当前位置: 首页 > news >正文

踩准智能汽车+机器人两大风口,速腾聚创AI+机器人应用双线爆发

日前,RoboSense速腾聚创交出了一份亮眼的Q3财报。受到多重利好消息影响,其股价也应势连续大涨。截止12月9日发稿前,速腾聚创股价近一个月内累计涨幅已超88%。

图片

财务数据方面,速腾聚创在今年前三季度实现总收入约11.3亿元,同比增长91.5%,已超过2023年全年营收总额;实现毛利约1.7亿元,同比增长375.4%;销量方面,前三季度激光雷达总销量达381,900台,同比增长259.6%。

除了激光雷达产品在汽车领域的“全球领先”,来自机器人板块的业务进展迅速,同样是财报的一大看点,且也是重点。

根据资料显示,速腾聚创机器人板块业务定点和订单规模均已超过预期,预计明年机器人领域的出货量有望突破六位数,预计是数十万颗的规模。

这也意味着,速腾聚创在AI+机器人应用赛道上再拓一局。

从成立之初,速腾聚创就把自己定义为一家AI驱动的机器人公司,RoboSense速腾聚创董事长兼首席科学家邱纯鑫博士曾表示,RoboSense从狭义来说是“机器人+感知”,从广义来说是“机器人+认知”,也就是“AI+机器人”。

图片

很显然,汽车只是激光雷达其中的一个应用,也是AI+机器人广阔应用场景中率先爆发的赛道之一。接下来,速腾聚创借助汽车应用领域取得的平台、规模与质量优势,将在机器人、无人机等领域持续开拓更大的市场空间。

接下来,速腾聚创汽车+机器人两大业务的双线驱动,不仅仅会让经营状况与财务数据持续向好。更重要的是,其在汽车激光雷达领域所积累的技术与平台优势,会让接下来的新应用场景拓展变得事半功倍。

速腾聚创CEO邱纯潮在Q3业绩说明会上表示,速腾聚创将持续在AI算法、芯片、硬件三个技术领域保持高度投入,坚持深耕汽车与机器人两大核心主阵地,通过持续创新的机器人技术,最终成长为全球领先的机器人技术平台公司。

01

车载业务爆发,销量与客户数量全球领先

根据Q3的财报数据来看,速腾聚创汽车激光雷达业务持续向好,持续领跑全球激光雷达市场。

截至三季度末,速腾聚创激光雷达历史累计总销量突破72万台,刷新行业交付纪录;前三季度,速腾聚创激光雷达累计销量达到381900台,同比增长259.6%。高工智能汽车研究院数据显示,速腾聚创在中国前三季度的汽车前装激光雷达市场份额占比排名第一。

分业务板块来看,其中ADAS应用激光雷达产品销量为365800台,同比增长292.9%;目前其ADAS激光雷达产品业务占比达到80%。

图片

截至三季度末,速腾聚创已经为12家客户的31款车型实现大规模量产落地。高工智能汽车研究院数据显示,截至今年9月底,市场上在售标配激光雷达车型数量达到76款,和上年同期相比大幅增长181.48%;在中国汽车市场激光雷达搭载上车品牌、车型数量排名中,速腾聚创排名首位。

截至11月29日,该公司已成功获得28家汽车整车厂及一级供应商的92款车型的量产定点订单。据统计在《财富》世界 500 强榜单全球收入最高的 10 家国际汽车厂商中,有 8 家汽车厂商或其合资合作伙伴已经与速腾聚创达成了量产定点合作关系。

可以预见,手握大量车型定点的速腾聚创,伴随车企客户订单的陆续释放,其ADAS激光雷达产品后续几年的销量还将保持稳定的增长趋势。

更重要的是,主力产品ADAS激光雷达正在迈向更为广阔的市场空间。

当前以城市NOA为代表的高阶智驾市场进入规模化量产爆发期,激光雷达作为智驾系统的一个“安全件”,是不可或缺的高性能传感器。另一方面,20万以下的中高端主力车型市场已经看到搭载高阶智驾方案的明显信号,而这显然会、带动ADAS激光雷达的市场需求进一步放量。

在今年4月,速腾聚创发布了售价低于200美金的新品MX。据介绍,目前MX已经成功渗透到15-20万级别的车型,并且收获了7家主机厂的定点,2025年会进入规模量产。

图片

这意味着速腾聚创率先敲开了20万以下普及型汽车市场的大门。

从更长远来看, Robotaxi也将为其带来了新的机会。目前行业的共识是,预计Robotaxi玩家将在2026年跑通商业模式。相对来说,Robotaxi激光雷达的单车搭载量更高,且单价高利润空间更大。

图片

目前速腾聚创已经与全球最大的Robotaxi出行平台-小马智行等均达成合作,而小马智行还在其招股书中特别提到,速腾聚创也是其唯一激光雷达合作伙伴。综合来看,其面向Robotaxi领域的商业化规模量产落地已经做好准备,届时该板块的营收和利润都会有大幅度提升。

02

第二增长曲线已现,机器人预期出货量数十万

继智能汽车应用市场之后,速腾聚创再一次踩准了AI机器人行业的风口。而从财务数据来看,机器人业务已经成为了速腾聚创第二增长曲线。

截至三季度末,速腾聚创在机器人领域上的合作伙伴已突破到2600家,并且机器人业务已经进入了规模量产阶段。

财报显示,今年前三季度速腾聚创用于机器人及其他的激光雷达产品销量为16,100台,同比增长22.9%。另外,速腾聚创与合作伙伴联合开发的多款新品已经斩获来自不同领域多家头部机器人公司的量产定点,并且订单规模超出预期,预计2025年机器人领域的出货量有望突破六位数。

从行业趋势来看,包括工业机器人、移动机器人等应用领域也显示出广阔的空间,尤其是今年以来爆火的人形机器人赛道,均为激光雷达应用带来了巨大的市场空间。参照此前汽车ADAS领域应用的趋势,机器人领域增速再次展现出类似的爆发势头。

资料显示,速腾聚创产品均基于平台化诞生,应用于机器人激光雷达来自于R平台和E平台。

图片

R平台作为传统的机械式LiDAR,从16线到128线,从短距到长距,几乎覆盖大部分机器人的性能需求,已经广泛应用于各类场景。

E平台是全球首个可量产、同时覆盖汽车和智能机器人领域的全固态广角激光雷达平台。产品按照车规级可靠性标准设计,机器人产品同样具备了车规级激光雷达的高性能、高集成度、高性价比、高可靠性等诸多优势。

E平台产品全面芯片化设计,搭载RoboSense自主研发的面阵SPAD-SoC芯片和可寻址二维扫描VCSEL芯片,具备高性能和高可靠性。凭借其小巧轻便的设计,便于集成到不同形态的机器人与无人机中。

图片

在软件算法层面,机器人与智能汽车的底层技术架构可以说同根同源,区别在于汽车场景相对单一、控制自由度少、移动速度快,而机器人场景丰富、控制自由度多、移动速度较慢。速腾聚创的核心算法技术则能实现快速的迁移与拓展,这在很大程度上降低了前期的开发成本,并提升了开发效率。

不难看出,速腾聚创在智能汽车领域积累的领先技术、平台化、算法、成本控制等优势,让机器人业务同步受益。

从11月展示的三维力传感器技术的8主动自由度灵巧手成果来看,速腾聚创已经深度布局了更具突破性的多底层技术融合产品。

图片

其在硬件、芯片、AI领域具有通用性和可迁移力,激光雷达研发中沉淀的核心电子、动力、光学、结构能力,都为速腾聚创业务多元化拓展奠定了非常扎实的基础。

目前,速腾在AI+应用方面的探索还在快速推进。据介绍,基于E平台,目前已经与多个工业、商业甚至消费级的重要客户进行不同垂直领域的新型产品的共同开发,并已经开发完成。

03

毛利率递增,技术与平台优势凸显

在速腾聚创Q3的财报中,两大数据值得关注,一个是产品价格,另一个是毛利率水平。

在激光雷达规模化与市场竞争加剧的多重压力下,今年车载激光雷达的价格快速下降。其中速腾聚创的财报显示,激光雷达从2023年同期的3300元左右降低至2024年三季度的2500元左右(ADAS产品为主)。

但值得一提的是,其毛利率却是稳步上升的态势。

据财报数据显示,2024年前三季度,集团用于ADAS应用的激光雷达产品毛利率从2023年前三季度的毛损率20.3%显著提高到毛利率12.2%,增长了近32.5个百分点。2024年间,单季毛利率也是稳步提升,从一季度的12.3%逐步提升至三季度的17.5%。邱纯潮也在Q3业绩交流会上表示,预计第四季度整体毛利率还会进一步改善。

图片

毛利率的提高的原因,一方面在于产品销量规模化带来的经济效益,例如采购成本的降低等。

但同时,速腾聚创基于核心技术与自研能力实现的降本增效,同样不可小觑。

例如,速腾聚创激光雷达公司通过自研芯片,将扫描模组芯片化、处理芯片集成化,实现了激光雷达硬件架构的集成与优化,体积缩小的同时,成本也大幅下降。

图片

并且该公司在软件算法方面的独特能力,也在同步发挥巨大的协同效益。据介绍,速腾聚创的初创团队做激光雷达感知算法出身,公司基于AI软件(HyperVision2.0),可以为车载ADAS提供融合感知解决方案,还推出了Reference解决方案,旨在帮助行业做好ADAS/AD感知系统的前装开发与验证。

也正是得益于平台化全栈技术的快速迁移与拓展,在硬件规模效益、开发成本、开发效率等方面均带来不小的优势。

今年速腾聚创推出极致性价比的新品MX便是其全栈软硬件技术能力的成果之一,也是其撬开20万级别以下车型主力市场的砝码,有望撕掉“激光雷达太贵”的标签,快速提升激光雷达在大众市场的渗透率。

近两年,车企的价格战愈演愈烈,对供应链降本增效的需求逐渐加剧。其中在高阶智驾市场,下沉“战役”已经打响,这对包括传感器在内的智驾系统成本控制需求进一步加剧。

而基于全栈自研软硬件核心技术底座实现的技术创新、产品升级、降本增效等综合实力,无疑是速腾聚创在激烈竞争中持续领跑的底气,也是在每一个风口到来之际一马当先的关键。

这从速腾聚创的研发支出数据可见一斑。

根据财报显示,Q3的研发支出为1.52亿人民币,同比增长30.3%。并且,研发开支占收入的百分比为34.9%。从积累和投入来看,速腾聚创在激光雷达和感知解决方案上已经深耕9年多,在专利、芯片、软件算法、多传感融合感知方案方面均有扎实的技术储备。

图片

如果说,不断进行技术创新和产品升级,才是在激烈的市场竞争中立于不败之地的基础,而基于技术创新能力,在业务拓展、创新战略方面的精准部署,则是企业做大做强,获取更大的发展机遇的关键。

例如目前全球市值第一的人工智能公司英伟达,从游戏显卡起家到AI时代霸主,凭借其强大技术实力与创新能力,瞄准新兴市场的巨大潜力,不断拓展自己的业务边界。英伟达以“CPU+GPU+DPU”三大芯片为产品底座,覆盖了游戏业务、专业可视化业务、数据中心和汽车业务几大板块。

尤其是近两年随着生成式AI的爆发,英伟达再次成为了最大赢家,其在 AI 芯片领域拥有强大的技术优势和近乎垄断的市场地位,除了硬件,这家巨头同时正在大力投资AI软件领域。

中国本土新能源汽车巨头比亚迪多年来始终坚持全栈自研和垂直整合的战略,注重核心技术的研发和创新,成就了其在技术、产品、业务线上的全面优势,在当前汽车市场竞争激烈的大环境下,比亚迪却依旧保持量、利、价齐升。

对致力于AI+机器人平台的的速腾聚创来说,依靠长期主义思维,夯实在核心硬件、软件算法、芯片等领域的技术能力,逐步拓展业务边界与战略版图,从每个应用场景的全球领先开始,成长为全球领先的激光雷达公司,再到全球领先的机器人技术平台公司。

相关文章:

踩准智能汽车+机器人两大风口,速腾聚创AI+机器人应用双线爆发

日前,RoboSense速腾聚创交出了一份亮眼的Q3财报。受到多重利好消息影响,其股价也应势连续大涨。截止12月9日发稿前,速腾聚创股价近一个月内累计涨幅已超88%。 财务数据方面,速腾聚创在今年前三季度实现总收入约11.3亿元&#xff0…...

YOLOv8全解析:高效、精准的目标检测新时代——创新架构与性能提升

目录 前言 一、模型介绍 二、网络结构 Backbone改进 特征增强网络(neck) 检测头(head) 其它部分 三、Loss计算 四、性能表现 五、YOLOv8使用详解 添加模型 其它部分 创建数据集 数据标注 模型训练 模型预测 六、YOLOv8总结 前言 YOLO(You Only Lo…...

【Python】使用Selenium 操作浏览器 自动化测试 记录

【自动化】Python SeleniumUtil 工具 开启开发者模式 自动安装油猴用户脚本等-CSDN博客文章浏览阅读389次。【自动化】Python SeleniumUtil 工具。https://blog.csdn.net/G971005287W/article/details/144565691?spm1001.2014.3001.5501【学习记录】浏览器指纹相关学习记录&am…...

GDPU软件工程习题(挖空版)

答案: GDPU软件工程24期末复习-CSDN博客 1.8 练习题 一、填空题 软件工程是一门综合性的交叉学科,它涉及计算机学科、( )学科、( )学科和( )学科。软件工程研究的主要内容是 ( )、( )、( ) 三个方…...

【活动邀请·深圳】深圳COC社区 深圳 AWS UG 2024 re:Invent re:Cap

re:Invent 是全球云计算领域的顶级盛会,每年都会吸引来自世界各地的技术领袖、创新者和实践者汇聚一堂,分享最新的技术成果和创新实践,深圳 UG 作为亚马逊云科技技术社区的重要组成部分,将借助 re:Invent 的东风,举办此…...

Hutool工具包的常用工具类的使用介绍

前言 Hutool 是一个轻量级的 Java 工具类库,提供了非常丰富的工具方法,可以大大减少开发时的重复性工作。它的目标是让 Java 开发更简单、更高效。Hutool 提供了多种常用功能,以下是一些常用工具类的使用介绍: 1. StrUtil - 字符…...

C++简明教程(文章要求学过一点C语言)(2)

一、什么是代码文件(头文件和源文件) 想象你在写一篇很长的故事(这就好比是一个 C 程序),你可能会把故事分成不同的章节(类似于 C 中的文件)。 头文件(.h):它…...

防火墙技术与网络安全

网络已经成为了人类所构建的最丰富多彩的虚拟世界,网络的迅速发展,给我们的工作和学习生活带来了巨大的改变。我们通过网络获得信息,共享资源。如今,Internet遍布世界任何一个角落,并且欢迎任何一个人加入其中&#xf…...

html 中 表格和表单的关系与区别

在 HTML 中&#xff0c;表格 (<table>) 和表单 (<form>) 是两种常用于展示数据和收集用户输入的元素。它们具有不同的功能和结构。以下是关于这两者的详细介绍&#xff1a; 1. HTML 表格&#xff08;<table>&#xff09; 表格用于展示结构化的数据&#xf…...

基于Java的购物网站毕业论文

标题:基于 Java 的购物网站 内容:1.研究背景 1.1.国内研究进展 近年来&#xff0c;随着我国电子商务市场的不断发展&#xff0c;越来越多的企业开始涉足电子商务领域。其中&#xff0c;基于 Java 的购物网站成为了众多企业的首选。Java 语言具有跨平台、安全性高、稳定性好等优…...

Redis——缓存预热+缓存雪崩+缓存击穿+缓存穿透

文章目录 1、 缓存预热2、 缓存雪崩3、 缓存击穿4、 缓存穿透总结 1、 缓存预热 什么是预热&#xff1a; mysql加入新增100条记录&#xff0c;一般默认以mysql为准作为底单数据&#xff0c;如何同步给redis&#xff08;布隆过滤器&#xff09;这100条新数据。 为什么需要预热…...

wxWidgets使用wxStyledTextCtrl(Scintilla编辑器)的正确姿势

开发CuteMySQL/CuteSqlite开源客户端的时候&#xff0c;需要使用Scintilla编辑器&#xff0c;来高亮显示SQL语句&#xff0c;作为C/C领域最成熟稳定又小巧的开源编辑器&#xff0c;Scintilla提供了强大的功能&#xff0c;wxWidgets对Scintilla进行包装后的是控件类&#xff1a;…...

【ETCD】【实操篇(二)】如何从源码编译并在window上搭建etcd集群?

要在 Windows 上编译 etcd 及 etcdctl 工具&#xff0c;并使用 bat 脚本启动 etcd 集群&#xff0c;首先需要准备好开发环境并确保依赖项正确安装。下面是从 etcd 3.5 源码开始编译和启动 etcd 集群的详细步骤&#xff1a; 目录 1. 安装 Go 环境2. 获取 etcd 源码3. 编译 etcd…...

服务器数据恢复—V7000存储中多块磁盘出现故障导致业务中断的数据恢复案例

服务器存储数据恢复环境&#xff1a; 一台V7000存储上共12块SAS机械硬盘&#xff08;其中1块是热备盘&#xff09;&#xff0c;组建了2组Mdisk&#xff0c;创建了一个pool。挂载在小型机上作为逻辑盘使用&#xff0c;小型机上安装的AIXSybase。 服务器存储故障&#xff1a; V7…...

冯诺依曼架构与哈佛架构的对比与应用

冯诺依曼架构&#xff08;Von Neumann Architecture&#xff09;&#xff0c;也称为 冯诺依曼模型&#xff0c;是由著名数学家和计算机科学家约翰冯诺依曼&#xff08;John von Neumann&#xff09;在1945年提出的。冯诺依曼架构为现代计算机奠定了基础&#xff0c;几乎所有现代…...

Hive其四,Hive的数据导出,案例展示,表类型介绍

目录 一、Hive的数据导出 1&#xff09;导出数据到本地目录 2&#xff09;导出到hdfs的目录下 3&#xff09;直接将结果导出到本地文件中 二、一个案例 三、表类型 1、表类型介绍 2、内部表和外部表转换 3、两种表的区别 4、练习 一、Hive的数据导出 数据导出的分类&…...

CMake function使用

在 CMake 中&#xff0c;function 用于定义一个可复用的代码块&#xff0c;可以在 CMake 脚本中多次调用。它类似于其他编程语言中的函数。函数内的变量默认是局部的&#xff0c;不会影响外部的变量&#xff0c;除非显式地使用 PARENT_SCOPE 来修改父级作用域中的变量。 基本语…...

【AI学习】Huggingface复刻Test-time Compute Scaling技术

OpenAI ChatGPT o1 背后的关键技术Test-time Compute Scaling&#xff0c;Huggingface实现并开源了&#xff01; Hugging Face 团队发布了一篇关于“开源模型中的推理阶段计算扩展”&#xff08;Test-time Compute Scaling&#xff09; 的研究文章。Hugging Face 团队通过复现…...

前端导出PDF的组件及方法

前端导出PDF的组件及方法 在Web应用程序中&#xff0c;导出PDF文件是一项常见的需求。无论是为了打印、分享还是存档&#xff0c;能够将网页内容转换为PDF格式都非常有用。幸运的是&#xff0c;前端开发者有多种方法和组件可以实现这一功能。在本文中&#xff0c;我们将详细介…...

Mac升级macOS 15 Sequoia后,无法ssh连接本地虚拟机

现象 macOS 15后&#xff0c;无法ssh连接本地启动的虚拟机&#xff0c;提示错误&#xff1a; No route to host&#xff0c;也ping不通。包括UTM、Parallels Desktop这两个虚拟机软件。之前都是没问题的&#xff0c;通过一些简单排查&#xff0c;目前没发现什么问题。 在虚拟…...

简易版抽奖活动的设计技术方案

1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...

Java 8 Stream API 入门到实践详解

一、告别 for 循环&#xff01; 传统痛点&#xff1a; Java 8 之前&#xff0c;集合操作离不开冗长的 for 循环和匿名类。例如&#xff0c;过滤列表中的偶数&#xff1a; List<Integer> list Arrays.asList(1, 2, 3, 4, 5); List<Integer> evens new ArrayList…...

从零实现富文本编辑器#5-编辑器选区模型的状态结构表达

先前我们总结了浏览器选区模型的交互策略&#xff0c;并且实现了基本的选区操作&#xff0c;还调研了自绘选区的实现。那么相对的&#xff0c;我们还需要设计编辑器的选区表达&#xff0c;也可以称为模型选区。编辑器中应用变更时的操作范围&#xff0c;就是以模型选区为基准来…...

《用户共鸣指数(E)驱动品牌大模型种草:如何抢占大模型搜索结果情感高地》

在注意力分散、内容高度同质化的时代&#xff0c;情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现&#xff0c;消费者对内容的“有感”程度&#xff0c;正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中&#xff0…...

(二)原型模式

原型的功能是将一个已经存在的对象作为源目标,其余对象都是通过这个源目标创建。发挥复制的作用就是原型模式的核心思想。 一、源型模式的定义 原型模式是指第二次创建对象可以通过复制已经存在的原型对象来实现,忽略对象创建过程中的其它细节。 📌 核心特点: 避免重复初…...

C++中string流知识详解和示例

一、概览与类体系 C 提供三种基于内存字符串的流&#xff0c;定义在 <sstream> 中&#xff1a; std::istringstream&#xff1a;输入流&#xff0c;从已有字符串中读取并解析。std::ostringstream&#xff1a;输出流&#xff0c;向内部缓冲区写入内容&#xff0c;最终取…...

NFT模式:数字资产确权与链游经济系统构建

NFT模式&#xff1a;数字资产确权与链游经济系统构建 ——从技术架构到可持续生态的范式革命 一、确权技术革新&#xff1a;构建可信数字资产基石 1. 区块链底层架构的进化 跨链互操作协议&#xff1a;基于LayerZero协议实现以太坊、Solana等公链资产互通&#xff0c;通过零知…...

SpringCloudGateway 自定义局部过滤器

场景&#xff1a; 将所有请求转化为同一路径请求&#xff08;方便穿网配置&#xff09;在请求头内标识原来路径&#xff0c;然后在将请求分发给不同服务 AllToOneGatewayFilterFactory import lombok.Getter; import lombok.Setter; import lombok.extern.slf4j.Slf4j; impor…...

Mobile ALOHA全身模仿学习

一、题目 Mobile ALOHA&#xff1a;通过低成本全身远程操作学习双手移动操作 传统模仿学习&#xff08;Imitation Learning&#xff09;缺点&#xff1a;聚焦与桌面操作&#xff0c;缺乏通用任务所需的移动性和灵活性 本论文优点&#xff1a;&#xff08;1&#xff09;在ALOHA…...

Linux离线(zip方式)安装docker

目录 基础信息操作系统信息docker信息 安装实例安装步骤示例 遇到的问题问题1&#xff1a;修改默认工作路径启动失败问题2 找不到对应组 基础信息 操作系统信息 OS版本&#xff1a;CentOS 7 64位 内核版本&#xff1a;3.10.0 相关命令&#xff1a; uname -rcat /etc/os-rele…...