2025年汽车行业：2025年主流车企城市NOA试驾报告—11月深圳篇

一、深圳智能化路测基本情况

智能化路测车型

2025年11月深圳试驾车型共以下10款：问界M7，小鹏P7，理想i6，魏牌蓝山，小米YU7，腾势Z9GT， 蔚来ES8；相应试驾版本分别为：华为 ADS 4.0.2，小鹏 XOS 5.7.8，理想 OTA 8.0，蓝山 CP Ultra 3.9.0，小米 V1.9.7，腾势 OTA 1.6.2，蔚来 cedar 1.3.1。

智能化路测版本——尊界 华为 ADS 4.0

华为ADS智驾系统（带激光雷达）历经四次迭代，尊界上车ADS 4.0。华为ADS 4.0全新WEWA架构升级， CAS4.0全维防碰撞系统，推出车位到车位2.0、泊车代驾2.0。

智能化路测版本——小鹏 XOS 5.7.8

小鹏 XOS 大模型共创版4.0实现VLA上车。小鹏行业首发本地端VLA+VLM大模型和智驾“大脑+小脑”VLA-OL（VLA-Online Reinforcement Learning）模型，AI鹰眼视觉融合感知从图片式感知融合进化 岛视频流感知融合，兼具高帧率、低时延、长时序、360°全方位感知、4D视频流感知融合，提升复杂 场景能力上限。

智能化路测版本——理想 OTA 8.0

理想OTA 8.0升级正式版本VLA，实现语音控车。VLA模型核心解决了超强的人车博弈环境+读 懂各类交通文字牌信息+具备常识和推理能力。

智能化路测版本——蔚来 cedar雪松1.3.1

蔚来 cedar雪松1.3.1采用NWM世界模型。cedar此前迭代包括3个OTA版本，分别为蔚来行业 首发的全域车道级导航；蔚来世界模型在自研旗舰智驾芯片NX9031上的量产应用及其核心模型 与功能的迁移部署；持续优化系统界面、车控易用性、智能光毯及 NOMI 等高频体验。2025Q4 ，蔚来还计划针对蔚来世界模型、天行底盘和NOMI Intelligence等领域做进一步优化，规划推 出cedar 1.4.0版本。

软硬件方案比较

硬件维度，传感器方面，本次路测小鹏P7采用视觉方案，其他车型均搭载激光雷达；智驾芯片方面， 华为、小鹏、蔚来已实现智驾芯片自研。

软件维度，华为、小鹏、理想、小米、蔚来为自研方案，蓝山采用元戎启行方案，腾势采用Momenta 方案。

二、大样本集中路测

指标说明

总体评价：综合各测试维度，全面衡量智能驾驶系统在路测中的整体表现、可靠性。接管次数：反映系统因产生较严重效率问题无法解决或危险驾驶需人工介入的频次，直接体现自动驾驶 功能的成熟度与安全冗余。 平稳性表现：体现加速、减速、转向等操作的平顺度，直接影响驾乘人员的舒适性体验。  行驶效率：在客观路况条件下，衡量系统遵守交规时的通行流畅度及对道路资源的利用效率。  匝道场景表现：评估在大曲率上下桥的匝道决策与操控能力。 掉头场景表现：考验系统在路口掉头时，对对向车流、行人的预判，及转向角度、避让时机的精准把 控。 博弈场景表现：检测系统与其他交通参与者（车辆、行人等）互动时的决策博弈与协同能力。

大样本集中路测 —— 问界 ADS 4，WEWA架构

问界总体评价得分最高，平均总接管次数为0.47次，细分场景评价均在4分以上，整体智驾表现优秀。 尊界掉头、博弈能力强，平稳性表现好。

大样本集中路测 —— 魏牌蓝山 CP Ultra 3.9.0，E2E

魏牌蓝山总体评价仅次于问界，平均总接管次数为1.83次，细分场景评价均在3-4分以上，匝道场景应 对较好且稳定性高，上下午评分存在一定差异性。

大样本集中路测 —— 小鹏 XOS 5.7.8，VLA

小鹏总体评价优秀，平均总接管次数为2.40次，小鹏 XOS 5.7.8表现较均衡，细分场景表现出色，展现 出较强的场景理解能力，平稳性得分较高。

大样本集中路测 —— 理想 OTA 8.0，VLA

理想智驾总体评价比较优秀，平均总接管次数3.20次。理想智驾风格较保守，平稳性表现较好。掉头方 面，理想可以实现三点掉头，在倒车环节略谨慎。

大样本集中路测 —— 腾势 OTA 1.6.2，E2E

智己总体评价2.44分，平均总接管次数5.22次，腾势匝道通行能力较好，能够处理一般场景下的掉头场 景。

大样本集中路测 —— 小米 V1.9.7，E2E+VLM

小米智驾总体表现良好，平均总接管次数为4.70次，掉头为小米历次路测优势场景，小米在本次掉头场 景中表现依旧较好，上下匝道场景或受YU7长车头影响，存在一定接管率。

大样本集中路测 —— 蔚来 雪松 1.3.1，世界模型

蔚来平均总接管次数为5.21次，蔚来能较好覆盖大部分城市智驾场景，包括上下桥、掉头等，在掉头场 景中或存在一定接管率。

三、小样本深度路测

深度路测基准路线说明

本次深度路测的基准路线为： 深圳四季酒店—皇庭中心（变道、正常通行）—北京大学深圳医院（掉头、辅道通行）—苏宴.印象江 南（大曲率弯道、掉头）—广州中医药大学深圳医院（窄道通行）—香蜜湖1号（非标准信号灯、复杂 路口）—深圳四季酒店。

深度路测概况

7款参与深度路测车型的路测具体时间、简要路况及通行时间如下： 问界M7：11月19日18:21出发，车流量较大，高德地图预计通行时间83min，实际通行时间87min。 魏牌蓝山：11月19日16:09出发，车流量较大，高德地图预计通行时间73min，实际通行时间77min。 小鹏P7：11月18日21:46出发，车流量较小，高德地图预计通行时间45min，实际通行时间49min。理想i6：11月19日12:58出发，车流量适中，高德地图预计通行时间61min，实际通行时间55min。腾势Z9GT：11月19日20:03出发，车流量适中，高德地图预计通行时间60min，实际通行时间49min。 小米YU7：11月19日9:32出发，车流量偏大，高德地图预计通行时间68min，实际通行时间59min。 蔚来ES8：11月18日20:35出发，车流量偏大，高德地图预计通行时间59min，实际通行时间48min。

深度路测途经点说明

途经点皇庭中心：主要测试智驾车辆直道通行、变 道左右转能力。途经点北京大学深圳医院：主要测试智驾车辆切至 掉头、辅道行驶能力，车辆经过途经点会切至辅道， 辅道左侧为临停出租车辆，切至主路需避让锥桶。途经点苏宴.印象江南：主要测试智驾车辆大曲率弯 道、掉头能力，下梅林广场一带反复经过大曲率弯 道，可以反映车辆对大曲率弯道、车道线以及车车 博弈的理解 。途经点广州中医药大学深圳医院：主要测试智驾车 辆窄道通行能力，途经点附近存在有对向非机动车 干扰的单向窄道、双向窄道。 途径点香蜜湖1号：主要测试智驾车辆识别和处理非 标准信号灯、复杂路口能力，途经点附近存在可变 车道识别、非标准红绿灯识别、复杂路口，需要车 辆灵活处理。

细分场景的定义与分类

我们将智驾时发生的经典场景进行标准化，以便后续的总结归纳分析。其中细分场景包括换道、上下匝 道、红绿灯启停、障碍物/车辆绕行、左转、右转、超车、大曲率弯道、公交车道识别、堵车、减速带 识别、避让车辆/行人、无保护左转、无保护右转、修路、加塞、环岛、复杂路口、掉头、待行区、窄 道通行共计21个，下表展示了经典场景标准化定义说明及其难度分类。

小样本深度路测 —— 华为乾崑智驾 ADS 4.0

分场景路测评价：华为ADS 4.0整体表现优秀，略有场景间差异，简单场景下处理能力优异，中等、困 难场景下多数表现较好。

接管数及接管分析：华为ADS 4.0路测接管总数为7次，分别发生于掉头、走错路、公交车道识别、红 绿灯识别等场景。路测过程中，华为虽成功识别公交车道，但仍错误介入；掉头场景中，主要因转弯半 径不够而需人工接管；需进入复杂小路时，出现错过入口的情况；在面对转弯非视距内的非标红绿灯时，成功识别，表现优异，但错误识别路中用于指挥掉头的立式红绿灯。整体来看，华为ADS 4.0在深圳复 杂的路况下表现优异，在多数场景下表现出了较强的处理能力。

小样本深度路测 —— 魏牌蓝山 CP Ultra 3.9.0

分场景路测评价：魏牌蓝山 CP Ultra 3.9.0整体表现较优秀，场景间呈现略有差异，简单及中等场景处 理能力良好，困难场景下具备一定的处理能力。

接管数及接管分析：魏牌蓝山本次深度路测接管总数为10次，接管分布于障碍物绕行、左右转弯、避 让行人、掉头、走错路、红绿灯识别、可变车道识别等复杂场景。魏牌蓝山对于行驶道路上违停车辆的 场景有一定处理能力，但是在面对复杂的窄道、可变车道、视距外红绿灯等场景仍出现了接管需求，但 接管仍以效率性接管为主。整体来看，魏牌蓝山表现较优秀，在复杂路况下仍表现出了一定的处理能力。

小样本深度路测 —— 小鹏 XOS 5.7.8

分场景路测评价：小鹏XOS 5.7.8整体表现优秀，场景间得分方差较小，简单/中等/困难场景下表现未 见分化，环岛、复杂路口等较难场景下表现优异。

接管数及接管分析：小鹏XOS本次深圳深度路测接管总数为6次，发生于避让车辆/行人、走错路、红绿 灯识别及窄道场景，其中窄道及避让车辆/行人场景均为复杂博弈场景下出现的均为效率性接管；小鹏 未能识别视距外的非标红绿灯，出现接管；此外，小鹏在复杂的小道路口出现走错路需要监管的情况。 整体来看，小鹏能够很好的处理深度路测中的困难场景，形式流畅，表现优秀。

小样本深度路测 —— 理想 OTA 8.0

分场景路测评价：理想 OTA 8.0 整体表现较优秀，场景间呈现略有差异，简单及中等场景处理能力良 好，困难场景下表现出一定的处理能力。

接管数及接管分析：理想 OTA 8.0路测接管总数为11次，接管行为分别发生于换道、障碍物/车辆绕行、 避让车辆/行人、复杂路口、掉头、走错路、红绿灯识别等场景；其中因策略相对保守，因此面对深圳 的“违停”等复杂且非常规场景，易出现效率性接管需求，即错误将违停的车队识别为排队车辆因此出 现等待排队的行为。整体来看，理想 OTA 8.0表现良好，常规场景下表现良好，但面对“违停”等非常 规场景，易出现接管需求。

小样本深度路测 ——蔚来 cedar 1.3.1

分场景路测评价：蔚来 cedar 1.3.1整体表现良好，在简单及中等场景下表现较为优秀，此外，在加塞、 复杂路口等困难场景中表现出优秀的处理能力。

接管数及接管分析：蔚来 cedar 1.3.1本次深度路测接管总数为12次，发生于换道、障碍物/车辆绕行、 左转、右转、避让车辆/行人、掉头、走错路、红绿灯识别等场景，其中接管场景多为该类场景中的非 常规路况，例如超视距的非标红绿灯。整体来看，蔚来 cedar 1.3.1表现良好，可以良好的处理常规复 杂场景。

报告节选：

编辑：火腿肠