18日晚，罗永浩来到小鹏汽车发布会现场，着重讲解了第二代VLA的智驾表现。他调侃称，自己上街对交通安全是一个潜在威胁，未来各国政府肯定会出台政策让人类驾车变成一个高度受限的乐趣。罗永浩坦言，虽然未来人类被禁止开车还尚且过早，但合法的全自动驾驶1-3年就会实现。
回看自动驾驶的发展历程，犹如一部波澜壮阔的科技史诗，从最初的奇思妙想到如今的逐步商业化，每一步都凝聚着无数科研人员的智慧与心血，见证了人类对未来出行的不懈探索。早在1478年，伟大的艺术家、发明家达・芬奇就展现了超越时代的想象力，设计出了预编程发条马车的草图。1925年，美国陆军电子工程师Francis P. Houdina设计出一辆无线遥控汽车，它创新性地采用无线电遥控方式，实现对汽车操纵机构的远程控制。尽管本质上它只是一辆被放大的遥控汽车，却第一次将自动驾驶的概念带入了现实，吸引了众多人的目光，激发了人们对未来出行方式的无限遐想 。
1939年，纽约世博会上，通用汽车公司研发的世界上第一辆自动驾驶概念车——Futurama惊艳亮相。这是一种由无线电控制的电磁场引导的电动汽车，其设计方案中，电磁场由嵌入道路的磁化金属尖刺产生，变化的电磁场产生电流，进而引导电动汽车行驶。时隔76年，特斯拉在2015年推出了自动驾驶辅助系统Autopilot，这是第一个投入商用的驾驶辅助技术。三年后，全新一代奥迪A8在2018年全球首秀，它是首款搭载L3级别自动驾驶系统的车型。时间拉到2025年，我国工业和信息化部宣布首批L3级有条件自动驾驶车型获得准入许可，长安深蓝SL03、北汽极狐阿尔法S6分别适配城市拥堵与高速场景，在北京、重庆开启试点，全国首块L3专用号牌“渝AD0001Z”同步落地。蘑菇车联联合比亚迪中标新加坡首个L4级自动驾驶巴士项目，实现中国方案首次纳入海外公共交通系统。
2014年1月：国际自动机工程师学会（SAE International）发布SAE J3016:2014标准，首次系统提出L0至L5六级分类框架，该分级的核心逻辑是依据动态驾驶任务执行主体（系统/人类）、运行范围覆盖度（特定/全场景）两大维度划分，明确了L0-L2为 “驾驶辅助”、L3-L5为 “自动驾驶” 的权责边界，确立了全球统一的自动驾驶分级话语体系。两年后，SAE J3016:2016发布，成为业内首份通用术语与定义标准。
*自动驾驶等级分类
L0：无自动化。车辆完全处于驾驶员的掌控之下，车辆完全不具备自动化驾驶功能，驾驶员全权负责所有驾驶操作。车辆仅能提供基础的安全预警，如碰撞提示、胎压异常提醒等，但不会主动干预驾驶行为。
L1：驾驶辅助。车辆开始配备一些基础的辅助功能，主要包括定速巡航和车道偏离预警等。其工作原理是通过车辆所配备的各类传感器检测车速等驾驶数据，再与正常行驶数据进行对比以达到预警等功能。然而，在此级别下，驾驶员始终是驾驶的主导者，需要时刻保持对车辆的控制。
L2：部分自动化。车辆具备了同时进行横向和纵向控制的能力，主要通过自适应巡航和车道保持辅助等功能实现。自适应巡航功能可以根据前车的距离自动调整车速，确保行车安全。其工作原理是通过毫米波雷达或激光雷达等传感器实时监测前车的距离和速度，并根据设定的跟车距离和速度，自动控制车辆的加速和减速。车道保持辅助功能则能让车辆始终保持在车道内行驶，减少因驾驶员疏忽而导致的车道偏离风险。该功能通过摄像头或传感器识别车道线，并根据车辆与车道线的相对位置，自动调整方向盘的角度，使车辆保持在车道中央行驶。即便如此，驾驶员仍需时刻留意路况，双手不可长时间离开方向盘。
L3：有条件自动化。即在特定的条件下，如路况良好的高速公路上，L3级别的车辆可以实现自动驾驶。此时，车辆可以自动完成大部分驾驶任务，包括加速、减速、转向等。驾驶员无需时刻紧盯车辆，可适当放松，但仍需保持一定的注意力，随时准备接管车辆。以奥迪A8为例，其在某些特定高速公路场景下可达到L3级别自动驾驶。车辆通过传感器实时感知周围的交通环境，包括其他车辆的位置、速度和行驶方向，以及道路的标识和标线等信息。根据这些信息，车辆的自动驾驶系统可以做出相应的决策，自动控制车辆的行驶。
*驭势科技L3级自动驾驶技术仿真测试场景
然而，在实际应用中，驾驶员可能会因为长时间处于放松状态，导致反应迟缓，无法及时接管车辆，从而导致事故发生。系统发出接管请求的时机和方式也需要进一步优化，以确保驾驶员能够及时准确地理解并做出反应。如果系统发出接管请求的提示不够明显或及时，驾驶员可能无法及时察觉，从而影响接管的及时性和有效性。
L4：高度自动化（限定区域的自主驾驶）。在限定的区域和条件下，L4级别的车辆能够实现完全自动驾驶，无需驾驶员进行任何干预。即使遇到突发情况，车辆也能凭借自身的智能系统自行处理。无人配送车和无人出租车是L4级别自动驾驶技术的典型应用，它们通过传感器和算法，能够识别道路上的障碍物、交通信号灯和其他车辆，自动规划行驶路线，完成相应任务。
京东物流的无人配送车已经在一些城市的特定区域进行了试点应用，取得了良好的效果。无人出租车则可以在限定的区域内为乘客提供出行服务。乘客只需通过手机下单，无人出租车就会自动行驶到乘客指定的地点，接送乘客到达目的地。百度 Apollo 的无人驾驶出租车已经在多个城市进行了运营试点，为乘客提供了便捷的出行体验。
L5：完全自动化。在这一级别下，车辆能够在任何场景下实现自动驾驶，甚至不再需要设置驾驶位，车辆可以根据乘客的需求，自动规划最优的行驶路线，避开交通拥堵，实现快速、高效的出行。L5级别自动驾驶技术还可以提高交通安全性，减少交通事故的发生，因为自动驾驶系统可以实时感知周围的交通环境，做出更加准确和及时的决策。
在技术方面，L5级别自动驾驶技术需要解决复杂环境下的感知、决策和控制等难题。在恶劣天气条件下，如暴雨、大雪、浓雾等，传感器的性能可能会受到影响，导致车辆无法准确感知周围的环境信息。在复杂的城市道路中，交通状况复杂多变，车辆需要能够快速准确地做出决策，应对各种突发情况。
自动驾驶技术的神奇之处，在于它精妙的技术架构，主要涵盖感知层、决策层和执行层。这三个层面相互协作，紧密配合，如同一个精密运转的机器，让车辆实现高度自动化的行驶。
感知层作为自动驾驶系统与外界环境交互的关键入口，主要依靠一系列先进的传感器技术来实现对周围环境的全面感知。摄像头、激光雷达（LiDAR）、毫米波雷达以及超声波雷达、全球定位系统（GPS）、惯性测量单元（IMU）等传感器相互配合，共同构成了自动驾驶感知层的传感器网络，为车辆提供了全方位、多层次的环境感知能力。
在自动驾驶感知层技术应用方面，特斯拉采用了纯视觉感知方案，其核心硬件为车载摄像头。全车配备8个摄像头，通过巧妙的布局实现360度视野覆盖，最远能探测到250米外的物体。然而，纯视觉感知方案也面临极端天气挑战，如在暴雨、大雪、浓雾等条件下，摄像头容易被雨水、雪花遮挡或因光线折射、散射等原因导致图像质量严重下降，从而使系统的感知能力受到显著影响。小鹏汽车在自动驾驶感知层技术应用上采用了多传感器融合的策略，综合运用摄像头、毫米波雷达和超声波雷达等多种传感器，以实现更全面、准确的环境感知。但在传感器数据融合过程中，由于不同传感器的数据格式、采样频率和精度存在差异，可能会出现数据不一致或融合误差的问题，影响系统对环境的准确感知。此外，随着传感器数量的增加，系统的复杂性和成本也相应提高，对硬件计算能力和软件算法的优化提出了更高的要求。
在自动驾驶系统中，感知层、决策层和执行层并非孤立运作，而是通过紧密的协同流程，共同构建起一个高效、智能的自动驾驶闭环。这一闭环的顺畅运行，是实现车辆安全、稳定自动驾驶的核心所在。知名品牌宝马与奥迪均注重“感知-决策-执行”三大层级的协同优化。不同的是，在决策层，宝马运用机器学习和深度学习算法，对大量的交通场景数据进行学习和训练，使决策层能够不断优化决策模型，提高决策的准确性和适应性。奥迪则采用了基于模型预测控制（MPC）的算法框架，结合深度学习和强化学习技术，实现了对复杂交通场景的快速、准确决策。
近年来，国内智驾市场规模呈现出迅猛增长的态势，已然成为全球智能驾驶领域中不可忽视的重要力量。据相关数据统计，2025年我国自动驾驶全产业市场规模（含硬件、软件、服务、运营等）突破4500亿元，带动上下游产业链产值超万亿元。其中，L2级辅助驾驶约1860亿元，占比62%，新车渗透率66.1%；L3级有条件自动驾驶约380亿元，占比20.5%；L4级及以上（封闭 / 半封闭场景）约320亿元，占比17.5%。国家对智能网联汽车产业的大力支持，为智驾市场的发展提供了良好的政策环境。各地纷纷出台相关政策，鼓励智能驾驶技术的研发与应用，同样推动着智能网联汽车基础设施建设发展。
小鹏在智能驾驶领域坚定地选择了视觉-语言-动作（VLA）路线，其技术核心在于深度融合视觉感知、语言理解以及动作决策，构建起一个高度智能的驾驶体系。通过对海量真实驾驶场景数据的学习，小鹏汽车的智驾系统能够精准识别交通标志、理解导航指令，并根据实际路况做出合理的驾驶决策，实现从视觉信号到动作指令的端到端直接生成，极大地提升了决策效率与驾驶安全性。
值得关注的是，小鹏汽车的第二代VLA技术堪称行业的一大突破。这一技术创新性地剔除了传统的 “语言转译” 环节，直接实现从视觉信号到动作指令的生成，重构了行业沿用的「V-L-A」经典架构。依托第二代VLA技术，小鹏汽车推出的「小路 NGP」智驾功能，显著优化了复杂小路及混行场景下的自动驾驶表现，使复杂小路场景的平均接管里程（MPI）实现13倍的显著提升。在测试阶段，第二代VLA凭借智能涌现效应，催生出诸多全新能力，包括精准识别交警手势、提前预判红绿灯通行场景等，即便面对未经过专项训练的复杂路况，也能从容应对。今年3月11日全国732家门店全面启动第二代VLA试驾体验后，门店试驾率实现翻倍增长，直接带动Ultra版本车型销量占比大幅提升。搭载第二代VLA的小鹏G7在国内首个5000公里全程智驾横穿中国挑战中，首日超1000公里行程实现0接管，复杂路况下的稳健表现，让长途驾驶从 “负担” 变为 “享受”，进一步证明了小鹏智驾技术的可靠性与优越性。
小鹏汽车还在行业内率先发布「无导航自动辅助驾驶」功能Super LCC+人机共驾，该功能无需依赖导航系统，在全球范围内均可启用。行驶过程中，用户轻转方向盘，车辆便能协同完成变道与转向操作。
华为在智能驾驶领域坚持走世界模型（WA）路线，其技术理念强调对物理世界的深度理解与精确建模。华为认为，语言模型擅长文本推理，但缺乏对三维空间的精确感知与运动推演能力，而车是在真实空间中运动的物体，唯有让模型真正理解物理规则，才能从根本上解决端到端模型 “只会模仿、不会思考” 的瓶颈。
华为的世界模型技术通过 “海量使用云端模拟的数据、来让大模型‘理解’世界而学会驾驶”。以华为的World Action Model模型（WA）为例，它用扩散生成模型批量 “造” Corner case，也就是通过AI生成的大量的视频案例，来让模型明白何为物理规则。这种技术能够让智能体具备理解、表示并预测其所处动态环境的能力，为智能驾驶提供更加准确和可靠的决策依据。在底层建模技术方面，华为注重对原生3D与4D数据的利用，通过RGB-D图像、占用网格（occupancy grids）和激光雷达（LiDAR）点云等原生3D与4D表示进行大规模场景建模。这些模态可提供明确的几何信息和物理基础，对于自主驾驶、机器人等嵌入式系统和安全关键系统而言至关重要。华为还通过构建环境预测模型，如基于LSTM或GNN的模型，来预测其他车辆轨迹，实现对驾驶环境的动态感知与预测。
华为与车企的合作模式也呈现出多样化的特点，主要包括零部件供应模式、HUAWEI INSIDE（HI）模式和智选车模式（鸿蒙智行）。在HI模式下，华为向车企提供智能座舱、智能驾驶等全栈解决方案，深入参与新车研发；智选车模式则更为强势，华为拥有车型产品定义和终端销售的主导权。近年来，华为又推出了一种新的合作模式，构建车企主导、华为深度嵌入的协同架构，涵盖智能开发、生态连接与市场规划等多个方面。这种模式从产品设计的起点就开始协同，强调从工程阶段就嵌入，车企依然掌握品牌与销售节奏，但华为在底层定义、节奏规划、生态接入等层面将具有更深参与度。东风猛士被视为这一路径的典型试点，广汽与华为合作的新品牌 “启境” 也体现了这种新模式。
地平线作为国内领先的边缘人工智能芯片企业，在车规级芯片技术领域取得了显著的成就。其推出的征程（Journey）系列车规级智能计算方案，为车企提供了强大的算力支持和高效的智能驾驶解决方案。以2024年4月推出的征程6系列芯片为例，该系列芯片算力覆盖10-560TOPS，以多核异构架构整合BPU（专用加速单元）、CPU、GPU、MCU等多种计算资源，兼顾端到端高级辅助驾驶（ADAS）与全场景自动驾驶（AD）需求。最高端的J6P旗舰版，原生支持大参数Transformer算法，能够高效部署端到端预测与交互博弈模型；中阶的J6E/M则针对高速领航与城区记忆行车等高频功能进行成本与性能优化，助力更多车型实现智驾平权。据悉，征程7系列正处于关键研发阶段，核心目标是与特斯拉AI5同步推出，定于2026-2027 年量产上车，是地平线下一阶段竞争力的决战产品。征程7系列基于第四代 “黎曼” BPU 架构设计，关键算子性能提升10倍，能效比提升5倍，Transformer处理速度提升140倍，算力对标千TOPS级别。
为了让算法和模型能在芯片上 “开花结果”，地平线自主研发了BPU架构，并先后演进出伯努利、贝叶斯和纳什三代设计。伯努利架构主攻感知层面的高效计算，实行浮点到定点的能效优化；贝叶斯架构进一步加入预测模块支持，打通从感知到预测的闭环；纳什架构则将决策与交互博弈也纳入硬件加速，面向全场景NOA（Navigate on Autopilot）需求，实现系统级效率最大化。与硬件相辅相成的，是地平线完整的智驾软件栈和量产开发平台。基于端到端（E2E）世界模型与交互博弈的算法框架，地平线在2022年发布了Sparse4D感知端到端算法，2023年又以UniAD端到端自动驾驶大模型在CVPR上斩获最佳论文奖。Horizon Super Drive（HSD）全场景智驾系统则集成了这些先进算法，能够在多样化路况中，实现无断点、高拟人度、全国一致的智能驾驶体验。
以长安与地平线的合作为例，地平线为长安提供了征程系列芯片以及配套的软件栈和开发平台，长安则利用自身的整车研发和制造能力，将地平线的技术集成到车型中，并进行整车的测试和优化。这些车型具备了更强大的感知能力和决策能力，能够实现更高级别的自动驾驶辅助功能，如自适应巡航、车道保持、自动泊车等，为用户提供了更加便捷、安全的驾驶体验。
科技浪潮奔涌向前，量子计算等高新技术的迭代升级，正为自动驾驶行业的突破发展注入全新动能。量子计算凭借其并行计算与量子叠加特性，将破解传统计算在高维传感器数据处理、复杂路径规划中的算力瓶颈，大幅提升自动驾驶系统的决策效率与精准度，推动L4及以上级别自动驾驶的规模化落地，正如当下宝马、大众等企业的试点实践所展现的，其在路径优化、能耗管理上的优势已初现端倪。
与此同时，量子计算与神经网络、车联网等技术深度融合，将进一步完善自动驾驶的感知、决策与执行全链路，破解极端天气感知、长尾场景应对等行业痛点，让车辆具备更强大的自主学习与协同调度能力。尽管目前量子计算仍面临硬件局限、生态滞后等挑战，但随着产学研协同发力，技术瓶颈逐步突破，量子计算必将与其他高新技术携手，推动自动驾驶从技术试点走向全民普及，重构智能出行生态，让安全、高效、便捷的无人驾驶愿景照进现实，为未来交通发展书写科技赋能的崭新篇章。
更多行业资讯敬请持续关注IO资本！
扫码添加微信，了解IO资本项目
扫码获取相应产业图谱
或点击下方链接了解IO资本
10个月宝宝每天需要喝多少奶粉？
