自动驾驶变天了,2026年车企不再卷雷达

站在2026年往回看，自动驾驶这几年最明显的变化，不是车上多装了几个传感器，也不是芯片参数又涨了多少，而是行业判断标准换了。现在大家更在意的，已经不是谁堆料更猛，而是谁的大模型更会开车。

这个结果其实挺说明问题。前些年发布会最爱讲什么，激光雷达数量、摄像头规格、算力多少TOPS，听起来都很唬人。可真把车放到城市里，放进窄路口、施工路段、积水反光、临时红绿灯这些场景里，很多系统还是会发懵。看得见，不代表会处理，这就是症结。

                    

问题就在这儿，传统自动驾驶很长时间依赖人工规则。见过的场景，它能处理，没见过的，就容易犹豫，甚至做出很生硬的反应。行业后来慢慢意识到，继续一味加硬件，更像是在补短板，却没改方向。真正要升级的，是系统的思考方式。

这也是为什么大模型开始成为主角。它不是按一条条规则去匹配，而是通过大量驾驶数据学习人是怎么开车的。简单理解，以前系统像在做选择题，现在更像是在形成直觉。这个变化，才是自动驾驶从能跑，走向好开的关键一步。

特斯拉这条路走得很早。FSD V12开始，用AI神经网络大幅替代人工编写的驾驶规则，把原来大量感知和规划代码压缩到更少的规模。今年推送的V14.3，又让AI进一步接管底层控制模块，打通了从看见，到判断，再到执行的整套链路。这个信号很强，说明行业重点已经不只是识别，而是全流程智能化。

国内车企也在跟进。小鹏第二代VLA大模型今年一季度已经量产上车，放在2026款P7+、G7、X9等多款Ultra车型上，核心就是从视觉输入直接生成动作指令，中间少了不少传统环节。这样的好处是什么，反应更顺，动作更像人。

                       
                   

不少人已经能从实际体验里感受到差别。比如在窄巷会车，过去有些车一碰到这种情况就僵在路中间，不知道该不该往边上挪。现在一些新方案会稍微贴边，会通过车头的小幅动作表达自己的意图，这种细微处理，反倒最像老司机。老实说，自动驾驶能不能让人放心，看的往往不是大场面，而是这些细节。

更值得注意的是，2026年的竞争已经往下一层走了，大家谈得更多的是世界模型。这个词听着有点专业，其实意思不复杂，就是车不光看眼前，还能在“脑子里”补出接下来可能发生的事。比如前方被大货车挡住视线，它会提前估计盲区里会不会有非机动车突然出现，这就是从看见现实，走向预测未来。

我一直觉得，这才是自动驾驶真正拉开差距的地方。硬件再强，主要解决的是感知精度。可复杂路况里，很多风险本来就不是摆在眼前的，而是藏在下一秒。谁能提前想到，谁就更接近人类驾驶。

到了这一阶段，硬件的重要性并没有消失，但位置确实变了。它更像四肢和感官，负责采集和执行，真正决定上限的，是模型怎么理解道路、怎么修正错误、怎么补全缺失信息。雨雪天气摄像头不清楚，或者道路边界不完整，模型如果具备足够强的推断能力，依然能给出靠谱动作，这就是软件能力开始反过来“托底”硬件。

各家布局也越来越清楚。理想在今年GTC大会上发布了下一代自动驾驶基础模型MindVLA-o1，重点就是通过隐世界模型提前想象未来几秒。蔚来2026款乐道L90带上自研5nm芯片神玑NX9031和蔚来世界模型，把这套能力放进了17.98万元起的产品。上汽大众的ID.ERA 9X，则在北京车展宣布首发搭载Momenta R7强化学习世界模型，量产信号已经很明确。

                       
                   

市场反馈也能说明方向没走偏。Momenta的智驾方案在2025到2026年间，搭载量从近30万台升到逾80万台，新增10万台交付有时不到40天。这个增速不是一句热闹能解释的，背后就是车企和用户都开始接受一个现实，自动驾驶拼到今天，核心不再只是硬件清单。

这件事对普通消费者也有影响，而且是直接影响。以前高阶智驾总让人觉得离家用车很远，配置贵，门槛高。现在因为不再死磕顶级激光雷达和超高算力，硬件成本在往下走。地平线最新方案给出的信息是，单台车硬件成本可下降1500到4000元，这意味着更多10万到20万元车型能把高阶智驾放进来。

截至今年一季度末，10万到15万元区间里，已经有超过70款量产车型带NOA功能。这个变化不小。几年前还被看作新鲜配置的东西，现在开始往主流市场普及。说到底，自动驾驶真正有价值，不是只出现在少数高端车上，而是让普通家庭也能用上。

还有一个变化经常被忽略，就是学习速度。以前改一套自动驾驶程序，工程师得一行行改代码，修一个问题可能拖几个月。现在只要把新的高质量驾驶数据喂给模型，系统能更快学会适应新规则、新天气、新场景。这个进化速度一旦起来，整个行业节奏都会被改写。

所以今天再看自动驾驶，已经不是谁把车武装得更满，而是谁更接近“会开车”这件事本身。雷达和芯片当然还重要，不过它们已经不是故事的主角。真正决定下一轮胜负的，是模型理解世界的能力，还有它学得够不够快。谁先把这件事做扎实，谁就更可能在下一阶段占上风。