这个事件也带给很多人反思，对于乘用车来说，所有的配置中，最高的配置只有两个字：安全。
如今，智能驾驶技术正以惊人的速度迭代，但技术跃迁的轨迹从来不是直线，而是螺旋式上升的蜿蜒征途。无论前路如何崎岖，智能化的浪潮终究会向前。与此同时，法规配套、保险机制、商家风险告知义务、消费者智驾教育等，是环环相扣的，都要深化，缺一不可。
智能驾驶绝非无人驾驶的同义词。车企和媒体应当明确L2辅助驾驶、L3自动辅助驾驶与L4无人驾驶的技术边界，清晰的界定不仅是行业自律的底线，更是守护消费者安全的防火墙。
长期来看，智能驾驶来有哪些趋势需要我们来关注？我们大家都认为未来智能驾驶行业将围绕“技术路线+掌控数据+成本下探+汽车AI化”四大大趋势：
1）趋势一：端到端架构正重塑技术格局。端到端模型覆盖了感知、跟踪、预测、决策和规划等环节，实现了完整的智驾系统，未来考验的是端到端架构的成熟度。
2）趋势二：在智能驾驶技术从规则驱动向数据驱动，通过构建数据采集-智能训练-验证迭代的完整闭环体系，对更多非常规的特殊场景、夜间环境、临时性场景积累更多数据和处理经验，会形成显著的护城河。
3）趋势三：成本下探、普惠化。硬件方案加速洗牌，激光雷达等物料成本下探。
4）趋势四：未来车企发展逻辑会更“AI”。智能驾驶算法与人形机器人的具身算法架构一致，二者区别主要在于使用场景。领先的智驾，也是未来通向Robotaxi、人形机器人等市场的入场券。
智能驾驶技术跃迁的轨迹从来不是直线，而是螺旋式上升的蜿蜒征途。2025年，智能驾驶正处于加速商业化落地阶段。
根据SAE标准，2024年L2级辅助驾驶已在中国市场实现55.7%的渗透率，L3级有条件无人驾驶通过北京、武汉等试点城市的法规突破，正逐步走向商业化量产。
L4级技术通过“车路云一体化”战略，在20个试点城市展开Robotaxi、无人配送等场景测试，行业正从“单车智能”向“全域协同”的生态升级。
根据盖世汽车数据，2024年，国内新车L2及以上ADAS装配量达1098万辆，渗透率为47.9%，其中新能源车L2及以上渗透率为56.9%，高于燃油车。
L2级智能驾驶指同时具备横向控制（方向）和纵向控制（加减速）的基础辅助驾驶功能，如车道保持（LCC）、自适应巡航（ACC）等。
而NOA（Navigate on Autopilot，领航辅助驾驶）是L2+级功能的进阶形态，分为高速NOA，封闭/半封闭道路自主上下匝道、变道超车，和城市NOA，复杂开放道路自主通行，技术复杂度和硬件成本更高。车位到车位（D2D）是NOA功能的终极应用场景，指车辆从起点车位出发，经小区道路、城市道路、高速路等多场景自主行驶至终点车位，全程无需接管。技术演进上，车位到车位标志着L2功能的完整闭环，并成为迈向L3商用（责任认定、全场景无人接管）的临界点。
2024年，从年初的BEV+Transformer技术助力摆脱高精度地图依赖，小鹏XNGP、华为ADS 2.0实现全国高速+城市快速路无图化覆盖，城市道路场景通过率突破85%，推动智驾功能从区域可用迈向全国通行；到年中，端到端架构兴起，特斯拉FSD V12通过图像输入-控制输出的类人决策模式，将复杂路口处理效率提升40%，理想AD Max 3.0、蔚来NOP+同步跟进，行业算法迭代周期缩短至3个月；再到年底，视觉语言大模型（VLM）与云端模型引入，华为乾崑ADS 3.0实现停车场场景语义理解与自主寻径，L2功能在空间维度拓展趋近极限。目前“车位到车位”技术成为各车企竞争的新锚点，智能化替代电动化成为车企竞争主战场的趋势已成定局。
2025年，在保障更高数据场景闭环、提高安全性的同时，高速NOA和城市NOA渗透率继续增长。
2025年年初，比亚迪高阶智驾系统“天神之眼”正式对外发布，比亚迪全系车型将搭载该系统，首批有21款车型上市。“天神之眼”分为三个版本：“天神之眼A”（DiPilot 600）配备三个激光雷达，支持全国无图领航，主要搭载于仰望品牌上；“天神之眼B”（DiPilot 300）配备单激光雷达，支持全国无图领航，主要搭载于腾势、比亚迪等品牌上；“天神之眼 C”（DiPilot 100）为高阶智驾三目版，支持高速领航和代客泊车，主要搭载在比亚迪秦PLUS DM-i等入门款车型。天神之眼C最低可搭载于海鸥车型，是行业内首次将高阶智驾下放到7万元级市场的A00级车。
目前，中国市场中具备智能驾驶功能的车型大多集中在15万元以上的价格的范围。比亚迪将天神之眼C高速NOA技术最低下放至7万元级车型，促进智能驾驶技术的普及和认知。同时积极定价策略并迫使其他车企重新调整智驾技术落地节奏。2025年3月3日，吉利汽车发布了在 AI 智能科技领域的整体部署，推出千里浩瀚智驾方案，全面对标比亚迪全系高阶智驾。随后，奇瑞跟进全民智驾。
2024年，高速NOA和城市NOA渗透率低于10%。高速NOA将在未来的1-2年内，对于20万以下车型，从差异化卖点转变为标配属性。随着端到端技术持续发展并深度应用，城市NOA的通行效率将得到非常明显提升，其覆盖范围也有望稳步拓展至更广泛区域。
回顾智能手机及新能源汽车的发展路径，科学技术产品在市场渗透率突破5%之后，通常会迎来加速普及的阶段。比亚迪的入局是智驾行业最大预期差，有望推动L2+级别销量基本盘从100万辆快速提升至1000万辆级别，预计2025年高速NOA+城市NOA有望实现翻倍增长，渗透率超20%。
1.2 L3级自动辅助驾驶正处于商业化落地关键期，技术突破+政策松绑驱动
2024年底，北京、武汉等地率先明确2025年L3级车合法上路时间表，为行业树立政策标杆。
主流车企密集布局，理想、小鹏、华为规划2025年量产L3车型，特斯拉推进FSD无监管版迭代，奔驰、宝马则通过冗余设计及本土化测试（如上海高架路牌照）完善技术方案。政策试点方面，工信部2024年批准比亚迪、蔚来等9家车企开展准入测试。
技术端，端到端架构+视觉语言大模型（VLM）成主流路径，小鹏、理想率先实现“车位到车位”全场景贯通，感知决策效率提升；
政策端，北京、深圳、广州等50城拟扩容L3路测范围，责任认定、保险体系等法规有望2025年落地。
市场层面，2月25日，特斯拉发布会公告，为中国客户进行软件更新，以提供类似于美国市场上“完全无人驾驶”（FSD）的驾驶辅助功能。
由于监管部门没有批准，目前，特斯拉在中国没有开通FSD，但特斯拉FSD入华的预期或产生鲶鱼效应，催化技术军备竞赛，自主品牌凭借数据闭环和本土化适配（如华为ADS 4.0）抢占先机。
据华经产业研究院，2021年L3-4 渗透率为0%，预计2030年L3、L4分别增长至7.0%、3.0%，渗透率拐点已然浮现，L3将是AI智驾的 iPhone 4时刻。
回顾无人驾驶历史的发展，从L0到L2+花费了几十年的时间，而L2到L2+，L2+再到城区L3不过花了不到10年时间，技术能力突破周期在逐步缩短。
2024年，国内政策层面加速破冰，北京、武汉等地率先出台L3/L4自动驾驶条例，允许私有车辆有条件开展商业化试点，为行业发展奠定政策基础。
Robotaxi领域，在经历2023-2024年Robotaxi出清期后，Waymo、百度Apollo、文远知行、小马智行等头部企业加速无人化测试。
根据加州DMV，2024年加州全无人测试里程较峰值回落50%，但单车MPI（平均无接管里程）明显提升。例如，Waymo在美国多个城市开展了Robotaxi服务，其车辆每8.5万英里仅需一次关键干预，并已累计完成超过500万次载客行程。
从厂商规划来看，小马智行计划2025年投放千辆级车队，2026年翻倍；特斯拉拟推出成本3万美元的“端到端”无图方案Cybercab；传统车企如吉利、广汽通过合作切入（极氪-Waymo，广汽-小马智行）。
当前主流的端到端架构虽提升泛化能力，但因缺乏可解释性和透明性，需构建严格的安全兜底机制。特斯拉FSD V12在加州实测中平均接管率仅384km/次，远未达到L4级商业化所需“近100%安全”。
长尾场景（如城中村错车、极端天气）依赖大规模真实路测及仿真验证，Momenta每年投入超数十亿采集公里数据，但有效Corner Case覆盖率仍需提升。
L4需双重计算单元、制动/转向冗余系统（如奔驰Drive Pilot方案），单车成本较普通车型高3-4万元。国产激光雷达虽降至1500元/颗（速腾/禾赛），但高阶方案仍需4-6颗配置。智驾的算力基建投入方面，Momenta年研发费用需数十亿级别，理想自建8.1EFLOPS算力集群，千卡H100年均运维成本超5000万元。
Robotaxi的商业化落地需千辆级车队（单城每日30单以上）方可平衡盈亏，但BOM成本仍需降至15万元以内。
除去硬件成本外，去安全员化，也是实现盈利的关键突破点。安全员的薪酬、福利等费用，构成了 Robotaxi 经营成本的重要部分。一名一线城市的安全员年薪大概处于10至20万元区间。若Robotaxi车队规模达数百甚至上千辆，安全员的人力成本每年将超千万元，严重压缩了企业的利润空间，也限制了Robotaxi商业化的快速推进。
我们认为未来智能驾驶行业将围绕“主导技术路线+掌控核心数据+实现成本下探+车企更AI”四大大趋势展开：
1）模块化分割。传统无人驾驶系统采用感知、规划、控制独立模块设计，需人工规则连接，存在信息损失、规则僵化、代码复杂度高等问题。例如，感知模块提取的数据需经过抽象化处理后传递给规划模块，复杂场景泛化能力受限；
2）依赖高精地图。早期智能驾驶依赖高精地图覆盖，导致开城成本高且扩展性弱。
而端到端架构可以在一定程度上完成全流程自动化。通过单一网络直接映射传感器输入（摄像头、激光雷达）到控制信号输出（转向、加速/制动），实现“传感器→决策→执行”一体化。避免模块间人工规则造成的误差累积，特斯拉FSD Beta V12的类人驾驶行为即得益于此。
目前，小鹏XNGP4.0、华为ADS3.0、小米HyperOS1.5.5和理想OTA6.5等车企已实现物理空间车位到车位的端到端贯通，端到端架构的成熟度将决定行业话语权归属。
还有行业玩家加速推进纯视觉方案的落地应用。过去，为保证车辆对周围环境的精准感知，智能驾驶系统往往依赖大量激光雷达。然而，随着端到端架构的发展，新的技术路径逐渐清晰—通过优化算法与图像处理技术，减少激光雷达配置数量。这种技术降低硬件成本，减轻了车辆的负载，促进智能驾驶的大规模普及。
根据佐思汽研，2024年1-10月，中国乘用车高阶纯视觉方案装配量达到107.6万辆，同比增长25.6%，2023年车载摄像头的市场规模为6795万颗，预计2025年将超过1亿颗，2023至2025年复合增速21.31%。
在智能驾驶技术从规则驱动向数据驱动演进的关键阶段，数据闭环能力正成为车企竞逐高阶智驾的核心壁垒，头部企业通过构建数据采集-智能训练-验证迭代的完整闭环体系，形成显著的竞争护城河。
特斯拉DOJO总计算能力或超100 exaflops，超10万英伟达H100/H200 AI芯片提供算力支持，特斯拉通过全球超200万辆车辆实时回传数据，构建了全球最大的无人驾驶数据库。依托Dojo超算中心，每天完成海量数据训练。
小鹏云端大模型的训练效率已提升了2.6倍，2025年小鹏云端的算力将会达到1000PFLOPS以上；华为车BU云智算中心的乾崑ADS3.0在算力方面已达到7500 PFLOPS，其训练数据量为日行3000万公里。按照全球道路总长约为6400万公里计算，乾崑ADS3.0系统仅需2.1天就能实现对全球道路的完全覆盖。
理想汽车的理想智算中心算力已达到8100 PFLOPS，截至2024年底，理想的智能驾驶累计行驶里程超过20.6亿公里。理想汽车通过筛选“五星级司机”的行驶里程作为数据，训练数据以20-30秒左右的Clips形式存在，到2025年2月，理想汽车已积累了1000万Clips的老司机数据，为智能驾驶系统的优化提供了精准的数据资源。
比亚迪2025年2月开启全民智驾，天神之眼C下放至7万元车型，比亚迪有望依托百万级高阶智驾市占率构建“低端车贡献规模数据→高端车验证技术上限”双向循环，实现数据上的后发制人。
目前头部智驾车企单场景模型训练效率已达竞争对手的3倍以上。这背后是数据闭环体系的全面领先：从传感器阵列优化、边缘计算能力提升，到云端分布式训练架构创新，形成从数据生成到价值转化的完整链条。这种数据资产积累的差距，将使头部企业在后续高阶无人驾驶竞争中保持代际优势。
传感器配置变化促进成本下降。比如激光雷达从3颗减至1颗，前视摄像头减少2颗，毫米波雷达从6颗减至3颗。未来，有几率会从依赖多颗激光雷达的方案，转变为“纯视觉感知+1颗激光雷达监督”的模式。
规模化带来成本下降。2023年初，小鹏提出将在2024年使无人驾驶等软件系统的成本下降超过50%，整车Bom成本下降25%。根据小鹏汽车2024Q2财报电话会，小鹏新一代车型已超额完成了无人驾驶硬件降本和整车Bom降本的目标。2024年11月，小鹏P7+上市，率先探索纯视觉方案。
比亚迪的“天神之眼”C版本，也采用纯视觉技术路线超声波雷达，配合OrinN或地平线、黑芝麻芯片，硬件成本较2020年小鹏P7同类方案下降60%以上。这一降本能力使高速NOA功能首次搭载于比亚迪7万元级别车型，覆盖国内约87%的新能源汽车消费市场（7.88万元以上车型占比）。
在NOA物料成本上，2025 年高速NOA的物料成本将从 2024 年的4千-5千元降至约3千元，城市 NOA 的物料成本将从约2万元人民币降至1 万-1.5万元人民币。
智驾硬件成本呈现年均复合下降率约30%的趋势，这种成本下降斜率是智能手机黄金发展期（智能手机年均降幅约15%-18%）的1.7倍。
高阶智驾（NOA）功能慢慢的变成为新能源车的标配。2024年L2及以上智驾渗透率已超55%，预计2025年将达到65%以上。新势力车企如小鹏、理想、小米等通过“大单品+智驾下沉”策略，将高阶智驾功能向20万元以下市场普及。比亚迪、华为等企业将智能驾驶技术视为差异化竞争的关键。例如，比亚迪将于2025年推出搭载高阶智驾的全新纯电平台，华为通过ADS系统提升车型溢价。
从技术原理上看，无人驾驶算法与人形机器人的具身算法架构一致，二者区别主要在于训练数据及使用场景。理想AD Max 4.0采用端到端架构，与特斯拉FSD、小鹏XNGP共同代表全球智驾技术高水平。该架构的核心逻辑与具身智能（如人形机器人）的VLA（Vision-Language-Action）模型高度同源：通过视觉语言大模型（VLM）实现环境感知-决策-执行的闭环，区别仅在于训练场景（车辆行驶数据vs.物理环境交互数据）。
这意味着智能化领先的整车企业，未来有望凭借技术优势切入人形机器人领域，并维持算法端的领先地位。
特斯拉就是很好的例证，其智能化水平领先，此前市值估值超百倍，这背后是市场对特斯拉未来AI业务，如 FSD、Robotaxi和人形机器人业务的提前折现。同理，未来国内头部智能驾驶车企，其估值也将逐步反映公司的智能化实力。
此外，新能源车企在算法、算力、数据三方面的投入模式与AI科技公司高度相似：算法上，以特斯拉FSD和华为ADS为代表，企业持续引入大量专业人才优化感知模型和智能算法；算力上，算力投入终将成为竞争壁垒。目前头部企业中，华为拥有超千亿级净现金，理想、比亚迪有近千亿级净现金；数据上，关键是保有量。无论是比亚迪发力智能化，还是理想 ALL in AI，车路数据的规模和质量决定模型性能。
领先的智驾不仅能促进销量，更是Robotaxi、人形机器人等更大市场的入场券。头部整车企业或从汽车制造商，向涉足AI与机器人领域的多元化 AI 科技公司迈进。
纯视觉方案依托单目/多目摄像头+深度学习架构（端到端模型），模拟人类视觉原理，通过算法突破替代硬件冗余。
纯视觉优点是低的硬件成本和深度适配端到端模型，通过类人信息输入，自动发现难以用规则描述的模式和规律。但在极端场景下有几率存在一定基础物理缺陷：二维图像缺乏深度空间信息、极端天气、纹理依赖性等问题。同时，纯视觉方案极度依赖规模化和算力储备，需要通过规模化的车队探索物理世界，回传行驶数据，通过算力中心训练数据，升级算法，再次探索物理世界形成数据飞轮。
但安全冗余方面，纯视觉方案如果能解决99%的安全问题，那么剩下1%的长尾场景可能就需要激光雷达来完成。
两种路线实际反映了“算法算力替代硬件性能”与“物理冗余保障绝对安全”的理念冲突。
如今，智能驾驶技术正以惊人的速度迭代，但技术跃迁的轨迹从来不是直线，而是螺旋式上升的蜿蜒征途。无论前路如何崎岖，智能化的浪潮终究会向前。法规配套、保险机制、商家风险强告知义务、消费者智驾教育等，都要深化，缺一不可，环环相扣。
智能驾驶绝非无人驾驶的同义词。车企和媒体应当明确L2辅助驾驶、L3自动辅助驾驶与L4无人驾驶的技术边界，清晰的界定不仅是行业自律的底线，更是守护消费者安全的防火墙。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
