电动化进入增速平缓期 汽车智能化驶入 “下半场”

　　“去年，中国汽车市场一共上市了 710 款左右的车型，其中只有 10%，也就是 69 款车型月销量超过了 5000 辆。在当前产业环境下，如何做好产品、提升用户体验、提升效率，已经成为所有汽车人需要共同研究的话题。”

　　近期，一家头部自主车企高管在 2025 汽车先锋思享荟论坛上分享的这段话，瞬间吸引了包括《中国经营报》记者在内的参会嘉宾的注意。

　　中国汽车行业已进入智能化转型的 “下半场”。中国国际贸易促进委员会汽车行业分会、中国国际商会汽车行业商会会长王侠认为，要打好下半场的比赛，必须对下半场的本质特征有一个清醒的认识。这个本质特征就是，汽车产业出现 “从量的高增长向低增长的转变” 这一拐点是不可逆的。那么，下半场的动能转换来自于哪里?他认为，从量的增长转向质的提升才是产业成熟的标志，智能化是下半场的重中之重。“当前，智能化已进入普及阶段，当智能化普及了后，我们就应在高阶智驾、数据安全等方面攻坚克难。”

　　大模型、AI 重塑智能汽车

　　在汽车行业，产业界的共识是，新能源汽车只是行业发展的序章，数智新汽车才是真正的未来。

　　“今年以来，汽车市场实现的两位数增长，离不开国家层面的政策扶持，但这并不能被视为常态，更不能因此重燃对高增长的幻想。事实上，中国汽车市场的增长拐点早已出现，未来汽车市场总销量或许仍会保持缓慢上升，但已不具备持续高增速的条件。” 王侠指出，考虑到国际环境中的不利因素，汽车出口回归低增长常态也只是时间问题。与此同时，新能源车的销量增幅已经出现明显回落：从 2021 年的 157% 爆发式增长，到 2022 年的 95% 的同比增幅，再到 2023 年、2024 年以及 2025 年 1—7 月约 30% 的增幅，呈现出快速的三级跳下行态势。在新能源车渗透率触及拐点后，其对整体销量增长的拉动作用将逐渐减弱。在这样的背景下，智能化被认为是行业 “下半场” 最重要的增量动力来源。

　　记者注意到，2025 年，随着政策法规陆续落地、技术迭代逐步成熟、用户智能化需求增加，国内主流车企基本都已经导入了 L2 级的组合驾驶辅助产品，自主车企更是闯进了 “高阶智驾平权” 的赛道。

　　相关数据显示，我国 L2 级辅助驾驶新车渗透率在 2019 年仅为 3.3%，然而在短短 5 年后的 2024 年，这一数值就逼近 60%。王侠判断，预计今年年底我国 L2 级辅助驾驶新车渗透率将逼近 70%，三分之二左右的新车型将搭载 L2 级辅助驾驶功能。2024 年，中国市场乘用车前装标配智能座舱搭载率超过 70%，预计今年将跨越 80% 大关。以上数据表明，汽车智能化已经进入普及阶段。

　　在当前阶段，一方面汽车智能化已进入深水区，L3 级自动驾驶、Robotaxi 已进入商业化冲刺阶段。另一方面，从行业发展来看，智能汽车激光雷达搭载数量也已实现 “从一到多” 的突破。同时，智能汽车单车算力向千级 TOPS 迈进，AI 大模型参数规模已跃升至千亿级。

　　“在人工智能技术的推动下，智能驾驶产业迎来发展的新的突破点。当前，智能驾驶产业规模已突破万亿，促进通行效率提升 15%—30%，推动 GDP 增长 2.4%—4.8%。” 复旦大学教授、博导，上海市数据科学重点实验室主任肖仰华博士指出，智能驾驶技术的每一次升级，都与人工智能技术突破紧密相关，大模型、生成式人工智能(AI)技术是推动智能驾驶从当前的 L2/3 到 L4、L5 发展的主要推动力。

　　肖仰华称，智能驾驶技术走至今天共经历了四个发展阶段。

　　第一阶段是基于规则的智能驾驶。在这一阶段，只要写好相应的驾驶规则，就能够实现一定程度上的自动驾驶。从目前来看，基于规则的自动驾驶已经在封闭场景取得了非常好的落地效果。不过，该方案规则编写成本高、泛化性差，无法适应开放道路场景。

　　第二阶段是模块化智能驾驶。随着机器学习技术兴起，行业内将感知、定位、决策、控制等拆解成独立模块或模型，针对每个模块单独进行训练和优化。但这一方案也有它的缺陷，各个模块中的一些误差、差错容易累积和传播，导致整体的驾驶方案准确率下降，使其性能提升有限，并且维护成本比较高。

　　第三阶段是数据驱动的端到端智能驾驶。随着深度学习的崛起以及大数据的产生，我们可以通过汽车摄像头去采集海量的路况和驾驶数据，并进一步利用这些数据去训练端到端自动驾驶模型。这一技术成就了特斯拉 FSD(完全自动驾驶)技术。

　　第四阶段是大模型驱动的端到端智能驾驶。随着 GPU 及相关算力的提升以及英伟达的崛起，行业内可以做到用大模型去实现自动驾驶过程中的 “感知 — 决策” 一体化，这一解决方案有效避免了上文所述的误差累积，更好地提升了智能驾驶技术的泛化效果。

　　肖仰华指出，在这一阶段，ChatGPT 这一类语言大模型技术的成熟，也给智能驾驶带来了新的机会。语言大模型通过海量的文本，习得了广泛的视觉知识，使得自动驾驶系统进一步提升了其对开放世界的理解能力，能够根据运动轨迹做出避让。而在语言大模型之外，具身智能技术也进一步推动了智能驾驶的发展，具身智能技术通过将机器所感知到的视觉(V)、语言(L)与行为(A)三类信号合并成一个统一的模型进行训练，即 VLA，使车辆在复杂路况下能更准确地理解环境并做出自适应决策。

　　智能化 “下半场” 的难题

　　当前，汽车行业的电动化已进入增速平缓期，智能化正在突破技术与场景的边界。在智能化的 “下半场”，行业竞争的主战场将聚焦哪些核心领域?前进路上最大的不确定性是什么?企业如何去构建可持续竞争力?这些问题，已经成为行业 “下半场” 必须作答的关键命题。

　　在肖仰华看来，大模型已然成为整个自动驾驶与智能驾驶的基石，要进一步提升大模型的效果，首先必须重视建模与仿真的作用。

　　“在汽车研发中，算法与模型大量依赖仿真数据进行训练，因此仿真的逼真度与还原度对模型训练效果至关重要。沿着这个方向发展的终极目标是构建‘世界模型’—— 一种能从根本上对复杂现实世界进行建模、精确刻画物理规律并对动作演化做出预测的模型。有了这样的世界模型，无人驾驶大模型的效果有望得到进一步提升。” 肖仰华强调，与此同时，也必须要清醒地认识到，数据仍然是智能汽车发展的关键。

　　“我们需要把海量驾驶数据汇聚起来，形成用于训练的高质量数据集。随着向 L4、L5 高级别驾驶迈进，对数据的需求将更加迫切 —— 只有更多的高质量且覆盖多场景的数据，才可能训练出更高水平的智能。” 肖仰华说道。

　　近年来，谈及汽车智能化，我们往往把目光投向新势力与新能源车型 —— 它们在软件架构、OTA 和人机交互上更敢尝试、迭代更快。

　　然而，一汽奥迪销售公司前执行副总经理李凤刚却以传统豪华品牌高管的身份，为我们观察传统车企与燃油车智能化提供了新的视角。

　　“过去市场上一直有个声音，智能化只能搭载在新能源车上，燃油车做不了智能化。因此有人把燃油车比作诺基亚，说要 3 年内淘汰燃油车。也有观点认为，驾驶辅助系统对控制精度要求极高，而发动机的控制精度远不及电动机，因此燃油车无法搭载组合辅助驾驶。这个说法有一定道理，但并非完全正确。” 李凤刚在上述论坛上对包括本报记者在内的参会人士表示，实际上真正制约燃油车智能化的最大因素是电子电器架构。

　　“智能化依赖大量数据的采集、处理、交互与通讯，而传统燃油车普遍采用分布式电子电气架构，数据传输与交互速度不足，难以接入高算力集中计算控制器，无法实现对整车的统一控制，自然无法满足组合辅助驾驶系统、实时人机交互、OTA 等智能功能的需求。” 李凤刚称，为彻底解决电子电器架构这一核心问题，奥迪针对 PPE 豪华纯电平台与 PPC 豪华燃油智能平台，研发了全新的 E31.2 电子电气架构。该架构通过五个可高效协同的高性能计算中心 HCP(HighlyComputingPlatform)，实现对整车所有功能的统一控制，通过集中整合优化了原本分散的零件控制，让整车分散的机械零件变成 “会思考的整体”。

　　智能汽车是当前车企竞相角逐的核心领域。一家传统车企孵化的新势力车企高管告诉记者，随着智能驾驶走进更多人的视野，车企在开发智能汽车时应保持理性。“汽车智能化的目的不是炫技，不是去追求极致的技术参数，根本的动力是要提升用户体验。车企不应该简单粗暴地去堆砌智能化功能，而是要深入研究用户的真实使用场景，以真正提升用户体验，为用户创造价值。”

　　中国智能驾驶发展之路要更加稳健扎实，还需要法规的助力。汽车观察创始人刘小勇指出，相对而言，在智能驾驶领域，中国相关法规政策发布的密度更高，但在政策落地与约束效力层面，中国与美国仍存在明显差距。