當小鵬將高速NGP功能下放到16.99萬元的G6車型、比亞迪海鷗以低于10萬元價格標配L2+智駕系統(tǒng)，車企們對于智駕所選擇的“加量不加價”路線，正式宣告了“智駕溢價”時代的終結，一個新的智駕時代分野出現(xiàn)了。

據(jù)工信部數(shù)據(jù)，2024年上半年，中國乘用車L2級輔助駕駛及以上新車滲透率達55.7%，中國電動汽車百人會副理事長兼秘書長張永偉預計這一數(shù)字到2025年可能會接近65%。

如今，智能駕駛正在經(jīng)歷智能手機式的祛魅過程。當有一天智駕功能成為汽車的“出廠默認配置”，消費者對城市NOA的驚喜閾值持續(xù)降低，車企可能會忽然發(fā)現(xiàn)：曾經(jīng)引以為傲的領航輔助、自動泊車不再是消費者買單的理由，而是開始質問“什么時候智能駕駛才會真正不用人工接管？”

當技術參數(shù)無法再制造差異化時，車企的焦慮顯而易見——當所有車企都能提供相似的智駕體驗，消費者憑什么為你的產品買單？這些觸及本質的問題正在倒逼中國汽車產業(yè)尋找新的價值坐標。

下一步，從“知覺”到“直覺”

智駕普及應用有兩個最重要的前提，安全性和準確性。至今，還沒有任何一家車企和供應商敢打包票說自家智駕系統(tǒng)是絕對安全的。

有時候，被風吹動的樹葉造成的陽光的閃爍，從強光線中快速行駛至建筑物遮擋的陰影下，這些干擾和環(huán)境變化都會影響傳感器的感知精度。車企也非常清楚這一點，所以現(xiàn)在市面上的智駕系統(tǒng)大多采取安全至上的保守方案，遇到突然影響感知決策或復雜情況可能判斷不準時，系統(tǒng)都會提示人工接管。

這也是為什么試駕過很多智駕車型的媒體老師們，嘴上配合著車企說智駕像老司機，手上卻愿意自己掌控方向盤的原因。別說智駕還沒有達到人們想象的那種智能，就連不知道什么時候系統(tǒng)就突然要你人工接管，這種體驗也不會好。

從早期的規(guī)控算法到去年大熱的端到端大模型，智駕技術的快速迭代讓汽車的智能化水平有了質的飛躍，智駕系統(tǒng)已經(jīng)基本實現(xiàn)“能用”目標，但要讓智駕進化到“好用”且讓消費者“愛用”的階段，還需要填平技術實現(xiàn)與安全性之間的鴻溝。

在智駕發(fā)展初期，市面搭載輔助駕駛功能的大多數(shù)車輛可以認為是“湊合能用”的產品。當時的智駕系統(tǒng)只是實現(xiàn)了如自適應巡航（ACC）、車道保持以及簡單的自動泊車等基本的輔助駕駛功能。但面對復雜路況和突發(fā)狀況時，系統(tǒng)可能會出現(xiàn)識別錯誤或響應滯后。

就像余承東所言：“打電話有網(wǎng)就行，但上網(wǎng)就需要5G”，若只是具備基本的功能，那智駕只會停留在“功能機”時代，雖然能勉強滿足需求，但遠遠無法實現(xiàn)高質量、低延時、高安全性的要求。

智駕的安全性始終是技術突破中最為關鍵的環(huán)節(jié)。一個“好用并安全”的系統(tǒng)不僅需要在各種駕駛場景下準確感知和預測，同時還要在應對突發(fā)情況時能夠快速做出反應，避免意外事故的發(fā)生。這就需要智駕系統(tǒng)不僅要具備全場景、實時感知能力，還要能夠通過一次次的場景訓練最終形成“直覺”。

當前主流的端到端技術路線摒棄了傳統(tǒng)的模塊化設計思路，將傳感器采集到的原始數(shù)據(jù)作為輸入，通過龐大的深度學習模型，直接輸出車輛的控制指令，實現(xiàn)從感知到?jīng)Q策的一體化。

比如端到端智駕系統(tǒng)中，攝像頭圖像直接輸入到神經(jīng)網(wǎng)絡模型，經(jīng)過計算和處理，直接輸出轉向角度、油門開度和剎車力度等控制信號，無需中間的目標檢測、識別和決策制定等獨立步驟。通過大量的數(shù)據(jù)訓練，端到端模型能夠自動學習到各種復雜的駕駛模式和場景特征，從而在面對未知場景時也能做出較為合理的決策。

智駕系統(tǒng)一旦擁有“直覺”，就會綜合分析道路環(huán)境全局信息，這讓智駕系統(tǒng)在面對人車混流、無保護左轉、道路無中線等復雜交通環(huán)境時，能夠下意識做出規(guī)避動作并瞬間預判，像老司機般從容應對。

在強化學習、知識蒸餾、混合專家模型（MoE）等AI技術加持下，汽車將不再是執(zhí)行指令的機器，而是具備認知能力的智能體。

AI驅動的智能交互系統(tǒng)能夠實現(xiàn)跨場景、多模態(tài)的人車互動，營造出專屬且沉浸式的車內智能環(huán)境。通過大語言模型與多模態(tài)交互技術，車輛可以理解用戶的情感傾向、生活習慣甚至未言明的需求。這種能力使汽車能夠主動規(guī)劃路線、推薦服務，甚至在長途駕駛中扮演聊天伙伴或知識顧問的角色。

車輛的智能交互有兩個層次：

第一個層次是簡單但響應較快的車機控制操作，比如打開空調、控制車窗、播放音樂之類的語音指令

第二個層次是問一些復雜的問題，包括聯(lián)網(wǎng)查詢天氣、附近餐廳推薦、長途規(guī)劃之類的，這些需要復雜的推理能力，通常需要云端大模型來支持，這也是目前智駕能夠形成差異化的應用之一。

從使用習慣和范圍看，用戶需要的并不是什么都知道的百科全書，而是打破車端內的各個邊界，讓AI大模型成為集中調度中心，能夠及時反饋關鍵信息并協(xié)助自己駕駛的全能助理。

由此，交互深度的競爭將取代功能數(shù)量的堆砌，消費者為“懂我”支付的溢價，遠高于為“功能”支付的溢價。

同時，通過與道路系統(tǒng)的融合，車輛可以根據(jù)實時環(huán)境數(shù)據(jù)，動態(tài)合成虛擬訓練場景，使智駕系統(tǒng)在云端完成極端工況的“壓力測試”，在進一步保障安全性的同時，完成了系統(tǒng)自我進化迭代。

在智慧道路上，每輛車既是數(shù)據(jù)生產者，又是系統(tǒng)優(yōu)化的受益者。通過實時共享道路狀態(tài)、交通事件、駕駛行為等信息，整個網(wǎng)絡形成協(xié)同感知、實時決策、自主進化的“群體智能”。這種模式徹底顛覆傳統(tǒng)的數(shù)據(jù)孤島困境，使智駕從“經(jīng)驗積累”躍遷至“實時進化”。

這也為汽車產業(yè)打開了更深層的競爭維度：從單一功能的競爭轉向開放系統(tǒng)生態(tài)重構，從工具屬性升級為智能生命體，從出行載體進化為連接物理世界與數(shù)字世界的關鍵節(jié)點。

智駕是浪花，物理AI是大海

十年前，汽車行業(yè)的競爭焦點是電池、電機、電控；五年前，車企開始爭奪智能駕駛的技術高地，激光雷達、毫米波雷達、攝像頭的組合成為兵家必爭之地。

但今天，越來越多的人意識到，硬件的競爭終究會趨于同質化，真正拉開差距的，是軟件，是AI，是數(shù)據(jù)處理能力。

自2023年ChatGPT爆火，到如今DeepSeek的一夜出圈，AI已經(jīng)成為未來中國汽車行業(yè)的一個超級變量，其不再只是錦上添花的“智能語音助手”，而是決定智駕安全性、制造效率、供應鏈優(yōu)化乃至整車研發(fā)周期的關鍵力量。

AI正以前所未有的速度改變著汽車行業(yè)，有望從根本上重塑汽車的使用模式和市場格局。

根據(jù)波士頓咨詢研究，2025-2035年智能駕駛汽車的市場滲透率將從12.9%增長到24.8%，具備智駕功能的汽車市場規(guī)模從420億美元增長至770億美元。而從端側AI角度出發(fā)，Market.us預測從2022年至2032年，全球端側AI市場空間將從152億美元提升至1,436億美元，年復合增長率達25.9%。其中增長將主要來自工業(yè)、汽車以及政府相關產業(yè)。

可以預料，未來車企、智駕技術供應商的差距將取決于數(shù)據(jù)質量與模型優(yōu)化能力。而如何實現(xiàn)AI與物理世界的無縫融合，并圍繞AI延展出各項能力，比如AI生成場景的能力，將決定智駕系統(tǒng)的進化上限，值得每一個車企深入研究。

英偉達創(chuàng)始人兼CEO黃仁勛認為：“人工智能的發(fā)展從感知式AI，即理解圖像、文字和聲音，進入到生成式AI，即創(chuàng)造文本、圖像和聲音，當前正進入全新的物理AI時代�！边@是讓AI真正理解物理世界的必經(jīng)之路。

物理世界AI是相對數(shù)字世界AI而言的。相比GPT、DeepSeek這類數(shù)字世界AI運行在封閉可控的環(huán)境，并具備較高的容錯率，以智能駕駛為代表的物理世界AI要在環(huán)境開放、高隨機性的世界中與車輛、行人、道路、設施等實體發(fā)生交互，所獲取的數(shù)據(jù)也都是真實世界的動態(tài)實時數(shù)據(jù)，由于其決策直接關乎生命安全，系統(tǒng)1%的誤判就有可能發(fā)生嚴重的交通事故，因此人們對于這類系統(tǒng)的失誤通常采取“零容忍”態(tài)度，對于安全性的考慮也表現(xiàn)得更為嚴苛。

當前，AI與物理世界的結合有兩個層次：

第一層是將物理AI模型集成在機器人、自動駕駛等自主機器中，幫助自主機器感知、理解并在現(xiàn)實世界中執(zhí)行復雜的操作；

第二層是運用AI能力形成網(wǎng)絡效應，創(chuàng)造輸出更多高質量數(shù)據(jù)（構成物理體、物理場等）供模型進行訓練，從而將模型能力提升到可以廣泛應用于物理世界的程度。

物理世界AI的提出有其必然性。一方面，基于互聯(lián)網(wǎng)上大量文本和圖像數(shù)據(jù)訓練的生成式AI模型（GPT、Llama等）在生成人類語言和抽象概念方面已經(jīng)基本滿足需求，但是受其生成規(guī)則的限制，對于物理世界的理解有限，因此會出現(xiàn)不符合現(xiàn)實世界規(guī)律的“幻覺”。

另一方面，機器無法感知和察覺它們周圍的世界，但借助物理AI，就可以構建和訓練自動駕駛、機器人等各類智能體，并與真實世界進行無縫交互并適應各種環(huán)境，有利于提高現(xiàn)實世界應用的可訪問性和功能性。

物理世界AI能夠理解三維世界的空間關系和物理行為，因此進一步擴展了生成式AI，其通過在AI訓練過程中加入更多真實場景數(shù)據(jù)，從而實現(xiàn)對物理世界的洞察和理解。

作為物理世界AI在交通領域的重要應用之一，車路云AI網(wǎng)絡將交通流量、氣象條件、道路狀況、城市環(huán)境等物理世界實時數(shù)據(jù)納入模型訓練，通過整合車輛、道路、云端等多方數(shù)據(jù)，可以進行實時分析并為精準決策提供支持，幫助駕駛員和自動駕駛車輛即時優(yōu)化決策。同時，通過大模型對攝像頭視頻流進行實時處理，可以為交通管理部門提供精準的交通流量分析預測與動態(tài)優(yōu)化、事故預警、交通信號優(yōu)化等服務。

如果將智能汽車看作一朵翻騰的浪花，那么物理AI則是一片充滿無限可能的星辰大海。而這將是汽車產業(yè)進入“后智駕時代”的一個新開端，由智能汽車、智慧道路、云基礎設施以及機器人、低空飛行器等智能體組成的實時交互的物理世界AI網(wǎng)絡，將催生出遠超單體智能維度的價值藍海。

當初喬布斯把“蘋果電腦公司”改為了“蘋果公司”，明確了蘋果不僅僅是一家電腦公司，也做iPod、iTunes、iPhone、iPad等設備，后面更是把App Store作為iOS生態(tài)系統(tǒng)的核心，轉身成為一家應用服務型科技公司。亞馬遜更是如此，從以電商起家，轉型為云計算服務公司，現(xiàn)在變成一家算力公司，本質上已經(jīng)和最早的商業(yè)形態(tài)不一樣了。微軟、谷歌同樣如此，早期是軟件、互聯(lián)網(wǎng)公司，之后提供云端服務，如今已經(jīng)轉型成為AI公司。

李想把理想汽車重新定位為一家人工智能企業(yè)，認為“理想所做的不是汽車的智能化，而是人工智能的汽車化，并推動人工智能普惠到每一個家庭。”

或許數(shù)十年后回望，2025年可以被視為物理世界AI的“奇點時刻”。機器開始理解人類的喜怒哀樂、出行工具進化為生活伴侶，這場由AI驅動的產業(yè)革命，最終將形成一個人類與機器智能共生的新形態(tài)。

在那里，道路不再是冰冷的瀝青，而是流動的智慧；汽車不再是鋼鐵機器，而是系統(tǒng)的細胞；出行將不再是簡單的生存需求，而是移動生活空間的全新體驗。在這個新世界里，最大的商業(yè)機會在于：誰率先定義了人與機器智能的共生法則，誰就把握住了連接物理世界與數(shù)字世界的超級入口。

這段關于汽車智能化的故事尚未終結，而物理世界AI的新篇章已然翻開，一切皆有可能，一切又充滿變數(shù)，或許這才是科技的迷人之處。