智能驾驶是全球汽车产业转型升级的核心引擎，也是新能源汽车从电动化向智能化跃迁的核心竞技场，成为各国竞逐科技话语权的战略制高点。在战略引领与产业政策支持下，中国智能驾驶产业依托“技术突破、产业协同、应用深化与政策赋能”四维联合驱动，正以“场景裂变—技术迭代—生态重构”的螺旋式发展模式，加速突破L4级自动驾驶商业化临界点，以领跑全球的姿态加速驶入高质量发展快车道。数据显示，2024年中国乘用车智能驾驶系统装配率突破65%，实现新的里程碑，其中代表行业最高水平的高阶领航辅助驾驶系统渗透率达到11.7%。随着规模化效应、软硬件成本的进一步降低，2025年将正式迈入智能驾驶技术普惠化的历史性拐点——全民智驾时代。
技术、产业、应用、政策驱动智驾驶入快车道
技术高速迭代革新，助力智驾量产。智能驾驶数据、算法与算力的持续突破，推动智驾深度变革与快速量产落地。头部车企依托规模化量产车辆的实时道路感知优势，通过全时数据闭环实现数据规模与质量的快速跃升，如特斯拉FSD车队累计采集超100亿英里（约161亿千米）真实路况数据，日增量达200万英里（约320万千米）。端到端算法架构已成为行业共识，其通过单一神经网络直接映射传感器数据至控制指令，突破传统模块化架构的信息传递损失与决策时延瓶颈，实现毫秒级端到端响应、类人化驾驶能力跃迁及动态环境自适应进化。高算力平台的跨越式发展为技术落地提供硬件底座。以英伟达DRIVE Thor为例，其2000TOPS算力较前代提升4倍，支持自动驾驶与智能座舱多域融合计算，配合SOA软件架构可实现功能模块动态扩展。随着车规级芯片制程向5nm以下演进及规模化应用，单位算力成本正以年均35%的速率下降。海量数据训练驱动算法智能跃迁，高效算法降低对算力的依赖，先进算力又加速数据价值挖掘，数据、算法与算力协同推动智驾量产。
辅助驾驶普惠下沉，加速智驾平权。当前智能驾驶技术呈现显著分层发展态势。首先，在L2级辅助驾驶领域，形成规模化应用的是以自适应巡航、车道保持、自动泊车为核心的高级辅助驾驶系统（ADAS），通过多传感器融合与驾驶员监控机制，在中高端车型构建起主动安全防护体系。其次，高阶自动驾驶技术正通过系统冗余与认知智能突破L3级技术瓶颈，在硬件层面构建多传感器交叉验证架构，于软件端采用类脑端到端决策架构，成功推动城市领航辅助（NOA）功能实现快速商业落地，2024年主流车企中高级电动车型渗透率超75%。再者，“硬件预埋+OTA升级模式”推动智驾成为汽车标配，供应链成熟度提升与路测数据积累形成双轮驱动，使高阶智驾部署成本年均下降超20%，行业预测显示未来3年ADAS将成为汽车标配，NOA功能渗透率将突破50%。如比亚迪发布“天神之眼”系统，通过三目纯视觉与激光雷达融合方案，将高速NOA、无图城市领航等功能下沉至十万元级车型。
无人驾驶示范应用，重构行业生态。无人驾驶的示范应用最早是在封闭园区场景中进行开展，因其随机干扰因素较少、任务目标较为明确等场景特性，非常适合无人驾驶系统的前期开发、部署、测试与验证。近300台无人驾驶卡车在上海洋山港常态化运营，易控智驾在全国部署超1000台无人驾驶矿用卡车……这些都是无人驾驶技术的规模化应用。如今，智驾技术的高速发展正推动无人驾驶从“园区内”走向“园区外”。国内较早在开放道路上进行试运营的无人驾驶车辆有百度2021年在重庆永川区部署的自动驾驶公交，以及2024年开通的无人驾驶出行服务——萝卜快跑，后者更是实现了商业化盈利。此外，无人驾驶技术已在城市环卫、快递物流、安全巡检等小范围特定任务场景实现了规模化应用。
政策法规逐步放开，推动先行先试。当前，自动驾驶政策法规体系正呈现双向演进特征。从全球范围来看，自动驾驶政策法规具有显著区域差异特征：欧洲强调安全优先原则；日韩结合老龄化社会需求布局适老化功能；美国发布自动驾驶车辆安全、透明度与评估计划，明确了Robotaxi的政策法规框架，并采用州级试点驱动商业化模式；英国2024年《自动驾驶汽车法案》首创“三重责任主体”制度，将保险机构、软件开发商纳入责任链。而中国，则通过“政策沙盒”模式平衡创新与安全，在政策框架构建方面，地方试点与国家法规协同推进。当前，全国50余城市已开放3.2万公里测试道路，通过7700余张牌照积累超1.2亿公里测试数据，为技术验证提供场景支撑。国家层面则是通过《关于开展智能网联汽车准入和上路通行试点工作的通知》等文件，明确L3级以上车辆量产路径，深圳、上海等地立法赋予自动驾驶车辆合法身份，构建起技术创新安全边界。
新一代人工智能引领智能驾驶技术发展
自动驾驶车辆设计向线控化、模块化、通用化方向发展。线控化，其核心在于通过电子信号替代传统的机械连接，借助系统集成、异构冗余以及协同控制等技术手段，确保车辆能够快速且精确地响应自动驾驶控制指令。模块化，其核心在于引入集成驱动、制动、转向及悬挂功能的轮边角模块，车辆被设计为可拆解的多个独立且可互换的模块，不仅简化了生产制造与维护升级的流程，更提升了车辆的适应性和可扩展性。通用化，其主要是依托标准化或平台化底盘架构，搭配切换不同车厢结构，打破车型与用途之间的界限，实现自动驾驶跨领域、跨行业的广泛应用。
自动驾驶算法向全面数据驱动、类人决策推理、世界模型强化学习训练方向发展。端到端架构，是当前智驾主流算法架构，并朝着从“模块化端到端”向“一段式端到端”方向发展。视觉语言模型叠加视觉语言动作模型，前者可通过语言指令增强自动驾驶环境理解能力，后者可整合感知、决策与控制，进而形成“图像输入—语义理解—动作输出”，借助“思维链”构建人类逻辑，同时通过车载显示向用户解释驾驶逻辑，提高人工智能系统透明度与可解释性，是自动驾驶算法的主要发展方向。高保真自动驾驶世界模型，是实现自动驾驶高效算法迭代的重要技术手段，其既可以用于算法强化学习训练，实现动作自评估与策略自进化，又可以通过物理模拟和生成式AI，生成逼真的虚拟场景数据，高效生成合成数据，降低训练成本。
自动驾驶计算单元向异构集成、存算一体及跨域融合方向发展。随着自动驾驶算法的复杂度和模型参数规模的不断提升，以及智能座舱功能的日益丰富，集成CPU、GPU、NPU等异构计算单元的SoC芯片，因其可满足多任务处理、高并行计算和大带宽需求，正成为车用芯片的主流选择。存算一体芯片，可将计算与存储单元高度融合，比起存、处物理分离的传统芯片，具备高算力、高能效、低延时的优势，可以满足自动驾驶汽车对数据频繁访问和高效处理的需求，已成为车载计算平台的重要方向。中央集中式的电子电气架构，可使车辆底盘域、座舱域和智能驾驶域深度融合，提升中央计算单元算力。目前车载SoC芯片的算力已达到单颗芯片2000TOPS算力水平。
自动驾驶数据向高质量、多样化、强化隐私保护方向发展。随着数据驱动和端到端大模型在自动驾驶技术中的深入应用，数据的数量和质量成为提升算法性能的关键因素。主流自动驾驶企业，可通过量产车加强数据采集并拓展场景覆盖范围，同时辅以全自动数据标注实现数据闭环与算法迭代。涵盖多种传感器、多变天气和光照条件、多样化路况与交通环境的行车数据，筛选小概率样本数据、进一步提升数据质量是未来自动驾驶数据训练的主要方向。新入局的造车新势力，则可利用世界模型或虚拟仿真工具等生成极端天气、长尾场景等特殊数据，获取高质量、多样化自动驾驶数据。无论哪种途径，信息安全与隐私保护都是自动驾驶数据采集与利用的重要课题，数据匿名化处理、以加密技术保护传输储存安全、通过分布式数据训练提升算法性能，是未来自动驾驶数据的重要发展方向。
智驾发展加速重构产业生态
全球汽车产业正处于由电动化向智能化转型的关键拐点，人工智能成为核心驱动力。
人工智能驱动，高阶智能驾驶加速普及。以“车、路、云”一体化为代表的协同体系，打破了传统单车智能的能力边界，实现感知、决策与控制在更大范围内的协同优化。同时，多模态交互技术提升了人车沟通的自然性与安全性，重塑用户体验与车辆价值定义，助推电动化与智能化螺旋式共进。特别是大模型等人工智能技术的快速突破，显著提升了高阶智能驾驶系统在复杂交通场景下的泛化能力与决策效率。以高速NOA、城市NOA为代表的高阶智能驾驶加速落地，部分头部企业已实现日均接管率下降超75%。预计到2030年，高速NOA渗透率将接近100%，城市NOA渗透率有望突破50%。
无人驾驶技术推广应用，实现商业闭环。当前，L4级智能驾驶（即无人驾驶）正从技术示范迈向可持续盈利的新阶段。其在封闭场景如矿区、港口等已实现商业化应用验证，正向城市复杂环境加速拓展，如无人驾驶出租车、无人驾驶公交、无人驾驶环卫、无人驾驶配送等多个垂直细分领域呈现快速发展态势。无人驾驶出租车已实现规模化试运营，如小马智行日均订单量超过15单，用户接受度持续提升；无人配送方面，九识智能无人快递车的单件配送成本较传统人工模式下降37%—47%；无人驾驶公交与无人环卫车已在多个城市完成落地运营，展现出高效率与安全性。
完善智驾政策法规体系，坚定发展信心。政策法规与道德立法的协同推进，正成为智能驾驶技术规模化落地、产业生态重构的核心驱动力。通过明确法律责任边界、建立强制保险和安全评估机制，有效提升公众接受度与市场信任。同时，立法框架为技术迭代提供制度支撑，例如欧盟《人工智能法案》的伦理审查机制，在规范创新边界的同时释放发展活力。国际竞争中，各国政策呈差异化布局：美国联邦州际协作允许商业化落地；欧盟强化数据主权，构筑标准壁垒；中国则通过顶层设计与地方试点互动，形成“技术—场景—法规”闭环，加快产业生态重塑。
智驾引领，共享出行迈向服务新生态。无人驾驶技术的加速落地，推动共享出行正从传统模式向智能化、服务化的新生态演进。加速共享出行普及。个人不再需要拥有私家车，车辆资产将集中由平台或运营企业管理，推动行业由“资产拥有”向“出行即服务”的模式转型。重构责任边界。平台和技术服务商逐步成为安全主体，带动保险体系从“车险”向“产品责任险+网络安全险”升级，以适应自动驾驶新形态下的风险分布。与此同时，政策端加快制定新型险种的标准与形成监管机制，为无人驾驶车辆提供制度保障，以构建覆盖研发、运营、保险与监管的智能出行闭环。
（作者分别系东南大学机械工程学院车辆工程系主任，东南大学科研院院长）
