作者：任澤平

來源：澤平宏觀（ID：zepinghongguan）

智能駕駛的爆發比預期更快。特斯拉開始量產無方向盤車型、全球無人車隊規模化運營，標志著商業化拐點已至。從第一性原理看，AI在感知距離、反應速度、駕駛經驗數據共享上全面超越人類生理極限，取代人類駕駛是必然。

智能駕駛產業正經歷兩大躍遷。一方面，L2+智駕已下探，全面步入標配時代；另一方面，為規避L3權責模糊的痛點，頭部車企正選擇跳級直攻L4級無人駕駛。

行業呈現三大核心趨勢：趨勢一是底層技術路線迭代，未來看端到端+世界模型；趨勢二是低成本、高質量的數據閉環成為車企最深的護城河；趨勢三是硬件大降本、推動智駕全面平權。

我們暢想，智能駕駛的終局將徹底顛覆很多現在的社會商業生態。它將催生出行即服務（MaaS）的新商業模式，重塑無擁堵、少停車場的城市規劃，賦能智能電網，并最終將汽車化為解放人類時間的第三生活空間。

1 智能駕駛：即將全面爆發

全球來看，智能駕駛的商業化落地速度，會比想象的要快。

一是沒有方向盤的量產車已經下線：2026年2月中旬，特斯拉首臺專為Robotaxi設計的Cybercab正式量產下線。這款車徹底取消了方向盤和剎車油門踏板，完全交由AI控制。馬斯克已明確表示，該車型計劃于26年4月大規模投產。

二是FSD入華進入倒計時：馬斯克此前曾透露，特斯拉完全自動駕駛系統FSD預計將在2026年在中國獲得全面批準。一旦這條過江龍正式落地，國內智駕市場將迎來真正的質變。

三是車企會經歷DeepSeek時刻：自動駕駛不再是科技公司的專屬，造車新勢力也全面下場。就在2026年春節剛過，小鵬汽車CEO何小鵬在全員開工信中明確提出，要抓住中國自動駕駛的DeepSeek時刻，并宣布將在2026年推出極具競爭力的全新一代Robotaxi。車企的未來會從賣硬件向賣AI出行服務。

四是中國自動駕駛車隊的規模化：在國內，百度的蘿卜快跑不僅在內地城市鋪開，2026年2月更是獲批在香港實現了跨區貫通機場島的無測試。目前它甚至已經把無人車開到了迪拜和阿布扎比等海外市場。

五是未來千輛級商業化運營成為標配：自動駕駛的商業閉環正在打通。放眼全球，大洋彼岸的龍頭Waymo不斷刷新百億美元級的融資紀錄，目前其每周的付費訂單量已經突破45萬單，并且明確提出計劃在2026年底將周付費訂單量提升至100萬單以上。而在國內，小馬智行、文遠知行等頭部企業的無人車隊也已經正式達千輛。

2 智能駕駛科學原理：超強硬件+可復制

一是自動駕駛的硬件，正在超越人的極限。

駕駛的本質是從環境感知、再到決策、執行的物理閉環。人在這個閉環中存在生理極限，比如人視覺的有效感知距離是150米，且極易受惡劣天氣、情緒和疲勞的影響，而AI擁有探測距離超200米的高清攝像頭與激光雷達，以及全天候360度無死角的感知矩陣。捕捉的信息量遠超人類。

在反應速度上，人類最快的神經延遲在200ms以上，并且人的大腦極易受疲勞、情緒的影響。而AI大幅超越了這些人類的限制，而頂級車載算力芯片可將決策延遲極速壓縮至10ms-30ms。AI不僅看得更遠，動作也遠比人類迅猛果斷。

二是自動駕駛的學習能力可以批量復制遷移，實現了從封閉積累、到全局共享的指數級進化。

駕駛員的經驗積累是封閉的，一位老司機的經驗不能直接復制給新手，隨著老司機的退休，經驗也就消失了。

自動駕駛的經驗是可以批量復制和全局共享的。以特斯拉為首的車企利用影子模式，讓數百萬輛車在真實世界中并行訓練。只要全球有任何一輛車學會了處理某個極端場景，這個經驗就會通過云端瞬間同步給幾百萬輛車。這種一車學會，全網掌握的進化速度，讓AI一天的學習量就能跨越人類數萬年的駕駛時長。

所以，從第一性原理上講，自動駕駛未來必然會比人開得更好、更安全。最終將從底層邏輯上消除90%以上的交通事故。

那么過去為什么自動駕駛沒全面落地？

第一個限制是極端場景。

自動駕駛有一個大難題是：99%的正常路況下自動駕駛可以處理的很好，但剩下的1%極端場景，數據少，路況復雜，需要自動駕駛付出更多的努力來處理好，這1%的極端場景對人的安全很關鍵。

第二個限制是自動駕駛的規則、權責界限設定問題。全球每年因人類駕駛造成的死亡人數超過130萬，法律法規有詳細的責任界定，自動駕駛雖然可能更安全，但出現事故責任如何界定。過去上百年，交通法規權責主體是人；但在自動駕駛時代，如果出了事故誰賠？責任歸屬于車和系統提供方、還是車主？這些都需要進一步法律明確。

第三個限制在于車載算力不足。在云端，自動駕駛模型已經訓練好了，但因為車上的芯片算力不夠，數據對比很直觀：現在的車載芯片算力大約是500TOPS，而要想完美運行，需要2000TOPS。目前特斯拉、英偉達、地平線都在攻克這個關卡，一旦2000TOPS的芯片成功上車，自動駕駛將迎來質的飛躍。

未來就是要逐步解決這三個問題。

3 行業兩大現象：L2+級智駕快速增長，跳過L3、直攻L4級自動駕駛

現在行業呈現兩大現象級事件。

現象一是高階智駕（L2+級別）被打成“白菜價”，全面進入標配時代，自動駕駛“普惠”元年。

什么是L2+？區別于只能簡單跟車的普通L2，L2+（高階智駕）的核心標志是具備NOA領航輔助駕駛功能。NOA又分為相對簡單的高速NOA和復雜的城市NOA。過去，這些都是二三十萬高端車的專屬，但2025年成為了徹底的普及元年。

首先是高速NOA殺到平價。關鍵事件是2025年2月，比亞迪發布天神之眼智駕系統，直接把支持高速領航和代客泊車的版本，下放到了7萬元級別的代步車海鷗上。這標志著高階智駕的門檻被徹底踩碎，首次殺入最下沉的市場。

其次是向上爆發，城市NOA開始規模化滲透。曾經高高在上的城市NOA也迎來了爆發。2025年全年，搭載城市NOA的乘用車達到了267萬輛，年末單月滲透率更是升至17.9%。

預計到2030年，包含高速和城市NOA在內的L2+級整體滲透率將超過90%。高階智駕正迅速從車企的差異化賣點，變成像安全氣囊一樣的出廠標配。

隨著智駕等級向高階NOA躍遷，單車配套的硬件價值也在翻倍。基礎ADAS產品的單車價值約為20-30美金，而目前量產的高階智駕純硬件方案已達500美金，未來隨著算力進一步膨脹，單車的智能駕駛系統價值有望突破1000美金以上。

現象二是政策雖然破冰L3，但車企的技術野心已直指L4。

業內其實早有共識，L3是一個過渡性概念，甚至有些反人性。L3的要求是：平時車自己開，但遇到極端危險時，人類必須瞬間接管。但是如果在車上已經刷了會手機、完全放松了，突然遇到緊急情況需要零點幾秒內救場，很難完全反應、接管。

比如理想汽車CEO李想等業內人士都曾表達過類似觀點：L3的責任界定是個灰色地帶，也就是出了車禍到底算誰的。在這個階段，對車企來說是個巨大的麻煩。

所以，大部分中國車企開始直接跳級、技術狂奔。在技術架構上直接降維打擊，用端到端大模型加上最頂級的算力，直接沖刺不需要人管的L4。比如華為乾崑智駕的快速迭代，以及百度蘿卜快跑大規模出海鋪開的無方向盤車隊，本質上都是在拋棄L3這個過渡形態，直接鎖定L4的商業閉環。

其實，汽車行業不會像手機行業那樣出現極高度的頭部集中。手機的硬件形式高度單一化，而汽車的審美和功能需求極其細分：如年輕家庭選轎車、多娃家庭選大SUV、社交認同選不同品牌等等。

這就使得單一車型很難像手機旗艦機那樣覆蓋所有人群，未來的智駕市場將存在大量豐富SKU。這種格局決定了單一巨頭很難吃掉全部市場，同時也為為獨立的第三方軟硬件供應商留下了巨大的長尾客戶空間。

在全球智能駕駛的競爭格局中，中國車企正依靠本土龐大的數據規模和全棧自研的算法，構建起護城河。

比如華為的乾崑智駕，以賦能者打造中國智駕聯盟。華為的乾崑智駕是目前國內商業化落地最成功的智駕系統之一。不僅賦能鴻蒙智行生態（問界、智界、享界、尊界），還將智駕系統開放給了長安、廣汽、東風、甚至奧迪等傳統巨頭。這種HI（Huawei Inside）模式讓華為積累了極為龐大且多樣的泛化行駛數據。同時，其在智能座艙上也積累一定的優勢，如接入大模型的小藝助手。

再比如小鵬汽車引領中國“純視覺+端到端”技術落地。小鵬XNGP系統已經擺脫了對高精度地圖的依賴，并在最新的架構中大幅削減了對激光雷達的依賴，轉向純視覺主導的AI鷹眼方案。小鵬在應對中國特有的復雜路況如電瓶車混行、極窄老舊小區時的博弈能力和繞行平順性，已經逼近人類老司機。

理想憑借海量高質量數據與“端到端+VLM”雙系統破局。理想汽車憑借極高的單車銷量，擁有了國內最大規模、最高質量的高階智駕車隊，這為其“影子模式”的訓練提供了海量優質彈藥。在技術路徑上，理想創新性地推出了“端到端+VLM視覺語言模型”雙系統架構。系統1負責像人的小腦一樣進行快速的直覺反應；系統2則像人的大腦，能讀懂路牌、理解復雜的施工路況甚至交警手勢，極大地提升了系統在未知環境下的上限。

4 智能駕駛未來的三大趨勢

趨勢一：技術底座重構，端到端+世界模型。

過去智駕靠程序員寫下幾十萬行規則代碼，極易在復雜路況卡死。現在的共識是模仿人腦直覺的“端到端大模型”，代碼量直接銳減。配合能預判物理法則的世界模型，AI能在云端一天模擬出人類幾百年的駕駛經驗。

比如到2026年2月，特斯拉FSD全球累計行駛里程已突破80億英里。其最新的V14版本接管率大幅下降，證明了徹底拋棄規則代碼、轉向純視覺端到端，是通向完全無人駕駛的最確定路徑。

趨勢二：自動駕駛的高質量數據閉環，引發馬太效應。

當大家都在用端到端架構時，算法本身變得同質化，真正的護城河變成了誰擁有更多的數據，以及誰處理數據的速度更快。

數據閉環的下半場競爭還在于對“人類社會規則”的深度理解，引入視覺語言模型VLA可以處理極端復雜的場景，例如在全紅燈交通管制下，AI能識別出警察的手勢權限高于紅燈，并理解警察制服所代表的特殊指令。這種對復雜語義的解析將是高階智駕在應對未知環境時的核心勝負點。

智駕下半場的淘汰賽已經打響。擁有百萬級量產車隊的大廠，利用影子模式瘋狂獲得真實路況數據，數據閉環自動化率已超99%。而二三線車企缺乏海量數據喂養和昂貴的算力支撐，就會落后一個身位。頭部企業借此建立起了至少2-3年的代際優勢。

趨勢三：硬件降本，高階智駕開始白菜價、智能駕駛進入全面平權時代。

純視覺vs激光雷達之爭已經終結，現在的核心是：純視覺主攻市場、實現全面普及，激光雷達作為安全冗余，聚焦高端車型和Robotaxi市場，入門級車規級激光雷達單價已下探至200-300美元，主流高性能型號成本則穩定在280-420美元。智駕硬件普惠，從過去幾年情況看，每年成本降低約30%，速度是智能手機黃金發展期的1.7倍。

與此同時，激光雷達企業開始追求把成本打下來、裝機量鋪上去的商業閉環。中國企業如禾賽科技、速騰聚創在全球領先，不僅在車端，2025-2026年更是在機器人比如無人配送、割草、人形機器人等領域迎來了新爆發點，這是激光雷達的第二增長曲線。

5 智能駕駛終局構想：顛覆生活的四大場景

智能駕駛將從四個方面改變我們的生活。

一是商業模式顛覆，車企從賣車變成賣服務，出行即服務的MaaS是主流模式。

未來大家不再買車，而是買出行服務。1臺24小時連軸轉的Robotaxi無人出租車，能干掉8-10臺私家車的市場曲線。汽車軟件收費具有強排他性。一旦用戶購買了某一品牌的硬件，未來5-10年內該用戶就被該品牌的智能駕駛鎖定，車企的估值模型將從“賣車收益”轉向“保有量收租”模式。

從此，汽車廠商將變成出行服務商。以特斯拉為例，一臺Robotaxi成本若為3萬美元，當車隊規模達到100萬臺時，靠著每英里0.2美元的極低運營成本，出行服務的年收入能突破700億美元。這個利潤空間將遠遠碾壓賣車收益。

對個人而言，擁有車的成本將不再合理。一是貶值，還有保險、停車和保養等。而Robotaxi是純粹的按需付費。當無人車隊規模化運營后，平攤下來的單公里出行更有性價比。

二是城市規劃顛覆，消滅堵車，停車場減少。

現在的堵車大多是因為人類司機的反應慢和亂加塞。未來，所有車輛由算法統一調度，V2X車路協同，車與車之間毫秒級溝通，路面吞吐量將暴增，告別堵車。

另外，因為車隨叫隨到、用完即走，城市里龐大的停車場、路邊車位將消失。

三是能源與環境保護，車輛成為了海量移動的巨型充電寶。

未來，無人車隊會變成智能電網的一部分。它們會在半夜電價便宜時自己去充電，在白天用電高峰期，把多余的電反向賣給電網，成為城市里流動的能源載體。

四是個人體驗顛覆，汽車變成第三生活空間。

當不需要把手放在方向盤上時，通勤時間就不再被浪費。

汽車不再只是個代步工具，它會變成私人電影院、移動辦公室或者安靜的休息室。

版權聲明：部分文章推送時未能與原作者取得聯系。若涉及版權問題，敬請原作者聯系我們。