从新能源到自动驾驶,哪座城市汽车产业正在驶入第二曲线

title:"从新能源到自动驾驶：哪座城市汽车产业正在驶入第二曲线"created:2026-05-09updated:2026-05-09doc_type:"公众号文章"source:"[[C300自动驾驶生态报告关联洞察：汽车第二曲线如何接入上海新质生产力]]"source_url:-"https://mp.weixin.qq.com/s/i6k2GX2FSJ9AIvBR7mUt3g"-"https://mp.weixin.qq.com/s/6ekE7og_Wa8FojO5MfU3lg"source_notes:-"[[2026自动驾驶生态报Final]]"-"[[GDP同比增长5.9%！2026年一季度上海市国民经济运行情况发布 1]]"-"[[【最新】经济运行开局良好，增长动能提质向新——2026年一季度上海市国民经济运行情况解读]]"-"[[2026年3月份规模以上工业增加值增长5.7% - 国家统计局]]"article_ids:-C300-C253-C254-C212tags:-公众号文章-巨富长宏观-上海-新能源汽车-自动驾驶-智能汽车-新质生产力

国内汽车产业刚刚完成一次清晰的换道，从燃油到新能源，从追赶者走进全球竞争的中央。新的换道可能又已开始：从电动驶向智能。

问题也随之改写。

上一轮拼的是谁能把电池、平台、供应链与出口规模做出来；下一轮拼的，是哪座城市能把汽车、人工智能、道路、数据、保险与真实场景拼成一套系统。

上海一季度的经济数据，提供了一个观察这件事的切口：全市 GDP 增长 5.9%，规上工业总产值增长 5.6%，汽车制造业产值增长 12.7%，新能源汽车产业产值增长 34.9%，电动汽车出口增长 1.4 倍。

这并不是一条孤立的汽车线索。

同一份数据里，三大先导产业制造业产值增长 16.1%，人工智能制造业产值增长 19.2%，工业投资增长 22.8%，“新三样”出口增长 1.2 倍。

放在一起，这些数字指向同一个变化：新能源打开了第一条曲线，自动驾驶正在牵引第二条。哪座城市能把第二条曲线做成产业系统，哪座城市就更可能在下一轮竞争中站稳位置。

新能源不是终点，而是智能化的底盘

过去几年谈汽车，绕不开三电、整车、出口和“新三样”。可以说，没有新能源汽车的规模化，就没有中国汽车今天在世界舞台上的位置。

但新能源解决的，主要是动力问题——让汽车从燃油走到电驱，让国内车企握住了一轮历史性机遇。

如今，电动化正在沉淀为基础能力。下一轮的差异从哪里来？城市的位次又会如何重排？

业内已有一个认识：继新能源之后，汽车产业正进入以智能为核心驱动力的第二曲线。

这条曲线的主角，不再是电池容量、续航里程与充电速度，而是算法、芯片、传感器、数据闭环、世界模型、线控底盘、智驾保险、示范道路与城市级场景。

车还是那辆车，产业链早已不是那条产业链；城市还是那座城市，竞争维度却已悄然换轨。

自动驾驶，让汽车从“产品”变成“系统”

自动驾驶最容易被误读为一项功能——高速 NOA、城市 NOA、自动泊车、车位到车位。

文末附有两个补充说明：一是“无人驾驶、自动驾驶、智能驾驶”的语境差异，二是 NOA、ODD、DSSAD 等缩写和专业名词解释。

这些是用户能感知的表层。真正的变化，在更深处。

2026 年的中国智驾市场出现了一种“L2.9”现象：技术体验逼近 L3，法律定级仍停在 L2。原因不只是技术。L3 一旦成立，系统激活期间的责任主体就要发生位移，事故数据、保险理赔、司法采信、道路准入、跨区互认，每一项都要跟上。

这说明自动驾驶不是单车智能的孤立升级，而是制度、技术与商业三者共同迁移的系统工程。

DSSAD 自动驾驶数据存储系统国标已于 2026 年 1 月 1 日强制实施。这只“黑匣子”把事故责任从各执一词推到数据证据，汽车产业由此接入交通治理、保险产品、数据合规与司法流程。

到了 L4，变化更显眼。Robotaxi、干线物流、港口、机场、矿区、园区——这些限定场景，可能比开放城市道路上的私家车更早形成商业闭环。截至 2026 年 2 月，萝卜快跑累计出行服务超过 2000 万次，全无人驾驶里程突破 1.9 亿公里；武汉已于 2024 年底实现单城单车盈亏平衡，第六代专用车型单车成本降至约 20 万元。

这些数字还不足以宣告 L4 全面成熟，但足以说明自动驾驶的价值，不只在购车清单上多一个选装项，也在城市交通、物流与产业空间里被重新计价。

上海为什么可能：汽车、AI、制造与出口可以接到一起

不是因为单点最强，而是因为系统更全。

整车制造、先导产业、工业投资、国际贸易、港口机场、城市场景——上海一样不缺。

图1 上海一季度工业数据看汽车智能第二曲线

一季度数据已勾出轮廓：汽车制造业产值增长 12.7%，新能源汽车产业产值增长 34.9%，电动化的底盘还在扩张；人工智能制造业产值增长 19.2%，三大先导产业制造业产值增长 16.1%，工业投资增长 22.8%，产业升级仍在加注，AI 与先进制造正在咬合得更紧。

外贸是另一面。上海一季度货物出口增长 16.3%，“新三样”出口增长 1.2 倍，电动汽车出口增长 1.4 倍。电动汽车已成为上海外向型制造的关键变量；若叠加智能驾驶能力、海外认证、数据合规与本地化服务，出口的就不只是车，而是一整套智能汽车系统。

这正是上海的结构优势：它不只是在造车，更有条件组织车背后的整条系统链——芯片、传感器、域控、线控底盘、操作系统、算法、仿真、数据、保险、示范运营与国际合作。自动驾驶把这些环节连起来，让汽车从一个制造品，转身为先进制造与智能经济的交汇点。

从“新能源城市”到“智能城市”，关键在场景

新能源的扩张，靠规模制造、供应链效率与市场需求；自动驾驶的扩张，多了一个变量——场景。哪座城市能组织场景，哪座城市就更容易把技术变成产业。

算法需要路况，模型需要数据，系统需要测试，商业化需要可计算的运营闭环。从这一刻起，城市本身就成为产业的一部分。

上海有几处场景值得格外留意。

一是港口与临港。集卡、堆场、园区接驳，路线稳定、主体清晰、效率改善空间大，是 L4 更容易先行跑通的地方。

二是机场与综合枢纽。场内物流、摆渡接驳、低速无人车、行李运输，封闭或半封闭的边界本身就是天然护栏。

三是产业园区与城市物流。园区道路、仓储配送、夜间运输、短驳物流，对自动驾驶的安全边界与运营效率，都给出了可计算的尺子。

四是国际化验证。汽车出口与跨国企业网络，使上海更容易把技术标准、海外认证、数据合规、保险产品与运营服务装进同一个框架。

从新能源过渡到自动驾驶，最自然的一步就在这里——前者回答“车能不能规模化造出来、卖出去”，后者回答“车能不能在真实城市与真实产业里持续制造效率”。

哪些城市正在驶入第二曲线：自动驾驶变成城市功能竞争

把视线从上海拉到全国，会看得更清楚，第二曲线不是一座城市的独角戏。

自动驾驶不是车企的配置竞赛，而是一场城市功能竞赛，同时考验制造、人工智能、道路基建、数据治理、公共交通、物流组织与法规试验能力。谁能把路、云、数、规、车、场景与产业链拧成闭环，谁就更可能在智能汽车时代留下新的产业增量。

公开信息显示，一批一二线城市已把智能网联汽车、自动驾驶或无人驾驶写入“十五五”前后的产业与基建安排。路径并不一致：北京、上海更重法规、道路开放与高级别示范；深圳把无人驾驶纳入 AI 全域应用与新型基础设施；广州、杭州、苏州、武汉、长沙更突出车路云、示范运营与场景落地；重庆、西安、天津则将其嵌入智能网联新能源汽车产业集群与制造业升级。

表1 一二线城市智能汽车布局汇总

自动驾驶的竞争，正在从技术成熟度，转向城市承载力。

底层逻辑已现：L2.9 普及，但 L3 受制于责任转移、ODD 边界、DSSAD 数据证据、保险产品与跨区互认；L4 最先跑通的不是所有开放道路，而是 Robotaxi、港口、机场、矿区、园区、干线物流——限定 ODD，高频高价值。北京偏制度试验，深圳偏 AI 与数据底座，广州、武汉偏运营验证，杭州、苏州偏车路云与产业链协同，重庆、天津、西安偏制造集群升级。

所以，“哪座城市正在驶入第二曲线”从来不是单选题。北京、深圳、广州、武汉、杭州、苏州、重庆、西安，各自用产业底盘切入这条赛道。真正的分野不在口号，而在城市能否把道路、云端、数据、规则、场景、车企与供应链织成一张连续的网。

图2 城市自动驾驶矩阵图

这张图不是城市排名，而是基于公开信息来理解分工的坐标，横轴看场景商业化能力，纵轴看制度、数据与基础设施。越往右，越接近运营验证；越往上，越接近规则、数据和系统组织。上海的位置，不在单一维度的极端，而在多种能力的交汇处。

各城市的做法对上海亦有启示。上海不必把自动驾驶当成车企研发部的私事，也无须复制武汉的 Robotaxi 强运营、广州深圳的单点商业化打法。它更适合一种组合拳，“高复杂度场景 + 制度基础设施 + 国际化服务”：以临港、港口、机场、园区构成 L4 场景验证网络；以金融保险、法治与数据治理补齐 L3 责任体系；以长三角协同探索跨区 ODD 互认与示范运营规则。上海的优势，从来不是单点最便宜，而是复杂功能密度最高——它能承接从技术验证到规模运营、从国内场景到国际合作的整套系统能力。

图3 自动驾驶从L2.9到L4

上海：把自动驾驶当成城市级产业工程

自动驾驶不是单个企业的竞赛。对城市而言，它本质上是一项产业工程：既要会造，也要会组织场景；既要懂技术，也要补制度；既能产出产品，也能验证系统。

下一阶段，上海可重点抓五件事。

第一，把“智能汽车系统链”作为新能源之后的产业升级方向

过去看汽车产业链，主角是整车、电池、电机、电控与零部件。接下来，要把芯片、传感器、域控、线控底盘、操作系统、算法模型、仿真平台、数据闭环与功能安全一并纳入视野。

招商与产业培育，不能只看零部件能否本地配套，更要看企业能否进入主机厂的数据闭环、是否具备量产级安全能力、能否与本市的汽车、AI、集成电路、高端装备形成组合。

第二，把港口、机场、园区织成 L4 场景验证网络

开放道路最难，不必把所有筹码都押在最复杂的牌面上。港口、机场、产业园区、物流枢纽与特定线路，更适合先形成可评估、可复制、可监管的商业闭环。

围绕这些场景建一批示范线路与运营样板，让企业在真实运营里把成本、效率、安全与调度算清楚。产业政策的落点不是“展示技术先进”，而是“让技术在场景里算得过账”。

第三，补齐智驾数据、保险与责任认定的制度配套

L3 之后，真正的瓶颈越来越多地出现在制度层面。DSSAD 数据记录、事故责任认定、保险产品设计、道路准入与跨区运营规则，任何一处含糊，企业都不敢规模化投放。

上海的金融、保险、法治与城市治理优势，可以把智驾保险、数据采信、事故鉴定与示范运营规则做成另一种产业竞争力。制度，本身就是基础设施。

第四，让智能汽车出海从“整车出口”升级为“系统能力出海”

电动汽车出口涨得很快，下一阶段的考题更难。海外市场不仅看车价与续航，也要看智驾合规、数据本地化、售后与软件更新的稳定，以及保险与责任边界是否清楚。

围绕智能汽车出海建立公共服务能力，如海外标准研究、认证服务、数据合规咨询、保险方案、测试验证、本地运营合作等，出口的就不只是车，而是一整套智能汽车产业服务能力。

第五，建立跨行业的长期跟踪指标

自动驾驶不能只用销量丈量。城市需要一套更完整的尺子：智能化装车率、L2+/L3 渗透率、示范道路里程、港口与园区无人化运营里程、智驾保险产品数量、事故数据采信案例、核心零部件本地配套率、智能汽车出口认证数量。

有了这些刻度，才能分清自动驾驶是停留在概念热度，还是已转化为真实的产业能力。

产业之光不会只照在一座城市。北京可能赢在制度试验，深圳可能赢在 AI 与数据底座，广州、武汉可能赢在运营验证，杭州、苏州可能赢在车路云与产业链协同，重庆、西安、天津可能赢在制造集群升级。

上海的机会，在于把汽车、电动化、人工智能、集成电路、港口、机场、出口与金融保险重新连成一条线。

从新能源到自动驾驶，真正驶入第二曲线的，不是最会展示概念的城市，而是最能组织复杂系统的城市。上海手里已有一组可用的拼图。下一步，看能否把这组拼图，拼成智能汽车时代的城市能力。

附录一：无人驾驶、自动驾驶、智能驾驶有什么区别

这三个词常被混用，语境不同，侧重也不同。本文正文以产业语境为主，以下说明帮助读者理解不同场合的用法差异。

简言之：自动驾驶偏技术与法规分级，无人驾驶偏高等级去人化运行，智能驾驶偏产业与产品体验。政策与产业分析，优先用“自动驾驶”或“智能网联汽车”；描述 Robotaxi、无人配送等场景，再用“无人驾驶”；描述量产车辅助驾驶体验，“智能驾驶”更自然。

附录二：文中缩写和专业名词说明

• NOA
  ：Navigate on Autopilot，领航辅助驾驶。通常指车辆在高速或城市道路中，按导航路线完成跟车、变道、上下匝道、路口通行等辅助驾驶动作。高速 NOA、城市 NOA 分别对应高速和城市道路场景。
• L2 / L2+ / L2.9 / L3 / L4
  ：自动驾驶能力分级。L2 是组合驾驶辅助，驾驶员仍需持续监控；L2+ 是行业对更高能力 L2 的非正式说法；L2.9 是行业俗称，指技术体验接近 L3、法律责任仍停留在 L2 的状态；L3 是有条件自动驾驶，在限定运行条件内系统负责驾驶、驾驶员按要求接管；L4 是高度自动驾驶，在限定场景内系统可独立完成驾驶任务。
• ODD
  ：Operational Design Domain，设计运行条件。指自动驾驶系统可以安全工作的边界，包括道路类型、速度范围、天气、时间、地理区域、交通环境等。
• DSSAD
  ：Data Storage System for Automated Driving，自动驾驶数据存储系统。可理解为自动驾驶“黑匣子”，用于记录系统状态、驾驶员状态、接管请求、感知与规控数据，为事故责任认定提供证据。
• Robotaxi
  ：自动驾驶出租车。一般指在特定城市、区域或线路内运营的无人化或高度自动化出行服务。
• C-V2X / NR-V2X
  ：车联网通信技术。C-V2X 是蜂窝车联网，让车与车、路侧设备、云平台通信；NR-V2X 是基于 5G NR 的进一步演进版本，可支持更低时延、更高可靠性的车路协同。
• 车路云一体化
  ：把车辆、道路基础设施、云控平台和通信网络连成系统，让车辆不仅依靠自身传感器，也能获得路侧感知、信号灯、道路事件和云端调度信息。
• 域控制器
  ：汽车电子架构中的集中计算单元。它把过去分散在多个小控制器里的功能集中处理，是智能驾驶、智能座舱等系统的重要硬件基础。
• 线控底盘
  ：用电子信号控制转向、制动、油门等底盘动作。自动驾驶要稳定执行决策，通常需要更高可靠性的线控系统。
• 数据闭环
  ：车辆在真实道路中产生数据，企业用这些数据训练、验证和优化算法，再通过软件更新回到车辆端，形成持续迭代。
• 世界模型
  ：自动驾驶大模型的一类方向。它试图让系统理解和预测物理世界中的道路、车辆、行人、信号和风险变化，而不只是识别当前画面。
• 智驾保险
  ：围绕智能驾驶场景设计的保险产品。核心难点在于系统、驾驶员、车企、运营方之间的责任边界和理赔规则。

数据说明：本文使用的上海一季度经济数据来自上海市统计局相关发布；自动驾驶行业现状和趋势参考了《2026自动驾驶生态报告》及各城市公开政策文本。