本文为澎湃号·湃客科技 X 极智GeeTech联合出品，湃客科技栏目独家首发，未经允许禁止转发

让技术的归技术，商业的归商业。

2025年的上海车展，空气里弥漫着一种微妙的“克制”。

回顾智能汽车时代的三场重要车展，2023年上海车展充满了车企对于汽车智能化天马行空的想象；2024年北京车展车圈大佬“互相串门”争夺高阶智驾话语权。而今年的上海车展，没有了车企之间的拉踩引战，也少了些网红车模坐车顶的喧嚣，开始在技术追求、商业价值与社会效益中寻求最佳平衡。

当汽车智能化走到普及阶段，无论是消费者、车企还是技术供应商，都普遍将辅助驾驶视为智能汽车的标准配件，而不再是品牌获取超额收益的卖点。

这些变化的背后，不仅折射出了当下车企对于销量的渴求和焦虑，也预示着一度被流量裹挟的汽车行业，正逐步回归以产品和用户为核心的行业本质。

2025年4月25日，上海车展上，观众在参观一款线控转向系统模型。新华社记者 方喆 摄

车企集体瞄向L3

就在车展前一天，华为联合赛力斯、阿维塔、奇瑞汽车、北汽新能源、岚图汽车、江汽集团、上汽集团、广汽集团等11家车企，在央视直播镜头前谈起了L3，这些车企基本囊括了中国汽车行业的四大央企和新势力代表，堪称中国新能源汽车行业的“半壁江山”。

在4月22日举办的华为乾崑智能技术大会上，华为智能汽车解决方案BU CEO靳玉志发布华为最新一代高阶智能辅助驾驶系统——ADS 4.0乾坤智驾系统，并在行业内首发高速L3商用解决方案。靳玉志判断，2025年L3将具备商用能力。

值得关注的是，诸多车企已将2025年实现L3级有条件自动驾驶落地作为目标。何小鹏在2025小鹏全球热爱之夜上宣布，小鹏自研的图灵AI芯片将在2025年第二季度在中国内地量产上车。他坚定表示，非常有信心在2025年底实现L3在中国量产落地。理想汽车同样目标明确，直指2025年实现L3级有条件自动驾驶。

此前，奇瑞、广汽、极氪三家车企先后发布智驾方案并披露L3级有条件自动驾驶量产时间表。广汽集团发布了“星灵智行”，并宣布将在今年第四季度启动首款L3自动驾驶车型量产上市销售。

奇瑞汽车宣布计划在2026年实现量产L3级自动驾驶车辆，并发布猎鹰智驾系统。猎鹰900搭载VLA+世界模型新一代智驾系统，AI算力将达到1000 TOPS，具备L3级自动驾驶能力。

此外，长安汽车也将在2026年实现全场景L3级有条件自动驾驶，2028年实现全场景L4级高度自动驾驶。

当L2不再罕见，L4还遥遥无期的当下，L3的进展一直备受业内关注。毕竟只有迈过了L3这条“分水岭”，才算是正式踏入了自动驾驶的大门。

在自动驾驶技术越来越逼近L3的今天，国内车企似乎长时间徘徊在L2到L3之间，从L2+到L2++甚至L2+++，似乎暗示着从L2到L3之间似乎有难以逾越的鸿沟，业界将其称之为“恐怖谷”。

工业和信息化部发布的《汽车驾驶自动化分级》（GB/T40429—2021）显示，汽车驾驶自动化技术被划分为从L0到L5的6个等级。其中，L3级被定义为有条件自动驾驶，即在特定条件下，车辆可以自主完成所有驾驶任务，而驾驶员则转变为监督者的角色，仅在系统请求时介入。

在L2级辅助驾驶阶段，驾驶员依旧牢牢掌控着驾驶的主导权，系统仅在特定场景下协助完成部分任务。自适应巡航（ACC）能依据前车速度自动调整车速，实现自动跟车，缓解驾驶员长途驾驶时右脚的疲劳；车道居中（LCC）则让车辆稳稳地保持在车道中央行驶，减少因偏离车道带来的安全隐患；自动泊车（APA）更是新手司机的福音，能自动规划泊车路线，轻松停车入位。

但在L2阶段，驾驶员需要时刻保持对车辆的监控，双手不能长时间离开方向盘，随时准备接管车辆。

比如在高速上使用自适应巡航和车道保持功能时，一旦遇到路况复杂，如前方出现交通事故、道路施工等情况，系统无法做出合理决策，这时驾驶员必须立刻介入。

与L2级及以下辅助驾驶存在本质区别的是，从L3级开始，车辆的控制权逐渐从人类驾驶员手中让渡到自动驾驶系统。

这意味着，在特定条件下，如清晰标识的高速公路、良好的天气状况等，L3级有条件自动驾驶车辆能够独立完成一系列复杂驾驶任务，从加速、减速到自动变道，驾驶员无需时刻监控车辆，只需在必要时接管操作。

但这并不意味着驾驶员可以完全置身事外。当系统检测到难以处理的复杂情况，比如遭遇暴雨、大雪等恶劣天气导致视野严重受阻，或者遇到道路施工、交通管制等特殊场景时，会提前10秒左右发出接管请求，此时驾驶员必须迅速响应，重新掌握车辆控制权，确保行车安全。

这一质变对技术架构提出三大核心挑战。首先是感知融合，多传感器（激光雷达+毫米波雷达+摄像头）协同工作成为标配；其次是决策算法，类人驾驶策略成为关键；再次是冗余安全，L3系统需满足功能安全与故障降级要求。

从L2到L3，标志着自动驾驶从“辅助”向“自主”迈出了关键一步，它重新定义了驾驶员与车辆的关系，也为自动驾驶技术的大规模商业化应用带来了新的曙光。

自动驾驶“分水岭”之年

当前，智驾技术正在迎来新的代际升级。从本次车展中可以发现，智驾研发的最新技术已经从“端到端”升级至“世界模型+强化学习+云端蒸馏”的方案。

这条技术路线的理念，大致上都是在云端用世界模型做更大范围的仿真，然后针对效果进行强化学习，最后再通过蒸馏的手段将云端训练好的模型放置到车端。

“端到端”技术被业界视为汽车智能化的开端，其通过深度学习和神经网络，将传统的模块化架构转变为更加智能和高效的驾驶系统。

通过数据驱动的方式，端到端技术使系统能够自主学习和优化驾驶决策，显著提高了系统的响应速度和适应复杂道路环境的能力‌。

但端到端的“黑盒”特性带来了无法直接界定系统安全边界的问题，并且无法复制或应对复杂的、偶发的特殊情况，这对系统的可解释性和泛用性提出了严峻考验。在提升上限的同时，也拉低了下限，形成了所谓的“跷跷板效应”，这让车企很难向用户保证智驾系统比人类驾驶更安全‌。

此外，现有传感器技术在复杂场景下的解析能力也存在局限性。例如，激光雷达在强光下误判率超过30%，摄像头对静止障碍物的识别率不足20%，毫米波雷达无法区分异形物体‌，这些技术短板进一步加剧了端到端技术在智驾安全性方面的挑战。

智能辅助驾驶系统要想更加安全，不能仅限于模仿人，其必须要有能力面对“端到端”时代难以采集到的危险场景数据，在特殊场景也能保障行车安全。

在中国汽车工程学会秘书长助理、国汽战略院副院长郑亚莉看来，AI将重构自动驾驶决策逻辑，端到端大模型与世界模型融合是突破方向。

目前，已有超过10家车企和自动驾驶公司提出了世界模型的概念，包括特斯拉、英伟达、蔚来、理想、地平线、商汤、元戎启行以及Momenta等公司。

世界模型的基本思想，源自于对人类和动物如何理解世界的观察。我们的大脑能够模拟可能的未来场景，并基于这些模拟做出决策。

借鉴这一机制，世界模型旨在为人工智能系统提供一个内部环境的模拟，使其能够预测外部世界的状态变化，从而在不同情境下做出适应性决策。

这个模型通过无监督的方式从未标记的数据中学习，从而无需明确指示就能理解世界动态。作为额外的信息源，世界模型为预测环节提供强大的支持。当地图信息和传感器信息输入世界模型后，机器通过处理输出仿真、想象、演绎乃至脑补过程，为系统的交互博弈提供支撑，为系统提供保障。

在强化学习领域，世界模型已经显示出其强大的潜力。通过在模型中模拟环境，人工智能不仅可以在虚拟环境中“想象”执行动作的后果，还能够在实际执行之前评估不同行动方案的效果，极大提高了学习效率和决策质量。

此外，在自主决策系统，如自动驾驶汽车和机器人中，世界模型能够帮助系统更好地预测和应对可能的变化，提高了安全性和可靠性。

世界模型的最大优势在于其环境模拟与预测的能力，这种能力使得人工智能系统可以在进行实际操作之前，通过内部模拟来评估不同行为的后果，这在资源有限或风险较高的情境下尤为重要。世界模型还支持决策支持和规划能力的提升，允许系统在多个可能的未来中“看到”并选择最优路径。

此外，不少车企和智驾解决方案厂商在新一代智驾技术发布会上都宣布接入DeepSeek。从语音助手到全场景智能驾驶的跨越，AI大模型已成为汽车智能化不可逆转的“技术刚需”。

据IDC调研，汽车行业已有超过90%的企业开始进行AI大模型相关的技术试点或应用，相比于全行业的85%的技术渗透率，汽车行业已走在技术应用的前列。

多个品牌都表示，通过融合DeepSeek并结合蒸馏训练，不仅能够从海量数据中提取有价值的信息，并将其转化为智能化的服务，构建出一个“懂你”的智能系统，还可以提高自身系统的思考和推理能力，通过将大模型的知识压缩到一个更小的学生模型中，使其能够在车载芯片上高效运行。随着AI大模型技术的持续进化，汽车智能化技术也在随之迭代。

除了技术端的进化之外，L3标准下的自动驾驶事故责任认定也发生了重大转变。根据《深圳经济特区智能网联汽车管理条例》规定，在L3级有条件自动驾驶系统开启状态下，若发生交通事故且车辆一方负有责任，驾驶员通常为第一责任人 。但如果事故是由智能网联汽车质量缺陷造成，驾驶人在承担损害赔偿责任后，可向生产者、销售者追偿。这一规定明确了在特定情况下，车企需对车辆质量缺陷引发的事故负责。

今年4月1日起施行的《北京市自动驾驶汽车条例》规定，系统激活期间发生事故，车企承担主要责任；若驾驶员未及时接管，则需承担部分责任。

这一责任认定的变化，对整个自动驾驶行业产生了广泛而深远的影响。一方面，它给车企带来了巨大的压力，促使车企在技术研发、质量控制和安全测试等方面投入更多的资源。车企必须竭尽全力确保自动驾驶系统的可靠性和安全性，以降低事故发生的风险。另一方面，它也为行业的健康发展提供了有力的保障。明确的责任认定能够规范市场秩序，减少消费者的担忧，从而推动自动驾驶技术的广泛应用和商业化进程。

值得关注的是，智能辅助驾驶系统并非孤立运行，而是“人-车-路-云”协同体系中的一环。系统安全不仅要依赖单车智能，更需外部环境感知、AI网络基础设施、高精地图等多方配合。

探索物理AI、感知大模型、多传感器融合等技术的综合应用，以及有效的路侧信息发送机制对于提升智能辅助驾驶安全性意义重大。通过将路侧摄像头、车载雷达、激光雷达等多种传感器的数据进行整合，并对交通环境动态数据进行实时分析，从而提供更全面、更精准的交通环境感知，有助于车辆根据当前交通态势做出合理决策。

同时，通过把路障位置、作业改道等信息上传至云端平台，并推送至车辆，实现车辆、路侧与云端的三端联动，可以大幅降低交通事故发生概率 。

越来越贵的汽车智能化入场券

对于车企而言，尽可能地自研汽车智能化的每个部分，从而对汽车智能系统的每一寸都了如指掌，这是每个车企的底气所在。

传统汽车时代整车厂并不去开发软件，而是靠着一个一个供应商提供软硬件一体的“黑盒子”实现定义的功能。但当AI时代来临，中央集成电子电气架构、大算力芯片、大模型相继上车，汽车从“机电产品”变成了“智能体”，用户需求与体验被重新定义。

当智能配置的“军备竞赛”让用户逐渐疲劳，如今他们的诉求已经从“这辆车能做什么”，转向“这辆车是否懂我”。在智能座舱方面，高端新能源用户对舱内交互提出了更高要求。

例如，在全家出行、旅行、购物等多种场景下进行精准的语音定位，实现自然语义识别，调节车内对话的节奏和氛围。在这一趋势下，催生了以理想汽车智能座舱中“成语接龙”为代表的多人娱乐交互功能。

在辅助驾驶方面，用户对NOA的关注点，早已从“能不能开”升级为“开得是否安全”。例如，在斑马线避让行人、路口大车变线等复杂场景中，车辆能够通过实时交互和动作的可视化展示，让用户更好地理解系统的决策过程；遇到异常操作时，车辆能够及时向用户解释系统的判断依据和应对措施；在NOA场景下，车外灯语能够根据车辆行驶状态自动进行灯光调整，一定程度上向周围车辆和行人传达行驶意图，增强行车安全性。

不同类型的车企基于自身的品牌定位、技术积累、资金实力及市场战略，在自研决策上会有不同的侧重和优先级。对传统车企而言，尤其需要考虑如何在维持已有技术优势的同时引入创新技术，以及如何更好地利用现有的研发、生产和供应链资源进行整合创新，做好技术继承与创新的平衡。

而对造车新势力而言，通常更加侧重于最新技术的应用和开发，通过自研突破性技术，快速建立品牌特色和市场定位。

对不同车企而言，更适合进行自研的项目主要还是包括三大类，一是核心竞争技术，如动力电池技术、电动驱动系统、自动驾驶算法等，它们直接关系到车辆的性能和安全，是提升品牌竞争力的关键；二是差异化技术，即能够明显区别于竞争对手的技术，如独特的用户界面设计、车联网服务等，可以增强消费者的品牌忠诚度；三是高成本技术部件，自研可以减少对外部供应商的依赖，降低成本，如电池、高性能自动驾驶芯片等。

车展期间，蔚来创始人、董事长兼 CEO李斌提出了智能汽车的“新三大件”——智驾芯片、全域操作系统、智能底盘，决定了智能汽车的体验的上限和安全的上限。

其中，智驾芯片的关键之处在于能否更好地发挥智驾大模型的能力。使用自研的芯片和软件，其实就是软硬结合。智能底盘部分，参考华为途灵底盘和比亚迪云辇，能“自己看路”的底盘直接给出“不颠不晃”的乘车体验。

全域操作系统的好处，可以参考理想在车展前夕公布的星环OS的看法。全域系统最重要的价值在于打造智能汽车高效的数据交互通信平台，从而解决汽车中央式电子架构的数据毫秒级内确定性传输和通信主题与算力、存储空间有限的矛盾。换句话说，就是智能汽车在软件层面上，也要从原来的“分布式”变成中央式的架构。

出于竞争的需要，车企想要打造自己的“护城河”。但同时，在自研“边界”的划定上，车企需要明确自己的定位与优势，避免盲目跟风或过度扩张。

如何在众多技术领域中做出选择，将有限的资源投入到最具潜力和竞争力的方向上，是每一家车企都需深思熟虑的问题。

虽然车企自研渐成趋势，但这条道路并不一定会是坦途，往往伴随着高昂的研发成本、漫长的技术积累以及未知的市场风险。

对于大多数车企而言，如何在自研与配套之间找到最佳平衡点，既保证技术领先性，又控制好成本是一项考验。

此外，随着技术的不断迭代，如何保持自研技术的持续创新力，避免被市场淘汰，也是车企需要面对的重要课题。

由于自研项目离不开大量时间和资金的投入，车企势必要在自主研发和技术合作中找到平衡点。

因此，车企首先需要做好战略规划和优先级设定，明确自研项目的长远目标和优先级，确保研发资源投入最有潜力和最符合公司战略方向的项目。

另外，自研项目通常具有高风险和高回报的特性，车企可以采用分阶段的研发和投资策略，即在每个研发阶段完成后进行评估和调整，根据项目的进展和市场反馈逐步投资，这样可以有效控制风险和成本。

最后，与其他企业或研究机构进行合作与联盟，共享研发成本和风险也是一种选择。通过建立战略联盟或合作伙伴关系，车企不仅可以降低自研成本，还能够加速技术开发和市场推广。在智能电动汽车变革不断深入的当下，车企全栈自研不是唯一解，车企与供应商之间呼唤新型的整零关系。

结语

相对于往届A级车展，今年的上海车展像极了狄更斯笔下的双城记：这是“最坏”的时代，政策铁拳与流量退潮让裸泳者无处遁形；这也是“最好”的时代，务实者终于等到了让产品说话的契机。

随着汽车智能化的深入，“智能辅助驾驶”已不再是一个营销概念，而是对传统定义的主动超越。新势力车企需在流量与安全间找到平衡；传统车企亟需补齐汽车智能化的短板；合资品牌则要证明电动化并非跟风，而是真正的进化。

从设计打动人心到智能理解用户、从服务抢占心智到质量筑牢底线，品牌跃升的每一步，都是与用户构建长期关系的机会点。那些真正能够穿越周期的汽车品牌，必定是在变局中找到新锚点的企业。

这条路径，不靠堆料、不靠冲高，而靠对“用户需求”的精准理解与真正兑现。唯有真正读懂市场、深刻理解用户需求、扎实布局核心技术的企业，才能有望拿到通往下一个十年的船票。