首頁輔助駕駛
搜尋歷史
熱門搜尋
經銷商登入 / 註冊
作者 | Janson
編輯 | 志豪
海外收入按年同升 164%，ADAS 業務開始放量。
車東西 8 月 13 日消息，昨晚，文遠知行發布了 2026 年第二季度業績，海外業務高速增長，Robotaxi 商業化進程進一步提速。
▲文遠知行 2026 年第二季度主要財務數據
今年第二季度，文遠知行實現營收 2.32 億元，按年同升 82.2%、按季增長 103.1%；毛利潤達到 8687 萬元，按年同升 143.3%；毛利率由去年同期的 28.1% 提升至 37.5%，按年增加 9.4 個百分點。
從收入結構看，文遠知行的增長主要由 L4 業務擴張，以及 L2++/L3 解決方案開始放量共同推動。
其中，第二季度 L4 業務收入達到 1.25 億元，按年同升 47.3%、按季增長 130.6%；L2++/L3 業務收入按年暴漲 2593.8%、按季增長 219.3%。
與此同時，海外市場成為增長最快的業務板塊。第二季度，文遠知行海外收入按年同升 164.4%、按季增長 169.3%；上半年海外收入按年同升 154.4%。
文遠知行方面還在財報會上表示，海外 Robotaxi 的輕資產模式已經跑通，單輛 Robotaxi 每年可為文遠知行帶來超過 4 萬至 5 萬美元（約合人民幣 27-33.85 萬元）的經常性收入。
不過，文遠知行目前仍未實現盈利。
第二季度，文遠知行淨虧損為 4.01 億元，較去年同期的 4.06 億元小幅收窄約 1.4%；經調整淨虧損為 3.38 億元，按年擴大約 12.6%。
整體來看，文遠知行第二季度 Robotaxi 運營效率和商業收入正在提升，不過距離整體盈利仍有一段距離。
01.
二季度營收 2.32 億元
毛利率升至 37.5%
今年第二季度，文遠知行實現營收 2.32 億元，較去年同期的 1.27 億元增長 82.2%，較今年第一季度增長 103.1%。
其中，產品收入為 9232 萬元，按年同升 54.4%；服務收入達到 1.39 億元，按年同升 106.8%，服務業務貢獻了約六成營收。
▲文遠知行第二季度詳細財務信息
同期，文遠知行收入成本為 1.45 億元，按年同升 58.4%，增速低於營收增速。
受此影響，第二季度毛利潤由去年同期的 3570 萬元增長至 8687 萬元，按年增幅超過一倍；綜合毛利率達到 37.5%，相比去年同期的 28.1% 提高 9.4 個百分點。
文遠知行方面表示，毛利率提高主要來自兩方面：一是毛利率相對較高的 L2++/L3 業務收入增長，二是海外 L4 業務收入貢獻提升。
研發費用方面，文遠知行二季度研發開支為 4.34 億元，按年同升 36.2%。
▲文遠知行研發費用
文遠知行方面稱，研發開支增長主要是人員及外包人工成本、折舊攤銷以及雲服務費用增加所致。
最終，文遠知行第二季度經營虧損為 4.22 億元，較去年同期的 4.54 億元收窄約 7%；淨虧損為 4.01 億元，較去年同期小幅收窄約 1.4%。
▲文遠知行虧損情況
每股美國存託股基本及攤薄虧損為 1.23 元人民幣，去年同期為 1.35 元人民幣。
從上半年整體來看，文遠知行累計營收為 3.46 億元，按年同升 73.3%；毛利潤為 1.26 億元，按年同升 107.1%；毛利率由去年同期的 30.6% 提升至 36.6%。
▲文遠知行 EBITDA 虧損
上半年，文遠知行淨虧損為 7.90 億元，與去年同期的 7.92 億元基本持平；經調整淨虧損為 6.65 億元，高於去年同期的 5.95 億元；EBITDA 為 -6.67 億元，較去年同期的 -7.13 億元收窄 6.5%。
02.
L2++/L3 收入暴漲 26 倍
海外市場成為增長主力
從具體業務看，L4 仍是文遠知行最大的業務板塊。
第二季度，文遠知行 L4 業務收入達到 1.25 億元，按年同升 47.3%、按季增長 130.6%。
按照文遠知行的定義，L4 業務主要包括銷售自動駕駛車輛，以及提供自動駕駛運營和技術支持服務，主要產品線涵蓋 Robotaxi 和 Robobus 等。
同時，在第二季度，文遠知行一段式端到端 L2++/L3 解決方案 WRD 3.0 出貨量約為 3 萬套，相關業務收入按年同升 2593.8%，相當於達到去年同期的約 27 倍；按季增長 219.3%。
▲文遠知行 WRD 3.0
截至目前，文遠知行已經獲得超過 30 款車型的 L2++ 量產定點。
WRD 3.0 也已經在法國、德國和日本等海外市場進行道路測試與本地化適配驗證。
與此同時，海外市場正在成為最主要的增量來源。第二季度，文遠知行海外收入按年同升 164.4%、按季增長 169.3%；上半年海外收入按年同升 154.4%。
截至目前，文遠知行的自動駕駛測試或運營業務已經覆蓋全球 13 個國家的 60 多個城市。
歐洲方面，文遠知行與 Uber 計劃年內在馬德里推出西班牙首個商業化 Robotaxi 試點，這是雙方在全球的第四個聯合部署項目，也是首次攜手進入歐洲市場。
此外，文遠知行也在瑞士蘇黎世、丹麥市場進行了佈局。
▲文遠知行在馬德里的 Robotaxi
中東方面，文遠知行已經在阿布扎比和迪拜實現 Robotaxi 純無人運營，獲批服務範圍覆蓋核心城區 70% 以上。截至 2026 年 7 月 31 日，公司在中東地區的 Robotaxi 車隊規模約為 400 輛。
03.
Robotaxi 單車日均超 21 單
國內打車收入按季增長 140%
海外收入增長之外，文遠知行國內 Robotaxi 的運營效率也在提升。
第二季度，文遠知行國內 Robotaxi 單車日均訂單量超過 21 單，按季增長約 24%，單車單日完成訂單量峰值達到 28 單；平台註冊用戶按季增長 35%，帶動單季度國內打車收入按季增長約 140%。
▲文遠知行 Robotaxi
從 Robotaxi 商業化的角度來看，單車訂單量是影響單車經濟模型的核心指標之一。
從這一點看，單車日均訂單量超過 21 單，以及打車收入按季增長約 140%，說明文遠知行的國內 Robotaxi 車隊利用率正在改善。
服務區域方面，文遠知行繼續擴大北京和廣州的純無人 Robotaxi 運營範圍。
其中，廣州的服務區域已經覆蓋黃埔、天河和海珠等行政區，較 2025 年底擴大至 3 倍，並實現 7×24 小時商業化運營。
截至 2026 年 7 月底，文遠知行全球 L4 車隊規模約為 3400 輛，其中 Robotaxi 超過 1800 輛。這意味著 Robotaxi 已經佔到公司 L4 車隊的一半以上，並成為其規模最大的 L4 產品線。
▲文遠知行 Robobus
除 Robotaxi 之外，文遠知行還在推進自動駕駛小巴業務。
目前，文遠知行在蘇黎世運營的自動駕駛小巴已經取消前排安全員；在比利時魯汶部署的小巴計劃於今年第三季度取消前排安全員並開展商業運營。此外，公司還在日本、沙特、新加坡和阿聯酋等市場提供自動駕駛小巴服務。
04.
文遠知行韓旭：
海外輕資產模式可複製，靠技術服務收費
在財報會上，文遠知行創辦人、董事長兼 CEO 韓旭及 CFO、國際負責人李璇，回答了投資者及機構關切的問題，車東西對問答進行了摘編：
1、公司如何分配 L4、L2++/L3 及 AI 基礎設施業務的資源？下半年有哪些目標？
目前，文遠知行的 L4、L2++/L3 和 AI 基礎設施業務並非相互獨立，而是共享由 GENESIS 世界模型和 WITT 物理 AI 認知基礎大模型等組成的技術底座。
其中，L4 車隊在真實運營中產生的高價值數據，可以持續提升系統的安全性、魯棒性和泛化能力；不斷擴大的 L2++/L3 量產車隊，則能收集更廣泛的道路數據，反向加快 L4 模型迭代，並擴大對長尾場景的覆蓋。
在業務目標上，文遠知行將繼續擴大 Robotaxi 業務規模，推動更多車企採用其 L2++/L3 解決方案，並爭取向更多機器人企業輸出 AI 基礎設施能力。
其中，擴大 L2++/L3 解決方案的裝車規模，將是公司下一階段的核心目標。
2、海外業務如何擴張，輕資產模式能否在不同市場複製？
海外市場已經成為文遠知行的重要增長引擎，文遠知行在海外主要採用輕資產模式，即公司不持有投入運營的車輛資產，而是負責自動駕駛技術的本地化適配、監管合規及「虛擬司機」技術授權，並收取持續性的技術服務費和基於里程的費用。車輛投入和日常運營則主要由當地合作夥伴負責。
按照這一模式，單輛 Robotaxi 每年可為文遠知行帶來超過 4 萬至 5 萬美元（約合人民幣 27-33.85 萬元）的經常性收入。隨著單個城市車隊規模擴大、運營密度提升，單車收入和盈利能力仍有進一步增長空間。
3、L2++/L3 業務有哪些最新進展？如何看待主機廠進入 Robotaxi 領域？
文遠知行一段式端到端 L2++/L3 解決方案 WRD 3.0 已經由獲得定點階段進入規模化量產階段。
截至 2026 年 6 月底，搭載文遠知行 L2++/L3 解決方案的車輛累計交付量已經超過 3 萬輛。公司計劃在 2026 年底將搭載量提升至 10 萬輛，並在 2027 年實現累計交付超過 50 萬輛。
文遠知行在該業務上的競爭優勢，來自 GENESIS 和 WITT 兩大模型及其背後的 AI 基礎設施。依靠模型訓練和蒸餾能力，公司可以用規模相對較小的團隊開發端到端智駕系統，同時將模型部署在成本相对较低的車端硬件上。
對於部分主機廠利用 ADAS 技術和量產車數據進入 Robotaxi 市場的趨勢，韓旭表示歡迎更多參與者加入競爭，但同時認為，ADAS 和 L4 Robotaxi 之間仍存在較大差異。
4、WITT 模型具體能夠解決什麼問題？
WITT 的核心能力，是從大規模車輛運行視頻中提取並驗證「物理事實」，進一步分析不同事實之間的聯繫和因果關係。
兩大模型協同後，可以形成從真實數據理解、物理事實提取，到仿真場景生成和算法訓練的閉環，從而補充自動駕駛訓練所需的長尾數據，提高訓練效率並降低訓練成本。
車端部署方面，韓旭稱，依靠模型蒸餾能力，文遠知行能夠在約 200 TOPS 算力的平台上運行相關智駕系統，而部分競爭方案使用的算力可能達到約 2000 TOPS。
5、不掌握車輛和用戶流量，輕資產模式如何保持話語權？
有投資者指出，在文遠知行的輕資產模式下，如果 Uber 等平台將訂單分配給其他自動駕駛供應商，文遠知行如何保持合作穩定性？相關協議是否包含排他性條款或最低業務量承諾？
文遠知行方面希望在每個市場建立由出行平台、當地運營商和服務供應商共同組成的生態體系，而不是依賴單一合作夥伴。
文遠知行在合作關係中的核心籌碼，主要是安全記錄、監管許可、技術本地化和實際部署能力。
文遠知行目前已經在 8 個市場獲得自動駕駛牌照，並在多個國家開展 L4 業務。隨著不同市場的監管框架逐漸趨同，公司在一個地區積累的安全驗證、技術適配和監管溝通經驗，也可以幫助其降低進入其他市場的合規成本。
換句話說，文遠知行在輕資產模式中的話語權，並非來自車輛所有權或用戶流量，而是來自經過監管認可的自動駕駛技術、安全記錄及跨市場落地能力。
05.
結語：自動駕駛競爭比 效率
文遠知行二季度業績表明，自動駕駛行業正從技術驗證轉向規模化商業落地
Robotaxi 車隊持續擴張、單車訂單量提升，疊加 L2++/L3 方案加速上車，行業收入來源正從項目制逐步走向運營和量產並行。
未來，誰能率先實現穩定訂單、可控成本和持續現金流，誰才更有可能真正跨過自動駕駛商業化拐點。
作為喺自動駕駛行業摸爬滾打近十年嘅老兵，我親歷過行業從資本狂熱到理性落地、從 L4 炫技到 L2+ 規模化嘅完整週期。早年喺參與主機廠定点項目時，我曾與多家方案商深度對接，而 Momenta 係最令我震撼嘅一家——彼時行業仲喺糾結感知精度、算法迭代週期動輒以季度為單位，呢家公司卻以月級甚至周級嘅迭代速度刷新認知，數據閉環效率、工程化落地能力遠超同期玩家。
大概係 19 年嘅某次技術論壇上，剛好係夏炎（下圖中間第三位）分享 Momenta 嘅技術進展，見到佢哋家嘅 Demo，整個會議上嘅從業員眼都亮咗，而呢種技術領先性，一直延續到而家。
後來 R6 大模型橫空出世，憑藉端到端感知決策一體化、海量數據驅動嘅快速優化能力，直接奠定 Momenta 喺量產輔助駕駛領域嘅頭部地位，成為賓士、奧迪、寶馬等全球品牌嘅核心選擇。
2026 北京車展，Momenta 再次拋出行業重磅炸彈——R7 強化學習世界模型量產首發，正式宣告物理 AI 從技術概念走向規模化量產。從 R6 嘅技術領跑，到 R7 嘅範式革新；從 70 餘款量產車型、80 萬台裝車規模，到 40 日交付 10 萬台嘅飛輪效應，Momenta 用十年時間走完了「技術驗證—規模化落地—底層範式革命」嘅全路徑，成为全球唯一同時打通頂級車企定点、海量數據閉環、端到端大模型、Robotaxi 商業化嘅自動駕駛公司。當行業仲喺爭論「感知為王」定「規控至上」時，Momenta 已經用世界模型 + 強化學習嘅雙支柱，敲開咗物理 AI 嘅量產大門。
過去十年，自動駕駛行業陷入咗一個睇得到、睇唔懂、反應慢嘅怪圈。
傳統輔助駕駛方案高度依賴規則 + 標註 + 模仿學習：感知層識別車輛、行人、車道線，規控層依據預設邏輯執行跟車、變線、轉彎。呢套體系喺常規路況下表現穩定，但一遇到長尾極端場景就極易失效——前車突然掉落貨物、非機動車無規律變線、施工區域臨時改道、惡劣天氣下目標模糊……呢啲萬中無一嘅小概率事件，恰恰係決定安全嘅關鍵。
行業並非冇努力。為咗覆蓋長尾，企業不斷擴充場景庫、增加標註量、升級傳感器配置，結果陷入越補越漏、越疊越重嘅惡性循環：算力消耗飆升、成本居高不下、迭代效率低，更致命嘅係，系統始終停留在記憶場景、匹配規則嘅層面，從未真正理解物理世界嘅運行邏輯——蘋果為咩會滾落、貨車為咩會側傾、行人為咩會突然加速，呢啲因果關係，傳統端到端算法永遠學唔識。
這就係自動駕駛嘅終極瓶頸：AI 可以精準識別物體，却无法預測物體嘅未來狀態、運動趨勢、交互可能；可以模仿人類駕駛行為，却无法喺未知場景做出超越人類嘅最佳決策。行業唔係需要更強嘅感知、更複雜嘅規則，而係一種能夠理解物理、推演未來、自主進化嘅全新智能範式。
Momenta 嘅答案，係物理 AI。
曹旭東喺車展分享會上畀咗清晰定義：世界模型與強化學習，共同構成物理 AI 嘅兩大核心支柱。呢唔係簡單嘅技術堆疊，而係對智能本質嘅回歸。
大型語言模型嘅成功，源於下一個詞元預測——通過預測文本序列，壓縮數字世界常識，讓 AI 理解語言。物理 AI 嘅邏輯完全相通：世界模型通過預測物理世界嘅未來狀態，壓縮物理規律、因果關係、交互常識，讓 AI 讀懂真實世界；而強化學習則提供自主進化動能，讓 AI 喺試錯、反饋、迭代中持續優化，從「模仿者」變成「決策者」。
Momenta R7 嘅革命性，在於把呢套邏輯徹底工程化、量產化，構建起三層世界模型架構：
第一層：世界模型預訓練——把物理規律「餵」畀模型
依托超 80 萬台量產車嘅海量真實數據，R7 完成對物理世界嘅基礎認知。模型唔只係學習像素級特徵，更係壓縮物理規則：物體質量、摩擦係數、運動慣性、碰撞邏輯、交互可能性……所有駕駛場景中隱含嘅常識，都被轉化爲模型參數。呢一步，讓 AI 從「看山係山」升級爲「知道山為咩唔動、石頭點解會滾」。
第二層：世界模型模擬——用虛擬世界推演真實未來
傳統模擬依賴人工構建場景，覆蓋率低、真實性差。R7 嘅世界模型模擬，係讓 AI 自己推演世界變化：當車輛執行某一動作，周圍環境會如何響應？極端場景下，唔同目標會呈現怎樣嘅運動軌跡？依托高效推演能力，模型可以快速評估長尾場景性能，把現實中幾年先遇到一次嘅極端情況，變成虛擬世界裡嘅常規訓練科目。
第三層：世界模型強化學習——打造自主進化嘅「虛擬演習場」
呢係 R7 最核心嘅突破。喺高度逼真嘅虛擬環境中，AI 唔再被動模仿人類數據，而係主動探索、反覆試錯、自主優化，通過強化學習習得最佳決策。就好似人類駕駛員通過經驗預判風險，R7 能喺千萬次推演中，掌握超越人類嘅場景處理能力——比如前車掉落一箱蘋果，傳統系統只能被動避讓，R7 能提前預判滾落軌跡、擴散範圍，平穩減速、精準繞行，把危險扼殺喺萌芽狀態。
從預訓練到模擬再到強化學習，R7 完成咗認知—推演—進化嘅完整閉環，讓自動駕駛從「見到世界」，真正跨越到「理解世界」。呢唔係功能升級，而係底層範式嘅代際變革。
發布會上，Momenta 合夥人、研發 SVP 孫剛舉咗一個真實例子：行車時，如果遇到前車意外掉落一箱蘋果，Momenta 嘅物理 AI 能力，能夠自主預判蘋果滾落嘅軌跡與擴散範圍，提前平穩減速、規劃繞行路線，以更從容、更貼合人類駕駛邏輯嘅方式處理突發路況。傳統端到端算法難以預設同覆蓋嘅長尾極端情況，Momenta R7 強化學習世界模型理解物理世界嘅運動規律與交互邏輯，而係依賴場景記憶與規則匹配。
技術再先進，無法量產落地都係空中樓閣。Momenta 嘅可怕之處，在於技術迭代同規模化量產雙向奔赴，形成咗行業獨有嘅飛輪效應。
車展數據足以爲證：
呢啲數字背後，係 Momenta 從成立之初就堅持嘅量產優先戰略。唔同於好多 L4 公司沉迷 Robotaxi 炫技，Momenta 由第一日開始就鎖定主機廠量產需求，把數據閉環、工程化、供應鏈適應做到極致。R6 大模型已經證明，Momenta 能喺低成本算力、有限傳感器下實現高級輔助駕駛體驗；而 R7 嘅量產首發，進一步驗證咗大模型 + 強化學習 + 世界模型嘅方案，完全滿足車規級、規模化、快速迭代嘅量產要求。
量產規模帶嚟數據優勢，數據優勢反哺模型迭代，迭代速度吸引更多車企定点——Momenta 嘅飛輪，已經進入加速旋轉階段。80 萬台裝車量，意味著每天產生海量真實駕駛數據，呢啲數據持續訓練 R7 世界模型，讓系統越嚟越聰明、越嚟越安全；而快速交付能力，又能夠讓最新技術第一時間落地到用戶端，形成技術—數據—商業化嘅正向循環。
喺行業普遍陷入「叫好不叫座」嘅困境時，Momenta 用實打實嘅量產數據證明：自動駕駛嘅終局，唔係實驗室裡嘅完美算法，而係工程化、規模化、商業化嘅綜合勝利。
四、全球佈局：從中國供應商，到物理 AI 全球玩家自動駕駛嘅競爭，終究係全球競爭。Momenta 嘅野心，從來唔止喺中國市場。
目前，Momenta 量產落地已覆蓋英國、挪威、新加坡、澳新等十幾個國家同地區，成為少數能實現全球化合規、全球化合適嘅中國輔助駕駛方案商。更重要嘅係，Momenta 嘅 Robotaxi 全球生態持續擴大，與享道出行、智己汽車、Uber、賓士、Grab 等多家出行巨頭同車企達成戰略合作，推進自動駕駛商業化服務規模化落地。
呢意味著 Momenta 打通咗L2+ 量產與 L4 Robotaxi嘅技術壁壘。R7 世界模型作為通用物理 AI 架構，既能賦能私家車嘅輔助駕駛，亦能支撐無人駕駛出租車嘅全場景運營。呢種技術底座統一、高低階場景打通嘅能力，正係全球車企同出行公司最重視嘅核心价值——唔使重複研發、唔使兩套體系，一套方案覆蓋所有智能駕駛需求。
當中國車企加速出海、全球車企尋求智能化轉型，Momenta 憑藉技術領先性、量產成熟度、全球化合適能力，成為中外品牌嘅共同選擇。從 R6 到 R7，Momenta 完成咗從中國領先到全球領跑嘅跨越，成為中國智能駕駛走向世界嘅標桿。
五、東方矽谷：中國 AI 公司嘅時代使命曹旭東喺分享會上嘅感慨，道出咗所有中國科技從業員嘅心聲：十年前喺矽谷，Fairchild Drive 孕育咗半導體產業嘅傳奇；今日，中國 AI 公司有機會書寫東方矽谷傳奇。
自動駕駛係物理 AI 嘅最佳落地場景，亦係 AI 技術、工業汽車、出行生態嘅交匯點。過去十年，中國喺智能電動化領域實現彎道超車，誕生出全球最活躍嘅車企集群、最完善嘅供應鏈體系、最龐大嘅用戶市場。而係以 Momenta 為代表嘅中國輔助駕駛公司，正喺底層技術層面構建新壁壘——從大模型到世界模型，從強化學習到物理 AI，中國公司唔再跟隨西方技術路線，而係定義行業標準、引領技術方向。
R7 嘅量產首發，標誌著中國自動駕駛正式進入物理 AI 時代。呢個係從「跟跑」到「領跑」嘅轉折點：以前我哋學習國外嘅規則、算法、架構，而家我哋用自己嘅技術，解決全球行業嘅終極難題；以前我哋為全球車企提供零部件，而家我哋輸出底層智能範式。
結語：物理 AI 量產，只係開始從早年對接時被迭代速度震撼，到 R6 奠定行業地位，再到 R7 開啟物理 AI 量產時代，我親眼見證 Momenta 一步步將唔可能變爲可能。
2026 年，注定係自動駕駛範式切換嘅關鍵一年。當行業仲喺比拼傳感器數量、算力大小、場景覆蓋數量時，Momenta 已經用 R7 告訴所有人：自動駕駛嘅終極競爭，係對物理世界理解能力嘅競爭，係自主進化能力嘅競爭，係規模化量產能力嘅競爭。
80 萬台裝車、200 款定点、40 日 10 萬台交付、全球十幾個國家落地、R7 強化學習世界模型量產首發……呢啲數字唔係終點，而係 Momenta 物理 AI 征程嘅序章。
未來，隨著物理 AI 規模化落地，自動駕駛將真正擺脫「人工輔助」嘅定位，成為超越人類、守護安全嘅智能夥伴。而係以 Momenta 為代表嘅中國 AI 公司，將站喺世界舞臺中央，書寫屬於東方嘅科技傳奇。
呢一次，中國自動駕駛，唔再追趕，而係引領。
