2026 中国智能驾驶（ADAS/AD）供应链行业市场规模及竞争格局深度研究报告

摘　要

二〇二五年，中国乘用车智能驾驶前装渗透率突破六成，高阶领航辅助驾驶（NOA）前装渗透率升至约二十二个百分点，高速 NOA 向城区 NOA 的跨越正在加速。与此同时，端到端大模型取代规则代码、L3 有条件自动驾驶试点落地、特斯拉 FSD 监督版正式入华，三重事件叠加，令这一赛道进入技术与商业的双重引爆区。

本报告从产业链全景出发，覆盖感知、决策、执行三大子系统，深度拆解芯片（地平线、黑芝麻智能、华为昇腾、NVIDIA Drive Thor）、域控制器（德赛西威、经纬恒润）、算法软件（毫末智行、Momenta、华为 ADS 4.0、小鹏 XNGP、蔚来 NAD、理想 AD Max）、高精地图（高德、百度、四维图新）、L4 Robotaxi（百度 Apollo、小马智行、文远知行）五条核心子赛道的竞争格局与财务表现，并梳理北京、上海嘉定、苏州、武汉、深圳、广州、重庆七大中游产业带。

预测维度上，报告给出 NOA 渗透率至二〇三〇年突破五十个百分点、L3 商业化在多城扩围、L4 Robotaxi 规模化运营、智能驾驶供应链整体市场规模冲击四千亿元人民币的量化展望，并系统评估 Tesla FSD 入华冲击、出口管制、算法安全事故、法规节奏不确定性等主要风险。

一、定义、分类与产业链全景

1.1　自动驾驶等级划分

理解智能驾驶供应链，先要厘清驾驶自动化的分级框架。国际上通用 SAE International 制定的 J3016 标准，将驾驶自动化分为 L0 至 L5 共六个等级；中国的对应标准是 GB/T 40429—2021《汽车驾驶自动化分级》，与 SAE J3016 的核心逻辑高度吻合，但在中文术语和若干边界定义上有本土化处理。

L0——无驾驶自动化：驾驶人执行全部动态驾驶任务，车辆最多提供警告或短暂干预（如 AEB 自动紧急制动）。

L1——驾驶辅助：系统在纵向（自适应巡航 ACC）或横向（车道保持 LKA）方向上提供持续支持，但驾驶人须随时接管。目前绝大多数量产车型在此级别。

L2——部分自动化：系统同时在纵、横向控制，即常见的「驾驶辅助套装」；驾驶人须持续监控路面并随时接管。2025 年中国 L2 前装率已超过六成，成为乘用车「标配」。

L2+（增强型 L2）：业界对高速 NOA（领航辅助驾驶）与城区 NOA 的通俗称呼，技术上仍属 L2，但感知和决策复杂度远高于基础 L2。2025 年 NOA 前装渗透率约达 22%。

L3——有条件自动化：特定设计运行范围（ODD）内，系统完全接管驾驶，驾驶人须在系统请求时接管——而非时刻监控。这是「驾驶人可合法不盯路面」的第一个等级，也是当前法律法规争议最多的分水岭。2025 年 12 月，中国首批两款 L3 车型获工信部准入许可，在北京、重庆试点上路，标志着中国正式进入 L3 商业化探索阶段。

L4——高度自动化：在特定 ODD 内，车辆可完全自主驾驶，无需驾驶人在场准备接管。Robotaxi（自动驾驶出租车）是 L4 最核心的商业场景，百度 Apollo 萝卜快跑、小马智行、文远知行均在此级别运营。

L5——完全自动化：任何场景均可全自主驾驶，目前仍处于技术研究阶段，距离量产尚远。

1.2　ADAS 功能谱系

在 SAE/GB 分级之外，市场更习惯按功能名称区分产品线：

• ACC（自适应巡航控制）：纵向跟车，通过毫米波雷达或摄像头感知前车距离，自动加减速，是 L1 的代表功能。
• LCC（车道居中控制）：在 ACC 基础上加入横向控制，保持车辆在车道中央，结合 ACC 即可实现基础 L2。
• NOA（Navigate on Autopilot / 领航辅助驾驶）：从 A 点到 B 点的全程高速或城区驾驶辅助，涉及变道超车、匝道进出、复杂路口处理，是 L2+ 的主要形态。高速 NOA 与城区 NOA 在技术难度上差异显著——城区需处理非结构化道路、行人、电动自行车等复杂交互。
• AEB（自动紧急制动）：被动安全功能，在碰撞不可避免时自动制动，目前已成欧洲新车安全评估 Euro NCAP 的强制项，中国 C-NCAP 和 C-IASI 也将其纳入评分。
• AVP（自动泊车领航）：在停车场场景中实现全程无人接管的泊车，是 L4 在封闭场景下的早期落地，部分主机厂已量产推送。

1.3　三大子系统：感知、决策、执行

无论分级或功能名称如何变化，智能驾驶系统的物理架构始终围绕三层逻辑展开：

感知层：汽车的「眼睛和耳朵」。主要传感器包括：

• 摄像头：分辨率高，可识别交通标志、车道线，成本低，但在恶劣天气和夜间性能退化。主力方案是前向单目或多目摄像头阵列，高阶方案使用围绕车身的 360° 多路摄像头。感知芯片（CIS，即图像传感器）是其核心半导体。
• 毫米波雷达：工作频段 77GHz，穿透雨雾能力强，适合测距测速，传统雷达（3D）仅提供水平维度点云；新一代 4D 毫米波雷达新增高度维度，点云密度大幅提升，正在与激光雷达形成竞争替代关系。
• 激光雷达（LiDAR）：主动发射激光脉冲，形成高精度三维点云，探测距离远、精度高，但成本高、体积大、高速公路白色路面反射干扰是主要制约。2025 年国产激光雷达（禾赛、速腾聚创、图达通）成本已压至 500—1500 元人民币区间，前装渗透率持续提升。
• 超声波雷达：短距离感知，主要用于低速泊车场景，成本极低，每辆车通常配置 8—12 个。

决策层：汽车的「大脑」。包含两个核心组件：

• 计算平台（域控制器 / DCU）：集成高算力芯片（SoC），运行感知融合、路径规划、决策控制算法。算力单位为 TOPS（每秒万亿次操作）。入门级 L2 系统约需 5—30 TOPS；高速 NOA 需 50—100 TOPS；城区 NOA 和 L4 系统通常需 200 TOPS 以上。
• 算法软件：包括感知融合（BEV 俯视图感知）、预测（周边目标轨迹预测）、规划（路径规划与决策）三大模块。端到端大模型的兴起，正在把这三个模块逐步融合为一个统一的神经网络。

执行层：汽车的「手脚」。包括线控转向（SBW）、线控制动（BBW）、线控油门等，将算法决策转化为车辆物理动作。执行层的电子化程度，直接决定高级别自动驾驶能否实现。

1.4　产业链全景图

沿感知—决策—执行的纵向结构，智能驾驶产业链的主要参与层次如下：

上游（核心元器件）：

• 芯片（计算 SoC、DSP、FPGA）：地平线、黑芝麻智能、华为昇腾、英伟达、高通、Mobileye
• 图像传感器 CIS：索尼（日本）、豪威科技、三星
• 激光雷达：禾赛科技、速腾聚创、图达通、Luminar、Ouster
• 毫米波雷达芯片：德州仪器（TI）、英飞凌、NXP、加特兰微电子（国产）
• 高精地图：高德地图（阿里系）、百度地图、四维图新

中游（系统集成与软件）：

• 域控制器（含整合 Tier 1）：德赛西威、经纬恒润、华阳集团、东软睿驰、知行汽车科技、博世、大陆、安波福
• 算法软件（智驾方案商）：毫末智行、Momenta、元戎启行、卓驭科技、华为车 BU
• 数据与仿真：51World、龙智汽车、华为云（HUMO 仿真）

下游（整车与出行）：

• 整车厂（自研 + 外采双路）：比亚迪、华为问界系、小鹏、蔚来、理想、长安、吉利、长城、广汽、一汽
• L4 Robotaxi 运营商：百度 Apollo（萝卜快跑）、小马智行、文远知行、滴滴自动驾驶、Waymo

这条产业链在 2022—2025 年间发生了深刻的结构性变化：整车厂自研算法的意愿和能力大幅提升，「全栈自研」（华为、小鹏、理想）与「部分外采」（多数传统整车厂）形成分层格局；域控制器从「采购硬件 + 集成算法」向「软硬件一体」演进；芯片层的国产化率正在加速，地平线 2025 年全年出货量约 401 万套，中高阶智驾芯片出货量同比增长近五倍。

1.5　中国智能驾驶产业链的核心矛盾与演进逻辑

理解今天中国智能驾驶供应链的格局，有一个核心矛盾是绕不开的：技术路线尚未收敛，而资本和资源正在加速向少数玩家集中。

这个矛盾的表现形式，在供应链的每一层都有不同的显现。

在芯片层，「纯视觉 + 大算力」（以 Tesla FSD 为代表）和「多传感器融合 + 中等算力」（以华为、小鹏、蔚来为代表）两种路线的胜负，决定了未来五年激光雷达行业的市场天花板；而「国产芯片」和「英伟达/Mobileye」的替代程度，决定了地平线、黑芝麻智能的规模上限。

在算法层，「模块化系统」和「端到端大模型」之间的替代正在加速，但模块化系统在 Corner Case（极端场景）的可解释性优势仍未被完全抛弃——这意味着算法公司在「纯 E2E」和「E2E+规则兜底」两种架构之间的技术选择，将在 2026—2028 年出现进一步分化。

在整车厂层，「全栈自研」（小鹏、理想、蔚来、华为模式）和「整合外采」（传统整车厂）的竞争，已经不只是技术能力的竞争，而是「谁拥有数据飞轮」的竞争。数据飞轮的积累具有先发优势和强烈的规模效应——你拥有的行驶里程越多，模型越好；模型越好，用户体验越好；用户体验越好，购买你的车的用户越多；用户越多，采集的数据越多，飞轮继续转动。这种正反馈一旦建立，后来者追赶的成本将呈指数级增加。

1.6　「感知—决策—执行」三层的国产化进度

2025 年，中国智驾供应链三层的国产化程度差异显著：

感知层：国产化程度相对最高。激光雷达（禾赛、速腾聚创、图达通均已量产），毫米波雷达芯片（加特兰微电子等在77GHz 段快速推进），摄像头模组（舜宇光学、丘钛科技），国产化率在大部分车型中已超过 50%；核心瓶颈在于高端图像传感器 CIS——索尼和三星仍主导前装摄像头的高端 CIS 市场，豪威科技（OmniVision，已由国内机构控股）正在追赶。

决策层：国产化进展最快、也最受关注。算力芯片（地平线征程系列在国内市场已成最大出货量玩家），域控制器（德赛西威、经纬恒润在中国市场主导）；但高端推理和训练 GPU——英伟达 H100/A100 的替代需求旺盛，华为昇腾 910B/910C 是目前最主要的国产替代方案，但软件生态成熟度仍需追赶；仿真与开发工具链（AUTOSAR 工具链、功能安全认证工具），外资工具主导的局面还没有根本性改变。

执行层：国产化相对滞后，但进步明显。线控制动（BBW）领域，伯特利（BTCS，国产电子制动方案）、拿森汽车科技等本土企业已进入量产供应链；线控转向（SBW）由于技术难度更高（故障会直接导致失控），全面铺开的时间表相对保守，博世、采埃孚仍是主要供应商；但自主品牌与合作 Tier 1 共同研发线控底盘的项目正在加速。

1.7　供应链安全与双供应商策略

2023 年以来，中国整车厂在智驾供应链的采购策略上，发生了一个重要的结构性变化：从「单一供应商」向「双供应商并行」切换。

触发这一变化的，是 2021 年以来的芯片短缺事件——当部分整车厂因为 Mobileye EyeQ 断货而被迫停线，单供应商的脆弱性被充分暴露。自此，「同一功能至少有两家供应商」成为大多数头部整车厂的新采购原则。

对于智驾芯片来说，这意味着：一家整车厂会同时与英伟达 Orin 和地平线征程签定点协议，分别用于不同车型或同一车型的不同算力配置。这对地平线、黑芝麻等国产芯片厂商是结构性利好——「双供应商」原则要求整车厂必须给国产芯片一定份额，而不能全押在英伟达单一供应商身上。

对于域控制器而言，类似逻辑驱动德赛西威和经纬恒润在同一整车厂客户中并不互斥，而是分别供货不同车型平台，形成「竞合关系」。

1.8　智能驾驶供应链的软件化趋势

「软件定义汽车（SDV）」不是一个营销词汇，而是供应链架构的根本性变迁。在传统汽车电子架构中，每一个功能（座椅加热、空调控制、制动防抱死）都对应一个独立的 ECU（电子控制单元），一辆中型车有 70—100 个 ECU，通过 CAN 总线互联，升级极为困难（通常需要到店刷机）。

在 SDV 架构中，多个功能域被整合进 1—3 个高算力域控制器，通过以太网骨干网连接，所有软件功能都可以通过 OTA 在线升级。这带来了几个供应链级别的深远影响：

影响一：AUTOSAR 软件框架的重要性上升。无论是经典 AUTOSAR（CP-AUTOSAR，面向安全关键功能）还是自适应 AUTOSAR（AP-AUTOSAR，面向高算力智能功能），都是域控制器软件架构的标准化基础。掌握 AUTOSAR 开发能力的 Tier 1 和方案商，拥有更强的竞争壁垒，因为整车厂难以轻易更换供应商——迁移成本极高。

影响二：「功能安全（ISO 26262）」成为门槛。ASIL-D（最高功能安全等级）是制动、转向等安全关键系统的强制要求。地平线征程系列通过了 ISO 26262 ASIL-D 认证；德赛西威的 IPU 系列同样具备相应的功能安全等级认证。这是一个实质性的技术门槛——没有完整功能安全认证，算法再好也无法进入前装量产。

影响三：「软件即利润中心」的商业模式演进。汽车行业传统上以硬件为利润中心，软件被「打包」在硬件价格里。SDV 时代，软件功能（智驾升级包、辅助驾驶订阅）开始独立定价，形成「硬件均摊 + 软件溢价」的新商业模式。华为车 BU 的方案授权费、蔚来 NAD 订阅制、理想 AD Max 的高配车型捆绑，都是这一趋势的早期探索者。

二、全球格局与主要玩家 FY2025

2.1　全球智能驾驶产业格局

智能驾驶是一个典型的「技术密集、资本密集、周期超长」的赛道。从产业发展节奏看，当前全球格局可概括为：美国主导 L4 技术路线与资本叙事，欧洲把控 ADAS 传统供应链，中国在量产 L2+/NOA 赛道与国产化替代方向最为激进。

从供应链角度，以下几条主线最为重要：

计算芯片层：英伟达通过 Drive 系列平台确立了高端市场的标准地位，Mobileye 凭借 EyeQ 系列深耕前装 OEM 供应链，高通 Snapdragon Ride 主攻中高算力市场，地平线（Horizon Robotics）则成为中国本土算力芯片的最大出货量企业。

传感器层：Mobileye 的 EyeQ 事实上同时是感知算法的垂直整合者；激光雷达领域，Luminar 和 Ouster（美国）与禾赛、速腾聚创（中国）形成双极。

L4 技术路线：Waymo 是目前全球最成熟的 L4 商业化服务提供商，日均订单量 2025 年在部分城市已突破两万单；Tesla FSD 是最大规模的数据驱动方案，覆盖路上运行车辆逾五百万辆。

2.2　Mobileye FY2025

Mobileye（纳斯达克：MBLY）是全球前装 ADAS 供应链最重要的单一参与方之一，EyeQ SoC 约占其全年营收的 92%—93%。

2025 全年，Mobileye 经历了一段复杂的周期：上半年受主要客户（英特尔系）去库存拖累，收入压力明显；下半年随 EyeQ 量的回升而改善。据 SEC 披露，2025 年 Q3 营收 5.04 亿美元，同比增长约 4%，其中 EyeQ 出货量增长约 8%。

主要挑战包括：一是中国市场份额被地平线、黑芝麻等国产芯片逐步蚕食——地平线的中高阶芯片出货量 2025 年同比增长近五倍，国产化替代已从「政策话语」变为真实的市场事实；二是 SuperVision 系统（Mobileye 的全栈解决方案）在华客户车型上竞争加剧；三是 EyeQ 向 EyeQ Ultra 过渡期间，客户调整车型开发节奏带来短期波动。

2.3　NVIDIA Drive Thor

英伟达在汽车级芯片领域的布局核心是 Drive Thor 平台——集成 Blackwell 架构，在单颗芯片上整合了自动驾驶计算与座舱两大功能域，理论算力达 2000 TOPS 以上。

2025 年，Drive Thor 的量产落地经历了从延迟到加速的切换：原定 2024 年中的量产节奏推迟至 2025 年中，仅入门级版本率先上量；但随着比亚迪、智己、极氪、广汽等多家中国车企的定点和配套确认，Drive Thor 的中国出货预期在下半年明显向好。Drive Thor 在中国市场的主要竞争对手，正是同样主打高算力的地平线征程 6 系列和华为昇腾芯片。

MediaTek 与英伟达的合作也在推进中，计划推出配套 Drive Thor 的智能座舱芯片，使得整车方案可以把驾驶和座舱算力合二为一，预计 2026 年开始搭载量产车型。

2.4　Tesla FSD 入华

特斯拉 FSD（Full Self-Driving）在中国市场的落地，是 2025—2026 年最具震动效应的外部变量之一。

时间线梳理如下：

• 2025 年初：Tesla 开始向购买 FSD 的中国用户小范围推送类似功能，但未以 FSD 名义推广；
• 2026 年 5 月 21 日：Tesla 官方确认，监督版 FSD（FSD Supervised）正式向中国用户推送，中国成为全球第十个获得该功能的市场；
• 目前：中国版 FSD 包含城市自动驾驶、自动变道、匝道进出等核心功能，与北美版本的主要差异在于高精地图依赖度和本地行驶场景适配；一次性购买价格约 6.4 万元人民币；完整监管许可（无需人工监督的全自动驾驶）预期 Q3 2026 获批。

FSD 入华对中国智驾供应链的影响是双向的：一方面，Tesla 全球最大规模的纯视觉「端到端」路线，构成对国内算法公司的技术压力；另一方面，Tesla 在中国的大量行驶数据将加速其本土模型的优化，但也受到数据本地化法规（《数据安全法》《个人信息保护法》）的合规约束。

2.5　Waymo 与 L4 商业化全球进展

Waymo（Alphabet 旗下）目前是全球 L4 商业化最成熟的玩家：

• 2025 年，Waymo 在旧金山、洤杉矶、凤凰城等城市的日均行程（rides）已突破两万次，累计行驶里程超过 5000 万英里（约 8000 万公里）；
• 2025 年启动华盛顿特区的测试，并宣布进入奥斯汀市场；
• 主要运营模式是通过 Waymo One APP 提供出行服务，类似网约车但无安全员。

与中国 Robotaxi 企业相比，Waymo 的核心优势在于：数据积累最深厚、商业化最成熟、安全事故率业界最低；但硬件成本（每辆车感知套件约 10—15 万美元）和城市覆盖规模，仍是其与中国竞争者最大的差距所在。

2.6　中美欧法规体系对比

SAE J3016（美国）：目前最广泛引用的国际分级标准，设计以功能为中心，不直接具备法律效力，主要用于行业沟通与产品描述。美国联邦层面缺少统一的 L3/L4 立法，各州法规不一，加利福尼亚州、亚利桑那州、德克萨斯州对无人驾驶测试和商业运营有不同规定。

欧盟 UN-R157（ALKS）：针对自动车道保持系统制定了欧洲 L3 上路的法规框架，2022 年起在高速公路 60km/h 以下场景许可 L3 运营；2025 年欧洲部分国家已扩展至 130km/h。奔驰 Drive Pilot 是首个获得欧盟 L3 商业认证的量产系统。

中国 GB/T 40429—2021 + 准入管理办法：工信部 2021 年发布 GB/T 40429，奠定分级技术标准；2022 年工信部、公安部、交通部联合推出《智能网联汽车道路测试与示范应用管理规范（试行）》；2025 年 12 月，首批 L3 量产车型（长安深蓝 SL03、极狐阿尔法 S6）获准入许可，在北京、重庆指定路段试点——中国由此成为继德国、日本之后，全球第三个实现 L3 商业试点的主要汽车市场。

中美欧三地法规的核心差异在于责任归属：L3 系统接管期间，发生事故的责任由「驾驶人」转向「车辆制造商/系统提供商」，这是各地立法最难协调的关键议题，也是整车厂对 L3 商业化普遍谨慎推进的核心原因之一。

2.7　主要整车厂自研智驾战略对比

在全球与中国智驾格局中，整车厂自研能力的分化，是理解供应链生态最关键的变量之一。

Tesla：最彻底的垂直整合

特斯拉是全球智驾领域垂直整合程度最高的整车厂：自研 FSD 芯片（Dojo 训练芯片 + Hardware 4 推理芯片）、自研 FSD 算法（包括感知、规划、控制全栈），以及自建超级计算集群（Dojo，超级计算机，用于 FSD 模型训练）。

这一极端的垂直整合，让 Tesla 获得了别人无法复制的「闭环」——自己造芯片（成本最低），自己收数据（500 万车辆），自己训模型（Dojo 集群），OTA 直接推给用户。没有任何中间环节的「利润分享」。代价是极高的研发资本投入（Dojo 超级计算机的建设投入以十亿美元计）和管理高度垂直整合团队的复杂性。

FSD 入华，使 Tesla 这一极端模式直接与中国本土顶级方案在同一市场竞争，是迄今规模最大的「硅谷 AI vs 北京 AI」产品级对决。

比亚迪：规模最大的「整合外采+局部自研」

比亚迪是中国销量最大的整车厂，其智驾策略选择了「不激进」路线：核心算力芯片采购地平线征程系列（非全栈自研），4D 毫米波雷达自研（比亚迪电子），DM-i 混动和刀片电池是其核心竞争力，智驾只需达到「市场主流水平」即可。

这一策略的优点是节省研发资源，集中力量做差异化（电池+驱动），缺点是智驾体验在「顶流品牌」中并不处于领先位置，仰望、方程豹等高端子品牌通过引入华为 ADS 补充智驾竞争力。

华为-赛力斯问界模式：最强「甲方」的全供给

华为在智驾领域采取的不是「自造车」而是「全供智驾」策略：提供从芯片到算法到传感器到地图的完整方案，让合作整车厂（赛力斯、奇瑞、长安、北汽、广汽等）只需关注整车制造和销售渠道。

这一模式的核心风险，在于部分整车厂对「把智驾灵魂外包」的抵触——吉利集团（尤其是领克）、长安等主力整车厂，在与华为合作的同时，平行推进自研智驾能力，以避免过度依赖单一供应商。

大众在华的迷途与重整

大众曾是中国最大的整车厂（按销量），但在智驾竞争中落后最为明显。大众 ID. 系列的智驾功能，相比同价位国产竞品（零跑、比亚迪）落后约一代，是大众在中国市场份额快速下滑的重要原因之一。

大众的应对是：2023 年投资 7 亿美元收购小鹏汽车约 5% 股权，并建立联合开发协议，引入小鹏的 XNGP 技术和电子电气架构，计划将其用于面向中国市场的 2026 款大众车型。这是外资整车厂「主动引入本土智驾技术」最大规模的案例。

丰田与 Momenta 的战略绑定

丰田对 Momenta 的战略投资（估值最新一轮约 60 亿美元），背后是双方在「数据驱动智驾」和「全球化部署」上的深度战略协作：Momenta 为丰田提供 L2+/L3 算法解决方案，丰田为 Momenta 提供全球量产车辆的数据采集规模。这是迄今「中国智驾算法公司与日系整车厂」合作程度最深的案例，也是 Momenta 估值中包含「全球溢价」的核心来源。

2.8　供应链全球化中的中国位置：从「受援者」到「输出者」

二十年前，中国汽车电子供应链主要是「受援者」——博世、大陆、电装等外资 Tier 1 主导中国前装市场，国内企业大多做低端件或外资品牌的代工制造。

十年前，中国供应链开始转型——在新能源汽车的驱动下，宁德时代（动力电池）、比亚迪（电机+电控+电池一体化）等企业开始向外资领先企业发起正面竞争。

今天，在智能驾驶领域，中国已经从「受援者」演变为「系统性输出者」：

• 禾赛科技：激光雷达出口美国、欧洲汽车市场，是中国传感器企业在全球前装体系中确立份额的代表；
• 德赛西威：智能驾驶域控制器赢得欧洲车企定点，是中国汽车 Tier 1 「反向输出」欧洲的先行者；
• Momenta：算法授权给欧系整车厂和日系整车厂，是中国算法公司在全球供应链中真正站住脚的案例；
• 比亚迪：携自研智驾方案（DiPilot+地平线芯片）整体出口欧洲、东南亚，是「全栈中国智驾随整车出口」的最大规模实践。

这一从「受援」到「输出」的历史弧线，与机床、电池等中国制造业的演进规律高度相似，也印证了一个更普遍的结论：中国制造业在一个赛道的崛起，通常不依赖于单点技术突破，而依赖于供应链深度、市场规模积累和持续学习迭代的系统性能力。智能驾驶，正在沿着这条规律前进。

2.9　高精地图的国际壁垒与中国特色

高精地图是智能驾驶供应链中国际壁垒最高的环节之一。在大多数国家，道路测绘是受国家管制的「涉密」数据，外资企业不能自由在当地采集和存储高精地图数据。

在中国，这一限制尤为严格：只有持有国家甲级测绘资质的企业（四维图新、高德、百度、地图世界等），才被允许采集和运营高精地图；外资企业（Mobileye、HERE 等）必须通过持牌合作伙伴才能在华使用高精地图。这构成了外资智驾方案在中国市场的一道合规护城河，反过来也保护了中国高精地图企业的本土市场地位。

与此同时，美国、欧盟、日本对中国智驾方案的数据主权要求日趋严格：2024 年美国拜登政府发布了针对「联网汽车」的国家安全调查，核心关切是搭载中国供应商组件（含摄像头、激光雷达）的汽车在美国路面采集的数据可能流入中国；欧盟的《数据治理法》也对来自中国企业的汽车数据跨境流动设置了审查框架。这是中国智驾企业「出海」面临的最复杂的非技术壁垒之一，其复杂程度将随地缘政治格局的演变而持续变化。

三、PEST 分析：政策、经济、社会、技术环境

3.1　政策环境（Political）

智能网联汽车准入试点持续推进

中国对智能驾驶的政策支持，在「十四五」期间进入高密度发布阶段。2022—2025 年的政策主线，是从「测试」向「准入」的逐步跨越。

二〇二一年，工信部等五部委发布《关于加强智能网联汽车生产企业及产品准入管理的意见》，首次明确将驾驶自动化功能纳入汽车型号准入管理体系。

二〇二三年，工信部发布「关于开展智能网联汽车准入和上路通行试点工作的通知」（俗称「四部委准入试点文件」），允许符合安全要求的 L3/L4 智能网联汽车在限定区域和条件下上路行驶，首批试点城市由各省上报审核。这是中国智驾法规史上最重要的政策节点之一。

二〇二五年九月，工信部等部委联合发布《汽车行业稳增长工作方案（2025—2026 年）》，明确提出推进智能网联汽车准入和上路通行试点、有条件批准 L3 级车型生产准入，并将推动道路交通安全、保险等相关法律法规的完善。

L3 商业化试点正式落地

二〇二五年十二月十五日，工信部正式公布首批 L3 级有条件自动驾驶车型准入许可：长安深蓝 SL03 获准在重庆指定路段（含部分城区拥堵路段）开展 L3 试点；极狐阿尔法 S6 获准在北京指定路段（高速路段）开展 L3 试点。长安汽车随后获得国内首块 L3 专用号牌「渝 AD0001Z」，极狐汽车获得「京 AA0001Z」。

试点规则设置了严格边界：对 ODD（运行设计范围）、车速上限、地理围栏、系统接管响应时间等均有明确约束。工信部表示，将按「成熟一个、许可一个」的原则有序扩大试点范围；截至 2026 年上半年，超过五十个城市已出台相关测试示范政策或地方性法规。

数据安全与个人信息保护

《数据安全法》（2021 年施行）和《个人信息保护法》（2021 年施行）对汽车行业的数据采集、跨境传输设定了严格要求：

• 车载摄像头、传感器采集的道路环境数据，被认定为「重要数据」，传输境外须经安全评估；
• 人脸等生物特征数据的采集须获用户明示同意；
• 2023 年《汽车数据安全管理若干规定》细化了车企的数据本地化存储义务。

这直接影响 Tesla FSD 在华落地节奏——Tesla 被要求将中国用户的行驶数据存储于上海本地数据中心（已于 2021 年建立），并接受数据出境安全评估。Waymo 等外资 L4 企业进入中国市场的数据合规门槛同样较高。

3.2　经济环境（Economic）

新能源车量价博弈加速智驾下沉

二〇二五年，中国新能源乘用车销量突破一千两百万辆，渗透率超过四十五个百分点，成为智驾功能「以量换价」的核心载体。智驾方案的成本压力沿供应链传导：整车厂压低 Tier 1 价格，Tier 1 压低芯片和传感器单价，最终推动行业整体成本曲线快速下移。

以高速 NOA 方案为例：2021 年前装成本约在 5000—8000 元人民币，2025 年已降至 2000—3500 元，部分平台化方案甚至达到 1500 元以内；激光雷达单价在 2023—2025 年间从约 5000 元降至 500—1500 元，进一步支撑含激光雷达方案的下沉。

芯片国产化带来的成本结构重塑

地平线征程 6 系列的量产，使国内算力芯片的单芯片 BOM 成本低于同算力段的英伟达 Orin；加之国产激光雷达、4D 毫米波雷达的双重成本下降，「高算力 + 高感知」方案正在向二十万元人民币以下价格带下沉。这一趋势，是 2025 年 NOA 渗透率从 11.7%（2024 年）快速升至约 22% 的核心推手。

Robotaxi 经济模型的临界点

在 L4 层面，以小马智行为代表的 Robotaxi 企业，2025 年已在广州等城市实现「单位经济模型（UE）转正」——日均 299 元人民币营收可覆盖全部直接运营成本。但考虑车辆折旧、研发摊销、平台运营，整体盈利仍需规模继续扩大。萝卜快跑 2025 年 Q3 单季完成约 310 万次订单，同比增长约 212%，是全球最大的 L4 商业运营平台。

3.3　社会环境（Social）

公众接受度的代际差异

中国消费者对智能驾驶的接受度，呈现明显的代际分化：30 岁以下用户群体中，超过六成表示愿意将驾驶权「交给」系统；50 岁以上用户中，这一比例不足三成。

高阶智驾的「信任建立」，是全行业面临的共性挑战。2021 年以来的若干智驾事故（尤其是特斯拉 Autopilot 在中国的事故报道），在一定程度上延缓了消费者对高阶 L2 功能的主动开启率。

城乡差异与基础设施制约

NOA 与 L4 Robotaxi 的深度覆盖，高度依赖高精度基础设施：结构化道路、联网通信（V2X 预留）、高密度 4G/5G 覆盖。当前中国城市环路和核心城区的基础设施条件较好，但三线以下城市和农村道路仍是「功能盲区」。这是智驾渗透率短期内难以触及全部用户的结构性制约。

3.4　技术环境（Technological）

端到端大模型替代规则代码

2023—2025 年间，中国智驾算法领域发生了根本性的技术范式转变：从「模块化规则系统」向「端到端大模型」迁移。

模块化规则系统的局限，在城区 NOA 的推广中被充分暴露——工程师手写的规则代码很难覆盖城区的「长尾场景」（如电动自行车逆行、临时施工区域、非标准交叉口），导致系统频繁请求接管，用户体验差。

端到端（E2E）大模型以神经网络替代规则，直接从传感器数据学习驾驶行为，理论上可以「自适应」覆盖长尾场景。Tesla 的 FSD v12 是全球第一个大规模量产的端到端自动驾驶系统；国内小鹏、理想、华为、毫末智行、Momenta 均在 2024—2025 年内切换或快速推进端到端方案。

更前沿的演进是 VLA（Vision-Language-Action），将视觉感知、语言推理和动作输出集成于统一模型，实现对复杂语义场景的理解和响应——如「前方有人在指挥交通，减速通过」。VLA 方向在 2025 年从研究阶段向工程化落地过渡，预计 2026—2027 年开始影响量产车型的高阶智驾体验。

美国出口管制对高端 GPU 的制约

美国出口管制（EAR 规则）对中国高端 GPU 芯片的限制，在 2022—2024 年间持续收紧：英伟达 A100/H100 相继被禁运，A800/H800 的专属「降档版」随后也受限。对智驾行业的直接影响是：

• 大模型训练端（自动驾驶 AI 训练集群）受制于 H100 缺货，倒逼国内企业加速采购华为昇腾 910B/910C 替代；
• 车载推理端（Drive Thor/Orin 等）目前尚未受到直接禁运，但供应链风险意识显著提升，国产算力芯片「双轨供应」成为越来越多整车厂的安全诉求。

V2X 与车路云一体化

中国大力推进的「车路云一体化」（V2X + 路侧感知 + 云端算法）被视为中国特有的智驾技术路线补充。2025 年，全国已有超过二十个城市启动车路云一体化试点，路侧感知单元（RSU）的大规模部署，为低算力车辆提供「云端辅助感知」的可能性——这是中国与海外市场在技术路线上最显著的差异之一。

3.5　中国智能网联汽车政策体系全景

中国智能网联汽车的政策体系，经历了从「摸索阶段」（2015—2020 年）、「构建框架阶段」（2020—2023 年）到「试点落地阶段」（2023 年至今）的三个演进阶段。

主要政策节点回溯：

• 2015 年：《中国制造 2025》首次将智能网联汽车列为十大重点发展领域之一；
• 2020 年：国家发改委等十一部委联合发布《智能汽车创新发展战略》，提出至 2025 年实现有条件自动驾驶汽车规模化生产、2035 年中国标准智能汽车体系全面建成的战略目标；
• 2021 年：工信部等五部委联合发布《关于加强智能网联汽车生产企业及产品准入管理的意见》，将驾驶自动化功能纳入汽车型号准入管理，首次要求智驾产品须经准入审查；
• 2022 年：工信部、公安部、交通部联合发布《智能网联汽车道路测试与示范应用管理规范（试行）》修订版，进一步规范了测试申请、安全员要求等细节；
• 2023 年：「四部委准入试点文件」正式发布，允许 L3/L4 车型在特定条件下上路，首批试点城市开始接受申报；
• 2024 年：《自动驾驶汽车运输安全服务指南（试行）》发布，对 Robotaxi 的运营主体资格、保险、事故报告等作出规定；
• 2025 年 9 月：《汽车行业稳增长工作方案（2025—2026 年）》推出，将 L3 准入作为刺激汽车消费的重要工具，政策意图明确；
• 2025 年 12 月：首批 L3 量产车型（两款）获准入许可，试点在北京、重庆正式落地。

地方政府的政策竞赛

在国家层面政策框架之下，各省市之间形成了明显的「政策竞赛」——争抢智驾测试许可、争取 Robotaxi 商业化试点、争取智能网联汽车产业基地落户。北京亦庄、上海嘉定、广州南沙、武汉经开区、重庆两江新区是这一竞赛中目前的领先城市，对智驾企业提供「场景即时落地」的政策保障，是影响企业在哪个城市优先布局的重要因素。

地方政策竞赛的正面效应：多城市竞相给出最宽松的测试和运营条件，加速了 Robotaxi 商业化经验的积累；负面效应：各城市的法规细节不统一，使得在 A 城获得的测试里程数据，在向 B 城申请时需要重新认证，增加了企业扩张成本。

3.6　中美贸易摩擦的深层影响：超越芯片的叙事

将中美贸易摩擦对智驾供应链的影响，仅仅理解为「英伟达 H100 被禁了，所以中国买不到最好的训练 GPU」，是过于狭义的解读。

这场摩擦对智驾供应链的深层影响，至少包括以下几个维度：

维度一：供应链去耦（Decoupling）带来的双重研发体系。中国企业不得不在「面向美国的供应链」和「可以使用国产替代的供应链」之间做出规划，推动了「双体系」的形成——训练端用华为昇腾、推理端用英伟达 Orin（目前仍在豁免范围），这使得系统架构的复杂度上升，也使得任何一方的技术路线变化都会带来较高的迁移成本。

维度二：全球整车厂的供应链重组压力。外资整车厂（大众、宝马、奔驰、通用、福特、丰田）在华生产的车型，面临「国产智驾方案渗透」（Momenta 与奔驰合作，华为与奥迪合作），同时又受制于母国政府对中国技术使用的日益关注。这使外资整车厂的中国智驾策略陷入「用本土方案竞争力更强但合规压力更大；用外资方案合规清晰但市场竞争力弱」的两难，2026—2028 年将是这一张力的集中爆发期。

维度三：中国智驾企业的海外上市困境。小马智行、文远知行在纳斯达克上市后，面临来自美国 CFIUS（外国投资委员会）对中国科技企业的审查压力，以及SEC（证券交易委员会）对中国企业的信息披露要求；同时，其中国业务的数据和算法，又受到中国数据安全法规的保护，无法完全对美国监管机构开放。这一「双重合规困境」，是中国 L4 企业在海外资本市场估值长期受压的深层原因之一。

维度四：国产算力的「被迫加速」。管制的副作用，是倒逼华为昇腾 910B/910C 加速供给，促使中国 AI 训练生态更快脱离 CUDA 依赖。对智驾行业而言，这意味着训练集群的「昇腾化」在 2025 年已从「政策倡导」变成「采购现实」——百度、华为、腾讯等大规模部署昇腾集群用于智驾模型训练，其技术积累正在形成独立的、不依赖英伟达的算法生态，这从长期看对中国智驾的「技术主权」是正面的，但短期内的软件工具链迁移成本不可小觑。

3.7　国际投资与融资生态

中国智驾赛道的融资生态，与传统意义上的「纯中国资本」或「纯外资」都不一样，而是一个复杂的多方交织格局。

战略投资层：整车厂作为战略投资者，是智驾生态最重要的「产业资本」。比亚迪、长安、吉利、广汽均对多家智驾公司持有股权（以技术合作为背景的少数股权），既锁定了供应链，又获得了技术协同研发权。

外资参与层：外资整车厂（丰田投资 Momenta、奔驰战略合作 Momenta）和外资财务投资者（软银愿景基金投资小马智行早期轮次、高盛参与文远知行融资）在 2020—2023 年积极参与，2024 年以来受地缘政治影响，新增外资投资明显收缩。

国家资本层：国家制造业转型升级基金、北京战略投资基金、上海国资系等国家级产业基金，在 2023 年以后快速填补外资退出的空间，成为智驾独角兽（尤其是芯片公司、Robotaxi 运营商）的重要股东，保障了高烧钱率业务的现金流延续。

融资生态的变化，深刻影响了智驾企业的战略选择：原本依赖外资的企业，在 2024—2025 年加速与国有产业基金建立关系；原本纯技术方向的公司，在政府资金参与后，「服务国家战略」的话语权重上升，部分影响了技术路线的优先级（如「V2X」路线因政府政策支持而获得更多资源倾斜，即使其纯技术成熟度低于纯车端方案）。

四、中国市场规模与渗透率全景

4.1　乘用车智能驾驶整体渗透率

二〇二四年，中国乘用车智能驾驶系统（L1 及以上，含基础 ACC+LKA 的 L2 套装）前装率突破六十五个百分点，首次逾越「超过半数新车标配智驾」的关口。进入 2025 年，这一数字继续攀升，全年预计超过七十个百分点——也就是说，每生产出的十辆乘用车，有七辆在出厂时即配备了某种形式的驾驶辅助系统。

这一数字背后，有两股力量在共同驱动：其一是车企在配置竞争中将 L2 套装（含 AEB、LCC、ACC）作为「基础配置」而非溢价选配，价格带普及至十万元人民币级别的车型；其二是中国新能源汽车产业的快速扩张，电动化与智能化相互加速——软件定义汽车（SDV）的架构天然更适合智驾功能的OTA 迭代，新能源车型的智驾前装率普遍高于同价位传统燃油车型。

4.2　NOA 高阶智驾渗透率

NOA（领航辅助驾驶）是目前市场关注度最高的分水岭指标，它代表「能够在高速或城区进行全程辅助驾驶，无需逐一操作」的能力跃迁。

2025 年 NOA 前装渗透率约 22%，是 2024 年约 11.7% 的近两倍。以中国年乘用车销量约一千八百万辆计算，2025 年约有四百万辆乘用车出厂时搭载 NOA 功能。

NOA 内部，又呈现出明显的「高速 NOA 先行、城区 NOA 追赶」的结构分化：

• 高速 NOA：技术相对成熟，方案成本已大幅下降，众多主机厂已将其推广至二十万元以下车型；2025 年搭载高速 NOA 的车型数量约为城区 NOA 的两倍以上；
• 城区 NOA：技术难度显著更高——需处理非结构化道路、密集行人、电动自行车、施工路段等复杂场景，对算力、感知套件和算法要求均更苛刻；目前仅小鹏、理想、华为问界系、蔚来等少数头部车企在核心城市实现规模化推送；
• 自主泊车（AVP）：停车场场景的 L4，部分主机厂（华为、小鹏）已商业化推送，用户覆盖范围尚窄，但体验连续性好，是建立用户信任的重要功能窗口。

4.3　L3 试点城市与扩围节奏

截至 2026 年上半年，中国 L3 商业试点的地理版图如下：

• 首批试点（2025 年 12 月获准）：北京（极狐阿尔法 S6，高速路段）、重庆（长安深蓝 SL03，城区拥堵路段）
• 预期下一批：比亚迪、华为问界系、长安系相关车型正在申报，2026 年内有望获批；据行业估计，2026 年全年可能有 5—8 款车型进入 L3 试点名单
• 城市扩围：工信部态度是「成熟一个、许可一个」，预计 2026 年内试点城市范围从北京、重庆扩展至上海、武汉、深圳等智能网联汽车基础设施较为完善的城市

L3 量产的核心约束，不在车端技术（绝大多数搭载高阶 L2 方案的量产车，车端硬件已满足 L3 条件），而在法律责任认定、保险机制建立和事故鉴定标准，这些「软基础设施」的完善，是 2026—2028 年 L3 规模化最关键的时间变量。

4.4　ADAS 整体市场规模

2025 年中国 ADAS 及智能驾驶解决方案市场规模约 2000—2200 亿元人民币，同比增速约 25—30%，高于汽车行业整体增速约 20 个百分点。

按子赛道拆解：

• 智能驾驶芯片（SoC）：约 300—400 亿元，地平线、英伟达、华为三家瓜分约 70% 份额；
• 域控制器及系统集成：约 600—700 亿元，德赛西威、经纬恒润、博世等主导；
• 算法软件及方案授权：约 200—300 亿元，呈碎片化格局；
• 激光雷达：约 100—150 亿元；
• 高精地图与数据服务：约 100—150 亿元；
• 其余感知传感器（毫米波雷达、摄像头模组等）：约 400—500 亿元。

2030 年中国市场预测：多家机构预测，随着 NOA 渗透率突破 50%、L3 商业化扩围、L4 Robotaxi 规模化运营，2030 年中国智能驾驶相关市场规模将突破 4000 亿元人民币，复合年增长率约 20—25%。

4.5　渗透率预测曲线（2025—2030）

指标	2025 年实际/预估	2028 年预测	2030 年预测
L2 及以上前装率	70%+	90%+	99%+
NOA 前装渗透率	~22%	~40%	~55%
高速 NOA 渗透率	~30%—35%	~60%	~90%+
城区 NOA 渗透率	~8%—10%	~25%	~40%—50%
L3 量产车型数量	2 款（试点）	20+款	50+款
L4 Robotaxi 日均订单（全国）	~600 万单	~3000 万单	~1 亿单

数据来源：工厂数据平台产业研究院综合工信部公开数据、IHS Markit 乘用车智能化追踪报告、德赛西威/地平线等企业公开年报测算。

4.6　中国智驾的几个结构特征

第一，「主机厂分层」极为显著。头部车企（华为问界系、小鹏、理想、蔚来）全面主导高阶智驾的技术叙事，与腰部（长安、吉利、比亚迪）和尾部车企之间存在两三代技术代差，「智驾能力」已成为与续航、设计并列的核心选购要素。

第二，「纯视觉」与「多传感器融合」的路线之争尚无定论。Tesla FSD 的「纯视觉 + 大算力 + 大数据」路线，在国内有小鹏 XNGP 2.0 等跟随者；而搭载激光雷达+摄像头+毫米波雷达的「多传感器融合」方案，仍然是多数头部方案的主流选择，双方的实际用户体验差距在 2025 年依然存在争议。

第三，「软件即服务」的商业模式尚在探索。华为 ADS 以授权费方式向车企收取智驾方案费用；小鹏、理想把高阶 NOA 捆绑进高配车型或以订阅制推送（如理想 AD Max 3.0 OTA 升级包），但纯订阅制的大规模用户接受度，仍低于整车价格一次性包含智驾能力的「捆绑模式」。这一商业模式博弈，将在 2026—2028 年持续演化。

4.7　中国乘用车市场的智驾「价格带渗透」规律

理解 NOA 渗透率的演进，不能只看全量数字，还要看不同价格带的渗透情况——因为智驾方案的成本，决定了它能在哪个价格段「活下来」。

三十万元以上：这是 2022—2023 年 NOA 的「首发价格带」。问界 M7/M9、理想 L9、蔚来 ES8、小鹏 G9 等三十万以上车型，是城区 NOA 的最早商业化战场；目前该价格带 NOA 渗透率已超过 80%，近乎全覆盖，进一步提升空间有限。

二十万至三十万元：这是 2024—2025 年 NOA 爆发增长最迅猛的价格带。小鹏 P7+、问界 M5、比亚迪仰望 U7、理想 L7 均在此价格段提供 NOA 功能；方案成本压至 2000—3500 元，整车厂愿意将其纳入该价格段的标配或次高配。2025 年该价格带 NOA 渗透率约 55—65%。

十五万至二十万元：这是 2025—2026 年的「主战场」。比亚迪汉 EV、长城魏牌蓝山、吉利银河 L7、广汽埃安 Hyper GT 等均在此区间，高速 NOA 已普及，城区 NOA 正在切入；到 2026 年底，预计该价格带高速 NOA 渗透率将超过 50%。

十万至十五万元：这是 2026—2028 年最值得期待的「下沉渗透」区间。比亚迪秦 L、海鸥、宋 Pro 等走量车型，每年合计销量超过 200 万辆；一旦 NOA 方案成本降至 1000—1500 元，该价格带将成为 NOA 渗透率向「全市场普及」冲刺的最大单一增量来源。

十万元以下：车型以代步需求为主，NOA 对此价格带的消费者价值感知不强；预计在 2030 年前，渗透率仍将维持在极低水平，更多以 AEB 等被动安全功能为主。

4.8　新能源与传统燃油车的智驾渗透率剪刀差

一个容易被忽视的结构性差异：新能源车型的智驾渗透率系统性高于同价位传统燃油车型。

原因是多方面的：

其一，架构天然适配。电动车没有发动机噪音与振动对传感器的干扰；高压电气系统已铺设，为智驾域控供电更简单；「中央计算 + 区域控制」的电子电气架构（EEA）在新能源车型上推进更快，传统燃油车型的改造成本更高。

其二，用户群体差异。购买新能源车型的消费者，整体上对科技功能的接受度和主动尝试意愿更高；尤其是独立选购新势力品牌（小鹏、蔚来、理想、零跑）的用户，在购车决策中，「智驾能力」往往是最重要的比较维度之一。

其三，竞争压力传导。造车新势力把「智驾」作为核心卖点，倒逼传统整车厂（奇瑞、吉利、长城）在新能源转型车型上加速引入 NOA；但这些传统整车厂的燃油车型，出于成本控制和用户需求差异，往往不做对等的智驾投入。

这一「剪刀差」的产业链含义是：中国新能源车渗透率每提升一个百分点，智驾供应链的 TAM 实际上提升的幅度，会高于新能源渗透率本身。这是判断智驾供应链增速为何能持续超越汽车行业总体增速的底层逻辑之一。

4.9　L4 Robotaxi 数据与城市格局（2025）

截至 2025 年底，中国 L4 商业化运营主要城市与规模如下：

武汉：萝卜快跑运营车辆超过 400 辆（主驾无人），日均订单约 2000—3000 次，是全球单城商业化规模最大的 Robotaxi 市场；运营区域覆盖武汉核心城区约 500 平方公里；运营车型从早期的 Apollo Go Robotaxi 演进至第六代无人车。

北京亦庄：萝卜快跑、小马智行均在此运营，采用主驾无人模式；累计运营里程数百万公里，是国内法规探索最前沿的试验田，政策从「带安全员测试」到「无安全员商业运营」的历次突破均首先在亦庄落地。

广州：文远知行与如祺出行合作运营，重点区域为南沙、黄埔；小马智行与广汽联合运营，以「主驾无人」在部分区域商业化；日均订单突破 1.2 万单，单车日均营收约 299 元。

上海（嘉定、浦东）：萝卜快跑、AutoX（安途）均在运营；上海的特点是「高端出行」叙事——打车价格高于武汉，用户群体偏向 AI 早期体验者；监管政策相对保守，全无人商业化步伐慢于亦庄。

深圳：小马智行主驾无人已在部分区域商业化，结合坪山、前海两个示范区推进。

重庆：百度 Apollo 的第二大运营城市，同时也是长安系整车厂与智驾测试深度融合的城市。

合计：截至 2025 年底，全国 L4 Robotaxi 商业运营车队约 2500—3000 辆（包括有安全员和无安全员车辆），月度订单总量约 500—600 万次；商业化运营城市约 10 个，覆盖人口约 1.5 亿（按城市核心运营区域计）。这与海外最成熟的 Waymo（仅 4 个城市、约 700 辆，日均 2 万次）相比，中国在覆盖广度上领先，但在单城密度和服务质量的标准化上仍有差距。

五、产业链深度拆解

5.1　芯片层：算力军备竞赛

智能驾驶供应链的「军备竞赛」，首先从芯片开始。域控制器的算力（以 TOPS 计），是划分 ADAS 等级天花板的第一道门槛。

主流算力分级对应关系：

• 基础 L2（ACC+LCC）：5—30 TOPS，主流方案为 Mobileye EyeQ4、地平线征程 2/3；
• 高速 NOA（L2+）：50—150 TOPS，地平线征程 5（128 TOPS）是中国量产最广泛的平台之一，搭载比亚迪、理想等品牌；
• 城区 NOA（高阶 L2+）：150—500 TOPS，英伟达 Orin-X（508 TOPS）、地平线征程 6P（560 TOPS），华为 MDC 810 等主导；
• L4 Robotaxi 开发平台：500—2000 TOPS，英伟达 Drive Thor（2000 TOPS）、华为昇腾 910B 集群方案。

地平线（HK 9660）：国产 SoC 出货量第一

二〇二五年全年，地平线营收达 37.58 亿元人民币，同比增长 57.7%；毛利率维持 64.5% 的高水平，体现了芯片设计企业典型的高毛利特征。核心数据：征程系列全年总出货量约 401 万套，同比增长 38.8%；其中中高阶芯片（算力 ≥ 100 TOPS）出货量约 180 万套，同比增长近五倍，占总出货量约 48%，贡献超 80% 的产品与解决方案营收。截至 2025 年 8 月，征程系列累计出货量突破一千万套，成为国内首家达成千万级出货量里程碑的智驾芯片企业。

地平线的商业模式，是「芯片 + 工具链 + 算法参考」的打包方案，降低了整车厂和 Tier 1 的开发门槛；其 Journey 6 系列（征程 6P/6M/6E）在 2024—2025 年快速定点，客户覆盖比亚迪、长安、奇瑞、吉利、广汽等主流整车厂，以及蔚来、小鹏、理想等新能源车企。

黑芝麻智能（HK 2533）：A1000 规模量产

黑芝麻智能 2025 年上半年营收 2.53 亿元人民币，同比增长 40.4%；全年营收预计超过 5 亿元。核心产品 A1000 系列（算力 106 TOPS）已进入吉利银河 E8、东风奕派 007、东风奕派 008 等量产车型。黑芝麻的差异化在于「高集成度」——A1000 在单颗芯片上集成了感知 ISP、神经网络加速器和应用处理器，简化了系统 BOM；但毛利率受规模化量产成本和竞争价格压力影响，2025 年上半年下降至约 24.8%，盈利路径仍需规模继续放量。

华为车 BU（昇腾 ADS）：全栈方案最强玩家

华为车 BU 于 2024 年完成独立运作，以「乾崑智驾」品牌向合作车企提供智能驾驶整体解决方案（含 MDC 计算平台、ADS 算法、摄像头/雷达感知套件）。2025 年，华为 ADS 3.0 与 ADS 4.0 陆续推出：

• ADS 3.0：搭载问界 M5/M7/M9、智界 S7/R7、享界 S9、岚图梦想家等，实现无高精地图城区 NOA；
• ADS 4.0（2025 年底—2026 年初推出）：东风猛 M817、奇瑞智界 R7、广汽传祺、阿维塔、北汽等首批搭载；主要升级包括在更复杂路况下的「无图城区 NOA」能力和 V2X 感知融合。

华为车 BU 合作上市车型超过 22 款，覆盖中高端价位，合作主机厂涵盖赛力斯、奇瑞、北汽、东风、长安、广汽、奥迪等，是目前智驾方案中「客户数 × 算力」产品矩阵最宽的供应商。

寒武纪行歌：主要布局 L4 级 Robotaxi 域控计算芯片，与百度 Apollo 深度合作，单芯片算力超过 400 TOPS；在乘用车量产端市占率尚小，是技术储备型选手。

芯擎科技（吉利系）：龍鹰一号（SE1000）于 2023 年量产，主要定向供给吉利系和沃尔沃品牌，算力约 2 TOPS，主攻智能座舱；智驾芯片方向推进中，未来与吉利体系绑定深化。

海外竞争：

• NVIDIA Orin（2022—2025 年主力平台）：单颗 254 TOPS，双 Orin-X 达 508 TOPS，已搭载理想（L9 双 Orin）、蔚来等头部品牌；Drive Thor 将在 2025—2026 年完成接力；
• Qualcomm Snapdragon Ride Gen 2：主攻中高端座舱+驾驶融合平台，赢得长城、吉利等多家定点；
• Mobileye EyeQ6/EyeQ Ultra：EyeQ6 已量产，EyeQ Ultra（5nm 制程，约 176 TOPS 感知算力）面向高阶 NOA，预计 2025 年末—2026 年推出量产版本。

5.2　域控制器：系统集成的战场

域控制器（DCU / ADCU，智能驾驶计算单元）是将芯片与算法、传感器接口、整车电子架构整合为可量产单元的核心产品。它的市场价值，不仅在于硬件集成，更在于把「芯片说明书级别的参考方案」变成「可以装车的产品」。

德赛西威（002920）：国内域控制器第一

按德赛西威 2026 年 4 月赴港 IPO 招股书披露的 2025 年数据：全年营收 325.57 亿元，同比增长 17.9%；其中智能驾驶产品收入占总收入 29.8%，为约 97 亿元，同比大幅增长（2024 年约 45 亿元，增速约 116%）。

按 2025 年全球及中国智能驾驶域控制器（第三方供应商口径）市场收入，德赛西威在中国市场的份额约 21.2%、全球份额约 8.8%，双双排名第一。核心产品 IPU 系列（IPU04 使用英伟达 Orin、IPU06 接入华为昇腾/地平线征程 6）已供货理想、长安、吉利、小鹏、华为问界、奇瑞等主机厂，客户覆盖全球前十五大车企中的多家。德赛西威赴港 IPO 的核心目的之一，是补充研发资金，加速从 Tier 1 硬件供应商向「软件定义汽车解决方案商」转型。

经纬恒润（688326）：扭亏为盈，域控交付超 200 万件

2025 年全年，经纬恒润实现营收 68.48 亿元，同比增长 23.59%；归母净利润约 9953 万元，从 2024 年亏损 5.5 亿元实现扭亏为盈——这是经纬恒润成立十余年来的一个重要里程碑。

扭亏的核心驱动是：以物理区域控制器（ZCU）为代表的域控产品放量，累计交付超过 200 万件；公司与吉利联合开发的 ZCU 3.0 平台（使用吉利自研 SE1000 芯片+地平线征程）在银河 A7、银河 M9、领克系列量产上车。此外，AI 工具降本、供应链国产化、制造精益管理，也对毛利率和期间费用有直接改善贡献。

知行汽车科技（HK 1274）：华为生态的关键域控供应商，主要基于华为 MDC 平台做域控集成，客户以搭载乾崑智驾的车型为主。2024 年于香港上市，2025 年随华为 ADS 装机量增长而放量。

华阳集团（002906）：智能座舱域控为主，智能驾驶域控布局中。

东软睿驰：东软集团旗下，面向自主品牌传统整车厂，提供软件平台+域控集成服务。

博世、大陆、安波福（外资 Tier 1）：在中国的域控业务受到本土化竞争压力，高端定点仍在但增速明显低于国内竞争者。博世在 L2 基础 ADAS 和 AEB 系统方面仍是重要供应商；大陆专注于毫米波雷达传感器和 ADAS 系统方案；安波福则在线控执行器（制动、转向）层面有较强地位。

5.3　算法软件：端到端的重构之战

毫末智行：魏建军（长城汽车创始人）亲自主导，获长城汽车战略支持。以「大数据 + 大模型 + 大算力」为技术路线，旗下 DriveGPT 雪湖·海若大模型于 2023 年发布，是国内最早量产端到端方案的头部玩家之一，2025 年已搭载长城旗下多款车型。

Momenta：专注 Flywheel（飞轮效应）数据驱动路线——用量产车辆采集的真实道路数据持续训练模型，形成「越跑越聪明」的数据飞轮。创新性地将智驾大模型分为「短期记忆（感知决策）」和「长期记忆（持续学习）」，宣称可将模型训练成本降低 10—100 倍。合作客户涵盖智己 L6/L7/LS7、腾势 N7、仰望 U8 等，并获奔驰、上汽等战略投资，是获得外资背书最多的中国智驾算法公司之一。

小鹏 XNGP：小鹏的全栈自研智驾方案，2024—2025 年实现无高精地图城区 NOA 的大规模用户推送，运营城市超过 200 个。技术上，XNGP 2.0 已采用端到端大模型，算力平台以英伟达 Orin+地平线征程 6 双路配置。

蔚来 NAD（NIO Autonomous Driving）：蔚来全栈自研驾驶方案，搭载 4 颗激光雷达+摄像头阵列的超感知套件，采用英伟达 Orin 算力平台，以「超感知」定位占据高端市场。NAD 以订阅制推出（680 元/月），转化率是检验其技术黏性的重要指标。

理想 AD Max 3.0：理想 OTA 升级推出的端到端大模型方案，城区 NOA 体验在用户测评中持续领先，已覆盖全国所有城市有路况路段。理想与英伟达深度合作，算力平台以双 Orin 为主，2026 年 AD Max 4.0 将接入更高算力平台。

华为 ADS：前文已述，华为独特在于「方案闭环」——从芯片（昇腾）、传感器、到算法、地图，可以提供完整的「打包不可拆」方案，让对手很难在单一模块上与之竞争，但也因此引发部分整车厂对「灵魂自主」的顾虑。

5.4　高精地图：从「必选」到「可选」

高精地图（HD Map）曾是 NOA 方案的「标配前提」——传统 NOA 在地图覆盖范围内才能运行，出了图不能用。这一约束在 2024—2025 年间被「无图 NOA」方案逐步打破。

高德地图（阿里云系）：中国最大的导航地图商，智驾高精地图已覆盖全国高速公路网络，并向城区扩展；与多家整车厂及智驾方案商建立数据授权合作。

百度地图 / 百度 Apollo 地图：依托 Apollo 自动驾驶平台积累大量高精地图，与多款 NOA 方案绑定；同时为百度萝卜快跑 L4 运营提供实时地图更新。

四维图新（002405）：老牌高精地图供应商，持有国家测绘资质，与多家传统整车厂长期合作；2025 年加速布局「图-端融合」（地图 + 感知 + 计算一体），推出面向 L2+/L3 的 HD Map as a Service 模式。

「无图 NOA」的挑战：通过纯视觉或视觉+激光雷达实时构建「轻地图」或实时感知「在线地图」，理论上覆盖无预先 HD Map 的区域。小鹏 XNGP、华为 ADS 3.0/4.0 已实现「无图」城区 NOA 的大范围推送，这对高精地图商业模式构成系统性冲击，但「无图」方案在极端天气和特殊场景下的可靠性仍有争议。

5.5　数据闭环与仿真平台

智能驾驶的「壁垒」，越来越多地建立在数据飞轮而不仅仅是单点算法上。数据量规模、数据标注质量、数据闭环（车端采集 → 云端训练 → OTA 更新 → 再采集）的效率，已成为头部玩家最核心的护城河。

仿真平台：在真实路测之外，大量的极端场景（事故场景、极端天气）依赖仿真生成。国内主要仿真平台有：51World（3D 仿真）、华为云 HUMO（车规级仿真）、CarSim、IPG。

自动标注与大模型融合：端到端大模型的兴起，对人工标注的依赖有所降低，但 Corner Case（极端场景）的标注仍高度依赖人力；自动标注（Auto-labeling）工具链的效率，是各路算法公司之间的重要竞争维度。

数据安全合规：车端采集的摄像头、雷达原始数据中，含有大量公民个人信息（人脸）和建筑、道路等「重要数据」，如何合规去敏、本地存储、合规传输至训练集群，是每家智驾企业都必须处理的合规成本，也是外资企业进入中国市场的核心障碍之一。

5.6　感知传感器的完整图谱

感知层是智能驾驶供应链中元器件品种最多、国产化程度分化最大的层次。以下按主要传感器类型梳理 2025 年的产业现状。

摄像头（Camera）

摄像头是最基础、成本最低的感知传感器，也是「纯视觉」路线的核心。一套完整的车用摄像头方案，通常包括：前向单目/双目主摄（分辨率 2—8M 像素，视角 50—120 度，感知距离 150—300 米），前/后/左/右四路鱼眼 AVM 环视摄像头（视角 180—190 度，短距离环视），A 柱/B 柱内部 DMS（驾驶员监控摄像头，监测驾驶人注意力），以及可选的后向远距摄像头。

关键器件是图像传感器 CIS（CMOS Image Sensor）。全球 CIS 市场被索尼（日本，前装高端市场）、三星（韩国）和豪威科技（OmniVision，已由韦尔半导体控股）三强主导。豪威科技是中国整车厂最大的车规级 CIS 国产供应商，2025 年已向多家主流整车厂供货；但索尼在高端前向摄像头（高分辨率、高动态范围）领域的主导地位，短期内难以被完全取代。

摄像头模组的制造，则是中国消费电子供应链的强项——舜宇光学（港股 2382.HK）、丘钛微电子（港股 1477.HK）、欧菲光均在向车规摄像头模组转型，将消费级手机摄像头的制造能力迁移到车规级认证和耐温要求更高的汽车应用场景。

超声波雷达

超声波雷达是泊车辅助（APA）和低速防碰撞的标配传感器，每辆车通常安装 8—12 个，成本约 30—60 元/颗（每车 BOM 约 400—700 元），是所有传感器中成本最低、渗透率最高的。主要供应商包括法雷奥（Valeo，法国 Tier 1，中国市场份额最大）、博世（Bosch）、艾为电子（国产）。超声波雷达的技术壁垒不高，国产替代已相对充分。

激光雷达（LiDAR）

如前所述，中国国产激光雷达已取得阶段性领先地位。需补充的是激光雷达的技术路线多样性：

• 机械旋转式（传统 Velodyne 路线）：64 线、128 线旋转激光雷达，精度高但体积大、成本高、可靠性受到机械转动件影响，主要用于早期 L4 Robotaxi 开发平台；
• 半固态（MEMS 振镜 / 棱镜扫描）：用微型 MEMS 反射镜代替机械旋转，体积小、可靠性高，是当前前装量产主流；禾赛 AT128 是最具代表性的半固态量产方案；
• 固态（Flash 或 OPA）：无任何运动部件，成本最低、最可靠，但当前距离/分辨率性能还在追赶半固态；禾赛、速腾聚创、华为均在投入固态激光雷达的量产研发，预计 2026—2028 年在二十万元以下车型中找到放量切入点。

毫米波雷达

毫米波雷达在车用领域已有超过二十年的商用历史，是 L1 ACC（自适应巡航）的核心传感器，也是当前 L2+ NOA 方案中不可或缺的中远距感知手段。

传统 3D 毫米波雷达的主要供应商：博世（全球市占率最大）、大陆、海拉（Hella），均为外资 Tier 1，国产替代率相对有限。国产毫米波雷达整机厂有华域汽车（688099，上汽系）、联创电子（002036）等，但核心射频芯片（RFIC）的国产化，是 2024—2025 年才真正起步的方向（加特兰微电子为代表）。

4D 毫米波雷达的国产化，则进展更快——如前所述，比亚迪自研 4D 毫米波雷达已在量产车型（仰望 U8、海豹 06 GT）上应用，成本大幅低于激光雷达，有望成为中低价位智驾方案的「感知降本」利器。

5.7　算力芯片的制程节点之争

车规级 SoC 的制程节点，直接决定了芯片的功耗、算力和成本，是衡量各家芯片技术成熟度的重要维度。

2025 年主流量产车规 SoC 的制程分布：

• 7nm 制程：地平线征程 6P（TSMC 7nm EUV），英伟达 Orin（Samsung 8nm），Mobileye EyeQ6H（Tower 28nm + Intel/TSMC 混合）——7nm 是当前高端车规 SoC 的标准工艺节点；
• 5nm 制程：Qualcomm Snapdragon Ride Gen 2（TSMC 5nm），Drive Thor（TSMC 4nm/5nm）——旗舰算力平台开始向 5nm 演进；
• 16/28nm 制程：黑芝麻智能 A1000（TSMC 16nm），部分传统 ADAS 芯片；
• 40nm 以上：低端 MCU、超声波雷达控制器等非算力密集型器件。

制程节点对自动驾驶供应链的含义：英伟达 Drive Thor 和高通 Gen 2 等 5nm 以下节点的芯片，需要 TSMC 或三星的先进产线制造，中国大陆现有晶圆厂（SMIC 最先进工艺约 7nm，且受美国设备出口管制约束）无法承接，这是芯片国产化路线上最深层的技术约束之一。地平线征程 6P 采用台积电 7nm 制造（在美国出口管制的灰色边界），如果管制进一步收紧，未来制造路线的调整将是地平线的核心运营风险。

5.8　「算法即护城河」还是「数据即护城河」：商业逻辑的演变

过去（2015—2022 年），智驾行业的共识是「算法即护城河」：谁写出了更好的感知算法、更精准的路径规划代码，谁就能领先。这一时期，Mobileye、Waymo 的技术优势在于算法积累，招募博士工程师、精心设计模型架构，是获得竞争优势的主要路径。

现在（2022 年以后），随着端到端大模型的普及，行业共识正在转变为「数据即护城河」：同样架构的 Transformer 模型，用 100 亿公里数据训练，一定好于 10 亿公里数据训练；收集数据的速度，比设计算法架构更能决定胜负。

这一转变，对供应链格局产生了深远影响：

• 整车厂的「路采数据」资产，从过去的「副产品」变成了「战略资产」——谁的车多，谁的数据就多；
• 为算法公司（Momenta、毫末、百度）提供数据标注服务的企业，市场规模和战略价值在提升；
• 数据闭环（采集→存储→处理→标注→训练→部署→OTA→再采集）的端到端效率，成为评估一个智驾企业能力的核心指标之一；
• 「计算资源」（GPU 集群）的重要性急剧上升，华为、阿里云、腾讯云、百度智能云的智驾专属 AI 计算平台（含昇腾集群），成为智驾企业的关键基础设施。

5.9　高精地图的「众包化」演进

传统高精地图的更新，依赖专业采集车（加装激光雷达和摄像头的采集车，成本约 50—100 万元一辆）按路线扫测，再经过繁复的人工标注和质检流程发布。这种模式的更新频率通常是月度或季度，远低于道路实际变化的速度（施工区域可能每天变化）。

「众包高精地图」的核心理念，是用量产车辆本身作为「移动采集节点」——每辆车的摄像头和传感器持续扫描路面，把感知到的变化（新增障碍物、道路施工、新增交通标志）实时或准实时上传，在云端聚合成实时更新的「众包地图」。

这一技术路线的先行者，是 Mobileye 的「Road Experience Management（REM）」系统——全球数百万辆搭载 Mobileye 芯片的量产车辆，持续上传匿名路面特征数据，更新 Mobileye 的 High Definition Map（HD 地图）。国内类似系统由高德、百度、四维图新均在推进，并与主要整车厂建立数据共享协议。

众包地图的商业价值，使「拥有最多量产车辆的供应商」（高德、百度，依托阿里和百度本身的海量用户基础）具有众包数据采集的天然优势；对于纯高精地图公司（四维图新），众包模式是对抗「无图 NOA」冲击的核心防御策略。

六、重点企业深度画像

6.1　地平线机器人（HK 9660）

公司定位：国内智能驾驶计算芯片（SoC）市占率第一，主营征程系列车规级处理器和相关工具链软件。

2025 年关键财务数据：

• 营收：37.58 亿元人民币，同比增长 57.7%；
• 毛利率：64.5%，保持在高位；
• 中高阶芯片（算力 ≥ 100 TOPS）出货量：约 180 万套，同比增长近五倍；
• 征程系列总出货量：约 401 万套；
• 截至 2025 年 8 月，累计出货突破 1000 万套——国内首家。

产品矩阵：征程 2（2 TOPS，量产量最大）、征程 5（128 TOPS，高速 NOA 主力）、征程 6 系列（征程 6M 256 TOPS，征程 6P 560 TOPS，城区 NOA 核心平台）。征程 6 系列于 2024 年陆续进入量产，2025 年完成规模出货，德赛西威 IPU06、知行汽车等多家 Tier 1 以其为算力核心搭建域控产品。

技术路线：「芯片 + BPU（Brain Processing Unit）+ 工具链」垂直整合，降低整车厂的开发门槛；工具链开放性强，支持 PyTorch 等主流框架直接部署；征程系列已通过 ISO 26262 ASIL-D 功能安全认证。

主要客户：比亚迪（最大客户）、长安汽车、奇瑞、吉利、广汽、一汽，以及新势力蔚来、理想、小鹏（部分车型）、零跑。德赛西威是最重要的 Tier 1 客户。

竞争风险：英伟达 Drive Thor 在高算力段的快速上量，是地平线征程 6P 最直接的竞争压力；华为昇腾方案的封闭生态，在问界系等自带体系的车型中基本排除了地平线的进入空间；黑芝麻智能在 100—200 TOPS 段蚕食中等算力份额。

6.2　黑芝麻智能（HK 2533）

公司定位：专注车规级 SoC，以 A1000 系列为核心，差异化定位「高集成度」（感知 ISP + AI 加速 + 应用处理器单芯片集成）。

2025 年关键财务数据：

• 上半年营收：2.53 亿元人民币，同比增长 40.4%；
• 全年预计营收：约 5—6 亿元；
• 上半年净亏损：7.62 亿元（含大量股权激励和研发投入）；
• 上半年毛利率：约 24.8%（同比下降，主要受规模量产期间成本摊销影响）；
• 海外定点车型数量创历史新高。

A1000 系列：单颗算力约 106 TOPS，已在吉利银河 E8、东风奕派 007/008 等车型量产；下一代 A2000 系列（算力规划 > 200 TOPS）处于研发推进中，目标对标征程 6M 段市场。

全球化布局：与博世、维宁尔（Veoneer）等外资 Tier 1 建立合作，打入欧洲车企供应链，实现「国产芯片海外定点」突破，是差异化方向之一。

核心挑战：盈利路径依赖持续扩大规模——芯片设计公司的经济模型在产品上量阶段会持续亏损，黑芝麻当前的亏损水平高于营收，外部资本支持（港股上市补充现金）至关重要。

6.3　华为车 BU / 乾崑智驾

定位：全栈智能汽车解决方案提供商。非独立上市主体，合作模式有三：HI 模式（车企主导 + 华为全栈硬件/软件供给）、智选模式（华为参与设计和销售渠道）、零部件模式（单独销售零部件/芯片）。

2025 年关键动态：

• 乾崑智驾 ADS 3.0 深度量产，ADS 4.0 于年底推出；
• 合作上市车型超过 22 款，2025 年新增奥迪 A5L（华为乾崑版）等高端外资品牌合作；
• 2024 年实现独立运作后，「引望智能」（车 BU 独立实体）寻求引入外部战略投资，奇瑞汽车战略投资约 15% 股权；
• MDC 系列（MDC 610/MDC 810）算力平台持续迭代，结合昇腾芯片形成差异化竞争力。

商业模式独特性：华为的「打包供给」策略——从芯片到传感器到算法到地图，提供一整套不可拆分的方案，使其在价格谈判中具有较强的主动权；但也因此被部分整车厂视为「丧失灵魂」而选择其他方案。这是华为在车企生态中既强大又受局限的核心矛盾。

6.4　德赛西威（002920）

定位：中国汽车电子龙头，主营智能座舱域控制器（国内市占率第一）和智能驾驶域控制器（中国第三方供应商第一）。

2025 年关键财务数据：

• 营收：325.57 亿元，同比增长 17.9%；
• 智能驾驶产品收入：约 97 亿元，同比增长约 116%，是全公司最快增长的业务板块；
• 智能座舱产品收入：约 206 亿元，占营收 63.2%；
• 2026 年 4 月赴港 IPO 申请，估值约 630 亿港元。

竞争优势：客户覆盖全球前十五大车企，国内理想、小鹏、小米、奇瑞、吉利等均在其客户名单中；与英伟达、地平线、华为均有深度合作，在芯片平台上的「不独家绑定」策略使其可以随芯片生态演变灵活调整；全球化布局（进入欧美日韩车企供应链）是长期战略重点。

主要隐患：客户集中度较高（前五大客户收入占比约 55.5%），理想汽车为其第一大客户，理想的销量波动直接影响德赛西威业绩；毛利率在 2025 年受到供应链成本和价格竞争双重压力，智驾业务毛利率约 14—16%，低于座舱业务。

6.5　经纬恒润（688326）

定位：汽车电子 Tier 1，主营智能驾驶域控制器（ZCU）和汽车电子 ECU，专注吉利、一汽、东风等传统整车厂客户。

2025 年关键财务数据：

• 营收：68.48 亿元，同比增长 23.59%；
• 归母净利润：约 9953 万元，从 2024 年亏损 5.5 亿元实现扭亏为盈；
• 域控制器（ZCU）累计交付超 200 万件。

技术路线：与吉利合作研发 ZCU 3.0 区域控制器平台，芯片采用吉利系 SE1000+地平线征程方案，实现「供应链本土化 + 成本可控」；第二代行泊一体域控制器已推出，进一步拓展智驾产品线。

扭亏意义：经纬恒润的扭亏，证明中国汽车电子 Tier 1 在经历了 2022—2024 年「新能源淘汰赛」后，成功转型的路径是存在的——不是靠规模烧钱，而是靠产品聚焦、降本增效和客户深度绑定。

6.6　毫末智行

定位：长城汽车系智驾算法公司，聚焦「量产落地」的端到端大模型方案。

2025 年关键动态：

• DriveGPT 雪湖·海若大模型完成多版迭代，2025 年城区 NOA（毫末 HPilot 5.0）在长城旗下魏牌、哈弗等品牌推送；
• 启动数据飞轮加速，路采数据规模突破 60 亿公里等效里程；
• 开放生态合作，将智驾方案推广到长城体系以外的合作整车厂；
• 正在准备分拆上市（A 股或港股），估值区间约 100 亿元人民币。

6.7　Momenta

定位：面向 B 端整车厂的智驾算法公司，主打「数据飞轮」，量产规模化与头部车企深度合作。

2025 年关键动态：

• 完成 D 轮融资，估值超过 60 亿美元，投资方包括丰田、奔驰、上汽、曼谷银行等战略投资者；
• 量产合作车型覆盖智己 L6/L7/LS7、腾势 N7/Z9GT、仰望 U8 等；
• 一段式端到端方案加速推进，宣称「训练成本可降低 10—100 倍」的模型架构获得业界关注；
• 与博世合作推进面向欧美市场的智驾方案，是国内为数不多真正打入海外 Tier 1 体系的算法公司。

6.8　百度 Apollo / 萝卜快跑

定位：中国最大的 L4 Robotaxi 开放平台和运营服务，同时向整车厂输出自动驾驶技术方案（ANP 方案）。

2025 年关键财务数据：

• 萝卜快跑 2025 年 Q3 单季完成约 310 万次订单，同比增长约 212%；
• 截至 2025 年年底，累计提供超过 1100 万次出行服务；
• 武汉、重庆、北京、上海等城市完成「全无人」（主驾无人）商业化运营；
• ANP（Apollo Navigation Pilot）方案已与多家整车厂完成量产定点。

技术特点：Apollo 平台采用高精度激光雷达（128 线）+ 超声波 + 摄像头的多传感器融合方案，结合 Apollo 云端大模型，在复杂城市场景的 MTBI（人工干预间隔里程）已突破 300 公里以上。

商业化进展：萝卜快跑在武汉的单量已成全国最大，武汉是全球最大的 Robotaxi 商业化运营城市；定价约为同区域网约车的 60—80%，依靠低价扩量，规模效应正在验证中。

6.9　小马智行（PONY.AI）

定位：专注高端 Robotaxi 和 Robotruck，以自研感知算法、精细地图和端云一体方案为技术核心。

2025 年关键动态：

• 2024 年末在美国纳斯达克上市（PONY），成为国内 L4 企业美股上市第一股；
• 2025 年 6 月，车队规模达 1200 台，覆盖北京、上海、广州、深圳、成都等 10 个城市；
• 累计行驶里程 4860 万公里，在广州实现「单位经济模型（UE）转正」；
• 与丰田、广汽合作推进 Robotaxi 商业化，「主驾无人」在深圳已实现；
• 同步布局 Robotruck（干线物流），与中国外运形成战略合作。

6.10　文远知行（WeRide）

定位：无人微巴、Robotaxi、Robobus 多形态 L4 运营商，在「商业化多元化」上走得最快。

2025 年关键动态：

• 2024 年 10 月在纳斯达克上市（WRD）；
• 核心运营区域广州、武汉、重庆，日均订单突破 1.2 万单；
• 2025 年上半年毛利率约 23%，高于行业多数竞争对手；
• 与如祺出行（广汽系网约车平台）深度合作，通过网约车平台扩大覆盖面；
• 海外扩张至阿联酋阿布扎比，是国内 L4 企业中国际化版图最广的一家。

6.11　芯擎科技与吉利自研体系

芯擎科技（ECARX 旗下）于 2021 年成立，专注车规级 SoC，主要服务于吉利控股集团旗下品牌（吉利、领克、沃尔沃、极氪、路特斯）。核心产品「龍鹰一号」（SE1000）于 2023 年量产，采用 7nm 工艺，集成 AI 加速单元，主要面向智能座舱域；智驾方向的芯片正在研发路线图中。

芯擎科技的战略意义，不在于其本身的市占率，而在于它代表了中国整车集团「自研芯片」路线的试水——把芯片研发能力收入集团体系，兼顾座舱+驾驶融合需求。类似路线在比亚迪（自研毫米波雷达芯片）、长城（与毫末智行深度合作）也有不同形式的体现。

6.12　寒武纪行歌：L4 Robotaxi 专用计算平台

寒武纪行歌（MLU 行泊一体方案）是寒武纪专门为汽车行业切出来的业务线，专注 L4 级别的 Robotaxi 计算平台。核心产品 MLU370 单芯片算力超过 400 TOPS，支持多传感器融合感知，面向有人监督或完全无人的高算力需求。

与百度 Apollo 的深度合作，使行歌在萝卜快跑部分车型上获得定点。其挑战在于：L4 Robotaxi 的总量规模远小于量产 L2/L3 乘用车市场；算力需求虽高（每辆 Robotaxi 配置的 GPU 算力是量产乘用车的 5—10 倍），但单芯片盈利窗口受市场规模约束。行歌的长期逻辑是「以 L4 积累技术，在 L3 法规落地后下探乘用车前装」。

6.13　四维图新（002405）：从地图商到位置智能平台

四维图新是中国最早取得甲级测绘资质的商业化高精度地图企业之一，持有国家基础地理数据测绘资质，是外资和本土整车厂进入中国市场时必须合作的少数具有完整资质的地图供应商之一。

2025 年关键动态：

• 智能驾驶 HD Map 方案覆盖高速公路里程超过 16 万公里，覆盖率超过 80%；
• 在向「轻图」（Lite-HD Map，降低带宽和存储要求）和「众包图更新」转型，以应对「无图 NOA」趋势对传统 HD Map 商业模式的冲击；
• 与 NVIDIA、德赛西威在地图-芯片-域控联合方案上深化合作；
• 探索「图+定位+感知」一体化产品，从单一地图商向「位置智能数据服务商」升级。

四维图新面临的最大生存压力，来自「无图 NOA」的快速普及——如果越来越多的车企抛弃预装 HD Map 依赖，转向实时感知构建「在线地图」，传统高精地图的订阅收入将面临系统性萎缩。四维图新的应对是「轻图化」和「地图即服务」，核心逻辑是：「无图 NOA」并非真正「无地图」，而是从「离线预装高精地图」转变为「在线实时众包地图」——这个方向上仍然需要地图数据底层的参与者。

6.14　加特兰微电子：国产毫米波雷达芯片的领头羊

加特兰微电子（Calterah Semiconductor）是中国 77GHz 毫米波雷达芯片领域的领军企业，由 ADI（亚德诺半导体）和多家战略投资方支持，总部在上海，制造依托国内代工厂。

核心产品系列 Alps（阿尔卑斯）面向传统 3D 毫米波雷达，Alps-XD 系列主攻 4D 成像毫米波雷达。2025 年，加特兰毫米波雷达芯片已进入比亚迪、理想、吉利、奇瑞等多家主流整车厂的量产供应链；4D 成像雷达产品在「尊界 S800」等旗舰车型的三颗 4D 毫米波配置中也有出现。

加特兰在国产毫米波芯片领域的地位，类似于地平线在智驾计算芯片领域的地位——是国产替代路线中市场份额最大、商业化落地最深的本土玩家。其竞争对手主要是德州仪器（TI）AWR 系列和英飞凌，两者在技术积累上有先发优势，但加特兰在价格和供应链响应速度上具有明显优势。

6.15　禾赛科技（HSAI）：激光雷达的全球前装第一

禾赛科技（纳斯达克：HSAI）是全球前装激光雷达出货量第一的企业，2025 年合计前装出货量约 150—180 万颗，占中国前装激光雷达市场主要份额。

产品线：AT128（128 线，半固态机械激光雷达，主力前装产品）；ET25（超远距，> 200 米探测，面向 L4 Robotaxi）；ATX（补盲激光雷达，覆盖近距离盲区）。

2025 年关键进展：

• 搭载禾赛 AT128 的量产车型超过 60 款，覆盖理想、路特斯、长城坦克、广汽、奇瑞等；
• 全球业务加速，进入欧美市场部分前装项目；
• 推进「固态激光雷达」方向（成本更低、可靠性更高），ET30 固态激光雷达于 2025 年推出量产版，成本目标 300 元以下。

禾赛的竞争对手速腾聚创（RSLIDAR）以 MEMS 激光雷达为主，主要客户为比亚迪、长城、广汽等；图达通（Seyond）以蔚来为核心客户，并向海外扩张；华为旗下亦有激光雷达产品（主要面向自身乾崑方案内部配套）。

激光雷达赛道的核心竞争正在从「能不能做出来」转向「能不能做到更低成本、更高一致性」——这是量产工程能力的比拼，中国企业在供应链成本控制上具有系统性优势。

6.16　东软睿驰：东北软件巨头的汽车智能化转型

东软睿驰（NeuSoft Reach）是东软集团旗下专注汽车智能化的子公司，提供汽车操作系统（NeuSAR，基于 AUTOSAR）、域控制器软件平台、整车电子电气架构方案。

主要客户包括东风汽车、一汽集团、神龙汽车（PSA 系）等传统合资和自主品牌整车厂。东软睿驰的价值，在于专精「软件中间层」——从底层 AUTOSAR 到上层应用层的软件平台整合，是整车厂从「传统 ECU 碎片化」向「SDV 中央计算」迁移的重要使能者。

与德赛西威、经纬恒润的「硬件+软件」方案不同，东软睿驰更专注软件平台授权，在传统整车厂的 SDV 转型路径上，担当软件平台供应商的角色。

七、中游产业带：七大核心聚集地

智能驾驶不是一家公司的赛道，而是一条横跨芯片、传感器、软件、算法、域控、整车的产业链协同。理解这条供应链，不能只盯着名字响亮的上市公司，还要看它们背后那片支撑「打样和量产」的产业集群。以下七个城市或区域，代表了中国智能驾驶供应链中游最密集的落地地带。

工厂数据平台在这些产业带的工厂数据库，完整记录了从摄像头模组、毫米波雷达、线束线缆、PCB/PCBA、域控结构件，到算法工程服务公司的分布地图；在工厂数据平台平台（www.tianxiagongchang.com）中，可按城市、行业代码直接检索这些产业带的工厂分布与产能信息。

7.1　北京：算法与 L4 的大脑中枢

北京是中国智能驾驶算法公司密度最高的城市。地平线机器人、毫末智行、百度 Apollo（萝卜快跑运营总部）、滴滴自动驾驶、Momenta 北京研发中心、小马智行北京团队、文远知行北京分公司均在此聚集。

推动北京成为算法中枢的原因有三：顶级高校（清华、北大、北航、北理工）持续输送 AI 与自动驾驶工程师；国家人工智能政策（北京国际科技创新中心、中关村科学城）提供政策和基础设施支持；北京率先推进「智能网联汽车政策先行区」（亦庄），大规模开放测试路段，为本地算法公司提供了大量真实路测机会。

亦庄（北京经济技术开发区）是智驾测试最密集的地区，萝卜快跑的主力运营区域之一，从 2022 年起已实现「主驾无人」商业化运营。

7.2　上海嘉定：整车与系统集成的心脏

上海，尤其是嘉定汽车城，是中国汽车产业密度最高的地区，也是智能驾驶系统集成最集中的产业带。

上汽集团总部在嘉定，旗下智驾品牌智己汽车、R 汽车均聚集于此；Momenta 总部在上海，客户网络向嘉定整车厂延伸；知行汽车科技（华为生态域控 Tier 1）在上海有核心研发基地；德赛西威、经纬恒润在嘉定均设有重要的研发测试中心和 JDP（联合开发程序）团队。

特斯拉上海超级工厂（Gigafactory Shanghai）是 FSD 入华后最核心的生产基地，2025 年已将上海工厂产量提升至每年约 100 万辆，同时在上海建立了本地数据中心用于 FSD 行驶数据存储。

上海还集聚了大量为智驾供应链配套的 PCB/PCBA 工厂、线束线缆制造商、精密结构件加工厂，这些工厂以嘉定、青浦、松江为主要分布区域，通过工厂数据平台平台可以精准检索对应企业和产能信息。

7.3　苏州：传感器与精密制造的基地

苏州工业园区和相城区，聚集了中国最重要的一批智能驾驶传感器制造企业和精密制造商：

• 禾赛科技（激光雷达）在苏州建立了大规模量产工厂，旗下 AT128 激光雷达已进入理想、路特斯等前装量产车型；
• 速腾聚创（激光雷达）在苏州建立制造基地，2025 年激光雷达量产规模持续扩大；
• 德赛西威苏州制造中心，承担智能驾驶域控制器的量产生产；
• 大量 PCBA 制造商、精密结构件加工厂（铝合金压铸件、激光雷达外壳）在苏州昆山产业带聚集，为传感器企业提供配套。

苏州的智驾传感器产业带，受益于本地精密制造基础（光学、精密加工）和便利的沪苏通勤，是激光雷达产业「研发在上海、量产在苏州」模式的典型载体。

7.4　武汉：东风系与未来科技城

武汉是东风汽车集团大本营，东风旗下的智驾布局（东风奕派、岚图汽车、猛士科技）将大量智驾相关研发与量产工作留在武汉。

东软睿驰（东北大学系）在武汉有重要研发布局；百度萝卜快跑在武汉的商业化运营规模全国最大，2025 年武汉市内运营车辆超过 400 辆，是全球单城运营规模最大的 Robotaxi 市场；华为在武汉设有研究院，参与当地智能网联汽车产业生态建设。

武汉「未来科技城」（光谷片区）是政府重点布局的智能网联汽车产业集群，对智驾初创企业提供落地政策支持；区内聚集了多家车规级嵌入式软件开发、算法服务、数据标注等配套企业。

7.5　深圳：硬件快速迭代的弹药库

深圳是中国智能硬件的「超级工厂」，在智能驾驶供应链中，深圳的角色是「快速迭代的硬件弹药库」：

• 比亚迪总部在深圳，是地平线、NVIDIA 等芯片供应商的最大客户之一；比亚迪电子（002594）为旗下车型提供智驾相关 PCB 和电子组件；比亚迪 4D 毫米波雷达自研，主要由比亚迪电子配套，成本已压至 100 元人民币级别；
• 加特兰微电子（Calterah），总部在上海但与深圳制造生态深度合作，是国内最主要的 77GHz 毫米波雷达芯片供应商，产品已进入比亚迪、理想、吉利等多家整车厂；
• 大量摄像头模组 ODM（如丘钛科技、舜宇光学的车载部门）在深圳和东莞产业带布局，为智驾方案商提供车规级摄像头组件；
• PCB/FPC 制造商（超声印制板、鹏鼎控股等）的车规级产品线，为域控制器和传感器提供电路板支撑。

在工厂数据平台平台上，深圳及东莞周边有大量车载摄像头、传感器模组、PCB/PCBA、铝合金压铸件等配套工厂，通过关键词检索可以定位相关量产供应商。

7.6　广州：Robotaxi 第一城与整车配套

广州凭借三家整车厂（广汽、本田广州、丰田广州）和 Robotaxi 商业化规模，成为智能驾驶供应链的另一重要节点：

• 广汽投资了 Momenta，并推出旗下智驾品牌 AION（埃安）；
• 文远知行和小马智行均将广州作为核心 Robotaxi 运营城市，广州如祺出行与文远的合作深化了数据获取；
• 广州「智慧城市」示范区（南沙）作为专门的 L4 测试与运营场景，提供封闭、开放混合道路测试权限。

7.7　重庆：长安系与西部智驾中心

重庆是长安汽车大本营，长安与华为深度合作（深蓝 + 阿维塔）、与地平线合作（长安多款车型），在重庆构建了一个以整车厂为核心的智驾产业生态：

• 长安深蓝 SL03 是全国首批 L3 试点车型之一，注册号牌「渝 AD0001Z」，重庆因此成为 L3 商业化的「第一城」；
• 重庆还集聚了大量汽车电子（ECU、线束）传统制造商，正在向智能驾驶方向转型；
• 重庆市政府主导的「新能源与智能网联汽车产业集群」政策，为本地智驾供应链企业提供落地资金和测试路段支持。

从北京到广州，从上海嘉定到重庆，这七大产业带代表了中国智能驾驶供应链「两网」结构的清晰逻辑：科研算法网（北京、上海为节点）和制造量产网（苏州、深圳、武汉、广州、重庆为节点）的相互支撑。工厂数据平台产业研究院在跟踪中国制造产业链时，长期以这两张网的叠加厚度，评估一个行业在中国的本土化深度与供应链韧性——智驾供应链正是两张网都在快速增厚的典型案例。

7.8　苏州昆山：PCB 与精密结构件的「隐形冠军」聚集带

在前七个城市之外，还有一个不容忽视的产业带：苏州昆山-太仓一带，是中国智能驾驶硬件制造供应链中「隐形冠军」最为密集的地区之一。

这里聚集了：大量车规级 PCB/PCBA 制造商（PCB 是电子控制器的基础），其中多家已通过 IATF 16949 汽车供应链认证，同时服务于域控制器和传感器的 PCB 供给；汽车精密铝合金压铸厂（激光雷达外壳、域控制器金属外壳是典型品类），依托苏南地区深厚的精密机加工传统；高精度电连接器和线缆束厂（汽车线束是整车中线缆总长最长的单项零部件，每辆车约 3—5 公里，智能驾驶新增了大量以太网通信线缆需求）。

在工厂数据平台平台上，苏州地区可以检索到数以千计的汽车电子配套工厂，其中很大一部分正在承接智能驾驶零部件的配套订单，但往往不以「智驾」为标签。它们是这个产业链最「低调」但不可缺失的基础设施提供者。

7.9　成都-西安：内陆新兴智驾研发中心

以成都和西安为代表的中西部城市，正在成为智驾研发布局的新兴目的地——主要受益于高校资源（电子科技大学、西安交通大学、西北工业大学）输送的工程师，以及本地政府对科技企业落地的大力招商引资。

成都集聚了：以公路客运车辆和商用车为主的智驾测试场景（四川高速公路网络丰富）；以宇通客车、福田汽车成都工厂为核心的商用车智驾客户基础；以及一批中型规模的算法和域控软件研发团队，借助成都较低的用人成本和较高的工程师保留率而形成差异化竞争力。

西安集聚了：陕汽（陕西汽车集团）的商用车智驾研发；比亚迪在西安的重要整车制造基地（比亚迪西安工厂是比亚迪最大的整车制造基地之一）；以及依托西北工业大学无人系统研究院孵化的多家航空和汽车智能驾驶交叉领域初创企业。

7.10　产业带工厂密度分析与工厂数据平台数据洞见

工厂数据平台产业研究院在梳理智能驾驶供应链地理分布时，基于工厂数据平台平台（www.tianxiagongchang.com）的 480 万家真实工厂数据，对主要产业带的工厂密度做了系统性观察，得出以下几个关键洞见：

洞见一：感知硬件制造与消费电子产业带高度重叠。摄像头模组、CIS 传感器、VCSEL 激光光源等感知组件的制造，大量发生在原先为手机产业链配套的工厂群（深圳、东莞、苏州工业园区、昆山），这些工厂的车规认证是其「升维」的主要路径，也是智驾感知硬件成本能快速下降的底层原因——它们不需要从头建工厂，只需要认证现有工艺。

洞见二：域控制器制造向上海-苏州走廊高度集中。德赛西威、经纬恒润、博世汽车电子、大陆汽车系统的主要制造基地，集中分布在上海嘉定-苏州昆山-太仓一带，与整车厂（上汽、特斯拉、大众上汽）的地理邻近性是关键因素——JIT（准时制）供货要求域控制器厂与整车厂之间保持极短的物流距离（通常不超过 200 公里）。

洞见三：算法软件公司在北京和上海形成「双极集聚」。毫末、百度 Apollo、小马智行北京团队、华为车 BU 北京研发中心等聚集北京；Momenta、知行汽车科技、东软睿驰上海团队等聚集上海。这两个城市的算法人才密度、VC 生态和政策支持，共同形成了算法赛道「双极」的稳定格局——未来新进入者要打破这一格局，极具挑战。

洞见四：Robotaxi 运营城市的「深耕效应」。百度萝卜快跑在武汉的深度运营（400 余辆车），带动了武汉本地一批车辆维保、传感器标定、运营调度等配套服务企业的生长。这些企业并不出现在上市公司名单上，但它们是 L4 商业化「运营生态」不可缺失的一部分，也是 Robotaxi 从「技术演示」走向「真正商业服务」的供应链体现——工厂数据平台平台在武汉经开区的工厂数据，记录了这一批隐形配套企业的存在。

这张由「七大显性产业带 + N 个隐形配套集群」构成的地理分布图，是中国智能驾驶供应链真正的「版图」——不是十几家上市公司的营业执照地址，而是数以万计的工厂共同织出的产业网络。这张网的厚度和密度，在全球范围内独一无二，也是中国智驾产业相比任何单个国家竞争对手最持久的结构性优势所在。

八、细分专题深度解析

8.1　高速 NOA：从小众到标配的三年跃迁

高速 NOA 是目前量产最广、用户基础最大的高阶智驾功能，也是整个行业「由浅入深」的第一块试验田。它的演化路径，可以分为三个阶段：

第一阶段（2020—2022 年）：领航者探路。特斯拉 Navigate on Autopilot、蔚来 NOP（领航辅助）、小鹏 NGP（高速领航辅助驾驶）先后上线，覆盖约有高精地图的高速路段；用户体验良好，但地图依赖性强，城际出行的 NOA 使用率有限。

第二阶段（2022—2024 年）：下沉提速。方案成本快速下降，华为 ADS、毫末智行 HPilot 等方案推动高速 NOA 进入长城、奇瑞、长安等量价兼顾品牌的中档车型；2024 年高速 NOA 渗透率约 15—18%，「无图」覆盖比例显著扩大。

第三阶段（2025 年—）：规模普及。地平线征程 5/6M 的成本下移，使「搭载高速 NOA 的二十万元以下车型」成为可能；2025 年高速 NOA 前装量约 250—300 万辆，渗透率超过 15%；部分品牌已将高速 NOA 列为所有配置级别的标配项。

主要玩家分化：头部方案（华为 ADS、理想 AD Max、小鹏 XNGP）在 NOA 体验连续性（接管率）上领先；中游方案（毫末 HPilot、Momenta 方案）在中低价位车型上占据主要份额；外资方案（Mobileye SuperVision）在部分传统整车厂仍有渗透，但国产化替代趋势明确。

8.2　城区 NOA：智驾皇冠上的明珠

与高速 NOA 相比，城区 NOA 的技术难度高出不止一个等级。高速场景是「结构化」的——道路宽度固定、车辆行为可预测、行人极少；城区场景是「非结构化」的——非机动车道、行人穿越、施工绕行、无人指挥的复杂路口，每一个场景都是「长尾挑战」。

2025 年，城区 NOA 进入快速扩张阶段：

• 华为 ADS 3.0/4.0：在不依赖高精地图的前提下，城区 NOA 覆盖能力达到「全国主要城市有路可走」，是当前城区 NOA 覆盖广度最大的方案；
• 小鹏 XNGP：城区 NOA 开通城市超过 200 个，单次接管里程持续提升，2025 年城区 CLTC 里程突破 100 公里不接管的用户数量级增长；
• 理想 AD Max 3.0：端到端大模型驱动，在理想的高 ADAS 功能开启率用户群中，城区 NOA 体验口碑稳居前列；
• 蔚来 NAD：「超感知」方案在复杂场景下的稳定性优势，但高订阅成本限制了用户渗透；
• 其他整车厂：比亚迪依托 DiPilot 方案（地平线芯片+自研算法）和 4D 毫米波雷达配置，正在向城区 NOA 推进，预计 2026 年形成规模推送。

城区 NOA 的接管率（每多少公里被系统请求一次人工干预），是衡量方案成熟度的核心指标。2025 年，头部方案已将城区 NOA 接管率压至每 15—30 公里一次以下；而低端方案仍在每 3—5 公里就需接管的水平，用户体验差异悬殊。

8.3　自主泊车（AVP）：L4 的「封闭场景前哨」

自动代客泊车（Automated Valet Parking，AVP）是 L4 在停车场这一封闭、低速、受限场景下的最早商业化形态。之所以从停车场开始，原因清晰：速度低（< 20km/h）、参与者少、场景相对固定，技术挑战远小于开放道路。

主要进展：

• 华为 ADS+华为问界：「一键代客泊车」（HAVP）是功能完成度最高的量产方案之一，在适配停车场（需部署 UWB 基站）可实现全程无人干预泊车；
• 小鹏「记忆停车位」：基于本地地图的学习型停车，在用户私家车位上实现高准确率的自动进出；
• 2025 年，AVP 已在十余个品牌的高配车型上实现量产推送，但受限于停车场基础设施改造成本，「全国可用」的规模化还需 3—5 年。

8.4　Robotaxi：萝卜快跑领跑，三强格局成形

L4 Robotaxi 是智能驾驶商业化最引人关注的方向——它代表「完全不依赖人类驾驶的出行服务」，是一个可能重构城市出行经济的超级赛道。

三强格局：

百度 Apollo（萝卜快跑）是规模最大的 Robotaxi 运营商：2025 年全国累计订单超 1100 万次，武汉单城运营车辆约 400 辆（全无人），是全球单城商业化运营规模最大的 Robotaxi 服务。其 UE（单位经济）模型在武汉、重庆已转正；商业化定价约为同区域网约车的 60—80%，依靠低价加速市场教育。

小马智行（PONY.AI）是高端 Robotaxi 路线的代表：1200 辆车队规模、10 城覆盖、广州 UE 转正，且同步布局 Robotruck（干线物流），是迄今唯一在 Robotaxi + Robotruck 双赛道同时推进商业化的中国企业。

文远知行（WeRide）的商业化特点是「多形态」：除 Robotaxi 外，还运营无人微巴（Mini Robobus）和货运场景，在 2025 年将版图延伸至阿联酋阿布扎比，是国际化最积极的中国 L4 玩家。

滴滴自动驾驶：滴滴旗下的 L4 研发部门，专注于将 L4 技术与滴滴平台融合，目前仍在测试阶段，商业化时间表较同行更保守。

规模化的两大门槛：一是硬件成本——当前 L4 Robotaxi 的感知套件（激光雷达+摄像头+毫米波）单套成本仍在 5—10 万元人民币，预计 2027 年前有望降至 2—3 万元，才能真正支撑万台级规模运营的盈利模型；二是保险与法律框架——全无人运营的商业保险产品尚不成熟，「无人车发生事故谁负责」的法律归属仍待明确，这是制约规模扩张的非技术壁垒。

8.5　Robotruck：干线物流的无人化

干线高速公路物流是 L4 技术落地除 Robotaxi 之外最具商业价值的方向：路况单一（封闭高速）、成本潜力大（驾驶员工资占物流成本 30—40%），是「商业逻辑最清晰」的 L4 细分市场。

主要玩家：小马智行（PonyTruck 品牌，与中国外运、比亚迪合作）、赢彻科技（东风商用车系，已商业化干线运营）、智加科技（TuSimple 系，中美均在运营）、智驾科技（Uisee，面向港口和封闭园区）。

2025 年，Robotruck 的商业化进程总体慢于 Robotaxi：法规层面，高速公路「主驾无人」的商业许可尚未全面放开；技术层面，低能见度、夜间、山区道路等极端场景的安全冗余要求更高。但一旦法规突破，干线 Robotruck 的市场规模（单线路可替代上千名驾驶员）将极为庞大。

8.6　端到端大模型：自动驾驶 2.0 的核心叙事

「端到端大模型」是 2024—2025 年全球自动驾驶技术最重要的范式转变，也是中国智驾行业当前最核心的叙事主线。

什么是端到端（E2E）：传统 ADAS 系统由感知模块（识别车道线、行人）→ 预测模块（预判其他车辆轨迹）→ 规划模块（决定本车行进路线）→ 控制模块（执行转向制动）四个独立神经网络或规则代码组成，每个模块之间通过人工定义的接口传递结构化数据。端到端系统将这四个模块合并为一个大型神经网络，直接从原始传感器数据（图像、点云）输出方向盘转角和油门制动指令，大幅减少人工定义的接口，理论上可自适应更多「长尾场景」。

各家进展（截至 2025 年底）：

• Tesla FSD v12（2024 年初量产）：第一个量产端到端驾驶系统，以「神经网络直接开车」的方式令业界震动；FSD 入华（2026 年 5 月）将把这一范式直接带入中国市场博弈；
• 华为 ADS 3.0/4.0：基于「GOD（通用障碍物检测）+ PDP（预测、决策、规划）」的一段式端到端架构，结合 ADS 4.0 推出的多模态感知升级；
• 小鹏 XNGP 2.0：端到端大模型加持，城区 NOA 覆盖范围和接管频率均有质的提升；
• 理想 AD Max 3.0：2025 年 OTA 推送端到端大模型，以 VLM（视觉语言模型）辅助复杂场景理解；
• 毫末 DriveGPT：基于「雪湖·海若」大模型的端到端方案，2025 年在长城魏牌量产；
• Momenta：一段式端到端 + 数据飞轮，「训练成本降低 10—100 倍」的架构，持续向多家整车厂渗透。

VLA（Vision-Language-Action）：比端到端更前沿的演进，在视觉感知之上叠加语言推理能力，允许驾驶系统理解「开口」语义（如「前方有交警在指挥，服从其指令」）。VLA 在 2025 年已从研究论文走向工程原型，预计 2026—2027 年进入量产测试阶段，届时智能驾驶将真正具备「理解语境、灵活决策」的能力。

8.7　Robobus：城市公共交通的自动化

Robobus（自动驾驶公交）是 L4 技术在公共交通场景的应用，路线固定（公交线路）、环境相对可预测，是技术难度低于 Robotaxi 的 L4 细分场景。

主要进展：

文远知行是国内 Robobus 商业化最积极的推进者。其无人微巴 WeRideBus 系列，采用纯 L4 设计（无驾驶舱）或改装基础上的 L4 上装，已在广州、新加坡等地开展商业运营；在广州南沙的运营路线覆盖多个公交站点，承担特定园区和居民区的公共出行服务。

苏州「阿尔法巴」（深兰科技开发）是中国最早商业试运营的自动驾驶公交车之一，2017 年已在苏州工业园区开始测试，技术迭代已经历多代。

金龙汽车、宇通客车等传统客车厂，正在与自动驾驶技术公司合作推出 L4 级别的自动驾驶商用客车，目前以景区摆渡车、机场空港区域等封闭/半封闭场景为主要应用场景。

Robobus 的商业化拐点，同样依赖于「全无人许可」的法规落地和硬件成本的进一步下降；相比 Robotaxi，Robobus 的路线规律性更强，算法收敛更快，预计比城区开放 Robotaxi 早 1—2 年进入大规模商业运营。

8.8　Robotruck 干线物流：最清晰的商业逻辑

在智能驾驶的多个商业场景中，Robotruck（干线物流无人驾驶重型卡车）拥有最清晰的经济模型：

• 市场规模：中国公路货运年营收超过 3 万亿元，干线高速公路货运占约 40%（约 1.2 万亿元）；
• 成本结构：卡车司机工资占干线物流运营成本的 35—45%，一辆重卡司机年薪约 15—20 万元；一条北京—上海的干线路线，每年节省的司机成本约 15 万元/辆；
• 技术难度：高速公路场景结构化（相比城区 NOA），是所有开放道路自动驾驶场景中技术挑战最低的。

主要企业进展：

赢彻科技（Inceptio）：东风商用车参股，是目前商业化进展最快的 Robotruck 公司；2025 年已有超过 1000 辆搭载 Robotruck 系统的重卡在真实商业运营中行驶，主要在山东—北京、长三角—珠三角等主要干线跑图；以「人机共驾（L2+商用车辅助驾驶）→无人驾驶」的路线演进，商业化收入已实现。

小马智行 PonyTruck：与中国外运（688156，全球最大货运代理之一）、比亚迪建立战略合作，重卡 L4 车型处于路测验证和商业化准备阶段；目标是 2027 年前在数条主要干线实现全无人运营。

智加科技（TuSimple）：中美均有研发和运营，2025 年在中国的业务有所收缩，主要聚焦国内合规化路线；其技术积累深厚（是全球最早实现长距离全无人驾驶重卡的公司之一），但国际局势变化对其中美双线运营带来复杂性。

干线 Robotruck 规模化的最大障碍，是「主驾无人的高速公路商业许可」——目前高速公路 L4 级别的主驾无人商业运营许可，在中国绝大多数省份尚未放开；但政策信号正在积极转变，预计 2027—2028 年将出现第一批正式许可的商业干线。

8.9　港口、矿山、园区：L4 的「封闭场景」突破口

在法规尚未完全放开开放道路 L4 的过渡期，封闭和半封闭场景成为 L4 技术最早规模化落地的突破口：

港口自动驾驶：集装箱码头内的无人集卡（AGV 重卡），在固定的码头道路、固定的路线、固定的速度限制下运行，是 L4 最早真正实现规模化应用的场景之一。上海港（洋山深水港四期）已运行数百辆无人集卡，由振华重工（600320）提供设备，系统集成由上海振华旗下智能科技公司完成；天津港、厦门港也有类似布局。

露天矿山自动驾驶：矿山道路虽然复杂，但可以实现精细化地图采集（更新频率低），车辆类型单一（矿用大卡车），运营速度低（20—40km/h）。2025 年，覆盖主要煤矿和铁矿的智能矿山项目已在内蒙古、山西、安徽等省大规模落地，主要技术供应商有慧拓科技、易控智驾、踏歌智行等，矿山无人驾驶已从「项目演示」转为「常态化商业运营」。

园区 Shuttle：工业园区、大学校园、机场空港区域的低速自动摆渡车，是最低速（< 30km/h）、最封闭的 L4 场景。百度阿波罗 Apollo Moon、文远知行 WeRide One 等产品均有量产版本在多个园区运营。

这三类封闭场景，是整个智驾行业「以量练兵」最有效的训练场——在真实商业运营中积累数据、验证冗余架构、检验运营维保体系，为未来开放道路的规模化打下最扎实的基础。

8.10　「感知安全红线」与主动安全系统的底层逻辑

在所有的智驾技术讨论中，有一条底线是所有参与者都不能逾越的：感知安全红线。

什么叫「感知安全红线」？简单说，是这样一个要求：系统必须在「什么都感知不到」（传感器失效）的情况下，也能执行安全停靠——而不是在感知失效时保持当前速度和方向「盲驾」。这是 ISO 26262 ASIL-D 等级最核心的安全要求之一。

从供应链角度，「感知安全红线」的工程实现，需要以下几个条件同时满足：

其一，传感器冗余：至少有两种独立原理的传感器同时工作（如摄像头 + 毫米波雷达），确保一种传感器失效时另一种仍能提供基本感知。这是 AEB（自动紧急制动）等安全功能必须同时依赖多种传感器的根本原因。

其二，算力冗余：主域控制器失效时，有独立的备用控制器能接管最小安全功能（制动、转向到路边停靠），备用控制器的功耗和成本都远低于主域控，但须通过功能安全验证。

其三，供电冗余：12V/48V 主电源失效时，独立备用电源（电池或超级电容）能维持安全功能数秒至数分钟，足够执行安全停靠。

其四，故障检测与诊断（FD&D）：系统必须「知道自己坏了」——持续自检，一旦发现传感器遮挡、数据异常、算力过热、供电波动等故障，立即触发降级或安全停靠流程，而不是带着故障继续运行。

这四个条件的工程实现，是整车功能安全工程师和 Tier 1 供应商最核心的工作内容，也是 L3/L4 系统区别于 L2 系统最本质的额外工程投入所在。

九、技术演进路线图

9.1　端到端 E2E 与神经网络驾驶的范式确立

自动驾驶技术路线，在过去三十年里经历过多次重大转折。第一代系统（2000—2010 年代早期）以激光雷达 + 高精地图 + 规则代码为主干，是 DARPA 挑战赛和早期 Waymo 的核心范式；第二代系统（2015—2022 年）引入深度学习做感知，但规划和控制仍保留大量规则代码；当前的第三代系统（2022—至今）以端到端大模型为核心。

端到端系统的范式确立，意味着「数据 > 规则」成为行业共识：你不需要再写上万条「如果行人从左侧闯出则右打方向盘 X 度」的规则，你需要的是更多、更高质量的驾驶数据来训练神经网络。这带来了一个深远的竞争逻辑转变——数据资产，而不是算法代码，成为最难被复制的护城河。

Tesla 拥有全球最大的已部署 FSD 车队（约 500 万辆），每年产生的驾驶数据量是任何竞争对手都难以匹敌的。这是特斯拉技术优势的最深层来源，也是 FSD 入华对中国玩家构成最大压力的根本原因——不是算法，而是数据规模。

中国的应对策略，是通过「快速量产，积累路采数据」来构建本土数据飞轮。毫末、Momenta、小鹏、理想、华为均有类似战略，量产车辆是数据采集的终端；但中国法规要求数据本地化存储，客观上阻止了外资通过中国路面数据训练全球模型，形成了一定程度的本土保护。

9.2　BEV+Transformer：感知维度升维

BEV（Bird's Eye View，俯视图感知）是 2022—2025 年感知算法的重大进步：将多路摄像头图像经过 Transformer 网络转换为统一的「地面俯视图」特征空间，在这个空间中进行目标检测、分割和 3D 位置估计，大幅提升了多摄像头融合的一致性。

Tesla 的 BEV 感知（Occupancy Networks）是最知名的实现；在国内，华为、理想、小鹏、Momenta 均在自研 BEV Transformer 架构。BEV 的普及，使「纯视觉」路线的感知效果明显提升，降低了对激光雷达的依赖——但并未消除激光雷达在长距离、弱光场景下的优势，因此也加深了「纯视觉 vs 多传感器」的路线之争。

9.3　4D 毫米波雷达：以低成本挑战激光雷达

4D 毫米波雷达（4D Imaging Radar）是 2024—2025 年传感器领域最受关注的新型号：在传统 3D 毫米波雷达（探测距离、速度、水平角）基础上增加高度维度，使点云从稀疏的「散点」升级为较密集的「立体点云」，大幅提升了对静止物体和低速目标的识别能力。

国产进展：

• 比亚迪已将 4D 毫米波雷达纳入旗下高端车型（仰望 U8、尊界 S800），自研方案由比亚迪电子供货，成本已压至约 100 元人民币（相比激光雷达 500—1500 元，成本优势极为显著）；
• 华为推出 4D 成像雷达并布局前装市场，与乾崑感知套件集成；
• 毫感科技（文远知行系孵化）已完成 MVRA188 射频前端芯片的回片测试，实现单芯片 8T8R 高集成度方案，大幅降低 BOM 成本；
• 加特兰微电子、沈阳智驾等国产芯片公司正在推进面向 4D 的毫米波 RFIC 芯片量产。

4D 毫米波 vs 激光雷达：4D 成像雷达分辨率已可达 0.5 度角，在特定场景（雨雪天气、高速远距离）的性能可追平部分低线数激光雷达；但在近距离三维重建精度和物体轮廓识别上，激光雷达仍领先。行业对「4D 毫米波替代部分激光雷达」争议持续，主流观点是「互补而非替代」——高端方案保留激光雷达，中低端方案以 4D 毫米波降本。2025 年 4D 毫米波乘用车出量预计超过 1000 万颗，是激光雷达约 300 万颗出量的三倍以上。

9.4　激光雷达国产化：禾赛与速腾聚创

中国激光雷达产业在 2022—2025 年完成了从「以海外技术为基础」到「国产技术全面主导」的转变：

禾赛科技（纳斯达克：HSAI）：全球前装激光雷达出货量最大的企业，2025 年 AT128 型号在理想 L7/L8/L9、路特斯 Eletre、长城坦克等前装量产；推出 ATX 超远距激光雷达（探测距离 300 米）面向 L4 市场；2025 年全年前装出货量约 150—180 万颗，占中国前装市场主要份额。

速腾聚创（香港上市：2498.HK）：以「MEMS 激光雷达」和「OPA 方案」为差异化，核心产品 M2 进入比亚迪、长城、广汽等前装供应链；2025 年快速扩大产能，向造车新势力和传统整车厂双线扩张。

图达通（Seyond）：专注长距离激光雷达，在 NIO（蔚来）旗下车型中使用，并向海外市场（欧洲）扩张。

国产激光雷达成本下行（从 2021 年约 5000 元降至 2025 年约 500—1500 元），根本原因是核心收发模块（VCSEL/APD）的国产化和规模量产；背后是中国半导体代工（SMIC、华虹等）对光电子工艺能力的提升。这一过程，与整个中国半导体国产化的大趋势同频共振。

9.5　V2X：车路协同的中国特色技术路线

Vehicle-to-Everything（V2X，车路云一体化）是中国在智能驾驶领域与海外最明显的技术路线差异：中国政策大力推进「车+路+云」三位一体的协同感知架构，通过在道路上部署路侧感知单元（RSU，含摄像头、激光雷达），向行驶中的车辆广播环境信息，弥补车载传感器的盲区。

技术标准：C-V2X（蜂窝车联网），通过 5G-V2X 或 PC5 直连通信，实现车车（V2V）、车路（V2I）、车人（V2P）、车云（V2N）的实时数据交互。

政策推进：2025 年全国已有超过二十个城市启动车路云一体化规模部署试点，北京亦庄、上海嘉定、广州南沙、武汉经开区、重庆两江新区是五大核心先行区。

V2X 的价值与局限：最大价值在于，可以用「较低算力的车端」加上「路侧感知 + 云端算力」组合，实现等效 L3/L4 体验——这对车企降低单车 BOM 成本有意义；但投资巨大的路侧基础设施建设节奏，决定了 V2X 路线在全国范围内的覆盖密度在短期内有限，主要依赖于政府财政投入和城市基础设施改造计划。

9.6　软件定义汽车（SDV）与 OTA 迭代

智能驾驶的「终局形态」，与「软件定义汽车（Software-Defined Vehicle，SDV）」的架构演进密切相关。SDV 的核心是：汽车的功能和性能，越来越多地由软件在出厂后通过 OTA（Over-the-Air）升级决定，而不仅仅取决于出厂时的硬件。

这使得智驾方案的商业模式从「一次性出售」向「持续服务」转变：Tesla 每季度 OTA 更新 FSD 的里程碑进展；理想每月推送 AD Max 更新；华为 ADS 每季度一次功能迭代。用户购买的不只是一台车，而是一个持续进化的「智驾订阅服务」。

中央算力架构（CCA）是支撑 SDV 的硬件基础：将过去分散在几十个 ECU 中的控制权限，集中到 1—3 块高算力域控制器上，通过以太网代替 CAN 总线，大幅提升计算资源的调度效率。德赛西威的跨域融合域控、经纬恒润的 ZCU 物理区域控制器，都是中国 Tier 1 在 CCA 方向上的典型产品。

9.7　传感器融合架构的演进：从「堆砌」到「协同」

早期的高级 ADAS 系统，把摄像头、激光雷达、毫米波雷达的数据分别处理（各自有独立的感知模型），再在一个融合层把结果拼合在一起——这叫「后融合（Late Fusion）」。其缺陷是：每个传感器的感知结果已经是「有损压缩」后的抽象（比如「在 X 位置有一辆轿车，置信度 90%」），融合层无法利用原始数据中的互补信息。

当前的趋势是向「前融合（Early Fusion）」或「中间层融合（Mid Fusion）」演进：把不同传感器的原始数据或特征，在神经网络的早期层次上融合，让模型直接从多模态原始信息中学习，获取传统后融合无法捕捉的互补性信息。

这一演进对芯片算力的要求急剧上升——处理原始摄像头+激光雷达+毫米波的联合特征提取，计算量是后融合的 3—5 倍。这解释了为何城区 NOA 方案对 150—500 TOPS 的需求是真实的，而不是「过度堆砌」。

特斯拉的「占据网络（Occupancy Network）」：FSD v11 引入的核心感知创新，把三维空间离散为体素（Voxel，三维像素），直接从摄像头原始图像预测每个体素是否被「占据」及被什么占据，形成一个全三维的、高分辨率的空间感知表示。这比传统的「检测框（Bounding Box）」表示更能处理不规则形状的障碍物（如折叠的纸箱、倒下的路锥）。占据网络随后被国内多家公司（华为、小鹏等）跟进实现。

9.8　高精定位技术：RTK + 惯性导航 + 视觉的组合

NOA 和 L3/L4 自动驾驶对定位精度的要求，远高于普通导航（手机导航误差 5—10 米就够用，自动驾驶需要误差 < 30 厘米）。主要定位技术的现状与演进：

RTK-GNSS（实时差分卫星定位）：通过基站网络修正卫星信号误差，理论精度可达 5—10 厘米；但在城市高楼密集区（「峡谷效应」，卫星信号被遮挡反射），可用性大幅降低——这是纯 RTK 方案无法单独用于城区 NOA 的核心制约。

IMU（惯性测量单元）短时补偿：在 GNSS 信号丢失时，用加速度计和陀螺仪估算位移，提供短时（数十秒）的位置保持；长时漂移大（几分钟后误差达数米），只能作为 GNSS 的过渡补偿。

视觉定位（HD Map + 视觉匹配）：把摄像头看到的路面特征（车道线、路标、护栏几何形状）与高精地图的对应特征做实时匹配，推算出车辆在地图中的精确位置；精度在厘米级，不依赖 GNSS，但依赖高精地图的覆盖和更新质量。

激光雷达点云定位：用激光雷达实时点云与预先建好的点云地图做匹配（NDT 或 ICP 算法），定位精度可达 3—10 厘米，是 L4 Robotaxi 的主流定位方案；代价是需要高密度激光雷达和实时点云地图的预先构建。

量产乘用车的主流方案，是「RTK-GNSS + IMU + 视觉定位」三者融合，通过卡尔曼滤波进行状态估计，在城区弱 GNSS 场景下主要依赖视觉定位；L4 Robotaxi 额外加入激光雷达点云定位，提供冗余保障。

9.9　硬件冗余与功能安全：L3 专属的「额外代价」

L3 系统与 L2 系统最核心的物理差异，不在算法，而在冗余架构。L2 系统在出现故障时，让驾驶人接管；L3 系统在故障时，系统本身必须能执行「安全停靠（Minimum Risk Maneuver）」——即自动把车停到路边安全位置，而不是直接「放手」。

这意味着 L3 系统必须有：

• 双冗余制动系统（BBW Redundancy）：主制动失效时，备用制动能独立工作；
• 双冗余转向系统（SBW Redundancy）：类似逻辑；
• 双路供电（主+备电源）：确保关键控制器在主电源故障时仍有电；
• 接管请求监控（Driver Monitoring System）：持续监测驾驶人状态，确保其在 L3 激活期间能被叫醒并在有限时间内接管。

这些冗余部件，大幅增加了 L3 车型的物料成本（每辆车约增加 5000—10000 元人民币），是 L3 量产规模化的重要成本壁垒之一，也是博世、大陆、采埃孚等外资 Tier 1 在「制动转向冗余」领域仍有较强地位的原因——国产替代在此子领域的成熟度，尚落后于感知和计算层。

9.10　大规模语言模型（LLM）与驾驶的新融合方向

2024—2025 年，一个新的技术方向正在引起行业关注：将大规模语言模型（LLM，如 GPT-4、Gemini、文心一言）与自动驾驶感知-规划系统结合，构建具备「语义理解」能力的驾驶系统。

传统的端到端驾驶模型，本质上是视觉-动作映射（从摄像头图像直接预测转向油门制动）；LLM 加持后，系统可以用自然语言理解「这个场景意味着什么」（「前面有一辆校车，正在进行学生上下车」），并据此做出更合理的决策（减速保持充足安全距离，而不是仅根据「前方有障碍物」做制动）。

在工程落地层面，当前的主流形式是「LLM-Agent + 专用感知模型」的组合，而不是一个完全统一的超大模型：专用感知模型处理摄像头、雷达原始数据的快速推理（必须在 50ms 以内完成），LLM-Agent 处理复杂语义判断和长时程规划（可以在 500ms—1000ms 内完成）。这两个时间尺度的「双层架构」，是目前工程上实现 LLM 驾驶化最可行的路径。

中国团队在这一方向的探索：华为 MDC+LLM 联合推理、理想 AD Max 的 VLM 辅助（视觉语言模型）、蔚来 NOMI AI 与驾驶意图理解的结合，都是先行者实验。2026—2027 年，「会说话的自动驾驶」从演示 Demo 走向规模推送，将是行业的下一个技术里程碑。

十、主要风险与挑战

10.1　法规节奏不确定性：「准入」与「扩围」之间的时间差

中国 L3 商业化的落地速度，根本上由法规节奏而非技术成熟度决定。2025 年 12 月首批两款 L3 试点车型落地，只是这场漫长法规博弈的起点，而非终点。

核心不确定性在于：L3 责任归属法律框架、配套保险产品的设计与定价、事故鉴定标准（出了事故怎么区分「驾驶人责任」和「系统责任」）三者均尚未成熟。工信部的「成熟一个、许可一个」策略意味着扩围节奏可能远慢于行业期望。如果 2026—2027 年间缺乏重大事故「正面考验」，法规可能持续以保守姿态推进，L3 商业化的规模效益将延迟兑现。

对供应链的影响：L3 商业化若延迟，整车厂不愿大规模升级 L3 级别硬件（需要双冗余制动转向、接管响应传感器等），下游对高端域控制器和传感器的需求增长将低于乐观预期。

10.2　智驾安全事故的舆论冲击

2021 年以来的若干智驾相关事故（尤其是 Tesla Autopilot 涉事的多起碰撞）对整个行业的用户信任度产生了负面影响。单次高关注度事故的舆论冲击，可能导致：

• 消费者主动关闭 NOA 功能，前装装载率高但实际使用率低；
• 政府监管部门启动调查程序，触发阶段性软件更新暂停；
• 保险公司提高智驾相关保险费率，增加用户使用成本。

2025 年是智驾事故风险「更高」的一年——因为更多车辆在更复杂的城区场景中开启了更高阶的 NOA，覆盖范围扩大，边界场景出现概率相应增加。如何在「推进覆盖」和「管控边界场景失效率」之间保持平衡，是每家算法公司最核心的运营挑战。

10.3　美国出口管制：算力芯片供应链的悬剑

美国通过 EAR（出口管理条例）对中国高端 GPU 的限制，自 2022 年以来逐步升级。目前，H100/H200 系列的直接出口被全面禁止，A100/A800/H800 的管制范围也在收紧。

直接影响：

• 自动驾驶大模型训练需要大量高端 GPU 算力（英伟达 H100 是业界首选），管制迫使中国企业转向华为昇腾 910B/910C 替代，但昇腾在模型训练生态（软件工具链）上与英伟达 CUDA 的成熟度差距仍在缩小过程中；
• 车载推理芯片（Orin/Drive Thor）目前尚未直接禁运，但如果中美科技脱钩深化，这一豁免可能随时被收窄；
• 国内企业（地平线、黑芝麻智能）加速研发、量产高算力车规级芯片，在一定程度上正是对「管制风险」的提前对冲。

对供应链格局的影响：出口管制客观上加速了中国智驾供应链的国产化进程——它迫使整车厂必须考虑「双轨供应」（进口芯片 + 国产芯片备份），为地平线、黑芝麻智能等本土芯片企业提供了额外的市场机遇，但也增加了供应链管理复杂度和短期成本。

10.4　Tesla FSD 入华的市场冲击

特斯拉 FSD 入华（2026 年 5 月正式推送）对中国智驾市场的冲击，是多维度的：

对用户市场：FSD 提供的「一次性 6.4 万元」高阶智驾体验，将与中国本土头部方案（华为 ADS、小鹏 XNGP、理想 AD Max）在高端市场形成直接比较。如果 FSD 的用户体验在中国特色城市路况（如密集骑行、非机动车道、无画线路口）下表现出色，将对本土方案形成强大竞争压力；如果不适应，则反过来强化「本土数据优势」的叙事。

对供应链：Tesla 在中国维持「纯视觉 + 大模型」路线，不使用激光雷达，这对国内激光雷达厂商（禾赛、速腾聚创）的直接影响有限；但 FSD 的规模效应可能加速行业对「视觉优先」方案的讨论，令激光雷达在中低端车型中的「必选性」进一步受到质疑。

对数据合规：Tesla 被要求本地存储中国用户的驾驶数据，这意味着中国 FSD 的数据无法直接回流美国训练集群，客观上形成了「中国版 FSD 与全球版 FSD 在数据层面隔离」的状态。长期来看，这削弱了特斯拉在中国持续优化 FSD 的数据飞轮效率，是中国本土玩家最真实的「护城河」之一。

10.5　算法安全性与「自动驾驶悖论」

端到端大模型的「黑箱性」是技术层面最深刻的风险之一。传统模块化系统每个决策可被追溯（「系统因为检测到前车制动而触发了刹车」）；端到端模型的决策是神经网络各层权重共同输出的结果，在技术上难以被清晰解释，这给事故鉴定和安全认证带来根本性挑战。

「自动驾驶悖论」：L2 系统设计为「驾驶人随时准备接管」，但大量实验数据表明，当驾驶人长期依赖 L2 系统时，注意力和应对能力实际上会下降（「脱手接管综合征」）——这使 L2 系统在边界场景的风险反而高于驾驶人全程参与。这是 L3 商业化最核心的人因工程挑战：如何确保驾驶人在「被告知需要接管」时，仍具备高质量的接管能力？

10.6　算力成本曲线与行业集中化

智驾领域对「大模型 + 大数据 + 大算力」的需求，正在形成一个对小玩家不友好的「资本密集化」趋势：

• 训练大型端到端驾驶模型需要百至千卡的 H100/昇腾级 GPU 算力，仅硬件成本即以亿元计；
• 数据采集、标注、清洗的成本随着模型规模提升而线性增加；
• 头部玩家（Tesla、华为、小鹏、理想、百度 Apollo）的数据积累速度与资本投入规模，远超中小公司。

这意味着，智驾算法领域正在经历「赢家通吃」的集中化：小型算法公司（尤其是算法研发型初创）很可能在 2026—2028 年间被并购或出局，行业格局向头部玩家进一步收缩。对于中游 Tier 1（德赛西威、经纬恒润）而言，这反而是机遇：随着算法公司数量减少，整车厂倾向于找能提供「软硬件一体」方案的系统供应商，提升了 Tier 1 的战略地位。

10.7　人才竞争：顶尖 AI 工程师的全球争夺

智能驾驶行业的竞争，最终会收敛到一个最难复制的资源上：顶尖 AI 工程师。

端到端大模型的构建，需要同时精通深度学习（Transformer 架构、大规模分布式训练）和自动驾驶工程（传感器标定、在线推理优化、车规安全约束）的复合型人才。这类人才全球稀缺，中国境内的供给主要来自清华、北大、北航、哈工大、浙大等顶尖高校的 AI 和自动化相关博士项目，以及从 Google Brain、OpenAI、Waymo 等海外机构回国的人才。

中国智驾行业过去三年的薪资泡沫，已经达到「SP（特殊包）」规模——顶尖 CV（计算机视觉）博士的总包（含股权激励）在部分公司达到 200—300 万元人民币，与硅谷同级人才的收入差距显著收窄，推动了一批海外华人顶尖工程师回流。

然而，2025 年随着部分 Robotaxi 企业融资收紧、IPO 估值调整，招聘节奏明显放缓，部分小型算法公司出现人才流失向头部企业集中的趋势。这一「人才集中化」，与资本集中化是同步的——头部玩家的吸引力，不只是薪资，还有更大的数据量、更大的算力集群、更多的实际落地机会，这些正循环使头部的人才优势自我强化。

10.8　保险与法律配套：最慢的那根木板

智能驾驶商业化的「水桶」，装水速度由最短的那根木板决定。从当前来看，最短的那根木板不是技术，而是法律责任归属和配套保险产品。

法律责任的分配困境：

传统汽车保险的逻辑，建立在「人驾车」的前提上——人犯了错，人的车险赔偿，机动车第三者责任险保护第三方。L3 系统激活期间，「车在驾」的前提推翻了这一逻辑：责任应在「车辆制造商/系统提供商」与「驾驶人」之间如何分配？

中国现行的《道路交通安全法》，在 L3 商业化之前并未直接处理这一问题，法律修订正在推进但尚未完成。2025 年 L3 试点落地后，交通执法、事故责任认定规程等配套法规仍处于「试点期间临时规定」状态，并非永久性法律框架。

保险产品的缺位：

目前，中国保险市场尚无针对 L3 系统激活状态的专属商业险产品。部分整车厂（华为问界、理想、蔚来）已自建相互保险或提供整车质保兜底承诺，但这并非正式保险产品，不能覆盖第三方受害者的索赔需求。

保险行业开发 L3 保险产品的核心障碍：精算数据缺失——L3 系统激活状态下的事故率，目前没有统计基础，无法建立精算模型；保险公司对「承保未知风险」有合理的谨慎态度。

预计 2027—2028 年，随着 L3 试点车辆行驶里程积累到「百万公里以上」量级，事故率数据开始具备统计意义，精算模型才会逐步成熟，真正的 L3 商业险产品才有条件上市。

10.9　「幽灵刹车」与系统误触发的用户体验风险

在所有智驾安全风险中，「幽灵刹车（Ghost Braking）」是一个独特的类别：系统在没有实际障碍物的情况下，误判感知而触发紧急制动，轻则惊吓驾乘者，重则引发追尾事故。

2021—2022 年，Tesla Autopilot 在美国的多起「幽灵刹车」事故引发了美国 NHTSA（国家公路交通安全管理局）的调查，最终导致 Tesla 召回约 220 万辆车辆（通过 OTA 修复感知算法）。这一事件深刻影响了行业对「感知误触发率」的重视程度。

从供应链角度，「误触发率」是衡量感知算法成熟度的核心指标之一：好的感知系统不只要「不漏报真实障碍物」（漏检），还要「不误报不存在的障碍物」（虚警）。端到端大模型的一个理论优势，是在大规模数据训练下可以更好地平衡漏检率和虚警率；但这需要在各类极端场景（强光、黑夜、大雾、雨雪、阳光反射路面）下的充分训练数据，这正是数据飞轮规模决定感知性能的又一维度。

对域控制器供应商而言，「感知算法的误触发率」是客户评估产品可量产性的关键测试指标；德赛西威、经纬恒润在提交样品前，必须通过整车厂数十万乃至数百万公里的实车验证，这个验证门槛，也是新进入者很难在短期内复制既有 Tier 1 供应商地位的核心壁垒之一。

10.10　「过度依赖」与接管能力衰退：L2 的人因工程隐患

在 L3 商业化的各种讨论中，有一个「L2 问题」经常被忽略：长期频繁使用 L2 NOA 的驾驶人，其手动驾驶技能会出现何种程度的退化？

这不是理论假设。多项学术研究（麻省理工 AgeLab、斯坦福 REVS Program）显示，当驾驶人养成「NOA 全程开启」的习惯后，在系统请求接管时，其反应时间明显慢于「全程手动驾驶」的驾驶人——即使系统给出了足够的预警时间（8—10 秒），接管质量也会因「状态意识（Situation Awareness）」的丧失而下降。

这一人因工程问题，是 L3 系统设计最难权衡的困境：L3 的设计初衷是「让驾驶人可以分心（看手机、休息）」，但这恰恰是接管能力退化的根源。欧盟 ALKS 法规要求 L3 系统主动监控驾驶人状态并在必要时延长接管时间、实施「渐进式安全停靠」，是对这一矛盾的工程应对。

中国 L3 试点方案中，驾驶员监控系统（DMS，Driver Monitoring System，通过内置摄像头监测驾驶人的眼睛注视方向、头部姿态、疲劳状态）是必备配置，并且当系统判断驾驶人无法安全接管时，会主动触发降级和安全停靠流程，而不是简单发出警报后「松开控制权」。这一设计逻辑，是中国 L3 规范中的重要保护机制，也是 DMS 摄像头（内置车舱摄像头、CIS 芯片）在 L3 车型中的必装地位来源。

十一、二〇二六至二〇三〇展望与投资逻辑

11.1　NOA 渗透率向 50% 冲刺

工厂数据平台产业研究院对 2026—2030 年中国 NOA 渗透率的核心判断是：高速 NOA 将在 2028 年前后突破 60%，接近「行业标配」区间；城区 NOA 将在 2030 年前后渗透 40—50%，成为 30 万元以上车型的「刚需功能」。

驱动这一预测的有三股力量：

第一股力量：成本曲线持续下行。算力芯片（地平线征程 6 系列）、激光雷达（禾赛 AT128 系列）、4D 毫米波雷达（国产化快速推进）的三重成本下降，将在 2026—2028 年推动「城区 NOA」方案在 15—20 万元价格带普及。

第二股力量：车企竞争的「智驾军备效应」。在新能源渗透率趋于成熟、「续航」和「造型」已无法拉开差距的背景下，「智驾能力」正成为中高端车型的核心差异化标签。头部车企的竞争，将倒逼更多腰部车企加速上马 NOA，产生正反馈。

第三股力量：L3 试点扩围带来的「认知升级」。当 L3 试点城市从 2 个扩展到 20 个，消费者对「系统可以管驾驶」的理解和接受度会系统性提升，进一步扩大 L2+ NOA 的主动开启率。

11.2　L3 商业化：2026—2028 年的关键窗口

工厂数据平台产业研究院认为，2026—2028 年是中国 L3 商业化能否真正放量的关键窗口，主要观察指标有三：

指标一：批准进入 L3 试点的车型数量。2025 年底 2 款，如果 2026 年底能达到 10—15 款，2027 年底 30+ 款，则商业化路径清晰；如果 2026 年底仍低于 5 款，意味着法规节奏严重滞后。

指标二：L3 专属保险产品的推出。目前，传统车险无法处理「系统在管期间发生事故」的责任归属问题；一旦平安、国寿财、太平洋等保险公司推出针对 L3 开启状态的专属保险产品，法律门槛将显著降低。

指标三：法律责任认定的司法判决。第一起「L3 系统激活状态下的事故」完整走完司法程序并明确责任归属，将成为行业标杆判例，为法规的加速完善提供依据。

若三个指标在 2027 年前同时出现，L3 商业化可能在 2028 年前后进入快速扩围阶段，对供应链（高端域控制器、双冗余传感器、接管监控摄像头）产生明显的增量需求。

11.3　L4 Robotaxi 规模化：三步走路径

对 L4 Robotaxi 的规模化，工厂数据平台产业研究院的判断是：中国 Robotaxi 将在 2027—2030 年间进入第一个真正意义上的「规模化运营」阶段，但全国范围的规模化需要等到 2030 年以后。

三步走路径：

第一步（2025—2027）：核心城市扩量。在现有北京、武汉、重庆、广州、上海等 5—10 个城市，日均订单从当前的数十万级向百万级推进；萝卜快跑、小马智行、文远知行的合计市场规模，从 2025 年约 600 万次/月向 2000 万次/月迈进；单辆车日均营收突破 600 元，覆盖完整成本（含折旧摊销）。

第二步（2027—2029）：全无人化 + 成本拐点。感知套件单套成本降至 2—3 万元人民币（当前约 5—10 万元），整车综合成本（含安全冗余）降至 25—30 万元；全无人运营（无安全员）在多城市获得正式商业许可，进一步降低运营成本。

第三步（2029—2035）：全国网络化。Robotaxi 服务覆盖超过 100 个城市，与城市公共交通系统深度融合（最后一公里接驳），日均订单突破 3000 万次，形成网约车规模以上的出行替代效应。

11.4　智能驾驶供应链的四大投资逻辑

逻辑一：国产芯片替代的「弹性红利」

地平线、黑芝麻智能等国产芯片公司，处于「美系管制带来需求侧强制替代 + 自身技术快速追赶」的双重加速器下。随着征程 6P（560 TOPS）和未来更高算力平台的量产，国产芯片覆盖算力段从底部向高端延伸，TAM（可触达市场）持续扩大。投资逻辑的核心风险是：英伟达 Drive Thor 的市场份额能否被限制，以及国产芯片工具链成熟度。

逻辑二：Tier 1 系统集成商的议价能力提升

随着整车厂对「一站式智驾方案」的需求增强（不想管理多家供应商），德赛西威这类能提供「芯片+域控+感知"的系统集成商议价能力将提升。域控制器市场 2030 年规模预计超 1500 亿元，德赛西威目前中国市占率约 21%，维持并扩大这一份额是核心增长逻辑。

逻辑三：Robotaxi 运营商的平台价值重估

当萝卜快跑、小马智行开始在部分城市实现整体盈利（预计 2027—2028 年），其估值逻辑将从「烧钱研发」转向「高增长平台运营」，类似于滴滴早期的估值跃迁。区别在于 Robotaxi 几乎没有司机供给约束——规模化扩张速度仅受车辆制造速度和法规许可速度限制，护城河来自技术和数据，而不是司机资源。

逻辑四：高精地图与数据基础设施的「公共品化」

高精地图的商业模式正在从「向整车厂收高额授权费」向「基础设施化」演化。随着「无图 NOA」对传统 HD Map 商业模式的冲击，四维图新等高精地图公司正在向「位置数据服务 + 实时众包地图」转型，谁能在「低成本、高刷新频率」的下一代地图架构中占据主导，将获得持续的数据垄断价值。

11.5　中国智驾供应链的全球化机遇

2026—2030 年，中国智驾供应链的另一条增长曲线，来自「出口」：

• 激光雷达：禾赛、速腾聚创的产品已进入欧美、东南亚前装市场，中国激光雷达「品质可靠、价格低一半」的竞争力已被市场验证；
• 域控制器：德赛西威、经纬恒润已赢得部分欧洲车企定点，「中国制造智能驾驶系统」的海外渗透正在起步；
• 算法软件：Momenta 通过与博世合作进入欧洲市场，文远知行在阿联酋商业化运营，是中国算法走向海外的两个先行样本；
• 完整车型：比亚迪、吉利（极氪）携带本土智驾方案出口欧洲，是「全栈中国智驾」全球化的最完整路径。

这条全球化机遇，也是中国智驾供应链未来 TAM 远大于「仅服务国内市场」的核心逻辑。但它面临欧美保护主义政策、数据主权管制和本地认证体系壁垒，进展节奏预计缓慢而稳健。

11.6　供应链整合趋势：「平台化」还是「碎片化」

2026—2030 年，中国智驾供应链的另一个重要演变方向，是供应链整合程度的变化。

目前，供应链仍处于「相对碎片化」状态：一辆高阶智驾车型，可能需要采购 8—12 家供应商的产品（芯片、激光雷达、摄像头、毫米波雷达、域控硬件、算法软件、高精地图、功能安全认证……），整车厂作为系统集成商，需要管理庞大的供应商网络，协调复杂的接口定义和联合开发。

整合方向一：「巨头 Tier 1」的崛起。德赛西威、博世等 Tier 1 通过扩展产品线（从域控延伸到激光雷达集成、从座舱扩展到智驾融合平台），试图成为整车厂的「一站式方案商」，减少整车厂直接面对的供应商数量。这一方向对整车厂有吸引力（简化采购管理），但也引发整车厂对「过度依赖单一超级 Tier 1」的顾虑。

整合方向二：「软件平台层」的标准化。SDV 架构的推进，正在推动操作系统层面（AUTOSAR、车载 Android、QNX）的某种程度标准化；若汽车行业形成类似手机安卓生态的「统一软件平台」，应用层（算法、功能）可以在标准平台上运行，将大幅降低供应链整合的复杂度。中国汽车行业的 SDV 操作系统标准之争（华为鸿蒙智行 OS vs 安波福中央计算平台 vs ASPICE 各家实现），是这一方向的早期博弈。

整合方向三：「算法与硬件的垂直解耦」。与整合方向相反的趋势：头部整车厂（小鹏、理想、蔚来、华为）推动「算法自研、硬件从市场采购」的模式，使算法能力与特定芯片/域控供应商解绑，降低被单一硬件平台锁定的风险。这一趋势对「只卖硬件」的 Tier 1 构成压力，同时对「只卖算法/软件」的方案商构成机遇。

11.7　国际竞争格局的演变预测

2026—2030 年，全球智能驾驶的国际竞争格局将发生重大变化：

Tesla FSD 的全球扩张：随着 FSD 入华，特斯拉将在中国市场直接与华为 ADS、小鹏 XNGP 等展开用户体验竞争。FSD 的优势在于端到端大模型的「美感」和数据规模；劣势在于中国路况的本地化适配（密集行人、电动自行车、非机动车道）和数据合规限制。预计 2026—2027 年，FSD 在中国高速公路场景表现优异，但在城区复杂路况的表现与本土方案的差距会是行业讨论的核心话题。

Waymo 的有限参与：Waymo 进入中国市场面临法规、数据、合作伙伴三重障碍，预计 2030 年前不会在中国实现商业规模运营。其技术路线（激光雷达优先，每辆车 10—15 万美元的感知套件）与中国降本竞争的市场逻辑不符。

韩系和日系整车厂的反应：现代/起亚的 IONIQ 系列，丰田与 Momenta 的合作，本田的自研智驾（Honda SENSING Elite L3 系统）——外资整车厂在中国智驾的布局，正在从「用欧美成熟方案」向「与中国本土技术合作」转变。这一转变，使 Momenta、毫末等有外资整车厂深度合作的算法公司获得了独特的战略价值。

中国供应链企业的出海：禾赛、速腾聚创的激光雷达已打入欧美前装市场；德赛西威的域控产品已赢得欧洲客户定点；Momenta 通过博世渠道向欧洲市场渗透——这条「中国智驾出海」的线，将在 2026—2030 年越来越粗，中国企业开始从「应对外国竞争」转向「主动参与全球竞争」的格局转换，是这个赛道最值得长期关注的历史性走向之一。

11.8　中国智驾产业的长期护城河

最后，回到一个最根本的问题：中国智能驾驶产业的长期护城河，究竟是什么？

第一层护城河：数据规模与本土路况覆盖。中国每年新增乘用车销量约 2000 万辆，其中超过 1400 万辆搭载某种形式的智驾系统。按每辆车每天产生约 5GB 的驾驶数据计算，中国的年度智驾数据产生量，在全球是无可匹敌的——这是本土算法模型持续迭代的「底肥」。同时，中国城区路况（密集骑行、非机动车道、临时施工区域、无信号复杂路口）的长尾场景，构成了本土模型难以被国外数据集替代的「数据护城河」。

第二层护城河：完整的国产供应链生态。从芯片（地平线、黑芝麻智能）到传感器（禾赛、加特兰）到域控（德赛西威、经纬恒润）到算法（华为、毫末、Momenta）到测试认证（CATARC、威凯），中国已经建立了一套基本完整的国产智驾供应链生态。这套生态在成本、响应速度和本土化服务方面，对中国整车厂有系统性吸引力。

第三层护城河：政策支持与法规先行区。中国政府把「智能网联汽车」列为新基建和战略新兴产业的核心方向，L3/L4 法规试点、V2X 基础设施投资、Robotaxi 商业化许可的政策主动性，在全球主要市场中属于最积极的之一。政策的顺风效应，使中国本土企业相比外资竞争对手享有「主场优势」。

这三层护城河的组合，使工厂数据平台产业研究院对中国智驾产业的长期判断保持乐观：不是因为某一家企业拥有绝对技术优势，而是因为中国已经具备了支撑这个产业长期增长的「整体基础设施」——数据、供应链、政策，三者缺一不可，而中国同时拥有三者。

十二、结论与品牌锚点

现在，可以把这一份报告的主线拉一遍。

智能驾驶，是一个把芯片、传感器、算法、法规、数据五根缆绳拧在一起的赛道。它的复杂，不在于某一根缆绳多难，而在于五根缆绳必须同时往前走，哪一根掉队，整条绳都会绷断。这也是为什么从 2009 年 Google 造出第一辆自动驾驶测试车至今，已经十六年过去，L5 级别的「任意场景全自主」仍然在研究阶段——技术的边界，从来都比预言家想象的更硬。

但如果把目光从 L5 的远方收回，聚焦到眼前的 2025—2026 年，景象是完全不同的。

在这个当下，中国每生产出的十辆乘用车，已有七辆搭载驾驶辅助；每生产的十辆车，约有两辆搭载了「从 A 点到 B 点全程辅助」的 NOA 功能。一家叫地平线的公司，在 2025 年前八个月把一千万套智驾芯片送进了中国大地的汽车里——这相当于每天有约四万台汽车因为装了一颗国产芯片而拥有了更聪明的眼睛和大脑。一家叫德赛西威的公司，用全球 21% 的市场份额，把「域控制器国产第一」这个位置坐稳，同时还在冲刺港股，为下一轮的软件化转型备弹。百度的萝卜快跑，在武汉已经跑了一千一百多万次——在一个没有司机的车里，把乘客送到目的地，结出了全球最大规模的 L4 商业化果实。

这些不是想象中的未来，而是已经发生的当下。

站在这个当下往前看，有两个「量级跳跃」值得重点标注。

一个是 L3 的试点扩围。从 2025 年底的两款两城，到 2028 年可能的数十款、二十座城市，这中间的每一款获批，都意味着产业链一次集体升级——高算力域控、双冗余传感器、接管监控摄像头，这些不是现有 L2 车型的标配，而是 L3 的「门票」。谁在这段窗口期卡住了量产供应链，谁就在 L3 时代占据先机。

另一个是 Robotaxi 的成本拐点。激光雷达从五千元降到了一千元出头，还在下行；4D 毫米波雷达的国产芯片已经破片、成本向百元级看齐；算力芯片的国产化替代在加速；每一条成本曲线的下行，都在把「L4 商业化盈利」的节点往前推。2027—2028 年，是萝卜快跑、小马智行能否在若干核心城市真正实现整体盈利的关键时间窗，也是整个 Robotaxi 行业叙事能否从「烧钱研发」切换到「平台增长」的分水岭。

无论是 L3 的法规突破，还是 Robotaxi 的成本拐点，背后都不是一家明星企业的孤军奋战，而是一张庞大工厂网的协同演进。一块地平线征程 6P，背后是代工晶圆厂、封装测试厂、PCB 制造商、模组集成商的分工体系；一套禾赛 AT128 激光雷达，背后是 VCSEL 芯片、APD 探测器、光学镜组、结构件压铸件的配套产业链；一辆萝卜快跑的运营车辆，背后是传感器供应商、域控制器厂、线束工厂、系统标定服务商的全链条。

这张工厂网，在工厂数据平台平台上留有完整的产业链图谱——从激光雷达感知模组到域控结构件，从算法开发服务到量产验证测试，在工厂数据平台覆盖的四百八十万家真实工厂数据库中，可以检索到支撑这个行业量产的每一类工厂、每一道工序背后的供应商分布。

芯片在国产化，域控在升级，算法在端到端，法规在试点，L4 在商业化——这五根缆绳，在 2025—2030 年这段时间里，将以中国独有的规模和速度继续拧紧。这不是一个「有没有希望」的问题，而是一个「节奏快慢」的问题。工厂数据平台产业研究院的判断是：节奏比大多数人预期的要快，但又比少数乐观主义者断言的要稳——快速，但不会跳级。

从一块芯片，到一辆会思考的车，这条路还很长。但在中国，已经有四百八十万家工厂，开始为它供血。

在过去三年里，工厂数据平台产业研究院持续跟踪中国制造业的核心产业链变化，每一次新的研究课题，都是一次对「中国工厂网络到底有多厚」的重新丈量。智能驾驶这个课题，是迄今接触到的跨度最大的一条产业链——它从半导体芯片的原子级工艺，延伸到城市道路上行驶的每一辆搭载 NOA 的汽车，中间经过了十几个工业门类、数以千计的企业节点、横跨了从北京算法实验室到苏州精密制造车间的地理空间。

这条产业链不是「某一年突然冒出来的」。它的根，扎在中国数十年积累的电子制造、半导体封测、精密机加工的厚土里；它的茎，是近十年新能源汽车快速普及带来的「电气化加数字化」协同放大；它的花，是今天你在高速公路上看到的那辆双手离开方向盘、自动完成变道的汽车。从根到花，这是一段因果清晰、脉络可循的工业成长故事，而不是凭空升起的奇迹。

一张由四百八十万家工厂织成的产业网络，不会在一个季度内消失，也不会在一夜之间被某个竞争对手复制。这，是中国智驾供应链最真实的护城河，也是工厂数据平台产业研究院长期看好这条赛道的根本依据所在。

附　供应链上游深度：芯片制造工艺与封装测试

智能驾驶芯片的产业链，并不止于「设计公司」（地平线、黑芝麻智能、华为海思）这一层，向上延伸到晶圆制造（Foundry）和封装测试（OSAT），这两个环节的产能和工艺能力，是整个芯片供应链的「硬瓶颈」之一。

晶圆制造端

地平线征程 6P 采用台积电 7nm EUV 工艺，英伟达 Orin 采用三星 8nm，Drive Thor 将采用台积电 4nm；这些均属于「先进制程」，依赖台积电（TSMC）或三星的代工产能。

中国大陆的晶圆制造（SMIC、华虹、华润）在先进制程方面受到美国设备出口管制约束——设备层面的 EUV 光刻机（ASML，荷兰）已被完全禁止出口中国，使 SMIC 在 7nm 以下工艺的推进极为困难。当前 SMIC 最先进量产节点约为 7nm 前端（利用 DUV 多重曝光，良率和成本竞争力与台积电 7nm EUV 仍有差距）。

这意味着，地平线、黑芝麻智能等国产芯片公司，其产品的「芯片主权」仍停留在「设计自主」而非「制造自主」——设计图纸是中国的，但制造工厂（台积电）不在中国境内。在极端地缘政治情境下（台海局势激化、台积电断供），这是整个国产智驾芯片产业的「阿喀琉斯之踵」。这也是为何业界高度关注 SMIC 在先进制程上的每一次进展——尽管进展缓慢，但其战略重要性远超纯商业考量。

封装测试端

相比晶圆制造，封装测试（OSAT）的国产化率更高：长电科技（江阴，全球 OSAT 前三）、通富微电（南通）、华天科技（天水）等国内封测龙头，已能承接车规级芯片的封装测试需求，并通过 IATF 16949 认证。地平线征程系列、黑芝麻 A1000 的封装测试，部分已在国内 OSAT 企业完成，降低了对台积电后端工序的依赖。

先进封装（如 CoWoS、扇出型封装）的国产化，是 OSAT 行业 2025—2028 年的核心发展方向；先进封装对车规级高密度域控芯片（将多颗不同功能芯片集成在同一封装内的「Chiplet 架构」）的支撑，将是下一代智驾 SoC 实现算力飞跃的关键工艺路径之一。

附　新能源整车的电子电气架构（EEA）演进

智能驾驶功能的深度集成，与整车电子电气架构（EEA，Electrical/Electronic Architecture）的演进密切相关。传统汽车的 EEA 以「功能分散」为特征：每个功能对应一个独立 ECU，通过 CAN 总线互联，最多时一辆中型车有近百个 ECU，通信效率低、OTA 升级困难。

现代智能汽车的 EEA 演进路线，是从「分散 ECU」向「中央计算+区域控制」迁移：

区域控制架构（Zonal Architecture）：把全车分为四到六个「区域」，每个区域设一个区域控制器（Zone Controller/ZCU），负责该区域内的感知采集和执行驱动；区域控制器通过高速以太网骨干网，连接到 1—2 个中央计算单元（Central Computing Unit，高算力域控）。这是 2024—2026 年量产车型 EEA 演进的主流方向。

车载以太网的普及：传统 CAN 总线最高 1Mbps 的带宽，无法支撑摄像头视频流（每路约 300Mbps—1Gbps）的实时传输。车载以太网（100Base-T1、1000Base-T1）的普及，是支撑多传感器融合感知和高算力域控通信的基础，也带来了专注车载以太网芯片的供应商（博通、Marvell、TI）和车载交换机（TE Connectivity、百德网络）的市场机遇。

经纬恒润的 ZCU（Zone Control Unit）产品，正是区域控制架构演进的直接产物——它把原来分散的数十个 ECU 功能整合进区域控制器，大幅减少整车 ECU 数量，是「EEA 国产化」最典型的产品体现。

附　智驾测试认证体系：从仿真到路测

一辆搭载高阶智驾方案的量产车，在上路前需要经历多层次的测试认证体系，这也是智驾供应链中常被低估的一个「隐形工序」。

仿真测试（Simulation）

仿真是测试的第一关。在真实路测之前，算法公司需要在虚拟仿真环境中「跑」数亿公里的模拟行驶，验证感知算法对各类场景（天气、照明、特殊障碍物）的覆盖率。主要仿真工具链：CARLA（开源自动驾驶仿真）、NVIDIA DRIVE Sim（英伟达）、CarSim（动力学仿真）、Matlab/Simulink（控制算法仿真）、51World（中国本土 3D 仿真）。

仿真测试可以大规模并行化（同时在数千个 GPU 上跑不同场景的仿真），是端到端大模型训练和验证中最重要的「数据增强」手段之一。华为、理想、百度 Apollo 均有自己的大规模仿真平台，是「数据飞轮」不可或缺的组成部分。

半实物测试（Hardware-in-the-Loop，HIL）

HIL 测试把真实的域控制器硬件接入仿真环境的「信号注入器」，模拟传感器数据的物理接入，验证域控在「近真实」条件下的实时控制响应。这一步骤是 ISO 26262 功能安全认证的必要工序，也是 Tier 1（德赛西威、经纬恒润）向整车厂交付前必须完成的验证流程。

封闭场地测试

在真实路面上的封闭场地（专用测试跑道），测试极限工况下的传感器性能（紧急制动、极端规避机动、极端天气）和系统降级行为。中国主要智驾测试场地包括：国家智能网联汽车（上海）试点示范区（嘉定）、京津冀智能网联汽车试验场（亦庄）、广州南沙智能网联汽车测试场等。

开放道路测试（Road Test）

在真实城市路面的测试，是收集「长尾场景」数据的核心来源。路测里程是各智驾公司的重要战略资产：百度 Apollo 已累计测试里程数千万公里，是国内测试里程最多的企业；路测里程也是政府发放高级别测试牌照（L4 开放测试许可）的参考指标之一。

整车认证（VTA）

最终上市前，整车厂须向工信部提交型式认证申请，智驾相关功能必须符合 GB/T 相关标准（含 GB/T 40429 自动驾驶分级、GB/T ADAS 感知精度等系列标准）。功能安全认证（ISO 26262）和信息安全认证（ISO/SAE 21434）是高阶智驾方案进入量产的两道行业门槛，德赛西威、经纬恒润等 Tier 1 的核心竞争力之一，正是在这两个认证体系上长期积累的工程能力。

整个测试认证体系，从仿真到路测到整车认证，完整走下来通常需要 18—36 个月，是智驾方案「从技术可行到量产就绪」的关键时间壁垒——这也是新进入者很难在短期内颠覆既有 Tier 1 地位的核心原因之一。数据、算力、算法固然重要，但最终能不能「装进量产车」，取决于对整个测试认证体系的工程投入能力。

附　智能驾驶商业模式演进的三种路径

在智能驾驶进入规模化落地阶段后，商业模式的设计与演进，已经与技术路线同等重要。工厂数据平台产业研究院观察到三种正在分化的商业路径，它们将在 2026—2030 年形成不同的产业格局影响。

路径一：「车端一次性收费 + OTA 分包更新」

这是目前比例最大的商业化模式：智驾功能以「选配包」或「高配版本」的形式，在购车时一次性计入车价；后续的 OTA 升级在保质期内免费，到期后以续费形式收取（或整体平移到下一代车型订阅）。

代表企业：理想汽车的 AD Max（通过 MAX 版本溢价将智驾方案成本内化），华为 ADS 通过向整车厂收取方案授权费（最终体现在整车定价中），地平线以芯片+工具链打包销售给 Tier 1。

这一模式的优点是消费者接受度高（一次付清，无订阅焦虑）；缺点是智驾企业的收入随新车销量线性增长，缺乏「软件型收入」的高利润率特征。

路径二：「订阅制 SaaS 化」

这是最接近科技公司理想商业模式的路径：车辆出厂后，高阶智驾功能以月度/年度订阅形式向用户收费，转化为持续性经常性收入（ARR）。

代表企业：蔚来 NAD（680 元/月，是全球最早规模推送的车载智驾订阅产品之一）；Tesla FSD 在美国的月度订阅（约 200 美元/月）是全球规模最大的智驾订阅服务。

这一模式的挑战在于：中国消费者习惯于「买断」而非「订阅」，高额月费（680 元相当于普通家用车月供的 15—20%）导致 NAD 的实际订阅转化率不高，蔚来内部对这一模式的坚守在 2024 年已有所松动。

路径三：「Robotaxi 平台型收入」

萝卜快跑、小马智行、文远知行代表了第三种商业路径：不向普通消费者收取智驾费用，而是把 L4 技术内化为出行平台服务，通过乘客付费（每次出行 10—30 元）产生收入。

这一模式的终极想象空间最大——一旦 Robotaxi 实现全国规模，其市场规模与当前网约车市场（滴滴年 GMV 超过 2000 亿元）可比；但其当前阶段仍处于「烧钱买规模」阶段，距离整体盈利至少还需要 3—5 年。

三种路径并非互斥，多数头部智驾企业会同时布局「量产车方案授权（路径一）+ 出行服务（路径三）」的双轨收入；蔚来的 NAD 是目前最纯粹的订阅制实验，其演进走向将为整个行业提供重要参照。

附　车险与 UBI（基于使用的保险）的数据接口

智能驾驶的普及，正在深刻改变车险行业的数据基础。传统车险定价基于「年龄、性别、驾龄、历史出险记录」等粗粒度特征；UBI（Usage-Based Insurance，基于使用的保险）通过实时采集驾驶行为数据（速度、刹车、转弯、时段），实现更精细的个性化定价。

中国在 UBI 方向已有探索：平安车险、太平洋财险等推出了基于行车数据的「动态定价」试点产品；但由于数据获取渠道（需要整车厂开放 OBD 端口或车联网数据）和合规性（个人驾驶数据的采集须用户授权），大规模推广仍存在摩擦。

智能驾驶的数据接口，将使 UBI 的数据质量实现飞跃：当整车厂的 OBD 数据或域控制器数据被授权接入保险公司精算系统，不仅可以知道「这个驾驶人踩了多重的刹车」，还可以知道「这个驾驶人在 NOA 激活时间比例是多少」——后者意味着主动安全风险大幅降低，理论上应获得更低的保费。

这一逻辑，最终可能促成「开启 NOA/AEB 的车辆享有保费折扣」的保险产品，形成正向激励智驾功能开启率的市场机制，反过来增强用户对智驾功能的接受度和日常使用率。这是智驾普及和保险科技深度融合的一个值得关注的交叉领域。

附　中国智驾企业的 ESG 叙事与资本市场溢价

在全球资本市场，ESG（环境、社会、治理）已成为上市企业估值的重要维度。对于智驾企业，ESG 叙事的构建有其特殊性：

环境维度（E）：Robotaxi 和智能驾驶的「减少交通事故死亡人数」叙事，是最直接的社会正外部性量化指标之一。全球每年约 135 万人死于交通事故（WHO 数据），中国每年超过 20 万人死于道路交通事故；如果智驾系统能将事故率降低 50%（Tesla 的内部数据显示 Autopilot 激活状态下的事故率约为人工驾驶的 1/5—1/10），每年可挽救十万以上的生命。这是智驾企业在 ESG 报告中最有力的「S（社会）」指标。

节能减排维度：智能驾驶（尤其是与电动化结合的 NOA）通过优化行驶速度、减少急加急减，理论上可降低新能源车的电耗约 5—10%；同时，Robotaxi 的高使用率运营（每辆车每天行驶 16—20 小时，远高于私家车的 4—5% 使用率）可大幅提升电动车辆的「每吨钢铁的行驶里程产出」，从资源利用效率角度具有显著的减碳价值。

治理维度（G）：对于小马智行、文远知行这类美股上市的中国 L4 企业，VIE 结构透明度、中概股审计合规（PCAOB 审计）、独立董事比例等治理指标，是影响在美国资本市场获得合理估值的关键；而对于国内 A 股上市的德赛西威、经纬恒润而言，国资背景的有无、关联交易的透明度，是国内机构投资者最关注的治理维度。

ESG 叙事的构建，对智驾企业并不只是「合规成本」，而越来越成为影响融资成本（ESG 评级越高的公司，绿色债券发行利率越低）和客户选择（外资整车厂对供应商的 ESG 审核越来越严格）的实质性经营变量。

附　政府采购与 G2B 市场：智驾技术的另一增长极

在「整车厂前装采购」这条主线之外，政府采购（G2B）构成了一条不容忽视的次级增长线：

• 公共交通无人化：城市公交公司（国有背景）对 L4 无人公交的采购，正在以「示范路线」形式推进，预计 2026—2028 年每年有数百辆 Robobus 进入城市公共交通系统；
• 矿山、港口、机场：国有矿山企业、港口集团、机场管理公司对无人化作业设备的采购，是 L4 封闭场景中最重要的政府和国企买家；
• 城市管理巡逻：部分城市已启动自动驾驶巡逻车（用于道路安全监控、违章抓拍）的试点采购，是智驾技术在「安防市政」方向的延伸；
• 军民两用：无人驾驶技术在军事后勤（无人补给车）、边境巡逻等领域的应用，属于国防采购范畴，相关企业（如无人系统研究院的孵化公司）在这一方向有独特市场准入门槛。

G2B 市场的特点是：决策周期长（通常 12—24 个月从招标到采购落地）、单次合同金额大、政策驱动性强，对于技术已经成熟但商业化初期的 L4 企业，提供了在「竞争相对有限」的采购场景中锁定早期营收的机会，也是多家 L4 公司在 2023—2025 年积极布局的营收来源之一。

附　重点整车厂智驾策略全景：比亚迪、小鹏、理想、蔚来、华为系深度比较

智能驾驶市场的竞争，最终体现在整车厂的产品落地质量和市场渗透率上。以下对中国最有代表性的五家整车厂（系）的智驾策略做系统性比较，理解「谁在赢，谁在输，为什么」。

比亚迪：以量换研，「够用就好」的极致规模策略

比亚迪是中国新能源销量第一名，2025 年全年销量超过 425 万辆，是任何智驾方案商都不敢轻视的「最大客户」之一。但比亚迪的智驾策略，与其电池和电驱的「颠覆者」姿态截然不同——它是一个非常务实的「够用派」。

DiPilot 方案（比亚迪智驾自研品牌）分三档：DiPilot 100（基础 L2，搭载地平线征程 3）、DiPilot 300（高速 NOA，地平线征程 5）、DiPilot 600（城区 NOA，地平线征程 6M）。高端品牌（仰望、方程豹）引入华为 ADS 提供顶级体验。

比亚迪的算法研发，主要集中在「针对自身传感器配置和车型调校」，而不是构建全新的端到端大模型框架——这是有意为之的资源分配选择：比亚迪每年 150 亿元以上的研发投入，核心优先级是电池（固态电池、刀片电池）、电驱（高效电机）、智能座舱（DiLink 系统），智驾是「跟随」而非「领跑」。

这一策略在 25 万元以下的价格段是完全成立的——DiPilot 300 提供的高速 NOA，足以满足这一价格带绝大多数用户的需求，且成本控制极佳。但在 25 万元以上，比亚迪的「仰望」和「腾势」品牌如果要与华为问界、理想、蔚来正面竞争，就只能借助华为 ADS——这意味着比亚迪在高端智驾叙事上，短期内缺乏「独立技术名片」。

小鹏汽车：「端到端大模型领先者」的代价与收益

小鹏是中国本土整车厂中，在端到端大模型方向走得最坚决、投入最重的一家。XNGP（小鹏智能辅助驾驶）在 2024—2025 年连续推出端到端版本，城区 NOA 覆盖城市突破 200 个，被业界和测评机构普遍认可为本土城区 NOA 体验的最佳或最接近最佳方案之一。

支撑 XNGP 的底层，是「AI-Tiger」算法团队（超过 2000 名工程师）、双英伟达 Orin-X 或 Orin-X+地平线征程 6P 算力平台，以及与 XPENG X9 MPV 和 P7+等量产车型持续路采的数据飞轮。

代价是高昂的研发成本（小鹏年研发投入约 70—80 亿元，比其年营收比例明显偏高）和多年亏损的压力。大众入股（约 5% 股权）在 2023 年为小鹏提供了重要的资金和技术协同信心，同时引入了「大众高阶 NOA 车型」这一未来收入来源的确定性。

收益是「智驾技术标杆」的品牌溢价——在与理想 AD Max、华为 ADS 的横向比较中，XNGP 持续出现在测评榜单前列，这对小鹏的品牌定价和用户获取是重要支撑。

理想汽车：「家庭用户 + 智驾体验」的双 SKU 战略

理想的商业策略有一个独特之处：同一款车型同时提供「AD Pro（激光雷达+英伟达 Orin）」和「AD Max（双英伟达 Orin-X，无激光雷达，纯视觉+毫米波）」两个智驾配置，对应不同价格，让消费者在「激光雷达的安全冗余感」和「纯视觉大模型的低延迟」之间做出选择。

AD Max 3.0（端到端大模型）在 2025 年获得大量中高收入家庭用户的正面反馈，城区 NOA 的口碑在众多测评中稳居前列，理想品牌的「智驾技术等于家庭安全」叙事被用户高度认同。

理想与英伟达的深度合作（据悉是英伟达在中国最大的汽车客户之一），使其算力平台具有持续升级的路径保障；同时，理想的「增程+高清摄像头」电子电气架构，简化了传感器标定和系统集成复杂度，提升了 NOA 可靠性。

蔚来：「超感知 + 订阅制」的高端小众路线

蔚来的 NAD 方案，定位始终是「最豪华的智驾体验」：4 颗激光雷达（最多配置的量产车型）+7 颗 8 百万像素摄像头+英伟达 Orin 算力平台，被称为「移动感知实验室」。这套配置在感知冗余度上领先行业，但成本极高（感知套件 BOM 约 1.5—2 万元，是多数竞品的 3—5 倍）。

订阅制定价（NAD 680 元/月）的实际转化率，是蔚来最难回避的商业挑战：以蔚来约 15—20 万名活跃车主计算，如果 NAD 开通率为 10%，月收入约 1000—1400 万元，相较于研发和传感器 BOM 成本，盈利远在可见范围之外。

蔚来在 2025 年已开始向「一次性包含 NAD」的车型套餐转型，实质上是在向行业主流模式靠近；但其「超感知」定位仍是其高端品牌护城河，在豪华 SUV 和豪华轿车细分市场对消费者仍有相当的吸引力。

华为系（问界/智界/享界/阿维塔/奥迪乾崑版）：「生态整合商」的最强护城河

华为车 BU 的独特性，在于其不只是「卖算法」或「卖芯片」，而是提供一个「自我强化的智驾生态闭环」：MDC 计算平台（硬件）+ADS 算法（软件）+乾崑传感套件（感知硬件）+HUAWEI MAP（地图）+云端算法持续迭代，五层全部由华为提供或主导。

这一生态的最大竞争壁垒，是「替换成本极高」——整车厂一旦采用华为全套方案，不只是换一块芯片那么简单，而是需要同步更换整个感知套件、重新标定、重新集成，迁移成本高达数亿元；这从根本上保障了华为的客户黏性，即使在出现竞争性报价的情况下，客户也很难短期内转换。

ADS 4.0（2025 年底推出）的技术能力，在城区 NOA 的「无图覆盖范围」和「复杂路口通行决策」上进一步提升，并首次实现了与 V2X 路侧感知的融合，使华为方案在「智能化基础设施完善城市」中的体验优势进一步放大。

与奥迪（奥迪 A5L 乾崑版）的合作，是华为车 BU 商业化最重要的外资品牌突破——意味着华为智驾方案的技术认可，已经跨越了「自主品牌」的边界，进入了豪华外资品牌的视野。这对华为车 BU 估值（「引望智能」的引资估值预计超过 1000 亿元人民币）和全球竞争格局，具有重要的信号意义。

附　智驾供应链的碳足迹与可持续发展

一个正在萌芽的议题：智驾供应链自身的碳足迹与可持续发展。

车规级芯片的制造，是典型的「高能耗」工业流程：台积电一座先进制程晶圆厂每年的用电量超过 100 亿度，其碳排放约等于一个小型城市的年排放量。随着智驾芯片的出货量从 2025 年约 1000 万颗向 2030 年预计 5000 万颗以上增长，这一能耗问题将越来越受到整车厂和终端消费者的关注。

台积电已承诺 2050 年实现净零排放（RE100 承诺），在绿电采购和能效提升上持续投入；英伟达也将供应链 Scope 3 减排纳入 ESG 目标。对于地平线、黑芝麻智能等委托台积电代工的中国芯片设计公司而言，其产品的间接碳排放（Scope 3）管理，将在 2027—2030 年随欧盟碳边境调节机制（CBAM）的扩展适用而逐步成为真实的贸易合规成本。

此外，激光雷达的回收与报废处理（含精密光电子器件和稀土元素），4D 毫米波雷达的毫米波辐射合规，摄像头模组中的铅焊锡无铅化（RoHS 要求）——这些可持续发展约束，在 2025 年还属于「行业配角」，但在欧美市场中将逐步成为前装供应链准入的前置条件之一，也是中国智驾供应链「出海」必须解决的合规功课。

附　氢能与固态电池对智驾供应链的跨赛道影响

智驾供应链并非孤立存在，它与能源动力技术的演进，存在几个值得关注的交叉影响点：

固态电池与智驾续航焦虑：高阶智驾的大算力运算（200—500 TOPS 的域控消耗功率约 20—50 瓦，加上传感器阵列约 50—100 瓦，全套智驾系统的功耗约 100—150 瓦，相当于每百公里多耗约 1—1.5 度电）。在当前液态锂离子电池技术下，高阶智驾对续航的边际影响可接受；但如果固态电池（能量密度提升 50—100%）在 2027—2030 年量产，将彻底消除高阶智驾「费电焦虑」，进一步降低消费者对全时智驾开启的顾虑。

V2X 与电动车充放电协同：车路云一体化的 V2X 通信，在「智驾」之外还有一个重要的应用场景：车网互动（Vehicle-to-Grid，V2G）——在电网需求高峰时，电动车作为储能设备向电网回放电能，低谷时充电。V2X 通信协议（C-V2X PC5）可以同时承载「驾驶感知增强」和「充放电调度指令」两类信息流，使「路测智驾感知基础设施」和「充放电管理基础设施」实现网络级的复用。这是中国「车路云一体化」政策中，少被公众注意但具有重要能源政策意义的一个维度。

氢能重卡与 Robotruck 的协同：以氢燃料电池为动力的重卡（氢能干线重卡），在中国多条「氢能走廊」（京津冀、山东、长三角、粤港澳等区域）正在试点。氢能重卡与 L4 Robotruck 的结合，是「零碳 + 无人驾驶」的双重目标协同场景，赢彻科技等 Robotruck 公司已在关注氢能平台的早期合作机会，预计在 2028—2030 年出现首批「氢能 + L4 无人」干线货运示范线路。

附　智驾供应链的质量管理体系：IATF 16949 与 ISO 26262

进入智能驾驶前装供应链的门票，不只是「技术够好」，还包括一套完整的质量和功能安全认证体系。这是一道实质性的准入壁垒，也是「中国制造」在汽车电子领域全球化的关键补课科目。

IATF 16949：汽车行业质量管理体系标准

IATF 16949（前身为 ISO/TS 16949）是全球汽车供应链的质量管理基准标准，由国际汽车工作组（IATF）制定，涵盖设计和开发、生产、安装和维护等全过程的质量管理要求。

要进入任何一家主流整车厂的前装供应链，IATF 16949 认证是最低门槛。对于地平线、黑芝麻智能等芯片设计公司，需要通过 AEC-Q100（汽车电子元件资格认证）；对于德赛西威、经纬恒润等域控制器制造商，需要通过 IATF 16949，同时须符合整车厂自身的供应商质量开发（SQD）体系要求（如大众的 VDA 标准、丰田的 TPS 要求、比亚迪的 SDS 体系）。

认证的获取需要 12—18 个月，审核内容涵盖生产设施、过程控制、测量系统分析（MSA）、统计过程控制（SPC）、失效模式与影响分析（FMEA）等维度。对于一家从消费电子转型汽车电子的国内企业，补全 IATF 16949 认证的过程，通常是最能暴露其生产管理体系「短板」的一段磨合期。

ISO 26262：道路车辆功能安全标准

ISO 26262（Road vehicles — Functional safety）是智能驾驶系统最重要的技术标准，定义了从系统需求分析到芯片设计到集成验证的完整安全开发流程，要求对每一个安全相关功能分配 ASIL（汽车安全完整性等级，A—D，D 为最高）。

L3 智驾系统的制动和转向控制功能，通常需要达到 ASIL-D；感知融合可能要求 ASIL-C/D；而部分信息显示功能（仪表提示）可能只需 ASIL-A 或 QM（质量管理，无特定安全要求）。

ISO 26262 认证的难点在于：它不只是「产品通过了测试」，而是要求整个「开发过程」符合安全要求——从需求捕获、架构设计、软件开发、硬件设计，到系统集成、验证，每个环节都需要有可追溯的安全分析和证明材料。这使得 ISO 26262 符合工作（通常称为「FSR，功能安全认证」）是一项覆盖整个研发周期的系统工程，通常需要 24—36 个月，涉及数千页的技术文档。

中国企业在 ISO 26262 方面的进步，是近年来供应链成熟度最明显的提升维度之一：德赛西威、经纬恒润、地平线的产品均已获得相应等级的 ISO 26262 认证；但中小型传感器厂和算法公司，ISO 26262 符合能力的缺失，仍是进入一线整车厂前装供应链的实质性障碍。

ISO/SAE 21434：信息安全标准

随着汽车网联化，智驾系统成为黑客攻击的新目标：2021 年，安全研究员演示了通过无线方式入侵特斯拉并控制制动的漏洞（已修复）。ISO/SAE 21434（Road vehicles — Cybersecurity engineering）是与 ISO 26262 平行的信息安全标准，规定了整车和部件的网络安全工程框架。

从供应链角度，ISO/SAE 21434 的合规要求意味着：每个域控制器和传感器都必须有「威胁分析与风险评估（TARA）」报告，安全更新机制（补丁分发）和密钥管理必须内建于产品设计中；整车厂的 CSMS（网络安全管理体系，即 UNECE WP.29 R155 要求的类型认证前提）合规，也连带要求所有 Tier 1 供应商提供网络安全符合证明。

国内监管方面，中国工信部等部门推出的《汽车整车信息安全技术要求（试行）》（GB/T 40855）是国内车辆网络安全的主要技术标准，与 ISO/SAE 21434 在框架上高度对齐，但在数据本地化和密钥管理的细节上有中国特色的附加要求。

附　2025 年关键时间线：智驾行业的重大节点回顾

梳理 2025 年全年，智能驾驶供应链有以下几个关键时间节点值得记录：

2025 年 Q1：地平线征程 6P 进入首批量产车型（多家整车厂合作型号）；德赛西威披露 2024 年年报，智驾业务同比增长超过 116%，首次确立「智驾与座舱并重」格局。

2025 年上半年：特斯拉在中国小范围测试 FSD 功能（不以 FSD 名义），收集中国路况数据；萝卜快跑武汉运营突破「日均千单」里程碑，商业化意义重大。

2025 年 3 月：华为乾崑 ADS 4.0 发布技术预览，首批搭载车型公布（东风猛 M817、奇瑞智界 R7 等），「L3 商用元年来了」的叙事在行业媒体广泛传播。

2025 年 Q2：黑芝麻智能 A1000 进入多款主流量产车型；加特兰微电子 4D 毫米波雷达芯片进入比亚迪仰望 U8 等旗舰车型量产。

2025 年上半年：地平线上半年营收同比增长 67.6%，累计出货突破 1000 万套里程碑，重新确认其「国内首家千万级智驾芯片」地位。

2025 年 9 月：《汽车行业稳增长工作方案（2025—2026 年）》发布，L3 准入明确纳入政策支持范围，工信部明确将「有条件批准 L3 级车型生产准入」。

2025 年 Q4：小马智行（PONY.AI）在美纳斯达克上市，成为 L4 公司美股上市先行者；文远知行（WeRide，WRD）随后上市。

2025 年 12 月：工信部公布首批 L3 级有条件自动驾驶车型准入许可（长安深蓝 SL03、极狐阿尔法 S6），「渝 AD0001Z」和「京 AA0001Z」号牌颁发，中国 L3 正式商业试点元年宣告开启。

2026 年 5 月 21 日：Tesla 官方确认 FSD 监督版正式向中国用户推送，一次性购买价格约 6.4 万元人民币，中国智驾进入「与硅谷技术正面竞争」新阶段。

2026 年 4 月：德赛西威提交香港联交所上市申请，港股 IPO 估值约 630 亿港元，是中国汽车电子 Tier 1 赴港上市的里程碑事件。

这条时间线，清晰地勾画出 2025—2026 年智驾行业从「铺垫期」进入「引爆期」的脉络：法规突破（L3 试点）、技术换代（端到端大模型量产）、外部竞争加剧（FSD 入华）、资本市场认可（多家上市）四件事同期发生，集中形成了智驾供应链「2025 大年」的历史性定格。

附　智驾供应链的「两化融合」：数字化转型与智能制造

智能驾驶不只是汽车的智能化，也正在深刻改变智驾供应链自身的制造方式。以下梳理几个供应链内部的数字化与智能制造趋势。

激光雷达的柔性生产

激光雷达是目前智驾传感器中生产工艺最复杂的产品之一：核心工序包括 VCSEL/APD 的倒装焊接、多通道光路对准（精度要求微米级）、整机标定（须在恒温暗室中完成，确保每颗激光器的方向角偏差在 0.01 度以内）。这些工序在早期几乎完全依赖手工操作，良率低、产能受限、成本居高不下。

禾赛科技和速腾聚创在 2023—2025 年间，大规模投入自动化产线建设：机器视觉引导的自动化倒装键合、多轴机械臂完成光路对准、AI 辅助的全自动出厂标定，使得激光雷达的每颗生产时间从 2021 年约 10—20 分钟压缩至 2025 年约 2—3 分钟，良率从约 80% 提升至 95% 以上；这是激光雷达单价从 2021 年约 5000 元压至 2025 年 500—1500 元的核心工程原因之一——不只是设计简化，更是制造效率的革命性提升。

域控制器的软件化装配验证

德赛西威、经纬恒润等域控制器 Tier 1，在 2024—2025 年普遍完成了「软件版本管理闭环」体系建设：每台出厂的域控制器，在制造过程中经过在线测试台架的 HIL（硬件在环）验证，确认软件版本、功能安全自检、通信接口均正常；序列号与软件版本的绑定关系记录在质量追溯数据库中，实现「每台车的每块域控，出问题都能精确溯源到批次和软件版本」。

这一能力，是整车厂 OTA 升级供应链管理的前提——整车厂在推送 OTA 更新前，需要知道「在路上跑的这款域控制器，批次编号是什么，当前软件版本是什么，上一次 HIL 验证结果是什么」，才能针对性地推送更新包，避免错误版本被推到不兼容硬件上。

数字孪生与虚拟调试

对于新车型的智驾系统集成，「虚拟调试（Virtual Commissioning）」正在成为降低实物样车迭代次数的重要工具：在 3D 仿真环境中，把域控制器的软件模型、整车电气架构模型、传感器模型和道路环境模型集成为「数字孪生（Digital Twin）」，在虚拟环境中先跑数百万公里，发现接口错误和算法 Corner Case，再把「几乎验证完毕」的软件版本烧录到实物样车，大幅减少实车路测的迭代轮次。

华为、理想、小鹏均建立了完整的数字孪生智驾开发平台；德赛西威也在 2025 年宣布与主要整车厂客户建立「云上联合调试」体系，双方工程师可以在云端共享仿真环境进行实时协作，缩短联调周期从 6—8 周到 2—3 周。

附　智驾数据的隐私保护实践

车载摄像头和传感器每时每刻都在采集路面环境数据，其中不可避免地包含大量个人信息：行人的人脸、行人的行进轨迹、停放车辆的车牌号、建筑外观，以及驾驶员监控摄像头（DMS）采集的驾驶人人脸图像。

2021 年施行的《个人信息保护法》（PIPL）对车辆数据中的个人信息处理，设置了严格的合规要求：人脸等生物特征数据属于敏感个人信息，采集须经用户明示同意；涉及他人（路人）的人脸数据，采集前须经图像脱敏处理（模糊化或替换）——虽然在行驶过程中实时模糊所有路人人脸在技术上很难完全实现，监管机构目前的执行重点在「数据出境」和「大规模场景图像滥用」上，但长期合规压力是真实存在的。

各家智驾企业的隐私保护实践：

• Tesla：在上海数据中心本地存储中国用户数据，已通过工信部数据安全评估；中国 FSD 行驶数据不回传美国训练集群；
• 华为：作为「华为」品牌数据主体，已有成熟的数据合规架构，车联网数据在华为私有云中国节点存储；
• 小鹏、理想、蔚来：均在公司年报和隐私政策中明确说明路采数据的匿名化处理方式，不含可识别个人身份的数据上传云端训练集群；
• 德赛西威、经纬恒润：作为域控制器供应商，不直接处理最终用户数据，但需通过整车厂的数据安全要求审核，确保其域控产品不会产生合规漏洞。

车联网数据安全合规，是一个随技术演进持续变化的合规领域——每一代新技术（如驾驶员人脸情绪识别、乘客行为分析）的引入，都会触发新的法规解读和合规工作量。对供应链中的传感器厂商和域控制器 Tier 1，嵌入「隐私计算（Privacy Computing）」能力（联邦学习、安全多方计算、差分隐私）于产品架构中，正在从「竞争加分项」向「合规必备项」演变。

附　全球主要自动驾驶测试里程对比（2025）

全球范围内，各主要 L4 自动驾驶参与者累计测试里程的对比，是评估技术成熟度的重要参照：

• Waymo（Alphabet）：全球测试总里程约 3000—4000 万英里（约 4800—6400 万公里），商业化城市约 4 个；被普遍认为是全球测试数据质量最高、覆盖场景最系统的 L4 平台；
• 百度 Apollo（萝卜快跑）：累计测试+运营里程超过 9000 万公里（含全无人和有安全员），是全球路测里程最多的 L4 中国公司，也是全球 Robotaxi 商业化订单量最多的单一平台；
• 小马智行：累计行驶里程约 4860 万公里，覆盖中国 10 城和美国多个州；
• 文远知行：累计行驶里程超过 5500 万公里，同时在中国和中东布局；
• Tesla FSD 全球用户（含监督版）：估算累计激活里程数十亿英里（通过约 500 万辆车辆的 FSD 激活数据积累），在「半自动」行驶数据规模上远超任何 L4 公司，但场景质量和 Corner Case 覆盖密度存在差异；
• Mobileye SuperVision/Chauffeur：通过大量量产车辆（搭载 EyeQ 的量产车辆超过 1 亿辆）积累路采数据，形成 Mobileye 的「路面体验管理（REM）」众包地图和场景数据库。

这一数据对比的核心含义：中国的 L4 企业在「行驶里程」这一维度上，已经与 Waymo 处于同一量级甚至超越，但在「行驶场景多样性」（天气条件、城市密度）和「安全事故率」的可比数据透明度上，与 Waymo 仍有差距——这是中国 L4 企业在海外资本市场估值中，无法完全「对标 Waymo」的技术叙事障碍之一。随着数据披露透明度提升和安全报告制度的规范化，这一差距的评估将更加客观。

附　「智能驾驶 2.0」的完整叙事框架

在梳理了产业链的每一个节点之后，回到最宏观的叙事层面，理解「智能驾驶 2.0」作为行业共识话语的完整内涵。

「自动驾驶 1.0」时代（大致 2012—2022 年），行业的主流叙事是「激光雷达 + 高精地图 + 规则代码 = 安全自动驾驶」。Waymo 的技术路线、百度 Apollo 的早期方案，都深度依赖「先建图，再在图上规划」的工作流。这套范式的优点是可解释性强、工程边界清晰，缺点是对高精地图的更新频率和覆盖范围要求极高，难以做到全国全路况覆盖。

「智能驾驶 2.0」时代（2022 年至今），核心叙事转变为「端到端大模型 + 大规模数据 + 持续 OTA = 自适应安全驾驶」。这套范式放弃了「事先定义好所有规则」的设计哲学，转而通过大规模学习让模型自己归纳出应对各类场景的策略。其优点是在长尾场景的泛化能力更强，理论上可以「越跑越聪明」；缺点是「黑箱性」带来的可解释性问题，以及对算力和数据规模的高门槛要求。

这一叙事转变，对产业链的影响是全面的：

对芯片层，端到端大模型在推理端的算力需求，比模块化系统高 3—5 倍，直接推动「500 TOPS 以上才是真正意义上的城区 NOA 平台」的算力台阶；

对算法层，「谁有数据，谁有模型」的逻辑，使整车厂的「量产规模」从纯粹的商业指标，升华为「技术护城河」的基础组件，深刻改变了整车厂和算法公司之间的合作与竞争关系；

对传感器层，「纯视觉 + 大模型可以不用激光雷达」的 Tesla 叙事，与「多传感器融合是安全冗余的工程必要」的主流工程判断，形成持续至 2025 年仍未完全收敛的「路线之争」；从工厂数据平台产业研究院的视角，更可能的结局不是一方「杀死」另一方，而是分层共存——高端车型（30 万以上）继续保留激光雷达，中端车型（15—30 万）向「4D 毫米波 + 高算力视觉」融合方案收敛，低端车型（15 万以下）以纯视觉方案为主；

对法规层，「端到端黑箱」的不可解释性，使 L3/L4 的责任归属认定，在技术鉴定层面依赖「黑箱日志」而非「规则可追溯」，倒逼事故鉴定机构必须建立基于深度学习系统的新型取证方法，这是整个法律体系对「AI 驾驶」的最深层适应挑战。

「智能驾驶 2.0」的最终形态，是什么？工厂数据平台产业研究院的判断是：不是「全自主驾驶无需任何人」，而是「驾驶的主导权，可以在人和机器之间，根据场景需要和用户意愿，流畅地切换」。L2+ 是大多数日常行程的主力；L3 是长途高速的可靠伴侣；L4 Robotaxi 是城市出行的无人服务层。这三者共存、互补、叠加，构成「人机协同移动」的未来图景——而不是某一个「奇点」之后所有人都坐在无人车里不需要驾驶。

这个未来，靠的不是某一家企业的单点技术突破，而是芯片、传感器、算法、域控、地图、法规、保险、数据——整个供应链所有环节的协同进化。这条路，中国以其独有的制造规模、数据体量、政策主动性，和那四百八十万家在工厂数据平台数据库里真实运转的工厂，正在以全球最快的速度，往前走。

附　华为-奥迪合作的战略意义分析

2025 年，华为车 BU（乾崑智驾）与奥迪宣布在中国市场推出奥迪 A5L 乾崑版，这是外资豪华品牌整车厂在中国，首次以「华为全套智驾方案」替代本品牌自研或传统外资 Tier 1 方案的里程碑事件。

这一合作的产业含义，远超「又一款车搭载了华为方案」的表面描述：

其一，技术叙事的突破：奥迪以在全球豪华车市场积累的技术声誉，默认为华为车 BU 的智驾方案做了一次「技术背书」。在此之前，选择华为方案的整车厂主要是中国本土品牌，奥迪的加入意味着外资豪华品牌认可了华为在顶级市场竞争的能力，这对华为车 BU 的品牌溢价是重大强化。

其二，国产供应链向豪华车渗透：华为昇腾 MDC 计算平台、乾崑传感套件，随奥迪 A5L 乾崑版进入「豪华车前装供应链」，是国产智驾供应链在最高端细分市场的又一次突破。它提示了一个更大的可能性：如果华为方案可以进入奥迪，那么宝马、梅赛德斯-奔驰（后者已与 Momenta 有合作先例）采用更多国产智驾方案，在逻辑上已不再是「不可能」。

其三，大众集团内部的格局变化：奥迪（大众集团旗下）在中国选择华为方案，而大众乘用车品牌则与小鹏合作，意味着大众集团在中国的智驾策略是「多元对赌」——旗下不同品牌，对接不同本土智驾方案商，以实验而非押注单一方案的方式，在中国智驾技术格局尚未收敛之前保留灵活性。

这一战略逻辑，将成为其他主要外资整车厂在中国智驾布局的参照模板：在本土智驾技术竞争格局未收敛之前，多元合作是优于单一押注的理性选择。

附　芯片出口管制的最新进展与供应链应对

截至 2026 年上半年，美国 BIS（工业和安全局）对中国高端 AI 芯片出口管制的范围已涵盖：英伟达 H100/H200/A100 系列（直接禁止），英伟达 A800/H800（专门为中国市场降规格的版本，后来也被限制），以及 AMD MI300 系列（类似逻辑）。

车载推理芯片（英伟达 Drive Orin、Drive Thor，高通 Snapdragon Ride）目前仍未被直接纳入管制名单，但供应链风险意识已大幅提升。整车厂和 Tier 1 普遍实施以下应对策略：

策略一：建立国产备份方案（双轨供应）。每一款采购英伟达 Orin 或 Drive Thor 的车型，同步与地平线征程 6P 或华为昇腾 MDC 建立备用技术方案，确保在英伟达供应受阻时，可以在 6—12 个月内切换至国产方案量产上线。德赛西威的 IPU 系列同时有「Orin 版」和「地平线版」，正是这一双轨策略的 Tier 1 层实现。

策略二：提前增大库存储备。在管制进一步收紧预期下，部分整车厂和域控制器 Tier 1 在 2024—2025 年增大了英伟达 Orin 的备货周期，从通常的「按需采购（6—8 周交期）」延长至「战略库存（12—18 个月）」，以应对供应链突发中断风险。

策略三：加速国产芯片定点。管制风险直接转化为对地平线征程 6P 的定点意愿提升，2025 年征程 6P 的新增定点数量，与前一年相比明显加速；国内采购决策者在「技术评估」之外，「供应链安全」已成为正式评分维度。

这些应对策略，在短期内形成了「国产芯片需求的政策溢价」，使地平线等国产芯片企业在报价和交货条件上，享有了「出口管制风险溢价」带来的额外商业弹性。长期来看，出口管制推动的国产化替代，是中国智驾供应链「被迫加速」的核心驱动力之一，并且这一驱动力在 2026—2030 年将继续存在，直到国产芯片在全部算力段实现对进口方案的技术等同替代。

附　工厂数据平台产业研究院方法论说明

工厂数据平台产业研究院的研究框架，综合公开财报数据、监管文件、行业协会统计和权威媒体报道，辅以工厂数据平台平台（www.tianxiagongchang.com）的四百八十万家真实工厂数据库，对产业带分布和供应链工厂网络进行结构性分析。

研究院方法论的几个核心原则：

数据优先原则：所有市场规模、渗透率、企业财务数据，均来自可公开核实的一手数据源（上市公司公告、监管机构文件、权威机构报告），避免使用无来源依据的「行业估计」。

供应链整体观：不仅关注上市公司和明星企业，同样关注上游配套工厂的分布与密度——中国制造业的竞争力，根本上来自于整个产业链的深度，而不是少数企业的单点能力。工厂数据平台平台记录的数百万家工厂，是这一整体观的数据基础。

谨慎预测原则：对于 2026—2030 年的市场预测，工厂数据平台产业研究院采用区间而非单点预测，明确区分「基准情景」（法规稳步推进，技术按已有节奏演进）和「乐观情景」（法规突破加速，技术演进超预期）。文中的预测数据，均属于「基准情景」假设下的估算。

持续更新原则：智能驾驶是一个以「季度」为时间颗粒度快速演变的赛道，数据基线截至 2026 年 6 月；读者在参考文中具体数字时，建议结合最新公开信息进行核实更新。

附　芯片算力技术路线图：向 1000 TOPS 迈进

当前量产最高算力的车规 SoC 是 NVIDIA Drive Thor（约 2000 TOPS，多任务整合算力）和地平线征程 6P（560 TOPS，智驾专用）。然而，行业对「算力天花板」的讨论从未停止——城区 NOA 真的需要 560 TOPS 以上吗？

从实际工程角度，算力需求是随系统架构而变化的：模块化系统（感知、预测、规划分别运行，部分串行执行）在 256 TOPS 上已可较好地运行城区 NOA；端到端大模型由于全模型在推理时同步运行，对算力峰值要求更高，且模型规模随数据集增大而持续扩大，倒逼算力需求同步提升。理论上，端到端大模型的算力需求没有「自然上限」——更大的模型，更复杂的多模态输入（摄像头+激光雷达+毫米波融合前端），意味着更高的算力消耗。

从供应链视角，「算力军备竞赛」的深层逻辑是：芯片公司（地平线、英伟达）和域控 Tier 1（德赛西威）需要持续推出更高算力的产品，以支撑自身的营收增长；整车厂和算法公司的端到端大模型，也在持续增大模型规模，形成共生的「算力需求—产品升级」正向循环。

预计 2026—2028 年，将出现第一款搭载 1000 TOPS 以上真实推理算力（非多任务整合算力）的量产车规 SoC；地平线征程 7 系列、英伟达 Drive Thor Pro，以及可能推出的黑芝麻 A2000，是这一算力台阶的主要竞争者。一旦千 TOPS 级算力落地前装量产，L4 级别的「全无人城区商业运营」所需的在车端计算能力将基本得到满足，届时供应链瓶颈将从「算力」转移到「系统可靠性」和「法规许可」——技术的棒传给了工程和法规，供应链的重心随之迁移。

附　智能驾驶产业链关键词汇对照表

为便于读者查阅，以下梳理本文涉及的主要专业术语及对应英文缩写，部分附加简要解释：

中文术语	英文/缩写	说明
辅助驾驶系统	ADAS	Advanced Driver Assistance System，L0—L2
自动驾驶	AD	Autonomous Driving，L3—L5
领航辅助驾驶	NOA	Navigate on Autopilot，L2+ 高阶辅助
自适应巡航控制	ACC	Adaptive Cruise Control，L1 纵向控制
车道居中控制	LCC	Lane Centering Control，L1 横向控制
自动紧急制动	AEB	Autonomous Emergency Braking，被动安全
自动代客泊车	AVP	Automated Valet Parking，L4 封闭场景
智能驾驶计算单元	ADCU/DCU	域控制器，含算力芯片
片上系统	SoC	System on Chip，集成多功能单元的芯片
每秒万亿次操作	TOPS	Tera Operations Per Second，算力单位
俯视图感知	BEV	Bird's Eye View，3D 感知表示方法
端到端	E2E	End-to-End，大模型直接控制决策
视觉语言行动模型	VLA	Vision-Language-Action，更前沿的 E2E
视觉语言模型	VLM	Vision-Language Model，含语义理解
车路万物互联	V2X	Vehicle-to-Everything，车路云协同
高精度地图	HD Map	High Definition Map
自动驾驶出租车	Robotaxi	Level 4 无人出租车服务
无人驾驶卡车	Robotruck	Level 4 干线物流无人重卡
驾驶员监控系统	DMS	Driver Monitoring System，L3 必备
功能安全标准	ISO 26262	车规最高功能安全认证标准
信息安全标准	ISO/SAE 21434	汽车网络安全工程标准
汽车质量体系	IATF 16949	前装供应链质量管理基准
汽车安全完整性等级	ASIL	Automotive Safety Integrity Level，A—D
软件定义汽车	SDV	Software-Defined Vehicle
基于使用的保险	UBI	Usage-Based Insurance
区域控制单元	ZCU	Zone Control Unit，SDV 架构中间层
汽车以太网	车载以太网	100Base-T1/1000Base-T1，高带宽通信
里程碑无干预间隔	MTBI	Mean Time Between Interventions
设计运行范围	ODD	Operational Design Domain，L3 边界定义

此表覆盖了智能驾驶产业链中最高频出现的专业词汇，供产业链研究者、整车厂采购人员和投资机构参考。名词对应的技术内容，均在文中相应章节有详细展开。完整的产业链企业分布与工厂数据，可在工厂数据平台平台（www.tianxiagongchang.com）按行业、区域检索获取。

数据来源与主要参考

天下工厂产业研究院基于天下工厂产业平台的工厂与产业链数据，结合公开资料、官方信息与权威媒体报道整理、分析，形成本研究报告。天下工厂产业研究院专注于制造业产业链的深度研究，核心数据来源是天下工厂平台（www.tianxiagongchang.com）收录的中国四百八十万家经过识别验证的真实工厂数据库，覆盖工厂的地理分布、行业归属、产业链位置及供应链关系，是研究院产业带分析和供应链深度洞察的第一手数据基础。主要参考资料包括：

• 工厂数据平台产业平台中国工厂数据库与产业带数据（www.tianxiagongchang.com）
• 地平线机器人（HK 9660）2025 年年度报告（香港交易所披露）
• 黑芝麻智能（HK 2533）2025 年中期财务报告
• 德赛西威（002920）赴港 IPO 招股说明书（2026 年 4 月）
• 经纬恒润（688326）2025 年年度报告
• Mobileye Global Inc. SEC 表格 10-Q（FY2025 Q3）
• 中国工业和信息化部：《汽车行业稳增长工作方案（2025—2026 年）》
• 中国工业和信息化部：首批 L3 级有条件自动驾驶车型准入许可公告（2025 年 12 月）
• SAE International：J3016 驾驶自动化分级标准
• 中华人民共和国国家标准 GB/T 40429—2021《汽车驾驶自动化分级》
• 中国《数据安全法》（2021 年）、《个人信息保护法》（2021 年）
• 中国《汽车数据安全管理若干规定（试行）》（2021 年）
• 百度 Apollo（萝卜快跑）2025 年运营数据公告
• 小马智行（PONY.AI）纳斯达克上市信息及 2025 年运营数据
• 文远知行（WeRide，WRD）纳斯达克上市信息及 2025 年财务摘要
• TrendForce：NVIDIA Drive Thor 汽车芯片市场展望报告（2024 年 12 月）
• 新华社、人民日报、澎湃新闻、第一财经等权威媒体相关报道
• 36 氪、量子位、汽车之家等行业媒体深度报道

附　智驾产业链软链接索引

以下各关键词可在工厂数据平台（www.tianxiagongchang.com）平台直接检索，获取中国境内相关细分工厂分布、产业带聚集情况和企业联系信息：

传感器类：毫米波雷达传感器、车载摄像头模组、激光雷达结构件、超声波传感器模组、车载图像传感器、4D成像雷达；

算力硬件类：智能驾驶域控制器、汽车电子控制单元（ECU）、车规级PCB与PCBA、域控制器铝合金外壳压铸件、车载以太网交换机模组；

连接件与线束：汽车高速以太网线束、同轴摄像头数据线、车规级连接器、HSD高速数据连接器；

软件与服务类：智驾算法开发服务商、HIL测试系统集成、自动驾驶仿真平台、汽车功能安全咨询与认证服务、DMS驾驶员监控摄像头；

测试验证类：车规芯片封装测试（OSAT）、整车功能安全验证、智驾标定服务、自动驾驶路测采集车辆改装。

上述每个关键词，在工厂数据平台的四百八十万家工厂数据库中，均有对应的规模化工厂分布记录，尤其集中于苏州昆山、上海嘉定、深圳、广州、武汉等七大智驾核心产业带，是专业买家和研究者定位国内供应链资源的高效入口。

---

相关工厂检索链接（工厂数据平台产业平台）

以下为智能驾驶供应链各细分领域的工厂数据平台检索入口，可直接查询对应类别的国内工厂分布、联系方式及产能信息：

芯片与算力类

• 智能驾驶芯片
• 车规级SoC
• 汽车域控制器

传感器类

• 毫米波雷达
• 车载摄像头模组
• 激光雷达结构件
• 超声波传感器
• 图像传感器CIS
• 4D成像雷达

域控制器与汽车电子

• 智能驾驶域控制器
• ADAS控制器
• 汽车电子控制单元ECU
• 车规级PCBA

线束与连接器

• 汽车高速线束
• 车规级连接器
• 以太网连接器

结构件与精密加工

• 铝合金压铸汽车件
• 激光雷达外壳
• 域控散热结构件

算法与软件服务

• 自动驾驶算法开发
• 车载软件开发服务
• 功能安全认证咨询

测试验证

• 智能驾驶测试设备
• HIL硬件在环测试
• 车规芯片封装测试

Robotaxi与L4配套

• 无人驾驶车辆改装
• 智能网联汽车配件
• V2X路侧单元RSU

相关产业带工厂

• 苏州汽车电子工厂
• 深圳智能硬件工厂
• 武汉汽车零部件工厂
• 北京自动驾驶企业