文/《环球》杂志记者 宿亮

编辑/马琼

　　当前，智能驾驶产业已从“实验室技术验证”和“小范围试点运营”，全面迈入规模化量产落地与全球化协同布局的全新周期。全球产业版图呈现出头部企业深耕本土市场、不同区域市场差异化探索的多元发展态势。

　　在新的周期，智能驾驶企业发展的重心正在发生怎样的转移？决定智能驾驶能否大规模普及的关键是什么？智能驾驶如何走好通往普通消费者的“最后一公里”？

2026年9月3日在美国得克萨斯州奥斯汀拍摄的特斯拉公司的无人驾驶“赛博出租车”

规模化落地的多元路径

　　当前，全球智驾产业规模化应用初现端倪，出现了几种具有代表性的发展方向。

　　在中国，具备自动驾驶功能的汽车规模应用被纳入面向2030年的产业发展目标；在美国，新的国家自动驾驶战略发布，特别提出减少不必要的监管障碍；在欧洲，欧盟提出推动跨境自动驾驶测试区建设，拟通过统一审批、测试和互操作规则，为未来商业化部署铺路……

　　智驾能否成为普通汽车大规模标配？这是中国汽车制造商在实践中试图解答的问题。

　　中国拥有庞大的汽车消费市场和完整的新能源汽车产业链，同时汽车制造企业、科技企业、芯片厂商、传感器企业和人工智能（AI）企业之间的联系也日益紧密。这使智能驾驶技术拥有了从研发、测试到量产、迭代的完整产业链条。

　　在中国汽车制造版图上，智能驾驶技术不再是少数高端车型独享的“特权”，正在加速成为更广泛的车型和消费者群体的“标配”。L2级辅助驾驶技术在2026年乘用车新车中的搭载率已超70%，通过大规模量产扩大应用场景的做法成为中国智驾最鲜明的特征之一。

　　在AI技术大规模发展背景下，这种模式具有特殊意义。更多车辆、道路、用户，意味着更丰富的数据和更复杂的应用环境，推动算法、芯片和整车系统持续迭代。

　　与中国不同，美国企业正在把智能驾驶与出行服务相结合。在这种模式下，智驾不仅是汽车技术的升级，而且是尝试成为AI重构交通和出行的入口，并逐步形成技术、资本、平台和政府监管共同推动商业化的产业发展模式。

　　长期以来，私营部门是美国技术创新商业化的“主力军”。在智驾领域，代表性的企业是字母表公司旗下“出行新方式”公司（Waymo）。2026年，这家企业无人驾驶出租车业务范围持续扩大：继1月在迈阿密开放乘车服务后，2月又在达拉斯、休斯敦、圣安东尼奥和奥兰多四城同时开放，并计划到年底覆盖更多美国城市。同时，企业还在德国慕尼黑和日本东京开展相关业务或服务测试。备受市场关注的无人驾驶出租车也开发出新的商业逻辑——让车辆成为移动服务的组成部分，通过车队运营、按次收费和平台调度实现商业价值。

　　此外，在政策层面，美国交通部正在寻求减少相关规则限制，在短期内推动国内不同区域规则监管的一体化。

　　在欧洲，企业正尝试把传统汽车工业优势转化为智能汽车时代的新竞争力。2026年6月，18个欧盟成员国签署意向声明，推动建设大规模跨境自动驾驶测试区，简化审批和技术监管规则，在公共交通、货运物流等领域率先测试和部署。

　　在日本，由于人口老龄化严重，加之出租车及其他交通服务司机短缺，吸引了不少美国无人驾驶出行服务平台在日本布局。

　　智能驾驶技术并不存在普遍适用的发展路径，不同市场选择和商业模式受到汽车产业基础、道路环境、人口结构、消费习惯和监管制度等多重因素影响。但这些路径并非彼此割裂。随着技术成熟，L2、L3和L4之间的技术积累、数据资源和产业链能力正在发生越来越多的交叉。全球智驾产业真正的竞争，也由此开始从“谁的技术更先进”，逐渐转向“谁能建立更具效率和韧性的产业生态”。

技术路线的抉择

　　不仅是商业模式，在技术层面全球智驾系统也正面临不同的技术路线之争——摄像头、激光雷达或毫米波雷达等不同传感器如何组合使用，采用模块化算法还是端到端模型……不同选择正催生多种技术路线。依赖硬件还是算法，控制成本还是配备冗余，依托量产车积累数据还是依托高端车型专攻极端场景……其背后是产业逻辑的不同。

　　摄像头，是当前智能驾驶技术中成本最具优势的选择。以特斯拉为代表的汽车制造商更倾向于“视觉优先”。这些企业认为，既然人的驾驶主要依靠视觉，那么基于计算和AI模型的车载摄像头也能够帮助理解驾驶环境并做出决策。特斯拉2026年公布的信息显示，其最新FSD版本继续采用端到端基础模型，并使用来自用户车辆和无人驾驶出租车的真实道路数据进行训练。

　　摄像头本身价格相对较低，且易于大规模部署。如果一套自动驾驶系统能主要依靠摄像头完成感知，所搭载的车型就更容易实现大规模量产。对于拥有庞大汽车保有量的企业而言，车辆数量本身又能够转化为持续产生的道路数据，进而用于训练和优化模型，形成“更多车辆-更多数据-更强算法-更多车辆”的循环。

　　然而，这种依赖数据的产业模式也面临明显挑战，因为现实道路并非始终是光照充足、道路清晰的理想环境。逆光、暴雨、浓雾、积雪、夜间道路以及遮挡物，都可能给单一视觉感知带来困难。这也是围绕“摄像头能否解决完全自动驾驶”的争论一直存在的原因。

　　与“视觉优先”不同，以Waymo为代表的企业采取的技术路线是多重传感器互补。例如，激光雷达可以通过发射激光脉冲测量目标距离，形成三维点云；毫米波雷达可以提供目标距离和速度信息；摄像头则擅长识别交通信号、道路标志和物体语义。三者结合，可以让车辆从不同维度认识周围环境。

　　第六代Waymo自动驾驶系统采用摄像头、激光雷达和成像雷达组合，并通过减少传感器数量、提高单个传感器性能以及定制芯片等方式降低系统成本。Waymo称，第六代系统经过重新设计，在降低成本的同时扩大了适用环境。近年来，激光雷达价格下降也推动了这种融合多种技术的智能驾驶技术成本下降。

　　在复杂城市道路中，行人、自行车、异形障碍物、施工区域等场景都会影响单一传感器，更不用说雨雪、暗光、逆光等环境的影响。对于自动化程度更高、需要承担更大安全责任的系统而言，多重感知的重要性显而易见。

　　但更多的传感器意味着更高的硬件成本、更大的数据处理量以及更加复杂的系统集成。因此，这条路线最终能否大规模普及，在很大程度上取决于传感器价格下降的速度，能否快于系统复杂度带来的成本上升。

　　除了“视觉优先”和多重传感器提供冗余，端到端的AI模式当前愈发成为改变智驾产业的关键变量。

　　传统自动驾驶通常将感知、预测、规划、控制拆分成多个环节，车辆先识别“前方有行人”，再预测行人运动轨迹，随后规划车辆路径，最终控制方向盘和刹车。

　　传感器决定机器获得什么信息，而模型决定机器如何理解这些信息。端到端模型则试图把更多环节交给一个由海量数据训练的模型完成，让车辆从输入环境信息直接生成驾驶行为。因此，未来的企业面临的不仅是“视觉优先”和传感器融合的争论，越来越多的企业将通过更丰富的传感器获得数据，再用越来越强的AI模型进行统一理解和决策。

　　不同技术路线最终都要接受市场的检验。当智能驾驶技术走出实验室，企业要解答的已经不是机器“能不能看见”“能不能理解”，而是能不能以消费者能够接受的成本，在足够多的道路上稳定、安全地运行。而这或许就是智驾产业的“最后一公里”。

智驾的“最后一公里”

　　对于任何一个产品来说，技术先进只是起点，量产能力、成本、数据、供应链和监管生态都是影响商业化“最后一公里”的关键因素。

　　过去评价智能驾驶技术，往往关注测试里程、接管次数和复杂场景通过率。进入规模化阶段后，另一个指标的重要性正在上升，即“一套技术究竟能够装进多少辆车”。

　　在这一领域，中国智驾市场已经成为全球关注的焦点。随着中国市场智能驾驶技术向越来越多的普及型车型“下沉”，智驾技术企业和传统汽车产业的关系正发生变化——一些原本专注于算法和自动驾驶技术的公司开始向芯片、电子电气架构甚至整车方案延伸；传统车企则不断加强软件和AI能力。

　　2022年6月15日，在法国巴黎凡尔赛门展览中心举行的 VivaTech 科技创新展览会上，巴黎大众运输公司展示 393 号线路自动驾驶客车，该车由中国中车旗下中车时代电动汽车股份有限公司制造

这一变化显示出，对于汽车制造商而言，竞争不再只是研发一套“最好”的系统，而是要将传感器、芯片、算法和软件集成进量产车辆，并控制整车成本。这使得今后车企的竞争越来越像智能手机产业：硬件决定产品形态，软件决定使用体验，而底层芯片、操作系统和数据能力则决定产业链中的议价能力。

　　与装车规模同等重要的，是成本这一门槛。

　　对于普通家用车而言，消费者是否愿意支付额外的费用来获取一套智驾系统，是智驾汽车能否普及的关键。即便是无人驾驶出租车，虽然节省了司机支出，但激光雷达、计算平台、传感器、远程运营和车辆维护等成本都会增加。

　　国际能源署数据显示，当前中美无人驾驶车辆的服务价格超过普通网约车；Waymo旗下的无人驾驶汽车由于配备大量传感器，导致单车成本“爆表”。

　　另外，数据治理是影响智能驾驶普及的重要瓶颈。

　　自动驾驶模型与传统汽车软件最大的区别之一，在于其性能需要通过大量真实道路场景不断训练和验证。车辆数量越多、运行场景越复杂，能够反馈给模型的数据就越丰富。这使得汽车第一次大规模具备了类似互联网终端的属性：它不仅是一个交通工具，也可以成为不断向云端反馈现实世界信息的数据节点。

　　但数据规模越大，数据治理的重要性也越高。汽车采集的数据可能涉及道路环境、车辆位置、驾驶行为乃至个人信息，因此自动驾驶企业进入不同国家市场时，面对的不再只是车辆安全认证，还要面对数据存储、个人信息保护和跨境传输等问题。

　　这意味着，自动驾驶的全球化并不是简单地把一套软件从一个国家复制到另一个国家，而要同时解决“技术本地化”和“数据本地化”。

　　最后，智能驾驶高度依赖具体道路环境和监管制度。

　　一辆普通汽车出口到另一个国家，经过型式认证后就可以进入市场；但自动驾驶系统面对的是不同国家在道路规则、交通标识、驾驶习惯、天气条件、城市基础设施以及事故责任制度等多方面的差异。智能驾驶企业进入海外市场，需要完成一套“本地化”过程。这方面，当前欧盟正推动建设跨境智能驾驶测试区，减少企业在不同国家重复测试和认证的成本。

　　由此可见，全球智驾产业的竞争逻辑已经改变。过去，行业比拼“谁的算法更聪明”，如今则要比拼谁的产业生态更完整、商业逻辑更可行。智能驾驶的“最后一公里”，并不是车辆从起点到终点的最后一公里，而是从技术可行走向经济可行、从单车智能走向产业协同的“最后一公里”。