自动驾驶的新突破、新范式与新征程:前途光明,挑战犹存 | 产业观察

过去一到两年，无论是在美国还是中国，自动驾驶领域都出现了一些比较明显的质变迹象。

2021年之前，我们处于“古典智能驾驶时代”。当时技术框架最大的特征就是高度模块化：我们将自动驾驶所需的所有信息，拆解为一个个相互独立的子模块。比如，道路拓扑结构、红绿灯信息依赖高精地图获取先验信息；对物体的识别和距离测算依赖多传感器融合；规划和决策则依靠决策树、状态机等经典算法完成。

从2022年开始，在北美头部公司的带动下，行业的范式发生了剧变。感知端涌现出一系列大家耳熟能详的新名词，比如BEV（鸟瞰图）、Transformer、占据网络（Occupancy Network） 等，它们都在这一时期逐渐成型并成为行业共识。这一阶段模型化比例开始提升，模块之间逐渐融合。同时，国内也逐步探索出“轻图”甚至“无图”的技术路线，逐渐出现了“全国都能开”的能力扩展。

在度过摸索阶段后，2024-2025年，中美头部玩家又迎来了更激进的一轮升级。这一轮变化的关键在于：不再区分传统意义上的功能模块，而是将传感器和导航信息作为统一输入，通过一个模型直接输出车辆的控制信号，也就是大家现在都在谈的“端到端”架构。如果用简单的趋势来概括，就是两个方向：一是模块在减少，二是模型占比在不断提升。

从用户体验角度来看，这一轮技术变化带来的感受也比较明显。一方面是“能开”的范围不断扩大。从早期依赖高精地图的核心城市路段，到“全国都能开”，再到现在的“有路就能开”，甚至包括一些没有车道线的乡间道路。另一方面是“好不好开”的变化。随着模型能力提升，系统的拟人性、流畅性和泛化能力都有明显改善。过去依赖大量人工规则和补丁的方式，客观上限制了模型迭代速度。进入模型化时代之后，对失效场景（bad case）的处理效率明显提高。

从技术路径上看，自动驾驶并不是一开始就采用“端到端”模式，而是在原有成熟架构基础上逐步演进。最近一两年，我们开始看到新架构对旧架构的全面超越。传统分模块体系的主要问题包括：信息在模块间传递过程中会丢失、系统延时较高、整体体验存在割裂感，以及长期迭代上限相对较低。而“端到端”模型实现了全局信息的无损传递，其系统帧率高且稳定。我们可以用手机屏幕来类比：传统架构就像会掉帧的 60Hz 手机，而“端到端”由于是一个整体模型，不存在任务间计算资源的“左右打架”，它能提供一种永远不掉帧的120Hz 满帧体验。

行业常说“上半场电动化，下半场智能化”，从最新数据来看，这个叙事确实正在兑现。在电动化浪潮爆发两三年后，从 2024 年下半年起，高速 NOA 的配套与渗透率开始快速提升；而从 2025 年下半年开始，城区智驾接力爆发。与此同时，这一轮技术进步还带来了“下沉”和“平权”的趋势。随着软硬件成本的下降，20万元以下的主流市场也开始具备较好的智能驾驶体验。

进入大模型时代之后，行业中一个被反复提及的概念是“数据闭环”。从表面看，自动驾驶的核心要素似乎可以概括为三点：算力、数据和模型。仿佛只要备齐这三点，研发“飞轮”就能自动转起来。但实际上，模型只是最终露出水面的“冰山一角”，或许是赢得掌声的那部分。而真正决定竞争胜负的，是潜伏在水平面下的体系能力。

如果把数据闭环拆开，会发现中间布满了“堵点”和“坑”。

首先是数据的触发和回传。车辆在运行过程中，哪些数据需要被记录和回传？例如一次接管，是系统判定失误，还是驾驶者主动行为？这需要较高程度的自动化识别能力；其次是问题的定位。回传的数据属于哪一类问题，发生在哪个模块，需要能够准确归因。

再往后是数据清洗和标注。相比数字AI有高质量的互联网语料，真实世界的数据往往噪声更大、分布极其发散且多样化。这些数据需要经历3-4轮的自动化筛选、清洗和标注之后，才能真正“投喂”给大模型进行迭代。

在此基础上，还涉及数据配方设计、模型训练、仿真测试以及线上验证。最后，还需要将云端的大参数模型，部署到车端算力受限的环境下进行实测，只有跑通这一系列环节，模型才算完整进行了一轮迭代。

过去一年，行业发生了巨大的变化。很多原先资源禀赋较少的玩家，在体验上完成了弯道超车，跃居第一梯队；而一些原本领先的玩家，却因固步自封而停滞不前。随着这一轮技术质变的发生，整个行业的体验、口碑和技术位次正在重新洗牌。这背后反映的是，竞争已不再只是算法本身，而是整体体系能力的比拼，包括技术细节把控、人才匹配及数据闭环的自动化水平等。我们调研中也有体会，行业信息与方法论其实并不稀缺，真正拉开差距的，是这些方法在从宣传口径到实际落地过程中，各个环节的“折损”程度。

大家容易对“端到端”算法产生一种滤镜，但正如 Momenta 创始人所言：算法模仿并不难，难的是你的系统、组织与人才积累能否支持这套体系的搭建。 在传统规则时代，企业可以靠人才和知识的扩散快速追赶。但在大模型时代，竞争变成了更为复杂的体系化博弈。

这个体系可能有五六个关键环节。最终的胜出者，一定是每个环节都具备行业 TOP3的能力，并最终通过能力的累积获得体系化的进步。 新技术给了后发者机会，也给了先发者挑战。去掉技术滤镜，行业竞争最终回归到的还是公司组织能力的挑战。

对于这一轮技术进步，我们整体保持绝对乐观态度。新的大模型架构在统一性、低延时、信息利用效率以及拟人化体验上的优势是比较明确的。

如果从“Scaling”（规模效应）的角度来看，目前车端还只是刚刚开始。无论是可用数据的规模、车端算力的上限，还是系统帧率，都还有比较大的提升空间。举一个相对直观的指标，当前国内头部企业的系统帧率大致在10Hz左右，而北美领先玩家已经可以做到30Hz甚至更高。帧率的提升，本质上会带来决策更连续、控制更平滑的体验提升。已经有头部企业明确提出，2027年产品车端芯片的算力有望达到当前的5–10倍。

从这个角度看，新架构对老技术架构的优越性，是后者通过任何方式都无法弥补的断代优势。而从发展阶段来看，这一轮技术与体验的进步曲线还远未走到终局。另一方面，我们也需要相对冷静地看待自动驾驶本身的复杂性和特殊性。行业的进步不会像最乐观时预期的那样“每个月翻一倍”，过程中会遇到各种难点和挑战，进度的非线性和不可预期性也一定是客观存在的。

从一些头部企业的实际测试数据来看，这种“非线性”也非常明显。表面上看，全程无接管的比例从95%到99%，是4%的进步，实际上是接管比例从5%下降到1%，相当于安全性提升了4倍。

但即便是99%也依然远远不够，和大家日常使用豆包、Deepseek不同，在虚拟世界中，模型偶尔“犯蠢”或出现“神鬼二象性”，用户可以一笑而过。但在物理世界，人类对智驾错误的容忍程度要严苛得多。当我们以基础设施的眼光审视 L4 终局，会发现实现“足够安全”的可靠性，依然是一个极其巨大的挑战。

也正因为当前模型远未完美，部分企业已经开始探索新一轮技术升级，比如目前行业内讨论比较多的VLA（视觉-语言-动作模型）和世界模型。VLA模型是希望能更多地引入语言能力。在现有的端到端架构中，语言已经有所引入，只是权重较低，主要承担多模态交互、文字指示牌识别，以及为“黑盒”系统提供一定的可解释性：让系统在规控输出时，能同步解释为什么变道或压线。而更高阶的目标，是借助语言能力实现复杂场景下更强的理解与推理能力。

开车这件事表面上并不复杂，但人类之所以能够较快学会开车，并不是从零开始学习“驾驶”这项孤立的技能，而是在此之前，我们已经对物理世界的运行规律、环境变化和行为逻辑有了大量基础认知。开车只是把这些通用理解投射到一个具体场景中。相比之下，当前自动驾驶模型在这类泛化理解和场景推理能力上仍然有限，这也是行业希望通过引入语言能力继续突破的原因。

世界模型本质上是想实现终极的数据闭环，当前的自动化迭代有两个绕不开的瓶颈。第一个是有效数据的衰减，模型性能越高，能获得的有效数据就越少，当性能从99%提升到99.9%，有价值的边际数据会从1%快速萎缩到0.1%，这是所有模型都面临的困境；第二个是验证成本的指数级上升，当模型已经足够优秀时，实车路测的时间和车辆成本会变得高不可攀。世界模型可以基于真实场景，自主泛化出不同天气、地形和动态对象的无尽训练素材，并实现算法推出后的线上自动化仿真与闭环评估。

如果从相对晦涩的技术原理回到对行业的展望，我们认为在确定性的技术趋势下，有三个维度的投资与增长机会值得关注。

第一是技术普惠化带来的增量红利。这一轮技术升级实际上降低了软硬件的入门门槛，许多定位经济型的车企，只需投入不超过5%的成本，就能实现城区NOA。这也给了中腰部车企通过与主机厂合作实现“弯道超车”的机会。

第二是供应链与产品收敛下的品牌重塑。当马力、空间和豪华配置在国内市场逐渐失效，空间和配置不再能形成壁垒时，如何重塑高端品牌的心智溢价就成了核心抓手。这一轮技术的洗牌期，恰恰是重新树立C端品牌心智、打造差异化溢价的窗口期。

第三是L4的规模经济化。从无人配送到矿卡，再到Robotaxi，L4的应用场景正在快速泛化。过去L4的痛点在于扩张的“规模不经济”，扩张的边际成本比较高，导致生意逻辑讲不通。而这一轮技术突破，让我们看到了一条能够到达体验彼岸、真正实现规模经济化的路径。