2025年AI端侧深度之智能驾驶专题报告：技术范式迭代打开性能上限，竞争、监管、应用加速高阶智驾落地

智能驾驶是物理 AI 率先实现的场景，发展节奏迎加速

智能驾驶可提供“解放精力、减少事故”的价值，城区 NOA 有望加速渗透

根据国家市场监督管理总局、中国国家标准化管理委员会 2021 年 8 月 20 日发布，2022 年 3 月 1 日 实施的《汽车驾驶自动化分级》标准（标准号 GB/T 40429-2021），驾驶自动化等级划分如下： 1) 0 级：应急辅助，系统不能持续执行动态驾驶任务中的车辆横向或纵向运动控制，但具备持续 执行动态驾驶任务中的部分目标和时间探测与响应能力； 2) 1 级：部分驾驶辅助，系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向或纵向 运动控制，且部分具备与所执行的车辆横向或纵向运动控制相适应的突发事件响应能力； 3) 2 级：组合驾驶辅助，系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向和纵向 运动控制，且部分具备与所执行的车辆横向和纵向运动控制相适应的突发事件响应能力； 4) 3 级：有条件自动驾驶，系统在其设计运行条件下持续地执行全部动态驾驶任务； 5) 4 级：高度自动驾驶，系统在其设计运行条件下持续地执行全部动态驾驶任务，并自动执行最 小风险策略； 6) 5 级：完全自动驾驶，系统在任何可行驶条件下持续地执行全部动态驾驶任务并自动执行最小 风险策略。

2024 中国 L2 级及以上车型销量占比已经超过 50%。根据佐思汽研数据，2024 年中国乘用车尚未有 突破 L3 级车型， L2 级及以上乘用车（含标配和预埋两种方案）销量占比合计达到 57.4%，但是高 阶智驾的占比仍较低（高速 NOA 及城市 NOA 的高阶智驾车用车销量占比仅为 12.3%）。

智能驾驶的社会价值：解放精力、减少事故、提升通行效率。 根据蔚来董事长、CEO 李斌观点，“‘解放精力、减少事故’是智能驾驶创造的真正社会价值”， 但其价值发挥空间或存在跳变：在智驾能力不如人时，使用率较低，但智驾能力一旦超过人的能力， 使用率/价值量可能会得到跳变，迅速提升到一个较高的水平。根据中国平安财险、汽车之家等机构 发布的《中国智能驾驶商业化发展白皮书（2025）》，智驾的用户价值包括： 1）减少交通事故，提高出行安全。 智能驾驶系统通过高精度传感器、人工智能算法和自动控制技术，可以实现毫秒级反应，能有效减 少因驾驶员误判或反应迟缓导致的事故。美国公路安全保险协会的研究显示，L2+智能驾驶可以降 低事故率 40%；卡耐基梅隆大学的研究显示，未来 L4 级智驾能消除 90%的人为失误，而百度无人 出租车项目萝卜快跑自投入使用以来，其出险率仅为人类驾驶员的十四分之一。 2）缓解交通拥堵，提升通行效率。 智能驾驶不仅可提升行车安全，也能大幅优化交通流。根据中国平安财险、汽车之家等机构发布的 《中国智能驾驶商业化发展白皮书（2025）》报告测算，以智能驾驶车路云协同为基础的智能交通， 可以让通行效率提升 15%-30%，推动 GDP 每年 2.4%-4.8%的增长。 智能驾驶功能迭代：高速 NOA 和城区 NOA 有望往成渗透提升的重点。 具体到智能功能方面，根据量子位智库的分析，国内车企的竞争焦点从比较“开城”数量、到实现 “全国都能开”，再到实现“车位到车位”，智驾功能不断升级，通用的智能驾驶可使用范围和时 段不断增长。经过一年之后，现在智能驾驶技术功能竞争有了新变化：城区 NOA 和车位到车位成了 新的竞争点。

根据亿欧智库数据，2023 年，中国 L2+智能驾驶功能渗透率进一步提升，其中高速 NOA 渗透率为 4%，城区 NOA 渗透率为 0.1%。2024 年 L2+智驾功能预计将达到 8.5%，2024 年后，城区 NOA 功 能也将迎来飞速发展，预计 2030 年渗透率达到 25%。 市场规模方面，根据亿欧智库数据，预计 2024 年 NOA 功能（高速 NOA+城区 NOA）的市场规模达 到 190 亿元，预计 2030 年市场规模超过 3000 亿元。

因成熟度、需求量、政策支持力度等因素，智驾有望成为物理 AI 率先落地的场景

什么是物理 AI？ 根据英伟达定义，物理 AI 是指使用运动技能理解现实世界并与之进行交互的模型，它们通常封装在 机器人或自动驾驶汽车等自主机器中，借助物理 AI，自主机器能够感知、理解并在现实（物理）世 界中执行复杂的操作。

物理 AI 如何工作？ 根据英伟达观点，数字 AI 缺陷在于：将基于主要从互联网上收集的大量文本和图像数据来训练生成 式 AI 模型，例如 GPT 和 Llama 等大语言模型。这些 AI 模型在生成人类语言和抽象概念方面能 力惊人，但它们对物理世界了解有限，并受其规则约束。 由于物理 AI 能够理解我们居住的三维世界的空间关系和物理行为，因而扩展了当前的生成式 AI。 它通过在 AI 训练过程中提供其他数据来实现上述理解，这些数据包含与现实世界的空间关系和物 理规则有关的信息。

3D 训练数据由高度精确的计算机模拟生成，后者既充当数据源，也作为 AI 训练场。 基于物理的数据生成始于某个空间 (例如工厂) 的数字孪生。然后在这个虚拟空间中添加传感器和自 主机器 (如机器人)。接着执行模拟以模仿现实世界场景，传感器会捕捉各种交互，如刚体动力学 (例 如运动和碰撞) 或光在环境中的交互作用。

为什么物理 AI 对智驾至关重要？ 根据英伟达观点，以前，自主机器无法感知和察觉它们周围的世界。但是，借助物理 AI，就可以构 建和训练机器人，与现实世界中的周围环境进行无缝交互并适应各种环境。 要构建物理 AI，团队需要基于物理的强大模拟，为训练自主机器提供安全的受控环境。这不仅提高 了机器人在执行复杂任务时的效率和准确性，而且有利于人类与机器之间进行更自然的交互，从而 提高现实世界应用的可访问性和功能性。 物理 AI 正解锁将颠覆每个行业的新功能。在智能驾驶汽车行业：汽车 可使用传感器感知并理解周 围环境，以便在各种环境 (从开放式高速公路到城市景观) 中做出明智决策。通过基于物理 AI 对 AV 进行训练，AV 能够更准确地检测行人，对交通或天气条件做出响应并自动变换车道，从而有 效适应各种意外情况。

为什么我们认为智能驾驶会是物理 AI 率先落地的场景？ 智驾场景成熟度相对较高。自动驾驶技术的发展已取得了长足的进步。从最初的辅助驾驶，到 现在的端到端自动驾驶技术，自动驾驶汽车的性能和安全性不断提高。根据佐思汽研数据，2024 年中国 L2 级及以上乘用车销量占比达到 57.4%，领先车企的竞争已经步入高阶智驾领域：城区 NOA 和车位到车位成了新的竞争点。 智驾需求大。社会对自动驾驶技术的需求在不断增加。随着城市化进程的加快，交通拥堵问题 日益严重。自动驾驶技术可以通过优化交通流量，提高道路利用率，从而缓解交通拥堵。此外， 自动驾驶技术还可以提高交通安全，减少人为因素导致的交通事故。 政策支持。政策的支持也是自动驾驶场景爆发的重要因素。各国政府都在积极推动自动驾驶技 术的发展，出台了一系列的政策和法规，为自动驾驶技术的研发和应用提供了良好的环境。例 如，一些国家已经允许自动驾驶汽车在特定的区域进行测试和运营，为自动驾驶技术的商业化 应用奠定了基础。

高阶智驾落地面临挑战：责任认定成为主要难点

L3 级别是重要的分水岭，责任主体从驾驶者转向车企。 根据律商联讯风险信息（简称律商风险）中国区董事总经理戴海燕的分析，L3 级别自动驾驶的责任 认定需综合多方面因素。一直以来，责任认定一直伴随智能驾驶发展在不断完善，因为智能驾驶涉 及车辆制造商、传感器制造商、软件开发者等主体，一旦出现事故，责任可能分散在多个主体上， 导致追责过程复杂。 如果事故发生时车辆处于自动驾驶模式且驾驶员未被要求接管，系统存在故障或设计缺陷导致事故， 责任可能更多归于汽车制造商或系统供应商；若系统已请求驾驶员接管且驾驶员未能及时或正确接 管，驾驶员可能需承担主要责任。如果事故发生时系统提前发出警告并要求驾驶员接管，但驾驶员 没有及时接管或采取适当行动，驾驶员可能需承担部分或全部责任；若系统在不合理的短时间内突 然失效并要求驾驶员接管，驾驶员没有足够反应时间，责任可能主要在系统一方。 此外，智能驾驶汽车的风险特征需考虑硬件可靠性、软件安全性等全新因素，在无法获得车企 数据的情况下，难以准确评估风险，导致保险产品定价困难。而车企共享数据又会有数据安全 问题和隐私保护风险担忧，若数据被泄露或篡改，可能危及公共安全和个人隐私，也会干扰保 险理赔的公正性。 根据戴海燕分析，结合市场事故发生实际情况，从律商风险内部多数 L2 级辅助驾驶功能的车型数据 库中的参数分析看，L2 级辅助驾驶功能还不能完全解放驾驶员，让车辆自主完成所有加速，尤其是 躲避等操作。在未来转向 L3 时，主责任人将发生明显转变；因此责任认定的难点，成为未来高阶智 驾落地的重要限制。

技术篇：技术范式演进为高阶智驾奠定基础，行业壁垒急 剧切换

在架构设计方面，随着特斯拉 TSDv12 端到端发布后展示出良好的效果，业界快速从传统模块化架 构转向端到端架构，其具有信息无损、全局优化等优势，推动智驾达到更好的拟人化驾驶效果和更 低的维护成本。 在训练范式方面，当前正从规则驱动范式走向数据驱动范式，驱动智驾逐步达到“老司机”的驾驶 要求，并带动城市 NOA 等 L2+高阶智驾的渗透率快速提升；我们预计下一阶段，基于对真实世界物 理规律理解和思维链推理的知识驱动范式成为落地重点，并在理想汽车、小马智能等领先企业快速 落地。长久来看，知识驱动的范式有望成为智能驾驶走向 L4 的重要技术基础。

架构升级：端到端架构具备数据驱动/全局优化优势，替代模块化架构成为主流

传统模块化架构及其限制

模块化架构通常采用模块化的流水线结构，将环境感知、行为决策和运动控制等功能串联起来。在 感知阶段，系统通过摄像头、雷达、激光雷达等传感器进行目标检测、分割与跟踪，基于感知结构 和高精度地图进行路径规划与行为决策；在控制阶段形成具体的加减速、转向等控制指令。

模块化架构通常包含以下几个核心模块：

感知模块（Perception）：感知模块负责收集和解释车辆周围环境的信息。包括使用各种传感器， 如摄像头、激光雷达（LiDAR）、毫米波雷达和超声波传感器来检测和识别周围的物体，如其 他车辆、行人、交通信号和道路标志。感知模块需要处理来自这些传感器的数据，并将其转化 为车辆可以理解的环境模型。传统的感知模块的输出更多是基于人类的定义，如对于周边障碍 物的检测，对于边界以及区域的分割等等。传统的感知系统要保证其输出能够为人所理解，代 表了人类对于环境的一种抽象；

定位模块（Localization）：定位模块的任务是确定车辆在环境中的精确位置。这通常涉及到使 用全球定位系统（GPS）、惯性测量单元（IMU）和传感器数据来估计车辆的全局位置。此外， 还可以使用基于地图的定位技术，如将车辆的传感器数据与预先制作的详细地图进行匹配；

预测模块（Prediction）：预测模块用于预测其他道路使用者的行为和意图，如预测其他车辆的 行驶轨迹和人的移动。这有助于自动驾驶系统提前做出决策，以避免潜在的碰撞和冲突；

决策与规划模块（Decision and Planning）：决策模块负责根据感知和预测的信息来制定车辆的 行驶策略。这包括选择最佳的行驶路径、决定合适变道或超车，以及如何应对复杂的交通情况。 规划模块则负责生成详细的行驶轨迹，确保车辆能够安全、高效地从当前位置行驶到目的地；

控制模块（Control）：控制模块是执行决策与规划模块输出的实际车辆控制命令的系统。它负 责精确控制车辆的油门、刹车和转向，以实现平滑和安全的驾驶。

根据腾讯科技分析，模块化架构的优缺点如下： 1) 优点：可解释、可验证、易于调试。 因为每个模块都是相对独立的，所以当车辆出现问题时，可以回溯究竟是哪个模块出了问题；在出 现问题后，我们只需要在原有代码规则的基础上调整对应的参数即可。 2) 缺点：传递过程中信息损耗、任务多且散导致低效、存在复合误差、规则难以穷尽导致构建和 维护成本高。 信息在传递过程中存在损耗：传感器的信息从进入感知模块再到控制模块输出，中间经历多个 环节，信息在传递过程中不仅效率变低，也不可避免会有信息损耗。  规则难以穷尽导致构建和维护成本高：模块化架构是基于规则的，车辆在道路上做的所有决策 都是基于一条一条的规则，车辆在对应驾驶情况的时候根据写好的规则遍历所有可能选出的最 优解进行决策。然而真实的物理世界可能出现的状况种类非常多，为应对各类小概率极端事件， 导致规则体系建立起来成本极大。

特斯拉提出端到端架构，因其效果较佳被广泛采用

为解决如上模块化架构的问题，特斯拉于 2023 年提出数据驱动的端到端架构，受到业内广泛关注。 端到端架构是什么？ 目前行业内对于端到端自动驾驶的定义仍存在一定模糊性。一般而言，端到端自动驾驶指的是从原 始传感器数据输入，直接到控制指令输出的连续决策过程，即将原先串联的感知、定位、预测、规 划等模块融为一个整体。其核心理念是避免信息在传递过程中的损耗。

端到端为什么快速发展？ 特斯拉 FSD v12 的口碑和数据论证了端到端架构的优势。 特斯拉 CEO 埃隆·马斯克(Elon Musk)在 2023 年 5 月公开提出，特斯拉 FSD v12 开始是端到端架构，通 过实测数据显示，特斯拉智驾的性能有了大幅度提升。 2024 年 3 月，特斯拉在北美地区大范围推送 FSD v12 版本，用户舆论和实测数据均体现了本次端到 端架构的较大优势。舆论方面，许多用户表示，特斯拉 FSD v12 在施工路段、无保护左转、拥挤的 环岛以及为后方车辆挪动空间时都表现优异。数据方面，根据第三方网站 Tesla FSD Tracker 统计数 据显示，特斯拉车辆接管里程数和无接管行程比例得到大幅提升，平均接管里程 MPI（Miles Per Intervention）从端到端架构之前的 98.7 公里，在端到端架构发布后不断迭代提升至 370.1 公里；无 接管驾驶行程比例亦从 30%提升到 81%。

端到端的优势在哪？ 根据甲子光年《自动驾驶行业报告-“端到端”渐行渐近》报告分析，端到端架构的主要优点如下： 数据驱动。端到端架构的感知、规划决策与控制模块均由数据驱动，无需或仅需少量手写规则 就能够实现，开发流程简化；同时，通过提升数据的质量与规模，可不断提升端到端系统能力 的上限； 全局最优。相较于模块化架构的单独优化，仅能做到局部最优，端到端架构是一体化架构，能 够以汽车行驶任务为全局统一目标进行联合训练；同时，无需频繁的 patch 和参数调整修正； 延迟/消除减少。端到端架构能减少信息传递的延迟、加快系统反应；同时能消除各模块间信息 传递的误差累积，全栈神经网络的上下层之间可以做到全量信息传递。

端到端架构的挑战是什么？ 作为一种新型的架构，端到端架构也有一些问题有待解决。根据辰韬资本在《端到端自动驾驶行业 研究报告》中分析，端到端落地面临的挑战主要包括技术路线、数据、算力需求、测试验证、组织 资源投入等。其中，技术路线将再下一章详细分析，本部分先论述其他几个挑战。

1. 对训练数据的挑战。对训练数据的挑战可以分为数据量、数据标注、数据质量、数据分布几方 面。

数据量。根据辰韬资本援引特斯拉的分析，其 FSD 训练需要用到上千万个视频片段，假设 每个视频片段时长为 30~60 秒，以此作为参考，训练端到端模型起码需要几万小时的视频 数据。而特斯拉的几万小时的自动驾驶数据，是从超过 20 亿英里的 FSD 里程数据中挖掘 出来的。这需要智能驾驶开发商获取较大规模的非公开数据。

数据标注。由于端到端没有感知-决策规划的中间接口，模块化架构常用的面向感知的标注 需求，将变成面向规划的标注需求，对现有的 3D 目标检测、车道线检测、路面标识的语 义分割等标注需求将大大减少。但目前大部分智能驾驶开发商的数据标注，仍主要是面向 感知的中间结果做标注和监督。

数据质量。由于智能驾驶的目标是学习老司机开车，很多驾驶员的驾驶行为并不能达到“老 司机”水平，因此需要一套数据管理和处理流程，提取优秀司机在特定场景下的高质量驾 驶数据，难度较大。

数据分布。全面和多样化的数据对于端到端智能驾驶的学习较为重要，例如环境因素包含 各种天气和光线、道路情况等。许多智能驾驶公司采集的数据是在受控环境中获得的，可 能无法代表真实世界的复杂性数据。如何调整长尾场景在训练数据中的百分比仍然是较大 挑战。

2. 对训练算力的挑战。随着自动驾驶系统的 AI 模型化程度越来越高，其对训练算力的需求越来 越大。量产研发阶段需要考虑团队分工和模型迭代效率问题，企业所拥有的训练算力越大，完 成端到端模型训练的时间就越短，越能抢占市场先机。小鹏汽车的董事长、CEO 何小鹏认为： “训练算力是下一个时代中做好 AI 汽车的第一标准。智能驾驶做得好不好，首先要看多大的 算力，其次才是跑了多大的模型。”

3. 对验证测试方法的挑战。传统模块化架构的测试方法较为成熟，感知模块采用回灌数据进行离 线的开环测试，规控算法基于模拟器进行闭环测试。但是这些测试方法用于测试端到端架构显 得不足，若基于数据回灌进行开环测试，无法实现端到端系统与环境交互，因此测试效果不佳； 若基于模拟器进行闭环测试，现有模拟器在传感器一致性和保真度上仍距离真实世界有较大差 距，测试效果也有待提升。

4. 对组织资源布局的挑战。端到端架构将重塑智能驾驶团队的组织，大部分团队都将削减团队规 模，并将重心调整到大模型和数据基建方向，对团队管理者的资源调配能力有较高要求。

根据辰韬资本《端到端自动驾驶行业研究报告》分析，端到端自动驾驶的发展路径或 将经过四个阶段：第一阶段：感知“端到端”。这一阶段，自动驾驶架构被拆分成了感知与预测决策规划两个主要模 块，其中，感知模块已经通过基于多传感器融合的 BEV（Bird Eye View，鸟瞰图视角融合）技术实 现了模块级别的“端到端”，通过引入 Transformer 以及跨传感器的 Cross Attention 方案，感知输出 检测结果的精度以及稳定性相对之前的感知方案有较大的提升。在这个阶段，规划决策模块仍以 Rule-based 为主； 第二阶段：决策规划模型化。这个阶段，整个自动驾驶架构仍然被分成感知和预测决策规划两个模 块，其中，感知端仍保持上一代的解决方案，但预测决策规划模块的变动比较大。在此阶段，从预 测到决策到规划的功能模块已经被集成到同一个神经网络中。但是，感知和预测规划决策模块之间 的接口是基于人类的理解定义（如障碍物位置、道路边界等），并且两个模块仍然独立训练； 第三阶段：模块化端到端。从结构上讲，这一阶段的结构和上一阶段类似，区别在于网络结构的细 节和训练方式。感知模块和预测规划决策模块之间的接口不再依赖人类理解定义，更多是通过隐式 的特征向量来传递信息。在训练方式上，这个阶段的模型必须支持跨模块的梯度传导——因而这两 个模块无法独立训练，必须通过梯度传导的方式同时进行； 第四阶段：One Model/单一模型端到端。这一阶段，不再有感知、决策规划等功能的明确划分。从 原始输入到最终规划轨迹的输出直接采用同一个深度学习模型。基于实现方案的不同，这一阶段的 One Model 是可以基于强化学习（Reinforcement Learning，RL）或模仿学习（Imitation，IL）的端到 端模型，也可以通过世界模型这类生成式模型衍生而来。

范式演进：从规则驱动走向数据驱动/知识驱动，数据/算力/模型成为车企竞争壁垒

虽然端到端架构逐渐流行，但究其本质而言，是因为背后的技术范式发生了变化。从人为设定规则 的弱泛化能力，转变成依靠大规模优秀司机的驾驶数据拥有了初步泛化能力、再到依靠对物理规律 的认识有了高度泛化能力。具体而言，分为规则驱动、数据驱动、知识驱动三种不断迭代的范式。

规则驱动：corner case 难以穷尽，导致智驾团队臃肿、维护成本高昂

规则驱动范式指什么？ 规则驱动范式（Rule-based）的底层逻辑，是智驾的设计研发团队将一些特定的场景和规则转成代码， 编写到智驾辅助系统当中。一旦用户在行车场景触发了与原本代码条件相符的状况，这时候驾驶系 统就会及时介入并发挥作用，从而在一定程度上降低了用户的心理负担。 该技术范式衍生于传统的机器人架构，由定位、感知、预测、规划、控制等子模块组成。该范式中 各子模块独立研发，问题排查较便捷、可解释性较高，但由于规则是人工设定的，很多长尾问题难 以发现并解决，且拓展性较差，比如高速/中低速（城区）/低速（地库/泊车）等不同场景变化、城 市/国家等不同区域变化，需要海量人力投入适配调整。

规则驱动范式的问题：规则众多导致团队庞大、维护成本高昂 规则驱动范式有以下问题： 第一是系统复杂性高。一个完整的规则驱动的系统，需要人工设计上千个模块，从 0 到 1 建立 非常困难，其复杂度不亚于一个操作系统； 第二是高精度的成本高。在构建世界地图的时候，需要高精地图的辅助，而高精地图本身的广 铺、更新都是极其大的成本； 第三新任务不停出现导致规则要持续更新。因为实际驾驶路况复杂，不停有新的任务出现，智 能驾驶团队为了穷尽所有的特殊情况（corner case），就要用更多员工来编写新的规则以适应新 出现的路况。 因此智能驾驶团队均较为庞大，据澎湃新闻 2024 年 8 月报道，华为自动驾驶有 6 千工程师们主要用 来编写各种规则，比亚迪、百度在 3-5 千人，Momenta、理想在 2024 年初大约 1300 人，加起来行业 内至少有 5 万名核心的智能驾驶工程师。庞大员工队伍带动研发开支亦很高，华为自动驾驶团队每 年花费 10 亿美元，主要成本就是工程师薪资等人力成本支出。

为了解决如上问题，业界纷纷寻找新的技术路径。2024 年以前，规则驱动的技术路径是国内智能驾 驶功能的主流方案，2024 年后，特斯拉 FSD v12 显示端到端架构的效果较好，各车企都开始布局端 到端。而端到端架构的技术范式亦发生变化，以数据驱动和知识驱动为主。

数据驱动：模仿学习或是当前端到端架构的主流技术范式，驱动智驾达到人类“老司机” 水平

如前所述，2024 年以来各智驾车企走向端到端架构，核心在于通过一个模型接受感知输入后，直接 输出决策动作，内部呈现“黑盒化”特征，其模型训练方法却仍有不同种类。目前端到端架构的训 练方法有模仿学习（IL）和强化学习（RL），其内涵如下：

模仿学习：模仿学习中的场景克隆策略（Behavior Cloning），核心是通过学习人类司机等专家 的驾驶轨迹来制定策略。在智能驾驶领域，主要依靠分析大量驾驶数据，以实现模仿人类驾驶 的行为。它的优势在于简单且计算效率高，但缺陷也很明显，主要在难以应对未见过的特殊场 景或异常情况。

强化学习：强化学习的原理通过奖励函数优化动作策略。强化学习模型通过在模拟交通场景中 不断交互，依靠奖励机制调整优化驾驶策略，这种方式能够让模型在复杂的交通环境中学会更 合理的决策。

强化学习在应用方面有两大问题：一是可实行性难题，强化学习需要大量试错才能得到可用的数据， 并且由于真实环境中试错成本太高，而仿真环境中的试错又面临仿真环境与真实世界存在差距的问 题；二是强化学习需要与人类行为对齐的难题，强化学习的探索结果可能让驾驶策略偏离人类能够 接受的程度，出现类似动作不连贯的情况。

数据驱动范式的不足是什么？ 现阶段端到端智能驾驶的本质是借助大规模高质量人类数据实现驾驶行为的模仿。但从技术路径看， 基于模仿学习的范式仍有 3 个限制： 1) 上限不够高：智驾水平可趋近人类驾驶水平，但难以突破人类能力的上限； 2) 数据要求高：数据质量方面，高质量场景数据较稀缺、同时驾驶数据不均衡，使得端到端智能 驾驶实际较难达到人类驾驶能力的上限；数据规模方面：端到端训练起步就需要千万级 Clips 的高质量数据，是较高的规模门槛。

知识驱动：以多模态大模型或世界模型为核心，依托强化学习大幅提升泛化能力

知识驱动范式与数据驱动范式的区别：从归纳法向演绎法的跨越。 数据驱动范式的工作机理：通过大量数据，依赖数据中的统计规律进行学习和决策，模型通过 大量数据训练获得泛化能力。其本质是归纳法，即从具体数据中总结一般规律，强调“数据即 知识”； 知识驱动范式依赖领域知识或基本原理（如物理定律、数据公式、因果逻辑）构建模型，强调 对底层规律的建模和推理。其本质是演绎法，即从一般原理推导具体结论，强调“知识先于数 据”。 强化学习的研究成果，加速知识驱动范式的发展。 2025 年初 DeepSeek-R1 模型因效果较好受到用户欢迎，展示了纯强化学习技术路径的独特优势。强 化学习领域的创新成果，也能够在智驾场景得到应用，实现更精准的环境感知、路径规划和决策控 制。强化学习的优势： 1) 降低数据依赖。强化学习对数据依赖更少，以 DeepSeek-R1 为例，可通过少量优质数据完成冷 启动，借助多阶段强化学习的训练机制，有效降低对数据规模的依赖，使模型性能满足“规模 定律（scaling law）”。 2) 打开性能上限。强化学习擅长在交互环境中自主生成推理链（CoT），提升逻辑推理效能，具 有超越人类思维能力的潜力。通过与世界模型生成的仿真环境互动，可以使模型对真实世界的 物理规则有更深的理解。

知识驱动范式旨在整合规则驱动范式和数据驱动范式的特点，这是推动当前人工智能领域取得重大 进展的重要支撑。根据 Xin Li 等人的《迈向知识驱动的自动驾驶技术》论文分析，知识驱动方法旨 在将驾驶场景的信息归纳到知识增强的表示空间，并推导到广义的驾驶语义空间，以模拟人类对现 实世界的理解，并从经验中获得学习和推理能力。

世界模型成为知识驱动范式的重要技术，并开始得到主机厂的应用。 世界模型是什么？世界模型的本质是基于神经网络的模型，能够建立环境状态、动作选择和反馈奖 励之间的关联模型，直接指导智驾系统的行为决策。同时，世界模型也能搭建接近真实动态的虚拟 交互环境，为强化学习提供闭环训练的场地——通过在模拟环境中接受奖励反馈，不断优化策略。 通过世界模型，端到端大模型的两大核心能力有望得到显著提升：感知能力方面，对车辆、行人、 障碍物等环境要素的识别精度和理解能力；预测能力方面，对其他交通参与者行为意图的预测准确 性提高。 世界模型的运作流程如下：世界模型从文本/图像输入数据，生成详细的视频，并通过将其当前状态 （图像/视频）与动作（提示/控制信号）结合起来预测场景的演变。世界模型能够想象许多不同的环 境，并可以模拟未来，以帮助智驾系统开发者做成更好的策略。

重要主机厂已开始应用世界模型技术。华为近期发布的“乾崑智驾 ADS 4”，在其“世界引擎+世界 行为模型 WEWA”技术架构中，云端的“世界引擎”负责生成各类极端罕见的驾驶场景，来训练车 端的智驾策略；小鹏近期发布的云端世界基座模型以大语言模型为核心架构，通过海量优质多模态 驾驶数据完成训练，具备视觉语义理解、逻辑链式推理和驾驶动作生成能力。

未来展望：世界模型+纯强化学习或成 L4 级智驾的方案，竞争壁垒或变成世界模型 精度

在应对 L4 级别的挑战时，如何达成大幅超越人类水平的智能驾驶能力成为核心议题。根据小马智行 CTO 楼天城表述，L2 级别到 L4 级别的 MPCI 需求将从百公里级别提升至 10 万公里级别，因此 L4 要求远超人类的驾驶水平。从技术路线上看，模仿人类优秀司机的范式无法支撑，或从纯强化学习 入手。 我们通过全球 L4 级别智驾的领先企业小马智行的技术分享，一睹 L4 级别智驾技术路线的差异。

小马智行：全球 L4 级别的代表企业，Robotaxi 已上路运行

小马智行成立于 2016 年，致力于提供安全、先进、可靠的全栈自动驾驶技术，实现未来交通方式的 变革。从技术路径看，小马智行是全球极少数创业之初就坚持 L4 级智驾的企业，并极度专注至今。 早在 2016 年，智能驾驶行业面临渐进式（从 L2 逐步升级至 L4）与跨越式（直接攻关 L4）的路线 选择问题时，特斯拉等大多数主机厂选择了渐进式路线，小马智行、Waymo 等企业则选择了跨越式 路线。截至 2024 年 11 月，全球跨越式路线走到运营 Robotaxi 阶段的企业仅剩 3 家：Waymo、百度 和小马智行。 而自从 2023 年起，小马智行来到了规模化的商业化阶段，可视为初步跑通从研发到落地的循环。根 据晚点 Auto 报道，截至 2024 年，小马智行在北京、广州和深圳，均已开始 Robotaxi 全无人商业收 费。2024 年 6 月，小马智行宣布开启大兴机场自动驾驶接驳的收费服务，并成为北京首批取得自动 驾驶高快速路商业化试点的公司。提前一天预约接送机，即可从亦庄区域内 1000 多个站点往返大兴 机场出行。

L4 级别与 L2 级别智能驾驶技术路线不通用，世界模型成为重点

在探索 L4 技术路径的过程中，小马智行经历了从模仿学习转向强化学习的转变。 早在 2020 年前，小马智行用模仿学习的范式探索 L4 级智驾方案，通过搜集海量人类驾驶数据，学 习人类司机怎么开车，这一技术路径与前文中主流的端到端路线一致，但是遇到瓶颈。而后小马智 行走向了强化学习的范式，通过构建虚拟环境，让驾驶策略在该环境中不断试错与进化。相当于建 立一个生产智能驾驶系统的“工厂”，这个工厂的产品就是 L4 级智能驾驶系统。

小马智行认为 L4 级和 L2 级智驾技术路径存在根本区别，L2 级别优化得越好，离 L4 级别越远。 具体而言，L2 和 L4 级别智能驾驶训练方法分别为 Learning by Watch（模仿学习）和 Learning by Practice（强化学习），前者即流行的端到端架构，如本章第二节表述，主要是模仿学习的思路，通 过学习“传感器数据”与“人类驾驶轨迹”的海量对照，让车端模型能够做到输入传感器的数据， 输出合理的驾驶轨迹。后者的关键是通过 AI 生成技术，构造训练车端模型的环境，包括道路情况、 路上其他车辆和行人的行为、各主体间的交互，然后用强化学习的方法，让智驾系统自己在这个训 练环境里不断试错，自己进化。 但小马智行 CTO 楼天城认为，目前 L2+主流的技术路线，无法达到 L4，甚至 L2 级别优化得越好， 离 L4 级别越远。当目前主攻 L2 级别自动驾驶的企业未来转型 L4 级别时，需要另起炉灶来做，因 为技术复用性低。 为什么 L2 级别主流的技术范式，无法延展到 L4 级别使用？ 根据楼天城接受《晚点》采访时表述，主要为以下 3 点原因： 1. 模仿学习只能学到驾驶结果，难以学到驾驶意图。因为无法搜集司机驾驶意图的数据，模仿学 习只能学习车是怎么开的，无法学习司机怎么想，因此陷入知其然，不知其所以然的情况。可 能会造成错误，或难满足 L4 级别要求。 2. 用户对人开车和智驾系统开车的要求双标。用户能够接受人类司机因为身体问题失去驾驶能力， 但却不接受同样情况下智驾系统失效，比如鬼探头场景，人类司机尽力了有时可以无责，但是 不接受 AI 能力仅限于此。因此，即使智驾系统能够模仿优秀司机在特殊情况下的操作，依然 达不到用户对 L4 的要求。 3. 端到端的开环训练或导致反向优化。真实世界司机驾驶的时候，需要眼观四路、耳听八方，不 仅是依靠传感器的数据，还依靠一些传感器没法得到的非视觉数据，比如基于多年驾驶经验的 直觉和综合判断。典型案例是，越优秀的司机，让他用纯传感器数据开车，其决策偏差就越大。 因此仅从传感器数据模仿学习的策略，会导致智驾系统和人类司机实际的输入偏差比较大。

根据楼天城观点，其背后实质是 L2 级和 L4 级智驾的价值目标不同。L2 级别智驾的价值是提供帮助； 而 L4 级别智驾的价值是减少人工需求。所以 L2 对成本和应用范围很敏感，但对智驾性能上限要求 不高，能有帮助即可；而 L4 则把安全性设为最大的优化目标，需要极致性能。在这个要求下，在 L2+范式时能够接受的一些性能不足到 L4 则变得不可忍受，而由于上述 3 点原因，L2 级别的范式难 以提升，因此需要找寻新的路径。

如何解决？借助世界模型的强化学习成为解决方案。 这里世界模型成为关键。 小马智行搭建“世界模型”的四个要素：数据生成器（生成场景数据）、驾驶行为好坏的评估体系、 高真实性的仿真、数据挖掘工具和引擎。 数据生成效果如何？有了数据生成能力后，数据量不再成为瓶颈。2019 年之后小马智行开始使用生 成数据，不全是生成数据，也会用到真实数据。业界常常担心，相比实际数据，生成数据可能覆盖 不了常规场景或 corner case，但根据小马智行的经验，如果生成器做得好，数据的覆盖率和一致性 可超过路采数据。 评价体系如何做？通过推演未来判断当下决策。通过一个虚拟环境（世界模型）去模拟未来，就能 反过来评价当下的判断对不对。在驾驶任务里，当下时刻的驾驶策略（如加减速、转向灯）是否正 确，在预测时是没法判断的，但在环境里是可以知道的，因为世界模型可以根据当下决策模拟 5-10 秒后的环境，通过奖励函数（如是否碰撞等）来判断当下决策的优劣。 基于世界模型的工厂能力，车载模型能够学习驾驶意图和决策，逐步建立对复杂驾驶情境的理解和 应对能力，最终实现全场景、全天候的无人驾驶。这为即将到来的 Robotaxi 规模化运营，提供了可 自我迭代的技术基座。

竞争重心转移：从车端模型转向“模型工厂”，世界模型的精度成为新壁垒 根据小马智行的经验，对于以模仿学习为主的 L2+级别智驾来说，数据量和算力是关键；对于面向 L4 的强化学习来说，世界模型的精度成为关键。以形象的例子来看，世界模型是生产车端模型的工 厂，L4 级别智能驾驶技术的真正差别在“工厂”的精度，因为它决定了训练出来车端模型的上限。 具体来看，世界模型精度差异包括但不限于： 生成数据/场景的真实性如何。若仿真的场景与真实差异太大，生产的策略效果难以保证； 不同驾驶主体的交互行为设计的质量。真实世界中，驾驶决策会与其他主体的行为产生互动博 弈，如超车时对方车辆会让行的概率多大，不让行该如何处理等； 长尾场景的覆盖情况。世界模型不能生成不可能发生的事情，又要确保生成小概率但会真实发 生的场景，很考验对事件整体概率分布的理解；要兼顾人对 AI 行为的接受度。某些人驾驶能够接受的行为，在 AI 发生时不可接受，这样的特 殊案例需要兼顾。 总体来说，L4 级别智驾企业的竞争壁垒可能发生变化，数据与算力可能不再是瓶颈，但是对世界模 型设计经验的积累、世界模型的精度，可能成为新的壁垒。

案例：从理想 MindVLA 模型架构、训推过程看智驾技术落地的最近进展

我们以近期理想汽车披露的 MindVLA 为案例，详细介绍理想汽车在智驾系统构建方面的技术，以 此来一窥业内领先的主机厂最新智驾产品的技术进展。

一年内，理想先后发布行业首创的“端到端+VLM”双系统架构和 MindVLA 架构

近期理想汽车的智驾系统迭代速度很快，一年时间内先后推出了端到端+VLM 双系统和 VLA 系统。 2024 年 7 月，理想发布行业首创的端到端+VLM 双系统智能驾驶架构，并于 10 月 23 日实现将此智 驾方案全量推送。

整个决策体系由两套系统构成： 系统 1 是用来快速响应常规驾驶问题的端到端模型，可类比于人类的快速决策的行为系统。这 是一个 4D One Model 端到端架构，感知方面通过摄像头、激光雷达数据抽取 BEV 特征，但加 入时序记忆以构成 4D 特征，决策方面通过模仿学习和强化学习相结合的训练方法，形成一个 4D 端到端模型； 系统 2 是一个 22 亿参数规模的 VLM，可类比于人类的应对复杂情况的慢思考系统。其具备复 杂环境理解能力（可识别坑洼、标牌、交警手势等）、读懂导航地图的能力（比如主辅路走错 的情况下，判断该怎么办）、交通规则的理解能力。 驾驶时，约 95%的驾驶场景由系统 1 直接完成；另有约 5%的复杂场景系统 1 无法完成时，需要系统 2 来参与理解和判断。比如面临潮汐车道的标牌时，不仅要看清楚图片，还要理解图片上面的字， 然后做出相应判断，这时就需要系统 2 参与。 图表 24 是理想端到端+VLM 的一个运行案例，当系统 2 通过传感器判断前方路面坑洼，产生减速行 驶的决策，以减少乘客颠簸；系统 1 接受系统 2 的建议，将时速从 40 公里/小时降低到 32 公里/小时。 2025 年 3 月 18 日，理想汽车自动驾驶技术研发负责人贾鹏在英伟达 GTC2025 大会发表主题演讲 《VLA：迈向自动驾驶物理智能体的关键一步》，分享了理想汽车对于下一代自动驾驶技术 MindVLA 的最新思考和进展；随后，2025 年 5 月 7 日，理想汽车创始人、CEO 李想在“理想 AI Talk 第二季” 具体讲解了理想 VLA（又称“司机大模型”）的训练和推理方法。李想表示此 VLA 模型支持的辅 助驾驶系统将在 2025 年 9 月前正式上车。 MindVLA 不是简单将端到端模型与 VLM 模型结合在一起，而且所有模块都是全新设计。

从端到端+VLM 到 VLA，区别在哪？ 一方面，语义推理空间与轨迹规划空间更加紧耦合，提升了模型泛化性能。与之前的框架契合，理 想从端到端+VLM 向 MindVLA 的升级，符合从 VLx 与经典端到端松耦合的范式走向 VLx 与轨迹规 划紧耦合的范式的转变，因为前者解耦了语义推理空间和轨迹动作空间，阻碍了轨迹优化和 VLM 推 理过程间的协同优化，因此没有充分利用 VLM 对端到端规划的能力；而后者将语义推理空间和轨 迹动作空间融合在一起，因此能够将策略优化得更好。 另一方面，双系统存自身限制。根据佐思汽研分析，端到端+VLM 架构存在两个明显的限制： 1. 双系统采用单一处理流程，将相机、激光雷达、自车姿态和导航信息输入，通过 3D 编码器和 动作解码器直接输出轨迹。因为端到端模型基于判别式 AI 而非生成式 AI，不具备通识和常识 推理能力，只能应对已经学习过的场景，在长尾场景下泛化能力不足。这种方法虽然简洁，但 在处理空间理解和语言交互方面存在局限性； 2. 双系统结构在借助 VLM 对端到端系统开展语义理解工作时（即双系统通信时），技术层面有 一些不足。当下视觉语言模型的输入数据较为单一，主要依靠前摄像头获取的 2D 平面数据， 而车周和后视摄像头提供的全方向环视信息并未被有效纳入。由于 VLM 在 3D 空间理解能力上 存在明显短板，而这是指导轨迹输出所必须的核心技术要素。 MindVLA 架构强化了 3D 空间信息的处理（3D Tokenizer）、语言模型的场景理解（MindGPT）及 集体行动的生成能力（Collective Action Generator），使得 MindVLA 在保持强大空间语言推理能力 的同时，实现了视觉、语言、动作三个模态的特征在统一空间的集体建模与对齐，有望解决复杂场 景下的智能决策需求。

理想 MindVLA 是如何训练的？ 理想汽车 CEO 李想称其 MindVLA 为“司机大模型”，其推理与训练过程分为四个阶段：VL（视觉 语言）基座预训练、辅助驾驶后训练、辅助驾驶强化学习、司机智能体训练。

第一阶段：VL（视觉语言）基座预训练，这一阶段属于自监督学习。 这一步首先训练一个云端的 VL 基座大模型，然后蒸馏至车端 VL 小模型。截至 2025 年 5 月，理想 的云端大模型是 320 亿稠密参数的大模型，蒸馏后，成为 36 亿参数规模的 MoE（混合专家）模型， 可以部署在汽车上使用。 理想在这一阶段的创新，主要是云侧的 VL 大模型与其他开源 VLM 模型的数据和训练方法有区别， 具体体现在 3 个方面： 1）视觉语料有区别。理想 VL 基座大模型需要放入更多视觉语料，包括 3D 视觉语料、高清 2D 语 料；而此前的多模态开源 VLM（视觉语言模型）的数据集，一般不包含 3D 视觉娱乐，同时 2D 视 觉语料的清晰度较低，并且看的距离不够远，直接应用于车端效果不佳； 2）文本语料有区别。在语言模型的训练时，理想会加入足够多跟驾驶、交通规则相关性高的语料， 在智驾知识方面的语料比例较传统大模型更高； 3）联合语料的区别。理想 VL 基座大模型加入很多 VL（即视觉和语言两个模态）联合语料，同时 增加 3D 图文的联合数据，这是传统 VLM 模型不具备的。 这一阶段有两个重要问题： 1）为什么主机厂需要自研 VL 基座大模型？ 主要为了针对车端场景优化。因为目前通用的 VLM 大模型，缺乏更专业的汽车领域、交通领域、 家庭场景的语义语料，对于通用 VLM 大模型而言，既缺少这样的数据、也没有这样使用场景，因 此通用 VLM 在智驾场景的使用效果必然不如自研 VLM 基座大模型。 2）为什么要采用 MoE 架构？ 主要为了降低时延。因为目前算力芯片（双 Orin-X 或 Thor-U）的帧率达不到要求，即现有车端算力 芯片输出 Token 的速度不足以支撑驾驶需求；而采用 MoE 架构后，可有效降低每次计算时激活的参 数量，满足车端对低时延的需求。

第二阶段：辅助驾驶后训练，该阶段以模仿学习范式为主。 这一阶段训练目的是把 Action（动作）模态加到模型中，让 VL 模型变成 VLA 模型。这里后训练本 质是模仿学习，通过模仿人类驾驶数据，形成 VLA 的端到端驾驶策略。以例子来理解，类似人类学 车时，到驾校学习开车的经验。加入 Action 模态后，模型参数规模从 36 亿扩大到约 40 亿。 这里 MindVLA 控制了思维链（COT）长度，一般仅限 2~3 步，因为思维链太长会导致延迟太长， 没法满足交通场景下对时延的要求。 在完成驾驶 Action 后，MindVLA 会用 Diffusion 模型预测未来 4~8 秒的交通环境和自车轨迹的演变， 为接下来可能的交通情况做预备。

第三阶段：辅助驾驶强化学习，分为人类偏好对齐（RLHF）与纯强化学习（RL）两部分。 第一部分先做 RLHF（基于人类反馈的数据），其目的是让 MindVLA 的驾驶习惯融入中国驾驶社 会，能够被路上其他驾驶员所接受。这包括人类驾驶习惯的对齐（比如当车辆处于什么样的情况人 类会接管/不会接管）、安全的对齐（比如要遵守的交通规则）、中国驾驶习惯的对齐等。 第二部分是纯粹的 RL（强化学习），其目的是为了让 MindVLA 驾驶水平超过人类，采用世界模型 生成的数据来做训练。这部分训练时，不再给人类反馈，只给驾驶结果反馈，让 MindVLA 自己在 仿真器中做闭环强化学习。 一般在强化学习时，需要考虑奖励函数的设置。在理想 MindVLA 的训练过程中，会根据三类反馈 设置奖励函数，分别是： 1) 驾驶舒适度。可以通过加速度值（即车端 IMU 等参数）来判断驾驶舒适性，驾驶过程中实现 更符合人类驾乘舒适度的加速度值给高反馈，否则给低反馈； 2) 碰撞事故。如果驾驶途中没有与其他物体碰撞就给高反馈，否则给低反馈； 3) 交通规则。如果驾驶途中未违反交通规则就给高反馈，否则给低反馈。 通过这三个阶段创新性的预训练与后训练方法，理想让 MindVLA 实现了卓越的泛化能力和涌现特 性，能够在驾驶场景下实现优异的表现。

第四阶段：司机智能体训练，用于提升乘客交互体验。 这一阶段的优化目的，是让 MindVLA 能够更好地跟人类协同工作，提升用户体验。理想希望借此 将 MindVLA 打造成“听得懂、看得见、找得到”的专职司机： 听得懂：指用户可以通过语音指令改变车辆的路线和行为。例如在陌生园区寻找超市，只需要 通过理想同学对车辆说：“带我去找超市”，车辆将在没有导航信息的情况下，自主漫游找到 目的地； 看得见：指 MindVLA 具备强大的通识能力，不仅能够识别星巴克、肯德基等不同招牌，也可以 通过用户发送的环境照片，通过自动搜寻照片的位置的方式，来主动寻找用户； 找得到：指搭载 MindVLA 的车辆可以在地库、园区和公共道路上漫游，依赖 MindVLA 的空间 理解和逻辑推理能力，来完成“去找个车位停好”这样的指令。 具体设计方面，理想将用户指令分为两类：一类是通用的短指令，理想 VLA（司机大模型）直接处 理，不需要经过云端；另一类是复杂的任务指令，理想 VLA 会先将指令上传到云端的 32B VL 基座 大模型，做长任务拆解，拆解至多个短指令，然后再交给车端 VLA（司机大模型）来执行。 经过如上四个阶段，最后交付到用户手里的产品，是一个完全体的“司机大模型”：能够像人类司 机一样理解物理世界、像人类司机一样开车、像人类司机一样跟人沟通的智能驾驶模型。

商业篇：竞争、监管、应用同时加速，L3 落地在即、L4 初现 曙光

2025 年年初以来，智驾产业迎来较多重大变化，车企竞争、监管政策、商业变现方面都发生较大变 化，推动高阶智驾加速落地。

商业竞争：智驾成为车企品牌的核心差异化，平权和升规同时加速渗透

早在 2018 年，比亚迪提出“电动化是上半场，智能化是下半场”，代表了车企的对于未来行业竞争 着力点的判断。行至 2025 年，中国乘用车的电动化程度已经较高，根据第一电动援引乘联会的数据， 2024 年国内新能源车零售 1089.9 万辆，新能源渗透率达到近 47.6%。 在中国乘用车竞争的下半场，品牌差异或将由智能化体现。2025 年以来，我们看到车企智能化的竞 争愈发激烈，同时体现了智驾普及和性能升规的趋势。

25 年初以来，比亚迪等车企推动智驾下放至 10 万元车型，加速高阶智驾普及

2025 年起，国内 OEM 纷纷发布智驾普及战略。2025 年 2 月，比亚迪宣布全系车型将标配“天神之 眼”智驾系统，实现了 10 万元以上车型（2025 款）即全系标配高速 NOA、城区 NOA 也下放至 25 万元以下（21.68 万元的海豹 650 智驾版成为入门车型）；长安发布北斗天枢 2.0 战略，并宣称将于 2025 年 8 月将智驾车型覆盖到 10 万元级车型；2025 年 3 月，吉利发布“千里浩瀚”智驾解决方案， 划分了 H1~H9 五大层级。

根据佐思汽研统计，外资也在积极跟进智驾普及的战略。2025 年 3 月上市的丰田铂智 3X，售价 15 万元内，已经搭载激光雷达+端到端智驾方案；2025 年 4 月上市的东风日产，由 Momenta 联合开发 的 N7 智驾系统，同样布局高速领航 NOA、城市记忆领航 NOA 和全场景智能泊车等功能。

我们预计出于竞争压力，未来高阶智驾的搭载率有望大幅提升。 目前高阶智驾的搭载率仍较低。根据高工智能汽车研究院数据，2024 年中国市场（不含进出口）10 万元以上新能源乘用车交付 848.64 万辆，约占全部新能源乘用车交付量的 80%，其中高速 NOA 标 配率约 21%，2024 年全年中国市场（不含进出口）全部乘用车标配交付 NOA 不到 200 万辆。 2025 年来，随着比亚迪快速将智驾下放，若其他车企在新能源车型的智驾策略跟随比亚迪，未来市 场空间有望获得较大增长。

另一方面，各 OEM 亦积极拓展性能上限，技术初步成熟，静待 L3 级智驾上路

2025 年，多家车企密集宣布 L3 级有条件自动驾驶的量产计划，如华为、小鹏、比亚迪等多家车企， 明确表示将 2025 年作为加大布局 L3 级有条件自动驾驶商业化的重要年份。

根据焉知汽车、佐思汽研等统计，明确计划在 2025 年至 2026 年将 L3 级智驾技术量产落地的车企达 到 6 家，或在各自智驾系统的高配版本中率先量产。我们以华为 ADS 4 为例说明 L3 级别的架构和 功能细节。 华为发布 ADS 4 乾崑智驾，在最高配的 Ultra 版首发高速 L3 方案。 2025 年 4 月 22 日，华为发布最新一代高阶智能辅助驾驶系统 ADS 4 乾崑智驾系统，并在行业内首 发高速 L3 解决方案。ADS 4 分为 ADS SE 基础版、ADS Pro 增强版、ADS Max 超阶版和 ADS Ultra 旗舰版四个版本，其中 ADS Ultra 旗舰版支持高速 L3 商用，2025 年发布后计划第三季度首批车型完 成升级，还计划实现高速 L3 商用/城区 L3 商用试点。

架构方面，华为乾崑 ADS 4 采用世界引擎+世界行为模型的 WEWA 架构（注：WE，World Engine， 即世界引擎；WA，World Action Model，即世界行为模型），端到端时延降低 50%，通行效率提升 20%，重刹率降低 30%。 世界引擎可利用 AI 生成难例扩散模型，提供高质量、高密度的难例场景，其难例场景密度是真实世界的 1000 倍，有助于缓解行业难例数据不够的瓶颈；世界行为模型是智驾原生基模型，具有全模态感知能力， 能够处理激光雷达、摄像头、分布式毫米波等模态信息，可以根据不同场景调用不同的能力。 安全方面，防碰撞系统升级为全维防碰撞系统 CAS 4.0，以全时速、全方向、全目标、全天候、全 场景五维安全为目标，持续增强主动安全能力。全新首发的高精度固态激光雷达、舱内激光视觉传 感器、分布式毫米波雷达将显著提升车辆感知能力，实现路面自适应 AEB、智驾爆胎稳定控制辅助、 驾驶员失能辅助、哨兵模式增强等。车位到车位体验得到升级，将支持高速公路收费站 ETC 通行、 车位到车位切换泊车代驾 VPD 功能，支持地下停车场跨层通行、代客充电等功能。

政策监管：全球智驾政策从试点转向推广应用，国内首次放开 L3 级乘用车上路

中美为全球智能驾驶政策先发者，从试点落地走向推广应用

根据中国信通院统计，截至 2024 年 12 月，全球尚未有任何国家成功建立起将“智能驾驶车辆”明 确界定为道路交通参与者的政策法规体系。现阶段，主要国家和地区正依据各自的产业基础，不断 推进并优化现有汽车监管框架下的政策与法规，旨在促进自动驾驶产业的蓬勃发展同时确保其规范 性与安全性。 中美两国最早将发展智能网联汽车作为国家战略。美国交通部在 2016 年就发布了全球首个无人驾驶 汽车政策性文件《联邦自动驾驶政策》，中国在 2017 年发布的《汽车产业中长期发展规划》也提出 了推动智能驾驶的发展。 中美两国在智能驾驶领域的政策框架和演进阶段大体相同，未来都将聚焦智驾的推广应用。中美在 智驾领域的政策部署都分为顶层设计、试点落地和推广应用三个阶段，目前中美在前两阶段的政策 相对完善，接下来的重心将聚焦智驾的推广应用阶段，支持扩大应用场景和范围、普及智驾认知、 推动立法成为主要方向。 具体而言，现行智能驾驶的政策法规体系，主要围绕车辆强制标准、道路交通合法身份、测试和示 范应用管理等方面开展，包括： 1) 通过修订《道路交通法》等相关法律法规，为道路测试、应用示范和规模化商用的自动驾驶车 辆赋予依法合规的上路身份； 2) 通过调整车辆强制安全标准等措施，为不满足人类驾驶员操作规则的新形态-自动驾驶车辆提供 更为灵活的监管环境； 3) 通过完善车辆示范应用管理的政策法规，稳步推进拓展自动驾驶车辆的运行范围，并且确保技 术产品的安全落地应用。

中国：国家和地方并行推进，政策重心由道路测试转向试点落地和实践应用

中国采取国家和地方政策并行推进的路线，国家层面制定整体政策框架，各地方根据实际情况细化 落实，汽车工业和智能化产业较发达地区通常政策会更加宽松，例如北上广深、武汉、重庆等地区， 政策支持力度较大。截至 2024 年，中国已有 50 余个省市发布了自动驾驶道路测试与示范应用的实 施细则，累计开放测试示范道路 3.2 万多公里，发放测试示范牌照超过 7700 张。

国内汽车主动安全要求升级，自动紧急制动系统（AEBS）将转为强制标配。根据证券时报报道， 2025 年 5 月中旬，强制性国家标准《轻型汽车自动紧急制动系统技术要求及试验方法》完成起草， 进入公开征求意见阶段。自动紧急制动系统是一项汽车主动安全技术，可以通过雷达测出前方车辆 或障碍物之间的距离，并利用数据分析模块将测出的距离与警报距离、安全距离进行比较，小于安 全距离时将自动紧急刹车或使车辆减速，从而保障安全出行，减少事故发生。 对比现行标准，该标准由推荐性转为强制性，且适用范围有所扩大，这意味着，未来所有的乘用车 必须安装自动紧急制动系统。我们认为 AEBS 强制标配能够有效减少驾驶员走神、疲劳驾驶等原因 引发的追尾、碰撞事故，进一步完善国内智驾政策。

美国：联邦与地方政府两级管理，加州是智能驾驶法规创新的先锋，推进智驾创新与落地

美国坚持联邦政府加地方政府两级管理架构的模式，联邦政府出台智能驾驶产业政策、强化产业合 作标准研制、加强监管能力建设、组织合作交流论坛等；地方政府大胆开展先行先试，在政策、法 规、监管等方面加速突破，极大促进了智能驾驶产业的规模化应用。2023 年以来，美国有 23 个州 提出了近百个与智能驾驶有关的法案，加州是智能驾驶法规创新的先锋。 加州多措并举，在法律法规层面进行突破，在促进技术创新的同时，确保消费者权益和公共安全。 一是加强监管力度规范智能驾驶商业宣传。加州参议院 1398 号法案提出，要求车企对智能驾驶辅助 功能的能力和限制做明确说明，确保消费者不被误导；二是释放支持智能驾驶发展的强烈信号。2023 年 9 月，加州州长否决了要求所有重量超过 10,000 磅的无人驾驶车辆必须配备人工安全员的法案， 展现了支持智驾的决心。三是加强智能驾驶安全监管规则建设，确保其安全融入交通系统。四是强 化智能驾驶碰撞事故管理工作。A2286 法案和 A3601 法案提出，无论智能驾驶汽车处于测试或部署 阶段，制造商必须报告在公共道路上发生的所有碰撞事故。

今年初，国内首次放开 L3 级乘用车上路

2025 年 4 月 1 日，《北京市自动驾驶汽车条例》（以下简称《北京条例》）正式实施，该条例首次 针对 L3 级别以上的个人乘用车自动驾驶测试上路做出了具体规定，同时也对自动驾驶车辆事故责 任划分进行了细化，并明确可以追究软件开发以及车辆制造方的相关责任。 此次《北京条例》中，“第四章-上路通行管理”中明确规定了五种自动驾驶允许上路的情况，包括 1、个人乘用车出行；2、除校车业务以外的城市公共汽电车、出租车、汽车租赁等客运服务；3、除 危险货物运输以外的道路货物运输；4、摆渡接驳、环卫清扫、治安巡逻等城市运行保障；5、国家 和本市支持开展的其他应用场景。可以看出，量产车 L3 的落地是许可的首位，除了 Robotaxi 和 Robobus 之类的运营车之外，距离可落地 L3 乘用车的时刻越来越近了。 L3 级自动驾驶车上路，有哪些步骤？ 根据每日经济新闻，此次搭载 L3 级自动驾驶技术的车辆在上路前需进行道路测试和示范应用，需向 相关部门提出申请，经审核批准后方可进行。

在 L3 级自动驾驶状态下，交通事故责任如何判定？ 交通事故的责任认定属于国家立法权，地方立法无权单独做出具体规定。因此《北京条例》与国家 相关法律法规进行了衔接与协调，同时根据地方实际情况对一些具体操作流程和要求进行了细化和 补充。

本次《北京条例》出台的影响如何？ 据北京市高级别自动驾驶示范区解读，该条例为 L3 级智能驾驶汽车的合法上路提供了法规依据，推 动了自动驾驶技术的商业化落地。 我们认为，此次《北京条例》的正式施行，意味着 L3 级以上智驾级别的私家车首次被允许合法上路。 不仅为自动驾驶技术的商业化应用铺平道路，还为汽车制造商和科技公司提供了明确的法规依据， 推动其加速技术创新和产品研发。

国内各地区 L4 级无人驾驶运营用车的试点区域不断扩大

随着试点深入，各地区 L4 级智能驾驶车辆的试点范围不断扩大。 北京：推动“五站两场”在内的重点场站自动驾驶接驳场景开放。 北京自动驾驶领域发展走在全国前列。2020 年在亦庄规划建设了全国首个高级别自动驾驶示范区以 来，北京已实现 600 平方公里车路云一体化基础设施覆盖。百度、小马智行、新石器等头部企业聚 集北京，测试里程超过全国总里程的四分之一。 北京加速推动包含“五站两场”在内的重点场站等自动驾驶接驳场景的开放，包括大兴机场、首都 机场、北京南站、丰台站、朝阳站、清河站和城市副中心站。未来，北京将有序推动自动驾驶汽车 驶入更大范围、更广阔的场景，包括旅游、环卫、物流、园区等特色场景，同时，打造全市统一的 自动驾驶汽车服务管理平台，推动自动驾驶汽车运行数据上传；构建统一的智慧交通和智能网联数 据底座，推广智慧化线路规划、交通执法和信控优化，为大城市交通拥堵治理提供模版。 上海：测试范围进一步扩大。 为加快推进“全球领先的高级别自动驾驶引领区”建设，规范自动驾驶开放测试道路管理，上海市 分阶段、分批次开放自动驾驶测试道路，形成了“全车型、全出行链、全风险类别、全测试环节和 融合新基建基础设施”的“四全一融合”自动驾驶测试场景布局。 2025 年 3 月，上海市交通委等部门发布《关于划定浦东新区第三批自动驾驶开放测试道路的通知》， 进一步扩大自动驾驶测试道路范围。本次划定的自动驾驶开放测试地面道路共 583 条、758.62 公里。 深圳：“AI 公交”驶上城市街头。 自 2024 年 8 月启动首条自动驾驶公交线路试运营以来，深圳目前已实现首批 4 条“AI 公交”线路 常规化运营。 作为 AI 技术在城市交通典型场景应用的创新实践，深圳“AI 公交”将人工智能技术深度融入公共 交通系统，集成了 L4 级无人驾驶系统，嵌入智能调度系统，融合了 5G 车路协同、多传感器融合感 知、高精地图定位等前沿科技，能够实现毫秒级的路况响应与精准决策。

应用落地：L3 级智驾商业模式逐渐成熟，L4 级 RoboX 落地节奏加快

智驾的商业应用，分为 ToC 的乘用车服务与 ToB 的运营车服务

根据中国平安财险、汽车之家等机构发布的《中国智能驾驶商业化发展白皮书（2025）》，智能驾 驶落地的商业场景分两类，一类是 ToC 端为主的私家车场景，关键参与者主要为车企，一般通过全 栈自研的方式提供智驾解决方案，如特斯拉、小鹏、鸿蒙智行赋能的赛力斯、北汽等；另一类是 ToB 端为主的 Robotaxi 运营场景，关键参与者一般是车企-智驾科技公司-出行平台这样的“金三角”合 作联盟，在智驾商业化初期共担费用和风险，共享技术、数据和收益。

ToC 的乘用车智驾商业模式，分买断制&订阅制，近期面临免费模式的竞争

ToC 乘用车智驾一般以买断或订阅两种模式，我们以不同主流车厂的价格做介绍。

1）特斯拉 FSD。特斯拉有三种不同等级的智能驾驶解决方案，即基础版 BAP、增强版 EAP、完全 自动驾驶 FSD，其中 FSD 是其自动驾驶程度最高的产品。目前买断价格约 8000 美元，订阅价格为 99 美元/月。特斯拉的智驾方案中，BAP 和 EAP 已经在中国落地，FSD 可在购车时进行付费选装， 待 FSD 引入中国时正式使用。BAP 作为最基础的辅助驾驶，所有特斯拉车辆都免费包含；EAP 和 FSD 则需付费购买。2024 年 4 月，特斯拉在美国取消 EAP 付费选项，仅保留 FSD 付费选项。中国 官网显示，EAP/FSD 的付费金额分别为 32,000/64,000 元。 2）鸿蒙智行。除鸿蒙智行全系车型外，阿维塔和深蓝品牌也配备了 HUAWEI ADS，并通过买断或 订阅的方式向用户提供高阶智能驾驶功能的使用权。 华为 ADS3.0 高阶功能包的买断价格为 3 万元，订阅价格为 7200 元/年或 720 元/月，但由于华为为 用购车用户提供 2 万元的折扣券，所以实际购买价格为 1 万元。 3）小鹏汽车。小鹏汽车的软件收费以买断制为主，车辆交付前购买的价格为 2 万元，订阅制为辅， 订阅制为连续不间断付费 3 年后即可享受终身服务，更接近分期买断，而非订阅制服务。 竞争加剧下，零跑提出免费提供高阶智驾服务。 据零跑汽车公众号于 2025 年 4 月 1 日发布的《零跑汽车用户公告》，零跑将免费提供高阶智驾 服务。自 4 月 1 日起，对所有含有智能驾驶辅助功能的车型，智驾软件全面免费，包括高速智能 领航辅助（NAP）功能；同时，针对此前已付费开通 NAP 功能的用户，将在 2025 年 5 月 31 日 前退还相关费用。 总体来看，乘用车智驾的商业模式更为明确，但亦面临免费的模式来竞争。

ToB 的运营车商业模型初步跑通，主要因硬件/运营成本大降，但大厂入局竞争渐趋激烈

以 Robotaxi 为代表的自动驾驶出行服务进入加速拓展期。 过去一年，以百度为代表的 Robotaxi 行业得到快速发展，根据信通院、人工智能与经济社会研究中 心发布的《自动驾驶行业战略与政策观察：政策法规助力高度自动驾驶加速推进产业化（2024 年）》 观点，主要原因为以下五点： 一、自动驾驶服务城市覆盖范围扩大。 二、L4 级自动驾驶安全运行实现新的突破。 三、自动驾驶车辆的成本持续下探。 四、换电方式助力企业降低服务成本。 五、高度自动驾驶服务场景不断拓展。 其中车辆硬件成本下降是重要因素，萝卜快跑第六代无人车，成本价格仅 20.46 万元，较 5 代车成 本下降 60%。根据《白皮书》测算，当整车价格达到 32 万元时，Robotaxi 的运营费用已经可以显著 低于传统网约车的运营成本。

低速无人车进入日常运行阶段。 无人递送车凭借低速行驶和相对紧凑的尺寸等优势，对现有交通体系影响较小，同时，政策法规 对其在应用中的创新支持也较多，成为各个国家和地区加速自动驾驶实用化与普及化的重点发展 方向。 以京东为例，京东物流实现“揽派一体”无人递送车的规模化应用。2022 年 9 月，京东物流的第五 代无人递送车成为首批通过无人递送车行业团体标准测试的车辆，该车辆最大载重量可达 200 公斤， 续航里程 100 公里，具备 L4 级自动驾驶能力，能够为物流“最后一公里”提供基础运力服务。在“双 11”期间，京东物流采用 600 台智能快递车和超 100 台室内配送机器人，为消费者提供末端配送服 务，实现运单量与去年同比增长 300%。2023 年 4 月，京东物流的无人递送车开启揽收业务，覆盖 了城市社区、商业园区等八大应用场景，增强了无人递送车的客户服务能力，进而助力改变整个城 市零售的生态环境。 菜鸟新款无人车预售价格低至 1.68 万元。菜鸟最新的车型为菜鸟 GT-Lite，定价 2.18 万元，限时优 惠价 1.68 万元。菜鸟称，该车型可以实现 L4 级无人驾驶快递车的落地使用。 总体来看，我们认为 2025 年有望成为 L3 级高阶智驾的落地元年，驱动车企在配置和智驾技术上不 断持续迭代，消费者成此轮智驾升级趋势的最大受益者。

编辑：火腿肠