Qwen发布Qwen-Drive-1.0，以Qwen3.5-4B为骨干，外接BEV感知头与规划专家，用流匹配生成未来5秒轨迹，训练数据283万条，驾驶问答均分69.43。其核心是让感知、解释与规划共享表示并保留可检查接口，但文本与轨迹一致性不足，距量产尚远，需独立复现与闭环验证。

短片《Road Rage》将自动驾驶汽车描绘为杀人反派，反映公众对AI取代工作、监控和失控的恐惧。影片中，人类司机乔亚驾驶手动挡汽车对抗恶意机器人出租车，强调人性、直觉和疯狂创造力的价值，以对抗机器的控制。

特斯拉发布Cybercab量产车型，但实际运营规模有限，得州仅45辆，加州仍用安全员。车辆取消方向盘踏板，双座设计，后备箱572升，支持轮椅。售价、成本未公布，无线充电改为有线。安全依赖远程操作，事故记录存疑。竞争对手Waymo、萝卜快跑等规模更大，特斯拉需扩大车队和订单以兑现承诺。

Uber在伦敦率先推出商用机器人出租车服务，击败Waymo。车辆采用英国Wayve公司的自动驾驶技术，无激光雷达和地理围栏，初期配备安全驾驶员。此举测试了英美以外市场对无人驾驶的需求，Uber计划投资超100亿美元扩展该业务。

MIT与Motional合作开发新方法CW-Net，将自动驾驶AI的决策过程转化为易懂概念（如“接近停驻车辆”），实时解释行为且不降低性能。测试显示，该技术帮助安全驾驶员更准确预测车辆动作，纠正误解，提升情境意识，有望增强自动驾驶的安全性与透明度。

高德发布首个无长程依赖的万帧级流式3D重建模型ABot-Recon，仅凭连续12帧画面即可实时重建上万帧3D场景。该模型通过局部位姿预测与残差优化，在精度、速度和显存上均优于现有方法，误差降低40.6%，显存仅6.71GB，支持单目RGB输入，适用于自动驾驶、具身智能等领域。

Waymo高管公开批评特斯拉，认为仅靠摄像头无法实现全自动驾驶，需结合激光雷达和雷达等多传感器。特斯拉坚持纯视觉方案，认为无需激光雷达。Waymo还强调高清地图和真实自动驾驶里程的重要性，并指出特斯拉FSD仍属L2级辅助驾驶，无法直接升级为L4级。目前Waymo在11个城市运营，领先特斯拉。

苹果发布M6 Mac mini与M5 Ultra Mac Studio，国行6999元起；《道路交通安全法》拟大改，自动驾驶违法由车企担责；追觅收缩探索业务聚焦四大方向；OpenAI自研芯片Jalapeño超越英伟达；大众酝酿重组或减5万岗位；字节推出豆包工作Agent；小鹏升级VLA 630版。

《道路交通安全法》修订草案初次审议，拟将电动自行车非机动车道限速从15km/h提至20km/h，但禁止逆行、超速、接打电话等。开车看视频致事故将加重处罚。自动驾驶违章由车企处理，辅助驾驶仍归驾驶人。暴走团占用道路被明确禁止。草案尚未正式通过。

参观宁德时代工厂，自动化程度高，车间几乎无人，仅见机器人和机械臂。展厅可手动组合不同电池材料，类似架构中的组合原则。电芯安全阀破损即报废，英文“formation”助理解“化成”工序。晚宴尝“桂花云贝”菜。分享会肯定百度在自动驾驶的贡献，偶遇旧同事，感慨过往。

Waymo首次公开其自动驾驶出租车车载计算系统核心细节，包括定制5纳米ASIC芯片，每秒可处理千万亿次运算。系统遵循响应快、坚固耐用和冗余设计三大原则，依赖AMD、英伟达等供应商。Waymo强调技术显著减少事故，但硬件成本高昂，每辆车约2万至2.5万美元，可能影响扩张。

Waymo与特斯拉在自动驾驶技术上采用不同路线：Waymo融合激光雷达、雷达与摄像头，构建结构化世界模型，并发布无安全员行驶数据；特斯拉则坚持纯视觉方案，依靠神经网络处理，数据来自消费者车队。两者在感知、预测、规划及安全验证上各有取舍，目前尚难判定哪种路径更优。

49人队教练凯尔·沙纳汉承认，四星期前在帕洛阿尔托的车祸中，他的特斯拉自动驾驶系统处于开启状态。但他强调责任在自己，称无论是否使用自动驾驶，驾驶员都不能分心，不能将驾驶完全交给电脑。特斯拉自动驾驶已涉及多起事故和死亡案例。

Uber CEO表示与Waymo的合作关系依然牢固，尽管此前终止了凤凰城合作并出现分歧。双方继续在奥斯汀和亚特兰大运营，但Uber强调不依赖单一伙伴，正拓展Zoox等多家自动驾驶合作方。Waymo规模领先，但机器人出租车仅占Uber行程量不到0.5%，未来竞争格局不确定。

该文为科技新闻合集，涵盖OpenAI反驳苹果商业秘密指控、微信临时好友功能回应、大众汽车重组、中国L3/L4自动驾驶标准发布、腾讯混元模型免费延期、特斯拉FSD过热、AMD财报、Snap收入增长、Palantir业绩上调等多项科技与商业动态。

NVIDIA发布开源推理模型Alpamayo 2 Super，面向自动驾驶和机器人出租车，现已商用。该模型基于Cosmos 3 Super Reasoner，在LingoQA基准上领先，支持轨迹规划、因果链推理等任务，采用OpenMDW许可，便于开发者定制部署，推动自动驾驶规模化应用。

边缘AI在设备本地处理智能任务，减少延迟，支持实时决策，增强隐私安全，降低带宽和基础设施成本，并在无网络时可靠运行，适用于自动驾驶、医疗、智慧城市等场景。

文远知行发布的WITT大模型通过“最小物理事实单元”概念，提升自动驾驶数据处理效率，单卡日处理1万分钟视频。该系统提取、推理、验证和编排事实，帮助工程师快速定位高价值场景，优化模型训练，旨在提高数据利用率，缩短模型迭代周期，推动自动驾驶技术进步。