无人驾驶产业报告-PDF版

财新智库：2025智能社会转型语境下数字平台企业风险治理机制的探索与构建-基于自动驾驶领域的实证剖析报告（53页）.pdf

2智能社会转型语境下数字平台企业风险治理机制的探索与构建基于自动驾驶领域的实证剖析关于 ESG30 青年学者计划ESG30 青年学者计划（2024-2025）由财新智库、中国 ESG30 人论坛（ES.

2026-02-03 53页 5星级

智能驾驶行业2026年春季投资策略报告：AI的重要应用智驾的质变时刻-260120（27页）.pdf

201020304AI大模型有望引领估值重塑XVQUtNpRrOrOpMmMzQoRqQbRdN9PsQnNmOpRiNrRnMfQpNpObRoOyRNZsOqONZtQpO301401Robota.

2026-01-21 27页 5星级

经济观察报：中国智能驾驶行业趋势白皮书（2025）（26页）.pdf

点击查看更多经济观察报：中国智能驾驶行业趋势白皮书（2025）（26页）.pdf精彩内容。

2026-01-19 26页 5星级

智能电动汽车行业深度报告：从AIDC液冷看汽零投资新机会-260118（35页）.pdf

从从AIDC液冷看汽零投资新机会液冷看汽零投资新机会-智能电动汽车行业深度报告智能电动汽车行业深度报告分析师|齐天翔 S0800524040003 邮箱地址：分析师|彭子祺 S080052508000.

2026-01-19 35页 5星级

中汽信息公司：2025城市 NOA 汽车辅助驾驶研究报告（缩写版）（18页）.pdf

点击查看更多中汽信息公司：2025城市 NOA 汽车辅助驾驶研究报告（缩写版）（18页）.pdf精彩内容。

2026-01-15 18页 5星级

产业深度：2026自动驾驶元年八大展望-251228（30页）.pdf

请务必阅读正文之后的免责条款部分 1 of 30 table_Header 2025.12.28 产业深度产业深度 2026 自动驾驶自动驾驶元年元年八大八大展望展望 产业研究中心产业研究中心 Ta.

2026-01-09 30页 5星级

Robotaxi行业深度：商业化进展、竞争格局、产业链及相关公司深度梳理-260105（26页）.pdf

1/26 2026 年年 1 月月 5 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 Robotaxi 行业行业深度：深度：商业化进展商业化进展、竞争格局竞争格局、产业链产.

2026-01-06 26页 5星级

全球产业趋势跟踪周报：我国首批L3级自动驾驶车型获许可Gemini 3 Flash推出-251222（25页）.pdf

敬请阅读末页的重要说明 证券研究报告|策略定期报告 2025 年 12 月 22 日 定期报告定期报告 全球产业趋势跟踪周报（全球产业趋势跟踪周报（1222）本周产业趋势主要集中在本周产业趋势主要集.

2025-12-25 25页 5星级

2025汽车Robotaxi产业市场规模、竞争格局、驱动因素及相关公司进展分析报告（22页）.pdf

行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 汽车R o b o t a x i 产业市场规模、竞争格局、驱动因素及相关公司进展分析报告目录1.行业概述：.

2025-12-25 22页 5星级

车路云50人：2025末端无人配送商用报告（28页）.pdf

点击查看更多车路云50人：2025末端无人配送商用报告（28页）.pdf精彩内容。

2025-12-23 28页 5星级

车路云50人：2025年Robotaxi商用报告（25页）.pdf

Robotaxi 商用报告基于Robotaxi 商用报告管理层视角系统呈现商业逻辑 数据结论 落地路线车路云 50 人/西部科学城智能网联汽车创新中心战略高地：系统驱动的跃迁Robotaxi 不仅是交.

2025-12-23 25页 5星级

2025年Robotaxi技术发展现状、产业链结构、政策引导及市场前景分析报告（39页）.pdf

行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 年R o b o t a x i 技术发展现状、产业链结构、政策引导及市场前景分析报告 1Robotaxi .

2025-12-22 39页 5星级

智驾行业点评报告：L3已获批上路通行高阶智驾持续加速-251216（2页）.pdf

请阅读最后一页的重要声明！智驾行业智驾行业点评报告点评报告 汽车汽车 证券研究报告 行业点评报告/2025.12.16 投资评级投资评级:看好看好(维持维持)最近 12 月市场表现 分析师分析师 吴.

2025-12-17 2页 5星级

智能驾驶行业专题：Robo~X的产业趋势、市场空间和产业链拆解-251215（67页）.pdf

请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告|2022025 5年年1212月月1515日日Robo-X的产业趋势、市场空间和产业链拆解的产业趋势、市场空间和产业链拆解智能驾驶.

2025-12-16 67页 5星级

Robotaxi行业更新报告：国内厂商收入同比高增海外厂商加快拓城-251126（2页）.pdf

请阅读最后一页的重要声明！RobotaxiRobotaxi 行业行业更新更新报告报告 汽车汽车 证券研究报告 行业专题报告/2025.11.26 投资评级投资评级:看好看好(维持维持)最近 12 月.

2025-11-27 2页 5星级

硕远咨询：2025年中国无人驾驶行业市场研究报告（30页）.pdf

1/302025 年中国无人驾驶行业市场研究报告主编：雷静兰编辑：柯文慧2/301 行业概述1.1 无人驾驶技术发展历程无人驾驶技术的发展历史可以追溯到 20 世纪中后期，经历了从最初的基础理论研究、.

2025-11-20 30页 5星级

华为：自动驾驶出行生态2025（80页）.pdf

车百智库研究院（车百智库）是由权威行业机构、产业链头部企业共同发起成立的专业研究平台。平台坚持“面向政府和行业，服务战略与决策”的宗旨，围绕汽车电动化、智能化、网联化、绿色化、国际化以及能源变革、交通.

2025-11-10 80页 5星级

CAICV：2025面向关键触发条件的智能网联汽车感知系统SOTIF测评研究白皮书（67页）.pdf

面向关键触发条件的 智能网联汽车感知系统 SOTIF测评研究 白皮书白皮书 SOTIF-感知系统任务组 CAICV-智能网联汽车预期功能安全工作组 2025 年 09 月 I 版本维护：版本 修改内容.

2025-11-06 67页 5星级

智能驾驶行业深度：市场现状、竞争格局、发展展望及相关公司深度梳理-251031（40页）.pdf

1/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告行业研究报告慧博智能投研智能驾驶行业深度智能驾驶行业深度：市场现状、竞争格局、市场现状、竞争格局、发展展望及相关公司深度梳理发展展望及相关公司深度梳理当前，中国智能驾驶产业正迈入规模化普及与高阶突破并举的关键阶段。政策层面，L3 级自动驾驶在2025 年迎来重要的准入破冰，相关法律法规持续完善，为高阶智驾的商业化落地铺平道路。市场层面，在比亚迪、吉利等主流车企大力推行的“智驾平权”战略驱动下，高速 NOA、城市 NOA 等 L2 级功能正加速从高端配置向 15 万乃至 10 万元以下的主流市场渗透，带动 L2 及以上级别辅助驾驶的渗透率持续攀升。与此同时，产业竞争焦点正从单一功能竞逐，转向以“车路云一体化”为核心的技术生态整合，安全与标准化成为行业健康发展的基石。在政策、技术与市场的三重驱动下，智能驾驶产业生态日益成熟，相关厂商将在规模化和技术迭代中迎来新的发展机遇。以下内容我们就围绕智能驾驶行业，对相关问题展开分析梳理。首先，我们将从市场角度出发，对智能驾驶的行业概况、所面临的市场现状、具体政策环境及行业市场业态几个问题展开分析梳理，以帮助大家客观了解智能驾驶行业的当前市场现状；其次，我们将从技术角度，对当前智能驾驶行业备受关注的VLA 及世界模型两条技术路线进行具体分析。解决上述问题的同时，我们还将对智能驾驶行业后续的竞争格局及发展趋势进行展望，并在此基础上梳理相关企业的发展布局情况，希望能帮助大家更为全面、具体地了解智能驾驶行业。目录目录一、行业概况.1二、市场现状.5三、国内外具体政策环境分析.13四、智驾行业新业态.15五、VLA 技术路线.19六、世界模型技术路线.24七、行业竞争格局变化.28八、发展展望.33九、相关公司.37十、参考研报.40一、一、行业概况行业概况1、智能驾驶的定义分级与功能智能驾驶的定义分级与功能智能驾驶是指利用计算机系统实现车辆的部分或完全自动化驾驶的技术智能驾驶是指利用计算机系统实现车辆的部分或完全自动化驾驶的技术。国际自动机工程师学会（SAE）将智能驾驶分为 L0-L5 及几个别级。其中，L1-L2 级别系统可接管少部分的、不连续的车辆控制任务，属于高级辅助驾驶（Advanced Driving Assistance System，简称“ADAS”）范围。而 L3-L5 级别系统2/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告是指可以在激活后的一定情况下执行连续性驾驶任务，属于自动驾驶（Autonomous Driving，简称“AD”）范围。从各级别智能驾驶对应的具体功能来看，L0 级别以预警功能为主。L1-L2 级别主要聚焦辅助驾驶功能，作为转向自动驾驶的过渡产品，以主动安全功能为主，需要驾驶员随时准备接管。L4 级别除 AVP（自助代客泊车）外暂无更多明确的单一产品形态。智能驾驶技术可分为三个核心流程：环境感知、决策规划、执行控制智能驾驶技术可分为三个核心流程：环境感知、决策规划、执行控制。环境感知环境感知：通过各种传感器如摄像头、毫米波雷达、超声波雷达、激光雷达等获取车辆周边信息，并通过数据处理、数据融合技术，为车辆的驾驶控制行为提供决策的依据。决策规划决策规划：依据获取的信息预测道路状况、进行决策判断，决定相应的轨迹规划。决策算法优化所需要的大量有效数据，需要覆盖各种罕见的场景。控制执行控制执行：与决策层相连接，各个执行系统根据决策层规划的轨迹进行行驶，在过程中实现变速、转向、变道、超车等操作。ZXQUqPmNqRmQpOqMsMqPoPbRcM8OpNoOsQnQlOpOrQjMpPmP7NqQzQMYsRoNwMmPnR3/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告2、智驾正处于由智驾正处于由“辅助辅助”向向“自动自动”过渡的关键期过渡的关键期智能驾驶技术依照自动化水平被划分为 L0 至 L5 共六个等级。其中，L3 级被视作自动驾驶技术的分水岭，它象征着从辅助驾驶（L0 至 L2）向自动驾驶（L4 和 L5）的过渡。L3 的核心差异在于监控环境的责任由驾驶员转至车辆自身，这一转变也意味着事故责任归属或发生重大变化。因此，L3 在智能驾驶的发展进程中成为了一个关键。然而，伴随技术的不断进步，这种单纯的 L0 至 L5 分级方式已无法全面描述当前市场中的主流智能驾驶解决方案。许多主机厂开始探寻更为细致的分类方法，比如根据驾驶员对智能汽车的介入程度进行划分，分为毫秒级、秒级、分钟级和小时级别，以便更精准地反映智能驾驶的实际应用情况以及驾驶员的参与程度，而实现自动驾驶至少要毫秒级的反应精度。面对自动驾驶技术中面对自动驾驶技术中 L3L3 级别的挑战，行业内部分化为两种技术策略级别的挑战，行业内部分化为两种技术策略。一类是采用自下而上做一类是采用自下而上做“加法加法”的渐进派，主要以特斯拉、小鹏等整车厂为主的渐进派，主要以特斯拉、小鹏等整车厂为主。该技术路线主要基于用户当前的实际需求，并适度引导用户需求，逐步实现自动驾驶功能。通过 OTA（Over-The-Air，空中升级）软件迭代，这些功能能够自然演进，最终实现完全无人驾驶。这套模式比较注重成本效益，因此在硬件选型、供应链整合、制造水平等方面会投入较大精力。目前国内量产智能驾驶产品的实现以 L2 级别以及 L2 级别智能驾驶为主，其中 L2 级别主要包括 NOA（导航辅助驾驶，Navigate on Autopilot）功能。另一类是采用自上而下做另一类是采用自上而下做“减法减法”的跃进派，主要以的跃进派，主要以 WaymoWaymo、百度、百度 ApolloApollo 等科技公司为主等科技公司为主。要实现这一模式的商业化落地，需要技术成熟度和完善的配套政策法规双重条件。在技术成熟度方面，无人驾驶面临的最大挑战是如何有效处理 CornerCase。仅通过道路测试来穷尽所有 CornerCase 可能需要漫长的时间周期，这会导致全场景无人驾驶的实现时间变得不确定，此外还需要巨额的资金投入。尽管这两种路线在商业模式上存在显著差异，但随着技术的持续进步，两种模式的技术路径趋于交汇。目前，全球正处于目前，全球正处于 L2L2 级辅助驾驶向级辅助驾驶向 L3L3 级别自动驾驶过渡的关键时期级别自动驾驶过渡的关键时期。L2 级 ADAS 通过整合先进的传感器、摄像头和算法，为用户提供部分自动化辅助，如自适应巡航、车道保持和自动紧急制动等功能，显著提升了驾驶的安全性和便利性。随着技术的不断进步，L2 级 ADAS 的渗透率在全球范围内持续上升，特别是在中国市场，搭载 L2 级功能的新车渗透率已达到较高水平。同时，业内也在积极研发和测试更4/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告高级别的自动驾驶技术，特别是 L3 级有条件自动驾驶。L3 级自动驾驶能够在特定条件下实现车辆的完全自主驾驶，驾驶员可以在系统允许的情况下双手离开方向盘，但仍需在必要时接管车辆。多家车企和科技公司已在这一领域取得了显著进展，部分企业已获得 L3 道路测试牌照，并计划在 2025 年实现 L3级自动驾驶的商业化应用。3、AI 大模型驱动智能驾驶进入新阶段大模型驱动智能驾驶进入新阶段智能驾驶是汽车智能化的关键分支，技术始终是其发展的核心引擎智能驾驶是汽车智能化的关键分支，技术始终是其发展的核心引擎。技术的每一次突破，都直接推动了安全性的显著提升，促使成本不断下降，而这两者又进一步决定了智能驾驶商业化落地的时间预期。回溯过往 100 年，全球智能驾驶发展历经四个阶段：实验室探索阶段（实验室探索阶段（1925199919251999 年）年）：全球第一辆“自动驾驶”汽车可以追溯至 1925 年，其操作方式与现代玩具车类似，主要通过无线电控制技术实现其“自动驾驶”。60 年代初，人工智能（ArtificialIntelligence，AI）技术的引入标志着车辆控制系统从机械控制向电子控制的重大转变；80 年代末，美国卡内基梅隆大学开启了自动驾驶技术的实验，进一步推动了这一领域的研究和创新。商用化探索阶段（商用化探索阶段（2000201220002012 年）年）：2004 年和 2005 年，美国国防高级研究计划局（Defense AdvancedResearch Projects Agency，DARPA）成功举办了两届无人驾驶挑战赛，这激发了众多商业机构对自动驾驶技术的投资和研发热情。2009 年，科技巨头谷歌启动了其无人驾驶项目，标志着自动驾驶技术开始进入商用化探索阶段。商用化加速阶段（商用化加速阶段（2013201920132019 年）年）：2012 年，被誉为“深度学习之父”的 Geoffrey Hinton 引入神经网络（Convolutional Neural Networks，CNN）算法，标志着深度学习进入蓬勃发展的新纪元。自动驾驶技术也由此受益，通过与神经网络算法的结合实现了快速发展。2013 年开始，传统车企和新兴创业公司纷纷布局无人驾驶，加速了无人驾驶技术的商用化进程。2015 年特斯拉推出 Autopilot 功能，将自动驾驶技术整合到消费级电动汽车中；2017 年奥迪推出了具有高级辅助驾驶选项的新 A8 车型。AIAI 大模型阶段（大模型阶段（20202020 年至今）年至今）：近年来，大规模的 AI 训练任务所需算力呈指数级增长，20122018 年算力需求增长超 30 万倍，而超大规模预训练模型实现了算力突破，有效降低了 AI 应用的门槛。以Transformer 为代表的大模型较 CNN 在大模型数据训练的优势更为突出，目前在自然语言处理领域几乎取代了 RNN，并被引入计算机视觉领域，如特斯拉、华为、小鹏特斯拉、华为、小鹏等均已宣布将 Transformer 引入自动驾驶感知框架。5/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告4、当前智能驾驶已分化出两条核心路径当前智能驾驶已分化出两条核心路径VLA 和世界模型和世界模型当前智能驾驶已分化出两条路径当前智能驾驶已分化出两条路径。2024 年夏季以来，端到端（End-to-End）智能驾驶技术格局发生显著变化，从 2023 年“一家独大”的单一技术路径，正式演进为两大核心路线并行发展的态势。其中，第一条路线为以“视觉语言行为”（Visual-Language-Action,VLA）链路为核心的架构体系，第二条路线则是以物理推演为核心驱动力的世界模型（World Model）路线，VLA 和世界模型并不是完全对立，而是两条目前并行发展的技术路线：VLA 适合快速迭代、兼容现有量产平台，短期内易于落地。世界模型则代表了更底层的认知方式，强调物理规律和空间理解力，适合长期演进。VLAVLA 架构架构：VLA 架构的技术逻辑遵循“感知理解决策控制”的全链路语义化转化，其核心流程可拆解为四步：首先通过图像传感器完成环境感知与图像识别；其次将视觉感知结果转化为可被大语言模型理解的语言 Token（如“前方 50 米有静止车辆”“当前车道为潮汐车道”）；再由大模型基于语言Token 生成符合人类驾驶逻辑的驾驶建议；最后将抽象建议转化为具体的车辆控制轨迹，并通过实时反馈机制进行动态校正。世界模型架构世界模型架构：与 VLA 架构依赖“语言中间层”的技术逻辑不同，世界模型路线通过绕开语言转化环节，直接将 3D 高斯表征、点云等空间感知数据输入大模型，在模型潜空间内完成物理规律推演（如车辆碰撞风险预判、行人运动轨迹预测），并直接输出车辆控制指令，形成“云端世界引擎 车端世界行为模型”的技术架构云端世界引擎负责大规模场景的物理规律建模与预训练，车端世界行为模型则基于实时感知数据进行快速决策。二、二、市场现状市场现状1、全球智驾市场快速增长，中国智驾渗透率已超全球智驾市场快速增长，中国智驾渗透率已超 50%全球智能汽车销量快速增长，中国市场一马当先，地平线招股章程资料显示，全球智能汽车销量快速增长，中国市场一马当先，地平线招股章程资料显示，20232023 年中国智能汽车渗年中国智能汽车渗透率达到透率达到 57.1W.1%。中国是全球最大的乘用车新车市场，2023 年的新增乘用车销量为 2170 万辆，其中智能汽车为 1240 万辆，渗透率达 57.1%。根据灼识咨询的资料，预计到 2026 年及 2030 年，中国智能汽车销量将分别达到 2040 万辆及 2980 万辆，渗透率分别达 81.2%及 99.7%。6/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告智能驾驶集感知、决策、执行控制为一体，为驾驶员提供辅助或者替代驾驶员工作智能驾驶集感知、决策、执行控制为一体，为驾驶员提供辅助或者替代驾驶员工作。智能驾驶通过车辆内置的摄像头、雷达、激光雷达（LiDAR）等感知设备，结合先进的计算算法实现对驾驶员的驾驶辅助或者自动做出决策并执行驾驶任务。智能驾驶技术的发展目标是提高道路安全性、减少交通拥堵、降低能耗和排放，以及提升驾驶舒适性。从产品属性来看，智能驾驶分为驾驶员承担责任（从产品属性来看，智能驾驶分为驾驶员承担责任（ADASADAS 功能）和车承担责任功能）和车承担责任(AD(AD 功能功能)两类产品两类产品。ADAS功能指辅助驾驶员完成各类驾驶任务的技术和功能，驾驶员需要时刻保持专注，因车辆行驶决策权在驾驶员，对应驾驶员需要承担所有的责任与后果，其对应 SAE 的 L1L2 技术等级。AD 功能可以让车辆在没有人工干预的情况下自动行驶，因汽车主导着驾驶行为，责任主体为汽车生产或者汽车服务商，其对应SAE 的 L3L5。对于 L3 级别的智能驾驶，因为其只能在特定条件下代替人，并且在系统失效的时候需要人及时接管车辆，在实际应用中的可操作性及责任界定问题在行业内外存在较大争议。从技术角度而言，L3 级别智能驾驶是技术发展的必经阶段，但从产品角度需要厘清责任边界。7/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告在乘用车市场，由于开放城市道路的监管要求较高，商业化解决方案仍主要集中于在乘用车市场，由于开放城市道路的监管要求较高，商业化解决方案仍主要集中于 ADASADAS。在全球范围内，自动驾驶解决方案的技术能力正在接近 AD 水准。商用车通常在可预测路线、受控环境及封闭场景的驾驶场景中运行，为 AD 技术的早期测试及部署提供了理想环境，为 AD 解决方案的商业化铺平了道路。2、ADAS 规模持续扩张，技术逐渐成熟规模持续扩张，技术逐渐成熟（1）ADAS 主要功能分为行车域与泊车域主要功能分为行车域与泊车域ADASADAS 能够提供从辅助预警到干预性辅助驾驶的功能，包括 AEB（自动紧急制动）、ACC（自适应巡航控制）等控制执行的功能，还囊括了预警、监测、环视、HUD（抬头显示）、夜视、酒精闭锁、智能灯、加速踏板误操作、紧急转向辅助等特色功能。ADASADAS 功能主要分为行车域和泊车域两个方面功能主要分为行车域和泊车域两个方面。行车域包括车道偏离预警、前方碰撞预警、自适应巡航等，泊车域功能主要为自动泊车和遥控泊车系统。包括 APA（自动泊车系统）、ACC（自动巡航系统）、AEB(自动紧急刹车)、LDW（车道偏离预警系统）、LKA（车道保持系统）、FCW（前方碰撞预警）、PCW（行人碰撞预警）、TSR（交通标志识别）、HBA（远光灯辅助系统）等。分为行车域和泊车域两个方面，行车域包括车道偏离预警、前方碰撞预警、自适应巡航等，泊车域功能主要为自动泊车和遥控泊车系统。8/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告（2）行业规模持续增长，行业规模持续增长，L2 及以上已成市场主流及以上已成市场主流受益于传感器、芯片等核心技术的突破和规模经济效应，受益于传感器、芯片等核心技术的突破和规模经济效应，ADASADAS 行业成本不断降低，市场规模不断上升行业成本不断降低，市场规模不断上升。根据灼识咨询的资料，全球量产级 L0 级至 L2 /L2 级智能驾驶解决方案以收入计的市场规模预期将从2024 年的人民币 909 亿元增长到 2029 年的人民币 2239 亿元，复合年增长率为 19.7%。L2L2 级智能驾驶解决方案已成为市场主流，进一步推动中国自主级智能驾驶解决方案已成为市场主流，进一步推动中国自主 OEMOEM 大规模部署大规模部署 ADASADAS。2024 年，配备 L2级及以上智能驾驶解决方案的汽车销量达到 1520 万辆，渗透率（指配备特定自动化水平智能驾驶解决方案的车辆销量占车辆总销量的百分比）为 68.47%。该数据预期到 2029 年将增至 3170 万辆，渗透率为84.99%。9/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告国内乘用车国内乘用车 ADASADAS 系统功能系统功能(L1-L2.9)(L1-L2.9)装配量和装配率稳步提升，且装配量和装配率稳步提升，且 L2L2 及及 L2 L2 自动驾驶正处于渗透率快自动驾驶正处于渗透率快速提升阶段速提升阶段。随着智能辅助驾驶功能的不断成熟、成本降低、消费者接受度提高，L2 级别已成为主要的驾驶辅助方案，同时渗透率仍在进一步提升，车型主要集中在 10-30 万价格区间。据佐思汽车研究数据，2023 年较 2022 年 L2、L2 、L2.5、L2.9 的装配量同比增长了 37.0%、71.9%、124.9%和 63.1%。截至2024 年 1-4 月，搭载 L2 及 L2 以上的乘用车渗透率由 2022 年的 34.8%上升至 2024 年(1-4 月)的 53.8%。众多车企密集发展城市众多车企密集发展城市 NOANOA，L2L2 和和 L2 L2 等级份额占比显著提升等级份额占比显著提升。根据佐思汽研数据，随着智能驾驶技术路线逐渐清晰，众多车企在技术路径、开城规模、落地速度和成本等方面发力城市 NOA，竞争进入白热化阶段。L2.9 装配开始出现了下探趋势，20-25 万元价格区间的 L2.9 装配率由 2023 年的 5.15%上升至 9.32%。高阶智驾逐渐突破高端车型的局限，加速向更广泛的中高端市场渗透，反映出用户对高阶智驾驶技术的认知度、认可度与接受度在持续且深入地增强，为高阶智驾的普及奠定了坚实广泛的用户基础。相关人士认为，未来 3-5 年高阶智驾将成为用户选车的重要依据，能提供高性价比智驾方案的车型将拥有更高的竞争力。从产业链看，芯片的国产替代将成为智驾平权的重要拼图，随着越来越多车企拥抱国产芯片，有望实现快速降本，进一步带动高阶智驾渗透率的提升。10/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告3、三大因素驱动智能驾驶快速发展、三大因素驱动智能驾驶快速发展（1）政策端：政策端落地驱动城市政策端：政策端落地驱动城市 NOA 普及普及国家层面国家层面：城市 NOA 技术发展迎来系统性政策支撑。国务院将道路交通安全法修订纳入 2024 年度立法计划及十四届全国人大常委会立法规划第一类项目，标志着自动驾驶领域立法进入快车道。本次修法由公安部主导，重点构建城市 NOA 应用的核心制度框架，针对道路测试资质审批、城市复杂场景通行规则、交通违法追溯机制及事故责任认定标准等关键环节建立明确规范。为配合法律体系建设，国家同步推进智能网联汽车准入试点工作，通过“立法 产业政策”双轮驱动加速城市 NOA 商业化进程。2025 年汽车标准化工作要点将自动驾驶安全标准升级为强制性国标，其中特别为城市 NOA 系统划定了技术安全基线：明确要求感知冗余度需达到 L4 级别，功能失效切换时延控制在 300 毫秒内，并建立覆盖夜间、雨雾等极端场景的量化测试体系。在验证机制方面，创新性构建“仿真测试 实车验证”双轨制认证体系。针对城市 NOA 高频使用的自动泊车、紧急制动等核心功能，首次将虚拟仿真测试列为强制性检测项目，同时细化路测数据采集标准，形成从算法开发到产品落地的全流程质量闭环。数据安全治理成为城市 NOA 发展的新维度。新规建立覆盖 OTA 升级、高精地图下发、用户行为数据采集等关键节点的安全防护体系，特别针对城市道路三维建模数据制定跨境传输白名单制度，为智能驾驶系统在城市场景的规模化应用筑牢安全基座。11/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告地方政府：自动驾驶法规体系建设迈出关键步伐地方政府：自动驾驶法规体系建设迈出关键步伐。北京、武汉两地于 2024 年 12 月 31 日同步出台地方性法规，为 L3 级及以上高阶自动驾驶技术的商业化应用构筑法律基础。北京市通过的北京市自动驾驶汽车条例明确自 2025 年 4 月 1 日起实施，其创新突破在于将 L3 级（有条件自动驾驶）纳入个人乘用车出行场景管理，首次在制度层面确立人机共驾模式下的事故责任认定规则。同期发布的武汉市智能网联汽车发展促进条例则将于 2025 年 3 月 1 日生效，通过构建涵盖道路测试、数据安全、保险体系的全链条制度框架，重点支持自动驾驶在智慧交通系统的深度应用。两大核心城市的立法突破，标志着我国自动驾驶法律体系从 L2 级辅助驾驶向 L3 级有条件自动驾驶的实质性跨越，为智能网联汽车产业规模化发展扫除关键制度障碍。（2）成本方面：激光雷达突破千元门槛，芯片算力成本较前代降低，视觉方案成本压成本方面：激光雷达突破千元门槛，芯片算力成本较前代降低，视觉方案成本压缩，三要素共同推动智能驾驶从高端车型向大众市场普及缩，三要素共同推动智能驾驶从高端车型向大众市场普及激光雷达进入激光雷达进入“千元时代千元时代”：随着技术进步和量产规模扩大，激光雷达从万元级降至千元级，降价幅度超过 90%。预计 2025 年售价将降至 1500 元以下，推动其在 20 万元以下车型中普及。禾赛科技禾赛科技新一代小巧型超高清远距激光雷达 ATX 售价从上一代 AT28 产品价格约 3000 元降至 1446 元（200 美元），降价幅度为 50%，且计划通过百万级出货进一步摊薄成本。速腾聚创速腾聚创推出的 MX 激光雷达成本持续下降，MX 首个量产项目定价 200 美元左右，计划 2025 年上半年规模量产，并进一步将价格锁定至 1000 元左右，成为行业首款“千元机”激光雷达。芯片算力成本优化芯片算力成本优化：英伟达 Thor 单芯片最高算力达到 2000TOPS，大约是上一代 Orin 芯片（254TOPS）的 8 倍，而单位算力成本大幅降低，支持更复杂的端到端算法运行。地平线征程 6 系列，其中两款中端产品 J6E（80TOPS）和 J6M（128TOPS），此两款产品作为“高效实用派”推动辅助驾驶技术向 10 万-20万元主力市场快速渗透。新一代征程系列 J6P 芯片（560TOPS）瞄准 L3 市场以及适配 25 万-40 万高阶智驾车型，进一步优化能效比。征程系列芯片在 2025 年总出货量瞄准 1000 万套，将成为首个突破该量级的国产智驾芯片品牌。视觉方案替代高精地图视觉方案替代高精地图：车企逐步采用“无图 NOA”方案，减少对高精地图的依赖，降低地图采购与更新成本。目前高精地图覆盖度低，只占全国公路里程的 6%左右，全国其余 94%公路段无法使用。另外高精地图更新周期慢，当前很多高精地图的更新周期都在半年左右，已然很难追上市场发展的需要。比亚比亚迪迪天神之眼 C 采用了 12 颗摄像头，12 颗超声波雷达以及 5 颗毫米波雷达，多个摄像头图像通过 Transformer 模型融合为俯视视角的鸟瞰图，实时生成车道线、交通标志等元素，替代高精地图的静态信息。天神之眼 C 纯视觉方案将高阶智驾硬件成本降至 4000 元以内，并且首次将高阶智驾技术下放至 7 万元级别的海鸥车型。相较于纯视觉方案，配备激光雷达的方案成本会略显上升，这是由于激光雷达的价格在千元以上，如问界 M9 搭载的华为激光雷达，单颗价格为 5000 元。12/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告（3）技术方面：智驾渗透率加速提升，技术方面：智驾渗透率加速提升，2025 年城市年城市 NOA 渗透率预计能达到渗透率预计能达到 20%在智能驾驶领域，技术升级与市场普及的双轮驱动，将推动高阶智驾渗透率呈现指数级增长态势在智能驾驶领域，技术升级与市场普及的双轮驱动，将推动高阶智驾渗透率呈现指数级增长态势。当前，智能驾驶技术演进路径已日趋明朗，正沿着基础 L2高速 NOA城市 NOA的轨迹持续迭代。随着汽车智能化转型取得阶段性成果，行业竞争焦点已转向成本优化、市场下沉和份额争夺，城市 NOA 技术正成为新一轮竞争的核心战场。2025 年将成为城市 NOA 发展的重要转折点，该技术将逐步渗透至 15-20 万元的主流价格区间，未来 2-3 年内势必将引发各大车企的激烈角逐。随着技术成熟和成本优化，高速随着技术成熟和成本优化，高速 NOANOA 有望渗透率超过有望渗透率超过 60%。作为高阶智能驾驶的核心功能，高速 NOA 已经进入规模化落地模式。目前，头部车企已经实现高速 NOA 的成熟应用。结合主流架构和轻高精地图的情况下，提升系统稳定性。同时，优化并解决高速场景下的极端气候。雷达的规模化量产，推动硬件成本降低，使高速 NOA 向 20 万元以下车型普及。消费者对长途驾驶疲劳缓解的需求强烈，高速 NOA 成为中高端车型的“标配”卖点。在未来 1-2 年内，高速 NOA 将逐步向燃油车渗透，成为智能驾驶的“基础功能”，从而实现“智驾平权”。13/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告三、国内外具体政策环境分析三、国内外具体政策环境分析1、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：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；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；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。14/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告2、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（国内汽车主动安全要求升级，自动紧急制动系统（AEBSAEBS）将转为强制标配）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。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。（1）今年初，国内首次放开今年初，国内首次放开 L3 级乘用车上路级乘用车上路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：个人乘用车出行；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；除危险货物运输以外的道路货物运输；摆渡接驳、环卫清扫、治安巡逻等城市运行保障；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。（2）国内各地区国内各地区 L4 级无人驾驶运营用车的试点区域不断扩大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。15/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告北京：推动北京：推动“五站两场五站两场”在内的重点场站自动驾驶接驳场景开放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：深圳：“AIAI 公交公交”驶上城市街头驶上城市街头。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。3、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，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。四、四、智驾行业新业态智驾行业新业态1、城市城市 NOA 加速渗透，高阶智驾下探下沉市场加速渗透，高阶智驾下探下沉市场城市城市 NOANOA 功能实现难度较大，功能实现难度较大，25-3025-30 万价格的车辆渗透率最高万价格的车辆渗透率最高。NOA（领航辅助驾驶，Navigate onAutopilot）是一种结合了导航的辅助驾驶功能，能够使汽车在特定道路上独立行驶，并完成变道、超16/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告车、转弯掉头等复杂操作。根据应用场景，NOA 分为高速 NOA 和城市 NOA。城市道路复杂程度远超高速道路，行人闯红灯、其他车辆的极限加塞、公交等大型车辆切入、电动车随意变道等，都增加了道路交通的不确定性，因此城市 NOA 功能的实现，对于智能汽车的环境感知能力和数据处理能力都提出了更高要求。根据佐思汽车研究的统计，2024 年 1-10 月，城市 NOA 在 20-25 万、25-30 万、大于 50 万价格区间的车辆渗透率出现较明显的增长，其中 25-30 万价格区间的车辆渗透率最高，达 47.9%。城市城市 NOANOA 加速规模化上车，自主品牌渗透率高于外资品牌加速规模化上车，自主品牌渗透率高于外资品牌。根据高工智能汽车研究院统计，2024 年中国市场（不含进出口）乘用车前装标配高速 NOA 交付 197.47 万辆，同比增长 162.31%，其中同时标配城市NOA 占比已经接近 40%。根据佐思汽研统计，截至 2024 年 10 月，自主品牌城市 NOA 渗透率达 9.1%，超过外资品牌的 7.0%。在自主品牌中，城市 NOA 普遍为车企自研，如小鹏、华为系、理想、蔚来小鹏、华为系、理想、蔚来等，占据销量 TOP16 车型中的 15 款。除此之外，2024 年第三方供应商高阶智驾方案交付达到 19.30 万辆，其中Momenta 以 72.96%的绝对领先优势排名首位。2424 年城市年城市 NOANOA 迈入迈入 15-2515-25 万元区间，万元区间，2525 年比亚迪推动年比亚迪推动“智驾平权智驾平权”，有望推动高阶智驾下沉至，有望推动高阶智驾下沉至 1010 万元万元级车型级车型。在 15-20 万元区间，2024 年多款搭载城市 NOA 功能的车型如小鹏小鹏 MonaM03/P7 、广汽广汽埃安 V/RT及深蓝 L07 等相继面市，推动城市 NOA 在该价格区间渗透率提升。此外，比亚迪比亚迪在 2025 年 2 月 10 日推出“全民智驾”战略，将高阶智驾下沉至 10 万元级车型，将搭载“天神之眼 C”智驾系统，力争计划未17/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告来 2-3 年实现 60%以上车型搭载高速 NOA 及以上智驾技术，预计城市 NOA 功能在低于 15 万价格区间内渗透率将迅速提升。2、两个两个“端到端端到端”：端到端新技术聚焦：端到端新技术聚焦 VLA 与世界模型，与世界模型，“车位到车位车位到车位”智智驾功能成为竞争焦点驾功能成为竞争焦点（1）第一个端到端：技术架构的端到端第一个端到端：技术架构的端到端端到端大模型是智驾实现过程中一种用于简化人工编写规则代码的深度学习模型，可以直接处理来自摄像头、雷达等传感器的原始数据，并输出感知数据或驾驶决策指令。根据在感知层/决策规划层的应用方式，端到端可以分为：感知层端到端、两段式端到端、一段式端到端。三种方案对人工编写规则代码的依赖程度依次降低。一段式需要大量数据支持，具备泛化性高、硬件成本小等优势，是智能驾驶的终极实现方案。20242024 年端到端已实现量产上车，国内头部智驾主机厂以两段式为主年端到端已实现量产上车，国内头部智驾主机厂以两段式为主。2024 年，端到端大模型成功量产的自研车企有特斯拉、理想、小鹏、华为鸿蒙智行特斯拉、理想、小鹏、华为鸿蒙智行等，第三方智驾供应商代表有 Momenta 和华为 Hi 模式。量产车型以两段式端到端为主，提供一段式上车方案的仅有特斯拉、理想和 Momenta。预计一段式端到端规模化落地时间将晚于模块化端到端 1-2 年时间。世界模型是结合了生成式人工智能的一段式端到端方案，目前尚处预研阶段世界模型是结合了生成式人工智能的一段式端到端方案，目前尚处预研阶段。世界模型，也称生成式一体化端到端，采用生成式人工智能预测自车和周围环境在过去场景中的时序演变方式，模拟真实世界的交通场景动态，以实现感知决策一体化。目前华为、蔚来、理想、小鹏华为、蔚来、理想、小鹏等车企均在世界模型有所布局。多模态模型与端到端的融合成为新方向，代表性方案为理想的多模态模型与端到端的融合成为新方向，代表性方案为理想的“端到端端到端 VLM VLM”双系统和元戎启行的双系统和元戎启行的 VLVLA A架构架构。VLM（Vision Language Models，视觉语言模型）是一种能够处理和理解图像和文本数据的多模18/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告态模型。VLA(Vision Language ActionModel，视觉语言动作模型)在 VLM 的基础上增加了动作控制能力，即从感知输入直接映射到机器人或自动驾驶系统的控制动作。2024 年 10 月，理想理想双系统 Drive VLM 全量推送，其中 VLM 部署一颗 Orin X 上，用来指导另一颗 Orin X 上的端到端模型。2024 年 9 月，元戎启元戎启行行基于 Thor 芯片研发了 VLA 模型。2025 年 1 月 22 日，元戎启行宣布已与某头部车企达成 VLA 量产合作。预计 2025 年，基于“端到端 VLM”和“VLA“的技术路线有望被更多方案商/车企采用。（2）第二个端到端：产品体验第二个端到端：产品体验“车位到车位车位到车位”的端到端的端到端智驾产品体验经过了从智驾产品体验经过了从“开城开城”到到“全国都能开全国都能开”，最后到，最后到“车位到车位车位到车位”，实现了产品体验上的端到，实现了产品体验上的端到端，用户智能驾驶的可用范围和时段持续增长端，用户智能驾驶的可用范围和时段持续增长。“车位到车位”是指车辆的自动行驶功能可以从起始停车位直接行驶到目标停车位，而不需要驾驶员干预。系统利用安装在车辆上的传感器通信、决策及执行等装置，贯通行泊场景，实现从起点车位到终点车位全过程、点到点的高阶智能行驶，在行驶全过程中实现自动驶出车位、过闸机、路径规划障碍物避让、自动泊车等多种复杂功能。智驾产品体验经过了从“开城”到“全国都能开”，最后到“车位到车位”，实现了产品体验上的端到端，用户智能驾驶的可用范围和时段持续增长。20252025 年年“车位到车位车位到车位”智驾功能将成为各车企竞争焦点，提升全场景连贯性要求智驾功能将成为各车企竞争焦点，提升全场景连贯性要求。2024 年底以来，华华为、理想、小鹏、极氪、小米为、理想、小鹏、极氪、小米和长城长城等车厂相继内测并推送了“车位到车位”智驾功能，包括自主泊车、园区通行、自动过闸机等，标志着智能驾驶技术从“全国都能开”的广泛覆盖，向“从 A 点开到 B 点”的精准使用价值转变，要求智驾系统在全场景下的连贯性与完整性。19/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告五、五、VLA 技术路线技术路线1、VLA 技术路线演进历程技术路线演进历程（1）VLA 技术加速演进：驱动自动驾驶范式变革的核心力量技术加速演进：驱动自动驾驶范式变革的核心力量当前，当前，VLAVLA 模型的快速发展正成为智能驾驶与通用机器人领域范式变革的核心推动力模型的快速发展正成为智能驾驶与通用机器人领域范式变革的核心推动力。Vision-Language-Action（VLA）模型是将视觉（Vision）、语言（Language）与动作（Action）三大模态深度耦合的端到端智能体系。其核心在于以统一的多模态表示与训练框架，将“看懂做”三环节打通：模型直接接收图像/视频等感知输入与自然语言任务指令，经过联合表征与时空推理，输出可执行的物理世界控制量（如机器人关节轨迹、车辆转向与纵向控制命令）。相较传统“感知决策控制”分段式管线，VLA 以单一骨干网络承载跨模态特征对齐与意图理解，减少中间信息丢失与手工规则依赖，实现对目标、场景、语义约束与行动策略的协同优化；在部署侧，可结合记忆与规划头实现闭环推理，提升对复杂、长尾场景的泛化稳健性与拟人化决策能力。VLA 因而成为智能驾驶与通用机器人迈向“大模型一体化”的关键枢纽，并为后续与世界模型、端云协同训练及轻量化蒸馏等路径的结合奠定基础。VLAVLA 发展被分为四个阶段发展被分为四个阶段。2023 年 7 月，谷歌 DeepMind 发布 RT-2 模型，将 VLA（Vision-Language-Action）框架引入机器人与自动驾驶领域。通过融合大语言模型与多模态数据训练，该模型实现了任务理解与执行能力的显著跃升，准确率提升近一倍，并具备对零样本任务的泛化能力，验证了视觉、语言与动作深度融合的有效性，为 VLA 在智能驾驶等产业化应用奠定基础。VLA 理念随即受到整车厂高度关注，成为智能驾驶技术路线演进的重要方向。近日，麦吉尔大学、清华大学、小米和威斯康辛大学等团队联合发布综述A Survey on Vision-Language-Action Models for Autonomous Driving，将 VLA发展分为四个阶段：Pre-VLA、Modular VLA、End-to-end VLA 与 Augmented VLA，系统梳理了其技术特征与演进路径，为产业落地提供了清晰框架。（2）VLA 技术落地提速：小鹏与理想引领智能驾驶量产进程技术落地提速：小鹏与理想引领智能驾驶量产进程车企技术路径分化，小鹏与理想率先实现车企技术路径分化，小鹏与理想率先实现 VLAVLA 车型量产化布局车型量产化布局。2024 年 7 月，小鹏汽车小鹏汽车在 G7 车型发布会上率先宣布 VLA 量产上车，并计划于 7 月 29 日正式发布完整方案。理想汽车理想汽车则同步推进 i8 车型的VLA 部署。在发布会上，小鹏汽车创始人将传统端到端与 VLA 的区别比喻为“小脑”与“大脑”的差异：传统方案主要依赖运动小脑实现“让车会开”，而 VLA 通过引入语言与世界模型，实现大脑级的全局理解与决策，“让车开得好”。两家车企在技术路径上形成差异化：理想汽车采取“云端蒸馏端侧强化”的两段式策略，即先对云端基座大模型蒸馏，再对端侧模型强化学习后落地；小鹏则采取“云端强化端侧蒸馏”的路径，即先通过云端大模型强化学习，再蒸馏轻量化模型至端侧。这种路径差异体现出车企在模型规模、数据闭环、推理效率等方面的技术取舍与产品节奏的不同。20/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告工厂化训练部署体系成型，工厂化训练部署体系成型，VLAVLA 加速驱动智能驾驶能力曲线跃迁加速驱动智能驾驶能力曲线跃迁。在工程化推进上，小鹏与理想均已形成初步的 VLA 工厂化训练与部署体系。理想汽车在 2025 年 5 月公开披露，其云端基座模型规模已达 320亿参数，通过蒸馏与驾驶场景强化学习，在端云协同中实现持续优化。而小鹏汽车则建立了分阶段部署工厂：第一车间完成基座模型的预训练与后训练；第二车间负责蒸馏压缩；第三车间继续对蒸馏模型进行增量训练；第四车间最终实现 XVLA 在车端的部署。小鹏世界基座模型团队透露，目前已在云上完成10 亿、30 亿、70 亿、720 亿等多个规模版本的训练，形成可针对不同车型和计算平台灵活落地的“多级世界模型”体系。随着 VLA 部署逐步标准化、工程化，端到端自动驾驶有望在实际驾驶场景中实现更强的环境理解能力、动作生成能力和可泛化的闭环控制能力，行业进入智能化曲线加速期。（3）头部玩家与代表方案头部玩家与代表方案小米小米 ORIONORION：小米 ORION 架构是典型三段式 VLA 架构，主要由三个关键组件构成：QT-Former、LLM 及生成式规划器。首先通过视觉编码器对图像编码；其次 QT-Former 实现长期上下文提取并连接视觉空间与LLM 模型的推理空间；LLM 将场景特征、历史视觉信息、用户指令等多模态信息结合执行推理任务并预测一个规划标记；最后生成式规划器生成由规划标记条件约束的多模态轨迹。理想理想 MindMind VLAVLA：Mind VLA 是理想汽车自主研发的自动驾驶机器人大模型，该技术整合视觉、语言与行为智能，采用 3D 高斯表征建模模块和云端统一世界模型架构，支持自然语言交互与非标交通标志识别，技术架构基于视觉-语言-行为融合模型(VLA)，包含三维空间编码器、自研 MoE 基座模型及扩散模型轨迹优化模块，通过 RLHF 机制对齐人类驾驶偏好。WaymoWaymo EMMAEMMA：EMMA 模型架构主要由编码器 大语言模型构成。感知部分，EMMA 模型开创性的同时处理文本、图像等多模态输入，并利用视觉-语言框架将所有的输入和输出表示为普通文本，将驾驶任务转化为视觉问答问题，充分利用其 Gemini 大语言模型储备的大量知识，更好的理解驾驶任务中的动态变化。小鹏小鹏 XNGPXNGP VLAVLA：小鹏汽车的 VLA 技术路线以“云端强化端侧蒸馏”为核心特征，强调通过闭环数据体系实现大模型的工程化落地。在感知层面，小鹏基于多模态传感器构建统一的 3D 语义空间，融合摄像头、毫米波雷达与高精地图信息，实现对交通参与者与道路结构的高精度理解；在推理层面，云端基座模型通过强化学习持续提升复杂场景的泛化与规划能力，再通过蒸馏压缩技术下放到车端轻量模型，兼顾推理精度与实时性；在控制层面，端侧 VLA 模型与车辆控制系统深度耦合，形成“感知认知行动”一体化闭环决策链路。21/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告2、VLA 技术路线核心特征与当下痛点技术路线核心特征与当下痛点（1）VLA 技术落地的三大关键抓手：技术落地的三大关键抓手：3D 中间表征、长时序记忆、效率中间表征、长时序记忆、效率/能耗优化能耗优化3D3D 中间表征：实现感知中间表征：实现感知决策决策控制的一体化桥梁控制的一体化桥梁。VLA 模型在车端和云端的高效运行依赖于稳健的 3D中间表征，这一特征本质上是连接感知层与决策层的抽象表示。自动驾驶中的中间表征不仅涵盖常规的场景语义、道路结构、行人和障碍物等静态信息，还包含速度、运动方向等动态要素。通过对周边环境隐式与显式信息的统一编码，3D 中间表征能够为下游决策提供高维、结构化的空间语义基础，有效减少感知结果与控制指令之间的信息损耗。相比传统“2D 感知 规则决策”的模式，这种表征能更好地支持复杂驾驶场景下的时空推理与闭环控制，使模型具备更强的泛化和鲁棒性，也为多任务协同（如路径规划、避障与交通流预测）提供了统一的语义载体。长时序记忆：应对动态驾驶场景的核心机制长时序记忆：应对动态驾驶场景的核心机制。在自动驾驶场景中，车辆决策往往并非基于单帧信息，而是对长时序信息的持续理解与利用。由于大语言模型和感知模块天然存在时序窗口受限的问题，若模型缺乏长时序记忆机制，容易在多步推理中产生信息遗失或语义漂移，导致驾驶行为混乱或目标识别失误。VLA 框架通过引入记忆机制，强化了对时间维度的连续建模能力，使其能够在多回合交互、复杂交通流变化和突发场景中维持稳定的决策输出。外部学术界和产业界也普遍将“时序建模”视为智能驾驶迈向类人驾驶能力的关键要素之一，长时序记忆的增强不仅能提升准确率，更直接关系到整体安全性与可靠性。多模态融合：实现多源信息协同的核心引擎多模态融合：实现多源信息协同的核心引擎。VLA 模型在复杂场景下的高效感知与决策依赖于强大的多模态融合能力，这一机制本质上是打通视觉、语义、运动等多源信息的协同通道。自动驾驶中的多模态融合不仅整合多摄像头的视觉特征、车辆运动状态等感知信息，还纳入导航指令、交通标志文字等语义信息。通过在特征提取阶段的特征级融合（如多视角图像特征拼接/加权）与决策阶段的决策级融合（如多模态决策结果综合），再结合交叉注意力机制实现模态对齐，多模态融合能够为模型提供全面、精准的场景理解基础，有效避免单模态信息的局限性。相比单一模态或简单多模态拼接的模式，这种融合机制更能适应复杂多变的驾驶场景，提升模型对环境的感知精度与决策鲁棒性，也为多任务协同（如环境感知、路径规划、人机交互）提供了统一的信息载体。22/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告（2）VLA 工程化难点与当下痛点工程化难点与当下痛点极端工况下的模型稳定性极端工况下的模型稳定性：在暴雨、强光、隧道明暗突变等极端环境下，感知模块性能普遍出现显著衰减，而语言指令也可能因识别误差而产生语义歧义。这类极端场景直接冲击 VLA 模型的跨模态稳定性与鲁棒性。其技术难点在于如何实现模态间的动态互补机制，例如在视觉传感受限时通过雷达与语言引导实现信息补强，或在语音识别不稳定时通过视觉和地图信息反向约束决策逻辑。同时，如何在复杂工况下保证模态间的置信度判断与自适应权重调整，也成为端到端智能驾驶从“可用”走向“可靠”的关键门槛。长尾场景的泛化能力长尾场景的泛化能力：自动驾驶的关键瓶颈之一在于对长尾低频场景的泛化，例如夜间施工、动物横穿马路等，这些情境往往样本稀缺且分布复杂。传统以单模态为主的模型很难通过大规模监督学习有效覆盖，而 VLA 模型虽然具备更强的语义表达与组合能力，但在少样本或零样本条件下仍面临跨模态语义对齐不稳的问题。当前业界普遍通过预训练与迁移学习、语义分解等方式实现视觉语言的动态耦合，以提高语义映射的准确性与泛化性。然而，这一过程在实际工程落地中仍面临标注噪声、语义漂移和场景偏移等系统性挑战，成为制约大规模落地的核心痛点之一。多源数据的时序同步与时空一致性多源数据的时序同步与时空一致性：VLA 模型的有效运行依赖多源信息（如摄像头、雷达、语音指令）的时序同步与时空对齐。但在实际工程中，不同传感器的采集频率和延迟存在天然差异，如视觉帧率高、语音输入低频，导致特征对齐时易出现时间错位和空间漂移，严重时可能干扰下游决策逻辑。为此，产业界正在探索基于时空对齐优化的跨模态特征融合策略，如引入动态缓存机制、模态对齐层或中间对齐表征，以缓解多源异步问题。但这一过程对系统架构设计、算力调度和算法鲁棒性均提出更高要求。3、VLA 技术路线发展趋势研判技术路线发展趋势研判（1）VLA 与与 E2E/VLM 的差异与技术演进趋势的差异与技术演进趋势VLAVLA 的技术范式与的技术范式与 E2EE2E（端到端模型）（端到端模型）/VLM/VLM 的本质差异的本质差异：相较传统“模块化/两段式端到端”技术路线，VLA 的核心优势在于模态信息的深度耦合与端到端协同优化。传统方案下，各模态（视觉、雷达、语言）独立运行，依赖固定接口实现信息传递，存在感知精度受限、信息在传输中损耗严重以及多模块协调复杂等问题。尤其在涉及驾驶场景中长期决策、突发场景响应时，分段式管线会造成认知延迟与执行不一致。而 VLA 通过统一多模态语义空间，将视觉信息、语言指令与行动策略在同一模型内部进行联合建模与动态交互，从根本上降低了信息壁垒，实现对场景的整体理解与全链路响应。其优势不仅体现在准确性和鲁棒性提升，更为后续的世界模型和长期决策规划提供了高质量的基础输入。VLAVLA 对比对比 E2E VLME2E VLM：从：从“感知感知-决策决策”到到“感知感知-认知认知-行动行动”。在“E2E VLM（松耦合）”方案中，端到端模型（E2E）主要负责对感知层数据（如摄像头、雷达等）进行基础处理，VLM（视觉语言模型）则作为补充模块参与理解与推理，但两者在系统架构上相对独立，信息交互受限，容易在复杂场景中出现响23/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告应滞后或语义对齐不稳定等问题。而 VLA 代表了一种更前移的融合设计思路，其将视觉与语言直接引入“行动生成”环节，在同一神经网络体系中实现语义解析、行为规划与执行决策的一体化联动。举例来说，当车辆接收到“变道靠右”的语音指令时，视觉输入（如道路结构、周边车辆动态信息）与语言信号同步进入模型，在内部通过深度语义融合实现快速、精确的操作决策。这种架构显著提升了系统的响应速度和决策一致性，也为未来实现类人驾驶行为打下技术基础。技术演进趋势：技术演进趋势：VLAVLA 与世界模型的深度耦合与世界模型的深度耦合。VLA 并非仅是 E2E 与 VLM 的简单叠加，而是一种更接近认知智能的技术范式。它以世界模型为中枢，将端到端的感知与语言理解嵌入对环境的持续建模与预测之中，实现“全程可求导”的闭环控制链路。这一特征使模型能够在复杂交通场景中完成超越单帧感知的高维推理，并具备面向长期目标的策略规划能力。从技术演进角度看，VLA 的出现意味着自动驾驶正从“信息传递型”架构向“认知驱动型”架构加速转变，也成为头部车企与科技公司加速布局的重点方向。未来，VLA 与世界模型的深度融合，有望成为高阶智驾系统实现类人驾驶决策能力的关键拐点。（2）技术演进趋势：技术演进趋势：VLA 逐步迈向围绕逐步迈向围绕“空间空间时间时间成本成本”三条核心路径的系统化演三条核心路径的系统化演进进空间维度：从单模态感知到三维语义世界的高精建模空间维度：从单模态感知到三维语义世界的高精建模。空间维度的演进方向，正在由传统的二维感知，快速向高精度三维语义建模过渡。通过引入 3D 中间表征与 3DGS（3D Gaussian Splatting）等技术，系统能够在单次感知中实现对环境更完整、更连续的语义编码，兼顾静态目标与动态场景的精确表达。这不仅为路径规划和控制决策提供了更稳固的感知基础，也为世界模型的构建提供了高质量输入。与此同时，三维空间理解还将与多模态融合进一步协同，融合摄像头、雷达、语音指令与先验地图，实现“感知-理解-推理”的一体化空间语义链路。预计未来主机厂和 Tier1 供应商将在这一维度加速技术整合，形成自有的空间语义建模能力壁垒。时间维度：从短时推理到长时记忆与预测时间维度：从短时推理到长时记忆与预测。自动驾驶系统的决策并非单帧推理，而是建立在对连续时间序列的理解和预测之上。传统端到端模型受限于计算和记忆机制，难以对长时间跨度的驾驶场景进行有效建模。而随着记忆机制和 RAG（Retrieval-Augmented Generation）等技术的发展，VLA 模型具备了对历史场景进行“检索关联预测”的能力，实现从“当前感知”到“未来意图”的平滑推演。比如，当车辆进入复杂路口时，模型不仅依赖当前感知结果，还可回溯数十秒内的历史语义信息和行为轨迹，从而更精准地预测潜在风险与交互结果。未来，具备“时序连续性”的 VLA 模型将成为实现真正类人驾驶的关键技术之一，也为场景泛化与安全冗余提供基础保障。成本维度成本维度：从单一算力堆叠到结构化算力优化成本维度的技术演进，是 VLA 能否规模化上车的决定性因素。当前大模型在端侧的部署，受限于车规芯片的算力与功耗，直接影响推理时延与用户体验。因此，MoE（Mixture of Experts）专家混合技术与模型蒸馏、量化压缩方案逐渐成为主流路径。一方面，通过激活部分专家网络降低计算负荷，实现“按需调用”；另一方面，通过蒸馏技术在云端训练大模型、24/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告端侧部署轻量模型，实现性能与效率的平衡。这种分层算力架构不仅降低了边缘端的部署成本，也为后续的 OTA 快速迭代留出了算力余量。未来，MoE 与端云协同推理的结合，将成为推动高阶智驾系统普及的关键技术基础设施。六、六、世界模型技术路线世界模型技术路线1、世界模型的定义及演进、世界模型的定义及演进（1）世界模型：智慧的核心在于反事实推理世界模型：智慧的核心在于反事实推理世界模型最早出现在机器学习领域世界模型最早出现在机器学习领域：2018 年 Jrgen Schmidhuber 在 NeurIPS 发表了一篇以“worldmodels”命名的文章，以认知科学中人脑 mental model 来类比世界模型，认为 mental model 参与了人类的认知、推理、决策过程。该框架图有三个主要的模块组成该框架图有三个主要的模块组成：即 Vision Model（V），Memory RNN（M）和 Controller(C)，世界模型这种 RNN 架构，非常不适合 GPU 加速，所以前期发展缓慢。世界模型最核心的能力在于反事实推理世界模型最核心的能力在于反事实推理。即便对于数据中没有见过的决策，在世界模型中都能推理出决策的结果。AI 研究人员对 world model 的追求，是试图超越数据，进行反事实推理，回答 what if 问题能力的追求。这是一种人类天然具备，而当前的 AI 还做得很差的能力。一旦产生突破，AI 决策能力会大幅提升，实现全自动驾驶等场景应用。（2）RSSM 和和 JEPA 是目前的主流世界模型架构是目前的主流世界模型架构25/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告20192019 年，世界模型进一步演化出了年，世界模型进一步演化出了 RSSMRSSM 架构架构-生成式预测生成式预测。循环状态空间模型(RSSM)的创新之处在于它在图 c 中战略性地将状态分解为随机和确定性成分，有效地利用了确定性元素的预测稳定性以及随机元素的适应潜力。这种混合结构保证了强大的学习和预测能力，既适应了现实世界的不可预测性，又保持了信息的连续性。通过结合 RNN 的优势与状态空间模型(SSM)的灵活性，RSSM 为世界模型建立了一个全面的框架，增强了它们在保持精确性和适应性的同时预测未来状态的能力。JEPAJEPA 架构于架构于 20232023 年提出最新版本为年提出最新版本为 20252025 年年 6 6 月发布的月发布的 V-JEPA2-V-JEPA2-表征式预测表征式预测。JEPA 的设计灵感源自人类认知方式。通过自我监督学习（self-supervised learning），从输入数据（如影片、传感器数据）中提取高维表征，并预测未来状态的表征，而非生成像素级细节。例如，在分析一段影片时，JEPA 不会试图预测下一帧的每个像素，而是预测场景的抽象状态，这种方法大幅降低计算需求，并更接近人类的认知效率。（3）世界模型：从世界模型：从“感知模仿感知模仿”到到“认知思考认知思考”的演进的演进世界模型通过自监督学习的方式从大量未标注的数据中提取出有价值的信息，从而增强模型的性能和效率。在驾驶场景生成方面，世界模型可以创造多样化、真实化的驾驶环境，丰富训练数据集，提高自动驾驶系统的鲁棒性和适应性；在规划和控制策略方面，世界模型也可以帮助车辆进行未来预测和决策制定，提升行驶安全性和稳定性。2、头部玩家与方案、头部玩家与方案26/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告（1）海外先验迭代海外先验迭代-Wayve 生成式世界模型生成式世界模型Wayve-GAIA-1Wayve-GAIA-1（2023.62023.6）生成式世界模型，开启自动驾驶环境建模新范式）生成式世界模型，开启自动驾驶环境建模新范式。GAIA-1 是用于端到端自动驾驶环境建模与决策的生成式世界模型，采用“视频 文本 动作”多模态输入方式，通过大规模英国城市驾驶数据训练，可学习预测视频序列后续帧，具备类大型语言模型（LLM）的自回归预测能力。该模型突破标准生成视频模型局限，能理解并分解车辆、行人、道路布局、交通信号灯等核心驾驶概念，精准控制自车行为与场景特征；更可通过多样化驾驶数据学习世界潜在生成规则，综合自然结构与模式，生成高度逼真且多样的驾驶场景，为具身人工智能落地（系统与世界互动、理解并重现规则）迈出关键一步。此外，GAIA-1 通过整合世界模型与驾驶模型，提升对现实场景的泛化能力，未来还将完善预测、模拟、鸟瞰图生成等方法；同时支持训练数据外的场景推断，能生成错误驾驶行为的模拟数据，为自动驾驶安全评估提供受控环境。Wayve-GAIA-2Wayve-GAIA-2（2025.32025.3）场景能力大升级，推动自动驾驶泛化与验证进阶）场景能力大升级，推动自动驾驶泛化与验证进阶。GAIA-2 在 GAIA-1 基础上，核心升级为“更丰富真实的生成式场景能力”。由于真实世界复杂场景（尤其是低概率安全场景）采集成本高、难度大，GAIA-2 通过扩大地理覆盖范围，可生成英国、美国、德国等多国不同驾驶场景，让AI 驾驶模型在合成数据中就能学习全球交通规则与道路标志。同时，GAIA-2 支持时间（黎明到夜晚）、天气（晴天到雨雾）、道路类型（城市拥堵街、郊区乡间路、高速公路等）的精细控制，能高效生成全维度复杂场景，为 AI 驾驶系统提供更贴近真实世界的训练与验证环境。此外，GAIA-2 具备“多视角同步生成”能力，可同时输出多达五个视角的视频，保证多摄像头视角在时间与空间上的一致性，助力依赖多传感器融合的自动驾驶系统更精准感知环境，做出更安全可靠的驾驶决策。（2）鸿蒙智行鸿蒙智行 WEWA：构建难例场景库：构建难例场景库乾崑智驾乾崑智驾 ADS4-ADS4-世界引擎世界引擎 世界行为模型架构（世界行为模型架构（WEWAWEWA 架构）于架构）于 20252025 年年 4 4 月发布，首版本月发布，首版本 9 9 月开启规模推月开启规模推送，预计送，预计 20252025 年底将新增车外语音控车、隔窗通话等功能年底将新增车外语音控车、隔窗通话等功能。WE-WE-难例扩散生成模型，安全强化学习难例扩散生成模型，安全强化学习。底层逻辑依托先进的扩散生成模型技术，通过 AI 生成难例扩散模型，以提供高质量高密度难例场景，并提高难例密度 1000 倍。智能驾驶的训练数据来源，实现从依赖有限、昂贵且难以获取的“人采实路数据”，向可无限生成、按需定制的“AI 合成数据”的历史性跨越。27/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告在云端长期实现 AI 与 AI 互相监督强化训练，构建了一套“安全优先”的强化学习（RL）机制，系统为AI 智能体设定明确的奖惩规则。WA-WA-全模态感知，原生机模型全模态感知，原生机模型。基于车辆多传感器融合（视觉、听觉、触觉等）收集的全模态感知信息进行直接训练；构建智驾原生基模型，显著降低了时延和资源需求，为高效精准决策打下了底层基础；运用 MOE 多专家架构可以根据不同场景调用不同的能力。3、世界模型技术路线发展趋势研判世界模型技术路线发展趋势研判（1）相对其他路线能解决什么相对其他路线能解决什么相对相对“仅重建仅重建/回放回放”：传统的仅基于已有数据和场景的重建与回放模式，更多是将过去的驾驶场景原样复现，难以突破已有信息的局限。这种方式在早期数据驱动阶段具有一定意义，但局限性也十分明显：它无法在复杂、多变、充满不确定性的真实驾驶环境中实现充分的知识扩展与泛化。而世界模型的优势在于，它能够在对真实世界运行规律、交通规则与驾驶行为模式的深度学习基础上，抽象出可复用的“内在表征”。当系统面临潜在的长尾场景时，模型不仅可以依赖已学得的知识，还能主动推演出该场景下可能出现的多种决策分支与后续演变路径，从而支持更灵活的推理与策略学习。这种由“被动复现”向“主动认知”的转变，显著增强了系统应对复杂动态环境的决策深度和安全冗余。相对相对“纯纯 E2EE2E 模仿学习模仿学习”：传统 E2E 方式主要通过模仿已有驾驶行为进行训练，其表达能力与上限受制于训练样本本身，难以超越既有驾驶水平。同时，真实道路上的试错成本极高，不仅存在安全风险，还可能导致高昂的研发代价。相比之下，强化学习（RL）与世界模型（WM）的深度结合，为自动驾驶系统带来了更高的灵活性与自适应能力。通过在虚拟环境中不断进行交互、试错与优化，系统能够在无风险条件下提前演化出多种可行驾驶策略，并基于奖励信号强化决策逻辑。这样的训练机制使得模型不再完全依赖于“记忆已有经验”，而是具备了主动探索与优化能力，能有效降低错误策略导致的安全风险与成本消耗。28/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告（2）未来趋势未来趋势与多模态大模型深度融合与多模态大模型深度融合：未来，世界模型的发展将与多模态大模型的进步高度协同。视觉语言动作模型（如 VLM、VLA）的引入，使自动驾驶系统能够在语义、感知和决策之间实现无缝衔接。通过融合图像、视频、语义、动作等多模态数据，世界模型将获得更强的环境理解、目标识别和动态预测能力，从而在复杂交通场景中展现出接近人类驾驶员的判断力和应对灵活性。这种跨模态的理解与生成能力，将成为提升自动驾驶泛化与可靠性的核心基础。驱动端到端解决方案的发展驱动端到端解决方案的发展：随着算法与算力的持续提升，未来自动驾驶的技术架构将逐步从“感知-决策-控制”的模块化流程，演进为以世界模型为核心的端到端闭环方案。通过大规模时空场景合成和仿真训练，自动驾驶系统能够在模型内部直接形成环境表征与行为规划逻辑，减少依赖人工规则与高精地图。这种“以世界为模型”的方案将显著降低开发成本，加快技术落地周期，并在动态、不确定环境中保持更高的鲁棒性与自适应能力。多模态数据融合与跨模态处理多模态数据融合与跨模态处理：未来的世界模型将进一步强化对多源传感器数据的理解与整合能力。相比单一模态，跨模态数据的融合不仅能提高目标检测和环境建模的精度，还能增强模型在低能见度、遮挡、恶劣天气等极端场景下的稳定性。随着计算架构和算法的演进，世界模型将在统一表示空间中处理图像、点云、语义、时空先验等多维信息，打破传统感知与决策边界，为复杂场景下的全局理解和推理提供更强支撑。实现更强大的预测和推理能力实现更强大的预测和推理能力：未来世界模型不仅仅是对环境的被动理解工具，更将演进为具备主动推理与未来预判能力的“认知中枢”。通过在模型内部建立高精度的世界知识结构，自动驾驶系统能够提前推演可能的交通情境，对动态事件进行预测与干预，从而实现更接近人类驾驶员的“防御性决策”与主动避险。同时，这种推理能力也将推动虚拟仿真与现实验证的深度融合，使系统在面对未知场景时具备更强的泛化性与可靠性。七、七、行业竞争格局行业竞争格局变化变化1、智能驾驶、智能驾驶或将引发行业新一轮淘汰赛或将引发行业新一轮淘汰赛智能汽车与智能手机的市场格局演变的驱动因素具有一定的相似性。在技术导入期，由于进入门槛低、智能汽车与智能手机的市场格局演变的驱动因素具有一定的相似性。在技术导入期，由于进入门槛低、已有产品竞争力差，入局者众多带动市场格局趋于分散已有产品竞争力差，入局者众多带动市场格局趋于分散。20162018 年，新能源汽车技术变革开启，传统燃油车企反应速度相对落后，比亚迪比亚迪加速推进新能源车型上市，北汽新能源、知豆、众泰北汽新能源、知豆、众泰等车企纷纷布局，市场集中度趋于分散，CR3/CR5/CR10 分别从 2016 年的 59.6%/77.2%/96.4%下滑至 2018 年的34.9%/43.3%/57.1%。在技术收敛期，主要考察参与者的规模效应和降本能力，技术变革让资格赛变为淘汰赛，逐步带动市场格局集中。20192024 年，新能源汽车行业进入高速增长期，电动化技术逐步成29/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告熟、产品力提升，高度依赖补贴、缺乏核心竞争力的车企逐步出清。此时，产品力、规模效应和降本能力成为核心竞争要素，带动市场格局逐步收敛，CR3/CR5/CR10 分别从 2019 年的 36.6%/47.4%/64.1%提升至 2024 年的 48.1%/59.7%/77.9%。根据智驾能力的差异可将车企分为三梯队根据智驾能力的差异可将车企分为三梯队。第一梯队是软硬全栈自研模式第一梯队是软硬全栈自研模式。以特斯拉特斯拉为代表，智驾芯片和算法全栈自研。一体化自研使得软硬件的适配性更好，可以用更低的性能参数实现系统性能最优（低成本的一种实现方式），品牌效应叠加规模效应下，盈利能力也将领先于行业平均水平。第二梯队是软第二梯队是软件自研硬件外购模式件自研硬件外购模式。以现阶段的蔚小理蔚小理（蔚小理为代表的国内新势力正努力向软硬全栈自研发展）、小米、吉利、长城、长安小米、吉利、长城、长安等为代表，智驾芯片外部采购，智驾算法自研（或与供应商联合开发）。芯片企业利用规模优势提供性价比的芯片，车企利用算法和功能定义实现产品的差异化，在该模式下车企主要赚取车的硬件利润和软件收益。第三梯队及以下需完全借助外部系统解决方案第三梯队及以下需完全借助外部系统解决方案。由于车企自身芯片级算法能力均较弱，需要借助第三方供应商提供系统级解决方案，典型代表如与鸿蒙智行合作的车企。由于产品和功能定义权在解决方案供应商手中，因此在该模式下车企主要赚取车的硬件利润以及少量软件分成。智能驾驶有望引发汽车行业新一轮淘汰赛智能驾驶有望引发汽车行业新一轮淘汰赛。智能驾驶对销量的贡献是一个渐进的过程，随着 L2 功能逐步成熟，消费者使用频次提升、体验优化，智能驾驶对消费者购车决策的影响力将逐渐放大，智能驾驶“有没有”和“好不好”将更直接地影响车型销量。根据乘联会的数据，2024 年整车市场中自主品牌的份额呈现明显的“微笑曲线”：即 15 万以下和 25 万以上价格带车型中自主品牌占据绝对优势，而在1525 万价格带车型中自主品牌与合资品牌的竞争仍处于焦灼状态。对中低端市场而言，消费者对智驾的付费意愿不强，智驾方案主要以第三方为主，但能力突出的自主车企有望搭载相关功能打造差异化的优势，借此巩固市场份额；对中高端市场而言，车企/品牌需要突出智能化的长板，智能驾驶对中高端市场格局的影响或更为显著，自主品牌车企可凭借软件算法自研提升市场份额，而智驾能力较弱的中高端合资品牌或将被淘汰出局。自主品牌车企在高阶智驾中处于领先地位，纯视觉和多传感器融合两条技术路线并行自主品牌车企在高阶智驾中处于领先地位，纯视觉和多传感器融合两条技术路线并行。据 NE 时代数据，在 2024 年搭载 NOA 功能车型销量前 10 的品牌中，除特斯拉销量排名第一外，其余均为自主品牌。国内车企实现高阶智驾功能目前有两条技术路线，即纯视觉和多传感器融合。特斯拉特斯拉是纯视觉路线的倡导者，主要依赖摄像头和计算机视觉算法实现环境感知，与人眼观察环境类似。由于国内车企在视觉感知算法技术较弱，叠加国内城市道路路况复杂，纯视觉难以满足当前城市 NOA 所要求的高精度和低时延，因此国内车企多采用多传感器融合路线。多传感器融合路线是将摄像头的图像数据与 Lidar（激光雷达）的点云数据充分融合，能够有效提升环境感知的精度和抗干扰能力，提高智驾系统的稳定性。据 NE 时代数据，2024 年搭载城市 NOA 高阶智驾功能车型的传感器方案中纯视觉占比为 32.1%，多传感器融合方案30/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告占比 58.4%。预计激光雷达的成本仍有下降空间，部分车企也愿意保留 Lidar 以提升消费者对车辆安全性的感知，因此在中期维度，高阶智驾中纯视觉和多传感器融合路线会保持并行。比亚迪天神之眼加速智驾全面落地，创智驾平权时代比亚迪天神之眼加速智驾全面落地，创智驾平权时代。比亚迪比亚迪宣布于 2025 年 2 月 10 日召开智能化战略发布会，发布“天神之眼”高阶智驾系统，旨在通过技术创新降低智能驾驶使用门槛。比亚迪此次智能化战略发布会重点介绍了其天神之眼 C 智驾系统，其感知系统包括 12 个摄像头、5 颗毫米波雷达、12颗超声波雷达。在功能方面，天神之眼 C 可以实现高速 NOA、智能泊车以及城区记忆领航（据发布会介绍，城区记忆领航功能预计在 2025 年底通过 OTA 实现）。天神之眼 C 所实现的功能大多数车企均已实现，但天神之眼更大的意义在于使得高速 NOA 功能实现了 20 万元以下车型的全覆盖，掀起全行业进入“智驾平权”新时代。2、车企智驾能力分化，供应商亦有发展机遇车企智驾能力分化，供应商亦有发展机遇车企在智驾领域的自研能力存在分化，第三方供应商仍有较大的生存空间车企在智驾领域的自研能力存在分化，第三方供应商仍有较大的生存空间。不论车企的自研能力如何，都需要供应商来参与，只是对供应商的需求不同。一梯队的车企一体化自研，但需要供应商满足硬件代工的需求。例如特斯拉特斯拉的自动驾驶域控制器需要由和硕和硕/广达广达代工生产。二梯队的车企自研能力较强，但仍需要供应商提供含基础软件模块的域控硬件以及部分软件算法模块。三梯队的车企自研能力弱，需要供应商提供包含软件算法 域控硬件的全流程解决方案，例如华为华为通过鸿蒙智行模式为赛力斯赛力斯等车企提供全流程的智能驾驶解决方案。31/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告第三方智驾供应商与车企的合作主要有三种模式第三方智驾供应商与车企的合作主要有三种模式。第一种是第一种是 Tier0.5Tier0.5 模式模式。这种模式最典型的代表是引望（原华为车 BU），主要通过三种形式与车企进行合作，由于引望拥有自研的 Lidar，因此目前主推带Lidar 的高阶智驾方案。第二种是第二种是 Tier1Tier1 模式模式。这种模式下供应商主要为车企提供域控硬件、软件算法、软件 域控的解决方案。域控硬件：以德赛西威德赛西威为代表，凭借与英伟达的长期合作占据国内 Orin 智驾芯片配套域控的多数份额；软件算法：以 Momenta 为代表，搭配英伟达主攻中高端市场，目前供应上汽智上汽智己己和比亚迪比亚迪中高端车型等，据佐思汽研数据，Momenta 在城市 NOA 第三方智驾供应商的市占率高达60.1%；软件 域控：以卓驭卓驭（大疆旗下智能驾驶业务品牌）为代表，软硬一体可有效压缩成本，凭借全套低成本智驾方案（估计约 50006000）优先抢占中低端市场，目前供应大众、宝骏、比亚迪大众、宝骏、比亚迪中低端车型等。第三种是第三种是 Tier2Tier2 模式模式。国内供应商以地平线地平线为代表，海外厂商以英伟达英伟达为代表，主要为车企/域控厂商提供智驾芯片。目前英伟达占据域控芯片 60%以上的市场，地平线的征程系列芯片是目前出货量最高的国产智能驾驶芯片。合资车企与国内智驾供应商的双向奔赴，有望打开智驾出海的新局面合资车企与国内智驾供应商的双向奔赴，有望打开智驾出海的新局面。合资车企在智能驾驶的技术储备不足，为满足中国市场对智驾功能的强烈需求，并在当下极度内卷的竞争环境中维持市场份额，合资车企纷纷转向与国内第三方智驾供应商合作，以期能快速落地好用的智驾功能。总结来看，合作形式主要有以下三种：一是成立合资公司，获取深度且全面的技术赋能。例如大众汽车集团旗下软件公司 CARIAD与地平线成立合资公司 CARIZON，加速了大众智能化产品的市场布局。二是以股权投资为基础，进而使用被投企业的智驾解决方案。例如梅赛德斯-奔驰和丰田分别参与了 Momenta 的 C 轮和 C 轮融资。三是通过正常的供应商准入、项目招标和定点。例如 2024 年 5 月大众汽车大众汽车与卓驭科技卓驭科技（原大疆车载）双方首款合作车型途观 L Pro 上市。国内领先的智驾供应商与合资公司的合作是一种双向奔赴，一方面合资车企可通过国内供应商的智驾解决方案快速提升车型产品力，另一方面国内供应商也可凭借与合资公司的合作熟悉海外车企的定点决策流程和节点，并以此进入全球供应商候选池，有望推动出海合作。32/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告3、AI 赋能下，赋能下，数据闭环引擎引效能质变数据闭环引擎引效能质变，定智能驾驶升维之战格局定智能驾驶升维之战格局数据泛化能力替代人工规则编写，数据重要性凸显数据泛化能力替代人工规则编写，数据重要性凸显。传统的基于规则算法的架构下，模块间传递的数据共同构成对车辆自身状态和周围环境状态的实时描述，系统行为完全由算法规则定义，而非从数据中学习规律；驾驶场景的多样性要求不断新增规则，而非通过数据反馈优化。而端到端和大模型方案通过海量数据自主学习场景响应策略，大模型自动提取特征、学习规律，无需人工进行复杂的特征工程和规则设计。这种架构下，数据不再是辅助工具，而是系统能力的载体，其覆盖广度与学习深度直接定义了系统性能边界。智能驾驶方案对数据提出智能驾驶方案对数据提出“规模规模 质量质量”双要求双要求。数据规模是基础，智能驾驶系统的数据需求随自动驾驶等级提升呈指数级增长。L2 级别需 4-10PB 数据量及 1,000-5,000 核算力资源；L3 级别需求升至 50-100PB，算力需求达 5,000-25,000 核；L5 级别则需超过 2EB 数据量，若以 1TB 硬盘存储，训练 L5 模型甚至需 170 亿公里数据，其中真实路测数据至少 1 亿公里。数据质量是核心，高质量的数据集对于自动驾驶算法的可靠性至关重要。在覆盖场景上，数据需要涵盖真实世界复杂度，包括低能见度天气、湿滑路面等长尾场景；在样本选择上，为了模拟人类最优驾驶行为，还需从海量原始数据中提取特定场景下的高质量片段，需筛选“老司机”级驾驶行为样本。随着随着 AIAI 大模型上车潮起，如何处理和利用海量数据至关重要，大模型上车潮起，如何处理和利用海量数据至关重要，“数据闭环数据闭环”成为自动驾驶系统持续优成为自动驾驶系统持续优化与迭代的重要机制化与迭代的重要机制。“数据闭环”通过车辆在真实环境中的行驶采集数据，云端处理后利用数据对算法进行训练、测试和验证，将真实驾驶环境中的经验转化为算法模型的参数，从而提升系统的拟人化水平。Transformer 算法、大语言模型、多模态人工智能的大规模应用下，AI 开始具备更强的通用性和泛化能力，依赖数据闭环的大规模无标注数据采集与自监督学习，能处理多模态数据并生成复杂内容，智能驾驶进入到以数据驱动的 AI2.0 阶段。端到端模型和大模型的出现与落地使得 AI 具备类似人类的思考、推理、理解和创造能力，要求数据闭环具备动态场景挖掘能力，以覆盖更多长尾场景，引领智能驾驶进入以认知为驱动的 AI3.0 阶段。数据闭环的数据采集、处理与标注，算法的训练、测试与优化能力，或成为推动智能驾驶技术持续演进的核心驱动力，是实现新技术从理论到实际落地的关键。33/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告特斯拉打造特斯拉打造“数据闭环数据闭环”标杆，国内玩家效仿入局标杆，国内玩家效仿入局。特斯拉特斯拉作为“数据闭环”先行者引入“数据引擎”概念，特斯拉通过“影子模式”采集数据，云端利用 Dojo 超级计算机进行无监督标注和仿真训练，加速模型迭代，再通过 OTA（Over-The Air）无线更新技术，将优化后的模型部署到车辆中，实现远程软件更新，实现了“数据闭环”全流程。2023 年，百度百度打造合规级“数据闭环”，车端与云端协同的“高提纯、高消化”机制，实现从海量数据中筛选高价值信息并转化为算法优化能力；通过量产车实时收集道路环境、驾驶行为等数据，采用数据脱敏、区域采集限制等措施，确保符合测绘法规；在车辆本地用轻量化模型实时过滤低价值数据（如重复场景），仅上传高价值片段（如突发障碍、极端天气）；云端大模型自动标注复杂场景，标注后的数据输入训练平台，通过机器学习优化算法模型，完成迭代；最后将云端大模型学到的能力“压缩”到车端小模型，提升车辆实时决策能力。“数据闭环数据闭环”在实地落地面临多重困难点，或成为新分水岭在实地落地面临多重困难点，或成为新分水岭。“数据闭环”的有效建设和落地依旧存在阻碍。数据采集：量产车需实时捕获边缘场景（如极端天气、非标障碍物），但传统数据记录仪效率低且成本高昂。非结构化数据（如点云、图像）的采集需依赖高精度传感器（激光雷达、毫米波雷达等），传感器数量增加导致硬件成本上升，同时传感器数据融合复杂，需解决时间同步与空间对齐问题，否则导致数据融合误差；数据处理：原始数据存在噪声、缺失值等问题，需结合边缘计算与云计算进行清洗，但自动化工具语义理解上仍有局限，导致返工率高；数据标注：高精度 4D 自动标注依赖人工校验，但海量数据导致标注周期长、成本高；自动标注依赖 AI 大模型，仍需解决标签体系标准化问题。因此，国内车企和供应商虽争相入场，但大多都处在布局阶段，数据闭环效率仍落后特斯拉。“数据闭环”作为智能驾驶算法升级迭代的重要引擎，将拉开车企间技术代差，成为新分水岭，未来 3-5 年，能否构建高效、合规、低成本的数据闭环，将成为车企能否在智能驾驶赛道实现突围的关键。数据是智能驾驶算法优化的底层驱动力，数据是智能驾驶算法优化的底层驱动力，“数据闭环数据闭环”能力逐渐主导智能驾驶竞速格局能力逐渐主导智能驾驶竞速格局。数据规模和价值量是系统迭代质量的基础，保障数据闭环实现的“数据采集-传输-存储-标注-模型训练-仿真测试-车端部署反馈优化”全链条展现“增效 降本”双重价值：一方面，通过海量真场景数据持续优化算法，解决长尾问题；另一方面，降低 Corner Case 数据获取成本，替代高成本路测。车企间数据闭环效率将在算法能力上拉开代际差距，完善的数据闭环能力的形成有助于车企构筑自身技术护城河。八、发展展望八、发展展望1、智驾平权已至智驾平权已至，智驾有望进入渗透率快速提升期智驾有望进入渗透率快速提升期34/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告智能驾驶普及化仍需向低价格带渗透，通过高阶智驾下沉打开智驾产业销量增量智能驾驶普及化仍需向低价格带渗透，通过高阶智驾下沉打开智驾产业销量增量。2024 年，0-20 万元车型占比 59.3%，其中 10-20 万元车型作为核心主力市场销售占比高达 47.7%，20 万元以上车型销量占比 27.5%，占比近似仅为 10-20 万车型的 1/2。2024 年国内搭载高速 NOA 及城市 NOA 的车型销量合计275.9 万辆，绝大部分搭载于 20 万以上车型中，10-20 万元价格带车型搭载数量为 14.0 万辆，占比仅5.0%，市场洼地效应显著。用户覆盖广度决定普及深度，20 万元以内价格带占据绝对销量主导地位，是智驾技术规模化应用的市场基础，高阶智驾只有触达大众市场才能让消费者真正感知到智驾的优势，因此将技术下沉至 20 万元元以下主流价格带已是必经之路，“智驾平权”释放增量的同时也将推动智能驾驶的普及，进一步实现“全民智驾”。低价格带车型智能驾驶使用场景仍受限，实现全场景智驾才是低价格带车型智能驾驶使用场景仍受限，实现全场景智驾才是“智驾平权智驾平权”。用户日常高频需求集中于城市通勤场景，然而目前低价车型主要搭载高速 NOA 功能，城市 NOA、复杂路况通行等高频刚需场景尚未普及。根据 NE 时代数据，2024 年国内 10-20 万元车型搭载高速 NOA 及城市 NOA 的销量中，搭载城市NOA 的车型占比仅 30.6%，不足搭载高速 NOA 车型的 1/2。“智驾平权”的核心是打破价格与智驾功能体验的绑定，确保 0-20 万元车型的智驾与豪华车享有同等的安全与功能完整性，高速 NOA 的单一场景无法触达消费者核心痛点，功能局限使其性价比存疑，导致市场接受度依旧不足。高阶智驾的性价比逐渐成为消费者决策的因素，小鹏高阶智驾的性价比逐渐成为消费者决策的因素，小鹏 MONAMONA M03M03 MaxMax 走出走出“智驾平权智驾平权”关键一步关键一步。2025年 6 月，小鹏小鹏推出 MONA M03 Max 版，新车是同级唯一双 Orin-X 芯片车型，总算力升至 508TOPS，依托一段式端到端大模型，智能辅助驾驶功能对标行业 50 万级旗舰车型；提供 502km 和 600km 两个版本，售价分别为 12.98 万元和 13.98 万元，均具备城市 NOA 功能，首次将高阶智驾打入 12 万元级市场。新车市场反应热烈，上市 1 小时后大定突破 1.25 万台，Max 版本比无高速/城市 NOA 配置的 Plus 版本贵 1万元，但 Max 版订单占比高达 83%。小鹏将无需记忆、不限路线、不限区域的满血版智能辅助驾驶下放至 10-15 万级别车型，Max 版本的热销验证了高性价比的智驾配置成为用户决策的重要因素，仅能使用低阶智驾的低价车实则是伪平权，车企通过价格带下探将技术优势转化为大众体验优势时，智驾才能真正转化为销量。智能驾驶的普惠化具有必然性，具有购买力的智驾平权是智能驾驶的普惠化具有必然性，具有购买力的智驾平权是“功能功能 体验体验”平权平权。0-20 万元车型为整车销售主力，车企将智能驾驶技术下放至低价格带有利于消费者从价格敏感逐步转移为技术敏感，并提高智能驾驶在此价格带的渗透率。但仅做“配置下探”而不做“技术下放”低价车实则是伪平权，低价智能驾驶车型的“配置平权”无法使用户真正获得智能驾驶在高频刚需场景的便利性，难以撬动销量。在最大众市场同时实现“功能可及性”和“体验可信性”下智驾才是“真平权”，高性价比的智能驾驶配置在 20 万以内价格带的逐渐渗透是打开智能驾驶销量增量的关键。35/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告2、国内智驾解决方案市场规模五年内有望破千亿，政策助力国内智驾解决方案市场规模五年内有望破千亿，政策助力 L3 级别智驾级别智驾渗透率迎来拐点渗透率迎来拐点智能汽车销量有望维持增长，智驾渗透率持续提升智能汽车销量有望维持增长，智驾渗透率持续提升。根据地平线机器人地平线机器人招股书引用的数据，2023 年全球/中国智能汽车销量 3,950 万/1,240 万辆。预计 2026 年/2030 年全球智能汽车销量达到 5,590 万/8,150 万辆；中国智能汽车销量将分别达到 2,040 万/2,980 万辆。2023 年全球/中国市场智能驾驶（ADAS AD）渗透率分别达 65.6%/57.1%，预计到 2030 年，全球/中国市场智能驾驶（ADAS AD）渗透率分别达 96.7%/99.7%。中国智驾解决方案有望成长为千亿级市场，高阶智驾将占据主要份额中国智驾解决方案有望成长为千亿级市场，高阶智驾将占据主要份额。根据地平线机器人地平线机器人招股书引用灼识咨询的数据，2023 年全球/中国智能驾驶（ADAS AD）解决方案市场规模分别为 619 亿/245 亿元人民币，有望在 2030 年突破 10,000 亿元/4,000 亿元人民币，CAGR（2023-2030）分别为 49.2%/49.4%。预计到 2030 年，全球/中国市场高阶智驾（AD）均将占据主要份额，占比分别为 98.1%/99.1%。L3L3 及以上级别自动驾驶渗透率仍然较低及以上级别自动驾驶渗透率仍然较低。根据具体智驾功能来看，地平线机器人地平线机器人招股说明书中 ADAS/AD分别对应 L2/L2 级别自动驾驶。根据 Yole 对小型车（lightvehicle）的统计，目前 L3 的渗透率仍然较低。除因技术并不完全成熟外，主要是由于其人机切换机制不明确、以及法律责任认定的相关法律尚未落地。根据 SAE 的定义，L3 是指由车辆完成绝大部分驾驶操作，人类驾驶员需保持注意力以备不时之需，这意味着人类驾驶员和智能驾驶系统需要频繁交接车辆的控制权，这进一步提高了相关技术实现的难度。另一方面则是相关责任的认定并不完善，因为 L0-L2 仍然由人类驾驶员负责驾驶任务，因此也自然由人36/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告类驾驶员承担交通事故的责任，L4 及以上则由车辆承担相关责任，而 L3 对于车辆和人类驾驶员还没有清晰的责任划分，因此带来了相应的监管困难。20252025 年国内智驾规范类政策陆续出台，为高阶智驾普及扫清法律障碍，年国内智驾规范类政策陆续出台，为高阶智驾普及扫清法律障碍，L3L3 级别智驾有望加速渗透级别智驾有望加速渗透。自2020 年来起工信部、交通运输部等多个国家政府部门发布了一系列智驾规范类政策，完善智驾监管模式与相关标准规定。根据工信部发布的中国智能网联汽车发展路线图 2.0，预计到 2025 年，L2 和 L3级自动驾驶功能的渗透率将达到 50%以上，2030 年进一步增至 70%以上。L3 规模化发展的主要限制因素是事故权责不清晰。武汉市和北京市落地的自动驾驶相关条例，明确了发生事故时，车辆所有人在特定条件下可以追究软件开发以及车辆制造方的相关责任。随着更多城市出台 L3 相关法律法规，明确权责划分，L3 级别智驾有望加速渗透。3、AI 赋能赋能将将提高智能驾驶普适性提高智能驾驶普适性汽车产业积极拥抱汽车产业积极拥抱 AIAI，重构智能驾驶成本，重构智能驾驶成本。AI 大模型技术已应用于自动驾驶领域中的云端模型训练和车端模型部署，DeepSeek 在硬件降本、性能表现、算法开源等方面具有领先优势，在提升推理能力的同时，还可降低模型训练和推理成本。根据优咔科技公众号，目前城市 NOA 系统单车成本仍高于 8000 元，制约 20 万以下主力市场渗透；DeepSeek 通过算法优化和模型压缩、蒸馏等技术，大幅降低了单位算力需求。运用 DeepSeek 及其优化技术有望将城市 NOA 硬件成本压至 3000 元级，触发 10-15 万车型标配潮，高阶智驾对车端芯片的算力要求进一步降低。2025 年上海车展上，广汽广汽聚焦“天、人、家、车”四大场景，带来星灵 AI 全景图。根据新能源汽车报公众号，德赛西威德赛西威发布智慧出行解决方案 Smart Solution3.0，通过绿野森林、超感模式、舒适静养和暖心护航四大创新场景，展现了多感官交互、深度情感互联、健康实时监测及环境感知预警等人-车-场多维交互生态，推动智能汽车向“具身智能体”加速演进。根据绝影智能绝影智能 SenseAuto 公众号，商汤绝影商汤绝影发布行业首个专为车载 AIOS 打造的 AI 内核“绝影千机”。此外，东软睿驰、中科创达、光庭信息东软睿驰、中科创达、光庭信息等企业均有推出相对应的 AI 应用产品。随着高级辅助驾驶的技术进步和规模化生产，成本逐步降低将加速其渗透，10-20 万元车型将有望成为高级辅助驾驶渗透的主力市场，2025 年 NOA 高级辅助驾驶市场或将迎来商业化拐点。37/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告九、相关公司九、相关公司1、理想汽车：理想汽车：理想理想 i6 正式发布，重回大单品策略正式发布，重回大单品策略理想理想 i6i6 正式上市，重回大单品策略正式上市，重回大单品策略。i6 重回大单品策略，仅推出一款车型定价 24.98 万元，实现与增程 L6 起售同价。i6 首销权益扎实，包括一万元现金优惠及标配空悬，实际定价进一步下探。i6 定位为五座中大型 SUV，搭载 5C 磷酸铁锂电池，续航最高可达 720km，并支持 500kW 超充，结合 3300 座超充站布局，预计其有望有效缓解用户里程焦虑。智能化方面，i6 标配激光雷达与 Thor 芯片，配合 AD Max和 VLA 架构，强化高阶智能驾驶体验。车内则突出“皇后座”与“小客厅”等家庭属性，增强对家庭用户的吸引力。i6 或有望成为公司销量增长的重要驱动力。自研芯片加速推进，智能化优势逐步显现自研芯片加速推进，智能化优势逐步显现。智能化方面，公司近期取得诸多积极进展，自研的智能驾驶芯片已正式完成样片回片，进入量产前的关键阶段。目前，M100 芯片已经小批量进行样车道路测试，目标实现更高的性能与能效平衡。公司智能驾驶基座模型采用端到端 VLA 架构，坚持自研并不断提升在智能驾驶领域的计算能力和用户体验。展望未来，公司前瞻性 AI 布局，及其在泛 AI 领域的能力表现也将增强。持续拓展渠道建设，持续拓展渠道建设，2626 年领先优势清晰年领先优势清晰。公司近期在渠道端积极调整，包括优化一二三线城市门店组合，迁移低效门店，平衡商场店（高获客）与中心店（高转化）的比例，也规划通过“繁星店”的轻量化模式来拓展四五线城市，缩短开店周期，降低投资。此外，针对如何延长产品周期的问题，公司管理层于2Q25 业绩会中表示将持续优化产品 SKU 和配置策略，提升迭代频率，确保出牌频率更快，公司对 2026年整车产品力和人工智能体系化能力上超过 2022 年理想 L9 时代在行业的领先程度充满信心。38/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告2、小鹏汽车：小鹏汽车：AI 出行矩阵持续拓宽，全球化战略进一步深化出行矩阵持续拓宽，全球化战略进一步深化9 月 8 日，2025 年慕尼黑国际车展于慕尼黑展览中心盛大启幕。本届车展，小鹏携全新小鹏 P7、2025款小鹏 G6、2025 款小鹏 G9、小鹏 X9、小鹏 P7 等五款车型亮相，并同步展出人形机器人、飞行汽车、陆地航母模型、SEPA 扶摇架构等前沿展品。以欧洲为起点，开启全球化战略新阶段以欧洲为起点，开启全球化战略新阶段。发布会上，小鹏汽车宣布其全球化战略将迎来关键里程碑：欧洲首个研发中心将正式启用，作为品牌全球第九大研发中心，它与硅谷、圣地亚哥研发中心形成协同。此外，小鹏汽车与大众集团的战略合作继续深化，双方联合开发的电子电气架构不仅集成到大众在中国市场的纯电车型平台，也将部署到大众在中国市场的燃油和插电混动车型平台。与此同时，小鹏汽车的全球本地化生产布局也在加速推进：今年 7 月，印尼本土化生产的首辆小鹏 X9 顺利交付，标志着小鹏汽车全球本地化生产战略正式迈入全面落地阶段。还将携手欧洲优秀的供应链合作伙伴，把中国智能汽车更快带给全球用户。AIAI 出行矩阵持续进化，拓展未来出行新边界出行矩阵持续进化，拓展未来出行新边界机器人机器人。在机器人领域，小鹏历经五年研发，已完成六代产品的科研概念验证，在能力与场景方面也不断升级与探索。目前，小鹏人形机器人 IRON 已进入工厂实训，并将在今年 Q4 推出下一代超类人机器人，目标是于 2026 年实现量产。该产品将广泛运用于工厂运营、门店接待和零售导购等场景。此次小鹏机器人 IRON 首秀慕尼黑车展还演示了手冲咖啡，引发热议。何小鹏表示：“从汽车到机器人，我们重新思考 AI 如何成为人与出行的伙伴。”AIAI 出行矩阵持续进化，拓展未来出行新边界出行矩阵持续进化，拓展未来出行新边界低空低空。在低空出行领域，小鹏汇天历经 12 年研发、投入约 6 亿美元、完成 7 代飞行器迭代。小鹏汇天飞行汽车将于今年 10 月在迪拜完成全球首飞，这款产品目前在中国市场已收获近 5,000 份订单，并计划于 2026 下半年正式交付。未来小鹏也将携手更多国家和地区积极探索低空出行应用场景，推动“空地一体化”的智慧出行方式逐步落地。AIAI 出行矩阵持续进化，拓展未来出行新边界出行矩阵持续进化，拓展未来出行新边界无人驾驶无人驾驶。依托全栈自研的 AI 体系，小鹏汽车在大模型驱动下已率先实现从工厂产线到发运区的无人驾驶，验证了 AI 在真实工业场景中的应用价值。小鹏汽车期望在 2026 年推出 L4 级智驾量产车型，并在中国开始 Robotaxi 试运营。此外，小鹏图灵 AI 智驾也已开启全球适配，目标是在 2026 年第四季度，让全球用户都能拥有最先进、最适应本地路况的智能驾驶体验。3、德赛西威德赛西威：智驾零部件龙头供应商，智驾零部件龙头供应商，AI 赋能开启新增长赋能开启新增长公司发布公司发布 20252025 中报，维持行业龙头地位增长水平，收入符合预期中报，维持行业龙头地位增长水平，收入符合预期。德赛西威 2025H1 实现营业收入146.44 亿元，同比 25.25%，归母净利润 12.23 亿元，同比 45.82%；其中 2025Q2，实现营业收入 78.52亿元，环比 15.61%，实现归母净利润 6.40 亿元，同比 41.1%。三大业务营收增幅显著，费用管控及营运效率持续提升三大业务营收增幅显著，费用管控及营运效率持续提升。分产品来看，2025H1 座舱业务收入 94.59 亿元，同比 18.76%；智驾业务收入 41.47 亿元，同比 55.49%，在智驾渗透率快速提升趋势下持续保持高增长。毛利率端保持稳健，得益于新客户获取叠加上游原材料成本管控效果显著，Q1/Q2 单季度毛利率分别为20.52%和 20.16%，同比 1.18/-1.09pct，上半年智驾业务毛利率 19.74%，同比 0.94pct，座舱业务毛利率 19.75%，同比 0.52pct；费用端规模效应/管理优化带来的费用控制效果显著，二季度销售费用率 0.35pct，其余费用率均下降，整体费用率下降 1.15pct。39/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告持续受益汽车智能化浪潮，国际化战略持续深入持续受益汽车智能化浪潮，国际化战略持续深入。第四代座舱在理想、小米、吉利理想、小米、吉利等头部车企量产，受益芯片和功能不断迭代业绩成长稳健。HUD 产品首次量产，拿下上汽通用、广汽、东风日产上汽通用、广汽、东风日产等订单。智驾业务高性能版本持续获取新订单领先地位稳固。此外轻量级方案也持续获取广丰、奇瑞广丰、奇瑞等定点。公司4 月发布全栈辅助驾驶解决方案，推进高阶算法研发和舱驾融合方案落地。客户端不断实现突破，近期与东风签署战略合作协议，围绕“国产化、车路云、供应链”等多维度展开合作。公司海外布局初显成效，上半年境外收入 10.38 亿元，同比 36.82%，印尼/墨西哥产能开始量产，西班牙工厂预计 2026 年投产；客户端获取大众、丰田新项目定点，突破雷诺、本田等白点客户。此外，积极探索无人配送、机器人和智慧交通等 AI 领域，打开远期成长空间。4、经纬恒润经纬恒润：2 季度扭亏为盈，智驾业务加速放量季度扭亏为盈，智驾业务加速放量2 2 季度公司实现扭亏为盈季度公司实现扭亏为盈。公司上半年营业收入 29.08 亿元，同比增长 43.5%；归母净利润-0.87 亿元（去年同期-3.33 亿元）；扣非归母净利润-1.15 亿元（去年同期-3.87 亿元）。2 季度营业收入 15.80亿元，同比增长 38.9%，环比增长 19.0%；归母净利润 0.33 亿元（去年同期-1.42 亿元，上一季度-1.20亿元）；扣非归母净利润 0.19 亿元（去年同期-1.67 亿元，上一季度-1.34 亿元）。公司前期投入逐步兑现，以域控制器为代表的电子产品业务快速放量，叠加一系列降本措施取得成效，2 季度公司实现扭亏。汽车电子产品快速放量，公司业绩有望持续改善汽车电子产品快速放量，公司业绩有望持续改善。公司汽车电子产品包括智能驾驶、智能座舱、智能网联、车身和舒适域、底盘控制、新能源和动力系统六大类，现已实现汽车电子 80%以上零部件产品覆盖。公司汽车电子业务各板块持续发力，车身和舒适域方面除 ZCU 产品配套小米外还获得某头部客户多个车型项目定点；智能座舱方面 AR-HUD 产品新获多个车型定点并将量产；智能辅助驾驶方面上汽、奇瑞上汽、奇瑞出口车型 ADAS 将陆续起量；新能源和动力系统方面智能执行器和 XCU 产品将有明显增量；出海方面公司配套 Stellantis 的 VCU 产品和配套雷诺的 BMS 产品有望大幅起量。公司凭借前瞻性布局卡位域融合赛道，与主要客户合作进一步深化，前期研发成果陆续转化，智能化浪潮下公司业绩有望持续增长。服务及解决方案业务需求增长，智能运输解决方案具备潜力服务及解决方案业务需求增长，智能运输解决方案具备潜力。公司汽车电子电气自主工具链不断完善，在国产推动和降本要求下多款自主工具获得头部 OEM 认可，车载软件开发业务快速增长，此外研发服务出海和下一代技术预研也将打开后续自主空间。智能运输方面，公司已在海港、内河港、铁路港等多个场景实现了全无人 L4 级别常态化自动驾驶生产运营，新签署了龙拱港三期和淮安新港项目。预计公司将依托相关经验推出面向短途物流场景的 RoboTruck 和面向城市场景的 RoboBus 车队，相关业务未来市场空间广阔。5、千里科技千里科技：智驾、智能座舱实现多点突破，筹划港股上市进一步提升智驾、智能座舱实现多点突破，筹划港股上市进一步提升公司国际化品牌竞争力公司国际化品牌竞争力上半年营收和归母净利润同比高增上半年营收和归母净利润同比高增。2025H1，公司实现营收 41.84 亿元，同比增长 40%，收入增长主要受益于公司汽车、摩托车业务销量增长；实现归母净利润 0.31 亿元，同比增长 19%；实现扣非归母净利润-1.34 亿元，同比转亏，非经常性损益中主要科目是政府补助约 1.7 亿元。扣非归母净利同比下降的主要原因是公司正处于“AI 车”战略转型的重要阶段新增了智能汽车座舱系统等研发投入，另外还有对资产计提减值损失增加以及递延所得税费用增加。40/402025 年年 10 月月 31 日日行业行业|深度深度|研究报告研究报告研发投入力度加强，其他费用率控制较好研发投入力度加强，其他费用率控制较好。2025H1，公司销售/管理/研发/财务费用率分别为 3.42%/4.00%/6.87%/-2.41%，分别同比-2.78/-0.74/ 0.84/-1.61pcts，合计同比-4.29pcts，研发创新是公司战略发展的基石，除了研发投入加强之外，其他费用率控制情况良好。智驾、智能座舱技术不断攻坚，实现多点突破智驾、智能座舱技术不断攻坚，实现多点突破。上半年，公司完成了多个重要里程碑进展：发布面向L2 的“千里智驾 1.0”智能辅助驾驶解决方案，具备多场景自主决策与复杂交互、车位到车位等核心功能，并计划 2025Q4 推出 L3 级的千里智驾 2.0、2026H2 推出面向 Robotaxi 的 L4 级千里智驾 3.0；合资公司千里智驾成立，并与吉利汽车吉利汽车联合推出“千里浩瀚”智能辅助驾驶系统，已实现多款量产车型搭载；联合生态伙伴推出智能座舱 Agent OS 系统（预览版），该系统基于 AI Agent 原生打造，采用了最新的AI Agent 协作协议和架构，能够为 AI Agent 的运行、调用与协作提供底层基础设施与服务。公司正在筹划发行公司正在筹划发行 H H 股股份上市，有望进一步拓展融资渠道并提升公司国际化品牌形象股股份上市，有望进一步拓展融资渠道并提升公司国际化品牌形象。2025 年 9 月12 日，公司公告目前正在筹划首次公开发行境外上市股份（H 股）并在港交所主板上市事项。如公司顺利完成 A H 两地上市，除了能拓宽融资渠道之外，更有望进一步深化公司的全球化战略布局、加快海外业务发展、提升公司国际化品牌形象。十、参考研报十、参考研报1.国元证券-智能驾驶行业深度报告：世界模型与 VLA 技术路线并行发展2.山西证券-汽车智能驾驶行业专题（一）：智驾已是“必答题”，低阶配置平权与高阶功能落地共振3.民生证券-汽车行业系列深度九：大模型重塑战局，智能驾驶商业化奇点已至4.中银国际-电子行业 AI 端侧深度之智能驾驶（上）：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5.国金证券-具身智能行业智能驾驶车载视觉专题报告：平价智驾时代崛起，国产替代加速6.光大证券-智能驾驶 SoC 行业深度报告：高阶智驾下沉趋势下，智驾 SoC 成黄金赛道7.招商银行-AI 应用之智能驾驶行业：AI 赋能助飞跃，高阶智驾迎奇点8.国海证券-汽车行业专题报告：VLA 和世界模型通往高阶智能驾驶之路辅助驾驶系列报告二9.中金公司-理想汽车W-2015.HK-理想 i6 正式发布，重回大单品策略10.中泰证券-小鹏汽车-9868.HK-慕尼黑车展参展点评：AI 出行矩阵持续拓宽，全球化战略进一步深化11.开源证券-德赛西威-002920-中小盘信息更新：智驾零部件龙头供应商，AI 赋能开启新增长免责声明：以上内容仅供学习交流，不构成投资建议。慧博官网：慧博官网：电话：电话：400-806-1866400-806-1866邮箱：邮箱：慧博公众号慧博公众号慧博慧博 APP慧博慧博 PC 版版

2025-11-03 40页 5星级

2025年智能驾驶行业世界模型与VLA技术路径对比及发展趋势分析报告（32页）.pdf

INDUSTRY REPORT 行业研究市场分析全景洞察2025深度行业分析报告2 0 2 5 年智能驾驶行业世界模型与V L A 技术路径对比及发展趋势分析报告2目录目录1 1.“平权平权+端到端端.

2025-10-23 32页 5星级