文章核心观点 - 自动驾驶与具身智能在技术路径和商业落地上存在根本性差异 自动驾驶旨在解决场景的泛化问题 而具身智能旨在解决行为的泛化问题 [1] - 自动驾驶的商业落地意味着终局 具有研发门槛高、复用性强、场景单一且安全要求极高的特点 [4][5] - 具身智能的商业落地则像大树长出的枝桠 在不同发展阶段都能找到多样化的应用场景 对错误的容忍度更高 商业路径更为灵活 [6] 自动驾驶与具身智能的泛化性差异 - 自动驾驶的核心是解决**场景的泛化性** 即对当前场景进行全面理解并做出相应决策 例如识别锥桶需要刹车 但识别载有锥桶的工程车则无需刹车 [2] - 自动驾驶技术演进从多段式模块规则 到端到端监督轨迹 再到VLA和世界模型路线 本质都是为了提升对场景信息的理解与监督 [2] - 当前自动驾驶量产（尤其是L2辅助驾驶）的最大困扰仍是场景认知能力不足带来的corner case 例如导航理解错误、奇怪的施工场景、未见的指示牌等 这些认知泛化是技术突破的最后难点 [2] - 具身智能的核心是解决**行为的泛化性** 聚焦于在特定任务上泛化各种带扰动的状态和行为 例如在倒咖啡任务中应对杯子被碰倒、制作不同咖啡种类、接收者手部位置不同等扰动 [3] - 从Physical Intelligence的PI系列论文看 模型成功率提升最明显的阶段是在单任务专家数据上进行微调 机器人需要足够鲁棒地完成长程任务 [3] 自动驾驶的商业落地特点 - 自动驾驶取代的是单一场景（从A点到B点） 对安全性底线要求极高 例如无人出租车可能有过半代码与安全相关 因此呈现**研发门槛高、复用性强**的特点 [5] - 行业曾狂热追求L4级别无人驾驶（如无人出租、无人重卡） 但商业铺开时问题频发 例如Cruise因事故频发关闭运营 经历起伏后 Waymo、百度、小马智行等公司的无人出租业务在2024年才逐渐重新铺开 [5] - 特斯拉引领的L2辅助驾驶是重启商业落地的关键 得益于驾驶员接管兜底 其AI路线成功推动了辅助驾驶的商业落地 [5] - 自动驾驶是一个研发门槛极高的技术 其数据闭环、仿真工具链、训练平台等研发工具每个都足以支撑一家独立公司 [5] 具身智能的商业落地特点 - 具身智能在不同发展阶段都能找到商业落地场景 虽然规模远小于自动驾驶 但**场景更为多样化** [6] - 基于传统算法的工业机器人已在流水线运行 针对单一服务场景的机器人Demo也已出现 例如Physical Intelligence的博客显示其机械臂已可连续十小时制作咖啡 [6] - 具身智能落地场景的安全限制相对宽松 人们对错误的容忍度远高于自动驾驶 这使得一些公司（如Sunday Robotics）可以更早地专注于应用场景开发 [6]

行业趋势与预测 - 2030年L2级辅助驾驶在乘用车市场的搭载率将达到100% [1] - 2030年L3及以上级别辅助驾驶的搭载率将超过10% [1] - 2025年1月至7月，中国乘用车L2级辅助驾驶的渗透率已达到63% [1] 公司战略规划 - 公司将加速人工智能大模型技术的应用 [1] - 计划于2028年实现人形汽车机器人的量产 [1] - 计划于2030年推出航线飞行汽车 [1]

汽车智能化发展现状 - 当前中国L2辅助驾驶渗透率已超50%，自动泊车等辅助驾驶技术渗透率超20%，处于全球领先水平 [2] - 行业提出2030年目标：加速普及辅助驾驶形成用户基础，同时推动L3及以上自动驾驶商业化进程以建立应用领先优势 [3] - 自动驾驶技术发展滞后于预期，L3向L4/L5升级存在瓶颈，未来将进入融合规则与数据的认知驱动3.0阶段 [3] 技术突破与挑战 - 车企面临安全与成本平衡难题，L4以下仍需驾驶员参与，实现真正自动驾驶需克服技术鸿沟且成本可能增加2～3倍 [3] - AI操作系统（AIOS）成为智能化底座，车企正构建多Agent并行运行的智能体系，需统一共性技术支撑 [4] - 2026下半年至2027年算力平台将成关键"甜点位"，规模化应用与用户体验是车企新挑战 [4] 产业生态与合作模式 - 整车与零部件企业进入深度绑定模式，形成战略联盟以提升AI竞争力并助力科技企业跨越"死亡谷" [5] - 江淮与华为全价值链合作案例显示，尊界S800上市首月大定突破6500辆，验证协同效应价值 [5] - 中国技术反向输出全球，跨国企业加速本土化布局，如法雷奥在华拥有4500名研发工程师和13个研发中心 [6] 全球化与产业链延伸 - 中国L2/L3新车装载率领先全球20%，带动智能化整车及供应链"出海"，但需解决网络安全等合规问题 [7] - 岚图汽车推动从贸易出口向本地运营转型，实施"全球车＋区域优化"战略以建立品牌形象 [7] - 智能汽车技术外溢效应显著，可带动机器人、低空技术等领域进入规模化低成本阶段，构建聚合智能产业链 [8]

智能驾驶技术发展路径 - 智能驾驶L3/L4/L5的前提是足够好的全场景辅助驾驶 [1] - L3被定义为具有清晰边界但受限的L4，并叠加全场景L2辅助驾驶 [1] - 实现L3需要海量L2全场景辅助驾驶系统车辆部署和实际道路数据的充分验证 [1] 算力需求预测 - 智能驾驶发展过程中算力非常重要 [1] - L3级别的算力需求预计在500-1000TOPS [1] - L4级别对算力的需求预计将达到5000TOPS [1] 行业趋势与时间线 - 2024年越来越多车企提出智驾平权，旨在普及L2辅助驾驶 [1] - L3级别智能驾驶可能会在2-3年以后出现 [1] - L4级别智能驾驶预计在2030-2035年期间发展起来 [1] 行业竞争策略 - 无论是车企自研还是与第三方合作，想求生存一定要追赶更高的技术高度 [1]