智能化是中国汽车工业“换道超车”的机会，也是最艰难的挑战。 在这场关乎产业命运的竞赛中，唯有凝聚共识、协同发力，才能让智能驾驶真正从“实验室”走进“日常生活”，成为改变人类出行方式的“新基建”。
文｜朱耘
ID | BMR2004
当前，智能驾驶正从 “实验室技术”加速迈向“城市道路实用化”阶段。
来自中国汽车工业协会的统计数据显示，2025年上半年，我国新能源汽车销量已达汽车新车总销量的44.3%。L2级智能驾驶几乎成为新能源汽车的“标配”和主流卖点，L3级智驾系统预计今年将在特定场景陆续落地。
一方面，用户对智驾的期待从“炫酷功能”转向“日常可靠”，暴雨天的避险能力、复杂路口的决策逻辑、事故后的责任划分等细节，成为公众讨论的焦点；另一方面，行业面临多重核心矛盾：技术端需平衡“场景覆盖速度”与“安全冗余”的优先级，传播端存在“功能宣传”与“用户认知”的错位，监管端则需在“创新包容”与“风险防控”间找到动态平衡点。
展开剩余90%在此背景下，2025年7月15日，中经传媒智库、《商学院》杂志举办了题为“迎接汽车智能化时代”的闭门会，中国汽车质量委员会秘书长马振山、中国汽车流通协会副会长罗磊、江苏紫荆港科技产业发展有限公司执行总裁刘正辉 、地平线智驾产品市场总监刘文尧、福田汽车独立董事李亚 、AI+知识产权领域专家杨旭日、清华大学MBA人工智能俱乐部主席徐荣强参与了本次闭门会。与会嘉宾围绕智驾技术落地的核心痛点展开，既拆解技术迭代的底层逻辑，也探讨如何让专业突破转化为公众可感知的“安全感”与“获得感”，为智驾行业的健康发展凝聚共识。
01
L3商业化落地：技术、法规与成本的“三角博弈”
“L3与L2的本质差异，并非技术功能的简单升级，而是责任归属的‘分水岭’。”刘文尧指出，L2及以下智能驾驶的责任主体是人类驾驶员，而L3以上则进入“人机共担责任”的新阶段。L3与L2++的本质区别在于责任主体的转移：L2++仍以人类驾驶员为责任核心，而L3在特定条件下（如高速公路）将控制权移交系统，责任边界首次从“人”转向 “车”，这种变化正深刻影响着技术路线选择、产品设计逻辑与商业化节奏。
事实上，L3不是一个新设计的功能，而是L2技术演进到一定程度的法规概念。其关键不在于技术参数，而在于系统性能能否支撑汽车厂商愿意承担相应的责任。
“这一转变带来三重挑战：一是技术可靠性，L3需实现‘超人类级’决策能力，例如特斯拉FSD在处理中国复杂路况时仍需人工干预，而地平线HSD通过端到端世界模型和数据驱动架构，实现无图化全场景覆盖；二是法规的滞后性，尽管北京、武汉等地已出台L3上路条例，但国家层面的相关法律法规修订尚未完成，责任认定、保险机制仍需细化；三是成本悖论，L3需冗余传感器和高算力芯片，导致硬件成本增加30%～50%，只有规模化应用方可摊薄边际成本。”徐荣强说。
在乘用车领域，智能驾驶可谓挑战重重。作为福田汽车的独立董事，李亚透露，在商用车领域，智能驾驶的场景越来越丰富。“去年北京的公交线路已经实现了‘司机手不碰方向盘’，但司机仍需在场。技术上已能支持完全自动驾驶，但法规要求必须保留‘最后一道防线’。”这种“技术先行、法规滞后”的现状，正是L3落地的核心矛盾。
当下智驾领域存在着多条技术路线，其中激光雷达方案与纯视觉方案孰优孰劣，业界讨论得最为激烈，这些讨论始终围绕“安全冗余”与“成本可控”展开。
事实上，两种路线的争议本质是短期安全与长期成本的权衡。刘文尧用数学学习与考试举例，他认为，随着不断练习，一个学生的口算能力会不断提升，简单计算用口算、复杂计算用计算器效率最高。智驾领域的视觉算法，恰恰就是口算这一基本功。“激光雷达就像数学考试中的计算器，短期内能提高成绩，但长期可能削弱‘口算能力’。”他进一步解释：“激光雷达能看得准，但帧率和延时比视觉慢，开不出‘丝滑感’；视觉则像口算，练到一定程度反应更快、上限更高。特斯拉坚持纯视觉，就是想先把‘口算’练到极致，再适时引入‘计算器’。” 这种“先难后易”的逻辑，与国内多数车企“多模态融合”的路线形成鲜明对比。
作为智驾领域的技术专家，徐荣强认为，视觉方案（传统感知+规则决策）具有多方面优势，其成熟度较高，例如地平线征程5能够支持高速NOA功能；成本可控，激光雷达可根据实际需求选择性配置；同时法规兼容性强，责任边界清晰。不过，该方案也存在明显劣势，即泛化能力较弱，难以应对各类长尾场景，而且开发周期较长，需要人工标注海量数据。
端到端大模型（数据驱动）则展现出不同的特点。在优势方面，技术上，它可以直接从传感器输入生成控制指令，像小鹏XNGP通过视频训练使智驾能力提升2倍，复杂场景接管率降低50%；成本上，能减少对人工标注的依赖，长期来看可降低研发成本30%以上；此外还存在法规机遇，若能证明模型的鲁棒性，或许能推动责任认定从“过程合规”转向“结果合规”。但该模型也面临一些风险，一是可解释性缺失，其黑箱决策难以通过法规审查，正如欧盟《人工智能法案》要求高风险AI系统具备可追溯性；二是算力门槛高，训练需要超过1000PFlops的算力，推理则依赖高带宽芯片；三是对数据存在较强依赖，需要持续获取真实事故数据来优化模型，然而目前数据共享机制尚未建立。
罗磊说：“在（北京）亦庄体验自动驾驶时，车辆能自主完成转弯、减速、避障，甚至解决新手司机倒车难的问题。但这些体验的背后，是激光雷达、视觉传感器、算力芯片的协同，成本控制是普及的关键。” 事实上，中国车企已能将激光雷达成本大幅降低，但装机成本能否让消费者无感，仍是最大挑战。
传统的汽车产业，规模效应是第一位的，这一规则在智能驾驶领域是否依然适用？与会嘉宾普遍认为，智能驾驶的规模效应不仅体现在硬件，更体现在数据与软件迭代。
车企做智驾，无外乎三种模式，即全栈自研、华为模式和第三方智驾方案。马振山分析了三种主流模式的困境：“选择华为系，面临‘车企怕丢魂’的信任问题；自研模式，如小鹏，受限于资金和人才；第三方研发如地平线，需要平衡多客户的差异化需求。” 他直言：“没有一家车企能够长期养得起足够多的百万年薪工程师，模式选择本质是‘生存方式之战’。”
刘文尧则强调软件规模效应的特殊性：“硬件规模效应是降成本，软件规模效应是‘一块钱投入能获得更高性能’。比如特斯拉通过海量用户数据训练算法，每辆车的智驾能力都在动态提升，这是单一车企难以复制的。”
李亚认为：“商用车可能是规模效应的突破口。北京仓库到超市的固定物流线路，夜间车少、场景简单，智能驾驶能直接降低物流企业成本，这种B端场景的数据闭环更快，更易形成规模效应。”
谈及责任界定的核心争议，刘正辉结合自身在强监管行业的经历分析：“我认为，智能驾驶领域似乎忽略了一个核心问题：究竟在什么场景下‘应该启用智能驾驶’？能主动提醒用户‘当前场景适合自动驾驶’，而非完全由用户自主选择。如果是用户主动选择开启自动驾驶，那责任界定是否应更清晰地指向使用者？这需要借鉴强监管行业的经验，先把‘该不该用’的前提逻辑理顺。”
此外，智能驾驶离不开数据的支持，或者说，智能驾驶的核心是数据，但事故数据、道路数据的共享与归属，始终是行业痛点。杨旭日从法律层面厘清边界：“数据权利分两类，公共数据属于公共资源，不能私有化；个人加工的特色数据，应明确知识产权对象、范围及时间，避免‘数据垄断’。” 他举例：“滴滴收集的海量出行数据，大部分属于公共数据，企业使用3～5年后应上缴，供行业共享；而车企通过算法优化形成的驾驶策略数据，则可作为知识产权给予保护。” 关于数据权利和使用目前逐步形成了共识，“平台企业首先收集加工，拥有一定时间的先手优势，对其独立处理、标引等精加工数据，可以获得数据知识产权、商业秘密，或者商业数据等方面的保护。而对于公共数据，则是国家要承担责任，建立起公共数据运营保护中心。”
“中国车企出口的智能车型，在海外某些城市会因没有5G网络、地图数据不兼容而无法使用智驾功能。这说明数据不仅是技术问题，更是跨区域协同的系统工程。”罗磊说。
02
智驾重构汽车商业新价值
在传统汽车的整个价值链上，汽车制造领域的利润约占80%，软件、后市场、金融服务等利润约占20%。然而，早在10多年前，波士顿咨询的研究就指出，随着自动驾驶技术的不断深化，未来汽车产业链上的价值结构将发生变化，“2:8原则”对调，软件、服务的利润占比要远超汽车制造的利润。
徐荣强认为，这种“2:8 原则” 对调的逻辑基础在于硬件利润被稀释，电动车核心部件（电池、电机）标准化导致毛利率下降至15%～20%，而智驾软件毛利率可达60%以上（如特斯拉 FSD 订阅收入占比超 25%）；同时，通过OTA升级（如蔚来NAD按月收费680元）和场景化服务（如自动泊车、代客充电），可挖掘长尾价值，形成持续收入流。
事实上，车企早已意识到，靠硬件挣钱的时代已经远去，但软件订阅在中国还需要很长时间才会被消费者接受。罗磊也坦言，对当下众多车主来说，智能驾驶还非“刚需”。
软件订阅是智驾软件领域的主流业务模式。徐荣强分析，车企主导模式下，如特斯拉保留70%订阅收入，仅30%分给内容提供商；开放平台模式中，华为鸿蒙座舱允许第三方开发者接入，按流量分成（如腾讯视频车载版分润50%）；还有用户选择权模式，理想汽车推出“按需订阅”，用户可单独购买高速NOA（299元 / 月）或城区NCA（599元/月）。这一变革给价值链带来诸多机遇与挑战：主机厂需从“硬件制造商”转型为“出行服务商”，但是需重构组织架构，如设立软件事业部；科技公司如华为、百度通过生态绑定抢占入口，但是需应对车企的“去华为化”风险。
刘文尧则看到了另一种价值可能：“智能驾驶的终极价值不是卖软件，而是释放用户的驾驶时间。如果用户愿意把每天2小时的通勤时间交给车机系统，车企就能通过信息服务、场景消费创造新利润——这比单纯卖软件包更有想象空间。”
7月14日，福田汽车（600166.SH）发布《2025年半年度业绩预增公告》显示，“预计2025年半年度实现归属于母公司所有者的扣除非经常性损益后的净利润53005万元，同比增加约74.1%。”李亚透露，福田汽车净利润高增，部分源于新能源商用车的智驾功能溢价。物流企业愿意为“自动装卸、路径优化”等功能付费，因为能直接降本，这种B端付费意愿比C端更明确。
尽管越来越多的汽车厂商捆绑“华为”，但是马振山指出，只要车企找到了自己的核心定位，便不会沦为软件厂商的代工厂。比如华为系车型靠智驾溢价，比亚迪靠全栈自研，小米靠生态协同等，未来会形成“多元共生”的格局。
罗磊观察认为，智能车与传统燃油车客户群是分化的，燃油车用户认ABB（奥迪、宝马、奔驰），新能源车用户追特斯拉、华为、小米。这种分化意味着，智驾能力将成为品牌定位的核心标签，跟不上的车企会被加速淘汰。刘文尧认为：“传统车企的思维惯性是‘在固定考题里争第一’，而新势力在‘重新定义考题’。比如小米用‘美感溢出’‘性能溢出’打动年轻人，这种对用户情绪的捕捉，比单纯的技术参数更重要。”
事实上，无论是从营销模式、产品模式还是金融后市场，智能汽车跟传统燃油车业务模式都发生了质的变化，随着智能汽车市场占有率的持续提升，未来智能驾驶将推动汽车商业模式从“产品交易”转向“服务运营”。李亚畅想：“L5时代，用户可能不再买车，而是买‘从地点A到地点B之间2小时舒适体验’。”杨旭日补充：“这需要解决责任界定问题。如果L4级事故由车企负责，那车企责任（权利）必然会往前延伸，进而控制整个车辆全生命周期的服务——从保险到维修，从数据到场景，形成闭环。”罗磊则强调生态的重要性：“小米的优势不是车本身，而是‘车-家-手机’的生态联动。用户在车里能提前开空调、指挥扫地机器人，这种体验是传统车企难以复制的，也是智驾时代的核心竞争力。”
03
算力竞赛，谁主沉浮？
智能驾驶的比拼，最终是算力的比拼。从芯片到算法再到操作系统，从国产替代的生态构建，中国企业正面临“换道超车”的机遇与挑战。杨旭日直言：“我国算力发展也具有某种后发优势，国家主导的算力中心主要依赖华为的算力芯片，华为昇腾与DeepSeek软件架构已经完成适配，据说已经达到了现有英伟达的水平。就目前而言，硬件受制于美国，软件生态覆盖不足，是我国算力产业与应用急需解决的问题。”
徐荣强认为，当下国产芯片正迎来重要机会窗口，技术上，地平线征程6P算力达 560TOPS，接近英伟达Orin-X（254TOPS），且支持端到端大模型；政策上，国家“十四五”规划将智驾芯片列为重点，地方政府（如上海）提供专项补贴；安全上，国产芯片可规避供应链断供风险。
如今，从政府到业界再到每家企业，都意识到，智能驾驶在芯片及操作系统领域，必须尽快实现国产化替代，毕竟中国道路场景复杂，针对本土优化的芯片，可能比通用芯片更有竞争力。
此外，徐荣强认为，共建算力成为应对挑战的重要探索方向，主要有三种路径：第一，车企联盟。如蔚来、理想联合成立 “智驾算力池”，共享华为昇腾910B集群，降低单TOPS成本至0.5元（自研需1.2元）；第二，云厂商入局。如阿里云推出 “智驾云”，提供弹性算力租赁（按需付费模式），但数据安全问题待解；第三，车路协同。如北京高级别自动驾驶示范区通过路侧算力（如百度Apollo智路）分担车端负载，降低40%的芯片需求。但推行的障碍依然存在，包括利益分配（华为要求算力池收入分成30%，车企难以接受）、数据主权（车企担忧共享算力导致核心数据泄露）以及技术标准（各厂商算力接口不兼容，需投入10亿元级别的改造费用）。
杨旭日强调：“智驾操作系统不能再依赖海外，这不仅是商业问题，更是国家安全问题。中国拥有丰富的场景，14亿人的出行数据，能训练出更适配的系统，这是中国企业参与海外竞争的巨大优势。”
从L3商业化的“责任界定”到算力生态的“国产突破”，从商业模式的“范式转移”到用户体验的“情绪捕捉”，智能驾驶的未来，需要技术创新与制度创新的双轮驱动。 正如马振山所言：“智能化是中国汽车工业‘换道超车’的机会，也是最艰难的挑战。” 在这场关乎产业命运的竞赛中，唯有凝聚共识、协同发力，才能让智能驾驶真正从“实验室”走进“日常生活”，成为改变人类出行方式的“新基建”。
来源｜商学院8月刊
发布于：北京市配配查提示：文章来自网络，不代表本站观点。
