今天小編分享的互聯網經驗：智能輔助駕駛“退燒”，踏上自我救贖與回歸之路，歡迎閱讀。
文 | 極智 GeeTech
如今，智能輔助駕駛市場正在經歷一個從 " 參數崇拜 " 向 " 技術回歸 " 的去泡沫化階段。2024 年的中國車展，曾以 " 智駕元年 " 之名載入史冊，華為 ADS 3.0、小鵬 XNGP、蔚來 NOP+ 等技術輪番登場，車企争相标榜 "L3 級自動駕駛 "。而在 2025 年上海車展，行業氛圍卻陡然轉向。
無論傳統車企還是新勢力，都要面對過度營銷之後的信任重塑，這不僅是一次衝刷行業浮躁、重構信任基石的大考，更是產業告别野蠻生長、邁向價值驅動發展階段的 " 成人禮 "。
不談智駕是個偽命題？
盡管輿論場對智駕的質疑聲不斷，但智能化仍是車企無法回避的競争維度。2025 年第一季度，中國 L2 級及以上輔助駕駛滲透率突破 65%，較 2024 年同期增長 12 個百分點，城市 NOA（自動導航輔助駕駛）功能覆蓋城市數量較去年同期增長超 200%。
即便是超豪華品牌，亦開始試水智能座艙與基礎輔助駕駛功能。這表明，高階輔助駕駛技術已從 " 嘗鮮期 " 過渡到 " 普及期 "。
更關鍵的是，中國市場的結構性變化迫使車企不得不進行智駕軍備競賽。目前，北京、上海等地已開放 L3 級測試道路，工信部計劃年内推出全國性智駕責任劃分标準。
其次，用戶需求開始分化，高端用戶追求 " 無感智駕 "，如自動泊車、高速領航，家庭用戶看重安全兜底，如 AEB 緊急制動，雖然分化，但智能輔助駕駛已經成為剛需。
同時，随着技術的進步和產能的提升，智駕硬體成本相比此前也有了明顯下降。政策、需求、成本均十分有利，車企沒有理由，也難以徹底放棄這一差異化賣點。
智能輔助駕駛 " 合縱連橫 "
從無圖路線到端到端、從一段式到兩段式、從高速 NOA 到城市 NOA，經過一年多的較量，國内智能輔助駕駛方案商的各梯隊陣營更加清晰。
車企自研陣營不斷擴大，除了蔚小理、小米、零跑等新勢力，比亞迪、吉利、長安、奇瑞、長城等傳統車企也加碼投入，搭建出一套自研體系。
随着比亞迪打響 " 智駕平權 " 第一槍，傳統車企們早已按捺不住，紛紛通過自研智駕構築起新的護城河。長安（北鬥天樞）、吉利（千裡浩瀚）、奇瑞（獵鷹智駕）、長城（咖啡智駕）等傳統企業紛紛踏上全民智駕之路，從低階、中階到高階，将智能輔助駕駛作為 " 标配 " 產品，由此 2025 年也被業界稱為 " 全民智駕元年 "。
如果說，車企自研陣營屬于一極，那麼站穩另一極的華為與 Momenta 憑借技術壁壘與生态優勢，兩者以 " 斷崖式 " 姿态占據智能輔助駕駛市場半壁江山。
華為以身入局，作為自主高端化的重要力量，與自主車企共同打造智能新品牌。它的出發點不同于獨立第三方，導致它與非綁定主機廠之間的關系經歷過質疑與排斥，但一切在近一年來得以破局，開始邁入更廣闊的量產陣營。
華為在智能輔助駕駛方面合作模式分為三種，智選車模式、零部件模式與 HI 模式。
其中，智選車模式作為主幹，華為以供應商的身份掌握主導權與話語權，深度參與整車定義、產品設計、渠道銷售各環節中。
目前，華為已與賽力斯、奇瑞、北汽、江淮合作綁定，形成 " 四界 "（問界、智界、享界、尊界）矩陣，其算法主要供給 " 四界 "、阿維塔等 " 含華量 " 極高的主機廠。
零部件模式則是最常見的供應商合作模式，由華為向各車企提供諸如激光雷達、攝像頭、電機、網關等零部件。
而 HI 模式對應的，是華為以一種技術輸出的方式，提供軟硬一體全棧解決方案，包括智能駕駛、智能座艙等。當主機廠發現城市 NOA 算法自研壁壘過高，而市場選擇性太少，方程豹、岚圖、深藍等成為華為 HI 模式下的客戶，華為也由此實現破局。
此外，在 HI 模式基礎上，華為還延展出了 HI PLUS 模式，該模式介于智選車模式與 HI 模式之間，即在車企保留主導權後，華為更進一步，深度參與到汽車智能化領網域的開發及營銷工作中。
值得一提的是，華為智駕也開始延伸至傳統豪華車企的腹地，奧迪正計劃将華為乾崑 ADS 智駕系統引入其 PPC（高級燃油車平台）和 PPE（高級純電動平台）平台，提升旗下車型的智能化水平。
Momenta 的優勢在于，通過一套架構、一套算法以及海量數據，打造出一張 " 平台化解決方案 " 的大網，可以滿足各車企及車型要求，并與多種傳感器、計算平台（英偉達、高通等）、作業系統等軟硬設施适配，這使得 Momenta 成為量產車智駕方案寡頭之一，車企不僅認可它的 " 第三方 " 定位，也信賴其量產工程化能力。
比如，比亞迪的天神之眼 A、B 版本的智駕方案均由 Momenta 提供。兩套系統均可實現端到端智駕大模型運行和城市 NOA 功能，而最低端的天神之眼 C 采用的是純視覺方案，搭載了一塊地平線 J6M 或英偉達 Orin-N 芯片，算法則由比亞迪自研；智己與 Momenta 從雲端到車端的軟體方案深度綁定；合資車企中的廣汽豐田、一汽豐田、東風日產等，以及外資的大眾、奧迪、奔馳都與其在技術領網域有深度合作。
雖然智己是 Momenta 進入 L2 級城市 NOA 的 " 伯樂 "，上汽也投資了它，但雙方仍是客戶與供應商的關系。這使得其他主機廠可以對它放心信任，并與其相互站台、彼此支持。随着大浪淘沙，Momenta 的城市 NOA 算法突出重圍，成為少有的軟體方案選擇，從而囊括全球超 15 家車企或 Tier 1 的合作。
由此可見，Momenta 勢頭正盛，但它也有自己的煩惱，就是合作車型很多，但不上量，這直接導致它的市場份額并沒有想象中高。
與 Momenta 和智己很相似的是，博世與奇瑞同在确定 NOA 功能上車過程中彼此扶持，主機廠深度參與平台規劃，給予技術路線的建議，明确需求，方案商基于原有的輔助駕駛經驗，完善定義系統需求，開發 NOA 功能所需的硬體設計、底軟、中間件、上層軟體到感知、規控、預測，測試到量產。
2023 年底，博世全球首個高速 NOA 項目量產并交付，上車奇瑞星途星紀元。2024 年 5 月，奇瑞星途星紀元正式上線 NEP 城市輔助駕駛（Beta 版本）、HPA 記憶泊車等多項功能，其中城市輔助駕駛功能（Beta 版本）采用邀請制内測，部分 ES 和 ET 用戶可搶先體驗城區輔助駕駛。這也标志着博世城市輔助駕駛和高級泊車輔助的正式發布。
具備相應能力後，下一階段最重要的是拿到爆款車型的配套，讓車企看到、規模用到博世的輔助駕駛系統。在這一點上，奇瑞依然是博世最重要的合作夥伴。
近日，博世發文稱，博世縱橫輔助駕駛更新版将在 2025 年底部署兩段式端到端算法，顯著提升復雜交通場景下的感知、決策與規控能力，能夠實現高速高架輔助駕駛、多達 10 條路線的城市記憶行車輔助、記憶泊車輔助和絲滑泊車輔助等功能，并且首個海外項目将于 2026 年第一季度實現量產。
就在 4 月初，地平線與大眾汽車集團正式宣布，基于地平線全場景方案 HSD 在輔助駕駛領網域展開進一步合作。大眾 CMP 平台首批 6 款車，更新版 MEB 平台的 1 款車，都将搭載經大眾 CARIAD 和地平線的合資公司酷睿程調試後的 HSD 方案，具備城市 NOA 的能力，通過軟硬結合的產品基座和端到端的軟體架構，可應對城區路口、人車混行的繁忙小路、時下難點的窄道掉頭、園區内部路等多元復雜的交通場景。
若地平線與大眾的合作順利，就意味着前者的軟硬結合的成功，後者迎頭趕上城市 NOA 隊伍，甚至成為合資車企中率先落地的車企。畢竟，2024 年能夠實現 " 全國都能開 " 的車企品牌以新勢力品牌與華為系品牌為主，較少出現傳統自主品牌和合資品牌身影。
回歸安全 " 第一性原理 "
過去一年，汽車市場競争焦點從價格向智能化轉移，這場技術競賽的演進軌迹清晰可見。車企在智能駕駛研發、營銷方面一路狂奔，一時間 " 車位到車位 "" 離車泊入 "" 代客泊車 " 等功能熱詞在各大車企發布會上被頻繁提及。廠家也在通過各種傳播渠道不遺餘力地塑造消費者對智能輔助駕駛技術的認知。
部分車企在營銷策略上展現出激進姿态。有車企高調宣稱其車型按照 L3 級标準設計，具備未來法規通過後即可實現脫手駕駛的潛力。另有企業通過高管親自演示的方式，不斷強調自家的智能輔助駕駛能力處于 " 國内第一梯隊 "" 能力上限非常高 "，并在直播演示相關功能時盡量做到全程不用人工幹預、零接管。
智能輔助駕駛的核心在于為車輛裝備一個 " 智慧大腦 "，使其能像人類駕駛員一樣感知周圍環境、做出決策并控制車輛。
這一過程主要分三步：首先，通過攝像頭、激光雷達（LiDAR）、毫米波雷達等傳感器，" 看清 " 周圍環境；接着，車輛的 " 智慧大腦 "（即 AI 算法）會處理這些傳感器收集的數據，做出駕駛決策；最後，車輛根據這些決策進行實際行動，如加速、刹車或轉向，以确保安全駕駛。
從技術發展角度看，智駕技術存在的主要局限包括算法缺陷、感知局限以及人機互動的響應時差等問題。這些局限導致了智駕系統在復雜場景下的表現不如預期，甚至可能引發安全事故。
首先，算法缺陷是智駕系統面臨的一個重要問題。關于智能輔助駕駛，車企說了很多年的 L2、L2+、L2++，甚至 L2+++，其實一直在 L2 水平橫向遞進，并沒有真正躍升到 L3 水平。只有在一些特定城市的特殊路段才給 L3 功能開放部分權限，大部分場景仍是依靠 " 人類主駕，智能輔駕 "，主要依賴高精地圖和固定規則進行決策，對于臨時施工、極端天氣等動态場景的處理能力有限。
長期來看，智能輔助駕駛都将處于 " 人機共治 " 階段。雖然很多車都标配了 L2 級别智能駕駛功能，但每一輛車智駕系統适用的場景和條件是完全不同的，尤其是低配車型，就算是同一個廠商低配和高配之間也有很大差别。
其次，感知局限也是一個顯著問題。當前主流的 L2 級輔助駕駛對復雜環境并沒有特别強的識别能力。特别是在大雨、大霧、暴雪等惡劣天氣下，毫米波雷達和攝像頭探測距離會急劇縮短，即便是激光雷達在雨天散射也會比較嚴重。這意味着駕駛人需要對駕駛進行全程監管。
智駕環境感知的主要手段是純視覺算法或視覺 + 激光雷達。純視覺算法将攝像頭作為主要硬體設備，相對激光雷達而言成本低廉，這使得搭載純視覺算法的智能駕駛方案在大規模應用時更具成本效益。
視覺系統能夠捕捉到豐富的紋理、顏色等信息，對于識别交通标志、車道線、行人面部表情和車輛外觀等具有天然的優勢，可以為自動駕駛車輛提供大量的語義信息。
但是，純視覺算法受環境影響較大，在特定天氣條件下，如暴雨、濃霧、大雪、強光直射、反光等，影像質量會嚴重下降，導致識别精度降低甚至失效，以及在出隧道、地下車庫等光線劇烈變化的場景下需要復雜的光學号處理，影響對道路和周圍物體的識别。
深度感知能力有限和對遮擋敏感也是純視覺的短板。當物體被部分遮擋時，純視覺算法可能無法準确識别整個物體，從而影響對場景的理解和判斷。
激光雷達是一種用于精确獲得三維位置信息的傳感器，通過發射和接收激光束，獲取空間的位置點信息（即點雲），并根據這些信息進行三維建模，可以确定目标的位置、 大小、外部輪廓等。
它與其它傳感器互為補充，可以很好地彌補純視覺方案下的缺點，直接獲取三維信息，同時純視覺方案仍具有瓶頸，且需要大量數據積累和處理，以及強大的算力算法支持，激光雷達則可以大幅提升車輛對于周圍環境感知的準确度，降低高等級智能駕駛對算法的要求，是智能駕駛融合感知方案不可缺少的一環。
不過，常規激光雷達在側向感知方面仍然存在不足。以常規激光雷達水平視場角為 120 ° 計算，相鄰車道車輛超車切入在車頭超過 3.5m 時才能探測到，極易發生剮蹭。
其次，激光雷達對低矮物的探測感知不足，由于主激光雷達垂直視場角的限制，存在着前向 3m~7m 的視覺盲點，對于側面矮小障礙物和移動物體，智駕系統無法感知。此外，激光雷達對道路周邊靜态物識别不足，在車道線模糊的路段，容易規劃出波動較大的軌迹線，影響駕駛體驗。
異形障礙物識别缺陷也是智駕的一大挑戰。對于臨時路障、水馬、消防栓等非标準物體的識别，智駕系統容易存在盲點。純視覺方案依賴影像語義分割，對不規則物體的特征提取存在誤差；而多傳感器融合則可能因數據時空對齊問題導致誤判。
人機互動的響應時差也是一個重要問題。德國全德汽車俱樂部的測試結果表明，駕駛員平均需 2.3 秒才能完成有效接管，高速公路場景下這一時間甚至延長至 2.6 秒。不同駕駛人員情況也不相同，部分駕駛員可能因疲勞、分心或注意力不集中而導致接管延遲。
智駕技術的開發是一個復雜的過程。首先，開發團隊會在真實道路上通過傳感器采集大量數據，如行人、車輛、交通标志等，并為這些數據打上标籤，以訓練 AI 模型理解道路環境。接着，利用人工智能技術進行模型訓練，使其能做出正确決策。這一過程需要大量計算資源。
随後，智駕系統會在虛拟環境中進行仿真測試，模拟各種場景以發現問題并優化。通過實車測試後，團隊會将系統安裝到測試車輛中，在真實環境中驗證其性能。
最後，經過迭代優化和相關部門的安全認證，成熟的智駕系統會集成到量產車輛中，最終推向市場。
為全面回應智駕產業 " 躍進式發展 " 帶來的可能風險，工信部與市場監管總局于 2 月聯合發布了《關于進一步加強智能網聯汽車產品準入、召回及軟體在線更新管理的通知》，其中強調 " 明确系統功能邊界和安全響應措施 "，恰恰揭示了當前測試驗證的薄弱環節。
智能輔助駕駛系統的可靠性不僅取決于理想場景下的表現，更需在極端路況、人機互動衝突等復雜情境中驗證失效冗餘機制。部分車企為搶占市場視窗，壓縮測試周期，用有限場景數據掩蓋系統局限性。其 " 走捷徑 " 的開發邏輯，實則是将公共道路變為未完成品的試驗場，将法律與道德風險推向社會。
政策介入的必然性，源于技術特性與市場規律的深層衝突。智能網聯汽車相比于燃油車，最大的不同是軟體定義硬體，其功能迭代依賴持續的數據反饋與算法優化。特有的動态演進特性，使得傳統汽車 " 定型即固化 " 的質量管控模式失效。
工信部要求将 OTA 更新納入準入管理，正是試圖建立适應技術特性的新型監管框架，既不能扼殺創新活力，又必須守住安全底線。備案制與生產一致性管理的結合，意在要求企業将技術不确定性透明化，通過制度設計平衡創新速度與風險控制。
同時，工信部還發布了《電動汽車用動力蓄電池安全要求》，首次提出熱失控後電池 " 不起火、不爆炸 " 的強制性指标，被稱為 " 史上最嚴電池安全标準 "。這表明，我國已再度加強智能網聯汽車安全治理，從整車到核心零部件構建起一個全鏈條監管體系。
工信部這一系列舉措，并非對智能輔助駕駛發展的限制，而是對技術本質的回歸。只有剝離營銷泡沫，才能讓智能輔助駕駛技術真正從實驗室理想落地為道路現實。
需要認識到，智能輔助駕駛系統并非孤立運行，而是 " 人 - 車 - 路 - 雲 " 協同體系中的一環。系統安全不僅要依賴單車智能，更需外部環境感知、AI 網絡基礎設施、高精地圖等多方配合。這就需要政策層面加強跨部門、跨行業協同治理能力，推動标準統一、責任明晰、監管智能化。
比如，多方合作探索感知大模型、多傳感器數據融合、AI 網絡等技術的綜合應用，以及有效的路側信息發送機制。通過将路側攝像頭、車載雷達、激光雷達等多種傳感器的數據進行整合，并對交通環境動态數據進行實時分析，從而提供更全面、更精準的交通環境感知，有助于車輛根據當前交通态勢做出合理決策。同時，通過把路障位置、作業改道等信息上傳至雲端平台，并推送至車輛，實現車輛、路側與雲端的三端聯動，可以大幅降低交通事故發生概率 。
從全球經驗來看，德國、美國等國也在加快構建以 " 功能等級 + 場景限定 + 責任劃分 " 為核心的自動駕駛法律框架。比如，德國 2022 年就已明确 L3 級車輛需在特定高速場景運行，并須配備 " 接管提醒系統 "。我國也需加快推動《道路交通安全法》修訂，建立适用于 L3 及以上智駕系統的法律責任體系和賠償機制。
技術革命的終極檢驗标準，是公共價值而非商業噱頭。就此而言，技術真實性的守護，需要構建多層次的保障機制。企業層面應建立宣傳話語與技術參數對應的對外口徑；監管層面可探索建立第三方技術驗證标識制度，避免企業 " 自說自話 "；而消費者教育則應聚焦于風險認知框架的完善。立體防護網的形成，才能讓智駕既滿足法律法規要求，又兼顧技術創新需求，實現兩者平衡發展。
在通往完全自動駕駛的征途中，一系列交通安全事件恰似在技術狂飙的賽道上劃出警示标線，提醒所有參與者：創新的價值不在于突破多快，而在于根基多穩。唯有守護真實，智能網聯汽車才有足夠穩定的動力，駛向科技進步的下一站，這場關于技術邊界與生命權的對話，或許才能走向理性深處。
