共探新营销，共创新可能

撰文   |   胡俊成（知行科技产品经理）

编辑   | 杜咏芳

设计   |   甄尤美

Editor's notes

编者按

"2026 年的重点，将是高速 NOA 向 L3 级别的商业化落地迈进。"

知行科技产品经理胡俊成以此判断锚定了行业下一阶段的核心方向。

这不仅是技术的跃迁，更是责任归属的根本性转变。

他表示："L2 的责任主体始终是驾驶员，L3 的量产将进一步释放驾驶员，但这并没有将人彻底解放出来，L3 在中国市场有可能知识短暂的过渡，全力实现 L4 智驾普及。"

从 L2 到 L3，还有哪些关要闯，坎要过？

2025 年 11 月 3 日至 11 月 13 日，知行科技测试团队奔赴湖北襄阳达安汽车检测中心，从安全、效率、舒适为三大核心维度出发，对第十三届轩辕奖的 40 款提名车型展开智能驾驶专项评测。

这不仅是由轩辕奖发起的一次车企年度技术大考，更是一份对中国智驾发展阶段的切片式记录。

团队的测评结果显示：

2025 年，我国的 " 智驾平权 " 正加速落地，10 万元级车型已搭载高速 NOA；

相比 2024 年，高速及城区 NOA 的平均接管里程跃升，系统可靠性显著提升；

智能驾驶场景覆盖持续扩展，停车场出入口成为新的能力 " 试金石 "；

车辆与人的交互方式也在悄然进化，它甚至能理解 " 靠边停到白色车后面 " 这类模糊、自然的语音指令。

更重要的是，车辆不再只是机械地遵守规则，而是开始真正理解场景。面对施工围挡、临时导流区、无标线道路等复杂情境，越来越多车型展现出类似老司机的灵活应变能力。

正如胡俊成所感慨的那样：" 它不是呆板的按线行驶，是真有自己的判断。" 这句话，恰是中国智驾从 L2 迈向高阶可用性的关键缩影。

当然，有关智能驾驶技术路线的争论仍在继续：纯视觉派与激光雷达派、端到端学习与规则驱动、" 重图轻用 " 与无图狂飙……

但共识也在形成：没有一条路线能通吃所有场景，融合与务实成为主流选择。

不过，在这样一个快速迭代却尚未定型的阶段，评测的价值早已超越 " 谁该排第一 "，而在于揭示：技术如何转化为体验，参数如何兑现为安全感。

胡俊成特别指出：" 功能边界模糊，可能是接下来迭代最重要的方向。"  

在智驾狂飙突进的今天，让用户清晰知道系统能做什么或者不能做什么，或许比让汽车如何多通过一个施工区更为重要。

以下为胡俊成演讲实录，《汽车商业评论》整理，此处略有删节。

中国辅助驾驶发展趋势

大家好，我是来自知行科技的产品经理胡俊成，非常有幸在此做报告分享。这两年，辅助驾驶一直是风口浪尖的功能，在各类媒体的排名讨论中也总成为焦点话题。

今年，辅助驾驶层面有两个关键热词。

第一个是年初被热议的 " 辅助驾驶平权 "，即一些主机厂带头宣传，将高阶辅助驾驶功能普及到更多车型。

第二个是关于 " 安全 " 的深度思考，随着普及率大幅提升，行业对辅助驾驶功能安全底线的审视加强。我们的测评也将从这两个角度切入。

首先，我们看一下整体测评的数据概况。从高速 NOA 功能来看，去年有 18 款车搭载，今年已达 29 款，涨幅超过 50%，价格门槛也从去年的 12 万元下探到今年的 10 万元以内。

城区 NOA 功能方面，从 24 年的 10 台，大幅上升至 24 款，涨幅达 150%，入门款车型也进入了 15 万元级别。

泊车功能的搭载率达到 75%。这些数据很好地呼应了年初 " 辅助驾驶平权 " 提出的口号。

具体到方案选择，车企自研方案去年是 8 款车，今年是 9 款。供应商方案增长明显，去年有 10 款车采用供应商方案，今年达到 22 款。

这很好地说明，在辅助驾驶领域，供应商的规模化交付已进入稳健增长的节奏，同时硬件选择也变得非常多样化。

以上提到的都是功能 " 有和无 " 的搭载情况。落实到具体性能体验上，我们沿用和去年一样的襄阳城区测评场景，测试基于这一场景内的辅助驾驶性能指标—— MPI（平均接管里程）。

去年测评得到的 MPI 值是 6.4，意味着平均每 6.4 公里需要驾驶员介入一次；今年这个数字达到了 12.1，几乎有 100% 的增长。

给大家看两个测试场景。

右上角这个，前面是施工路段，双黄实线都画过来了，这车能明白这是施工流动场景，还能违背交通准则压双实线开进去。

这个场景在去年是很难实现的。去年技术以规则为主，就像刚从驾校出来的学员，涉及到一些问题不会灵活应变。今年这车就稍微犹豫了一下，直接就开进去了，说明它真的理解场景了。

再看这个大施工区域，去年就有，今年更大了，刚好适合测试。去年只有华为的问界在没有接管的情况下通过了，而且是第二次才通过。

但是，今年差不多 80% 的车都能过，中间有非常危险情况可能需要接管，但事实有很多车完全不需要接管就可以通过，这是非常大的一个进步。

我们可以看一下这个场景，自车被挡住了就跟着车流走，还能理解实时路况，压了点实线，进导流区，到了临时拓展的 " 野生路段 "，虽然有行人混行的情况，狭小的非常不规则的路段都没出问题。

还有桥下左转的场景，都是用水马围的，它也能分清能走的地方。它本来从左边桥洞走，发现右边也能走，直接就过去了，不是瞎跟着线走，是真有自己的判断。再往前到宽阔地带，一开始有点犹豫往左打方向，发现不对马上调过来，全程都没接管。

到出口的时候，地上有线但其实不用按线走，它还是按线进了总部，有点呆板，但这也说明现在辅助驾驶功能的上限已经很高了。

以用户为中心的多维度评估

关于测评方法，当前所有辅助驾驶功能都基于 L2 框架发展，该框架下驾驶员需深度参与并随时准备监管和接管，因此用户体验依然是第一优先级。

具体的测评维度上，我们借鉴了马斯洛需求理论。辅助驾驶是服务于人驾驶的功能，因此我们类比为：系统的性能是基础（生存与安全），安心感（归属感），以及舒适与效率（自我实现）。

舒适与效率很难简单分级评判，因为每个人的驾驶习惯不同，即使老司机也难以两全，所以我们各给予了 20% 的权重。

在场景选择上，挑战性场景（如复杂施工区）不一定是消费者最高频使用的。基础场景依然是普通驾驶员道路上的主旋律，因此我们给予基础场景 80% 的权重，挑战场景 20%。

我们的测评路线从达安汽车检测中心出发，途经一个商场的地下停车场，其中包含了城区常见的车道线混乱、无车道线路段、施工区、长距离无对齐路口、行人及人车混行路段。

在全程约 40 公里的路段中，共包含 47 个路口，涉及 20 多次直行、左转、右转及调头场景。此外，今年我们还加入了停车场驶入驶出环节，因为 " 行泊打通 " 是今年的关键场景。

测评亮点车型及场景

经过团队十多天的测评，我们将辅助驾驶表现分为三个梯队。这里没有做具体排名，是因为辅助驾驶功能仍在高速发展中，目前还没有一套非常完善的排名理论体系，不同方法会得出差异很大的结果，因此我们采用梯队划分。

可以看到，第一梯队包含像理想、尊界、问界等品牌，它们可以做到平均近 20 公里才需接管一次，在日常单次通勤场景中几乎可以做到无需接管，功能至少达到了 " 可用 " 水平。

今年虽然是基于客观数据的测评，但我们还是想提几款亮点车型。

第一款是理想 i6。理想从 2024 年年中官宣将应用 VLA（视觉语言行为模型），这是端到端技术路线的一次重大变革。经过约 20 个月的发展，我们在这次测评中确实看到了 VLA 带来的诸多新鲜体验。

第二款是魏牌高山。效率和舒适很难兼顾，但魏牌从去年的蓝山到今年的高山，其辅助驾驶体验的调校非常均衡，在基础场景中表现稳健，没有为了通过挑战场景而将功能调得过于激进，真正从用户实际使用出发。

第三款是东风日产 N7，我们称之为 " 中算力方案的守门员 "。谈到辅助驾驶常会关注算力平台和传感器，N7 仅用 80 TOPS 算力芯片和 3R7V 的硬件配置，成本大约是高阶方案的 1/3 – 1/5，却做到了 80 分左右的水平，给用户提供了一个可用的选择，泊车体验也不错。

第四款是奇瑞 iCAR V23，它是本次测评中搭载高速 NOA 功能里算力最小的车型（仅 13 TOPS），却实现了高速 NOA 和不错的自动泊车体验，堪称 " 中小算力方案的优等生 "。

接下来重点分享理想 VLA 带来的一些体验。我们在测试中，发现了一些原本不在测试项内、由语音控制辅助驾驶的功能。

第一个是 " 语音路边停车 "。在车辆行驶中，我发出指令 " 请在前方路口后，寻找白色临停车位停下 "。

传统基于规则的逻辑很难理解这条语义，但这台车在通过路口后，真的开始向右变道、减速，并寻找白色临停车辆。

由于指令是我随意发出的，前方并没有目标，它在行驶约 200 米后与我交互，告知未找到目标，但仍执行了靠边停车的动作。

这打破了传统模式——即设定目的地后，若想改变必须接管中断——让驾驶员能与辅助驾驶过程更好地融合。

第二个是 " 语音右转 "。在已设定导航目的地的情况下，我通过语音说 " 前方过了 XX 路口右转 "，并给出了明确的路口名，车辆真的在该路口执行了右转，并自动改变了导航目的地和路径。

第三个是泊车相关场景。" 自主寻找停车场出口 "。通常停车场功能需要依赖高精地图等先验信息，但理想的 VLA 能以接近人的方式理解停车场环境，识别诸如立柱、出口指示牌、收费闸机等元素。

当我说 " 寻找出口 " 时，它能像人一样根据指示牌找到闸机口，等待缴费后驶出。关键在于它无需先验信息，这极大提升了体验的泛化能力和降低了成本。

辅助驾驶技术路线探讨及争论

在功能迭代方面，如前所述，当前功能都在 L2 框架下。高速功能今年没有专门测评，因为大家做得已非常成熟（95-98 分水平）。2026 年的重点，将是高速 NOA 向 L3 级别的商业化落地迈进。

现在咱聊的都是 L2，如果发生了事故，人就是第一责任人；要是 L3 普及了，理论上主机厂或者车辆系统就是第一责任人，这对辅助驾驶来说可能是从 15 年到现在的大跨越，那 L3 可能预计会在深圳那边部分道路也做一个首发。

还有 L2 强标，今年年初出了几起辅助驾驶导致的严重事故，所以国家现在对于这个东西是有这个强的一个规范的这个意愿的，包括我们也在和国际上就每天都会去讨论这个强标的应对。

相信强标出来后，整个高阶辅助驾驶市场短期内会得到一些压力，但是长期以来像现在的这种非常泛滥的这种各样都可以用的功能，它其实以后会有一些限制，当然也是从安全出发。

城区功能方面，今年加入了停车场驶入驶出环节。如果说 2024 年行业在解决 " 如何通行收费站 "（打通高速与城区场景），那么 2025 年的重点就是 " 行车与泊车功能的打通 "，关键点在于停车场闸机。

今年测评中，华为、理想、蔚来、魏牌等都已能处理此类场景，虽然体验尚有提升空间。城区 MPI 性能提升显著，感知能力也有阶跃式进步：从 " 知道有车 " 到 " 能准测距 "，再到 " 能识别车辆类型 "。今年我们发现很多车辆已能识别警察、警车，甚至路面坑洼和井盖，越来越像真人所见。

整体功能评价离不开三个条件：基础场景的鲁棒性（稳定性）、复杂场景的应变能力，以及明确的功能边界。目前前两点是主流发展方向，大家做得不错。第三点——功能边界模糊（用户不清楚能力范围）——可能是接下来迭代的重要方向。

技术层面，2022 年末特斯拉提出端到端时，大家觉得是天降神器。这两年，主机厂和方案商逐渐发现了纯端到端的局限性——端到端只有学习能力，没有推理能力，教啥会啥，要是灌进去不好的数据，学的也不好。

理想于 2023 年末提出 VLA，并于今年在 i6 车型上落地，元戎、小鹏等企业也在积极推进。VLA 通过视觉感知与语言理解的结合，赋予系统一定的场景理解与推理能力，例如能识别施工标识并合理绕行，在面对 " 双黄实线 + 临时施工 " 这类规则冲突场景时表现明显优于纯端到端模型。

而 " 世界模型 " 作为更前沿的方向，目前仍处于概念探索阶段，但未来肯定要用上。世界模型的话，可以理解成一种和 VLA 相对等价的一种模型，就是它通过对这个世界的衍生学习，有了很强的推理能力。比如，前面是一台轿车它就要避让，衍生到 SUV、自行车、卡车、油罐车、火车，都知道要停。

华为现在还是 " 端到端加规则 " 的逻辑，但应该会选世界模型这条路线；蔚来、理想现在也在做，未来两三年说不定会成为大的技术出口。

目前，行业开始尝试端到端与 VLA、世界模型等融合，确实解决了一些问题。所以，现在有一种观点认为，下一阶段可能是以端到端为主干，进一步融合 VLA 和世界模型，以达到理解与响应的兼顾。当然，这种融合对硬件算力要求更高，也会带来成本，这需要全行业持续思考。

还有关于地图的争论。从 22 年就开始了，现在行业统一看法是 " 重图轻用 "。地图是一个好东西，就像你人走路，有拐杖和没拐杖的区别，有拐杖肯定走得稳。

咱开车哪怕不用导航，脑子里也有 " 回家该走哪条路，哪个路口常有人出来 " 的底图信息。只是我们以前在算法和视觉不行的时候，大家太过依赖地图了，导致大家对这个东西有点反感，或者说是因为这个地图成本确实非常高。

这两年不一样了，地图信息车上都有，只是渲染的时候藏起来不让看，实际都在发挥作用。比如没到路口就先把路口信息调出来，遇到突发路况也能结合地图信息推测，这就是 " 重图轻用 "。

而且它在遇到一些，比如说刚才提到的压双实线，这个也是典型的 " 重图轻用 " 之一，就是图是不太可能会告诉你这里会有一个，让它通过自己的理解，它就负责导航给这些信息去做一些推测。

知行科技成立于 2016 年，2023 年在港交所上市，第一家在香港上市的中国辅助驾驶公司。我们提供软硬件一体的行泊一体解决方案，总部在苏州，国内设五个办公室，在德国有海外研发中心，在马来西亚有工厂。产品涵盖软件、智能摄像头、域控制器等。

截至目前，我们服务的客户已超 20 家，包括自主品牌、合资品牌及外资品牌，其中很大一部分是海外车型，累计获得近 100 个车型项目。

" 出海 " 是我们的核心战略和优势点，我们布局较早，2023 年已能帮助中国主机厂完成海外车型的法规认证。在 E-NCAP 测试中，我们已有四款车获得五星评级，在国内处于领先水平。

以上就是我今天的分享，谢谢大家。

AI 改变时代 , 她关注改变

请关注《汽车商业评论》兄弟媒体

加入轩辕同学

革新、链接、化反

成就新汽车人 !

点击阅读原文报名

▼