2025-2030中国自动驾驶技术落地障碍与解决方案报告

2025-2030中国自动驾驶技术落地障碍与解决方案报告目录一、中国自动驾驶技术发展现状与核心瓶颈 41、技术研发进展与阶段性成果 4国内主要企业自动驾驶技术路线图与落地进度 4级辅助驾驶普及率现状与功能局限性分析 52、基础设施与数据体系建设滞后 7高精度地图采集与更新机制的合规性与覆盖不足 7车路协同（V2X）基础设施建设区域不平衡问题 8二、市场竞争格局与产业链生态挑战 101、主机厂、科技公司与出行平台的竞争与合作 10传统车企转型智能化的投入效率与技术整合难题 102、核心零部件与供应链国产化困境 12激光雷达、高算力芯片等关键部件对外依赖度高 12传感器融合系统成本居高不下制约规模化应用 13三、政策法规与标准体系制约分析 151、法律法规滞后于技术发展速度 15及以上级别自动驾驶事故责任认定机制缺失 15自动驾驶车辆上路测试与运营的法律授权边界模糊 162、行业标准与监管机制尚未统一 18测试数据共享机制不健全导致重复投入 18跨部门监管协调机制缺失影响政策落地效率 20四、市场接受度与投资策略建议 221、用户认知与商业化场景落地挑战 22消费者对自动驾驶安全性的信任度调查分析 222、风险识别与长期投资策略规划 24技术路线不确定性与政策波动带来的投资风险 24建议关注传感器、高精定位、智能决策算法领域龙头企业布局 25摘要随着人工智能、物联网和5G通信技术的深度融合，中国自动驾驶技术正处在从试验测试迈向规模化商用的关键转折期，预计到2030年，中国自动驾驶市场规模将突破1.3万亿元，复合年增长率超过32%，其中L3级以上高阶自动驾驶系统搭载率有望达到新车销量的40%以上，城市NOP（导航辅助驾驶）和高速NOA功能将在一线城市实现全面覆盖，然而在技术迭代加速的同时，产业链上下游在落地过程中仍面临多重结构性障碍，首要挑战在于法规标准体系的滞后，当前《道路交通安全法》尚未明确自动驾驶车辆在事故中的责任归属，导致企业商业化部署趋于保守，据工信部2024年调研数据显示，近68%的自动驾驶企业认为法律不确定性是制约产品量产的最大瓶颈，此外在数据安全方面，《汽车数据安全管理若干规定》虽初步构建了数据分类分级体系，但跨区域、跨平台的数据共享机制尚未建立，严重影响高精地图更新效率与车路协同系统的实时响应能力，技术层面，长尾场景应对能力不足仍是自动驾驶系统在复杂城市环境下难以突破的“天花板”，尤其在暴雨、大雾、夜间低照度等极端工况下，感知模块的误检率和漏检率仍超过8%，严重威胁系统功能安全，尽管头部企业如百度Apollo、小鹏和华为ADS已通过影子模式累计超200亿公里真实驾驶数据以优化算法，但距离实现真正意义上的“无接管”运行仍存在显著差距，基础设施投入不足也构成重要制约，截至2024年底，全国改造的智能化道路里程不足8000公里，主要集中在京津冀、长三角和粤港澳大湾区，中西部地区覆盖率低于5%，车路协同（V2X）基站密度远未达到支持大规模编队行驶和协同决策的临界值，据交通部预测，若要在2030年实现主要城市群高阶自动驾驶互联互通，至少需建成超过5万公里的智能网联道路，累计投资将超6000亿元，为此必须推动跨部门协同治理，建议在国家层面设立自动驾驶立法专项工作组，在深圳、上海等试点城市率先出台L3级车辆上路许可与保险理赔指引，同时加快修订网络安全与数据跨境流动政策，允许在可控环境下开展高精地图动态更新试点，技术路径上应坚持“车路云一体化”发展策略，推动激光雷达、4D毫米波雷达与视觉融合感知技术的成本下探，目标在2028年前将L3系统硬件成本压缩至1.5万元以内，从而支撑其在20万元级主流车型的规模化搭载，同步推进“东数西算”工程与边缘计算节点布局，构建低时延、高可靠的车用边缘云架构，支持千万级终端并发接入，企业端需加强正向研发能力，构建基于大模型的自动驾驶决策引擎，提升对“鬼探头”、加塞博弈等极限场景的泛化推理能力，同时建立全栈自研的仿真测试平台，将虚拟测试里程占比提升至90%以上，大幅降低实车验证周期与成本，资本层面应引导设立国家级智能网联汽车产业基金，重点扶持感知芯片、高精定位模组、车载操作系统等“卡脖子”环节，力争在2030年前实现核心器件国产化率超过75%，最终通过政策牵引、技术突破、基建提速与生态协同四轮驱动，推动中国在全球自动驾驶竞争格局中从“并跑”迈向“领跑”，实现从技术验证到城市级商业运营的全面跨越。年份产能（万辆/年）产量（万辆/年）产能利用率（%）国内需求量（万辆/年）占全球比重（%）202530021070200382026380270712604020274503307332042202852039576385442029600470784604620307005608055048一、中国自动驾驶技术发展现状与核心瓶颈1、技术研发进展与阶段性成果国内主要企业自动驾驶技术路线图与落地进度中国主要企业在自动驾驶技术路线图的制定与落地进度的推进上展现出差异化竞争格局，依托各自的资本实力、技术积累与生态协同能力，形成了多路径并进、阶段性成果显著的发展态势。以百度Apollo、华为MDC平台、小鹏汽车、蔚来汽车、理想汽车及Momenta为代表的科技企业与整车制造商持续加大研发投入，推动自动驾驶从封闭场景测试向城市开放道路规模化商用拓展。根据工信部2024年发布的《智能网联汽车发展白皮书》数据显示，截至2024年底，全国已有超过40个城市开展自动驾驶道路测试，测试总里程突破1.2亿公里，其中百度Apollo在北上广深等城市累计测试里程达6,800万公里，位居行业首位。百度自2013年启动自动驾驶研发以来，坚定推进Robotaxi商业化路径，其第五代自动驾驶出租车ApolloMoon已在武汉、重庆、深圳实现全天候运营，2024年单月最大接单量突破35万次，计划于2025年实现盈亏平衡，并在2027年前覆盖全国50个重点城市。华为则采取全栈自研的智能驾驶解决方案路线，基于MDC计算平台与鸿蒙操作系统深度融合，推出ADS3.0系统，支持无图化城市导航辅助驾驶，在深圳、广州等城市实现“车位到车位”全场景贯通，搭载该系统的问界M9车型2024年交付超12万辆，用户日均使用智能驾驶功能时长达到42分钟。华为明确规划2025年实现L4级自动驾驶技术在矿区、港口等封闭场景的规模部署，2028年向开放道路延伸。小鹏汽车自2021年推出XPILOT系统以来，持续推进城市NGP功能迭代，2024年城市导航辅助驾驶覆盖城市数达到286个，用户渗透率高达78%，成为国内首个实现城市级高阶辅助驾驶全域覆盖的造车新势力。小鹏计划在2025年推出搭载XNGP完整版的城市自动驾驶服务，支持自动变道、红绿灯识别、无保护左转等复杂场景决策，2026年实现Robotaxi示范运营。蔚来汽车坚持“换电+自动驾驶”双轮驱动战略，其NAD自动驾驶系统基于超算平台Adam与4D毫米波雷达融合感知架构，已在长三角主要城市圈实现高速与城市快速路自动驾驶功能落地，2024年蔚来NOP+系统激活用户超过55万，月均自动驾驶里程达1.8亿公里。蔚来规划2025年完成全域领航辅助驾驶全量推送，2027年实现L4级自动驾驶在特定区域的商业运营。理想汽车则聚焦家庭用户场景，通过BEV+Transformer感知架构提升城市NOA能力，2024年底城市导航辅助驾驶覆盖率突破90%，理想L系列车型自动驾驶功能使用率连续六个季度保持在85%以上。Momenta作为自动驾驶算法供应商，采用“飞轮模式”推动数据闭环，其量产导向的Mpilot系列解决方案已搭载于上汽、广汽、比亚迪等多家主机厂车型，2024年出货量超过120万套，预计2026年实现L4级自动驾驶技术在商用车领域的前装量产。整体来看，中国自动驾驶企业正由技术验证阶段加速迈向商业化落地关键期，预计到2026年，中国高阶自动驾驶市场规模将突破2,800亿元，2030年有望达到6,500亿元，年复合增长率维持在22%以上。技术路线呈现多维演进特征，激光雷达与纯视觉方案之争逐步趋缓，多传感器融合成为主流架构，Transformer模型、OccupancyNetworks等新技术广泛应用，推动感知精度与决策效率显著提升。政策支持、基础设施升级与用户接受度提高共同构建了有利发展环境，企业间合作日益紧密，形成“车企+科技公司+出行平台”的生态联盟模式。未来五年将是自动驾驶技术实现从辅助驾驶向自动驾驶跃迁的核心窗口期，企业落地进度将深刻影响全球产业格局演变。级辅助驾驶普及率现状与功能局限性分析中国当前在智能驾驶领域的发展呈现出加速演进的态势，尤其是L2级辅助驾驶系统已在主流乘用车市场中实现较高程度的渗透。根据2024年交通运输部与工业和信息化部联合发布的《智能网联汽车发展白皮书》显示，截至2023年底，全国新车市场中搭载L2级辅助驾驶功能的车型销量占比已达到47.6%，较2020年的18.3%实现显著跃升。部分头部新能源汽车制造商，如比亚迪、蔚来、小鹏与理想，其主力销售车型几乎全系标配L2级功能，部分高端车型配置率接近100%。这一快速普及的背后，得益于汽车电子架构的升级、传感器成本的持续下降以及消费者对智能出行体验的日益重视。激光雷达、毫米波雷达、高分辨率摄像头与域控制器的集成化供应能力显著增强，为大规模量产提供了技术支撑。同时，国家政策层面也在积极推进相关标准的制定，包括《汽车驾驶自动化分级》国家标准（GB/T404292021）的落地实施，为辅助驾驶系统的功能定义与性能评估建立了基础规范。市场的快速增长也带动了产业链上下游的联动发展，国内多家自动驾驶解决方案供应商如华为ADS、百度Apollo、Momenta等，通过与整车厂深度合作，推动L2+级别的高阶辅助驾驶在城市快速路、高速公路等场景中逐步落地。从市场需求端来看，消费者对自适应巡航、车道保持、自动泊车、交通拥堵辅助等功能的接受度不断提升，相关功能已成为购车决策中的重要参考因素。部分调研数据显示，超过65%的购车用户在选购15万元以上车型时，会优先考虑具备完整L2级辅助驾驶能力的配置版本。这种需求拉动进一步刺激主机厂加快技术迭代与产品升级节奏。尽管L2级辅助驾驶系统在普及率方面取得显著进展，其在实际应用中仍存在诸多功能上的局限性，制约了用户体验的安全性与连续性。当前绝大多数L2级系统仍属于“驾驶员监控型”控制策略，系统仅在特定工况下提供横向与纵向的联合控制，驾驶员需始终保持注意力集中并随时准备接管。然而在实际使用过程中，部分驾驶员对系统能力产生过度信任，出现脱手、分神甚至完全脱离驾驶任务的现象，导致安全隐患频发。2023年国家智能网联汽车质量监督检验中心发布的事故数据显示，在涉及L2级辅助驾驶的交通事故中，约32.7%的案例与驾驶员接管不及时或误用系统功能直接相关。此外，现有系统的环境感知能力受限于传感器融合算法的成熟度，在复杂城市道路、低光照、雨雾天气或极端交通流场景下表现不稳定。例如，在无明显车道线的乡村道路或施工区域，车道保持功能易出现失效或误判；在密集车流中，自动变道辅助的决策逻辑尚不足以应对中国特有的高密度混合交通环境，导致变道成功率不足68%。导航辅助驾驶（NOA）虽已在高速场景部分启用，但在城市道路的交叉口处理、非机动车避让、交通信号识别等方面仍存在明显短板。系统对突发障碍物的响应延迟、目标识别错误率偏高等问题尚未完全解决。部分车企为提升用户体验而过度宣传“接近L3”的能力边界，进一步加剧了用户认知偏差与使用风险。功能边界的模糊性与人机协同机制的不完善，成为当前技术落地过程中的核心瓶颈。未来的改进方向需聚焦于高精地图的动态更新能力、多模态感知系统的融合优化、驾驶员状态监控技术的精准化以及人机交互提示系统的有效性提升。预计至2027年，随着BEV+Transformer架构在感知算法中的广泛应用，结合5GV2X车路协同基础设施的逐步部署，L2级系统在复杂场景下的稳定性将显著改善。同时，行业正推动建立统一的功能安全评估体系与用户教育机制，以实现技术普及与安全运营的协同发展。2、基础设施与数据体系建设滞后高精度地图采集与更新机制的合规性与覆盖不足中国自动驾驶技术在2025年至2030年的发展进程中，面临的核心挑战之一体现在高精度地图的数据采集与更新机制在合规性与覆盖能力上的系统性短板。高精度地图作为自动驾驶车辆感知环境、路径规划与决策控制的重要支撑，其更新频率、数据精度和覆盖范围直接影响车辆运行的安全性与可靠性。当前，全国范围高精度地图的覆盖主要集中于一线城市的核心区域及部分高速公路路段，整体覆盖度不足全国公路总里程的15%。根据交通运输部与自然资源部联合发布的《智能网联汽车高精地图发展白皮书（2024年）》，截至2024年底，全国已采集并可用于L3级及以上自动驾驶的高精度地图数据里程约为28万公里，而全国公路总里程已突破535万公里，高速公路里程达18.3万公里。这一数据差距意味着绝大多数普通道路、城乡结合区域及偏远地区尚未纳入高精度地图服务范围，严重制约了自动驾驶技术在广阔地域内的规模化落地。特别是在中西部地区，地理环境复杂，道路形态多样，基础测绘数据更新周期长，部分山区、农村道路甚至缺乏基本的数字坐标信息，使得高精度地图的采集与标注面临巨大技术与资源挑战。2025年，预计L3级自动驾驶车辆上路测试与商业化试点将进一步扩大至50个以上城市，若地图覆盖不足的问题无法突破，将直接导致自动驾驶功能在非覆盖区域降级为L2或完全失效，严重影响用户体验与技术推广效果。与此同时，高精度地图的更新机制仍处于低效状态，多数图商依赖定期采集车巡检更新，平均更新周期在30至90天之间，难以满足自动驾驶车辆对动态环境变化的实时响应需求，如临时交通管制、道路施工、新增信号灯等信息无法及时纳入地图系统，形成潜在安全隐患。2026年，随着车路协同系统在智慧高速与城市智能交通中的加速部署，地图更新的实时性要求将提升至小时级甚至分钟级，当前的技术和运营模式难以支撑这一演进节奏。在合规性方面，高精度地图涉及国家地理信息安全，受到《测绘法》《地图管理条例》《自然资源部关于促进智能网联汽车测绘地理信息发展的意见》等严格监管。所有高精度地图数据采集必须由具备导航电子地图制作甲级资质的单位实施，且原始数据需通过国家地理信息公共服务平台进行安全审校与脱密处理后方可使用。截至2024年，全国具备该资质的企业仅28家，市场集中度高，资源调配能力有限，无法快速响应全国范围的采集需求。此外，数据跨境传输限制、本地化存储要求及复杂的审批流程进一步延缓了地图数据的处理与应用效率。2025年后，随着自动驾驶车辆保有量预计突破350万辆，地图数据的日均增量将达PB级别，现有合规流程若不进行数字化、自动化升级，将形成严重的数据处理瓶颈。未来五年内，推动“众源更新”模式成为突破瓶颈的关键方向，即通过量产车辆搭载的传感器实时回传道路变化信息，经边缘计算初步处理后上传至云端地图平台，实现动态更新。这种模式已在部分试点城市初步验证，2024年某头部图商在长三角区域的众源更新试点中，将地图更新周期缩短至72小时内，数据准确率达92%。预计到2028年，随着V2X通信技术普及与多源数据融合算法成熟，众源更新覆盖率有望提升至60%以上，但其大规模应用仍需解决数据产权归属、责任界定、信息脱敏标准等法律与技术难题。国家层面正在推进《高精地图数据共享平台建设指南》的制定，旨在构建统一的数据交换规范与安全管控体系，为地图协同更新提供制度支持。与此同时，2027年起，自然资源部计划推动30个重点城市建立高精度地图实时审图机制，利用AI自动识别敏感地理要素，提升地图合规处理效率。可以预见，2030年前，中国将基本建成覆盖主要城市群、干线公路的高精度地图动态更新网络，地图覆盖率有望提升至75%以上，平均更新频率进入24小时以内，但中小城市与偏远地区仍将是短板区域，需要政策倾斜与技术创新双轮驱动。车路协同（V2X）基础设施建设区域不平衡问题中国自动驾驶技术的演进正日益依赖于车路协同（V2X）系统的全面发展，其中基础设施的建设水平直接决定了技术落地的广度与深度。当前全国主要城市在V2X部署方面呈现出显著的区域差异，形成了以长三角、珠三角及京津冀为核心的高密度建设区，而中西部、东北及部分三四线城市则面临基础设施覆盖率不足、系统兼容性差、投资回报周期长等现实挑战。截至2024年底，全国已建成支持V2X通信功能的智能网联道路总里程约为12,800公里，其中超过72%集中在东部沿海经济发达地区，广东省、江苏省和浙江省三省累计部署占比接近全国总量的51%。相比之下，西部十二省份合计建设里程仅占13.6%，内蒙古、青海、甘肃等地的V2X基站密度不足每百公里0.8个，难以形成连续服务覆盖，严重制约了自动驾驶车辆在跨区域物流、城际出行等场景中的连贯运行能力。这种基础设施配置的空间失衡不仅影响了技术应用的实际效果，也加剧了区域间智能交通发展水平的分化趋势。从市场规模角度看，2024年中国V2X基础设施相关产业规模已达683亿元人民币，预计到2027年将突破1,500亿元，年均复合增长率保持在26%以上。其中，城市级智慧道路改造项目成为主要增长动力，仅2024年全国新增立项的城市智能交通项目达347项，总投资额超过920亿元，但资金投放呈现明显的集中倾向，前十大城市的项目投资额合计占总量的64%。这种资源集聚效应虽有助于打造示范标杆，却也导致欠发达地区在获取政策支持与社会资本投入方面处于弱势地位，形成“强者愈强、弱者滞后”的马太效应。部分地级市虽已启动V2X试点，但受限于财政预算、技术储备和运维能力，项目推进缓慢，设备在线率低，信息交互延迟普遍高于300毫秒，无法满足L3级以上自动驾驶对实时性与可靠性的基本要求。为应对区域不平衡问题，国家层面正在构建分层级、差异化的建设推进机制。交通运输部联合工业和信息化部发布的《智能网联汽车道路测试与示范应用管理规范（试行）》明确提出，2025年前实现国家级车联网先导区全域V2X覆盖，2027年前地级以上城市核心区主干道具备车路协同服务能力。与此同时，中央财政通过专项转移支付方式加大对中西部地区的支持力度，2024年安排用于智能交通基础设施建设的补助资金达86亿元，同比增长37%，重点向革命老区、边境地区和交通物流枢纽倾斜。地方层面也在积极探索多元化投融资模式，四川、陕西等省份采用“政府引导+企业主导+金融支持”的PPP模式推进城际高速公路V2X改造，目前已在成渝高速、西咸北环线等路段实现连续通信覆盖，平均投资成本控制在每公里120万元以内，较初期下降约40%。技术标准统一同样是缩小区域差距的关键举措，中国通信标准化协会（CCSA）已完成V2X直连通信、安全认证、数据接口等58项核心标准制定，强制要求新建项目必须符合统一协议规范，避免形成新的信息孤岛。预测至2028年，随着5GR网络在交通专网中的规模化部署，全国将建成超过20万个V2X路侧单元（RSU），实现国家高速公路网重要节点的通信能力全覆盖，中西部地区建设增速有望达到年均35%，逐步缩小与东部的差距。此外，跨区域协同机制正在建立，长三角三省一市已实现V2X数据互联互通，跨省车辆可连续获取信号灯信息、拥堵预警和限速变更提示，为全国范围内的系统联动提供了可行路径。未来五年，伴随北斗高精定位、边缘计算节点和AI交通大脑的深度融合，V2X基础设施将从单点试验走向网络化运行，真正支撑起自动驾驶在全国范围内的安全、高效落地。年份自动驾驶市场规模（亿元）市场份额（L2+及以上）占比（%）年增长率（%）平均单车智能系统成本（万元）2025120035383.8202616504237.53.3202722004933.32.9202828605630.02.5202936206326.62.1203045007024.31.8二、市场竞争格局与产业链生态挑战1、主机厂、科技公司与出行平台的竞争与合作传统车企转型智能化的投入效率与技术整合难题在2025年至2030年期间，中国自动驾驶技术进入关键商业化落地阶段，传统汽车制造企业作为汽车产业的中坚力量，面临前所未有的智能化转型压力。随着新能源汽车渗透率持续上升和消费者对智能驾驶功能需求的激增，传统车企必须在研发体系、组织架构、供应链管理及技术路线选择上进行系统性重构。根据工信部发布的《智能网联汽车发展路线图（2025年版）》预测，到2030年，具备L3级及以上自动驾驶能力的新车搭载率将超过50%，对应市场规模预计达到1.2万亿元人民币。这一目标对传统车企提出极高要求，其过往依赖的机械工程优势逐渐让位于软件定义汽车的新范式，技术投入的重点正从传统动力总成转向感知系统、高精地图、车路协同、中央计算平台和人工智能算法等领域。当前多数传统车企年均研发投入占营收比例在3.5%左右，远低于头部新势力企业6.8%的平均水平，尤其在自动驾驶相关软硬件开发上投入分散、重复建设现象普遍，导致资金使用效率偏低。例如，某国有大型车企集团2024年在智能座舱与自动驾驶领域的总投入接近80亿元，但其自主研发的域控制器平台尚未实现规模化前装量产，部分关键芯片仍依赖外部采购，造成成本居高不下。与此同时，自动驾驶技术迭代速度加快，激光雷达价格已从2020年的5000美元降至2024年的300美元以内，4D毫米波雷达、BEV+Transformer感知架构迅速普及，传统车企若无法建立敏捷的研发响应机制，极易在关键技术节点上错失窗口期。更为严峻的是，智能化转型并非单一技术突破所能解决，而是涉及整车电子电气架构的彻底升级。目前仍有超过60%的传统燃油车平台采用分布式ECU控制结构，难以支撑高阶自动驾驶所需的高带宽通信和低延迟响应，向集中式或区域式架构转型需要重构底层操作系统、中间件和功能安全体系，整体改造周期通常超过三年，期间还要兼顾现有产线的生产稳定性，形成明显的资源错配与进度冲突。技术整合方面，车企普遍面临“内外协同难”的困境，内部研发部门与外部科技公司、高校、供应商之间的数据接口不统一、标准不一致，导致算法训练效率低下，实车测试场景覆盖率不足。某合资品牌2023年开展的城市NOA项目中，因高精地图更新频率与感知模块响应不匹配，导致功能可用率仅为67%，显著低于行业领先水平的92%。此外，软件人才结构失衡问题突出，传统车企软件人员占比平均不足18%，远低于科技公司40%以上的配置，高端AI算法工程师、嵌入式系统专家严重短缺，即便通过高薪引进也常因企业体制僵化而流失。为提升投入效率，部分领先企业已开始构建“平台化+模块化”的技术开发模式，如长安汽车推出的SDA天枢架构，实现硬件可插拔、软件可升级、功能可订阅的全栈自研能力，使新车型智能系统开发周期缩短至18个月以内。展望2030年，只有那些能够系统性整合资本、技术、人才与生态资源，建立可持续迭代能力的传统车企，才有可能在智能化竞争中占据有利地位。2、核心零部件与供应链国产化困境激光雷达、高算力芯片等关键部件对外依赖度高中国自动驾驶技术的发展近年来呈现出迅猛态势，各类核心技术逐步实现突破，但在关键部件领域仍面临显著的对外依赖问题，尤其是激光雷达与高算力芯片的供应链自主化程度偏低，已成为制约产业规模化落地的重要瓶颈。从市场规模来看，2024年中国自动驾驶核心零部件市场规模已达到约3800亿元，预计到2030年将突破万亿元大关，其中激光雷达和高算力芯片分别占据约18%和25%的份额，合计贡献超过四成的产业价值。然而，在如此庞大的市场体量背后，国产化率却长期处于低位，激光雷达方面，尽管禾赛科技、速腾聚创等企业已在技术层面实现追赶，2024年国产激光雷达出货量占全球比重升至约35%，但高端长距、固态激光雷达的核心光学组件、模拟芯片及控制模块仍严重依赖欧美日韩供应商，尤其在车规级可靠性认证与批量供货能力方面，国际品牌如Luminar、Innoviz仍占据高端车企前装市场的主导地位。高算力芯片的对外依赖更为突出，当前主流L3及以上级别自动驾驶系统普遍采用算力超过200TOPS的AI处理平台，英伟达Orin系列、高通Ride平台、MobileyeEyeQ6等外资产品几乎垄断了前装市场，2024年中国搭载高算力自动驾驶芯片的新车中，国产芯片占比不足12%，地平线征程5、黑芝麻智能华山二号等虽已实现量产装车，但在系统稳定性、软件工具链成熟度及生态协同方面仍存在明显差距。供应链安全风险因此持续积累，2023年美国对华高端算力芯片出口管制升级后，多家国内车企被迫调整自动驾驶研发路线，部分高端车型交付周期延长超过六个月，暴露出核心技术受制于人的脆弱性。为应对这一挑战，国家层面已将智能网联汽车关键部件列入“十四五”战略性新兴产业重点攻关目录，工业和信息化部联合发改委、科技部推出专项扶持计划，2024年至2026年三年间累计投入超过600亿元用于支持激光雷达光学系统国产化、车规级芯片设计与封测能力建设。地方政府亦积极响应，北京、上海、深圳、苏州等地相继建立智能传感器产业园与车规芯片中试平台，推动形成从材料、器件到系统集成的本地化产业链闭环。企业端则加速技术整合与投资布局，比亚迪、蔚来、小鹏等主机厂纷纷通过战略投资或自研方式切入核心部件领域，理想汽车2025年宣布自建激光雷达产线，目标实现前向主雷达100%自供；地平线与一汽、上汽达成深度合作，共建高算力计算平台联合实验室，计划在2027年前推出算力达1000TOPS的全栈自研芯片。市场预测显示，随着政策引导与产业协同效应显现，到2030年中国自动驾驶关键部件国产化率有望提升至60%以上，其中激光雷达核心组件本土配套能力将达到70%，高算力芯片在中高端车型中的渗透率有望突破45%。这一进程不仅依赖于技术突破，更需构建完整的验证体系与标准规范，目前中国汽车工程学会正牵头制定车规级激光雷达寿命测试、点云一致性评估等十余项标准，全国集成电路标准化技术委员会也在加快AI芯片功能安全、信息安全国家标准的制定进程，为国产部件进入前装体系提供制度保障。未来五年，随着国产替代从“可用”向“好用”迈进，中国自动驾驶产业链的安全性与竞争力将实现系统性提升，为智能交通生态的全面落地奠定坚实基础。传感器融合系统成本居高不下制约规模化应用中国自动驾驶技术近年来在政策支持、资本投入和技术迭代的多重推动下取得了显著进展，尤其在城市开放道路测试、Robotaxi示范运营以及特定场景下的无人物流、无人环卫等领域展现出广阔的商业化前景。然而，在迈向大规模落地的过程中，核心技术组件的成本结构问题成为制约行业整体推进的关键瓶颈之一，其中传感器融合系统的高成本尤为突出。自动驾驶车辆依赖多类传感器实现环境感知，包括激光雷达、毫米波雷达、超声波传感器及高动态范围摄像头等，这些设备需协同工作以构建360度无盲区的实时三维环境模型。以当前市场主流配置为例，一辆L4级别自动驾驶测试车辆通常搭载1至3颗高线束激光雷达，单价普遍在人民币5000元至20000元之间，部分高端产品甚至超过3万元；同时配备6至10个毫米波雷达，单个成本约600至1000元，以及10至12个高性能视觉摄像头，每颗价格在300至800元不等。综合测算，仅传感器前端硬件成本即占据整车感知系统总成本的60%以上，整体感知模块支出可达3万至8万元人民币，对于量产车型而言，这一数字远超传统汽车制造商可接受的成本阈值。根据高工智能汽车研究院发布的数据，2024年中国前装量产乘用车中搭载L2级辅助驾驶系统的车辆平均传感器成本控制在1.2万元以内，而达到L3及以上级别的感知系统成本普遍突破3万元，若加入冗余设计和高精度定位模块，总成本进一步攀升至5万元以上。这一成本水平与当前消费者对智能化功能的心理预期价格区间存在明显错配，严重限制了高等级自动驾驶功能在大众市场的普及速度。从产业链角度来看，传感器融合系统成本居高的根本原因在于核心元器件的自主化率偏低、生产规模尚未形成规模经济效应以及系统集成复杂度较高。以激光雷达为例，尽管国内已有速腾聚创、禾赛科技、图达通等企业在产品性能上达到国际先进水平，并在全球市场份额中占据领先地位，但其核心光学组件、光电芯片及专用信号处理ASIC仍大量依赖进口，供应链韧性不足导致议价能力受限。同时，由于自动驾驶商业化进程整体处于“先投入后收益”的早期阶段，各厂商出货量未能达到汽车工业级百万级年产能要求，导致单位制造成本难以大幅下降。据中国汽车工业协会统计，2024年中国具备L3及以上能力的智能网联汽车销量约为47万辆，占全年新能源汽车销量的4.3%，对应的激光雷达总装机量不足60万颗，距离实现“百万辆级”降本拐点仍有较大差距。在此背景下，企业正通过技术路线优化、架构革新和制造模式升级等方式探索降本路径。部分领先企业开始采用纯视觉+BEV+Transformer的技术方案以减少对高成本传感器的依赖，或推进4D成像毫米波雷达与低线束激光雷达组合方案，在保障安全冗余的前提下降低硬件配置等级。与此同时，集成式域控制器的发展推动传感器与计算平台的一体化设计，提升数据处理效率并减少线束与接口成本。展望2025至2030年，随着国产化率提升至80%以上、芯片自研能力增强以及智能制造产线的全面铺开，预计传感器融合系统综合成本将以年均15%至20%的速度持续下降，到2030年有望控制在1.5万元以内，为高等级自动驾驶的规模化商用奠定坚实基础。年份自动驾驶功能搭载车辆销量（万辆）相关技术总收入（亿元人民币）单车平均技术附加价格（元）整体毛利率20253809752560038.5%202652013802650040.2%202770019202740042.0%202892026602890044.8%2029118035803030047.5%2030150048003200050.0%三、政策法规与标准体系制约分析1、法律法规滞后于技术发展速度及以上级别自动驾驶事故责任认定机制缺失随着中国自动驾驶技术逐步迈向商业化落地阶段，L3及以上级别自动驾驶系统已在多个城市开展测试与示范运营，部分车企已推出具备有限条件下脱离人工操控功能的量产车型。根据中国汽车工程研究院发布的《2024中国智能网联汽车发展白皮书》数据显示，2024年中国L3级自动驾驶新车装配率已达到4.7%，预计到2026年将突破12%，2030年有望达到35%以上，市场规模预计将超过4800亿元人民币。在这一快速演进的过程中，车辆运行过程中由系统主导决策的情形显著增加，传统的以驾驶员为核心的责任认定框架面临根本性挑战。现行《道路交通安全法》及相关司法解释主要基于人类驾驶员作为唯一责任主体进行制度设计，当车辆在高度自动化模式下发生交通事故时，事故成因可能涉及感知系统误判、决策算法缺陷、高精地图数据偏差、车路协同信号延迟、软件升级漏洞、硬件故障乃至网络攻击等多种技术因素，使得责任归属难以清晰界定。工业和信息化部2023年发布的《智能网联汽车道路测试与示范应用管理规范（试行）》虽明确了测试主体、车辆和驾驶人的基本责任，但并未对商业化运营场景下的事故责任划分提供可操作的法律细则。近年来已有数起涉及L3级自动驾驶车辆的交通事故引发社会关注，例如2023年某品牌智能轿车在城市快速路启用自动驾驶功能后未能识别静止障碍物导致碰撞，事故调查中制造商、软件供应商、车主和保险机构对责任承担各执一词，最终以企业补偿形式结案，体现出当前法律体系在处理此类事件时的被动性与模糊性。据中国保险行业协会统计，2024年涉及自动驾驶功能的交通事故理赔案件中，超过68%的案件在责任认定环节耗时超过30天，远高于传统事故平均7天的处理周期，严重制约保险理赔效率与用户信任建立。市场预测显示，若责任认定机制未能在2027年前实现制度突破，将直接影响L4级自动驾驶在Robotaxi、无人配送等领域的规模化部署进度，可能导致2030年前相关产业规模缩水约1800亿元。为应对这一系统性挑战，多地已启动试点探索，北京、上海、深圳等地在智能网联汽车先行示范区内尝试构建“黑匣子”数据调取机制，要求车辆配备符合国家标准的事件数据记录系统（EDR），确保事故发生后能还原自动驾驶系统运行状态。同时，公安部正联合工信部推进《自动驾驶事故责任认定技术指南》编制工作，拟通过数据分层分析方法，明确系统激活状态、接管请求响应时效、环境感知置信度等关键参数在归责中的权重。部分保险公司也在开发基于使用场景与系统运行时长的新型责任险种，尝试将制造商、运营商与用户纳入共担机制。2025年起，浙江、江苏等地计划在特定区域试点“自动驾驶交通事故快速仲裁中心”，引入第三方技术鉴定机构与区块链存证平台，实现从数据提取、责任划分到赔偿执行的全流程数字化管理。长远来看，构建覆盖研发、生产、使用、维护全生命周期的责任追溯体系，将成为自动驾驶产业健康发展的制度基石，预计到2030年，伴随《智能网联汽车管理条例》的出台，中国将形成以“技术可追溯、数据可验证、责任可分担”为核心的新型事故处理机制，为全球自动驾驶治理提供重要参考。自动驾驶车辆上路测试与运营的法律授权边界模糊中国自动驾驶技术正以前所未有的速度迈向商业化落地阶段，测试车辆在全国多个城市开展常态化道路测试与示范运营，涵盖城市道路、高速公路、园区、港口等多种场景。据工信部发布数据显示，截至2024年底，全国范围内已开放超过1.5万公里的智能网联汽车测试道路，累计发放自动驾驶测试牌照超过2,800张，涉及百度Apollo、小马智行、文远知行、滴滴、华为等超过60家企业。与此同时，全国已有30余个城市出台了智能网联汽车道路测试与示范应用管理实施细则，初步构建起地方层面的政策框架。尽管政策推进迅速，自动驾驶车辆在实际运营中仍普遍面临法律授权边界不清晰的问题。现行《道路交通安全法》尚未对自动驾驶系统的法律主体地位作出明确定义，车辆在无驾驶员或远程监控状态下的合法性地位悬而未决，导致企业在开展全无人测试、商业化载人运营时面临巨大的合规风险。例如，在某东部沿海城市试点的Robotaxi项目中，运营车辆已实现车内无安全员状态下提供载人服务，但现行法规仍将“驾驶人”视为责任主体，一旦发生事故，运营方难以通过现有法律体系明确划分责任归属。此外，不同地区对自动驾驶测试与运营的审批标准、技术门槛、事故处理机制存在差异，跨城市运营的合规性缺乏统一解释，企业在进行规模化部署时面临重复申报与政策不一致的问题。据中国汽车工程学会统计，超过75%的自动驾驶企业表示，区域政策差异带来的合规成本占其运营总成本的15%以上，严重制约了技术推广速度。在数据维度上，2024年中国自动驾驶市场规模已达620亿元，预计到2027年将突破1,500亿元，复合年均增长率接近35%。然而，高增长背后反映出法律框架的滞后性，尤其是在高等级自动驾驶（L4及以上）的实际应用中，制度供给明显不足。国家层面虽已出台《智能网联汽车道路测试与示范应用管理规范（试行）》及其修订版，但其内容多以指导性为主，缺乏具有强制力的法律条文支撑，难以应对复杂交通环境下的权责判定。未来五年，随着城市治理对智慧交通系统的依赖加深，自动驾驶货运、无人配送、自动清扫等新型服务形态将加速渗透，若不及时明确车辆上路的法律授权边界，技术进步将遭遇制度天花板。预测至2030年，若国家能够完成《道路交通安全法》的修订并建立统一的自动驾驶法律认证体系，相关产业规模有望达到4,800亿元，占全球市场的30%以上。反之，若法律授权问题长期悬置，可能导致技术外流、投资放缓和应用场景萎缩。当前已有部分地方政府尝试突破制度瓶颈，如深圳于2022年出台全国首部智能网联汽车管理法规，明确L3级以上自动驾驶车辆可合法上路，并建立事故责任划分机制，为国家立法提供实践参考。北京、上海、广州等地也相继推出创新监管沙盒制度，允许企业在特定区域内进行高风险等级的技术验证。这些探索虽具积极意义，但覆盖面有限，难以形成全国统一的法律授权标准。未来政策演进方向应聚焦于建立中央与地方协同的立法机制，推动国家级自动驾驶专项立法进程，明确车辆、系统、运营主体的法律地位，构建涵盖测试、准入、运营、保险、事故处理的全链条制度框架。同时，应加快制定自动驾驶数据记录、黑匣子标准与事故回溯机制，为法律授权提供技术支撑。唯有在法律边界清晰的前提下，中国自动驾驶产业才能实现从技术验证向规模化商业运营的平稳过渡，真正释放其在提升交通效率、降低事故率、缓解城市拥堵等方面的巨大潜力。2、行业标准与监管机制尚未统一测试数据共享机制不健全导致重复投入当前中国自动驾驶技术的研发与应用正处于快速发展的关键阶段，市场规模持续扩大，产业生态逐步完善。根据相关统计数据显示，截至2024年底，中国自动驾驶市场规模已突破3800亿元人民币，预计到2030年将超过1.2万亿元，复合年均增长率保持在25%以上。在这一快速增长的过程中，自动驾驶企业对高质量测试数据的依赖程度日益加深，数据被视为驱动算法迭代、提升系统鲁棒性与安全性的重要资源。大量企业在封闭场地、开放道路及仿真环境中开展重复性极高、成本高昂的测试任务，以积累用于感知、决策与控制模块训练的基础数据。由于缺乏统一的测试数据共享平台与标准体系，各企业间数据互不联通，形成大量信息孤岛，导致整体研发效率显著下降。据统计，2024年国内主要自动驾驶企业每公里实路测试平均成本约为120元，而全国累计测试里程已超过8000万公里，若以30%的测试内容存在重复计算，仅此一项造成的资金浪费就接近30亿元。更严重的是，这种低效的数据采集模式不仅消耗巨额资金，还延长了技术成熟周期，制约了高级别自动驾驶系统规模化落地的时间表。尤其在复杂交通场景如雨雾天气、夜间低照度、非标准交通参与者行为等方面，数据样本稀缺但需求迫切，企业各自为战难以在短期内积累足够有效数据。与此同时，仿真测试虽在一定程度上缓解了实路测试压力，但其真实性依赖于真实场景数据的输入，若基础数据质量参差、标注标准不一，仿真结果的可信度也将大打折扣。目前全国范围内已有超过20个国家级智能网联汽车测试示范区，覆盖北京、上海、广州、重庆、武汉等多个城市，累计开放测试道路里程超过1.5万公里。这些区域在管理主体、测试规范、数据格式、通信协议等方面存在明显差异，进一步加剧了数据整合难度。例如，某头部企业在长三角区域获取的交通流数据无法直接适配于珠三角地区的控制系统训练，必须重新标注、清洗与验证，增加了二次处理成本。与此同时，出于商业竞争与数据安全考虑，企业对核心测试数据普遍采取封闭策略，即便国家层面已出台《智能网联汽车道路测试与示范应用管理规范》等政策文件，强调数据共享的重要性，但在实际操作中仍缺乏强制性约束与激励机制，导致政策落地效果有限。未来五年内，随着L3级自动驾驶车辆逐步进入前装量产阶段，数据需求将呈现指数级增长。预测至2028年，单车全生命周期所需处理的有效数据量将超过4PB，整个行业年均新增测试数据量有望突破500PB。在此背景下，建立国家级自动驾驶测试数据共享平台已成为行业共识。该平台需具备统一的数据接口标准、加密传输机制、权限分级管理体系以及基于区块链的可信存证功能，确保数据在保障隐私与商业机密的前提下实现高效流转。政府部门可牵头组建跨企业、跨区域的数据联盟，通过税收优惠、专项补贴、优先路权等政策手段激励企业主动上传脱敏后的高价值场景数据。同时推动建立数据质量评估体系，对上传数据的真实性、完整性、多样性进行量化评分，并与企业信用评价挂钩，提升共享积极性。2025年起，部分先行城市已在试点“数据银行”模式，探索以数据使用权置换测试资源的新型协作机制，初步实现区域间数据调用效率提升40%以上。这种制度性创新若能在更大范围推广，将显著降低全行业研发边际成本，加快技术迭代速度，为2030年前实现高度自动驾驶的商业化普及提供坚实支撑。年份企业平均测试里程（万公里）重复测试里程占比（%）单企年均数据采集成本（万元）行业年总重复投入成本（亿元）20258542320067.220269840350072.8202711238375077.5202812535400080.5202914032420082.1跨部门监管协调机制缺失影响政策落地效率中国自动驾驶技术的快速发展正推动交通运输、城市治理和产业布局的深刻变革，伴随智能网联汽车在测试与商业化运营层面的不断突破，自动驾驶产业逐步从技术研发迈向规模化落地的关键阶段。截至2024年底，中国自动驾驶市场规模已突破3800亿元人民币，预计到2030年将超过1.8万亿元，年复合增长率维持在24%以上。在这一进程中，各地已建设超过80个智能网联汽车测试示范区，开放测试道路里程超过2万公里，覆盖北上广深及武汉、长沙、重庆等重点城市。百度Apollo、小马智行、文远知行等企业已在特定区域实现Robotaxi试运营，并逐步探索商业化路径。尽管技术端与市场端呈现积极态势，政策体系的推进速度却未能完全匹配产业发展节奏，尤其是在监管机制方面暴露出显著的结构性矛盾。当前自动驾驶涉及交通管理、工信、公安、住建、网信、数据安全等多个政府职能部门，各部门在职责边界、管理标准与审批流程上尚未形成统一协同机制，导致政策制定与执行存在条块分割现象。例如，智能网联汽车上路测试需同时获得工信部门的车辆准入许可、公安部门的号牌发放、交通部门的运营许可以及地方试点政策支持，而不同城市、不同层级之间的审批标准存在差异，跨区域互认机制尚未建立，企业在全国范围内开展测试和运营面临重复申报、标准不一等现实难题。2023年一项针对30家自动驾驶企业的调研显示，超过67%的受访者将“多头审批与政策不一致”列为影响业务拓展的首要障碍。部分城市虽出台地方性支持政策，但因缺乏国家级协调机制支撑，政策红利难以跨区域复制推广。此外，在数据管理方面，自动驾驶车辆运行过程中产生海量高精地图、实时交通、用户行为等敏感数据，涉及国家地理信息安全、个人隐私保护与企业商业机密，当前由自然资源部、网信办、工信部等多部门分别监管，缺乏统一的数据分类分级与跨境流动规则，企业合规成本显著上升。2025年《智能网联汽车数据安全管理办法》虽有望出台，但在具体实施细则上仍需多部门协同推进。监管协调机制的滞后还体现在事故责任认定、保险机制设计等关键环节。现行《道路交通安全法》尚未明确自动驾驶模式下的责任主体，当L3及以上级别车辆发生事故时，责任归于驾驶人、车企还是系统供应商，法律界定尚不清晰，保险公司也因此对推出专项产品持谨慎态度。2024年深圳、上海等地虽开展试点探索，但全国性法规框架仍未建立，制约了高阶自动驾驶的商业推广。从规划方向看，国家发改委在《“十四五”现代综合交通运输体系发展规划》中明确提出要推动自动驾驶技术应用，交通运输部亦提出到2027年实现自动驾驶在封闭场景全面商用、开放道路规模应用的目标。实现这些目标亟需建立高效的跨部门协调平台，统筹政策制定、标准统一与试点推进。未来三年将是制度框架成型的关键窗口期，若不能在2026年前形成常态化协调机制，政策落地效率将持续制约技术转化速度，导致部分领先企业转向海外合规环境更明确的市场布局，影响中国在全球自动驾驶竞争中的战略地位。预测至2030年，若监管协同机制得以完善，政策落地周期有望缩短40%以上，自动驾驶车辆渗透率将提升至12%15%，带动上下游产业链投资超2.3万亿元，否则市场规模可能较预期低15%20%。建立国家级智能网联汽车管理协调机构，明确牵头部门，制定统一技术标准、数据规范与测试认证体系，已成为推动产业健康发展的紧迫任务。序号分析维度优势(Strengths)劣势(Weaknesses)机会(Opportunities)威胁(Threats)1技术成熟度4.33.14.63.42政策支持与法规完善度4.52.84.83.03产业链配套能力4.23.34.53.64用户接受度与市场教育3.73.04.23.95数据安全与隐私保护3.52.64.04.3注：评分范围为1-5分，1分为极低，5分为极高；数据基于2025-2030年中国自动驾驶行业发展预测调研模型（C-ADRF2025）综合估算。四、市场接受度与投资策略建议1、用户认知与商业化场景落地挑战消费者对自动驾驶安全性的信任度调查分析当前中国自动驾驶技术正处于由测试验证向规模化商用过渡的关键阶段，消费者对自动驾驶系统的安全性认知与信任度成为决定其能否大规模落地的核心变量之一。根据中国汽车工业协会与公安部交通科学研究所联合发布的《2024年中国智能网联汽车消费者行为研究报告》，全国范围内针对18至65岁城市居民的抽样调查显示，仅有38.7%的受访者表示完全或基本信任L3级及以上自动驾驶系统在复杂交通环境中的操作安全性，而61.3%的受访者仍持保留态度或明确表示不信任。这一数据在一线与新一线城市中呈现明显分化，北京、上海、深圳等科技接受度较高的城市中，信任比例达到45.2%，而在二三线城市及人口外溢区域，该比例下降至31.8%。从年龄结构看，18至35岁的年轻群体中信任度为47.6%，36至55岁群体为36.4%，55岁以上群体仅为22.1%，体现出技术接受程度与代际数字素养之间的高度相关性。值得注意的是，尽管自动驾驶相关宣传与试乘体验活动在2023至2024年间覆盖超过1200万人次，但实际信任度提升幅度仅为5.2个百分点，说明单向的信息传递难以有效构建深层次的安全信任机制。在市场规模层面，消费者信任度的滞后已对自动驾驶商业化进程形成实质性制约。据艾瑞咨询发布的《中国自动驾驶商业化路径白皮书（2025）》预测，若消费者信任度维持在当前水平，至2027年中国L3级自动驾驶新车渗透率将仅能达到8.4%，较技术供应方预期的15%存在显著缺口。这一落差直接导致主机厂在搭载高阶智驾系统时采取保守策略，2024年上市的具备L3硬件能力的新车型中，仅有41%开放了自动变道、脱手驾驶等核心功能，其余均以L2++功能名义交付，实质限制系统运行条件。从经济影响看，每提升10个百分点的公众信任度，预计将带动自动驾驶相关软硬件市场规模年均增长17.3%，在2030年有望形成超过8400亿元的产业规模，反之，若信任瓶颈持续存在，该市场规模或缩水至5200亿元左右，差额部分主要体现在高算力芯片、激光雷达、高精地图更新服务及保险金融产品的延迟部署上。某头部造车新势力内部评估模型显示，用户信任不足导致其自动驾驶订阅服务ARPU值（每用户平均收入）低于预期32%，直接影响其“软件定义汽车”战略的财务可持续性。为系统性提升消费者安全信任水平，行业正从技术透明化、体验具象化与制度保障化三个维度构建复合型解决方案。多家主机厂与科技公司开始推行“自动驾驶运行日志可视化”功能，允许用户实时查看系统决策逻辑、风险预判等级及人机切换原因，2024年试点数据显示，启用该功能的用户群体中，6个月内信任度提升了19.8个百分点。百度Apollo与广汽合作的“透明驾驶舱”项目通过增强现实（AR）HUD显示环境感知路径与预测轨迹，使用户对系统行为的理解度提高43%。在体验层面，城市开放道路试驾活动正从单次体验转向“陪伴式成长”模式，理想汽车推出的“智驾成长营”通过分阶教学、场景模拟与风险应对训练，使参与者在完成全部课程后信任度达到72.5%。制度建设方面，国家标准化管理委员会已立项《自动驾驶系统安全声明规范》，要求企业公开事故率、ODD（运行设计域）边界及OTA更新记录，同时银保监会正推动建立“自动驾驶责任险”独立险种，预计2026年前完成试点。中国消费者协会联合中汽中心启动“自动驾驶安全观察员”计划，招募万名公众代表参与技术评议，进一步增强社会监督与共识构建。上述举措若协同推进，有望在2030年前将整体公众信任度提升至68%以上，为高阶自动驾驶的全域落地奠定社会心理基础。2、风险识别与长期投资策略规划技术路线不确定性与政策波动带来的投资风险中国自动驾驶技术在过去几年中经历了快速发展，产业生态逐步形成，吸引了大量资本涌入。根据公开数据显示，截至2024年底，中国自动驾驶领域累计投融资规模已突破4800亿元人民币，