“高阶智驾将成为像汽车安全带、安全气囊一样的必要配置”这到底是车企营销噱头还是中国车企的宣言书？实际上，各家冲击智能化的车企所宣扬的“高阶智驾”只不过是一个暧昧的概念，潜在的法律危机可能是其迟迟未能冲击真正自动驾驶的最主要原因。另一问题是，从技术发展进程来看，已经完成“0-60”积累的中国汽车产业链，距离L4级别的自动驾驶又有多远？
01
以后很难买到没有智驾功能的汽车
一部二手红米手机、一辆两万元不到的油车，就能实现无人驾驶门槛？一辆7万多元的入门级轿车都能实现高阶智驾？
前不久，印度工程师mankaran给了自动驾驶圈内带来了一点小小的震撼。在社交媒体发布一段48秒的视频中，他所“驾驶”的车在无人接触方向盘的情况下，靠着电机控制转向和刹车、手机摄像头分析路面情况，自己完成了启停、加速过弯等操作，最后还自己开上了马路——而且是下着雨、以拥堵著称的印度马路，这条路上甚至还没有特别明晰的行车线，也许这也是为什么视频中该车没机会展示出自己的变道能力。
印度工程师mankaran已经上线自己的开源驾驶辅助系统“Flow Pilot”
另一边，给业内带来更广泛技术冲击的，则是“迪王”比亚迪开年打出的“全民智驾”牌。2月10日，比亚迪召开发布会宣称，旗下“天神之眼”高阶智驾系统将覆盖全产品线21款车型。董事长王传福亲口表示，10万元及以上价位段车型将全系标配智驾，10万元以下车型将“多数搭载”，价格最低的海鸥智驾版甚至低至7.88万元。
比亚迪生产高阶智驾功能将搭载于大部分车型上
不到8万元的汽车都能配上智驾系统意味着什么？要知道特斯拉FSD（Full-Self Driving）的价格还要将近1万美元，比亚迪相当于买智驾系统就送你一辆车。
这两件事同时发生也让人不禁感慨，一直被业内视为“皇冠”的自动驾驶技术，现在已经如此容易实现了吗？多年软硬件的量变是不是真的到了质变边缘？事实可能并非如此，当我们厘清何为“智驾”，才会发现这背后的文字游戏带来了多大的理解误差。
02
用手机当汽车大脑还太激进
读者需要了解一个大概的背景知识：经过这么多年汽车电动化、智能化的发展，智驾产业链的确也在不断成熟，的确让许多智驾功能变得随处可见。
上述印度工程师能这么轻易地实现自动驾驶，确实是站在前人“0到60”的成果上才得以实现。早在五、六年前，美国自动驾驶初创公司Comma.ai就撰文分享了其开发的一款开源驾驶辅助系统 “Openpilot”，它还贴心提供了一份硬件组装指南，指导有计算机基础的用户自己动手打造一个即插即用的辅助驾驶套件。
Openpilot软件虽然能让汽车实现纯视觉自动驾驶，但囿于硬件性能时间很短
Openpilot可以在部分车型上实现对油门、刹车和方向的自主控制，只要这款车有自适应巡航控制（ACC）和辅助转向功能即可。有这两个功能就意味着车辆的行驶、转向不完全依靠机械控制，一台安卓手机装上该软件，并且使手机和车辆连接到一起，这辆车就可以被软件控制着行驶了。手机的摄像头就短暂充当汽车的眼，也算是“纯视觉路线”的实践了。
和车交流并不难，现在的汽车产品大多都是通过多条控制器局域网路（CAN）总线将车辆的多个模组连接到一起的；CAN又是一种非常简单的协议，只靠一条总线，任何设备都能给局域网路上的其他设备发送信息。
虽然软件让汽车可以解析摄像头和车身雷达传来的信息，甚至能回传两辆前车的位置信息，但手机性能还是有限。想一想，手机要输入大量画面，还要及时判断传递给执行模块，对于特斯拉都是个大挑战，所以官方公布的控制时长最高只有6分钟。
这位印度工程师则称，相关代码经过他的优化后，能适用于更多车型，未来可能个人手机、电脑都能被用来当作汽车自动驾驶的中控台。但这都是后话了，目前这种行为仍属于小圈子内的极客尝试。
但是一年能卖出427万辆汽车的比亚迪就不一样了，它所谓的“全民智驾”又是如何实现的？
02
所谓“高阶智驾平权”
全民智驾也分级别，比亚迪天神之眼就分A、B、C三套智驾方案。硬件上看，“天神之眼A”配备3颗激光雷达、双OrinX芯片，算力达508 TOPS；“天神之眼B”配1颗激光雷达，1颗Orin X芯片，算力254 TOPS；“天神之眼C”是配置最低的入门版，没有装配价格昂贵的激光雷达，只依赖摄像头、超声波和毫米波雷达等传感器，但据称也能支持高快速路NOA（Navigate on Autopilot，领航智驾）和自动泊车，能应对超车、进出匝道等不同路况。
发布会披露，明年比亚迪要在入门级智驾套餐中加入“记忆领航”功能，即点到点的通勤模式。但在国内智驾领域，通勤模式通常被视为城区道路领航智驾的“低配版”。
城市场景一直是车企需要攻克的难点，实际使用效果千差万别
比亚迪想要把这些功能都归到“高阶智驾”范畴，标榜智能化多年的友商有大大的不满。
华为终端董事长余承东就先跳出来喊话，“凑合能用”和“好用并安全”完全不同，实际上就是在内涵比亚迪把现在汽车产品普遍配备的L2级智能驾驶辅助，包装成高阶智驾以刷存在感；长城汽车董事长魏建军也在社交媒体强调，智驾技术应该“追求极致的用户体验和极致的安全”，暗示的意味实在太强。
其实不怪比亚迪混淆高阶智驾概念，因为这个概念并没有一个明确的边界。在业内，每个人对于“多智能的智驾算高阶”这一问题都有不同答案。
部分宣称搭载高阶智驾功能的汽车车型
按照美国自动机工程师学会（SAE）的标准，汽车智能驾驶共有L0至L5六个级别：
L0（无自动化）：驾驶员完全掌控车辆；
L1（辅助驾驶）：系统可以辅助驾驶员控制车辆的转向或速度，例如自适应巡航控制或车道保持辅助（LKA）；
L2（部分自动化）：系统可以同时控制转向和速度，但在特定情况下需要驾驶员随时接管，例如高速公路上的交通拥堵辅助；
L3（有条件自动化）：系统在特定环境下可以完成全部驾驶操作，但驾驶员仍需在驾驶位，随时响应系统发出请求并及时接管；
L4（高度自动化）：在绝大部分场景下，车辆可实现自动驾驶，不需要人类驾驶员干预；
L5（完全自动化）：系统可以在全场景、全天候实现无人驾驶，无需人类驾驶员任何形式的参与。
可以看出，L3是驾驶权交接点，以下是辅助自动驾驶、以上为自动驾驶。而处于中间地带就意味着风险，当前能看到的绝大部分量产车型搭载的智驾系统其实都处于L2级别，为了避免消费者产生误解，过分信任系统而造成法律责任界定难题，所以哪怕无限接近L3级别的自动驾驶技术也统称“智能驾驶”。
就算真的达到L3级别，车企也不会承认。假设，车主在系统自动驾驶期间发生事故，如果是系统算法、传感器故障等问题，那自动驾驶方案供应商和车企应该承担主要责任。但如果系统发出人工介入的要求，车主却未能及时接管，责任又该归谁？
所以，当汽车真的搭载高快速路领航、城区道路领航、自动泊车等功能时，我国车企又发明了“高阶智驾”这一名词。
理论上讲，高阶智驾理应在L2级别以上，能处理更为复杂的驾驶场景和任务。
比如在高速公路上自动驾驶（有一定条件），自动超车、变道、保持车距都是应有之义；更为复杂的城市道路中，自驾系统还要具备更高的环境感知能力和决策能力，能够在复杂的城市环境中自动导航，包括自动规划行驶路线、智能变道、识别和响应交通信号灯、自动通过交叉路口、以及避让行人、非机动车和其他障碍物等功能。
目前智能汽车发生事故时，车主与品牌方大多各执一词
近两年宣传高阶智驾的汽车产品不少，但实际使用体验还是跟想象中有大差别，甚至同一个功能，各家体验却不一样。汽车的智驾系统常常会发生“误识别”，明明保持车距在高速上正常行驶，却突然被自动刹停或突然减速；明明宣传说能自动上下匝道，却不能识别正在靠近的车辆……相关事故数不胜数，哪家车企又主动承担过责任？
尽管激光雷达价格不断下降，但仍然是硬件中成本较高的
另外，很多人现在还会把硬件尤其是激光雷达视作判断高阶智驾的标准，实际上它能提升多少智驾水平，拯救多少边缘场景（corner case）都是未知数。
但为什么车企喜欢把激光雷达和高阶智驾联系在一起？一是因为它的确有更精确的测距能力，尤其是在低光照和复杂天气的情况下，能弥补摄像头等传感器的不足。二是因为激光雷达成本偏高，一个激光雷达哪怕在目前也要几千元，多一个它，车企定价就能顺理成章涨几万元。
总的来说，高阶智驾的确是厂商们有意识地创造出的文字游戏，这背后既有法律责任的顾虑，也有具体场景中技术表现的短板。想真正实现“高阶智驾和安全带一样普遍”并没有这么简单，但从目前中国厂商的尝试中，我们或许还可以保留一丝希望。
03
拿下自动驾驶圣杯
能不能复刻deepseek路线
“智驾平权”绝非一句让人热血沸腾的口号，在从0到60的过程中，由芯片、传感器、算法构成的算力底座托举，才让智驾有机会驶入寻常百姓家……
传统自动驾驶技术依赖感知、决策、规划、控制等多模块串联架构，每个环节都需要独立算法支持，导致算力需求呈指数级增长。以特斯拉FSD Beta v12.3为代表的端到端架构，通过统一神经网络直接从传感器输入生成控制指令，实现了信息传递的无损化和系统效率的跃升。
这使得特斯拉的端到端算法开发历程，本质是一场算力的军备竞赛，其云端算力从早期不足10EFlops一路跃升至100EFlops，支撑着每天百万辆级的道路数据训练。
这种模式虽成就了技术领先，却也形成了高门槛——理想汽车每年算力租用成本超10亿元，高阶自动驾驶研发费用更达10亿美元量级。对于多数车企而言，模仿特斯拉的算力堆砌策略无异于饮鸩止渴，既难以追赶算力差距，又面临成本失控的风险。
意识到这一问题的中国智能汽车产业，正尝试从软硬协同上打造“中国智驾”方案。
在智驾芯片领域，当英伟达以DRIVE Thor芯片的2000 TOPS算力定义行业标准时，以华为昇腾为首的国产芯片正快速崛起，其中华为昇腾芯片针对Transformer模型定制计算单元，使ADS 3.0的端到端推理延迟从120ms降至80ms，低于行业平均水平30%，而地平线征程6芯片通过BPU纳什架构实现CPU/GPU/MCU算力动态调度，在BEV感知任务中达成同等精度下功耗降低50%，黑芝麻智能A2000芯片更是成功实现基于实际算法需求反向定义内存带宽和缓存结构，最终在占用栅格预测任务中实现单位算力成本下降40%。
国产芯片的崛起，为“智驾平权”提供了底层支撑
芯片技术持续突破的同时，国产芯片在终端市场的表现同样亮眼。同样以华为异腾系列芯片为例，其市场份额从2023年的1.9%大幅提升至2024年的9.5%，已成功应用于问界系列和阿维塔 11/12 等车型。此外，地平线征程5也取得了不俗成绩，凭借在理想L7、L8等车型中的广泛应用，占据了 5.3%的市场份额。
而为进一步提升技术自主性，蔚来、小鹏、吉利等车企正加速自研芯片的布局。蔚来推出神玑 NX9031 芯片，小鹏研发图灵AI芯片，这些举措不仅有助于降低对外部供应商的依赖，也为国产芯片技术的突破注入了新动力。
04
潜力无穷，但易探难采
特斯拉的超级计算机Dojo耗资数亿美元打造算力集群，Waymo每年为云服务中心支付数千万美元电费……全球自动驾驶产业一度被拖进了一个危险的技术陷阱：车企在传感器数量、芯片算力、数据吞吐量等指标上疯狂内卷，但L3级以上的真正自动驾驶却始终难以落地。
在这场僵局中，中国科技公司DeepSeek在通用AI领域的突围路径提供了一个颠覆性启示——与其堆砌算力求解复杂问题，不如重构算法本体的思考方式。
DeepSeek-R1模型的突破性在于，它用算法创新打破了算力霸权的桎梏。通过动态蒸馏技术，将通用大模型V3浓缩为车端可部署的轻量化版本，使10万元级车型也能实现高阶智驾功能。在模糊指令理解、复杂场景决策等环节，R1提炼的算法精华可使车端模型性能提升40%，这种技术下沉直接推动智驾功能向主流市场渗透，与行业“智驾平权”趋势高度契合。
事实上，特斯拉通过20亿英里真实路测数据构建的数据飞轮早已证明，高质量数据的积累比单纯堆砌算力更能提升算法泛化能力。而借鉴生物神经网络90%突触静默的特性，Mobileye已在新一代EyeQ6芯片搭载动态稀疏计算单元，在1/5算力下实现等效推理性能。知名智驾企业Wayve也在尝试将决策模型从端到端学习的黑箱模式，升级为“物理规则引擎+符号逻辑层+概率神经网络”的混合架构，通过引入可解释的行为树系统，使车道保持算法的训练数据需求下降60%。
算法突破，让智驾实现从“模块堆砌”到“端到端革命”
同样，我国众多企业也在积极探索更高效的数据利用方式。毫末智行通过“场景引擎”对海量数据进行自动标注和场景分类，将有效训练数据占比从5%提升至40%，算力消耗降低60%，商汤科技则利用UniAD大模型在虚拟环境中生成极端案例，通过迁移学习反哺实际路测，使算法训练效率提升3倍。
种种技术突破表明，小算力下的“飞轮效应”已经在推动一场算法优化的效率革命。
05
车企“算力之战”
全栈自研模式领跑未来
大模型的迭代升级对自动驾驶技术提出了更高要求，云端数据处理能力、感知与认知算法训练效率、仿真训练的真实性与覆盖范围，以及智算中心的算力、存储和通信基础设施都需要全面提升。这样的大环境下，只有构建成熟的云端数据闭环能力，才能确保自动驾驶系统在车端实现更优的落地效果。
端到端大模型的优势在于，它不仅能输出感知结果，还能生成规划与控制指令，提升决策的可解释性。然而，这种复杂算法需要庞大的算力支持，使得自动驾驶领域的竞争最终演变为一场"算力之战"。
在这一趋势下，整车厂的全栈自研模式展现出显著竞争优势。小鹏汽车曾表示，全栈自研能力为车企提供高效率，缩短 20%的开发时间，减少50%智能驾驶成本。以华为为代表的厂商，凭借其强大的数据积累和算力资源，正在加速推进高阶智驾技术的研发和落地，华为的鸿蒙智行车辆已积累了超过10亿公里的驾驶数据，而其自研的昇腾系列芯片也为模型训练和部署提供了强大的算力支持。
未来，随着数据飞轮效应的显现和算力硬件的不断升级，高阶智能驾驶的市场竞争将进一步加剧，具备全栈自研能力的整车厂更有可能在这一轮技术变革中占据主导地位。
微信订阅
欢迎通过邮局渠道订阅2025年《电脑报》
邮发代号：77-19
单价：8元，年价：400元
编辑｜张毅
审核｜吴新
爆料联系：cpcfan1874（微信）
壹零社：用图文、视频记录科技互联网新鲜事、电商生活、云计算、ICT领域、消费电子，商业故事。《中国知网》每周全文收录；中国科技报刊100强；2021年微博百万粉丝俱乐部成员；2022年抖音优质科技内容创作者
