报告背景
u近年来,智能辅助驾驶技术沿着功能迭代与场景拓展的路径持续突破,从2022年高速场景的NOA量产落地,逐步向2024年城市复杂路况的NOA功能延伸,并于2025年实现全场景车位到车位功能的规模化应用,推动智能辅助驾驶从单一场景向全域覆盖升级与此同时,硬件方案的降本增效与软件算法的架构革新形成协同效应,推动高阶智能辅助驾驶能力向主流市场加速渗透,并以更低成本的传感器配置和端到端模型优化实现技术普惠,开启10万元级车型的高阶智能辅助驾驶普及新时代
u在全场景车位到车位功能快速落地的过程中,用户体验优化与安全冗余体系的构建成为智能辅助驾驶行业焦点面对复杂场景下的长尾问题,车企通过多模态感知融合、大模型决策算法和动态场景重建等技术强化系统鲁棒性,同时建立从传感器冗余到算力备份的多层级安全保障机制,以应对突发工况并降低人为接管频率
u政策层面,L3级有条件自动驾驶责任认定试点方案的推行,为技术商业化厘清了权责边界,而监管部门对过度宣传的规范化约束,则引导行业从功能堆砌转向实效验证,形成技术突破与安全规范的双轨发展格局这一系列进展标志着智能辅助驾驶正从技术验证期迈入规模化规范化发展的新阶段
核心观点
u智驾技术:高阶智能辅助驾驶技术正加速向L3/L4级迈进,核心围绕智能辅助驾驶算力数据与算法三大要素演进。1)算力方面:云端算力EFLOPS级超算成竞争壁垒,车端算力向千TOPS芯片跃迁,支持端到端大模型本地部署,并结合VLA提升语义理解能力,推动自动驾驶层级升级。2)数据方面:车端边端云端全流程闭环加速形成,真实与合成数据双引擎驱动,数据闭环向全流程自动化演进,多模态融合助力行业摆脱硬件冗余依赖。3)算法方面:一段式端到端VLA推动高阶智能辅助驾驶从uc数据驱动向认知驱动跃迁;世界模型通过云端训练+车端蒸馏提升泛化能力,但其规模化落地仍受限于算力成本与数据质量
u合作模式:全栈自研需高研发投入与数据闭环能力,仅头部新势力可长期维持;自研+外采因平衡效率与可控性,将成为多数车企主流选择;全栈外采因技术迭代快、成本低,在中低端车型中仍有空间行业将呈现分层竞争多元共存格局,第三方供应商在开放性生态下机会显著
u趋势洞察:尽管车企和政策的推动为L3落地创造了条件,但大规模商业化仍需突破技术长尾问题与伦理争议,未来两年将是关键窗口期,L3级智能辅助驾驶功能的规模化上车进度可能会放缓,需通过数据积累与政策协同实现从功能可用到安全可信的跨越。
中国高阶智能辅助驾驶市场背景
1.1高阶辅驾ODD再扩展
1.2科技平权与技术普惠
1.3事故焦虑与安全冗余
1.4政策护航与理性宣传
中国高阶智能辅助驾驶技术洞察
2.1高阶智能辅助驾驶技术洞察:解码算力、数据、算法的技术底层逻辑
2.2高阶智能辅助驾驶算力洞察:①车端算力;②云端算力
2.3高阶智能辅助驾驶数据洞察:①数据难题;2②数据采集;③定位技术
2.4高阶智能辅助驾驶算法洞察:①端到端;2VLA;③世界模型
中国高阶智能辅助驾驶竞合分析
3.1企业梯队与产业图谱
3.2开发策略与合作模式
中国高阶智能辅助驾驶趋势洞察
4.1乘用车L3商业化进展
中国高阶智能辅助驾驶技术洞察
2.1高阶智能辅助驾驶技术洞察:解码算力、数据、算法的技术底层逻辑
2.2高阶智能辅助驾驶算力洞察:①车端算力;②云端算力
2.3高阶智能辅助驾驶数据洞察:①数据难题;2②数据采集;③定位技术
2.4高阶智能辅助驾驶算法洞察:①端到端;2VLA;③世界模型
中国高阶智能辅助驾驶竞合分析
3.1企业梯队与产业图谱
3.2开发策略与合作模式
中国高阶智能辅助驾驶趋势洞察
4.1乘用车L3商业化进展
u中国智能辅助驾驶功能正沿着场景复杂度逐级攀升覆盖范围持续扩展的路径快速发展:从最初高速NOA在结构化道路实现自动变道西道通
行等基础功能,到城市NOA突破红绿灯识别、无保护左转等城市复杂场景,最终向全场景D2D进化,打通地库城区高速的全链路高阶智能辅助驾驶,并融合自动充电、跨楼层泊车等终极场景。
u
u2025年比亚迪将高速NOA功能下探至8万元车型,小鹏城市NOA覆盖至15万元级市场,其余主流车企也将城市NOA功能下沉至10-20万元车型,高
阶智能辅助驾驶的科技平权愈发显露。
u高