“去年，中國汽車市場一共上市了710款左右的車型，其中只有10%，也就是69款車型月銷量超過了5000輛。在當前產業環境下，如何做好產品、提升用戶體驗、提升效率，已經成為所有汽車人需要共同研究的話題。”

近期，一家頭部自主車企高管在2025汽車先鋒思享薈論壇上分享的這段話，瞬間吸引了包括《中國經營報》記者在內的參會嘉賓的注意。

中國汽車行業已進入智能化轉型的“下半場”。中國國際貿易促進委員會汽車行業分會、中國國際商會汽車行業商會會長王俠認為，要打好下半場的比賽，必須對下半場的本質特征有一個清醒的認識。這個本質特征就是，汽車產業出現“從量的高增長向低增長的轉變”這一拐點是不可逆的。那么，下半場的動能轉換來自于哪里？他認為，從量的增長轉向質的提升才是產業成熟的標志，智能化是下半場的重中之重。“當前，智能化已進入普及階段，當智能化普及了后，我們就應在高階智駕、數據安全等方面攻堅克難。”

大模型、AI重塑智能汽車

在汽車行業，產業界的共識是，新能源汽車只是行業發展的序章，數智新汽車才是真正的未來。

“今年以來，汽車市場實現的兩位數增長，離不開國家層面的政策扶持，但這并不能被視為常態，更不能因此重燃對高增長的幻想。事實上，中國汽車市場的增長拐點早已出現，未來汽車市場總銷量或許仍會保持緩慢上升，但已不具備持續高增速的條件。”王俠指出，考慮到國際環境中的不利因素，汽車出口回歸低增長常態也只是時間問題。與此同時，新能源車的銷量增幅已經出現明顯回落：從2021年的157%爆發式增長，到2022年的95%的同比增幅，再到2023年、2024年以及2025年1—7月約30%的增幅，呈現出快速的三級跳下行態勢。在新能源車滲透率觸及拐點后，其對整體銷量增長的拉動作用將逐漸減弱。在這樣的背景下，智能化被認為是行業“下半場”最重要的增量動力來源。

記者注意到，2025年，隨著政策法規陸續落地、技術迭代逐步成熟、用戶智能化需求增加，國內主流車企基本都已經導入了L2級的組合駕駛輔助產品，自主車企更是闖進了“高階智駕平權”的賽道。

相關數據顯示，我國L2級輔助駕駛新車滲透率在2019年僅為3.3%，然而在短短5年后的2024年，這一數值就逼近60%。王俠判斷，預計今年年底我國L2級輔助駕駛新車滲透率將逼近70%，三分之二左右的新車型將搭載L2級輔助駕駛功能。2024年，中國市場乘用車前裝標配智能座艙搭載率超過70%，預計今年將跨越80%大關。以上數據表明，汽車智能化已經進入普及階段。

在當前階段，一方面汽車智能化已進入深水區，L3級自動駕駛、Robotaxi已進入商業化沖刺階段。

另一方面，從行業發展來看，智能汽車激光雷達搭載數量也已實現“從一到多”的突破。同時，智能汽車單車算力向千級TOPS邁進，AI大模型參數規模已躍升至千億級。

“在人工智能技術的推動下，智能駕駛產業迎來發展的新的突破點。當前，智能駕駛產業規模已突破萬億，促進通行效率提升15%—30%，推動GDP增長2.4%—4.8%。”復旦大學教授、博導，上海市數據科學重點實驗室主任肖仰華博士指出，智能駕駛技術的每一次升級，都與人工智能技術突破緊密相關，大模型、生成式人工智能（AI）技術是推動智能駕駛從當前的L2/3到L4、L5發展的主要推動力。

肖仰華稱，智能駕駛技術走至今天共經歷了四個發展階段。

第一階段是基于規則的智能駕駛。在這一階段，只要寫好相應的駕駛規則，就能夠實現一定程度上的自動駕駛。從目前來看，基于規則的自動駕駛已經在封閉場景取得了非常好的落地效果。不過，該方案規則編寫成本高、泛化性差，無法適應開放道路場景。

第二階段是模塊化智能駕駛。隨著機器學習技術興起，行業內將感知、定位、決策、控制等拆解成獨立模塊或模型，針對每個模塊單獨進行訓練和優化。但這一方案也有它的缺陷，各個模塊中的一些誤差、差錯容易累積和傳播，導致整體的駕駛方案準確率下降，使其性能提升有限，并且維護成本比較高。

第三階段是數據驅動的端到端智能駕駛。隨著深度學習的崛起以及大數據的產生，我們可以通過汽車攝像頭去采集海量的路況和駕駛數據，并進一步利用這些數據去訓練端到端自動駕駛模型。這一技術成就了特斯拉FSD（完全自動駕駛）技術。

第四階段是大模型驅動的端到端智能駕駛。隨著GPU及相關算力的提升以及英偉達的崛起，行業內可以做到用大模型去實現自動駕駛過程中的“感知—決策”一體化，這一解決方案有效避免了上文所述的誤差累積，更好地提升了智能駕駛技術的泛化效果。

肖仰華指出，在這一階段，ChatGPT這一類語言大模型技術的成熟，也給智能駕駛帶來了新的機會。語言大模型通過海量的文本，習得了廣泛的視覺知識，使得自動駕駛系統進一步提升了其對開放世界的理解能力，能夠根據運動軌跡做出避讓。而在語言大模型之外，具身智能技術也進一步推動了智能駕駛的發展，具身智能技術通過將機器所感知到的視覺（V）、語言（L）與行為（A）三類信號合并成一個統一的模型進行訓練，即VLA，使車輛在復雜路況下能更準確地理解環境并做出自適應決策。

智能化“下半場”的難題

當前，汽車行業的電動化已進入增速平緩期，智能化正在突破技術與場景的邊界。在智能化的“下半場”，行業競爭的主戰場將聚焦哪些核心領域？前進路上最大的不確定性是什么？企業如何去構建可持續競爭力？這些問題，已經成為行業“下半場”必須作答的關鍵命題。

在肖仰華看來，大模型已然成為整個自動駕駛與智能駕駛的基石，要進一步提升大模型的效果，首先必須重視建模與仿真的作用。

“在汽車研發中，算法與模型大量依賴仿真數據進行訓練，因此仿真的逼真度與還原度對模型訓練效果至關重要。沿著這個方向發展的終極目標是構建‘世界模型’——一種能從根本上對復雜現實世界進行建模、精確刻畫物理規律并對動作演化做出預測的模型。有了這樣的世界模型，無人駕駛大模型的效果有望得到進一步提升。”肖仰華強調，與此同時，也必須要清醒地認識到，數據仍然是智能汽車發展的關鍵。

“我們需要把海量駕駛數據匯聚起來，形成用于訓練的高質量數據集。隨著向L4、L5高級別駕駛邁進，對數據的需求將更加迫切——只有更多的高質量且覆蓋多場景的數據，才可能訓練出更高水平的智能。”肖仰華說道。

近年來，談及汽車智能化，我們往往把目光投向新勢力與新能源車型——它們在軟件架構、OTA和人機交互上更敢嘗試、迭代更快。

然而，一汽奧迪銷售公司前執行副總經理李鳳剛卻以傳統豪華品牌高管的身份，為我們觀察傳統車企與燃油車智能化提供了新的視角。

“過去市場上一直有個聲音，智能化只能搭載在新能源車上，燃油車做不了智能化。因此有人把燃油車比作諾基亞，說要3年內淘汰燃油車。也有觀點認為，駕駛輔助系統對控制精度要求極高，而發動機的控制精度遠不及電動機，因此燃油車無法搭載組合輔助駕駛。這個說法有一定道理，但并非完全正確。”李鳳剛在上述論壇上對包括本報記者在內的參會人士表示，實際上真正制約燃油車智能化的最大因素是電子電器架構。

“智能化依賴大量數據的采集、處理、交互與通訊，而傳統燃油車普遍采用分布式電子電氣架構，數據傳輸與交互速度不足，難以接入高算力集中計算控制器，無法實現對整車的統一控制，自然無法滿足組合輔助駕駛系統、實時人機交互、OTA等智能功能的需求。”李鳳剛稱，為徹底解決電子電器架構這一核心問題，奧迪針對PPE豪華純電平臺與PPC豪華燃油智能平臺，研發了全新的E31.2電子電氣架構。該架構通過五個可高效協同的高性能計算中心HCP（HighlyComput-ingPlatform），實現對整車所有功能的統一控制，通過集中整合優化了原本分散的零件控制，讓整車分散的機械零件變成“會思考的整體”。

智能汽車是當前車企競相角逐的核心領域。一家傳統車企孵化的新勢力車企高管告訴記者，隨著智能駕駛走進更多人的視野，車企在開發智能汽車時應保持理性。“汽車智能化的目的不是炫技，不是去追求極致的技術參數，根本的動力是要提升用戶體驗。車企不應該簡單粗暴地去堆砌智能化功能，而是要深入研究用戶的真實使用場景，以真正提升用戶體驗，為用戶創造價值。”

中國智能駕駛發展之路要更加穩健扎實，還需要法規的助力。汽車觀察創始人劉小勇指出，相對而言，在智能駕駛領域，中國相關法規政策發布的密度更高，但在政策落地與約束效力層面，中國與美國仍存在明顯差距。