问题：从功能配置到能力提升 近年来，智能驾驶技术从高速场景逐步拓展至城市道路和全场景应用，行业竞争重点也从“有无功能”转向“体验、安全和规模化运营”；研究显示，到2026年，L4级自动驾驶有望特定场景实现商业化突破，尤其是Robotaxi等RoboX在限定区域的运营将成为行业成熟度的重要标志。另外，市场对智能驾驶的稳定性、安全性和合规性要求不断提高，推动车企优化研发体系和供应链管理。 原因：自研与合作并行的双轨模式 国内车企的智能驾驶发展呈现“双轮驱动”特点：一上加强自研能力，掌握算法、数据和系统集成等核心技术；另一方面与外部平台合作，借助成熟方案加速落地。头部车企普遍采用双轨并行策略，并通过整合内部团队提升效率。例如，部分企业通过设立智能化中心或统一研发平台，减少重复投入，缩短决策流程。 技术上，端到端方案、VLA大模型和无图化技术对数据闭环和算力提出更高要求。多家车企已扩建算力中心以支持模型训练。硬件方面，激光雷达与视觉融合成为主流配置，同时激光雷达正逐步下探至中低端车型，成本下降和规模化应用是主要推动力。 影响：软件和运营能力成关键 行业价值重心正从硬件配置转向软件能力和运营服务。部分车企开始探索订阅制等新模式，将智能驾驶从一次性配置转化为持续收入来源。 车企发展路径呈现多样化：有的坚持全栈自研，注重拟人化驾驶和高阶避障能力；有的推出分档方案，覆盖不同价位需求；还有的通过合作模式为多家车企提供技术支持。此外，“芯片-算子-模型”一体化优化成为新竞争点，有助于降低接管率并提升工程效率。 Robotaxi等运营场景对安全性、可靠性和系统协同的要求更高，其商业化将带动软件平台、传感器、车路协同等环节的需求增长，产业链外溢效应显著。 对策：安全、成本和协同是关键 行业仍处于调整期，政策、量产进度和竞争格局将影响技术普及速度。未来需重点关注： 1. 完善安全验证体系，提升端到端方案的可解释性和测试标准； 2. 以成本和可靠性为导向，确保量产体验与测试能力一致； 3. 加强生态协作，明确分工边界，减少重复投入，保障供应链稳定。 前景：分化加剧，L4或成拐点 到2026年，智能驾驶技术将围绕端到端、VLA大模型和无图化方向深化发展，功能从高速NOA扩展至城市和全场景应用。行业分化可能加剧：具备数据闭环、算力支持和工程化能力的企业有望率先实现L4商业化；而依赖硬件堆叠或单点技术的厂商将面临更大压力。 风险方面需关注供应链波动、宏观经济复苏不及预期、政策变化以及价格战对利润的影响。总体来看，智能驾驶竞争正从“功能上线速度”转向“安全、体验和商业闭环”的比拼。
智能驾驶技术的竞争不仅是车企核心能力的体现，也是中国汽车工业实现跨越式发展的机遇。在技术创新与市场需求共振的背景下，构建安全可靠的产业生态将成为下一阶段的关键课题。这场变革正在重塑未来出行的底层逻辑。