2025決戰智駕：從中階捲到L3，車企需要抓好一個數據閉環_風聞

作者 | 王博

編輯 | 德新

2025，如何做好端到端？

全國都能開之後，智駕繼續走向哪裏？

2024年末，大部分主流車企已經實現了無（高精度）圖全國都能開。而第一梯隊的玩家，從以規則為主的算法框架，向神經網絡模型為主的新架構切換，也就是時下流行的「端到端技術」。

為什麼要換端到端架構？原因很簡單——「因為規則代碼已經寫不動，甚至你寫了新的代碼，老代碼還會崩潰。」一家TOP智駕方案商的Tech Lead這樣回應。

**大模型拯救了被困在無限場景中的智駕工程師。**過去解決不好的，像掉頭、環島等場景，用規則很難描述的力度和時機，到了端到端大模型上，隨着數據量的增長很自然地被解決了，新的模型甚至還會湧現出一些令人驚喜的表現。

這輪技術升級，最直接的好處是讓智駕系統更大程度地享受到了Scaling Law數據擴張帶來的紅利。智駕不再按場景一個case一個case地解題，而是按照「能力」批量解題。

行業的重心也不再是招募更多頂級的工程人才，而切換到模型設計、工具鏈開發以及模型的測試驗證上。一個非常明顯的現象是，業界曾經以團隊規模作為描述先進性的一項指標（比如華為車BU有近5000人在開發智駕），而到了2024下半年行業比拼的關鍵指標變成了雲端算力。

從2023年下半年的開城大戰，到2024年末的「車位到車位」大戰，在大模型驅動的時代，數據閉環成為核心生產力。

2025年，智能駕駛將繼續邁向更大規模的量產，中階將迎來大爆發，車企以車位到車位、L3試點等新功能希望搶佔用户的心智。新的里程碑層出不窮，如何在激烈的競爭中跑贏大市？

時值年末，HiEV採訪了多家智駕科技公司——「搭好數據閉環，推進技術迭代，打磨具備品牌特性的智駕體驗」，是他們共同指向的反內卷指南。

傳統車企智駕大躍遷

「數據閉環」是核心

對那些剛剛進入智駕領域的汽車品牌，中階方案在過去一年快速收斂，成為2025年不少車企加碼智駕的紅利。

從TI TDA4VH，到黑芝麻智能華山A1000、地平線J6E/J6M、高通8620/8650，再到英偉達OrinN，車企的中階方案之選已經非常豐富。這些方案以高速NOA作為主幹，成本普遍在數千元級，但不少都帶有一定程度的城區智駕功能延伸，並且多數已經走完了量產驗證。

騰訊智慧出行副總裁劉澍泉説，「中階的智駕方案，（過去）基於Rule base的算法，加上高精地圖或者輕地圖，基本上是一件已經搞定的事。」

以卓馭基於TDA4VH的中階方案為例，其在2023年剛推出時的硬件BOM成本在5000元級。在將近2年之後，隨着五菱、大眾等車企的量產，它的BOM成本進一步降低，卓馭甚至在這版硬件基礎上剛剛實現了基於端到端的城市NOA功能。

黑芝麻智能華山A1000過去一年在領克、東風奕派上實現量產，其最早交付的是高速NOA功能，近期黑芝麻智能也在對基於單/雙A1000的版本，進行城區LCC以及記憶行車的泛化測試。黑芝麻智能在近期剛剛推出A2000家族，其中A2000 Lite更是將城市NOA的性價比推到極致。

也正是基於前述眾多的中階方案，比亞迪、吉利、東風、長安、五菱都在大幅增加中階智駕方案的配置比例，激進者如比亞迪提出了一年300萬套配置中階及以上智駕方案的預期。

2025年對於不少的頭部自主品牌來説，將是智駕上車大幅增加的一年。與具有豐富智駕量產經驗的新勢力不同，傳統主機廠大規模量產中階智駕，最大的挑戰是「持續的智駕運營能力」，也就是數據閉環的搭建。

「如果在這個階段，給主機廠一個建議的話。」劉澍泉説，「我認為建設高效的數據閉環體系，是當下必須做的。

包括用户接管了以後，數據怎麼回傳，回傳以後如何存儲、分析，分析的時候有沒有一個高效的工具鏈進行數據檢索，數據生命週期的管理，這些可能都是傳統一些的主機廠面臨的困難。新勢力有自己的人員來定製這樣一套平台，而傳統主機廠缺少這樣的組織。」

新勢力當前在數據閉環上更多希望達成「成本更優、效率更高、服務更穩定」，傳統主機廠的數據閉環仍是接近於「從0到1」的階段。

騰訊在今年9月份發佈的車雲一體化的數據閉環體系，某種程度上就是專為智駕大規模量產設計的數據閉環體系。

這套體系從車端數據處理、雲端數據挖掘、雲端智算訓練、安全合規等幾個核心的需求入手，搭建起一站式解決方案，幫助車企推動基於「數據」的增長飛輪。

新勢力領銜

4Scaling Law驅動新一代城市NOA

2024年，以華蔚小理等品牌為代表的城市NOA裝機量預估在150 - 200萬台之間。華為認為，未來5年內這個級別的高階智駕，搭載量將達到2000萬台。

就2025年看，騰訊智慧出行副總裁劉澍泉預估城市NOA的搭載數量至少有2倍到3倍的翻升，「今天看到頭部的企業利用輕地圖方案的城市NOA，包括在上下班高峯時，表現已經很不錯。」

而進入到大模型階段，「你有一個基礎模型，車賣得越多，收集到的bad case就越多，改進的效率就越快，這樣會進入到數據驅動的正循環。」

地圖從過去依賴測繪車隊採集的重模式，向量產車隊回傳的輕模式的變化，帶來了路端數據準確性的大幅提高，這也是今天城市NOA表現越來越好的一個原因。

比如騰訊地圖與某家車企合作打通了數據回傳的完整鏈路，雲端可以實現秒級捕捉變化、分鐘級下發更新；雲端成圖可以解放車端的算力，而多乘的大數據融合可以進一步提升地圖的準確率。騰訊的測算顯示，這樣智駕雲圖的形態，地圖的數據要素準確率可以大幅提升，而智駕通過複雜路口的通過率能夠提高20%。

回到智駕算法本身，基於大模型的Scaling Law是今年下半年技術提升的主要驅動力。

有代表性的頭部企業，無論理想、小鵬還是元戎，都認為當下Scaling Law在智駕算法的迭代上依然有非常長的有效週期，行業還遠遠沒有摸到數據規模增長對算法性能提升的邊界。

除了加大模型訓練的數據規模，2024年智駕技術的另一大探索是模型架構的演進。

多名受訪的智駕公司高層都認為，在接下來智駕的算法演進上，業界已經基本形成了共識。

全球第一大Tier 1博世在中國市場也在積極跟進城市NOA的量產，其在本月正式量產了基於兩段式端到端的無圖城市NOA方案，並預計2025年年中量產一段式端到端，2026年推出基於世界模型的端到端智駕。

博世智能駕控中國區總裁吳永橋認為：從兩段式端到端到一段式端到端，最後到世界模型，這是業內目前達成的共識。

基於華山與武當系列芯片，黑芝麻智能也計劃推出端到端算法的參考方案，其採用One Model架構，並在決策規劃單元引入了VLM視覺語言大模型和PRR行車規則的概率化表徵子模塊。

黑芝麻智能產品副總裁丁丁認為，「目前看到多模態與One Model的大模型，將是下個階段智駕研發的主旋律。」

「世界模型也好，還是VLM也好，最後來看大家都將殊途同歸，就是建立Vision - Language  - Aciton這樣的流程。整體系統會更加接近於人的應激反應，（感知）看到什麼，（規控）就能做出相應的駕駛動作。」劉澍泉認為，「這是確定的路線，只是達成的時間快慢問題。」

有意追趕第一梯隊的車企，明年基本上也都會投入到基於世界模型或者VLA架構的端到端智駕的開發。而無論VLA還是世界模型，對企業來説都是人才、數據、算力的極限挑戰，最終並不是每個企業都適合開發自己的基座模型。

劉澍泉認為，「頭部的新勢力可以自研，而頭部科技公司也會給車企提供一個預訓練的基座模型，主機廠拿到這個模型可以用私有的數據來優化調教，生成屬於自己的智駕大模型。」

隨着整個智駕系統全面模型化，劉澍泉認為，與此前供應商向主機廠交付代碼的方式不同，智駕的交付也會從單車部署的方式，變成以服務訂閲為核心的方式。

科技公司可以針對模型的升級、調優，持續為主機廠提供服務，它可能會從代碼交付升級為以雲服務的方式交付。

大模型顛覆性地改變智駕提升速率的同時，也會改變智駕本身的商業模式。

從中階量產、高階研發到L3預研，明年車企在智駕的全系產品上都將面臨頭部玩家的壓力。

中階壓力主要來自頭部新能源廠商激進放量的規模效應，10 - 15萬級車型的中階智駕在一年之內可能會成為市場中的標配。

高階與L3則是以華為、理想等為代表的頭部新品牌的技術之爭。年末，華為、理想、小鵬已經掀起了一輪「車位到車位」智駕體驗的你追我趕，明年VLA、世界模型這些新技術也將陸續登場。

2025年，我們也將見證第一個大規模的L3試點體驗，這意味着第一次在消費級的車輛上，用户可以在限定條件下將駕駛的責任完全託付給智駕系統。

華為和理想已經明確2025年將推出L3試點demo，但最終參與競爭的廠商必然不止兩家，蔚來在ET9上也宣佈L3 ready，小鵬大概率也會加入L3的角逐。

隨着中階、高階與L3的里程碑被全面刷新，智駕第一梯隊的席位競逐將更加激烈。

而對車企而言，如何將智駕的技術能力，轉化為品牌與車型產品的核心競爭力，打磨數據閉環，形成具有品牌特色的智駕體驗並持續迭代，變得更加重要。