技术发展 - 人工智能技术进步及成本降低推动DeepSeek等大模型普及，类似跨越式进步可能在自动驾驶领域出现，实现感知、决策与控制能力的重大突破 [2] - 自动驾驶技术有两种走向：端到端技术需要海量高质量视频数据训练，数据获取成本高；模块化技术感知依靠神经网络，规划控制使用人工算法，在复杂驾驶任务中表现有限 [3] - 当前车企主要采用辅助驾驶而非完全自动驾驶，技术能力及成本限制其发展，部分企业已在特定场景应用，如易控智驾无人矿卡超1000辆，小马智行开通Robotaxi服务，特斯拉计划启动FSD功能 [4] 成本因素 - 成本降低是新产品大规模产业化的关键，历史上福特T型车通过流水线生产将价格从2000美元降至850美元，美国汽车普及率从1915年10%提升至1930年59% [5] - 中国在AI降成本方面取得突破，DeepSeek R1训练成本仅为OpenAI o1的三十分之一，特斯拉Cybercab预计成本低于30000美元，萝卜快跑每公里运营成本0.81元，较传统油车节省58% [6] - 自动驾驶技术成本随时间降低将促进商业活动繁荣，萝卜快跑等企业已布局海外市场 [6] 社会规则 - 自动驾驶发展需要规则适应调整，不宜以现行规则"一刀切"否定新事物，应开放包容并建立长效规则 [7][8] - 自动驾驶安全问题需优先关注，研究显示人为原因导致90%交通事故，自动驾驶可减少80%，但需行驶4.4亿公里测试以证明安全性 [9][10] - 自动驾驶事故责任归属复杂，涉及AI子系统、供应商、车企等多方，需从社会底层规则探索解决方案 [10]