重要，我们后面会讲。 当然他们的问题也比较显性，第一是高昂的成本，特别是老司机，第二是非常难的泛化性，学完这个学那个，如果没学过系统同样不会。少卿直说，这几个路径蔚来从没有走过，也花过这笔钱。 而第三个阶段，就是蔚来要做的强化学习，叫reward，本身就是一次奖励。 无论老司机数据还是加导航，很核心的问题就是没解决数据和真实世界应用之间的一种矛盾关系。 强化学习就改变了这种矛盾，把“好坏判断” 变成一个可量化的信号，变成一种奖励函数，以前我们 “教模型怎么做” ，强化学习就是 “教模型怎么判断好坏并自我优化，自己知道怎么做”，最终实现和人类意图的深度对齐。 这个方法论和演进方式其实和大语言模型的演进很类似。 2、那蔚来为什么选择强化学习，能解决什么问题。 上面我们提到大家要解决的问题是，数据量大，但是很脏的问题，第二是筛选，老司机的学习其实大家只筛选了符合人类驾驶期望的数据，其他的无论有没有价值的东西都被丢了。 脏比较好理解，就是不同人开车习惯不一样，有一些不好的习惯。筛选的难题在于容易出现要么丢多了，要么丢少了的问题。比如小路就是车要去挤，那如果距离比较近的，比如30cm以下这种数据你要不要丢？如果丢了，那小路一旦遇到太近的场景，系统就是解决不了。 强化学习，是解决这两个问题的第一步。 首先是把量产数据用起来，大家都知道数据脏， 但是你还是要吃进肚子里，还能把它消化好，这是蔚来整个技术变革的内核： （1）强化学习不需要增量数据，也不需要套很厚重的规则。 就是构建一个仿真环境，设定一条目标，车辆成功越过就奖励，用时越短奖励越高。那背后它是怎么变的，不管，都是模型自己在仿真中探索解决。 这个模型其实非常简单，不需要老司机数据，也不需要加规则，从训练成本看少卿说NWM第一个版本大约是同行的1/5到1/10，下一个版本数据规模拉上去后体验会有不同。 （2）通过奖励的方式，改变了脏数据的干扰。 奖励函数就是可以把脏东西，最早开始提前做了过滤。比如决策一个变道，就不会有模仿老司机中带来的平均分布的问题，而是直接给出一个最佳决策，好的行为倾向会优先被选中。 因为强化学习是在一个云端的闭环环境里学习的，比如之前说的30cm小路的问题，那模型就要自己学习一个任务下可能发生的 0 、20cm、30cm等的可能性，强化学习会把一个任务的各个阶段重组，直接生成一条当下最好的轨迹。 这个语言模型的发展比较像，早起的GPT用了互联网数据，就是因为脏数据导致很多上下文逻辑混乱的问题。而语言模型进入强化学习后，就不是遇问题加规则，或者加数据，而是给你打分。这样语言模型在逻辑性和答案适应性上是收敛的，可以自然问答。 （3）第三是进化，比如NWM 2.5、或者未来的3.0，都是可预期的。 强化学习的进化可以看很远，其实就是靠更多的量产数据，然后吃到数据scale的红利，反馈到体验本身。 比如用户介入接管的数据，就可以做一个强化学习的判断，为什么人这条好的轨迹没学到。可以把人驾这条轨迹加入到预训练模型的数据集里，让模型学习人类的行为。 所以接下来我们的看到的蔚来，无论是数据规模还是算力，都有一些新的进展，这些算力第一更能把“脏数据”用起来，能够接受更多“脏原始数据”。按照少卿的话说就是吃多了，不拉肚子，还长肉。 3、那VLA，蔚来会怎么看？ VLA 中大语言语料是最快获得，且成本很低的，因为都是现成的。但少卿认为无论是vision也好，language也好，其实它们训练数据量并不多，距离我们真实环境的数据还差的很远，对真实物理世界有天生的缺。如果用大量的视频去训练它，意味着额外的算力会更高，不是现在最高效的路径。 少卿说了第二个路径。就是直接利用海量视频数据来训练自动驾驶或机器人的技术模型，这个模型不一定以来语言模型，但是它会带来更好的收益。 大语言的发展也很类似，早期翻译依赖的数据集，本质上和专家数据很像。但当互联网海量数据替代了数据集后，虽然带来了一些问题，但模型整体能力得到了大幅提升。对于真实世界的应用，这个路径理论也是类似的，现在要做的就是找到比专家数据更大，大到几十倍到百倍的量产数据，拥有这个方法，就找到一个新的天花板。 4、不同技术路线其实并不冲突，本质上是一个坑里挖到更多的金子。 我问了一个问题，大概是为什么大家迭代的技术范式这么快，啥时候大家能看到头，就是把性能体验和稳定性做的更好，不是跷跷板。 少卿回答是当一个范式接近其S形曲线的后半段时，付出的代价与获得的提升就不成比例了，就开始把“重”的部分替换掉，换上一套新东西，让能力曲线再往上爬一层。 所以不同范式上都不冲突，只不过过去我们规则用了3，数据驱动是2，强化学习是1，现在把规则缩减成十分之一，2是减少专家数据的依赖，和高成本。而强化学习用的更重，在一个“坑”里挖了一年挖不动时，就换个思路，再去撬更多的“金子”。 而对于蔚来来说，无论什么方式谁能将数据规模进一步提升，谁就能吃到下一个数据 scale 的红利。

蔚来社区 蔚来Banyan 3.3.0 版本体验

推荐关注

未来的学习笔记关注15 · 内容16

松山湖舰队司令关注26 · 内容81

Rich叮关注99 · 内容351

大梦_LICHAN关注26 · 内容89

本心自我关注137 · 内容875

杰兰路LandRoads关注344 · 内容61