AI 生成时代重新发明自动驾驶

丨扫上图二维码，加入星球下载5K+资料

丨知识、问答与合作，AI行业必备工具

导读：2026年麦肯锡联合全球半导体联盟完成自动驾驶专项调研，整套素材收纳用户调研、市场规模、车载算力、底层架构全维度原生统计内容，仅平铺实地采集客观记录，不录入企业落地规划类文字。

调研先整理普通用户对无人驾驶的接受情况，数据显示超六成受访人群愿意尝试无人出租车，人群态度分为愿意、比较愿意、不太愿意三类。

完全无驾驶员的出行服务接受度略高于配备安全员车型，两类场景里不太愿意参与的受访者占比分别为24%、32%。

针对乘车付费意愿的统计形成分层记录，接近五成受访者预期无人车出行价格会低于当前网约车，三成人群愿意接受涨价乘坐，剩余人群希望维持现有收费标准。

大众认知和行业从业者判断存在明显偏差，多数国内消费者认为2035年能普及完全无人驾驶，海外受访者里仅四分之一持有相同看法。

行业从业者普遍给出不同判断，多数观测记录显示2035年市场主流仍是L2+辅助驾驶，高阶自动驾驶仅在特定区域、限定场景投放。

整车电子与自动驾驶配套赛道有长期规模测算，调研记录2025年相关市场总额3180亿美元，到2035年整体体量将达到5270亿美元。

其中ADAS自动驾驶细分板块年复合增速16%，2035年对应市场规模1600亿美元，软件与域控制器是占比最高的两类细分品类。

拆分1600亿自动驾驶细分市场，域控制器份额最高，其次是各类车载软件，雷达、摄像头、激光雷达、车载芯片依次占据剩余份额。

2025年车载自动驾驶处理芯片市场规模56亿美元，测算至2035年规模突破460亿美元，年均增长幅度24%。

数据显示2025年芯片仅占整车半导体市场6%，十年后这一占比提升至22%，大中华区域将成为全球最大车载芯片需求市场。

车载算力需求提升直接推动硬件架构迭代，早期自动驾驶依靠大量手写规则搭建模块化系统，行业统一称作AV1.0架构。

当前市场并行两类过渡方案，一类混合架构结合规则防护与AI模型，另一类端到端纯AI架构完全依靠大模型处理感知、规划、控制全流程。

端到端架构内部形成两条设计路线，模块化多模型拆分感知规划任务，单一体架构用统一模型完成整车全部驾驶决策输出。

两种架构在调试难度、数据需求量上存在客观区分，单一体架构适配复杂路况，但决策过程难以拆解溯源，模块化方案便于分段核验故障。

2025年末面向四十余家行业负责人开展小型问卷，受访群体标注行业占比最高三项观测内容，安全验证相关占23%，车载算力需求、法规不确定性均为14%。

整车端算力供给逻辑同步出现变化，早期车载芯片以GPU为核心加速单元，端到端架构普及后NPU成为算力承载主体，CPU仅保留安全调度职能。

内存带宽成为当前车载硬件核心约束条件，大模型与高清传感器同步产生海量实时数据流，硬件运算上限不再由峰值算力决定。

行业硬件封装路线形成三类主流方向，单片SoC芯片延迟表现最优，系统级封装平衡开发周期与性能，芯粒方案适配远期迭代需求。

云端配套算力投入差距持续拉大，市场主体分化为重算力、轻算力两种运营模式，轻模式采购通用成熟模型仅做小幅车辆适配。

重算力主体从零自研端到端大模型，头部团队训练等效GPU规模接近九万片，硬件投入体量差距直观体现在模型迭代速度上。

云端算力部署分纯公有云、本地机房、混合部署三种落地形式，混合架构成为多数垂直车企选用方案，区分公私数据分层存储训练。

GPU硬件成本占据云端机房七成开支，行业通行优化路径集中在混合精度训练、数据通道提速、硬件采购组合三类实操动作。

产业链分工预判同步纳入调研台账，2023与2025两轮从业者问卷记录不同观点，硬件软件联合设计、软硬件分离、模块化三种路径投票占比逐年变动。

整车厂、芯片企业、云服务商、AI初创公司陆续开展联合开发项目，协作覆盖数据采集、仿真验证、整车模型全链条环节。

端到端生成式AI架构普及后，产业准入门槛同步调整，专注基础大模型、仿真工具的AI初创企业获得更多产业链合作空间。

来源:互联网