智能驾驶：即将全面爆发|无人驾驶|智能驾驶|智驾|特斯拉|知名企业|自动驾驶|道路测试牌照

文：泽平宏观团队

智能驾驶的爆发比预期更快。特斯拉开始量产无方向盘车型、全球无人车队规模化运营，标志着商业化拐点已至。从第一性原理看，AI在感知距离、反应速度、驾驶经验数据共享上全面超越人类生理极限，取代人类驾驶是必然。

智能驾驶产业正经历两大跃迁。一方面，L2+智驾已下探，全面步入标配时代；另一方面，为规避L3权责模糊的痛点，头部车企正选择跳级直攻L4级无人驾驶。

行业呈现三大核心趋势：趋势一是底层技术路线迭代，未来看端到端+世界模型；趋势二是低成本、高质量的数据闭环成为车企最深的护城河；趋势三是硬件大降本、推动智驾全面平权。

我们畅想，智能驾驶的终局将彻底颠覆很多现在的社会商业生态。 它将催生出行即服务（ MaaS ）的新商业模式，重塑无拥堵、少停车场的城市规划，赋能智能电网，并最终将汽车化为解放人类时间的第三生活空间。

1 智能驾驶：即将全面爆发

全球来看，智能驾驶的商业化落地速度，会比想象的要快。

一是没有方向盘的量产车已经下线：2026年2月中旬，特斯拉首台专为Robotaxi设计的Cybercab正式量产下线。这款车彻底取消了方向盘和刹车油门踏板，完全交由AI控制。马斯克已明确表示，该车型计划于26年4月大规模投产。

二是FSD入华进入倒计时：马斯克此前曾透露，特斯拉完全自动驾驶系统FSD预计将在2026年在中国获得全面批准。一旦这条过江龙正式落地，国内智驾市场将迎来真正的质变。

三是车企会经历DeepSeek时刻：自动驾驶不再是科技公司的专属，造车新势力也全面下场。就在2026年春节刚过，小鹏汽车CEO何小鹏在全员开工信中明确提出，要抓住中国自动驾驶的DeepSeek时刻，并宣布将在2026年推出极具竞争力的全新一代Robotaxi。车企的未来会从卖硬件向卖AI出行服务。

四是中国自动驾驶车队的规模化：在国内，百度的萝卜快跑不仅在内地城市铺开，2026年2月更是获批在香港实现了跨区贯通机场岛的无测试。目前它甚至已经把无人车开到了迪拜和阿布扎比等海外市场。

五是未来千辆级商业化运营成为标配：自动驾驶的商业闭环正在打通。放眼全球，大洋彼岸的龙头Waymo不断刷新百亿美元级的融资纪录，目前其每周的付费订单量已经突破45万单，并且明确提出计划在2026年底将周付费订单量提升至100万单以上。而在国内，小马智行、文远知行等头部企业的无人车队也已经正式达千辆。

2 智能驾驶科学原理：超强硬件+可复制

一是自动驾驶的硬件，正在超越人的极限。

驾驶的本质是从环境感知、再到决策、执行的物理闭环。人在这个闭环中存在生理极限，比如人视觉的有效感知距离是150米，且极易受恶劣天气、情绪和疲劳的影响，而AI拥有探测距离超200米的高清摄像头与激光雷达，以及全天候360度无死角的感知矩阵。捕捉的信息量远超人类。

在反应速度上，人类最快的神经延迟在200ms以上，并且人的大脑极易受疲劳、情绪的影响。而AI大幅超越了这些人类的限制，而顶级车载算力芯片可将决策延迟极速压缩至10ms-30ms。AI不仅看得更远，动作也远比人类迅猛果断。

二是自动驾驶的学习能力可以批量复制迁移，实现了从封闭积累、到全局共享的指数级进化。

驾驶员的经验积累是封闭的，一位老司机的经验不能直接复制给新手，随着老司机的退休，经验也就消失了。

自动驾驶的经验是可以批量复制和全局共享的。以特斯拉为首的车企利用影子模式，让数百万辆车在真实世界中并行训练。只要全球有任何一辆车学会了处理某个极端场景，这个经验就会通过云端瞬间同步给几百万辆车。这种一车学会，全网掌握的进化速度，让AI一天的学习量就能跨越人类数万年的驾驶时长。

所以，从第一性原理上讲，自动驾驶未来必然会比人开得更好、更安全。最终将从底层逻辑上消除90%以上的交通事故。

那么过去为什么自动驾驶没全面落地？

第一个限制是极端场景。

自动驾驶有一个大难题是：99%的正常路况下自动驾驶可以处理的很好，但剩下的1%极端场景，数据少，路况复杂，需要自动驾驶付出更多的努力来处理好，这1%的极端场景对人的安全很关键。

第二个限制是自动驾驶的规则、权责界限设定问题。全球每年因人类驾驶造成的死亡人数超过130万，法律法规有详细的责任界定，自动驾驶虽然可能更安全，但出现事故责任如何界定。过去上百年，交通法规权责主体是人；但在自动驾驶时代，如果出了事故谁赔？责任归属于车和系统提供方、还是车主？这些都需要进一步法律明确。

第三个限制在于车载算力不足。在云端，自动驾驶模型已经训练好了，但因为车上的芯片算力不够，数据对比很直观：现在的车载芯片算力大约是500TOPS，而要想完美运行，需要 2000TOPS。目前特斯拉、英伟达、地平线都在攻克这个关卡，一旦2000TOPS 的芯片成功上车，自动驾驶将迎来质的飞跃。

未来就是要逐步解决这三个问题。

3 行业两大现象：L2+级智驾快速增长，跳过L3、直攻L4级自动驾驶

现在行业呈现两大现象级事件。

现象一是高阶智驾（L2+级别）被打成“白菜价”，全面进入标配时代，自动驾驶“普惠”元年。

什么是L2+？区别于只能简单跟车的普通L2，L2+（高阶智驾）的核心标志是具备NOA领航辅助驾驶功能。NOA又分为相对简单的高速NOA和复杂的城市NOA。过去，这些都是二三十万高端车的专属，但2025年成为了彻底的普及元年。

首先是高速NOA杀到平价。关键事件是2025年2月，比亚迪发布天神之眼智驾系统，直接把支持高速领航和代客泊车的版本，下放到了7万元级别的代步车海鸥上。这标志着高阶智驾的门槛被彻底踩碎，首次杀入最下沉的市场。

其次是向上爆发，城市NOA开始规模化渗透。曾经高高在上的城市NOA也迎来了爆发。2025年全年，搭载城市NOA的乘用车达到了267万辆，年末单月渗透率更是升至17.9%。

预计到2030年，包含高速和城市NOA在内的L2+级整体渗透率将超过90%。高阶智驾正迅速从车企的差异化卖点，变成像安全气囊一样的出厂标配。

随着智驾等级向高阶NOA跃迁，单车配套的硬件价值也在翻倍。基础ADAS产品的单车价值约为20-30美金，而目前量产的高阶智驾纯硬件方案已达 500美金，未来随着算力进一步膨胀，单车的智能驾驶系统价值有望突破1000美金以上。

现象二是政策虽然破冰L3，但车企的技术野心已直指L4。

业内其实早有共识，L3是一个过渡性概念，甚至有些反人性。L3的要求是：平时车自己开，但遇到极端危险时，人类必须瞬间接管。但是如果在车上已经刷了会手机、完全放松了，突然遇到紧急情况需要零点几秒内救场，很难完全反应、接管。

比如理想汽车CEO李想等业内人士都曾表达过类似观点：L3的责任界定是个灰色地带，也就是出了车祸到底算谁的。在这个阶段，对车企来说是个巨大的麻烦。

所以，大部分中国车企开始直接跳级、技术狂奔。在技术架构上直接降维打击，用端到端大模型加上最顶级的算力，直接冲刺不需要人管的L4。比如华为乾崑智驾的快速迭代，以及百度萝卜快跑大规模出海铺开的无方向盘车队，本质上都是在抛弃L3这个过渡形态，直接锁定L4的商业闭环。

其实，汽车行业不会像手机行业那样出现极高度的头部集中。手机的硬件形式高度单一化，而汽车的审美和功能需求极其细分：如年轻家庭选轿车、多娃家庭选大SUV、社交认同选不同品牌等等。

这就使得单一车型很难像手机旗舰机那样覆盖所有人群，未来的智驾市场将存在大量丰富SKU。这种格局决定了单一巨头很难吃掉全部市场，同时也为为独立的第三方软硬件供应商留下了巨大的长尾客户空间。

在全球智能驾驶的竞争格局中，中国车企正依靠本土庞大的数据规模和全栈自研的算法，构建起护城河。

比如华为的乾崑智驾，以赋能者打造中国智驾联盟。华为的乾崑智驾是目前国内商业化落地最成功的智驾系统之一。不仅赋能鸿蒙智行生态（问界、智界、享界、尊界），还将智驾系统开放给了长安、广汽、东风、甚至奥迪等传统巨头。这种HI（Huawei Inside）模式让华为积累了极为庞大且多样的泛化行驶数据。同时，其在智能座舱上也积累一定的优势，如接入大模型的小艺助手。

再比如小鹏汽车引领中国“纯视觉+端到端”技术落地。小鹏XNGP系统已经摆脱了对高精度地图的依赖，并在最新的架构中大幅削减了对激光雷达的依赖，转向纯视觉主导的AI鹰眼方案。小鹏在应对中国特有的复杂路况如电瓶车混行、极窄老旧小区时的博弈能力和绕行平顺性，已经逼近人类老司机。

理想凭借海量高质量数据与“端到端+VLM”双系统破局。理想汽车凭借极高的单车销量，拥有了国内最大规模、最高质量的高阶智驾车队，这为其“影子模式”的训练提供了海量优质弹药。在技术路径上，理想创新性地推出了“端到端+VLM视觉语言模型”双系统架构。系统1负责像人的小脑一样进行快速的直觉反应；系统2则像人的大脑，能读懂路牌、理解复杂的施工路况甚至交警手势，极大地提升了系统在未知环境下的上限。

4 智能驾驶未来的三大趋势

趋势一：技术底座重构，端到端+世界模型。

过去智驾靠程序员写下几十万行规则代码，极易在复杂路况卡死。现在的共识是模仿人脑直觉的“端到端大模型”，代码量直接锐减。配合能预判物理法则的世界模型，AI能在云端一天模拟出人类几百年的驾驶经验。

比如到2026年2月，特斯拉FSD全球累计行驶里程已突破80亿英里。其最新的V14版本接管率大幅下降，证明了彻底抛弃规则代码、转向纯视觉端到端，是通向完全无人驾驶的最确定路径。

趋势二：自动驾驶的高质量数据闭环，引发马太效应。

当大家都在用端到端架构时，算法本身变得同质化，真正的护城河变成了谁拥有更多的数据，以及谁处理数据的速度更快。

数据闭环的下半场竞争还在于对“人类社会规则”的深度理解，引入视觉语言模型VLA可以处理极端复杂的场景，例如在全红灯交通管制下，AI能识别出警察的手势权限高于红灯，并理解警察制服所代表的特殊指令。这种对复杂语义的解析将是高阶智驾在应对未知环境时的核心胜负点。

智驾下半场的淘汰赛已经打响。拥有百万级量产车队的大厂，利用影子模式疯狂获得真实路况数据，数据闭环自动化率已超99%。而二三线车企缺乏海量数据喂养和昂贵的算力支撑，就会落后一个身位。头部企业借此建立起了至少2-3年的代际优势。

趋势三：硬件降本，高阶智驾开始白菜价、智能驾驶进入全面平权时代。

纯视觉vs激光雷达之争已经终结，现在的核心是：纯视觉主攻市场、实现全面普及，激光雷达作为安全冗余，聚焦高端车型和Robotaxi市场，入门级车规级激光雷达单价已下探至200-300美元，主流高性能型号成本则稳定在280-420美元。智驾硬件普惠，从过去几年情况看，每年成本降低约30%，速度是智能手机黄金发展期的1.7倍。

与此同时，激光雷达企业开始追求把成本打下来、装机量铺上去的商业闭环。中国企业如禾赛科技、速腾聚创在全球领先，不仅在车端，2025-2026年更是在机器人比如无人配送、割草、人形机器人等领域迎来了新爆发点，这是激光雷达的第二增长曲线。