摘要：乘用车和商用车“自动驾驶”处于不同周期
表面看，乘用车和商用车都在谈BEV、Occupancy、端到端、世界模型、大模型、多传感器融合、数据闭环和高阶辅助驾驶；但从工程实践和商业周期看，两者存在较大差别。
乘用车自动驾驶本质是消费品竞争的一部分。核心约束是用户体验、价格带、品牌心智、配置竞争、监管边界和大规模OTA迭代。乘用车卖的是“期望”：更轻松、更智能、更高级、更像未来。
商用车自动驾驶本质是生产工具的升级。核心约束是TCO、出勤率、远程运营比例、事故率、司机成本、能源成本、调度效率和SLA。商用车买的是“确定性”：少人、少事故、低能耗、高周转、可审计、可排班。
一句话概括当前周期：
乘用车自动驾驶处在“规模高位、增速放缓、价格战压缩、监管趋严”的质量分化期；商用车自动驾驶处在“总量温和、结构高增、新能源化加速、特定ODD无人化商业验证”的上行早期。两者的周期差异，本质上是消费电子逻辑与工业生产率逻辑的差异。
1. 行业景气度：乘用车是高景气后的盈利修正，商用车是低基数上的结构性上行过去几年，乘用车市场在新能源化、自主品牌崛起、智能座舱和高阶辅助驾驶推动下，形成了极高的产业热度。2025年中国乘用车销量已经处在3000万辆级别，新能源车销量超过1600万辆，城市NOA、高速NOA、自动泊车、智能座舱等配置快速普及。表面上，这是高度景气的市场。
但工程团队和企业经营层看到的是另一面：价格战加剧，车型周期压缩，用户付费意愿分化，监管对“自动驾驶”营销话术更敏感，智驾硬件配置迅速下放，单车利润被持续压薄。乘用车智能驾驶已经从“功能红利期”进入“质量筛选期”。
商用车则不同。商用车总销量不如乘用车，但它的结构性机会正在增强。新能源商用车、电动重卡、矿区无人运输、港口集卡、园区物流、环卫清扫、固定路线接驳等场景，正在从示范项目走向小规模商业验证。商用车自动驾驶不是靠消费者尝鲜，而是靠运营方算账：如果系统能降低司机成本、事故成本、能源成本和停运成本，就有持续采购逻辑。
乘用车像一座已经高度开发的城市核心区：人流密集、商业繁荣，但租金高、竞争激烈、利润变薄。商用车像正在建设的工业新区：总量不大，但基础设施、政策、客户需求和商业模式还在同步成形，一旦某条生产线跑通，就具备复制扩张的可能。
2. 两类周期的底层差异：乘用车卖“感知价值”，商用车买“经营结果”
自动驾驶在乘用车和商用车中的价值表达完全不同。
乘用车用户感知的是“这辆车聪不聪明”。系统是否能自动变道，是否能进出匝道，是否能处理城市路口，是否能泊入复杂车位，是否能像老司机一样平顺，这些都会直接影响购买决策和品牌心智。
商用车客户关心的是“这套系统能不能让业务更赚钱”。车辆一天多跑几趟，是否减少夜班司机，是否降低事故率，是否节省能耗，是否减少轮胎和制动磨损，是否能稳定接入调度系统，这些才是采购依据。
表1：乘用车与商用车自动驾驶周期的底层差异
| | |
|---|
| | 物流、矿山、港口、环卫、公交、园区等运营主体，ROI导向强 |
| | |
| | |
| | |
| | |
| | |
| | |
| | |
乘用车是“先扩散，再收敛”，商用车是“先收敛，再复制”。
3. 乘用车进入L2+普及后半场，商用车进入限定ODD商业验证期3.1 乘用车：从“有没有”进入“好不好、敢不敢、赔不赔”
乘用车智能驾驶已经越过“有没有”的阶段，进入“是否稳定、是否可信、是否值得持续付费”的阶段。
早期用户看功能清单：
当前乘用车智能驾驶处在三个阶段叠加状态：
第一，L2/L2+规模化普及后半场。高速NOA、城市NOA、记忆泊车等功能继续下探，主销车型会越来越多搭载高阶辅助驾驶。智驾从高端卖点变成中端标配，功能标签快速贬值。
第二，L3有限准入早期。L3不是简单的软件升级，而是责任结构变化。系统在特定ODD内承担动态驾驶任务后，安全论证、驾驶员接管、日志记录、保险机制和监管备案都会进入产品定义。
第三，Robotaxi局部运营验证期。Robotaxi拥有乘用车外形，但本质是商用车商业模式。既要处理城市开放道路，又要接受车队资产回报考核，因此是最难的中间态。
乘用车当前阶段最重要的工程主题不是继续堆功能，而是在低成本硬件和强竞争环境下，建立可持续迭代的安全认证工程。
3.2 商用车：从“技术展示”进入“运营账本”
商用车自动驾驶已经不再只是园区试乘、封闭道路演示和样板项目。真正的变化是，矿区、港口、环卫、园区物流、短倒运输、干线接驳等场景开始用运营指标评价技术。
商用车客户的问题非常朴素：
商用车当前处在：
新能源化快速抬升期，L2/L2+辅助驾驶导入期，特定ODD L4商业验证期。
它的核心工程主题不是“证明车能无人驾驶”，而是：
证明无人驾驶能以可审计、可维护、可复制的方式降低单位运输成本。
4. 商业压力决定技术路线
自动驾驶路线之争经常被讲成“视觉还是激光雷达”“模块化还是端到端”“有图还是无图”。但在工程实践里，技术路线不是信仰选择，而是商业压力的投影。
4.1 乘用车：价格战把技术路线推向“低成本强泛化”
乘用车行业越进入高竞争周期，智驾系统越会被迫降BOM。传感器、算力、线束、域控、散热、标定、售后、OTA维护，每一项都会受到成本审判。
因此乘用车未来的技术趋势很清晰：
- 激光雷达从“身份标签”回归为“高端或特定功能冗余组件”；
- HMI、DMS、接管提醒和功能边界表达成为监管硬约束。
乘用车不是不知道冗余好，而是必须在用户愿意支付的价格里做工程折中。
4.2 商用车：TCO把技术路线推向“高冗余强确定性”
商用车不同。它不怕初始硬件成本高，而怕系统不稳定。一个传感器包贵几万元未必是核心问题；一次事故、一次停运、一次SLA违约，可能吞掉多年收益。
因此商用车更倾向：
表2：景气度如何塑造自动驾驶技术路线
5. 乘用车依赖数据规模，商用车依赖ODD纪律
乘用车和商用车都需要数据闭环，但闭环逻辑完全不同。乘用车靠广度，商用车靠深度；乘用车靠“见多识广”，商用车靠“边界清晰”。
图1：乘用车与商用车自动驾驶系统闭环差异
乘用车的数据闭环像海洋捕捞：广撒网，捕长尾。商用车的数据闭环像温室种植：面积不一定大，但温度、湿度、光照、土壤和产量都可控。
6. 感知：乘用车追求低成本泛化，商用车追求可审计冗余
6.1 乘用车：从目标检测到Occupancy，再到隐式世界模型
乘用车感知系统的演进，大致经历三层。
第一层是目标级感知。系统识别车辆、行人、车道线、红绿灯、交通标志。这类方法可解释性强，但面对开放世界脆弱。道路风险并不总是标准类别，例如倒地锥桶、掉落货物、半开车门、异形施工牌、临时水马、坑洼积水等。
第二层是BEV与Occupancy表达。系统不再只问“这是什么”，而是问“哪里被占据，哪里可通行，哪里存在动态风险”。这对规划非常关键，因为规划并不总需要知道一个物体的语义名称，很多时候只需要知道“那里不能撞”。
第三层是端到端、世界模型和多模态驾驶模型。系统开始从多传感器输入中学习环境状态、交通交互和未来演化，甚至直接生成候选驾驶策略。它的优势是能吸收大量隐性驾驶经验，缺点是安全边界、失效机理和责任解释变得更困难。
乘用车采用这一路线，不是因为工程师更激进，而是规模经济逼出来的。它不能给每辆主销车型配置Robotaxi级传感器包，也不能对每个城市每条路做运营级维护。它必须让模型在相对低成本硬件上尽可能泛化。
6.2 商用车：感知不是为了炫技，而是为了资产风险管理
商用车对感知的态度更接近航空和工业控制。长途重卡高速行驶时，车辆质量、制动距离、货物价值和事故后果都决定了它不能把“看错一次”视为普通corner case。
商用车更倾向于多传感器冗余、传感器健康监测、在线标定、路线先验、远程运营和故障降级。它关心的不只是“正常情况下能不能看清”，还包括：
乘用车感知追求“以较低成本覆盖更广世界”；商用车感知追求“在定义边界内尽可能消除单点不确定性”。
7. 规划控制：乘用车解决“人感”，商用车解决“生产节拍”
自动驾驶规划控制不是简单生成轨迹，而是把商业目标和安全约束写进车辆行为。
乘用车的价值函数里有舒适性、通行效率、用户信任、品牌风格和驾驶员监督成本。它需要让用户觉得车“会开”，不能过度保守，也不能过度激进。加塞、让行、变道、路口起步、窄路会车，这些场景的体验差异会直接影响用户口碑。
商用车的价值函数里有货损、能耗、轮胎磨损、制动磨损、准点率、法规、安全距离、载重和调度节拍。商用车不需要像人类司机一样“会抢”，反而需要不像人类司机那样带情绪和冒险倾向。
表3：规划控制中的隐性目标差异
这里有一个经常被低估的工程分歧：
乘用车规划要“像人”，商用车规划要“少像人”。
人类司机会猜、会抢、会焦虑、会冒一点风险。乘用车为了不被用户骂“像新手”，不得不学习一定程度的社会化驾驶风格；商用车则必须尽量剥离这些不稳定的人类因素，让车辆行为成为可预测的工业过程。
8. ODD：商用车更诚实很多人认为商用车自动驾驶更容易，因为场景封闭、路线固定、交通参与者少。这个判断只对了一半。
矿山、港口、园区确实可以通过环境改造降低复杂度；但重卡高速、城市环卫、公交接驳、城配物流等场景的物理风险并不低。
乘用车产品常陷入一个悖论：为了市场传播，它需要显得“全能”；为了安全合规，它又必须强调“辅助驾驶”。这导致HMI、用户教育、事故责任和营销话术之间长期存在矛盾。
商用车可以更清晰地定义：
这不是保守，而是成熟。自动驾驶系统不是魔法，而是一个高维条件函数。ODD就是这个函数的定义域。没有定义域，谈泛化就是谈玄学。
图2：ODD收敛与商业化扩张关系
9. 数据闭环：乘用车赢在数据广度，商用车赢在运营闭环
9.1 乘用车：海量真实世界数据是优势，也是噪声源
乘用车最大的资产是规模。大量车辆每天运行在不同城市、道路、天气、驾驶风格和交通文化中，天然形成数据采集网络。接管、急刹、异常路径、用户投诉、影子模式不一致，都可以成为模型改进信号。
但这也带来三类代价。
第一，数据分布极其脏。不同城市、天气、道路标线、交通参与者行为混在一起，清洗、去重、聚类、标签和回归成本极高。
第二，用户不是测试工程师。用户反馈往往情绪化、非结构化、难复现。
第三，长尾事件闭环很慢。一次事故可能来自传感器退化、模型误判、地图错误、驾驶员误用、HMI误导、ODD表达不足或OTA回归漏洞，根因分析无法只靠“多训练一点”。
9.2 商用车：数据少，但每一公里更“值钱”
商用车数据规模小于乘用车，但工程密度更高。因为路线固定、任务明确、车辆状态可控、运营记录完整，数据可以和载重、时刻表、司机接管、远程协助、能耗、故障码、维保记录、天气、道路施工等信息绑定。
这类数据的价值不在“多”，而在“可闭环”。它不是互联网推荐系统里的点击流，而更像工厂生产数据：每个异常都能对应到班次、车辆、路线、负载、工况和责任链。
图3：两类数据飞轮差异
10. 成本结构：乘用车打BOM战争，商用车打TCO战争
10.1 乘用车：每一颗传感器都要向价格解释
乘用车智驾硬件配置受价格带强约束。激光雷达、4D毫米波雷达、摄像头像素、域控算力、冗余制动、冗余转向、电源架构都会进入成本审判。
工程团队经常面对这样的取舍：
- 依赖驾驶员兜底，成本降低，但HMI和责任边界更难设计。
乘用车必须在用户愿意支付的价格内做工程折中。
10.2 商用车：贵不是问题，回本慢才是问题
商用车客户对初始成本更理性。一个自动驾驶系统如果贵十万元、几十万元，只要能在司机成本、燃料/电耗、事故、保险、轮胎、出勤率上形成可计算收益，就可能成立。
但商用车也有自己的成本陷阱：
- 维护复杂度高，传感器清洁、标定、故障诊断消耗人力；
- 客户系统集成成本被低估，例如调度、仓储、充电、换电、装卸、保险。
所以商用车自动驾驶不是简单的“硬件贵但能赚钱”。它更像一套生产系统改造工程，车辆只是其中一个节点。
表4：乘用车BOM逻辑与商用车TCO逻辑
11. 安全验证：乘用车难在开放世界，商用车难在责任闭环乘用车L2/L2+通常采用驾驶员监督模式，验证重点包括系统性能、HMI提示、误用防控、ODD声明、接管风险和功能安全。但由于开放道路不可穷举，系统永远会遇到训练集之外的情况。
商用车尤其是L4场景，不能把“驾驶员会接管”作为基础假设。它必须回答：
图4：自动驾驶安全论证的工程分层
真正困难的不是写一份安全报告，而是让报告里的假设在车辆生命周期内持续成立。传感器老化、模型OTA、道路变化、用户误用、维修质量和数据漂移，都会侵蚀原来的安全论证。
12. 技术先进性不能替代系统责任
端到端和世界模型正在改变自动驾驶软件栈。过去系统像一条装配线：感知检测物体，预测判断意图，规划生成轨迹，控制执行。现在系统越来越像一个“驾驶认知体”：从多模态输入中学习环境状态、交互关系和未来演化，再输出候选决策。
但工程上必须冷静：
端到端不是免验证，不是免规则，不是免责任。它只是把大量手写规则转移进参数空间。规则少了，问题没有消失，只是从代码审查变成了数据治理、模型评估、失效分析和安全壳设计。
12.1 乘用车为什么更容易拥抱端到端
乘用车拥抱端到端，主要有四个现实原因：
第一，开放道路规则无法完全手写。城市道路中的电动车、行人、临停车辆、施工改道、弱规则博弈让传统模块化系统疲于打补丁。
第二，用户体验要求连续性。模块化系统容易在感知、预测、规划之间产生接口损失，表现为犹豫、急刹、轨迹不自然。
第三，数据规模足够大。大规模车队提供了模仿学习、场景挖掘、模型蒸馏和持续迭代的土壤。
第四，硬件成本倒逼算法统一。低成本硬件下，系统不能无限堆冗余，只能让模型更强。
12.2 商用车为什么不会完全依赖端到端
商用车也会用端到端、世界模型和基础模型，但不太可能把安全闭环完全交给黑箱策略。因为它面对的是运营责任，而不是用户体验评分。
更现实的架构是“多系统”：
- 学习系统负责感知、预测、候选轨迹生成、复杂交互理解；
- 安全系统负责边界约束、碰撞检查、法规约束、动力学可行性、故障降级、最小风险策略；
- 运营系统负责ODD管理、远程协助、调度、维护和异常闭环。
图5：面向量产和运营的混合智能架构
这是安全工程的基本纪律。
13. 乘用车周期中的创新与权衡
13.1 从“功能开发”转向“体验连续性工程”
早期高阶辅助驾驶比的是功能点：能不能自动变道，能不能上下匝道，能不能识别红绿灯。现在真正的差距在体验连续性：
一次莫名急刹，比十次漂亮变道更伤害信任。乘用车智驾的核心指标，正在从离线感知精度转向用户信任曲线。
13.2 从单车智能转向云端数据工厂
乘用车智驾公司的核心资产不只是车端模型，而是数据工厂：
有数据工厂，端到端才是可迭代产品。
13.3 HMI成为安全系统的一部分
乘用车L2/L2+最大风险之一不是系统不会开，而是用户误以为它会开。HMI不能只是动画、SR界面和提示音，而必须成为安全链路：
一个不负责任的命名，可能比一次感知漏检更危险，因为它改变的是用户行为习惯。
14. 商用车周期中的创新与权衡
14.1 场景工程，而不是单纯算法工程
商用车自动驾驶最重要的创新往往不在神经网络结构，而在场景工程：
这些工作看起来“不AI”，但它决定AI能不能赚钱。
14.2 远程运营从“接管”变成“生产控制塔”
早期很多人把远程运营理解成远程司机，这是错误的。成熟的远程运营不应该频繁遥控车辆，而应该像机场塔台或工厂中控室：
远程运营比例是商业化关键指标。如果一名远程操作员只能照看两三台车，经济性很差；如果能照看几十台车甚至更多，商业模型才可能成立。
14.3 自动驾驶与新能源商用车深度耦合
商用车电动化和自动驾驶不是简单叠加，而是会相互强化：
未来商用车不是“电动车加自动驾驶盒子”，而是“能源、路线、载重、驾驶策略、维保、调度一体化的移动生产单元”。
15. 细分场景景气度：商用车不能笼统看，必须分层
商用车行业的景气度不是整体均匀上行，而是显著分层。传统燃油物流车可能受运价、需求和资本开支约束，但新能源商用车、电动重卡和限定场景无人化具备结构性机会。
表5：商用车细分场景景气度与自动驾驶机会
16. Robotaxi：乘用车外壳，商用车账本
Robotaxi是夹在乘用车和商用车之间的特殊物种。它车身是乘用车，商业模式却是商用车。既要处理开放城市道路，又要按车队资产回报算账。因此它是自动驾驶中最难的中间态：
Robotaxi的本质不是“无人出租车”，而是“把城市出行服务变成无人化生产系统”。它的竞争重点不是某一次路测视频，而是：
Robotaxi不能简单归入乘用车，也不能简单归入商用车。它是两条周期曲线的交汇点，也是技术理想主义最容易撞上商业现实的地方。
17. 供应链变化：Tier 1从交付零件转向交付可演进系统
自动驾驶让汽车供应链结构发生根本变化。传统Tier 1交付的是ECU、摄像头、雷达、制动、转向和底盘部件；现在客户要的是持续演进的软件栈、数据闭环、工具链、仿真平台、OTA能力和安全论证材料。
表6：供应链角色变化
乘用车主机厂倾向把核心算法和数据闭环握在自己手里，因为这关系到品牌差异化。商用车客户更关心谁能承担SLA，因此更容易接受“系统供应商+运营服务商+主机厂”的联合模式。
18. 法规与责任：行业周期的护栏
技术周期不能脱离法规周期。自动驾驶越接近高等级，法规越从“允许创新”转向“要求证明”。
乘用车监管重点集中在：
商用车监管重点集中在：
19. 2026—2030年的周期演进
19.1 2026—2027年：乘用车去泡沫，商用车补基础设施
乘用车预测
2026—2027年，乘用车智能驾驶会进入叙事去泡沫阶段。不是技术退潮，而是营销退潮、估值退潮和功能标签退潮。
预计会出现：
- 高端车型继续保留多传感器冗余以支撑品牌和L3能力；
这一阶段，乘用车智驾的胜负手不是“谁发布得更激进”，而是“谁退化更少、事故更少、口碑更稳”。
商用车预测
2026—2027年，商用车的主线是新能源化和运营基础设施补课。
预计会出现：
- 干线重卡以高速辅助驾驶、节能驾驶、编队和干线接驳为主；
这一阶段，商用车的核心是把车队跑起来。
19.2 2028—2030年：乘用车平台化盈利，商用车场景规模化
乘用车预测
到2028—2030年，乘用车智能驾驶将出现明显分层：
- 主流车型：高速NOA、城区通勤NOA、记忆泊车普及；
- 高端车型：L3能力、冗余感知、主动安全和舒适性形成溢价；
- 旗舰车型：智驾、座舱、底盘、能源管理和个性化AI融合。
单纯“卖智驾包”的模式可能不如预期强。更现实的商业模式，是把智驾作为整车竞争力、品牌留存、保险定价、二手车残值和软件生态的一部分，而不是孤立的软件订阅。
商用车预测
到2028—2030年，商用车自动驾驶会在部分场景进入规模化复制期。
最可能先跑通的是：
真正的变化是商业合同形态会改变。客户不再只买车，而是购买“每吨公里成本下降”“每班次稳定运行”“每年事故率下降”“车辆可用率保证”。自动驾驶供应商也会从算法公司变成运营系统公司。
19.3 2030年以后：乘用车追求广义智能驾驶，商用车追求自动化运输网络
2030年以后，乘用车和商用车的目标会进一步分化。
乘用车会朝“广义智能驾驶”演化。车辆不只是执行驾驶任务，而是理解用户意图、城市环境、导航目标、座舱状态、驾驶偏好和安全边界。它更像一个移动AI终端。
商用车会朝“自动化运输网络”演化。车辆不再是孤立智能体，而是物流网络中的自动节点。它要和仓库、港口、矿区、道路、充电站、换电站、调度中心、保险系统和监管平台协同。它更像一条被软件重新组织的流动生产线。
20. 未来预测矩阵：技术、商业、监管、供应链
表7：2026—2030年乘用车与商用车预测
21. 自动驾驶周期是多曲线叠加
22. 战略含义
22.1 做乘用车，不能只做算法供应商
乘用车市场未来会越来越残酷。算法能力当然重要，但客户真正需要的是一套可量产、可降本、可验证、可OTA、可合规的完整系统。
供应商如果只提供模型，很容易被主机厂自研替代；如果只提供硬件，也会被价格战压缩利润。更有价值的位置是：
乘用车行业未来不是不需要供应商，而是不需要只能交付“功能Demo”的供应商。
22.2 做商用车，不能只做无人驾驶套件
商用车客户最终买的不是自动驾驶盒子，而是生产率。自动驾驶公司必须有能力回答：
因此商用车自动驾驶公司的竞争壁垒，会从“算法效果”扩展到“运营工程能力”。谁能把车辆、调度、补能、维保、远程运营、安全审计和客户SLA打包成闭环，谁才真正接近商业化。
23. 乘用车决定规模，商用车决定利润
自动驾驶行业过去喜欢用L2、L3、L4划分技术先进性，但工程实践告诉我们，等级不是唯一关键。真正的分水岭是：
当系统失败时，谁承担最后一公里责任。
在乘用车L2/L2+里，最后责任大多仍由驾驶员承担，所以系统可以更快扩散、更快OTA、更快进入价格战。但这也导致功能边界、用户误用和安全信任成为长期隐患。
在商用车L4或准无人化场景里，最后责任逐步转向系统供应商、运营方和车队客户，所以扩张更慢，但一旦跑通，商业确定性更强。它不追求在所有地方都能开，而是先在少数地方稳定赚钱。
乘用车会继续贡献最大的数据规模、最大用户声量和最激烈的技术迭代。它决定自动驾驶能否成为大众消费品。
商用车会先在部分场景证明无人化的经济性。它决定自动驾驶能否成为真正赚钱的生产力工具。
未来几年最值得关注的，不是某家企业宣称“实现了自动驾驶”，而是四个更朴素的问题：
第一，乘用车智驾在价格战下是否还能保持安全和体验稳定？
第二，L3从试点走向更大范围应用时，责任、保险和监管是否能闭环？
第三，商用车无人化能否把远程协助比例降到足够低？
第四，自动驾驶公司能否从卖功能，转向卖效率、卖安全、卖可用率？
如果说乘用车自动驾驶是一场关于“让机器理解人类道路社会”的长期战争，那么商用车自动驾驶就是一场关于“把道路运输改造成可计算工业流程”的系统工程。前者需要想象力，后者需要纪律。真正成熟的自动驾驶公司，最终必须同时拥有这两种能力。
数据口径说明：文中关于中国汽车、新能源车、乘用车与商用车总体规模、2026年需求承压、城市NOA渗透、新能源商用车渗透、电动重卡政策目标以及L3准入进展，参考了中汽协/新华网、路透、商用车行业公开报道与SAE J3016等级定义等资料。中国2025年乘用车、新能源车和商用车总体情况见新华网转述行业数据；2026年国内需求压力和出口增速放缓判断见路透报道；城市NOA 2025年1—11月312.9万辆、渗透率15.1%见中汽协相关报告报道；新能源商用车2025年87.1万辆、渗透率26.9%见中国商用汽车网报道；电动重卡2030目标和基础设施规划见路透报道；L3准入与北京、重庆试点见新华社/人民日报报道；L0—L5等级语义参考SAE J3016。
10个月宝宝每天需要喝多少奶粉？
