行业现状与问题 - 中国汽车产业进入智能化下半场，辅助驾驶成为核心竞争领域，但过去车企采用「伪性价比」路径，用少量硬件堆叠功能模块，导致体验不佳[1] - 这种低成本策略导致性能瓶颈、功能阉割、体验割裂和极端工况失效等问题，正在消耗用户信任[2] - 用户需求与市场供给出现「需求错位」：用户渴望「托付感」，而市场交付的是「Demo感」[3] 安全成为核心要求 - 安全不再是辅助驾驶的可选项，而是新阶段的入场券和及格线[4][5] - 所有AI能力最终必须落在「关键场景下能否保命」这一问题上[6] - 低成本方案在关键时刻表现不佳：高速NOA无法顺滑并道，城市NOA识别不了突发情况，感知融合在极端工况下失效[7] - 新出台的《智能网联汽车组合驾驶辅助系统安全要求》国家标准为行业划定了更清晰的安全底线，监管从「鼓励创新」转向「督促合规」[7] 技术发展趋势 - 行业正在形成新共识：算力冗余、模型冗余、决策冗余成为必需[9] - 特斯拉AI5芯片单颗算力达20002500 TOPS，是当前主流芯片的10倍[9] - 蔚来神玑NX9031芯片相当于4颗Orin-X，已在多款车型落地[10] - 小鹏G7 Ultra版搭载三颗自研图灵芯片，总算力超2200 TOPS，是同级车型的328倍[10] - 理想和比亚迪也纷纷采用高性能芯片提升系统稳定性[12] 规模化落地关键 - 辅助驾驶规模化落地关键在于「铁三角」架构：安全体系×性能支撑×成本规模化[15][16] - 安全平权是辅助驾驶平权的前提，需要在30万元级技术平台下沉能力，而非简单堆叠功能[16] - 量产化方案需具备三重能力：安全体系构建、高性能支撑（大算力解决长尾问题）、成本规模化（平台化设计）[17][18][19] - 从L2到L3的跨越带来算力需求的指数级跃升：L2需80~300 TOPS，L3需千TOPS级以上[21] 大模型的应用价值 - 大模型带来接近人类驾驶员的语义理解能力，能识别行为意图、理解非结构化障碍物、动态调整决策[25] - 小鹏VLA+VLM双大模型方案可应对极端场景，华为乾崑ADS 4号称端到端延迟降低50%，通行效率提升20%[26][28] - 大模型不是炫技，而是构建可信交付、持续进化平台的关键[28] 行业发展阶段 - 辅助驾驶发展分为三阶段：功能战（价格竞争）、体验战（流畅度竞争）、安全战（可信度竞争）[29] - 行业正从「体验战」迈入「安全战」，高安全与高算力成为辅助驾驶核心价值的「一体两面」[32][33] - 真正的安全平权是让每个人都能平等享受智能带来的安全红利[33]