智能辅助驾驶“退烧”，踏上自我救赎与回归之路

文 | 极智GeeTech

如今，智能辅助驾驶市场正在经历一个从“参数崇拜”向“技术回归”的去泡沫化阶段。2024年的中国车展，曾以“智驾元年”之名载入史册，华为ADS 3.0、小鹏XNGP、蔚来NOP+等技术轮番登场，车企争相标榜“L3级自动驾驶”。而在2025年上海车展，行业氛围却陡然转向。

无论传统车企还是新势力，都要面对过度营销之后的信任重塑，这不仅是一次冲刷行业浮躁、重构信任基石的大考，更是产业告别野蛮生长、迈向价值驱动发展阶段的“成人礼”。

不谈智驾是个伪命题？

尽管舆论场对智驾的质疑声不断，但智能化仍是车企无法回避的竞争维度。2025年第一季度，中国L2级及以上辅助驾驶渗透率突破65%，较2024年同期增长12个百分点，城市NOA（自动导航辅助驾驶）功能覆盖城市数量较去年同期增长超200%。

即便是超豪华品牌，亦开始试水智能座舱与基础辅助驾驶功能。这表明，高阶辅助驾驶技术已从“尝鲜期”过渡到“普及期”。

更关键的是，中国市场的结构性变化迫使车企不得不进行智驾军备竞赛。目前，北京、上海等地已开放L3级测试道路，工信部计划年内推出全国性智驾责任划分标准。

其次，用户需求开始分化，高端用户追求“无感智驾”，如自动泊车、高速领航，家庭用户看重安全兜底，如AEB紧急制动，虽然分化，但智能辅助驾驶已经成为刚需。

同时，随着技术的进步和产能的提升，智驾硬件成本相比此前也有了明显下降。政策、需求、成本均十分有利，车企没有理由，也难以彻底放弃这一差异化卖点。

智能辅助驾驶“合纵连横”

从无图路线到端到端、从一段式到两段式、从高速NOA到城市NOA，经过一年多的较量，国内智能辅助驾驶方案商的各梯队阵营更加清晰。

车企自研阵营不断扩大，除了蔚小理、小米、零跑等新势力，比亚迪、吉利、长安、奇瑞、长城等传统车企也加码投入，搭建出一套自研体系。

随着比亚迪打响“智驾平权”第一枪，传统车企们早已按捺不住，纷纷通过自研智驾构筑起新的护城河。长安（北斗天枢）、吉利（千里浩瀚）、奇瑞（猎鹰智驾）、长城（咖啡智驾）等传统企业纷纷踏上全民智驾之路，从低阶、中阶到高阶，将智能辅助驾驶作为“标配”产品，由此2025年也被业界称为“全民智驾元年”。

如果说，车企自研阵营属于一极，那么站稳另一极的华为与Momenta凭借技术壁垒与生态优势，两者以“断崖式”姿态占据智能辅助驾驶市场半壁江山。

华为以身入局，作为自主高端化的重要力量，与自主车企共同打造智能新品牌。它的出发点不同于独立第三方，导致它与非绑定主机厂之间的关系经历过质疑与排斥，但一切在近一年来得以破局，开始迈入更广阔的量产阵营。

华为在智能辅助驾驶方面合作模式分为三种，智选车模式、零部件模式与HI模式。

其中，智选车模式作为主干，华为以供应商的身份掌握主导权与话语权，深度参与整车定义、产品设计、渠道销售各环节中。

目前，华为已与赛力斯、奇瑞、北汽、江淮合作绑定，形成“四界”（问界、智界、享界、尊界）矩阵，其算法主要供给“四界”、阿维塔等“含华量”极高的主机厂。

零部件模式则是最常见的供应商合作模式，由华为向各车企提供诸如激光雷达、摄像头、电机、网关等零部件。

而HI模式对应的，是华为以一种技术输出的方式，提供软硬一体全栈解决方案，包括智能驾驶、智能座舱等。当主机厂发现城市NOA算法自研壁垒过高，而市场选择性太少，方程豹、岚图、深蓝等成为华为HI模式下的客户，华为也由此实现破局。

此外，在HI模式基础上，华为还延展出了HI PLUS模式，该模式介于智选车模式与HI模式之间，即在车企保留主导权后，华为更进一步，深度参与到汽车智能化领域的开发及营销工作中。

值得一提的是，华为智驾也开始延伸至传统豪华车企的腹地，奥迪正计划将华为乾崑ADS智驾系统引入其PPC（高级燃油车平台）和PPE（高级纯电动平台）平台，提升旗下车型的智能化水平。

Momenta的优势在于，通过一套架构、一套算法以及海量数据，打造出一张“平台化解决方案”的大网，可以满足各车企及车型要求，并与多种传感器、计算平台（英伟达、高通等）、操作系统等软硬设施适配，这使得Momenta成为量产车智驾方案寡头之一，车企不仅认可它的“第三方”定位，也信赖其量产工程化能力。

比如，比亚迪的天神之眼A、B版本的智驾方案均由Momenta提供。两套系统均可实现端到端智驾大模型运行和城市NOA功能，而最低端的天神之眼C采用的是纯视觉方案，搭载了一块地平线J6M或英伟达Orin-N芯片，算法则由比亚迪自研；智己与Momenta从云端到车端的软件方案深度绑定；合资车企中的广汽丰田、一汽丰田、东风日产等，以及外资的大众、奥迪、奔驰都与其在技术领域有深度合作。

虽然智己是Momenta进入L2级城市NOA的“伯乐”，上汽也投资了它，但双方仍是客户与供应商的关系。这使得其他主机厂可以对它放心信任，并与其相互站台、彼此支持。随着大浪淘沙，Momenta的城市NOA算法突出重围，成为少有的软件方案选择，从而囊括全球超15家车企或Tier 1的合作。

由此可见，Momenta势头正盛，但它也有自己的烦恼，就是合作车型很多，但不上量，这直接导致它的市场份额并没有想象中高。

与Momenta和智己很相似的是，博世与奇瑞同在确定NOA功能上车过程中彼此扶持，主机厂深度参与平台规划，给予技术路线的建议，明确需求，方案商基于原有的辅助驾驶经验，完善定义系统需求，开发NOA功能所需的硬件设计、底软、中间件、上层软件到感知、规控、预测，测试到量产。

2023年底，博世全球首个高速NOA项目量产并交付，上车奇瑞星途星纪元。2024年5月，奇瑞星途星纪元正式上线NEP城市辅助驾驶（Beta版本）、HPA记忆泊车等多项功能，其中城市辅助驾驶功能（Beta版本）采用邀请制内测，部分ES和ET用户可抢先体验城区辅助驾驶。这也标志着博世城市辅助驾驶和高级泊车辅助的正式发布。

具备相应能力后，下一阶段最重要的是拿到爆款车型的配套，让车企看到、规模用到博世的辅助驾驶系统。在这一点上，奇瑞依然是博世最重要的合作伙伴。

近日，博世发文称，博世纵横辅助驾驶升级版将在2025年底部署两段式端到端算法，显著提升复杂交通场景下的感知、决策与规控能力，能够实现高速高架辅助驾驶、多达10条路线的城市记忆行车辅助、记忆泊车辅助和丝滑泊车辅助等功能，并且首个海外项目将于2026年第一季度实现量产。

就在4月初，地平线与大众汽车集团正式宣布，基于地平线全场景方案HSD在辅助驾驶领域展开进一步合作。大众CMP平台首批6款车，升级版MEB平台的1款车，都将搭载经大众CARIAD和地平线的合资公司酷睿程调试后的HSD方案，具备城市NOA的能力，通过软硬结合的产品基座和端到端的软件架构，可应对城区路口、人车混行的繁忙小路、时下难点的窄道掉头、园区内部路等多元复杂的交通场景。

若地平线与大众的合作顺利，就意味着前者的软硬结合的成功，后者迎头赶上城市NOA队伍，甚至成为合资车企中率先落地的车企。毕竟，2024年能够实现“全国都能开”的车企品牌以新势力品牌与华为系品牌为主，较少出现传统自主品牌和合资品牌身影。

回归安全“第一性原理”

过去一年，汽车市场竞争焦点从价格向智能化转移，这场技术竞赛的演进轨迹清晰可见。车企在智能驾驶研发、营销方面一路狂奔，一时间“车位到车位”“离车泊入”“代客泊车”等功能热词在各大车企发布会上被频繁提及。厂家也在通过各种传播渠道不遗余力地塑造消费者对智能辅助驾驶技术的认知。

部分车企在营销策略上展现出激进姿态。有车企高调宣称其车型按照L3级标准设计，具备未来法规通过后即可实现脱手驾驶的潜力。另有企业通过高管亲自演示的方式，不断强调自家的智能辅助驾驶能力处于“国内第一梯队”“能力上限非常高”，并在直播演示相关功能时尽量做到全程不用人工干预、零接管。

智能辅助驾驶的核心在于为车辆装备一个“智慧大脑”，使其能像人类驾驶员一样感知周围环境、做出决策并控制车辆。

这一过程主要分三步：首先，通过摄像头、激光雷达（LiDAR）、毫米波雷达等传感器，“看清”周围环境；接着，车辆的“智慧大脑”（即AI算法）会处理这些传感器收集的数据，做出驾驶决策；最后，车辆根据这些决策进行实际行动，如加速、刹车或转向，以确保安全驾驶。

从技术发展角度看，智驾技术存在的主要局限包括算法缺陷、感知局限以及人机交互的响应时差等问题‌。这些局限导致了智驾系统在复杂场景下的表现不如预期，甚至可能引发安全事故。

首先，算法缺陷‌是智驾系统面临的一个重要问题。关于智能辅助驾驶，车企说了很多年的L2、L2+、L2++，甚至L2+++，其实一直在L2水平横向递进，并没有真正跃升到L3水平。只有在一些特定城市的特殊路段才给L3功能开放部分权限，大部分场景仍是依靠“人类主驾，智能辅驾”，主要依赖高精地图和固定规则进行决策，对于临时施工、极端天气等动态场景的处理能力有限。

长期来看，智能辅助驾驶都将处于“人机共治”阶段。虽然很多车都标配了L2级别智能驾驶功能，但每一辆车智驾系统适用的场景和条件是完全不同的，尤其是低配车型，就算是同一个厂商低配和高配之间也有很大差别。

其次，‌感知局限‌也是一个显著问题。当前主流的L2级辅助驾驶对复杂环境并没有特别强的识别能力。特别是在大雨、大雾、暴雪等恶劣天气下，毫米波雷达和摄像头探测距离会急剧缩短，即便是激光雷达在雨天散射也会比较严重。这意味着驾驶人需要对驾驶进行全程监管。

智驾环境感知的主要手段是纯视觉算法或视觉+激光雷达。纯视觉算法将摄像头作为主要硬件设备，相对激光雷达而言成本低廉，这使得搭载纯视觉算法的智能驾驶方案在大规模应用时更具成本效益。

视觉系统能够捕捉到丰富的纹理、颜色等信息，对于识别交通标志、车道线、行人面部表情和车辆外观等具有天然的优势，可以为自动驾驶车辆提供大量的语义信息。

但是，纯视觉算法受环境影响较大，在特定天气条件下，如暴雨、浓雾、大雪、强光直射、反光等，图像质量会严重下降，导致识别精度降低甚至失效，以及在出隧道、地下车库等光线剧烈变化的场景下需要复杂的光学号处理，影响对道路和周围物体的识别。

深度感知能力有限和对遮挡敏感也是纯视觉的短板。当物体被部分遮挡时，纯视觉算法可能无法准确识别整个物体，从而影响对场景的理解和判断。

激光雷达是一种用于精确获得三维位置信息的传感器，通过发射和接收激光束，获取空间的位置点信息（即点云），并根据这些信息进行三维建模，可以确定目标的位置、 大小、外部轮廓等。

它与其它传感器互为补充，可以很好地弥补纯视觉方案下的缺点，直接获取三维信息，同时纯视觉方案仍具有瓶颈，且需要大量数据积累和处理，以及强大的算力算法支持，激光雷达则可以大幅提升车辆对于周围环境感知的准确度，降低高等级智能驾驶对算法的要求，是智能驾驶融合感知方案不可缺少的一环。

不过，常规激光雷达在侧向感知方面仍然存在不足。以常规激光雷达水平视场角为120°计算，相邻车道车辆超车切入在车头超过3.5m时才能探测到，极易发生剐蹭。

其次，激光雷达对低矮物的探测感知不足，由于主激光雷达垂直视场角的限制，存在着前向3m~7m的视觉盲区，对于侧面矮小障碍物和移动物体，智驾系统无法感知。此外，激光雷达对道路周边静态物识别不足，在车道线模糊的路段，容易规划出波动较大的轨迹线，影响驾驶体验。

异形障碍物识别缺陷也是智驾的一大挑战。对于临时路障、水马、消防栓等非标准物体的识别，智驾系统容易存在盲区。纯视觉方案依赖图像语义分割，对不规则物体的特征提取存在误差；而多传感器融合则可能因数据时空对齐问题导致误判。

‌人机交互的响应时差‌也是一个重要问题。德国全德汽车俱乐部的测试结果表明，驾驶员平均需2.3 秒才能完成有效接管，高速公路场景下这一时间甚至延长至2.6秒。不同驾驶人员情况也不相同，部分驾驶员可能因疲劳、分心或注意力不集中而导致接管延迟。

智驾技术的开发是一个复杂的过程。首先，开发团队会在真实道路上通过传感器采集大量数据，如行人、车辆、交通标志等，并为这些数据打上标签，以训练AI模型理解道路环境。接着，利用人工智能技术进行模型训练，使其能做出正确决策。这一过程需要大量计算资源。

随后，智驾系统会在虚拟环境中进行仿真测试，模拟各种场景以发现问题并优化。通过实车测试后，团队会将系统安装到测试车辆中，在真实环境中验证其性能。

最后，经过迭代优化和相关部门的安全认证，成熟的智驾系统会集成到量产车辆中，最终推向市场。

为全面回应智驾产业“跃进式发展”带来的可能风险，工信部与市场监管总局于2月联合发布了《关于进一步加强智能网联汽车产品准入、召回及软件在线升级管理的通知》，其中强调“明确系统功能边界和安全响应措施”，恰恰揭示了当前测试验证的薄弱环节。

智能辅助驾驶系统的可靠性不仅取决于理想场景下的表现，更需在极端路况、人机交互冲突等复杂情境中验证失效冗余机制。部分车企为抢占市场窗口，压缩测试周期，用有限场景数据掩盖系统局限性。其“走捷径”的开发逻辑，实则是将公共道路变为未完成品的试验场，将法律与道德风险推向社会。

政策介入的必然性，源于技术特性与市场规律的深层冲突。智能网联汽车相比于燃油车，最大的不同是软件定义硬件，其功能迭代依赖持续的数据反馈与算法优化。特有的动态演进特性，使得传统汽车“定型即固化”的质量管控模式失效。

工信部要求将OTA升级纳入准入管理，正是试图建立适应技术特性的新型监管框架，既不能扼杀创新活力，又必须守住安全底线。备案制与生产一致性管理的结合，意在要求企业将技术不确定性透明化，通过制度设计平衡创新速度与风险控制。

同时，工信部还发布了《电动汽车用动力蓄电池安全要求》，首次提出热失控后电池“不起火、不爆炸”的强制性指标，被称为“史上最严电池安全标准”。这表明，我国已再度加强智能网联汽车安全治理，从整车到核心零部件构建起一个全链条监管体系。

工信部这一系列举措，并非对智能辅助驾驶发展的限制，而是对技术本质的回归。只有剥离营销泡沫，才能让智能辅助驾驶技术真正从实验室理想落地为道路现实。

需要认识到，智能辅助驾驶系统并非孤立运行，而是“人-车-路-云”协同体系中的一环。系统安全不仅要依赖单车智能，更需外部环境感知、AI网络基础设施、高精地图等多方配合。这就需要政策层面加强跨部门、跨行业协同治理能力，推动标准统一、责任明晰、监管智能化。

比如，多方合作探索感知大模型、多传感器数据融合、AI网络等技术的综合应用，以及有效的路侧信息发送机制。通过将路侧摄像头、车载雷达、激光雷达等多种传感器的数据进行整合，并对交通环境动态数据进行实时分析，从而提供更全面、更精准的交通环境感知，有助于车辆根据当前交通态势做出合理决策。同时，通过把路障位置、作业改道等信息上传至云端平台，并推送至车辆，实现车辆、路侧与云端的三端联动，可以大幅降低交通事故发生概率 。

从全球经验来看，德国、美国等国也在加快构建以“功能等级+场景限定+责任划分”为核心的自动驾驶法律框架。比如，德国2022年就已明确L3级车辆需在特定高速场景运行，并须配备“接管提醒系统”。我国也需加快推动《道路交通安全法》修订，建立适用于L3及以上智驾系统的法律责任体系和赔偿机制。

技术革命的终极检验标准，是公共价值而非商业噱头。就此而言，技术真实性的守护，需要构建多层次的保障机制。企业层面应建立宣传话语与技术参数对应的对外口径；监管层面可探索建立第三方技术验证标识制度，避免企业“自说自话”；而消费者教育则应聚焦于风险认知框架的完善。立体防护网的形成，才能让智驾既满足法律法规要求，又兼顾技术创新需求，实现两者平衡发展。

在通往完全自动驾驶的征途中，一系列交通安全事件恰似在技术狂飙的赛道上划出警示标线，提醒所有参与者：创新的价值不在于突破多快，而在于根基多稳。唯有守护真实，智能网联汽车才有足够稳定的动力，驶向科技进步的下一站，这场关于技术边界与生命权的对话，或许才能走向理性深处。