AiFinandRobot · 产业专题

自动驾驶最吸引眼球的画面，常常是一辆车在复杂道路上自己完成转弯、避让和泊车。演示车辆顺利跑完一段道路，证明的是某套技术方案在特定条件下已经能够工作。

但产业真正困难的部分，从这一刻才刚刚开始。

一套自动驾驶能力进入量产之后，需要面对完全不同的问题：同样的软件如何适配不同车型，不同传感器和计算平台如何保持稳定，不同城市的道路环境如何快速覆盖，以及车辆出现问题后企业能否迅速定位并修复。

演示车更像一间装修精美的样板房，而量产考验的是企业能否把这种成功复制到整栋楼。

中国已经进入这场考验。

2026年以来，新生产乘用车的L2组合驾驶辅助搭载率约为70%，配备导航辅助驾驶功能的车型占比超过30%。2025年，汽车企业报送了1904次软件在线升级，涉及1.4亿车次。随着功能进入大规模交付阶段，每一次软件更新、每一次维修和每一次扩大使用范围，都需要重新确认车辆是否仍然按照预期运行。

近期发布的两项强制性国家标准，也反映出产业关注点正在变化。6月底发布的标准覆盖L2级组合驾驶辅助；近日发布的《智能网联汽车自动驾驶系统安全要求》则覆盖L3和L4。企业不仅需要证明系统能够工作，还需要说明系统在哪些条件下可以工作、出现异常时如何处置，并用测试和道路数据支撑这些判断。

标准带来的直接变化，是企业未来需要为每一款车型、每一个软件版本和每一个新增运行范围留下完整证据。

当自动驾驶从技术展示走向大规模应用后，竞争重点也正在发生变化：过去比拼的是“能不能实现一次成功”，未来比拼的是“能不能低成本复制这种成功”。

真正具备竞争力的企业，需要把一次开发经验沉淀为更多车型可以复用的软件能力，把一次事故经验转化为整个车队的改进，把一个城市的运营方法复制到下一座城市。

近期两项强标，把竞争推进到软件版本管理

过去六年的政策变化，记录了监管对象如何从试验车辆逐渐走向量产车辆。

2020年发布的《智能汽车创新发展战略》主要搭建了测试、基础设施和监管体系。2021年，工信部将软件在线升级纳入汽车生产企业和产品准入管理，车辆离开工厂以后，企业仍需要掌握车辆正在运行的系统版本。

2023年启动的L3、L4准入和上路通行试点，则进一步把关注点推进到具备量产条件的自动驾驶产品。2024年发布的多项强制性标准覆盖信息安全、软件升级和自动驾驶数据记录；2025年的相关管理通知又要求企业将软件版本与事故报告、召回管理联系起来。

监管关注的对象逐渐从单一车辆功能，扩展到每一个软件版本，以及这些版本在真实道路环境中的表现。

近期两项强制性标准继续沿着这一方向推进。

L2组合驾驶辅助标准重点关注驾驶人监测、功能边界和使用安全；L3、L4自动驾驶系统安全要求，则要求企业明确系统在哪些条件下可以安全运行，并通过仿真测试、封闭场地测试、实车试验和运行数据进行验证。

对于企业而言，自动驾驶能力已经成为一套需要持续维护和验证的软件系统。

L2、L3和L4三类系统虽然责任边界不同，但都面临规模化问题。

L2阶段，驾驶人仍承担主要驾驶责任，企业需要保证大量已交付车辆上的功能表现保持一致；L3阶段，系统将在规定条件下承担驾驶任务，企业需要逐步扩大获准车型和运行范围；L4阶段，系统需要在限定区域内完成驾驶和故障处置，扩张时还需要把车辆运营、维护和安全管理方法复制到更多路线和城市。

芯片和传感器影响驾驶功能如何实现，责任边界则决定企业需要建立怎样的验证、运营和风险管理体系。

这套规则也会改变整车厂与供应商之间的合作方式。

过去，供应商的主要交付节点围绕车型量产；未来，支持责任会延伸到车辆整个生命周期。

芯片、算法、车载计算平台和控制器供应商不仅需要完成前期集成，还需要长期参与软件版本维护、事故复现和问题修复。

整车厂则需要知道每辆车采用了哪些硬件、运行哪一个软件版本，以及一次更新可能影响哪些车辆。

车辆规模越大，企业越需要回答一个关键问题：

上一款车积累的软件代码、测试场景和问题处理经验，有多少能够直接迁移到下一款车型？

中国市场越大，复制难题越突出

2025年，中国汽车销量达到3440万辆，新能源汽车产销均超过1600万辆。AlixPartners的行业研究显示，中国新能源车企的产品开发周期可以缩短至18至24个月，传统车企通常需要3至6年；前者每款车型每年的OTA更新次数最高可达到后者的20倍。市场规模与迭代速度叠加，同一项功能可以更快覆盖大量车辆，企业需要管理的软件版本和售后责任也随之增加。

比亚迪提供了一个具体样本。2026年5月，公司披露搭载驾驶辅助系统的车辆超过315万辆，每天产生超过2亿公里的行驶数据。这些数字显示了比亚迪可以触达多少车辆。接下来的问题，是功能能否被用户持续使用，以及升级能否覆盖已经售出的车辆。

2025年7月，比亚迪推出智能泊车安全兜底。此后，该功能使用率由21%升至93%。2026年5月，公司又将城市领航安全兜底提供给新用户和升级至天神之眼5.0的老车主。安全兜底降低了用户的使用顾虑，OTA则把新功能送进存量车辆。由此，315万辆车形成了两个入口：一端持续产生真实道路信息，另一端接收后续的软件更新。

企业还要把道路信息整理成可以反复测试的场景，用于训练算法、验证改进效果，再将成熟的软件模块应用到后续车型。完成这条链条以后，车队积累的数据才能减少重复开发，并缩短下一款车型的适配时间。

AlixPartners在2026年的调查提供了进一步印证。在受访企业中，已经实现平台级软件复用的中国车企占48%，欧美车企为33%。平台级复用意味着经过开发和验证的软件模块可以进入多款车型，企业无需在每次推出新车时从头开发同一项功能。

下一阶段，企业之间的差距会更多体现在这条链条的周转速度：从道路上发现问题，到完成验证，再到多款车型采用，需要多长时间。

中国自动驾驶企业正在形成几条不同路线

整车厂在自己的产品体系内建立软件闭环；跨品牌供应商通过算法方案、计算平台和系统集成进入多家车企；检测和保险机构则尝试把道路问题转化为可复现、验证和管理的数据。

它们共享同一个产业方向，但复制的对象并不相同。

图中四条路径分别对应车型复制、跨品牌供应、城市运营和安全验证。

下面先看量产车型中的两条主线：

整车厂：复制能力决定智能化投入能否形成长期优势

量产车型的复制，本质上是软件和工程体系的复制。

整车厂可以将车辆状态、用户反馈、软件开发和OTA更新连接起来，并让多款车型共享一套软件底座。

软件共用程度越高，一次优化覆盖的车辆越多，下一款车型需要重新投入的工程资源越少。

如果不同车型采用不同的软件架构，每增加一款车型都要重新适配传感器、计算平台和功能逻辑，车型越多，软件分支和验证任务越复杂。

因此，自动驾驶时代整车厂的竞争，要看下一款车型能否建立在上一款车型积累的基础之上。

跨品牌供应商：价值在于降低车型适配成本

跨品牌供应商要解决的问题，是让同一套芯片、软件或智驾方案进入不同车企的产品体系。

这类供应商的业务进展通常可以沿着“定点—量产—实际装车”观察。

Momenta截至2025年底获得170款车型定点，其中68款已经量产，解决方案安装量超过68万套。公司在车型投产前收取开发服务费，投产后按车辆收取许可费。

如果每进入一个新车型都需要大量重新开发，供应商的业务仍然接近定制项目。适配时间越短、重复投入越少，车型定点才越容易转化为持续装车。

华为、地平线和德赛西威提供的产品形态不同。判断它们的复制能力，可以看两个结果：导入新车型需要多长时间，后续车型继续采用时能否减少重复开发。

L4比拼的，是在不同城市间的迁移能力

量产车型中的自动驾驶，核心问题是一套软件能力如何适配更多车辆；而L4自动驾驶通常通过车队运营提供服务，因此需要复制的是一整套城市级运营体系。

企业不仅需要让算法适应新的道路环境，还需要同步建立车辆调度、远程协助、补能维护、安全管理和本地运营体系。

因此，L4竞争的关键，是企业把一个城市验证过的方法迁移到下一座城市的速度。

萝卜快跑的进展提供了一个观察样本。

自2025年2月起，其在中国内地已运营城市全部采用全无人驾驶；第六代无人车RT6也已进入多个城市公共道路。2026年1月，萝卜快跑与合作伙伴在阿布扎比开放全无人叫车服务；3月，迪拜多个区域开始全无人运营并上线当地应用。2026年一季度，萝卜快跑完成320万次全无人驾驶订单，同比增长超过120%。

这些进展说明，全无人服务正在从单城市验证阶段进入多城市部署阶段。

多城市部署以后，L4还要继续证明扩张的经济性。进入下一座城市需要增加多少工程和运营投入，决定了企业能否规模化。

算法、团队和运营体系如果需要在每座城市重新搭建，扩张成本会持续增加。能够复用既有数据、流程和运营经验的企业，才可能随着城市增加降低新增投入。

衡量L4复制能力，还要观察三个运营指标：

•新城市从取得许可到开放服务用了多久；

•单车每天能够完成多少订单；

•远程协助和维护人员是否能够随着车队扩大而减少。

城市数量和累计里程反映扩张范围，而开城速度、车辆利用率和单位运营成本，更能体现这种扩张是否可持续。

是否安全，最终决定扩张能走多远

无论企业采用哪一种技术路线，最终都需要回答：自动驾驶能否让出行更加安全。

自动驾驶企业经常公布测试和运营里程，这个数字反映车辆运行规模。但判断一项功能是否真正降低事故风险，仅有里程还不够。

还需要知道事故发生时：

•系统是否开启；

•车辆运行哪个软件版本；

•处于什么道路环境；

•最终造成了什么损失。

美国公路安全保险协会曾比较配备不同驾驶辅助功能的BMW和日产车型。

研究结果并不一致：配备相关功能的BMW车型，事故率没有显著低于未配备车型；日产车型在部分道路上的事故率较低，但这一差异也可能来自车灯配置等车型因素。

由于事故数据库没有记录碰撞发生时驾驶辅助系统是否开启，研究人员无法判断事故率差异究竟来自车辆配置，还是驾驶辅助功能本身。

自动驾驶规模化以后，企业需要把事故发生时的系统状态、软件版本、道路环境和损失结果对应起来，以便还原事故原因、验证改进效果，并将一次事故转化为后续的软件更新和车型改进。

美国国家公路交通安全管理局要求相关企业报送符合条件的事故，以补充系统是否启用等关键信息。

如果L2驾驶辅助或自动驾驶系统在碰撞前30秒内曾经开启，而且事故达到规定的报告条件，企业需要提交报告，并注明事故发生时使用的是L2驾驶辅助还是更高级别的自动驾驶系统。

但事故上报数量也会受到企业记录和上传能力影响，记录能力更强的企业可能发现并报告更多事故。

因此，比较不同系统的安全表现，需要结合：

•同口径的行驶里程；

•事故后果；

•企业发现和记录事故的能力。

Waymo与再保险公司Swiss Re进一步把行驶里程与保险理赔数据结合起来。他们的研究覆盖多个车队、城市和时期，共计2530万英里的完全无人驾驶里程。Waymo车队发生9起财产损失理赔和2起人身伤害理赔；按照Swiss Re掌握的人类驾驶数据估算，同等里程对应78起财产损失理赔和26起人身伤害理赔。车辆跑了多少、发生多少起理赔以及损失有多严重，由此可以放在同一口径下比较。

Waymo的案例把行驶里程变成风险暴露的分母，理赔次数和损失程度则成为可以比较的结果。

中国也在建立连接车辆运行、事故记录和责任处理的数据体系。近期发布的L2组合驾驶辅助强标，将数据记录纳入产品安全要求，为事故追溯提供统一基础。面向L3、L4的自动驾驶系统安全强标进一步要求企业建立安全档案，并对产品上市后的运行安全持续负责。

今年3月，北京启动智能网联新能源汽车商业保险开发应用。试点面向L2至L4车辆，并推动汽车企业与保险行业改造信息系统、建立跨行业数据交互机制。保险公司由此可以了解事故发生时使用了什么功能、造成了多少损失，并将真实理赔结果用于产品定价和责任追偿。

标准负责记录车辆当时怎样运行，保险负责记录事故最终造成多少损失。两类信息逐步对齐以后，累计里程才能转化为可以比较的安全表现。监管部门可以据此追溯事故，保险公司可以据此评估风险，企业也能检验软件更新有没有减少同类问题。

下一次扩张，应该比上一次更便宜

整车厂需要关注：

•共享软件底座能否减少重复开发和验证成本；

跨品牌供应商需要关注：

•定点能否转化为量产和持续装车，以及后续车型是否继续采用；

L4运营商需要关注：

•新增城市能否提高订单和车辆利用率，同时控制远程协助、维护和车队投入。

下一辆车、下一款车型和下一座城市消耗的新资源越少，规模越容易转化为利润。每次扩张仍要重新适配软件、组建团队和验证安全，车辆和订单增加就会同时推高收入与成本，形成“规模陷阱”。

几年前，行业最受关注的画面是方向盘后面没有人。

今天，决定自动驾驶商业价值的三个问题，都发生在镜头之外：

•一段代码能够服务多少车型；

•一次事故能够多快推动整个车队改进；

•一套运营方法能够多快进入下一座城市。

谁能持续扩大软件和运营方法的复用范围，同时降低每一次扩张的新增成本，谁才更接近把自动驾驶真正做成规模生意。