具身智能（Embodied Artificial Intelligence, EAI）是指将人工智能（AI）融入物理实体，赋予其像人一样感知、学习和与环境动态交互的能力。通过机器学习、传感器和计算机视觉等技术融合，具身智能能够在现实环境中感知、推理和行动，代表着人工智能发展的重要趋势。目前，人形机器人和自动驾驶汽车是具身智能的两大代表性形态。其中，自动驾驶严格遵循“感知—决策—执行”的闭环逻辑，不仅对灵敏性、精确性和安全性要求更高，而且在技术上具备较强的可复制、可迁移性，能够为人形机器人等具身智能的发展提供重要支撑。同时，自动驾驶作为人工智能、半导体、汽车产业的重要交汇点，兼具经济、科技与地缘政治等多重价值，是大国竞争的重要前沿。当前，中美围绕自动驾驶正展开激烈竞争，我国需将加快自动驾驶商业化、规模化作为突破口，推动具身智能产业率先落地，打造人工智能与汽车产业全球竞争力的重要抓手。
一、加快发展自动驾驶的必要性与紧迫性
自动驾驶是通过人工智能、传感器等技术实现车辆在没有人为干预的情况下自主行驶的能力。自动驾驶系统通过软硬件协同网络实现动态环境交互，不仅是技术革命的标志性成果和具身智能落地的重要载体，更是推动全球产业格局重塑的重要引擎，具有举足轻重的战略意义。
第一，自动驾驶是新兴技术突破与产业变革的重要驱动力。自动驾驶是汽车产业与人工智能、高性能计算、大数据、5G、物联网、云计算等信息技术，与城市管理、交通出行和社会保障等领域深度融合的产物。自动驾驶不仅能够有效牵引芯片、高精度地图、传感器等关键技术突破与创新，而且正在颠覆传统汽车制造、交通运输和物流配送等行业，催生出自动驾驶出租车、无人配送车等全新商业模式，为经济增长注入新动能。此外，自动驾驶有望大幅提升交通效率、降低事故率并减少碳排放，能够有力推动智慧城市与可持续发展目标实现。
第二，自动驾驶成为中美科技博弈的新战场。一方面，美国在松绑技术监管的同时，对我国展开技术遏制。2024年12月，美国国家公路交通安全管理局（NHTSA）提出“自动驾驶车辆安全、透明度和评估计划”，取消了年度车辆豁免数量上限，并通过简化豁免方式、缩短审核流程等措施促进自动驾驶研发与商业化。2025年4月，NHTSA公布新版自动驾驶汽车框架（Automated Vehicle Framework），对简化事故报告流程、扩大车辆豁免适用范围、统一自动驾驶国家标准等多个关键事项进行优化调整，其主要目标就是放松监管。美国运输部长Sean Duffy公开表示，新框架旨在为自动驾驶技术“清除阻碍”，应对与中国的技术竞赛风险。与此同时，2024年美国禁止中国的自动驾驶技术与汽车进入美国市场，2025年美国传统基金会等共和党重要智库呼吁运用长臂管辖手段将市场禁入扩展至欧盟、日韩等地区。另一方面，中美相关企业正在展开全方位激烈竞争。当前，以百度Apollo Go（萝卜快跑）和谷歌Waymo为代表的中美企业在技术研发、算法迭代、商业运行、全球化扩张等方面展开激烈竞争（见表1）。
第三，自动驾驶的软硬件能迁移应用到人型机器人等领域。因运行逻辑一致，智能驾驶和智能机器人在技术上有共通性，智能驾驶的软硬件都可以复用到智能机器人领域。算法层面，自动驾驶的“感知—决策—控制”分层架构可直接应用于人形机器人的运动规划。例如，特斯拉Optimus人形机器人直接复用了其自动驾驶FSD系统的视觉神经网络算法，算法相似度达60%。硬件层面，电动汽车的视觉传感器、电机、电池等核心部件都可被复用于人形机器人。例如，Optimus的关节驱动系统直接采用Model Y的电机技术，小马智行的激光雷达等传感器、车规级硬件设计（如抗干扰能力、防水防尘标准）等同样可迁移至仓储机器人或服务机器人领域。数据层面，自动驾驶数据为具身智能打下良好基础，特斯拉将FSD系统的海量数据与人形机器人共享，通过Dojo超算中心同步训练FSD和Optimus模型，实现“一车数据，多机复用”。这种数据闭环能力使具身智能在复杂环境（如家庭、工厂）中的泛化能力显著提升。
第四，自动驾驶的规模化可为具身智能落地提供重要助力。一方面，自动驾驶的“限定场景—复杂场景”扩展路径可加速人形机器人等具身智能商业化进程。例如：小马智行的Robotaxi技术可优先应用于物流仓储机器人，再向家庭机器人延伸；百度将自动驾驶场景库中的20多万特殊案例（如极端天气、异常事件）转化为机器人训练场景，可缩短人形机器人商业化进程约40%。另一方面，自动驾驶规模化可促进通用型关键部件成本大幅下降。例如Waymo通过规模化运营不仅实现自动驾驶系统成本的大幅优化，也带来激光雷达系统成本（较早期降低90%至7 500美元/套）显著下降，为机器人发展提供了重要技术产品。
二、我国发展自动驾驶的主要问题与挑战
早在2015年，习近平总书记就关心自动驾驶的自主可控和商业化问题。2025年，“具身智能”等新词首次写入政府工作报告，成为我国推进人工智能发展的重要事项。十年来，我国自动驾驶技术快速发展，已经步入全球第一梯队，但依然面临以下主要挑战与问题。
一是始终面临被美国拉大差距的风险。2024年以来，我国20多个城实施“车路云一体化”试点，智能驾驶发展进入快车道。但与美国相比，我国始终面临掉队的风险，百度等头部企业认为中美拉开差距的时间窗口期仅需2～3年。美国不仅在高端芯片和算法等方面占据优势，而且正在大幅松绑监管，推进自动驾驶商业化进程。由于自动驾驶技术的迭代升级极度依赖现实数据积累，一旦美国企业在运营车辆数量、运行区域等方面显著超过我国，受人工智能规模定律（Scaling Law）影响，其自动驾驶技术将加快迭代，届时中美并进的局面可能会转变，我国将被美国拉开差距。一旦美国率先实现L5级自动驾驶（当前两国头部企业均为L4级），将改变全球智能驾驶乃至具身智能产业格局。
二是关键技术突破与应用优化难题。目前，自动驾驶技术存在全球性技术难题。环境感知方面，存在传感器的抗极端天气干扰，以及摄像头、激光雷达、毫米波雷达、超声波雷达等传感器在时间同步、空间校准等方面的融合等技术难题。算法方面，面临复杂交通场景动态交互，以及安全性、舒适性、合规性（交通法规）等多目标协调等决策规划难题。控制执行方面，决策指令精确度面临车辆动力学差异（不同车辆、不同路况），刹车、转向等执行器的物理延迟，以及高速紧急转向和制动等极限工况的稳定性问题。车路协同方面，存在高精度地图实时更新，通信低延迟与高可靠性、标准兼容性等问题。软硬件耦合方面，传感器-算法紧耦合导致迁移成本极高，不同芯片的 BSP（Board Support Package）差异大，算法和芯片的解耦存在很大困难，“换硬件必改算法”的行业通病，凸显了传感器接口标准化等紧迫性。这些难题既涉及技术本身的复杂性，也与现实场景的不确定性、安全性要求等密切相关。
三是认知、伦理、法律与社会舆论等复杂挑战。虽然我国已经在自动驾驶的研发伦理、责任划分、术语定义等方面出台了相关指引指南，但实际上不仅社会认知严重不足，而且部分关键问题仍需进一步明确。社会认知方面，目前用户对自动驾驶的L0～L5级分类认识不清，加之企业宣传用语不规范，导致用户误将L2级辅助驾驶作为自动驾驶功能使用，易引发交通事故。根据《智能驾驶商业化白皮书2025》，近八成的用户对于智能驾驶的分级和具体功能，仍有不熟悉和不了解的情况。伦理方面，虽然2025年7月科技部发布的《驾驶自动化技术研发伦理指引》解决了部分伦理问题，但诸如突发事故中的算法选择（例如避让行人还是保护乘客）等依然缺乏国家标准，可能引发伦理争议。法律方面，“技术可及，法律不可及”的困局仍未完全突破。虽然2021年新修订的《中华人民共和国道路交通安全法》以及深圳2022年颁布的《深圳经济特区智能网联汽车管理条例》等对自动驾驶的交通事故责任等事项进行了部分界定，但诸如事故因路侧设备故障（如信号灯错误）引发时的责任划分、法人无法承担交通事故中的刑事责任等问题依然没有解决，这些成为L2级辅助驾驶迈向L3级自动驾驶商业化的重要法律瓶颈。此外，对数据滥用和泄露风险的担忧，以及交通事故、冲击就业等舆论都对自动驾驶商业化构成不确定影响。
三、政策建议
自2020年以来，我国已经围绕智能网联汽车的准入和上路、数据存储处理、驾驶自动化分级、科研伦理等出台了一系列规范和指南。根据国际竞争态势和国内发展需求，我国需进一步加快顶层制度优化调整、强化关键技术攻坚、完善标准法规、做好宣传教育，充分发挥我国车路云一体化、场景丰富、市场空间庞大等重要优势，推动我国自动驾驶商业化进一步提速。
一是央地协同，加快扩大区域与行业试点。（1）引导、鼓励地方政府将小规模技术验证向规模化商业化试点方向转变，鼓励更多地方将自动驾驶纳入“新技术新产品新场景大规模应用示范行动”，建立免责机制，支持在有条件的城市扩大自动驾驶商业化试点规模，推动自动驾驶落地更多场景应用，加速商业化进程。（2）鼓励地方因地制宜，聚焦差异化场景试点,以“自动驾驶+文旅”“自动驾驶+物流”“自动驾驶+港口”等特色场景为切入口，推动自动驾驶在自身规模化落地应用的同时，高效赋能地方经济文化发展。（3）尽快完善顶层设计，在已出台指南指引基础上，进一步在国家层面完善自动驾驶安全监管框架，发布行业行动计划。
二是强化攻关，加强项目支持、平台建设与数据共享。（1）加大政府科技项目、产业引导基金等支持力度，开展自动驾驶感知算法、多模态交互、端到端决策等技术难题攻关。支持企业围绕共性技术难题牵头申请或与政府合作出资设立国家科技项目，凝聚产学研攻关合力。（2）构建产学研协同平台。借鉴智能汽车基础地图标准体系建设的经验，支持龙头企业、高校院所、政府等联合成立重点实验室、技术创新中心等平台，围绕软硬件技术难题开展联合攻关、实验验证等。（3）建立自动驾驶行业数据共享联盟，在保障隐私和安全前提下，推动企业共建安全可信的数据交换生态，快速做大数据规模，推动感知、算法等技术快速迭代，破解“数据依赖性”行业技术难题。
三是完善制度，推进法律法规与标准体系建设。（1）尽快修订完善相关法律法规，强化法律法规与技术发展的衔接，明确L0到L2级辅助驾驶系统“人机共驾”的法律属性，推动《中华人民共和国刑法》《中华人民共和国道路交通安全法》等上位法修订，解决交通事故中的法人刑责等法律瓶颈，为地方探索打开空间。（2）进一步细化自动驾驶责任认定机制，建议参照欧盟《人工智能法案》建立分级责任认定机制，针对L3～L5不同级别自动驾驶设置差异化的责任主体划分标准。（3）尽快制定完善相关技术标准，尤其是L3/L4级强制安全认证与极端天气（暴雨、强光）、复杂路口、仿真测试等标准化、强制性测试标准。支持自动驾驶龙头企业参与制定智能网联汽车标准（如传感器精度、算法可靠性、安全评估框架），构建涵盖数据安全、伦理规范、人机交互等领域的综合性评价体系。需要指出的是，这些建议同样适用于人形机器人等具身智能。
四是做好宣传，强化科普教育与舆论管理。（1）强化全社会对人形机器人、驾驶自动化等具身智能的认知。针对自动驾驶，通过将自动驾驶分级标准、辅助驾驶操作规范、事故责任分担等纳入驾驶人教育培训和考试范围等方式强化用户认知。同时，严格规范相关企业的广告宣传活动，禁止滥用“自动驾驶”“智能驾驶”等术语，对因夸大和虚假宣传引发的交通事故，对相关企业处以大额惩罚性赔款。（2）对相关事件的新闻报道尤其是自媒体报道进行管理，对借用事件炒作、故意混淆视听等行为进行严肃处理，同时建立舆论风险免责机制，鼓励地方政府大胆开展新技术、新产品、新场景使用探索。（3）对具身智能包括自动驾驶推广应用可能带来的就业结构变化、安全风险等问题，提前做好风险测控，减少不利舆论冲击。
来源：杨洋 杨晶（中国科学技术发展战略研究院）/文，首发刊载于《科技中国》杂志2026年第3期 特别关注栏目
10个月宝宝每天需要喝多少奶粉？
