2026自动驾驶生态报告 产业进击-智能进阶-全链进化：汽车产业驶入第二曲线

△⑴T□N□m□⑴三彐=i√iNG三∈□三y三T三m△NN⑴△匕=三彐□=T产业进击-智能进阶-全链进化：汽车产业驶产业进击-智能进阶-全链进化：汽车产业驶2026自动驾驶生态报告AutonomousDrivingEcosystemAnnualReport产业进击-智能进阶-全链进化：汽车产业驶入第2026年，自动驾驶领域的发展进入关键来。中国自动驾驶领域由此正式进入"进击—进阶—进化"的新阶段。继中国汽车产业正式进入以智能为核心驱动力的第二曲线，走向新能源与行、小马智行、驭势科技、轻舟智航、Aut量产上车，让车辆不仅能"看见"，还能"读懂"路面上的文字指令和交警手将中国推向全球自动驾驶产业的制高点。智能成为中国车企新"进击"解决了产业参与度、自动驾驶领域的发展规模L3，可以在绝大多数城市场景连续数十公里无需人工干预，但法保险体系、跨区域互认机制和司法采信流程准入许可，分别在北京和重庆的限定路段正式上路。伴随而来的2DFRl智能经济生态报告系列2026自动驾驶生态报告AutonomousDrivingEcosystemAnnualReportDFRl智能经济生态报告系列数据的"黑匣子"，让事故定责从"各执一词"走向虽然挑战重重，L4也开始商业化破冰。小马智行第七代Robotaxi在广州和深圳连续实现月度单位经济模型转正；驭势科技为机场、厂区、矿山等提供规模化解决方百万元级降至20万元上下，成本拐点的到来，意味着规模化扩张的闸门正在打开。进击和进阶的背后，是一场更深层的"进化"，整个技术簇、产业链和产技术架构上，行业已经完成了从"模块化"到"端到端"的代际跃迁，并且正在向VLA+世界模型的方向演进，未来是物理-视觉-语言-动作-认知-预测的合一。短期内竞型，知识蒸馏技术让云端"教师模型"的智慧高效传递给车端"学生模型"。传觉vs激光雷达"的意识形态之争，回归为产业链力量格局正在重构。传统Tier1从"系统定义者"降级为"关键安全子系统供应商"，掌握算法和数据的创新者获得了重新定义话语权的能力。芯片格局汽车产业迎来继新能源第一曲线之后的第二曲线，产业多出来一条智能供来新的发展机会。智能作为第二发展曲线不仅对汽车产业意义重大，对于地、实施人工智能+与智能经济新形态发展战略的意义同样重大。汽车产的市场腹地和重大应用场景，技术与应用之间形成飞轮效应，互相带动-模型-数据-方案等全栈能力，以及感知-决策-执行等已经形成的智能水准正是时候放慢速度，调整结构，推动落后产能陆续出清，促进3与质量、效益并重。这个阶段需要明确理性发展预期，以战略历史性的发展机遇。在转换产业竞争力、打造内生发展动力、形成竞争，鼓励转向价值赛道和差异化竞争。汽车产业是新一轮科技革命和产业变进一步规范汽车产业竞争秩序，具体包括四方面内容。一是坚持远近结合、综范产业竞争秩序；二是加强成本调查和价格监测，强化产品生产一致性监督检企落实好支付账期承诺；三是指导行业机构制定整车企业供应商账款支付规范行业网络乱象专项整治。这些措施将有助于保护消费者权益，改善供应商处境升维发展。汽车行业既是新质生产力的重要载体也是关键支撑，上舱、数字底盘、智能网联等人工智能科技，中游则聚焦新能源与新材料，动出行等新场景和新应用，既是新技术的试验场，也是产品应用放量增长、的重大战略空间。让技术创新、产品质量、品牌建设和服务体验成为竞争重对稳定的预期和缓冲期，使其能更从容地规划中长期技术投入，进行转型战中消耗过多资源，客观上有助于产业走向有业要素、基础配套、产业环境等方面的培育。尤其是标准、智造底座、基础设方面，是产业要素培育的必经之途。比如以标准升级引领产品质量提升方面进新能源汽车、动力电池、自动驾驶、汽车芯片等重点急需标准研制任务；智快汽车行业数字化、智能化转型的具体措施，推动人工智能在研发设计、生产等场景应用；基础设施方面，要完善城乡各类道路的充换电网络布局，配套电汽车普及水平，提升城市公共车辆、乡村居民用车的电动化水平，新能源购优惠政策平稳有序过渡。在国际方向提升开放合作水平，进一步畅通流通环提质增效、提升汽车出口金融服务水平、完善物流运输体系、深化中外多层售与服务市场体系、产业链共建共用、标准参与与互认、会议活动和组织参新能源是中国汽车产业起飞的第一曲线，智能汽车是已经浮现的2026年，当"车位到车位"的全场景闭环从是不是噱头"转变为"没有智驾的车我不买"——一个时代的拐4《2026自动驾驶生态报告》报告编写说明：本报告的内容和分析建立在五个方面：第一方面是上海财经大学数字经济研究院推出的《中国智能经济发展报告》当中智能驾驶相关篇章的内容；举行的CES2026期间的自动驾驶产业视角；第三方面是华为乾崑等智驾技术品牌与相关车企最新公开的各项数据地的统计数据；第四方面是第十三届轩辕奖智能驾驶与泊车实测数据，对各下的真实表现进行了详细比较；第五个方面，是课题组围绕本报告的撰写所企业调查和专家深访。五个方面工作的结合，使得本报告兼具行业 2产业进击：自动驾驶领域群雄并起，集体突破 2智能进阶：从踩实L2站稳L3到走向L4 2全链进化：产业供应链向智能生态整体跃迁 3四轮驱动：以战略自觉把握第二曲线历史机遇 3 111.1GB/T40429分级标准：框架的价值与局限 11 11 111.2L2.9现象：技术能力与法律定级的结构性错位 12 12 12 1351.3L3责任转移的法理逻辑与DSSAD制度设计 13 13 131.4中国智能网联汽车准入试点：进展与瓶颈 14 14 14 15 151.5从分级标准到产业实践：几个基本判断 15 16 172.1从模块化到原生端到端：架构的代际跃迁 17 17 17“含模量”：一把更务实的尺子 18 182.2传感器方案：纯视觉与多模态融合的路线分化 19 19 20 20 202.3域控制器与算力：内存墙问题与芯片竞争力重估 21 21 21 22 222.4云端基建：世界模型、知识蒸馏与合成数据 22 23 23 23 24 242.5跨底盘控制与驾驶舒适性 246 24 25 25 25附表：2026年智驾技术架构核心要素 26 273.1L3站稳的三个标志 27 27 27 283.2L4必须跨越的三大鸿沟 29 29 29 303.3L4商业化的前沿战场与时间表推演 30 30 31 313.4小结：一个判断框架 32 344.1供应链的规模化爆发：数字全景 344.2全栈方案商格局：从CES访谈到实测验证 34 34 35 35 364.3“含模量”视角下的供应商能力评估 364.4芯片生态：格局与自研边界 37 37 384.5传统Tier1的角色降级与感知技术分化 3874.6商业模式分野：深度绑定vs.广覆盖vs.开放平台 39深度绑定模式：千里科技的“压强原则” 39 39开放平台模式：黑芝麻智能的“算力底座” 39 40 40 41 425.1华为阵营：体系力与转型风险 42 42 425.2新势力三强：路线分化的深层逻辑 43 43 43 435.3传统车企转型：分化加剧 44 44 44 445.4特斯拉FSD：全球标杆与中国变量 45 45 45 45 46 476.1产业链全景图谱 47 47 47 486.2市场规模与核心增长驱动力 48 48 4986.3智能驾驶对“新质生产力”的宏观拉动 49 49 50 506.4价值分配的深层重构 51 51 537.1主动安全：从阈值触发到AI预测护航 53 53 53 547.2行车领航：从高速NOA到车位到车位 54 54 54 55“车位到车位”：全场景闭环的最终形态 567.3泊车场景：两种技术哲学的对决 56 56 56 577.4L4商业场景：从乘用车到产业应用 57 57 58 587.5场景创新的底层趋势：三个判断 58 598.1场景体验的冰火两重天 59 59 59 608.2消费心理演变：祛魅、平权与价格敏感 60 609 61 618.3端到端时代的新诉求 61 61 62 628.4用户视角的产业启示 63 63第一章分级体系与法规演进一方面，具备L2级辅助驾驶功能的乘用车新车渗透率已在2025年前三季度达到64%，城市NOA使用率从2024年初的23%升至年底在这个节点上回看分级体系的演进，会发现一个贯穿始终的核心矛盾迭代与法规框架的审慎推进之间，始终存在结构性张力。这种张力不是中国2021年发布的GB/T40429《汽车驾驶自动化分级》是中国驾驶自动化领域的基础性国家），终为驾驶员。无论系统在纵向或横向控制上提供了多大程度的辅助，驾驶驶环境，并随时准备接管。这一点在法律上），特征是在特定设计运行条件（ODD）下，系统执行全部动态驾驶任务，驾第一重压力来自技术侧。端到端大模型的上车，使得系统能力的迹。一套部署在20万元级车型上的CityNOA系统，在规控决策的流畅度上可能已经接近甚至第二重压力来自消费者认知。当车企在发布会上高喊“全国都能开”“有路就能开”能化体验研究持续显示，相当比例的消费者对自身在使用智驾功能时的法种认知偏差，在事故发生时可能引发严重的法精地图即可在全国范围内使用；系统可以独立完成无保护左转、环岛博弈从纯粹的驾驶决策能力看，2026年头部车企的L2.9系统在绝大多数城市场景下，已经能够实现连续数十公里甚至上百公里无需人工干预的行驶。系统接管率（MPI首先是责任规避。L3意味着在系统激活期间的事故责任由车企承担。即使系统M），第三是保险体系的滞后。虽然头部车企已开始与险企联合推出智驾L2.9现象并非一个可以长期维持的稳态。它的复证明，当自动化系统长时间表现完美时，人类监控者的警觉这意味着，L2.9系统运行越成功、MPI越低，驾驶员注意力下降的风险就越高。而一旦从L2到L3，技术指标的变化（如MPI的下降）是连续渐进的，但法跳跃的。这个跳跃的本质是：在系统设计运行条件（ODD）内且系统正明确的ODD边界。L3系统必须精确定义其可工作的设计运行条件，包括道路类型、天气），可靠的接管请求机制。系统必须能够准确判断当前或即将到来的场景是否超出ODD，并在安全冗余时间内提醒驾驶员接管。如果驾驶员未能及时响完整的事故回溯证据链。这是L3落地最关键的制度基础设施，也是DSSAD的核心价值所DSSAD：从“说不清”到“算得明”DSSAD（DataStorageSysL3/L4车辆强制配备的黑匣子。它的功能不是简单的行感知真值（GroundTruth）：系统在事故前后时段内“看到”了什么——每一帧的传感规控决策日志：系统“想做”什么——每一时刻的规划轨迹、制动/加速驾驶员状态记录：人“在做”什么——通过DMS记录的驾驶员视线方向、手部么责任指向系统制造商。如果记录显示系统已发出接管请求但驾驶员未响应，责任值得注意的是，DSSAD数据的法律效力依赖于可信执行环境（TEE）配合哈希链签名的方式确保数据完整性，而非早期讨论中被频繁提及的部门联合发布《关于开展智能网联汽车准入和上路通行试点工作报，车辆运行所在城市政府需明确同意，省级主管部门审核推荐后，由四部与此同时，2025年9月出台的《汽车行业稳增长工作方案（2025—2026年）》进一步明车路云一体化的逻辑与单车智能路线并不矛盾，而是互补关系第二，保险产品与费率体系尚不成熟。L3场景下的法理框架，但保险公司在精算模型中缺乏足够的实际运营数前的制度框架没有给出明确答案。各城市的试点审批相互独立，缺乏跨区域互行的场景，可能引发周边驾驶员的困惑和不适应。这不是一个判断一：L2.9将在未来两到三年内仍是市场绝对主流。L3准入试点的渐进式推进路径决判断二：L2.9的“自动化悖论”将倒逼法规加速。随着L2.9系统MPI的持续降低和保有判断三：DSSAD和智驾保险是L3规模化的两块基石。技术能力不是L3落地的核心障商用的时间表。：DSSAD领域的强制性国家标准GB444判断四：分级标准本身面临重构压力。以“ODD泛化能力”和“系统接管率”为核心的二维评估体系，比单一的级别标签更能反映系统的真实能力。行业正在形成共控配驶点商范商第二章技术架构与关键能力本章的分析框架围绕一条主线展开：在端到端大模型成为行业共在系统中的渗透深度、传感器的物理冗余设计、算力的实际利用效率、云端（BoundingBox），预测模块推算目但随着系统向更高阶的城市场景推进，模块化架构暴露出一个根本性缺损耗。感知模块在将丰富的原始传感器数据压缩为离散的边界框时，不可避免中被抛弃了。下游的规控模块基于这些已经被大幅压缩的信息做决策，天然地一个直观的例子：一辆侧翻的异形货车，如果感知模块的过类似目标，它可能将其误判为路面护栏或完全漏检。一旦上游漏检，无法做出正确避让——因为在它的世界模型里，这个障碍物根本不存在状态机构成，头部车企的规控代码量动辄超过十万行C++。的场景，但无法应对“没想到”的场景——而真实的城市道路，恰恰充斥着工程师“没想到”分为Token，输入到一个基于Transform完成高维特征融合，最终直接输出底盘的转向曲率和制动压力——全责人在闭门交流中的判断，2026年初国内真正实现原数量的车企和供应商仍在使用多段模型拼凑的方案——前端是一个感知大模控大模型，中间通过结构化的接口传递信息。这种方案虽然比传统模块化有“含模量”：一把更务实的尺子模型驱动的比例与传统人工规则（Rule-base和五千名外包人员——通过规则的极致打磨实换，含模量大幅提升，但美中不足的是转型过程中并非所有场景的体验都优于3.0。2026年4它的思维方式——关注系统中AI模型的实因此，2026年量产L3/L4的工程最优解已形成共识，即英伟达汽车事业主系统（大模型主导，负责上限运行在超大算力SoC（如英伟达Thor级别）上，负兜底系统（经典规则主导，负责下限运行在完全物理隔离的MCU（微控制单元，需达的物理规则代码，保留了AEB和紧急避险功能。一旦主系统的大模型输出突破了物理安全边界），这套双系统架构的关键设计原则是物理隔离。兜底系统运行在独环，兜底系统仍然能够独立工作。这种冗余不是软件层面的异常处理，而图用单一大模型覆盖所有场景。这种在缺乏安全冗余的情况下强推模未终结，但其性质发生了根本变化：它不再是一个技术偏好问题，而是一纯视觉路线的核心论据来自仿生学：人类仅靠视觉就能驾驶性。在成本端，纯视觉方案省去了激光雷达这一高价传感器，使智的车型。比亚迪将高速领航功能下放至七万元级别的海鸥车型，正是受益于多模态融合路线的核心论据来自物理学：视极端光照条件。进出隧道时的瞬间明暗切换，即使高动态范围（HDR）摄像头也需要数帧悬浮颗粒干扰。北方极寒天气下，前车尾气在冷空气中瞬间凝结的颗粒状白烟；暴雨天路面水膜产生的杂乱高光反射；扬尘环境中的弥漫性遮挡。这些场景会导深度信息的间接获取。摄像头通过单目或双目几何关系间接推算目标距离，精度随距离激光雷达（LiDAR）是主动光学传感器，通过发射激光束并测量飞行时间确的三维距离信息。它与视觉传感器的互补关第一，深度信息的直接获取。激光雷达提供的距离数据精度可达厘第二，部分恶劣天气的穿透能力。激光雷达能够穿透部分水雾和悬和颗粒尺寸在摄像头视觉受损时提供降级但可用的环境感知。需要指出的是，激光雪、浓雾等光学传感器几乎完全致盲的极端天气下，成为2026年的行业实践表明，传感器路线的L2/L2.9级产品：纯视觉方案具有显著的成本优势和商业合理性。驾驶员始终承担监控责任，系统的感知盲区可以通过人类视觉补偿。L3级产品：多模态融合正在成为法规认证的实际要求。当系统承担法律责任时，传感器的物理冗余是安全论证（SafetyCase）的核心组成部分。监管L4级产品：异构传感器矩阵几乎是不可逾越的安全红线。车内可能没有驾驶员，系统必须具备在所有设计工况下独立达成最小风险状态的能力，物理告别“唯TOPS论”甚至简单地将算力与自动驾驶等级挂钩——仿佛1000TOPS就能解锁L4。这种认知在TOPS衡量的是芯片逻辑运算单元（ALU）的峰值吞吐率。但决定车辆实际加速性能的不仅是发动机功率，还有传动效率运行端到端大模型，尤其是包含百亿参数的MoE（混合专家模型）或W），核心矛盾在于KVCache（键值缓存）的吞吐需求。取和更新。对于一个百亿参数的模型，每次推理需要搬运的数据这意味着，评估一颗智驾芯片的真实能力，至少需要关（TOPS）、内存带宽（GB/s）和片上缓存容量（M最低的迁移成本部署模型。华为昇腾MDC平台是国内最正面竞争，但生态工具链的完善度仍有差距。黑芝麻智能则走了一条差异化为行业提供中立的算力底座。地平线征程系列在中低算力段具有性馈，当端到端大模型部署到其量产芯片上时，由于算力瓶颈导致推理帧率大明显退化。蔚来和小鹏的自研智驾芯片已经率先实现量产上车，理想马赫也除非单一车企年销量达到千万台级别，否则为类比——每年出货数千万台摄像头，也从未自研核心芯片。这一安装位置和FOV（视场角）、统一的底层硬件接口。的数据才能汇聚为有效的数据飞轮，加速端理想汽车在这方面具有天然优势——其旗下数据标准化程度在行业中领先。吉利则通过平台化战略在更广泛的车早期的智驾开发严重依赖两种劳动密集型工作：人工在二维图这两种方式在L2时代是有效的，但在向L3/L4演进的过程中已经触及天花板。人工2D标注的效率和一致性无法满足端到端模型对海量高质量标签的需求；路递减——绝大多数行驶里程贡献的是已经被系统掌握的常见场景，重建生成的标签是三维的、带有时间序列的，天然适配端到端模型对时空连续——而传统的2D拉框标注输出的是离散的、平面的标签，存在维度降级。的重灾区。剥离营销话术，世界模型在智驾领域的核心价值可以简明世界模型的突破在于生成能力。它能够理解基本的物理规律（重学在此基础上凭空构建逼真的极端场景。例如，将一个普通的晴天英伟达的Cosmos是目前公开披露的最大规模云端世界模型之一。其训练和推理依赖大规模GPU集群，算力投入以十亿美元计。这一世界模型在云端生成的海量仿真数据，最终要转化为车端模型的能程的核心技术是知识蒸馏（KnowledgeDisti最优响应模式——可以通过蒸馏技术压缩、提炼，传递给车端数十蒸馏完成后，更新的学生模型通过OTA（空中这一竞争门槛的本质是资本密集度。建设能够支撑世界集群，起步投资以十亿美元计，且需要持续的算力采购和运维投入。这不），代，而是从无差别积累转向有策略的CornerCase挖掘。云端和车端的关系，正在从“车端主从“代驾”到“人车合一”跨底盘控制的技术前提是：智驾域控制器与底盘域控制器的深度打悬架信号：CDC（连续可调阻尼）减震器的压缩行程和回弹速率，反映路面起伏和车身姿转向信号：EPS（电子助力转向）电机的回正力矩，反映轮胎与路面的摩擦状态。轮端信号：四个车轮的实时转速和滑移率，直接指示抓地力状况。在制动场景中，系统在红绿灯前刹停的最后0.5秒，不仅控制制动力的释放曲线，还同在冰雪路面变道时，系统通过轮端信号提前感知抓地力变化，在驾驶转向指令之前，就已经预调四轮的扭矩分配，确保变道过程中车尾不会在过弯场景中，系统根据弯道曲率和当前车速，提前调节悬架的软硬而是在姿态变化发生之前就主动干预。这需要端到端模型在训练数据中跨底盘控制的实现，技术难度不仅在算法端，更大的挑战在于供应需要与主机厂的底盘团队进行极深度的合作，获取底盘域控制器的底层接信息在传统汽车工业中属于主机厂的核心机密，开是一次性质完全不同的系统工程——它涉及的不仅是技术能力的件是否同时满足：法规框架的实质运转、用户体验的场景闭环、以及商业3.1.1法规：从“沙盒试点”到“司法互信”批车型的落地。深蓝、极狐、红旗、智己等品牌的个别车型在重庆、北京和程能够常态化运转，而不是每一起事故都需要专案研判。这要求两个制度DSSAD的标准化部署与司法采信。DSSAD记录的感知真值、规控日志和驾驶员状态数据，必须能够被交管部门和司法机关作为定责依据采信，并形成标准），智驾保险产品的规模化供给。在L3场景下，当责任指向车企时，车企需要有保险产品对系统发生的事故，理赔流程已初步跑通。但这些产品仍处于定制化试水阶段L3站稳的体验标志是：系统的ODD足够宽泛，使得用户在日常出行中能够“无感切换”地理覆盖的连续性。传统L2+高度依赖高精地图，导致ODD呈现“点状分布”——用户需要记住哪些路段可以开启、哪些路段不行。2026年（TopologyReasoningNetwork在仅有导航线的道路上也能实时构建局部三维路网场景衔接的无缝性。L3站稳的最大体验标志，是消灭“场景碎裂感”。当前主流系统已辅助功能的净推荐值在所有智驾功能中位列前列。大量车主在社交平台上表达了“旦用难回”的态度——一旦在长途驾驶中体验了高阶智驾，再回到纯手动驾驶就会但城区场景仍然是信任的薄弱环节。城市NOA在早无障碍物时系统因误识别突然重刹——更是直接摧L3站稳的商业标志是：智驾不再是车企的亏损中心第一个层面是整车端的商业闭环。中国消费者对智驾的付费意愿正这意味着智驾不是一个独立的盈利产品，而是一个嵌入在整车价第二个层面是出行服务端的商业闭环——这直接连接到L4的商业化前景，将在本章第二一个直观的测试案例：路面上散落着一块黑色塑料袋和一），刹、要么同时碾压。但人类驾驶者凭借常识可以瞬间判断——塑料袋让。这种判断依赖的不是视觉特征的模式匹配，而是对物理世界“这识判断“前方交警的特殊手势是示意绕行”，或者“这块防水布可以碾压”。从“本能反射”但VLA模型面临的工程挑战同样巨大：推理延迟如第二章所分析，路测数据的边际效用正在急速递减。企的真实数据来覆盖所有极端场景，既不现实也出正确决策——暴风雪中的连环追尾、夜间泥石流路况、高速公路世界模型的核心价值正是在这里。通过在云端生成数以亿计的高质比将超过真实路测数据，成为主燃料。这一判断并非意味着真实数据不的物理宕机——如果转向失效、制动失效或电源中断，系统必须依靠转向冗余：至少两套独立的EPS（电子助力转向）电机和控制器，任何一套失效时另一套），电源冗余：双电源架构（如48V+12V或双12V主电源失效时冗余电源可以维持转向和通信冗余：域控制器之间的通信链路至少有两条物理独立的路径，避免单点通信故障导全线控冗余底盘的成本显著高于传统底盘。对于售价数十万元的乘际成本尚可接受；但对于以成本效率为核心竞争力的Robotaxi车型，冗余底盘的成本优化将3.3.1Robotaxi：从“烧钱验证”到“单车盈利”在国内，百度萝卜快跑是规模最大的Robotaxi运营商。截至2026年2月，萝卜快跑累计出行服务次数已超过2000万，全无人驾驶里程超过1.9亿公里，运营覆盖国内外26座城衡，其第六代专用车型的单车成本降至约20万元人民币（不到3万美元在全球市场，中国Robotaxi企业正在已进军中东（迪拜、阿布扎比）、韩国首尔，2026年行也在新加坡、迪拜等城市铺设运营网络。一个显著的新趋势是中东主权财富Robotaxi的制造成本已大幅下降约80%，核心驱动因素是国产激光雷达的量产（单价下探至干线物流。高速公路的场景复杂度远低于城市道路（无行人、无非机动车、交叉路口），驾驶员在物流枢纽接驳。这种模式规避了城市道路的极端复杂性，同特定园区。矿区、港口、机场等封闭或半封闭场景，是L4技术最早实现规模化商用的领域。这些场景的道路结构简单、交通参与者有限、运营主体对技术的接受度接可量化（如矿区的24小时无人运输显著降低了人力成本和安全事故率）。Robotaxi在头部城市实现整体运营）；Robotaxi进入快速扩张周期，中国不确定性一：重大事故的黑天鹅效应。一起L3/L4车辆造成的致死事故，如果在舆论上Uber2018年亚利桑那州致死事故导致全球Robotaxi测试暂停的前例，至今仍是行业的深刻不确定性二：地缘政治对算力的影响。端到端大模型和世界模型的训练高度依赖大规模GPU集群。如果美国对华芯片出口管制进一步收紧，国内车受到实质性制约。国产替代方案（如华为昇腾）正在加速推进，但生态工具链的不确定性三：技术路线的可能非连续性。当前行业的技术共识是“端到端+世界模型仿真不确定性四：社会接受度的非线性变化。Robotaxi的扩张已经引发了社会争议——武汉萝卜快跑的低价策略冲击了传统出租车和网约车行业，导致司机群体的规模化部署导致显著的就业替代时，地方政府可能出于社会稳定考量收通过线性外推预测的过程，而是一个受技术能力、制度建设、商业模式和社定场景下、L4能最先实现商业闭环”。矿区、港口、高速干线物流、特定城市的Robotaxi—上的全面落地，取决于上述四重约束条件的同步成熟，大概率是一碑，在安全性、舒适性与用户体验上具备质的飞跃，也是通往高阶自动驾驶地平线副总裁苏箐2025年底的判断或许值得行业冷静思考第四章供应链力量格局重构过去十年，全球汽车供应链的力量格局相对稳定：博世、大陆硬件制造品质转向软件定义的驾驶体验，掌握算法和数据的玩家就获得了重2025年是智驾供应链真正的爆发年。截至2025年8月，城区智驾搭载率达到8.1%，较头部供应商的规模化交付清晰地反映在报告实测参评车型这些数字背后是供应链格局的深层变化：智驾不再是头部车企的华为构筑了金字塔式的合作体系：底层是零部件供应（30余种），义和渠道）。ADS4.0采用WEWA架构（世界引擎+世界行为模型），已推出但报告实测揭示了一个关键事实：华为的方案表现高度依赖合作模式的稳定性业界领先。而华为作为纯供应商提供方案的车型，体验这一现象的深层原因在于：智驾系统的最终体验不仅取决于算法车辆底盘、传感器布局、整车标定的深度匹配。华为在鸿蒙智行模式下可介入传感器位置、底盘接口和整车标定，而在纯供应模式下，这种深度介“地图加规则”为主导——多位行业人士评估其约80%界引擎+世界行为模型）的“W”本身就代表世界模型——云端感知能力。量产数据也印证了高含模量的特征：端到端时延降低50%、通行效率提升20%、重刹率降低30%。换言之，华为是国内为数不多同时拥有云端世界模型和车端原代中的正常现象，随着训练数据的积累和模型的持续优化会逐步收敛。报告报告实测提供了一个极具启发性的案例：同样使用Momenta方案的两款车型，别克至境这个案例说明了两个重要结论。第一，算法能力不能脱离硬件基测中得到了验证：高配方案的体验显著优于低配方案，这为车企在产品定克做的项目虽然测试成绩不错，但在部分量产项目中存在一测评专家用一个类比概括了理想与华为在泊车领域的技术哲学差有明显短板。有业内观察者认为元戎在特定车型的单点优化非常出色，但子。结合CES2026闭门交流的内部判断与报告实测实测的外部验证，我们尝试对主要供应商的作高低高先）；这张图谱揭示了几个关键事实。第一，含模量的演进速度可以非常快第三，报告实测揭示了含模量评估的一个重要限定条件：同一供应报告测评清晰地展现了芯片格局的多元化趋势。2024年城区智驾芯片以英伟达OrinX和下游算法公司和车企竞争，专注于算力平台和开发工具，C以上才能形成竞争力。除非单一车企年销量达到千万台级别，否则自研值得注意的是，小鹏、蔚来的自研芯片陆续上车，表明头部新势制优化，以获取特定场景下的性能优势。两种路线的长期经济性比在智能驾驶时代，博世、大陆等传统Tier1正在经历角色重定义。传统巨头如博世在智报告实测中奥迪E5的表现提供了一个反面案例。该车型采用了依赖百度LD地图的传统接降级退出。这种过度保守的设计哲学，在中国市场的竞争中已经不具备用户吸引力。它也折射出传统欧洲车企和传统供应商在智驾时代面临的范式冲突：安全合规框架与用户体验之间的平衡点，在中国市场被用户的期望值推到了完全不同的位置。但传统Tier1在功能安全领域的积累仍然不可替代。兜底系统所需的ASIL-D级MCU、冗成本已降至千元级。补盲激光雷达开始出现——体积仅摄像头大小，值得关注的是，同场测试中搭载纯视觉方案的极狐T1表现也比较优秀，其泊车性能大部分场景可媲美激光雷达——这说明纯视觉的潜力尚未被充分挖掘。而为极狐T1提供泊车方案的魔视智能这类型的科技公司，正通过AI算法持深度绑定模式：千里科技的“压强原则”智驾大模型的泛化训练需要来自单一客户的海量标准化到七家，国内深度绑定吉利（预计年装机量百万台级），海这一模式的风险是客户集中度过高，对单一客户依赖度大。不碰企市场的策略，体现了一种极致的战略聚焦——但这种聚焦成功的前提广覆盖模式：华为的“金字塔”华为的模式是从鸿蒙智行到零部件供应的全但报告实测揭示了广覆盖模式的隐性代价：华为深度参与的车型和纯供应模式明显的体验落差。这意味着华为要维持全线产品的高水准，必须依靠极其庞大业者对广覆盖模式的不同意见集中在地平线和Momenta：“到处绑定客户，结果等于没开放平台模式：黑芝麻智能的“算力底座”黑芝麻智能选择了一条被英伟达、高通验证过的路景下，产业链分工协作是产业快速发展的核心，而开放生态是破解车企差供应链的关键路径。作为算力底座芯片供应商，其核心定位是聚焦芯片研核心业务领域，通过搭建开放生态，团结智驾算法厂商、主机厂、Tier1等上下游伙伴，提供多元化组合方案，满足不同车企的产品差异化、性能差异化略——同一零部件至少有两家供应商，按六四或利，吉利也一定会保留第二家智驾供应商。即使华为主导了某个车企的随规模化快速降本；保险行业推出智驾险后，商业供应链的终局格局大概率是：华为凭借全栈整合能力占据最大市场托开放平台模式提供多元化组合方案满足差异化需求，千里科技在深度绑和跨底盘控制的技术壁垒，地平线在芯片+算法的双栖模式中面和服务质量之间重新校准。端到端大模型的迭代速度意味着任何一家供能等，以其在行泊领域深耕多年积累的量产落地经验与数据闭环能力，法迭代→工程落地"的链路持续突破。在主机厂推进别克至境L71激光雷达+3毫米波+11摄像度能态级片级列盖及第五章主机厂竞争力图谱第四章从供应商视角分析了供应链的力量格局重构，本章将视角切在端到端大模型全面上车的2026年，各家车企的智驾竞争力如何分化，背后的组织能力和战这些判断反映了特定时间点的行业认知，可能带有信息源自身的立场偏如第四章所分析，华为乾崑通过鸿蒙智行、中国智驾生态中最大的合作网络。从主机厂竞争力的视角审视，这些车型稳居第一梯队——行车体验极度流畅，泊车精细度业界领先，于广汽、东风这样拥有独立品牌资产的大型集团，如何在获取华为技术HI模式的微妙之处在于：车企名义上拥有品牌主导权，但在智体验的核心领域，技术定义权实质上由华为掌握。车企的话语权主要体现—车企快速获得高阶智驾能力，华为获得更广的市场覆盖。但长期看，车企在为端到端模型的统一训练提供了天然优势。相比但理想也面临挑战。参与CES业者认为，理想目前的核心痛点是“人员变动大，过于折小。综合两方判断，理想的技术方向选择（VLA）是正确的，但工程落地的车型在硬件上为L4做好准备。小鹏正在为搭载图灵芯片或双Orin-X的车型推大模型在特定场景下能力不够完善，缺乏经典算法兜底的小鹏将面临比其蔚来的产品定义能力和品味在行业中广受认可。蔚来早在2021年就为车型搭载4颗蔚来在算力预留方面处于行业领先位置。2025年以来随着乐道L90、蔚来ES8的热销和ES9上在传感器策略上，蔚来经历了一次值得记录的调整：曾尝试纯视觉方案但进在ES8上重新将激光雷达置于车顶——这有业者认为，产品定义能力和品味极佳，但在商业战略上包袱过池等非核心业务是明智之举，但如果智驾无法实现突破性领先，其智能驾支撑力将有所不足。智驾已经成为中高价位车型消费者购买决在智驾领域，吉利的结构性优势是平台化战略为数据标准化提供了基一致的传感器位置、FOV和底层硬件接口，使得来轮。对于依靠深度绑定模式的供应商而言，吉利的平台化标准化程度奇瑞汽车极度务实，但在智驾技术路线上耽误了两到三年时间应商合作。自研智驾团队已达千人规模，但在端到端倍，重点提升复杂路况的主动推理能力。V14.3仅支持AI4（HW4.0）平台车型，老款HW3.0车行驶超40万公里，部分区域已取消安全员。规、安全测试、法规准入、测绘资质、算力部署和OTA审批六道关口。集，在中国境内建设的专属数据中心2026年2月正式启用。齐里程缺口。FSD仍处于审批、小范围灰度测试阶段，当前部分车型提供功能缩减版L2+。FSDV14.3在中国市场的落地，将给国内智驾格局带来实质有利于国内车企的因素包括：第一，国内头部车企（华为、理想会落后于FSDV14.3。第二，国内车企的训练数据来自中国道路方案，但其全球品牌影响力和技术叙事能力，将进一步拉高中国消费者）；性强第六章产业经济与价值分配前五章的分析聚焦于技术架构、竞争格局和法规演进，智能驾驶产业链的长度、复杂度和技术壁垒远超传统燃机械制造链条，而是演变为以数据、算法和算力为核心的庞大生态系统。感知硬件。激光雷达、4D成像毫米波雷达和高清摄像头构成异构感知矩阵。如第二章和第四章所分析，激光雷达成本已降至千元级（传统方案）乃至数百美），均复合增长率41%。4D毫米波雷达虽然增加了高度维度信息，但受限于点云稀疏和成像精度不决策芯片。如第二章和第四章所述，英伟达Orin/Thor系列保持生态主导，华为昇腾M平台是国内最强替代，黑芝麻智能覆盖车规级高算力到舱驾一体芯片的完整图灵、蔚来神玑）。评价智驾芯片的真实能力需要同时看峰值算力（TO），基础软件与云端训练平台。底层实时操作系统（QNX、深度定制Linux/鸿蒙OS）与中间件（AUTOSAR、ROS）负责解耦软硬件。云端超算平台是端到端模型的算力基全栈解决方案供应商（Tier0.5/Tier1）。如第四章详细分析，华为乾崑、地平线、Momenta、卓驭科技、千里科技、元戎启行等构成了新一代智驾供应商矩阵。华为首创的智行模式打破了传统供需关系，作为Tier0.5深度参与产品定义和渠道销售。传统Tier1整车厂（OEMs）。如第五章分析，车企在“全栈自研”（蔚来、小鹏、理想）与“深度央计算+区域控制演进，线控底盘（线控制动EMB、线控转向SBW）的冗余化是支撑L3/L4的硬技术的最终宿命是实现商业闭环。智能驾驶的下游不仅是卖给消乘用车市场（ToC）。L2+高阶智驾渗透率从2024年卖点转变为20万元以上车型的标配，并正在向10万元级市场Robotaxi出行服务（ToB/C）。如第三章分析，萝卜快跑、小马智行、文远知行等已实现单车盈亏平衡。预计2030年中国Robotaxi市场规模达831亿元（对应50万辆保有量），商用车与特定场景（ToB）。干线物流、矿区、港口、城市配送是L4技术最先实现商业智能驾驶的市场规模取决于如何界定统计口径差异可能导致同一年份的预测值相差数倍。本报告倾向于引用多个来智能驾驶市场规模的增长由三重引擎驱动，每引擎一：渗透率提升驱动的硬件增量。L2+高阶智驾从8%到15%的渗透率跃升，意味着每年新增数百万辆搭载高阶传感器和域控制器的车辆引擎二：软件订阅与OTA驱动的持续收入。传统汽车的价值在交车时一次性实现。智能驾驶引入了“车辆全生命周期持续创收”的软件商业模式——通过付费订阅和OTA功能解锁，引擎三：出行服务驱动的运营收入。Robotaxi和自动驾驶货运代表了一种完全不同的价），入国家战略性新兴产业布局。其对宏观经济的拉动效应，不能仅从汽车行业需要从产业链乘数效应、就业结构转型和全球竞争SoC，其制造工艺、封装技术和内存架构导体工艺向更高性能方向演进。华为昇腾MDC平台的（RSU）的大规模部署，直接拉动了通信基础设施的投资在AI领域，智能驾驶是大模型技术在物理世界中练和推理需求推动了GPU集群的建设，世界模型的生成式仿真能力可以复用到机器人、工业自与质检、传感器标定、仿真场景设计、远程安全监控员（Robotax体。这些替代效应在短期内可能形成显著的社会压力，需要配套的再就更深层的变化在于就业质量的分化。智能驾驶创造的新岗位被替代的岗位以低技能、低薪资为主。这种结构性转变可能加剧劳动力市这一地位的建立依托三个结构性优势。第一是市场规模优势：中从传感器、芯片到域控制器的完整国产供应链已经形成，在成本效是场景复杂度优势：中国道路环境的极端复杂性（人车混行、非标路成为了竞争壁垒——在中国路况下训练成熟的智驾系统，部署到海“降维打击”。行、小马智行在中东、东南亚、欧洲的Robotaxi布局，Momenta与Uber在慕尼黑的L4测试，千里科技对奔驰的深度服务——这些案例标志着中国智驾产业的全球智能驾驶对汽车产业最深远的影响，不是某个零部件的节大规模迁移。一颗激光雷达的硬件成本可能只有几百元，但驱动它工作这种价值迁移的直接后果是：掌握算法和数据的玩家（华为、特议价能力持续上升，而纯硬件制造商（传统Tier1、硬件代工厂）的利润空间持续被压缩。代，代工厂（富士康）贡献了绝大部分制造工作量，但品牌价值和利润的大这一类比并非完美——汽车的安全属性、品牌忠诚度和售后服务不会像手机代工厂那样彻底被稀释。但价值分配向软件与数据端倾斜的趋势中国汽车产业而言，这既是挑战（传统制造能力的价值在相对贬值也是机遇求前六章分别从法规、技术、产业和竞争的维度分析了智能），在不同场景下调用不同的能力模块。功能名称仍在，但底层已经AEB的代际跃迁：从“白名单”到“全目标”过的目标类型（轿车、行人、自行车）。如果前方出现侧翻的异形货车、），覆盖——不管前方是什么形状的障碍物，只要占据了物理空间从“极限制动”到“空间博弈”且乘客体感极差。2026年的系统已经能够基于世界），更少干扰。但同时也引入了新的挑战：系统需要在极短时间内做出前车vs不被后车追尾vs不侵入对向），舱驾融合：解决“黑盒恐慌”主动安全系统在猛烈介入后（如AEB触发急2026年的头部系统开始通过舱驾融合机系统通过模拟现实渲染和自然语音，主动向驾驶员解释决策原因——例和语气来判定认知负荷，动态调整信息推送的时机和方式。这种高透明），年，高速NOA在功能层面已经极度成熟，各家的硬件如第二章所分析，端到端模型通过RLHF（基面对大货车压线时，系统懂得了在本车道内向另一侧微调避让。这些细节报告实测数据精确量化了这一进步的程度与局限。2024年城区智驾的平均MPI仅为6.4公里——意味着40公里的测试路线中约需接管6次，消费者体验不佳。2025年该数据提升至过率从2024年的极低水平跃升至80%。但城区NOA的两大痛点依然存过度保守。系统在人车混行路口的策略往往偏向极端保守——频繁减速让行、不敢主动加塞，导致被后车疯狂按喇叭、被侧方车辆极限加塞。部分方案因规则设幽灵刹车。前方无障碍物时，系统因误识别（如路牌阴影、对向大货车、桥洞光影变VLA的语义突破：从“看见”到“读懂”问题。纯端到端模型能够识别前方有一块牌子，但无法理解车场景中展现了这种能力——在地库通过读取文字“车位到车位”：全场景闭环的最终形态构的自然延伸——同一个模型同时处理行车和泊车决策，场景过渡的“车位到车位”功能使用已超过2000万次，积累了大量实战数据。第十三届报告泊车测评显示，基础自动泊车（APA）各家已基本都能做到80分的水平——巡库识别车位、选择合理路径、控制方向和速度完成入库。这一能力的普及的有限性：全国典型泊车场景约四五千个，是两种技术哲学的融合：“记忆”vs.“理解”“靠融合传感+模型理解+博闻强记考700分”——华为模式。华为系车型（尊界、享界等）的泊车体验极度细腻和稳定，背后依靠的是模型的理解力，和人海战术—将全国商场地库逐一建立庞大的数据库，系统通过匹配数据库中法传统但效果极好，在已覆盖的场景中几乎没有短板。但这套方法的扩“靠读懂环境+智商考700分”——理想模式。理想i6依靠VLA的语义理解能力进行泊更细腻。但从长期看，VLA模式的扩展性更强—），代客泊车面临的最大挑战不是技术本身，而是停车场基础设施的非标—在任何陌生停车场都能自主完成全流程——在短期内仍是一个渐进迭代的过2000万次，在武汉实现单车盈亏平衡，第六代专用车型成本降至20万元。小马智行第七代车型在广州实现单车盈利。2026年，中国Robotaxi企业正在从国内验证走向全球运营输出——量、空驶率和调度算法的优化将决定单城盈利能否复制到更多城市。同时约车的利益博弈、对就业的替代效应，可能形成商业化推进的），），商业化运营，规模化部署了上百辆无人重卡。预计到2030年，中国干线物流无人驾驶市场将以矿用宽体车为例，无人驾驶改造后单车生命周期年均经济效益约25万元——包括节省一次性改造费用50万元后仍有显著回报。全球矿山无人驾驶市场预计2030年达81亿美元。判断一：功能边界正在消失。过去AEB是AEB、ACC是ACC、APA是APA，每个功能有独立判断二：体验的竞争已从“能不能做到”转向“做得像不像人”。报告测评的维度设置