智能驾驶行业深度：多款L3产品落地规模化落地有望加速

目录一、智能驾驶的产业发展阶段和产业趋势 错误未定义书签。首批款L3准入车型公，我国智驾产业迈入新台阶 错误未定义书签。Robotaxi陆续落地，L4及高层次技术能力逐步展现 8渗透率与加速出海等因素加，智驾技术授权市场或持续扩张 12二、端到端与VLA合力之下，智能驾驶趋于成熟 15回顾智驾技术路线发展历，AI算法进步是其核心推动力 15端到端作为技术主干，全优化和反应速度表现突出 16VLA模型或助力端到端补短板，合力给出智能驾驶当前的优秀方案 17潜空间思维链等技术或进步提升智驾能力上限 21风险因素 24表目录表1：自动驾驶出租车的渗透率预测 表2：模块化→端到端 17表3：XLM、VLA和世界模对比 19图目录图1：测试中的L3级智驾车辆 6图2：华为乾崑智驾ADS高速L3解决方案 7图3：华为乾崑智驾ADS4四个系列 7图4：萝卜快跑出行服务次数达到1700万次 8图5：小马智行robotaxi 9图6：文远知行robotaxi 10图7：Momenta与Lumo的作方案 图8：中国及全球技术授权与应用市场规模（十亿美元） 12图9：全球技术授权与应用市场规模（按自动驾驶级别细分，单位：十亿美元） 13图10：中国技术授权与应用场规模（按自动驾驶级别细分，单位：十亿美元） 13图11：2023-2025国内市场智驾等级ADAS装配量（万辆） 14图12：智能驾驶发展趋势示图 15图13：特斯拉技术架构 15图14：自动驾驶BEV任务理的4种范式 16图15：VLA（视觉语言动作型）技术架构与核心组件拆解 18图16：视觉语言动作（VLA）模型的端到端架构与多模态流程 18图17：VLA和XLM的工作式 18图18：理想VLA落地成果 19图19：小鹏创新VLA 20图20：小鹏新一代IRON 21图21：小米OneVL自动驾模型的整体架构图 21图22：小米OneVL性能对结果 22图23：小米OneVL为模型策提供语言以及视觉的可解释性 22投资聚焦VLA期全面迈入量产渗透L3L3L3L3L3L3L4RobotaxiL4Robotaxi作为当L4RobotaxiL4-测试RobotaxiL2、L3ADAS+VLAAIVLA-想-VLAVLA一、智能驾驶的产业发展阶段和产业趋势L32025913（2025—2026L3级车型生产准入。”这预示着L3级智能辅助驾驶开始从蓝图投向现实。1215L3SC7000AAARBEV5kh（）BJ7001A61NBEV0kh（（高速SL03S搭ADSL3图1：测试中的L3级智驾车辆中国汽车华为自动驾驶解决方案L3L42027L4业落地速度等多维度的信心。图2：华为乾崑智驾ADS高速L3解决方案上海证券ADS4.0度：ADSSEADSProLCC+ADSMaxNCANCAP2PVPDADSUltraL3VPD图3：华为乾崑智驾ADS4的四个系列乾崑智驾官202611420272027L460080TEU20005000（L2级（L3级）90%，L4实现量产。20251231735238.82RobotaxiL4RobotaxiL4在Robotaxi1000”萝卜快跑作为RobotaxiApolloADFM产品+20.461/72026CyberCab势。服务次数全球领先。在2025年11月13日举办的百度世界大会上，萝卜快跑全2225万100%1700万1000226年1月7uo，首次2025AutoGo2026图4：萝卜快跑出行服务次数达到1700万次中国交通L42024600T5RobotaxiL401T5Robotaxi102025--小马智行2025年年报显示，截至2026年3月25日，公司自动驾驶出租车000辆自动驾驶出租车。图5：小马智行robotaxi上海证券文远知行在2025年已实现规模化落地与全球化突破的阶段性跨越。截至202510311600750辆为自300150425823500L41502030图6：文远知行robotaxi文远知行官Momenta20259月,与UberRobotaxi2026GrabS20262025MomentaRobotaxiRobotaxi降低30%以上。图7：Momenta与Lumo的合作方案凤凰网汽203520300.3420351.523120300.6820352.71表1：自动驾驶出租车的渗透率预测类别 城市等级2023年2024年2025年（估计）2026年（估计）2027年（估计）2028年（估计）2029年（估计）2030年（估计）2035年（估计）一线城市1.061.081.11.111.11.091.040.940.42传统出租车+网约车（百万辆） 二线城市2.442.482.522.552.522.52.372.160.96一线城市自动驾驶出租车0.0010.0010.0020.010.020.050.160.341.52（百万辆）二线城市0.00040.0010.0020.010.030.120.390.682.71自动驾驶出租车在整体网约车市场的普及率（

全国网约车市场

16.05 65.36马智行招股书、弗若斯特沙利1.3渗透率与加速出海等因素叠加，智驾技术授权市场或持续扩张L220249455.6%，170202513525353.5%的较高水平。203020353163696709142022-202454.4%（4152922503085，21.5%3.2%9.0%6.4%图8：中国及全球技术授权与应用市场规模（十亿美元）54.535.454.535.431.636.913.59.47.511.744.56.26.1504030201002022

2023年

2024年中国

2025（E）2030（E）2035（E）世界其他地区小马智行招股书，弗若斯特沙利整体来看，无论全球还是中国市场，L2及L3级始终是技术授权与应用市场的核心支撑，L1级市场持续萎缩，而L4及以上高级别自动驾驶市场正从早期培育期进入高速增长通道，成为未来市场规模扩张的关键增量。L1L2L3级2022792035663年、2025-2030年、2030-203540.2%17.2%、5.8%，长期保持稳定增长；L4及以上高级别自动驾驶市场规模则呈现阶梯式增长，2022年几乎为零，2035年将达到239亿美元，成为市场增长的重要新兴动力。L32022372035226亿美元，2022-20242025-2030年、2030-203554.7%、12.0%2025-2030年203092图9：全球技术授权与应用市场规模（按自动驾驶级别细分，单位：十亿美元）90807060504030200

0.111.5011.5

22.60.822.6

23.950.015.450.015.47.910 7.90

0.8

15.6

1.9

1.6

1.22022年 2023年 2024年 2025年（E）2030年（E）2035年（E）L1 L2及L3 L4及以上小马智行招股书，弗若斯特沙利图10：中国技术授权与应用市场规模（按自动驾驶级别细分，单位：十亿美元）12.29.212.29.20.40.122.124.60012.50.20.39.00.40.60.30.13.75.9353025201510502022年 2023年 2024年 2025年（

2030年（估

2035年（估计L1 L2及L3 4及以上计） 计）计小马智行招股书，弗若斯特沙利从近几年数据看，2023-2025ADAS车型2023866.72025656.2L1L2L22024975.12025817.3L2.5与202484.42025299.9L2.92023103.02025327.7万辆，成为市场增长的主要动力，反映出消费者对高阶辅助驾驶的需求快速释放。图11：2023-2025国内市场各智驾等级ADAS装配量（万辆）198.5103198.5103056.5327.784.452.1299.942.5791.7975.1817.3210.830.3145.823.3135.713.5866.7805.4656.220001500100050002023

2024年

2025年NL（无辅助） L0 L1 L2 L2+ L2.5 L2.9思汽车研究公众二、端到端与VLA合力之下，智能驾驶趋于成熟AI算法进步是其核心推动力→完全端到端→语言联合端到端→动作联合端到端（21s、ansoer217203）图12：智能驾驶发展趋势示意图《端到端自动驾驶：从技术演进到未来挑战》，计洁Transformer（RecurrentNeuralNetwork,RNNTransformer图13：特斯拉技术架构高工智能汽车公众传统模块化方法图14：自动驾驶BEV任务处理的4种范式Jia完全端到端方法表2：模块化→端到端分类发展阶段优势劣势趋势模块化传统模块化人工特征和规则更具有安全性和可解释性成本高，对复杂场景的适应性较差引入深度学习，减少专家策略显式端到端局部端到端感知端到端更精准地优化局部模块模块输出具有独特性，出现信息传递损耗使用统一表征和统一优化目标决策规划端到端模块化端到端一定程度进行全局优化训练，同时具有可溯源的模块信息依赖数据质量，需要数据标注，出现长尾问题采用无监督数据，习得因果关系隐式端到端大模型端到端指令生成模型构造简洁，可自行生成海量数据缺少可解释性，出现幻觉或灾难性遗忘提高可解释性和可诊断性，形成世界模型控制信号生成到端自动驾驶：从技术演进到未来挑战》，计洁VLAVLA2024VLA视觉编码器：作为VLA环境感知的核心组件，通常采用预训练的视觉编码器，利用其在大规模数据集获得的泛化能力，降低对特定机器人场景数据的依赖；综合整个过程看，其“看-想-做”一体化的运行模式和基于物理知识的优化，使其看上去更加接近人类的思维过程。图15：VLA（视觉语言动作模型）技术架构与核心组件拆解《VLA架构下的智能体演化：从机理建构到应用拓展》，张慧图16：视觉语言动作（VLA）模型的端到端架构与多模态流程《VLA架构下的智能体演化：从机理建构到应用拓展》，张慧LM图17：VLA和XLM的工作方式《端到端自动驾驶：从技术演进到未来挑战》，计洁表3：XLM、VLA和世界模型对比项目XLM（跨模态语言模型）VLA（视觉-语言-动作模型）世界模型（WorldModel）输入模态视觉图像、语言指令、传感器数据等多模态信息视觉图像、语言指令、传感器数据等多模态信息当前观测（图像、传感器数据）、历史状态、动作提议建模方式结合多模态编码器和语言模型，通过融合机制结合视觉编码器和语言模型，通过融合机制生成控制动作，常采用自回归或扩散模型进行轨迹生成通过构建潜在空间动力学模型，模拟环境的动态演化过程，常用于训练策略模型或生成仿真数据输出形式跨模态语义标签、场景描述文本、问答等语言内容控制指令（如转向、加速）、未来轨迹点未来状态分布、场景预测结果、风险评估优势多语言支持强，擅长静态场景语义解析具备多模态感知与决策能力，能够理解复杂场景中的语义信息，提升系统的可解释性和泛化能力能够模拟复杂环境中的动态变化，支持对未来场景的预测与规划，增强系统的前瞻性和鲁棒性挑战无动作输出，动态建模能力弱，容易形成黑盒问题和幻觉问题在复杂场景下可能面临物理可行性问题，模型结构复杂，推理过程可能较长对模型精度和计算资源要求高，训练过程复杂，需大量高质量数据支持相互关系VLA础可作为策略执行器，利用世界模型生成的环境模拟结果进行决策VLA到端自动驾驶：从技术演进到未来挑战》，计洁18VLA

202530.737291.31225.4万次822想汽车官19VLA

20255VLARobotaxi鹏汽车官图20：小鹏新一代IRON鹏汽车官LaentT核心推理机制。它用高维机器语言替代逐字生成的文本推理（如显式思维链CoTLatentCoTXiaomiOneVL”VLA图21：小米OneVL自动驾驶模型的整体架构图小米技术公众通过潜空间推理，小米尝试将VLA、世界模型、潜空间推理三大技术路线统一到同一套框架中。”Xi