一、智驾算法从端到端迈向VLA

自动驾驶汽车的核心在于计算机视觉和深度学习。自动驾驶汽车使用高分辨率的摄像头和传感器等，结合计算机视觉来检测汽车周围的情况，通过深度学习算法让汽车对周围情况或障碍做出反应。自动驾驶分为五个层级：L1级自动驾驶配备防抱死制动系统（ABS）和巡航控制系统；L2级对应半自动驾驶，这个级别上，车辆可以直行，在车道内自行控制与前方车辆的距离；L3级对应有条件的自动驾驶，在某些时刻，汽车可以接管所有驾驶功能；L4级是一种完全自主的状态，驾驶员无须观察周围的交通情况；L5级是真正意义上的自动驾驶，可以在所有条件下自主运行而不需要驾驶员。L3级及以上的自动驾驶系统必须依赖人工智能进行突破，人工智能是当前自动驾驶汽车突破的最大力量。

逻辑上，自动驾驶系统需要完成感知、决策、执行三大任务，分别对应架构上的传感器、车载智能计算平台、执行系统三个部分。首先，AI技术使得自动驾驶汽车能够通过摄像头、雷达和其他传感器收集环境数据，解决环境识别（周边环境如何）和自身定位（在哪里）问题。其次，基于收集到的数据，AI需要预测接下来会发生的情境，决定下一步的行动，并对实施过程进行规划。最后，AI需要控制实际的车辆操作，如转向、加速和制动，确保车辆按照预定的路线安全行驶。

2016年以前，特斯拉的自动驾驶系统依赖Mobileye（一家自动驾驶技术公司）提供的软硬件。2016年特斯拉由于和Mobileye合作关系破裂，其硬件端转向英伟达，同时自研软件算法。此后，特斯拉通过设计多任务学习HydraNet架构，在进行特征提取的同时能进行交通灯检测、车辆避让等多项任务，节省了训练和计算资源。2020年是一个转折点，特斯拉引入BEV（鸟瞰图） Transformer算法，解决了卷积神经网络算法在BEV遮挡区域预测问题，优化了特征级融合，减少了对人工标注的依赖。2022年，特斯拉继续创新，引入时序网络，将BEV升级为占用网络（Occupancy Network），可以使用多个摄像机拍摄的图像进行3D处理，提升了动态环境下的感知能力。2023年，特斯拉发布FSD V12版本，该版本使用端到端技术，进一步带动智驾算法性能提升。特斯拉自动驾驶技术历程如表4-1所示。

端到端架构的核心是全局优化与数据驱动。传统模块化方案需将驾驶任务拆解为感知（识别物体）、预测（判断他车意图）、规划（生成路径）等独立模块，模块间依赖人工定义的接口（如边界框、车道线方程），导致信息损失与错误累积。例如，感知模块可能因未识别施工锥桶而引发规划失误。端到端大模型相比过去的算法有四个重要特点及优势。一是数据驱动：过去是靠写规则去定义自动驾驶，现在是由数据驱动，每看100万~150万个视频片段，效果会有明显提升。二是上限高：目前看，大模型的涌现能力在自动驾驶中也有体现，意味着把参数量做大能解决过去自动驾驶过程中一些难以解决的驾驶行为。三是计算效率提升：端到端模型将传统数十个独立模块集成至单一网络，消除信息传递延迟，因此推理时延缩短至毫秒级，为进一步推动城市领航等高阶功能落地提供技术基础。四是驾驶体验逼近人类：过去规则定义下的自动驾驶很生硬，目前体验更加类似于人类驾驶的感受，从而降低了接管次数。

马斯克称FSD V12是完全端到端，FSD V12完全是由神经网络训练而成的，没有任何一行人工写的规则代码，通过分析数百万个视频片段以及数十亿帧人类驾驶汽车的视频进行训练，取代了超过30万行的C  代码，代码量大幅减少至2 000行左右。马斯克认为，控制是全自动驾驶的最后一个难题，FSD V12使用AI替代传统控制模块使得控制代码减少约两个数量级。在实际驾驶场景中，FSD V12存在诸多亮点。在高速场景下，车辆的变道行为及时且自然，能提前0.7英里（约1.1千米）规划车道变更，为下高速或路口转向做好准备。在城市道路中，它能够应对红绿灯、车道变更和合流决策等复杂情况，还能有效执行有红绿灯控制的左转和无保护左转，车辆的执行能力得到了提升，变道时机把握更准确。此外，它在减速带处理上表现出色，会提前适当减速。

特斯拉向用户推送FSD V13.2版本，该版本采用了和SpaceX火箭同源的代码，特斯拉人工智能软件副总裁阿肖克·埃卢斯瓦米将此次发布描述为一次重大飞跃。FSD V13.2最重大的功能之一是“车位到车位”（park-to-park）智驾功能。特斯拉车主按下新的“启动FSD（有监督）”

［启动FSD（Supervised）］按钮，车辆就能从停车挡换入行驶挡。FSD还具备换挡能力，不仅可以倒车，还可以在停车、前进、倒车三个模式之间进行切换，以到达目的地。在安全性方面，FSD V13.2改进了防碰撞的奖励预测，并优化了相机清洁功能，确保驾驶过程中的视野清晰。该版本同时可以在车主允许的条件下收集车辆音频片段，以便车辆将来可以通过声音检测紧急车辆。FSD V13.2引入了36 Hz的全分辨率AI4视频输入，结合原生AI4输入和全新的神经网络架构，使系统能够更高效地处理来自车辆传感器的数据；数据规模扩大了4.2倍，训练计算规模更是达到了原来的5倍；实现了从视频输入到车辆控制的延迟降低至原来的1/2。

目前，端到端算法可分为一段式端到端和两段式端到端两种架构。一段式端到端架构将整个任务视为一个整体，通过一个统一的神经网络模型直接从输入到输出进行映射，训练数据通常包括大量的输入输出对，如数百万张图像及对应的转向、加速等操作数据。这种架构的优势在于模型结构简单，训练过程相对直接，能够学习到输入与输出之间的复杂非线性关系，但其局限性在于若任务复杂，则中间过程难以干预和解释，且对数据质量要求极高，少量噪声数据可能导致整体性能大幅下降。

两段式端到端架构则是在一段式的基础上进行了改进，将任务分解为两个阶段：先通过一个端到端的感知模块对输入数据进行处理，提取关键特征；然后再将感知结果传递给另一个端到端的决策模块，决策模块基于感知信息生成最终的输出，如车辆的行驶决策，训练数据包含各种复杂场景下的感知信息与对应的最佳决策数据。这种架构的优势在于能够分别优化感知和决策过程，提高了模型的可解释性和灵活性，便于针对不同部分进行有针对性的改进，且降低了对单一数据集完整性的依赖。

在自动驾驶领域，VLA是发展方向之一。它通过融合视觉信息（如摄像头图像、雷达数据等）和语言信息（如地图描述、交通标志文本、驾驶指令等），使自动驾驶系统对周围环境的理解更全面、更深入。例如，VLA不仅能结合交通标志的视觉图像和文本信息，准确理解其含义，还能融合激光雷达点云数据和地图信息，在夜间或恶劣天气等复杂环境下增强感知能力，提高目标检测和车道识别的准确性。

VLA在场景理解与语义推理方面也表现出色，它能从大规模数据中学习复杂的语义关系，理解如“前方施工，请绕行”等交通标志的语义，并据此规划合理路线。在端到端导航与指令理解中，VLA能理解自然语言的导航指令，如“沿着这条路开两千米，然后在红绿灯处右转”，结合视觉环境信息，为驾驶员提供更人性化、更灵活的导航体验。

VLA的本质是构建一个具备物理世界理解能力的“多模态世界模型”。其架构创新体现在三个阶段。

预训练阶段：在云端构建视觉与语言深度融合的基座模型。以理想汽车方案为例，其VLA模型参数达320亿，通过海量驾驶场景数据（高清图像、3D点云、导航指令）训练，建立“交通语言-视觉场景”的联合表征。

蒸馏部署阶段：将云端大模型压缩为可车载运行的端侧模型（如32亿参数）。采用混合专家架构平衡效率与精度，确保在Orin-X芯片上以40 Hz帧率实时运行。

行动学习阶段：通过模仿学习与强化学习赋予模型行动能力。其中人类反馈强化学习（RLHF）是关键，系统通过人类接管数据迭代优化，学习安全边界与驾驶偏好。而扩散预测模块（Diffusion Prediction）使模型能预演未来4~8秒场景变化，为决策提供时域支持。

2025年被认为是VLA上车的元年，国内外一些车企和科技公司加大了在该技术领域的布局和投入（见表4-2）。元戎启行于2025年1月宣布与某头部车企合作，基于英伟达Thor芯片推出VLA量产车型，并计划在同年交付消费者，它还透露将在无人驾驶出租车（Robotaxi）领域探索VLA应用。此外，理想、小鹏、蔚来等车企也在聚焦世界模型与VLA融合，计划2026年实现城市道路VLA部分场景落地。华为则侧重规则算法与VLA结合，内部预研项目正在推进中，并积极探索相关技术的应用。

在海外市场，美国公司Waymo推出端到端多模态自动驾驶模型（EMMA），英国创业公司Wayve正在创新和探索VLA，Wayve的测试车队已从欧洲扩展到北美，它还与优步达成合作协议，未来可能进入优步平台。从技术应用的情况来看，目前VLA技术在部分低速场景（如停车场、园区等）已经开始小规模试点应用，采用“VLA 规则算法”并行架构，并通过安全检测机制筛选输出轨迹。

在中国市场，智驾技术商业化发展的现状是“单车智能”和“车路云一体化”两种技术路线并存。在以单车智能为主的技术路线中又呈现渐进式和激进式两种发展路径。2024年1月，工业和信息化部、公安部、交通运输部等五部委联合印发相关通知启动应用试点，同年7月公布了20个试点城市名单。这些城市从南到北、由西至东覆盖全国，目标是建成低时延、高可靠的网联云控基础设施，促进多场景自动驾驶规模化应用，探索形成“车路云一体化”投建运新型商业模式，形成统一的标准与测试评价体系。在试点推动下，多地车路云一体化建设迅速升温。北京已发布近100亿元“车路云一体化”新基建项目规划；武汉“车路云一体化”重大示范项目获武汉市发改委批准，备案金额达170亿元。

目前，多地已经开展了云控基础平台建设。例如，北京市亦庄区实现了60平方千米的“车路云一体化”功能覆盖，部署智能网联车辆超600辆，累积测试里程超1 300万千米，服务出行超100万次，智能网联数据已集成至主流导航地图和车载终端。上海市嘉定区建成全国首张IPv6 智能网联网络，完成近300个智慧路口的升级，部署5G和北斗定位基站，覆盖466平方千米，自动驾驶车辆测试和示范应用里程达1 079万千米，开放1 117千米测试道路，推动自动驾驶出租车商业化运行。武汉经济技术开发区完成了106千米道路智能化改造，开放750千米测试道路，建设北斗空间定位网，实现全域无人驾驶开放，累计发放测试牌照458张，测试里程超300万千米，百度萝卜快跑实现全国首个全无人商业运营试点。无锡超过1 700个交通路口的信号灯已完成智能化升级，实现了信号灯联网导航和危险预警等超过100个车联网应用场景的部署，数字孪生平台利用路侧传感器实时监测天气和交通事故等道路状况，5G智能驾舱技术在紧急情况下远程操控自动驾驶车辆，确保行车安全。

二、智驾平权带动智驾芯片起量

在汽车行业加速变革的2025年，“智驾平权”成为中国车厂的重要战略方向，有望推动高阶智驾下沉至10万元级车型。比亚迪率先吹响“全民智驾”的号角，凭借“天神之眼”智驾系统，以极具颠覆性的策略将高阶智驾带入市场。此外，吉利发布了千里浩瀚智驾，奇瑞推出了“猎鹰智驾”，广汽集团上市了搭载“星灵智行”系统的新车，长安、长城、零跑、北汽等车企也纷纷跟进，密集布局智驾领域，核心目标便是争夺10万~15万元的智驾汽车市场份额。

根据佐思汽研数据，2024年1月，20万~25万元价位段汽车的城市NOA搭载率仅有2.1%；至2024年10月，该值则升至24.7%。这一变化标志着城市NOA正加速普及，20万~25万元价位段已成为车企及第三方智驾厂商竞争的前沿阵地。而2025年比亚迪率先启动的“智驾平权”，极有可能推动高阶智驾下沉至10万元级车型，进一步扩大城市NOA在15万元以下车型中的普及程度。

随着智能驾驶的深入发展，汽车传统的分布式电子电气架构逐步向集中式架构转变，在域控制器时代，高算力、高性能、高集成度的异构系统级芯片（SoC）成为智能驾驶的核心关键。步入2025年后，端到端聚焦于VLA与世界模型，“车位到车位”智驾功能已成为各大车企竞争的核心焦点，这无疑对芯片算力、方案商能力以及主机厂自研能力等均提出了更为严苛的要求。

英伟达是全球自动驾驶芯片领域的头部企业，其DRIVE系列芯片依托先进制程工艺与高算力优势占据高端市场。DRIVEOrin采用7纳米制程，算力达254 TOPS，已被理想、蔚来、小鹏等多家车企应用于高端车型。升级版DRIVEThor算力高达2 000 TOPS，进一步提升了计算效率与多系统兼容性，其700~800 TOPS算力的Thor-S在2025年量产。地平线作为国内自动驾驶芯片代表企业，征程系列芯片基于自主研发的BPU架构，在能效比和场景适配性上具备特色。征程6系列最高算力达560 TOPS，采用第四代“纳什”架构，通过对国内复杂道路环境、交通规则的优化，为比亚迪、长安等本土车企提供定制化解决方案。

汽车电子电气架构双域融合正成为技术突破的核心赛道，这种融合并非简单的功能叠加，而是通过异构计算架构整合、实时操作系统虚拟化、跨域数据协同等前沿技术，构建高度集成的中央计算生态。随着汽车电子电气架构从分布式向中央计算架构的深刻变革，智能驾驶芯片迎来了全新的挑战与要求。这一变革不仅标志着汽车内部信息处理模式的根本性转变，还促使算力资源高度集中，以提升系统效率和响应速度。在此背景下，智能驾驶芯片需要具备更高的集成度、更强的算力以及更优异的安全性能。它们不仅需要满足复杂路况下的实时数据处理与分析需求，还需在集成更多传感器信息和执行机构控制指令的同时，确保数据传输的稳定性和安全性。此外，随着“舱驾一体”概念的逐步实现，智能驾驶芯片还需在硬件上实现更广泛的兼容性，以便与智能座舱等其他车载系统无缝对接，共同打造更加智能、安全的驾驶体验。

盖世汽车的数据显示，2023年智驾域控芯片搭载量排名前四的分别是特斯拉FSD芯片、英伟达Orin、Mobileye EyeQ4H和Mobileye EyeQ5H，装机量分别为1 208 402颗、1 147 311颗、201 437颗和175 246颗，对应市场份额分别为34.4%、32.6%、5.7%和5%。特斯拉FSD和英伟达Orin占比近七成。自主厂商也在不断突围。地平线、华为等厂商紧随英伟达、特斯拉之后，2023年地平线J5出货量达20万颗，市占率为6.1%，位列第三，2024年华为昇腾610以9.5%的市场份额位列第三。

三、L2级 前装量产方案：纯视觉方案与多传感器方案融合并行，ODD逐步拓展，特斯拉FSD最新版本应用于Robotaxi

感知层：纯视觉方案与多传感器方案融合并行，激光雷达渗透率提升。当前，主机厂感知方案呈现“纯视觉派”与“多传感器融合派”并行的技术格局。纯视觉传感器方案更为精简，其核心依赖高分辨率摄像头与毫米波雷达，因此硬件BOM成本相对更低，但对软件算法要求较高，目前特斯拉为采用该方案的代表性玩家。多传感器融合大多采用摄像头 毫米波雷达 激光雷达的组合方案，目前国内大多数主机厂的高阶智驾功能都选择在多传感器方案上落地。随着激光雷达的成本下探，多传感器方案的配置范围也逐步扩大，例如零跑B10在12万元级别车型中实现激光雷达搭载。

功能层：ODD（运行设计域）逐步扩展至全场景。当前，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在结构化道路上实现自动变道、匝道通行等基础功能，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（车位到车位）进化，打通地库—城区—高速公路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。

特斯拉于2025年6月在得克萨斯州奥斯汀启用Robotaxi限量运营服务，并同步导入升级版FSD系统。与目前市售车款搭载的FSD相比，该系统在感知能力、路径规划与无人驾驶营运条件方面均有显著提升（见表4-3）。

2025年6月27日，埃隆·马斯克宣布，公司已完成全球首例无人驾驶新车交付。一辆Model Y从美国得克萨斯州奥斯汀附近的超级工厂启程，跨城驶向客户家中，途中经过高速公路。整个过程中车内无人员，亦无远程操控，真正实现了“从工厂到车主车库”的全自动驾驶交付。这是全球首例在公共高速路上实现车内无人、无远程控制的自动驾驶，这辆Model Y在此次行程中最高时速达到72英里（约116千米）。

2025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10万~20万元车型，高阶智能辅助驾驶的科技平权越发显露。2025年2月，比亚迪召开天神之眼智驾发布会，宣布全系标配智能驾驶，掀起智驾平权浪潮，吉利、奇瑞等主机厂纷纷跟进。2025年中阶智驾全面爆发，我们认为核心原因在于以下三点。一是技术路线已经相对成熟。经过特斯拉、新势力等智驾先行者的前期探索，以高速NOA为代表的中阶智驾功能落地及技术路线已相对成熟，传统主机厂能够实现跟进。二是智驾系统成本下探与规模效应提升形成正向循环。随着智驾硬件方案逐步成熟、成本下探，越来越多的车型可以承受智驾带来的BOM成本提升，同时中低价位段车型的巨大规模效应也能进一步推动智驾成本的下探。三是主机厂竞争焦点向智能化升级。主流主机厂已基本补齐电动化产品序列，需要通过智能化产品塑造差异化卖点来提升市占率。

四、L4级以激光雷达为核心传感器，Robotaxi/Robotruck/Robobus等多种形式协同发展

感知层：激光雷达为核心传感器。L4级与L2级在技术路线上存在根本差异。L2级依赖模仿学习（Imitation Learning），即通过复制人类驾驶行为优化系统，而L4采用强化学习，要求机器自主理解驾驶逻辑。L2级的极限是“车位到车位”，但永远无法突破需人类接管这一上限；L4级的目标是“全场景责任接管”，安全标准必须超越人类。而要实现这一目标，车辆必须具备极高的安全冗余，而激光雷达作为目前车载传感器中兼备探测距离远、探测精度高等优势的传感器，在L4级的感知层中占据着至关重要的地位。例如，广汽埃安与滴滴自动驾驶联合推出的全球首款前装量产L4级Robotaxi全车配备33个传感器，其中包括10颗激光雷达（4颗长距 6颗补盲）、12颗摄像头、4D毫米波雷达、红外传感器及声音探测器。

Robotaxi：采用多颗激光雷达作为核心传感器，利用远端安全员形式可实现限定范围内的L4级自动驾驶。例如，小马智行基于丰田赛那推出的第六代Robotaxi车型配备了4颗固态激光雷达 3颗补盲激光雷达 3颗毫米波雷达 11颗摄像头；文远知行与吉利远程合作打造的Robotaxi车型配备了超20个高性能传感器，算力超1 300 TOPS。目前，文远知行在广州、北京、南京、苏州、鄂尔多斯、阿布扎比、苏黎世等城市实现车队运营。

Robotruck（自动驾驶卡车）：编队行驶提升运营效率，为实现规模化的自动驾驶货运奠定基础。小马智行与三一重卡合作打造的自动驾驶重卡面向干线物流场景正向设计，具备超远距离、全景覆盖的感知能力，传感器布局采用一体式弧形设计（Sensor Arc），全车配备6颗激光雷达、3颗毫米波雷达、6颗摄像头并配备传感器清洁系统。小马智行发布编队自动驾驶解决方案“驼灵”，已在北京、广州获准开展卡车编队的自动驾驶测试。编队方案可实现一辆领航车和多辆跟随车的行驶，车辆均为L4级自动驾驶卡车，仅需要一名领航车安全员监督。“驼灵”方案可以极大地降低运营成本，提高运输效率，为实现规模化的自动驾驶货运奠定基础。

Robobus（自动驾驶公交车）：以固定路线为主，取消驾驶室设计，从封闭园区向开放道路拓展。Robobus的运营特点为以固定路线为主，且主要是园区内部或城市道路，行驶速度较低，运行设计域比Robotaxi更简单。例如文远知行推出的全球首款前装量产自动驾驶小巴采用了零驾驶舱设计（无方向盘、制动踏板、油门踏板），最高车速40 km/h，可容纳8~10人乘坐。从园区、景区接驳渗透到城市社区、地铁接驳等开放道路，Robobus大规模激活了城市交通和治理的“末梢神经”。随着自动驾驶技术、运营线路方案的不断成熟，Robobus有望进一步提高公共交通出行分担率，探索智慧出行更多可能。

五、乘用车：L2 智能驾驶功能快速普及，燃油车和中低端车型有提升空间

近年来，中国乘用车智能驾驶渗透率呈现快速提升态势，政策、技术与产品共同驱动行业迎来升级。根据佐思汽研数据，中国乘用车L1级、L2级、L2 合计渗透率从2022年1月的43.6%，提升至2025年4月的69.6%，上升了26个百分点。其中，L2级、L2 渗透率持续提升，L1级渗透率出现下滑，呈现更高级别智能驾驶占比提升的特点。2022年1月至2025年4月，中国乘用车L1级、L2级、L2 市场渗透率分别从15.9%、24.7%、3.0%变化至5.6%、39.7%、24.3%，变化幅度分别为下降10.3个、上升15.0个、上升21.3个百分点。2025年，随着智能驾驶产业政策进一步放开，高算力芯片、激光雷达、域控制器等产品采购成本进一步下降，行业高阶智能驾驶渗透率有望进一步提升。

从价格带来看，高级别智能驾驶的渗透率与车型价格强相关，车型价格越高，配备L2级及以上智能驾驶功能的概率就越大。2025年4月，价格分别在15万元以下、15万~25万元、25万~35万元、35万~50万元以及50万元以上的车型中，L2级及以上的渗透率分别为41.92%、82.04%、91.40%、83.09%、97.88%，50万元以上车型基本实现了标配。2022年1月，价格分别在15万元以下、15万~25万元、25万~35万元、35万~50万元以及50万元以上的车型中，L2级及以上的渗透率分别为14.05%、41.5%、47.2%、43.2%、67.3%。

从燃油类型来看，不同燃油类型的乘用车配备L2级及以上智能驾驶功能的渗透率不断提升，其中增程车型、插电式混动车型配备L2级及L2 功能的概率更大，2025年4月渗透率分别为99.62%、74.46%，纯电动车型、燃油车型渗透率分别为58.78%、60.62%。2022年1月，增程车型、插电式混动车型、纯电动车型和燃油车型L2级及L2 渗透率分别为89.8%、61.7%、35.3%、25.1%。

六、商用车：智能驾驶渗透率远低于乘用车，处于渗透率快速提升初期

预计2025年商用车L1级、L2级渗透率合计约20%，2030年渗透率合计将达到77%。商用车作为一个生产工具，其路况条件、操作便利性与乘用车存在明显区别，这也导致商用车智能驾驶渗透率远低于乘用车。在2024年中国电动汽车百人会论坛上，智加科技总经理指出，2022年中国商用车L1级、L2级智能驾驶渗透率分别为3%、16%，预计2030年将达到50%、27%。

根据《智能网联汽车技术路线图2.0》，到2025年左右，智能网联货车要实现高速场景DA（驾驶辅助）、PA（部分自动驾驶）级自动驾驶技术规模化应用，CA（有条件自动驾驶）级自动驾驶货运车辆开始进入市场。限定场景HA（高度自动驾驶）级自动驾驶实现商业化应用，高速公路队列行驶开始应用等；到2030年左右，智能网联货车要实现城市道路HA级自动驾驶技术开始应用，高速公路HA级自动驾驶技术实现商业化应用，限定场景HA级自动驾驶、高速公路队列行驶实现规模商业应用，典型应用场景覆盖全国主要城市的城市道路；到2035年左右，智能网联货车要实现FA（完全自动驾驶）级智能网联货运车辆开始应用。

智能网联客车方面，2025年左右，要实现限定场景公交车［如BRT（快速公交）］CA级自动驾驶技术商业化应用、限定场景接驳车HA级自动驾驶技术商业化应用；2030年左右，实现HA级自动驾驶接驳车规模化应用、限定场景HA级自动驾驶公交车商业化应用、HA级自动驾驶城市道路公交车开始进入市场；2035年以后，实现城市道路公交车HA级自动驾驶技术规模化应用、高速公路客车HA级自动驾驶商业化应用。随着技术的发展，未来智能驾驶领域将逐步实现全路况条件下的自动驾驶。

七、执行系统：线控底盘大规模上车，成为自动驾驶安全性基石

传统的制动系统主要由液压式构成，依赖发动机提供的真空助力驱动液压管路传递制动力，从20世纪50年代迅速取代机械制动，直到21世纪20年代都是核心主流方案。液压制动具备制动平稳、维护成本低等明显优点，但随着汽车电动化乃至智能化时代到来，液压制动的核心缺陷被显著放大，具体体现为以下三方面。一是真空源依赖：纯电动车因无发动机，需加装电子真空泵补偿真空助力，但该方案在高原低压环境下性能衰减明显，且存在噪声大、寿命短等问题。制动系统作为安全件，车规级要求苛刻，零部件需要在各种环境下均可靠工作。二是响应延迟：从原理看，液压制动需要机械传动链条实现制动，导致制动响应时间长达400~600 ms，难以满足智能驾驶对实时控制的严苛需求。三是能量回收瓶颈：制动踏板与液压系统刚性耦合，对于电动车而言，制约了电机制动力与机械制动力的高效协调，能量回收效率受限，影响电动车的续航里程。液压制动无法适应汽车电动化、智能化的需求。

线控制动成为汽车电动化时代优选，通过解耦传统机械连接，以电子信号和电控执行实现汽车制动，其核心原理在于将驾驶员制动指令转化为数字信号，由电子控制单元实时计算并驱动执行器生成制动力，实现从“人直接控制机械力”到“软件调度制动力”的变革。

线控制动解决了液压制动的以下三个弊端。其一，电子信号替代真空源依赖，无须补偿真空助力。线控制动通过电子信号取代真空助力与液压管路，彻底解决电动车的真空源缺失问题，同时使系统重量减轻30%。其二，响应延迟减少，智驾控制的实时性提升。响应时长减少到150 ms内，因此紧急制动距离可以缩减约40%，提升驾驶安全性。同时，相比液压制动500 ms级的响应时间，线控制动能支持智能驾驶的实时控制需要。此外，线控制动可与ADAS（高级驾驶辅助系统）域控制器深度集成。其三，能量回收效率提升。通过制动踏板与轮缸压力的完全解耦，实现电机制动力与机械制动力的精准协同，在WLTP（全球统一轻型车辆测试程序）测试中提升32%能量回收效率（单次循环多回收160 Wh），增加电动车续航50~80千米。线控制动逐步实现软件控制汽车，成为高阶智能驾驶的安全基石。

2018年中国线控制动渗透率为3.3%，2024年线控制动渗透率为50.8%，已经超越液压制动成为市场主流。分结构来看，新能源车成为快速渗透核心驱动力：2018年燃油车、新能源车线控制动渗透率分别为3.1%、7.0%，2024年燃油车、新能源车渗透率已经分别为19.0%、90.0%，新能源车基本完成渗透。根据盖世汽车预测，2030年线控制动渗透率有望达到95%，市场规模达到347亿元，成为快速增长的赛道。未来线控制动仍将释放明显的结构化增量，有三方面的原因。第一，新能源车渗透直接拉动线控制动渗透，线控制动解决电动车真空源缺失痛点，基本成为新能源车标准配置。第二，高阶智能驾驶商业化落地，适应低时延需求。ADAS车型占比接近50%，AD（自动驾驶）车型占比约10%，制动系统向150 ms和更短的响应时间方向迭代。第三，国产替代成本优势高出约15%，推动低价格带车型普及。目前本土供应商如伯特利、弗迪动力的One-Box方案［电子助力器（iBooster）与电子稳定性控制（ESC）系统集成至单一模块］较外资同类产品价格低15%~20%，推动10万元级经济车型加速普及。

博世早期凭借Two-Box方案切入新能源市场，通过冗余设计满足高阶智驾安全要求，但Two-Box方案采取分体式结构，将电子助力器和ESC系统分开布置，两套系统相互独立、互为冗余，但是缺点明显，导致整套线控制动成本高企（单车价值约2 000元）且能量回收效率受限；而随着集成化趋势明确，Two-Box迅速向One-Box技术演变，以博世IPB、大陆MK C1等方案通过电机直驱主缸、融合ABS/ESC功能，实现体积缩小30%，制动回馈达到0.3~0.5 g减速度，并且成本下降到约1 600元。根据高工智能汽车数据，2024年中国市场乘用车前装标配One-Box线控制动方案交付818.82万辆，同比增长73.25%，前装搭载率35.72%；而Two-Box线控制动方案交付357.12万辆，同比增长仅4.01%，前装搭载率下降至15.58%。

博世等外资厂商主导EHB（电子液压制动系统）技术路线演进，凭借先发优势，实现技术卡位。但国内主机厂通过自供或第三方国产供应商实现自主品牌市占率提升。目前线控制动解决方案仍在快速迭代，国产One-Box迎来超车机会，涌现出伯特利、弗迪动力等优质国产供应商。

根据高工智能汽车数据，2022年中国本土供应商线控制动市占率仅8%左右，2024年已经超过30%。而在One-Box领域，国产供应商市占率从2021年的1%快速提升到2024年的38%。

（一）比亚迪：弗迪动力BSC高度集成，垂直整合成本优势显著

国内车企的线控制动解决方案分为自研（比亚迪）和第三方供应商（伯特利等）两类。比亚迪通过全资子公司弗迪动力自研BSC（制动安全控制系统）线控制动，实现技术闭环。弗迪动力制动安全控制系统作为高度集成的One-Box方案，凭借全解耦设计与垂直整合成本优势成为主机厂自研方案的典型代表。BSC方案通过将电动真空泵、制动主缸、ESP（电子稳定程序）等模块深度集成，600 W高功率无刷电机驱动活塞泵，实现140 ms内建压至10 MPa的毫秒级响应。

BSC系统优选电机制动，以液压制动做补偿，电液平衡减速度可达0.5 g，百千米能量回收提升超过0.5 kWh，带来续航里程增加的体验。BSC 2.0在WLTC（全球轻型汽车测试循环）工况测试下，能有效增加续航里程约20%。

弗迪动力BSC高度集成并依托头部主机厂规模效应，实现成本优势。比亚迪在汽车零部件领域广泛布局，物料采购、生产验证、整车匹配环节成本控制能力显著优于外资企业，同样采用One-Box线控制动解决方案，比亚迪BSC单价较博世IPB低15%~20%，预计价值量在1 400元左右。

弗迪动力的绝大部分BSC线控制动自供比亚迪，且受限于主机厂之间的竞争，对其他主机厂的吸引力有限。第三方线控制动供应商迎来机会。

（二）伯特利：自主线控制动龙头，第三方独立供应商

伯特利WCBS（线控制动系统）通过电机直驱滚珠丝杠建压技术，集成真空助力器、电子真空泵、制动主缸、ESC/ABS、EPB（电子驻车制动系统）等模块，以单电子控制单元控制实现全液压回路闭环管理。自主研发的One-Box集成方案实现逆袭，其产品将TCS（牵引力控制系统）、ESC、ABS等十大功能模块高度集成，体积较传统方案缩小40%，重量减轻25%。WCBS 2.0 H产品作为迭代升级产品，采用全冗余架构设计，M1模块具备压力建立和回路切换功能，M2具备压力建立和轮端压力调节能力，多重工作模式为整车提供全面的安全保障。

伯特利的客户涵盖国内外各大主机厂，目前配套服务的主机客户有奇瑞、通用、吉利、长安、北汽、广汽、理想、东风、上汽、零跑、斯特兰蒂斯、福特、日产、沃尔沃、大众、特斯拉、塔塔、丰田、马自达、马恒达、小鹏、合众、红旗、江铃、江淮、长城等。

（三）下一代线控制动：EMB响应时间更短，各解决方案量产在即

与当前主流方案EHB不同，EMB（电子机械制动）系统彻底舍弃液压管路技术路线，通过电信号直驱轮端电机生成制动力。驾驶员踩下制动踏板后，位移传感器将信号传输至电子控制单元，经动态算法解算后控制嵌入轮毂的电机驱动滚珠丝杠机构，推动摩擦片压紧制动盘，全过程属于纯电控。

2026年《乘用车制动系统技术要求及试验方法》（GB 21670—2025）新规落地，首次将电力传输制动系统（ETBS）纳入强制标准，从冗余安全、功能认证到测试方法全面扫清EMB装车障碍。该标准强制要求双独立电源系统及双制动回路的冗余设计，推动EMB系统采用电控 机械备份的架构。叠加底盘域控集成趋势，线控制动有望在2030年实现95%的渗透率，增长确定性较强。

EMB具备明显优势，成为L4级自动驾驶的准刚需。一是取消液压管路后，延迟进一步降低至80~100 ms。从液压管路变为纯电控后，信号传输延迟近乎为0，制动响应延迟从EHB的140 ms降到100 ms以下。同时依托独立四轮电机控制精度，可实现毫秒级动态扭矩分配，为L4级以上自动驾驶提供0.1 g级精准制动调校能力。二是轻量化与集成化。移除液压系统的主缸、管路和液压油后，系统进一步减重，操控性进一步提升。高度集成化的设计为底盘留出更大空间。EMB的制动延迟进一步压缩，可以为高阶自动驾驶下的紧急制动提供更多安全冗余，被视为L4/L5级智驾的必备“基建”。

2025年上海车展中，博世等外资零部件巨头以及伯特利、利氪、同驭等本土制动系统头部玩家均展示了EMB领域的最新技术成果，充分表明EMB量产已经进入倒计时。大部分本土企业已经完成两轮EMB冬季测试，量产节点主要集中在2025年底至2026年初。我们认为，本土企业依托更好的成本控制、响应速度等优势，有望在下一代EMB领域实现弯道超车，市场份额进一步扩张。

目前EHB系统单车价值量为1 500~2 000元，EMB价值量约4 000元，但量产后成本有望明显下降。针对L3/L4级自动驾驶，线控底盘集成方案趋势为“中央传动驱动 EHB EPS（电子助力转向系统） 空气弹簧 CDC（连续阻尼控制）/MRC（磁流变）减振器”；针对L5级自动驾驶，线控底盘集成方案趋势为“轮毂电机分布式驱动 空气弹簧 CDC/MRC减振器”。

L4级Robotaxi/Robovan（无人驾驶厢式车）自动驾驶趋势下，线控制动作为执行层关键零部件，未来产业趋势向好，需求仍有明显增量。

（四）执行：端到端神经网络成为主流

传统模块化架构中，自动驾驶的感知、预测、规划、控制等被划分为独立模块，通过串行处理，最终指导车辆驾驶路线。端到端（End-to-End）的核心原理在于，通过单一深度学习模型直接整合感知、决策与控制全流程，输入的是原始传感器数据，如摄像头、激光雷达信号，而输出的直接是车辆控制指令，如车辆转向角度、油门或刹车信号等等。

相较上一代模块化架构，端到端神经网络的优点明显。第一，采用海量真实数据进行训练，可以提升训练效率。传统的模块化系统需要人为设计规则，并对现有数据进行人工数据标注，而端到端神经网络采用大量真实驾驶数据进行训练，可以快速降低数据成本，提升训练效率。例如，特斯拉FSD积累了超过20亿英里c的辅助驾驶里程数据，通过规模法则，更多的数据可以实现更好的驾驶效果，从而持续迭代优化。第二，降低信息损耗，全局性能提升。以特斯拉端到端为例，其通过BEV与Transformer架构实现多传感器数据融合，在统一特征空间内进行联合优化，端到端模型避免了模块间信息传递的损耗与延迟，代码量明显下降。同时，数据越多，越能增强对无保护左转、异形障碍物等复杂场景的泛化能力。第三，计算效率提升。端到端模型将传统数十个独立模块集成至单一网络，消除信息传递延迟，因此推理时延缩短至毫秒级，为进一步推动城市NOA等高阶功能落地提供了技术基础。我们认为，端到端能成为新一代自动驾驶执行层技术，主要源于其优秀的训练效果，以及“越开越好开”的智驾潜力。

目前特斯拉FSD、小鹏XNGP等量产系统均采用该架构。以主打智能化卖点、首个国产端到端大模型上车的小鹏汽车为例：小鹏的端到端大模型由三部分组成，分别为XNet（神经网络）、XPlanner（规控大模型）和XBrain（大语言模型）。其中，规控层面XPlanner通过超十亿千米的视频训练来学习人类司机的驾驶策略，替代了传统的数万条人工规则，可以以毫秒级延迟生成动态路径，并且小鹏的端到端驾驶更加拟人化，用户感知到的前后顿挫减少50%，违停卡死减少40%，安全接管减少60%。

完全采用端到端技术路线也存在缺点，例如不同驾驶员对同一场景，如面对同样的障碍物，可能采取急刹车或者绕行的不同策略，这会导致端到端大模型产生困惑，使解决方案无法实现收敛。同时，大模型的“黑盒”特性使其欠缺可解释性，难以有针对性地调整。因此，华为、理想等部分车企实行渐进式的智驾系统升级，通过传统的规则系统为安全性兜底，依托AI模型驱动拟人化决策，力求实现安全性与效果的平衡。

以理想汽车为例，通过采用“端到端模型 视觉语言模型”双系统混合架构，实现高效决策与安全兜底的动态平衡。双系统的核心设计理念源于诺贝尔奖得主丹尼尔·卡尼曼的理论，其中端到端模型对应系统1（快思考），直接处理摄像头、激光雷达等传感器原始数据，并通过BEV和时空记忆模块实现轨迹规划，可以覆盖95%的常规驾驶场景。而视觉语言模型对应系统2（慢思考），通过规则补充，形成对复杂场景的逻辑推理和控制指令，解决剩余5%的高风险复杂驾驶场景。

相比纯端到端架构，“规则 AI”的渐进式路径更适应当前智驾现状，具有以下三个突出优势。一是传统规则引擎构建安全冗余。视觉语言模型内的传统规则引擎可以作为参考答案，为端到端大模型提供可验证的决策依据。二是降低算力负担，双系统分工，视觉语言模型仅在少数复杂场景使用。三是双模型更贴近人类思维模式，可理解性增强。“规则 AI”类似人脑的快慢思考模式，驾驶逻辑更利于乘客和工程师理解。目前理想汽车和华为系智驾均采用“规则 AI”的技术路线，用于智驾执行系统。

端到端算法和数据仍在持续迭代，未来端到端智驾能力有望持续进化，成为AI汽车执行系统的关键。

八、感知方案：高阶自动驾驶需硬件冗余，激光雷达与纯视觉方案并行

（一）中低阶自动驾驶感知方案解析：比亚迪引领智驾平权，2025年自主品牌推动智驾下沉

1.比亚迪：全系标配天神之眼，推动高速NOA下沉至主流市场

2025年2月10日，比亚迪举办智能化战略发布会。在发布会上，比亚迪发布了高阶智驾系统“天神之眼”，实现全系产品智能驾驶标配，且换新产品价格体系与2024年款保持一致，加量不加价，真正实现智驾平权。天神之眼分A、B、C三大序列：天神之眼A——高阶智驾三激光版（DiPilot 600），主要搭载于仰望品牌；天神之眼B——高阶智驾激光版（DiPilot 300），主要搭载于腾势品牌、汉/唐高配版；天神之眼C——高阶智驾三目版（DiPilot 100），是王朝、海洋全系标配。

比亚迪依靠前所未有的规模效应实现智驾低成本搭载。智驾软件算法边际成本为零，硬件层的芯片等电子件采购成本对规模的敏感性远大于传统机械件，智驾系统的规模效应超出传统制造业范畴，比亚迪巨大的体量和全系标配的策略使得其对智驾系统BOM成本的控制能力大幅领先，推动智驾快速下沉。

2.吉利：发布千里浩瀚智驾加速平权，多模态大模型全面上车

2025年3月3日，吉利发布千里浩瀚智驾，全系高速NOA，顶配H9实现VLA全冗余、全备份L3架构。未来银河和中国星所有产品都将搭载千里浩瀚，星耀8和E8率先搭载H1，2025年下半年银河发布搭载H7车型。2025年下半年起新车及改款全部搭载H1~H9方案。

23.5 EFLOPS星睿智算中心助力大模型上车。汽车从指令性交互进阶到多模态互动，“AI 车”呈现三大趋势：第一，超自然人机交互，吉利AI生态领先，下一代Agent OS（智能体操作系统）带来智能体验；第二，自动驾驶及执行全面落地，基座模型上车，100倍数据量驱动体验大幅提升；第三，车联网大模型升维，星睿智算中心算力达23.5 EFLOPS，吉利联合阶跃星辰、千里科技等打造万卡级别算力联盟。2025年内大模型落地带来惊喜体验，千里浩瀚共发布五个版本。H1（10V5R）：全系标配高速NOA和自动泊车。H3（11V3R）：进阶实现城市通勤NOA。H5（11V3R1L）：进阶实现无图NOA和全场景车位到车位领航辅助，2025年3月推送。H7（11V3R1L）：进阶实现泊车代驾。H9（13V5RXL，双Thor）：首个L3智驾量产解决方案，VLA下全冗余、全备份顶级L3架构。

3.奇瑞：“猎鹰智驾”跟进智驾平权，实现油电同智

2025年3月18日，奇瑞召开智驾发布会推出猎鹰智驾，L2 智驾进一步下探至6万元级，猎鹰智驾成为国内首个做到油电同智、中外兼顾的产品。猎鹰智驾由奇瑞旗下大卓智能开发，在2025年推出超30款L2 车型，其中奇瑞小蚂蚁智驾版以6.59万元的价格成为目前国内最便宜的搭载L2 智驾的车型；2025年推出的L2 智驾车型包括9款油车（如瑞虎9、8）和25款新能源（含智界3款），并计划在海外推出10~20款智驾产品。猎鹰智驾有200、500、700、900四个版本。

猎鹰200：包含ADAS、车道偏离辅助、前后碰撞预警、辅助泊车等基础功能，为奇瑞全系保底配置。猎鹰500：端到端大模型、高速NOA、城区记忆领航、记忆泊车等；22/26颗传感器（无激光雷达），算力80~128 TOPS。猎鹰700：端到端大模型 世界模型、城市NOA、代客泊车、智能召唤等；27/30颗传感器（含1颗超远距激光雷达），双Orin X，算力200~508 TOPS。猎鹰900：VLA 世界模型、L3~L4级能力、城市NOA、代客泊车、智能召唤等；33颗传感器（含3颗激光雷达），算力1 000 TOPS。

4.零跑：发布10万元级激光雷达智驾车型B10，后续智驾全系搭载

零跑发布新车B10，这是其首款10万元级带激光雷达高阶智驾车型。全系标配自动泊车及停车场记忆泊车，支持高速NAP（智能领航）和城区CNAP（领航辅助）；零跑B10共推出5个SKU，分别是510舒享、510悦享、510激光雷达、600悦享、600激光雷达版，售价分别为9.98万元、10.98万元、11.98万元、11.98万元、12.98万元。其中510激光雷达版配置高通骁龙8295/8650芯片 激光雷达 端到端模型，可实现高速NOA、通勤NOA、停车场记忆泊车等高阶智能驾驶功能，后续将推送城区NOA，为搭载激光雷达车型中价格最低。后续零跑的端到端高阶智驾将在A、B、C、D全系搭载，终身免费，快速跟进智驾平权。

（二）高阶智驾自动驾驶感知方案解析：FSD正式入华，技术迭代与降本并行

1.特斯拉：发布FSD V13版本，向北美、中国及欧洲推送

2024年12月，特斯拉发布了其FSD V13.2更新版本。相比V12，V13版本带来了许多革命性进展。这一版本不仅在功能上进行了深度优化，还采用了与SpaceX火箭同源的代码，大幅提升了自动驾驶的能力。2025年2月25日，特斯拉面向中国正式推送新版FSD V13，该版本具有以下几个核心创新点。

一是从停车场直接启动FSD。最令消费者激动的变化之一是，FSD V13.2可以在停车场直接启动自动驾驶，无须像之前那样提前设置导航。车主只需在停车场内选择目的地并单击FSD按钮，系统便能自动启动，这为用户带来更加便捷的驾驶体验。

二是增强的倒车与自动停车功能。新版FSD增强了纯视觉倒车功能，不仅可以在停车时自动倒车，还能执行“三点掉头”等复杂操作，极大提升了停车的智能化水平。系统对车周围的环境识别更加精准，确保停车时的安全与高效。

三是图像处理和决策速度提升。FSD V13.2采用了基于HW4.0硬件的全分辨率图像处理平台，并提升了每秒36帧的处理速度。这使得车辆的环境识别更加精准，提升了自动驾驶时的决策速度。

四是更快的决策和响应速度。新版本在AI模型运行速度上实现了突破，决策速度提高了两倍，这对于提高行车安全性和缩短响应时间至关重要。

五是增强的车队通信功能。FSD V13还为未来的Robotaxi网络奠定了基础。更新使得FSD支持车队动态导航，为特斯拉部署Robotaxi提供了技术保障。

2.华为：ADS 4.0迭代，向L3进击

2025年，华为智驾ADS系统正式迭代至4.0，尊界S800将是全球首台量产L3级自动驾驶的车型。该款车将会搭载全新的架构，不仅整合了激光雷达、摄像头、毫米波雷达等多种传感器，更在AI算法上表现更好，在面对复杂的交通状况时能够做出更快、更准确的判断。

其中，ADS 4.0采用了独特的端到端仿生大脑设计，模仿人类的决策机制，提高了系统在未知或复杂场景下的适应能力，这种设计有助于实现更自然、更接近人类驾驶员的驾驶行为。此外，ADS 4.0采用了GOD（通用障碍物检测）和PCR（道路拓扑推理）网络，这些技术使得ADS 4.0不仅能识别传统的障碍物列表中的对象，还能检测非标准障碍物，并且深入理解道路结构和场景语义。这极大地增强了系统对物理世界的认知能力，提高了自动驾驶的安全性和可靠性