行业投资进入“分水岭”。本周三季报逐步披露，计算机板块的不同赛道、个体标的的业绩边际变化不尽相同，一部分公司依然持续表现出政府支出承压下的短期业绩压力，有一部分公司依然持续交出了漂亮的业绩答卷，形成非常明显的横向比较优势，同时还有一部分公司已经出现了边际的赛道回暖信号，业绩呈现出逐季恢复态势。
大模型受到端侧算力限制，需要“云边端”的部署方式
智驾大模型与通用类语言大模型的区别在于部署难度高、数据维度广以及模型设计复杂。目前智驾大模型主流构建方式是：在云边端一体化的架构下，利用云端算力优势训练大规模多模态数据，然后结合边端的计算能力，通过多任务的学习和分布式训练为车辆提供更有效的感知融合效果与实时建图方案，最终让车端实现与人类司机行为和思维一致的感知、预测、规划等能力。
数据的合规性和有效性是自动驾驶模型迭代的关键，合成数据或成“破局点”
支持自动驾驶数据闭环实现周而复始、不断向前的关键，是新场景数据的不断投喂。只有让模型认识了足够多的场景，才能获得泛化性较高的智能软件。同时面对地图数据合规性挑战，车厂数据采集难。利用生成式AI技术与仿真结合生产的合成数据，或是数据采集难的破局点。