2024智驾节点，从高端局到普及区

2024一整年，从市场角度看，汽车的智驾属性完成了某种蜕变，即从重要产品力（如果不是核心的话），变成普及产品力。最晚到2026年，如果10万元以上的新车，没有任何智驾能力，将变得比较奇怪。

考虑到2024年平均车价已经到16.8万元，智驾从少数品牌之间博弈的“高端俱乐部”，正在变成多数产品搭载，只花了一年的时间，可谓神速。这一年，到底发生了什么。

简单说，高阶智驾的路径已经收敛到同一条路径上来，百花齐放变成一枝独秀。供应链随之打通，中阶、基础智驾有关的BOM成本、算法开发成本已经降到足够低，具备了某种程度的普及条件。

这里面其实包含了两条进化路径，但两者到底有没有因果关系，很难讲。我们只能描述一下现实，剩下的要交给读者判断。

智驾商业化，分为三条路线

什么叫高阶、中阶、基础智驾，其实也没有严格的界限。基础智驾，姑且认为就是L2辅助驾驶，对算力的要求很小（3~4Tops）。能够实现十几种特定场景下的单一功能（比如车道保持、变道辅助、碰撞预警之类）。有人提出的传感器简单（比如4环视摄像头+1前向摄像头+1毫米波雷达组合）并不是区分标准，原因稍后会提到。

中阶智驾，则要在封闭的结构化道路上实现L2+辅助驾驶。这个“+”号意味着智驾域控支持，功能不再是孤立的，而是能够实现跨场景独立行驶，当然，所有的L2都需要驾驶员随时介入，不管带几个加号。这就对传感器和算力提出更高的要求，比如多个朝向的摄像头+多个毫米波雷达+超声波雷达组合，对算力的要求提升到几十Tops。

而高阶智驾则明确要求适应复杂城市道路上有监督独立驾驶，就是常说的“城区领航”，接管次数没有明确要求，但肯定是越少越好。这种情况下，对外界感知要求进一步提升，十几个摄像头+3、5个毫米波雷达+激光雷达，成为标配。要求跨域智控，算力需求增加到100Tops以上，越高越好。

“端到端”一统高阶智驾技术路线

从2023年，由特斯拉带动，对高阶智驾的路线形成共识，即“端到端”。端到端也没有准确定义。大体上，以往的感知、规划、决策、执行等功能模块，合成一体，由感知直接“生成”决策和执行，就是端到端。这些流程形成统一大模型，本质上追求信息传递过程低损耗。无须程序员对所有场景提前编好应对方案，而指望系统基于经验库找到最优答案。因为以前的经典规控方式，很容易发现长尾场景层出不穷，代码根本写不完。

因为这类系统思考方式，不可观也不可控，因此有企业不放心，将其分为两块，即将感知和规控拆成两个模块，中间嵌入人工接口。前者就叫“一段式”端到端，后者称为“两段式”端到端。

“两段式”的好处，避免了感知模块输出的“不可观”。代价是感知白盒过滤输出，损失了信息。实际操作中，不管两段还是一段，车企都不放心，无一例外都设计了兜底规则，比如不能闯红灯之类。

这样，高阶智驾，就从规则和预案部署，变成了从模型中生成决策。这就很像人类学习驾驶的过程。

虽然端到端体量也就是中模型，在一枚Orin-X上就能跑起来，但是训练必须要用大模型和大量有效数据。训练样本的数量和质量，决定了决策优劣，也决定了系统迭代速度。

追求“一段式”的比如特斯拉、理想、小米、元戎启行、商汤等。而“两段式”的有小鹏、极氪、鸿蒙智行等。还有些企业没宣布到底是哪种，但总体印象是“两段式”多于“一段式”。

有必要说明的是，激光雷达和高精图的运用，与是否为端到端没关系。但是，有一些企业，尝试去掉这两样，实现轻图城市NOA。实际操作不存在彻底的“无图”，因为多少都会有人工标记和校正。降低软硬件成本的目的，就是让智驾延伸到十几万元的产品中去。

采取低成本硬件但属于高阶智驾的产品，都运用了端到端+某种VLM（视觉语言模型）。VLM其实也是个大模型。它的作用是从图景（交通场景）和文本（交通标识）中生成文本。即图文到文本。生成的文本，能帮助端到端模型理解场景意义。

打个比方，VLM相当于端到端的副驾教练。当端到端决策有问题的时候，VLM可以提供建议。很大程度上，VLM是基于交通规则的逻辑来思考的。双系统有矛盾的时候听谁的，可能不是像航空那样的表决系统，多数时候端到端为主，参考VLM建议；有些时候，VLM的建议具有决定性（比如约束违背交通语义规则的行为）。这依赖于更复杂的博弈机制。

简版城区智驾普及，大厂不能忍

这一年来的高端智驾的竞争态势，让消费者开始认同，中高端产品如果不能搭载高阶智驾，产品力评价要降低一大截，可能影响消费决策。

与此同时，有些品牌开始尝试推纯视觉+轻图城市NOA，并将摄像头组合也减少到比较简单的程度。降低硬件成本目的，是为了在十几万元产品上部署城市NOA。虽然这样在某些场景内（比如雨雪天气、光线不佳的时段），可能相比配备激光雷达和复杂摄像头组合的传感器，端到端决策的表现，可能要稍差一点。但也能保证城区智驾基本体验（可能在接管次数和运用场景上受到限制）。这也是刚才提到的，为什么传感器复杂度不能界定智驾等级的原因。

目前搭载简化版城区NOA的十几万元产品卖的还不错，很多传统大厂因此坐不住了。他们可能认为，还不急于参与高阶智驾方案的争夺，因为端到端迭代到现在仍不够成熟，不足以在高端消费决策中起到一锤定音的效果。

但城区NOA部署到十几万元车上是另一回事。现在技术已经走通了，市场也接受了。这些产品与只具基础智驾或者完全没有智驾的产品，形成了代际差异。智驾在十几万元产品消费决策权重，远高于30、40万元产品的决策权重，严重动摇了最大细分市场的产品力标准。

比亚迪、奇瑞都在2024年晚些时候提出了2025年“智驾平权”。这两个2024年国内乘用车销量排在前二的品牌，无法接受在这一细分市场丧失产品力定义权。

比亚迪和奇瑞貌似采取了相似的路线，即自研和与华为合作并行的方式。其实长安、长城、吉利都有类似的并行策略，但上升到“平权”高度的，目前就是这两个企业。

比亚迪和奇瑞都列出时间表，主张将“轻量级”端到端部署到十几万元的市场。鉴于这两位在业内的影响力，高速NOA将在一年多一点的时间内实现在A级产品上的普及。城区NOA将在两年内实现在A级产品上普及。

华为是权变因子

不同的地方在于，奇瑞还拿出一块试验田来和华为共同做（智界），而比亚迪则将华为按到供应商的位置上（方程豹）。

即便大家都声称有全栈自研这条线，但是，也不可能脱离供应商提供的技术方案。供应商又不会跳出来纠正甲方。在真实的供应链中，尤其是技术含量高的，供应商的技术并非即插即用，装备后自动生效。

即便供应商的方案已经比较成熟，也需要甲乙双方各自拿出团队对接、联合办公，甚至联合二次开发。所谓自研和采购，其实界限有点模糊。说是谁的技术，可能根据谁投入资源更多，或者谁更需要“开发方”这顶帽子。

这个时候，大厂更喜欢只干活不抢镜的供应商，比如Momenta、地平线、元戎启行、商汤科技等。都是典型的ToB思维，对ToC宣传不感兴趣。但是华为不一样，主机厂需要以很大的胸怀来容忍华为到处指手画脚，将自己的企业文化凌驾于合作方之上。

上汽、广汽都在2021年左右拒绝了华为。不止因为报价和主导权的问题，而是敏感到，华为作为供应商“不安分”。当然，他们都误判了华为在智驾这条线发展高度。

华为从来不是单纯的智驾方案供应商，而是有能力提供建立在芯片、算力、云、ICT网络基础上的全能技术栈。大模型训练需要的三块资源：算力、数据、算法，华为曾经三据其二（缺数据），现在全都有了。

过去几年，有95%的Top30车企选择租用华为云。华为云声称服务了300多个汽车行业用户。这就暗示着，如果基于大模型训练这条路的竞争一直走下去，而英伟达的算力卡、微软的云服务、OpenAI的大模型供应始终存在障碍，华为的优势位置只会强化，不会削弱。

鉴于地缘政治的当前局面在未来几年没有破局的可能，从市场角度，智驾就将演变成两大势力的竞合局面：一方是华为牵头的几家主机厂（以引望为平台合作机制），另一方是主机厂+供应商（算法、芯片、工具链、智驾方案、传感器）。

显然，有些企业，比如刚才提到的奇瑞、比亚迪，也包括吃回头草的上汽广汽，在两边同时下注，这就让智驾商业竞争局面变得更复杂。与智驾技术竞争局面的逐渐清朗，形成鲜明对比。