2025 年 2 月 28 日，在 2025 盖世汽车研究院年度沙龙上，盖世汽车研究院副总裁王显斌介绍到，智能驾驶市场正经历快速发展与变革。在市场层面，高阶自动驾驶成为全球汽车智能化竞争焦点，多国出台政策推动其发展，消费者对智驾功能需求渐增，2024 年乘用车 L2 级及以上功能标配渗透率接近 50%，新能源车和新势力在智驾方面表现更优。

产业链方面，智能驾驶普及带动核心零部件硬件搭载率大幅增长，技术方案分化以满足不同车型需求。自主车企全产业链布局渐显，外资车企开始强化与本土科技公司合作。国内 ADAS 供应链崛起，各类硬件搭载率有不同表现，激光雷达、域控制器、线控底盘等技术配套量增速突出，新势力在智能底盘应用领域保持领先。

盖世汽车研究院预测 2030 年乘用车 L2 级及以上功能标配市场渗透率有望超 90%，NOA 标配搭载量将突破 2,400 万辆。多数企业加速端到端技术量产，数据闭环、超算中心愈发关键，同时，DeepSeek 将加速高阶智驾落地，舱驾融合技术方案正处于产品量产研发前期。由于智能汽车产品呈现的迭代周期缩短、软硬件频繁升级、软件及内容生态付费变现等发展特点，未来在整车及核心供应链生态领域有望出现龙头领先企业。

王显斌｜盖世汽车研究院副总裁

以下为演讲内容整理：

智能驾驶市场分析

自动驾驶当前已经成为全球发展的主流趋势，无论是欧美、中国还是日韩，均针对该领域制定了具体的法规或发展目标。多数国家未来的发展方向主要聚焦于 L3 及以上的自动驾驶技术突破，中国目前重点聚焦于 ADAS 及高阶功能的普及，特别是城市 NOA 进行了大量的探索与实践。此外，高阶自动驾驶技术以及商务车中特定场景的无人驾驶技术已成为各国竞相发展的焦点。

欧盟通用安全法规（GSR）规定，自 2024 年 7 月 7 日之后，所有新售车型都必须配备 ADAS 功能。此外，ADAS 功能安全性能已经成为进入欧洲市场新车 E-NCAP 评测重要考量因素。

中国 2024 版本 C-NCAP 在 2021 版本的基础上对已有场景进行了优化升级，修改更新了测试参数，同时增加了多个主动安全测试项目，ADAS 对汽车安全的重要性不断提升。

目前，用户在做出购车决策时，智能化因素已成为重要的考量点，涵盖 ADAS 功能、座舱体验功能、OTA 功能以及底盘智能化等。从过去两年的数据看，无论是城市 NOA、高速 NOA，还是自动泊车功能，用户的接受度和偏好程度均在持续上升。

根据 2024 年的调研报告，目前大多数用户对高阶自动驾驶技术的兴趣浓厚，并愿意为此支付约 1 万元的费用。而随着智能驾驶技术的规模化发展，其成本正在逐步降低。

从过去两年的趋势来看，乘用车 L2 及以上智能驾驶系统功能的标配渗透率已接近 50%，特别值得注意的是 L2++ 级别的智能驾驶，其定义涵盖了高速和城市 NOA 功能。在新势力品牌中，L2++ 级别标配尤为显著。进一步细分观察，在 NEV 市场中，L2 及以上功能，包括 L2++ 级别功能的标配率已接近 60%。

在过去三年内，L2 及以上智能驾驶功能的标配在 15 万至 30 万、35 万至 50 万以及 50 万以上的价格区间内均取得了显著的进步。特别是在 20 万至 30 万的价格区间内，以特斯拉为代表的部分车型，其智能驾驶功能的渗透率已接近 90%。那未来的增长潜力在哪里？从目前的市场动态来看，如比亚迪、奇瑞、长安以及众多新兴汽车品牌所展现的智能驾驶技术竞争态势，未来最大的增长机会可能存在于 15 万以下的价格区间，因为该区间的智能驾驶技术渗透率仍然相对较低，存在广阔的发展空间。此外，以往以 BBA 为代表的 35 万至 50 万价格区间，仍存在广阔的发展空间。

将 ADAS 在燃油车和新能源汽车中的应用进行区分，我们会发现，在新能源汽车领域，NOA 功能的配备率接近 15%，多数车型近乎成为标配。相比之下，在燃油车领域，该功能的配备率极低，主要局限于较为基础的 L2 级别或部分 L2+ 级别的功能。

通过对比不同价格区间的表现，NEV 在 ADAS 方面的配置几乎全面超越 ICE+HEV。在 15 万以下的价格区间内，双方表现可能相近，该价格段内的合资品牌如丰田，虽已将 ADAS 作为标配，但其功能相对简单。在其他价格区间内，新能源汽车的表现明显优于传统燃油车。

从整个汽车行业的企业布局来看，以领先的车企为例，自主品牌中的理想、赛力斯、蔚来、小鹏等品牌对于 L2 及以上功能标配率普遍达到 90% 以上，NOA 标配普遍超过 70%，且预计今年 L2 及以上功能标配比例极有可能攀升至 100%。比亚迪去年 NOA 标配率尚不足 2%，但今年的目标是 60%，这一显著增长预计将极大地推动市场的发展，特别是在产业链层面，蕴含着巨大的机遇。

其他自主品牌如长城、长安以及吉利等智能化水平尚处于相对较低阶段。在外资 NOA 功能配置方面，目前仅有北京奔驰表现突出，而其他合资品牌在这一领域的贡献几乎可以忽略不计。

图源：盖世汽车研究院

从不同功能的维度来分析，过去一年 ADAS 的各项功能标配情况呈现出不同的发展趋势。其中，AEB 功能持续优化，展现出了持续向上发展的态势。诸如 ALC、高速 NOA 以及 APA 等功能均保持较高的增长率。

无论是高速公路还是城市道路的应用场景，NOA 功能主要集中在 20 万至 40 万的价格区间内。由于高阶功能的实现以往较为依赖激光雷达，其成本相对较高，因此配备这些功能的车型通常定位为中高端产品。从新能源汽车细分市场的角度来看，NOA 功能的发展明显快于该整体汽车市场发展速度。

从 NOA 功能当前 Top 10 车企品牌的配置情况来看，理想与蔚来均已达到 100% 的标配率。我们判断，未来在中高端车型市场中，中国车企在配置激光雷达方面将呈现必然趋势。值得注意的是，华为近期进一步增加了激光雷达的使用量，尤其是尊界搭载了 4 颗激光雷达。此外，我们也观察到一些新兴品牌在 NOA 功能的渗透力上展现出强劲势头，例如智界、阿维塔以及深蓝等品牌，其 NOA 功能正持续不断地发展与完善。

过去几年，车企 NOA 主要通过选配、软件订阅、买断式和硬件集成等多种方式盈利，其中特斯拉采用买断模式，而其他一些企业则提供不同高配车型，消费者需额外付费以获取特定功能。理想汽车则选择将 NOA 功能包含在车价内。我们认为随着高阶智能驾驶，尤其是 NOA 功能产品成本迅速降低，这些功能或将逐渐成为消费者的标配。因此，未来车企在定价时可能会将这些功能直接纳入车型的建议价格中，作为完全标配的选项。

智能驾驶产业链市场与技术趋势

目前，从核心硬件的角度来看，随着 ADAS 渗透率的不断提升，我们发现与之相关的硬件组件，如毫米波雷达、激光雷达、高精度定位系统、域控制器以及线控制动和悬架系统等，均呈现出飞速增长的态势，且其增长空间极为广阔，普遍实现了翻倍式的增长。

从传感器的不同配置看，在入门级 L2 级别的智能驾驶辅助系统中，如 ACC、LKA 等常见功能，主流方案倾向于采用 5V3R 或 5V1R。功能提升至 L2+ 级别，配置方案则更倾向于 5V5R 或 5V3R。

高阶 NOA 方面，当前主流配置倾向于采用 11V3R，当然也存在部分企业采用 7V 或者 8V 纯视觉方案。通过对不同配置的系统性拆解分析，我们发现域控制器的渗透率已相对较高，接近四分之一车型 ADAS 功能已采用此类方案。

从方案分类的角度看，结合车企的产品规划、芯片厂商的战略意图、软件公司及传感器公司的迭代趋势，我们可以将其大致分为三类。其中一类主要定位于 30TOPS 级别的算力，满足 7 万至 15 万元价格区间的车型需求，部分企业甚至能将其应用于 5 万元以上的车型。在这一类别中，极具代表性的产品包括博世的入门级方案 1V（单目方案），所搭配的芯片如地平线的 J3 系列、德州仪器的 TDA4 VM 等。

在中算力范畴内，即满足 200TOPS 以下、30TOPS 以上的算力需求时，主要提供的是标配 L2+ 功能，并可选配部分城市 NOA 和 AVP 功能。这一算力级别的方案中，高阶配置如 11V5R 或者 10V3R 已开始应用于实际产品中。代表性的芯片包括 NVIDIA 的 ORIN-N，以及未来可能推出的 ORIN-Y。

高算力领域，主要面向 20 万元以上的车型市场，不过也有部分产品下探至 15 万元水平。目前，该领域的主流芯片为 NVIDIA 的 Orin-X 以及华为升腾的 610 系列。

许多主机厂在思考，如果做高阶方案不用 NVIDIA，是否有更优质的选择。当前，我们观察到诸如高通 8620 在中阶算力领域的应用，以及地平线 J6 系列产品在今年开始逐渐崭露头角。

当前，众多企业正积极投身于这一领域。域控制器作为整车厂必须掌握的核心技术，自研是未来的必然趋势。域控制器如同汽车的 " 大脑 "，对主机厂而言至关重要。因此，我们看到大量企业开始自研域控制器并寻求代工合作。此外，主机厂在感知、规划与控制、决策等算法领域也进行了大量的人员部署和研发投入。在整个供应链体系中，自主品牌在前瞻性布局和自主可控方面展现出了较为完善的态势。

智能驾驶技术如果今年在中国市场达到与传统驾驶技术平权的地位，还面临着诸多挑战。在中国，一些新兴部件的供应链，诸如激光雷达、域控制器等，国内企业目前已基本具备相应水平，且占据主导地位。但在核心传感器领域，如成像毫米波雷达及成像摄像头方面，仍以外资企业为主导。

当前，业界普遍强调自主品牌需在 10 万元以下车型中推广高速 NOA 功能，这无疑对供应链提出了严峻挑战。我个人认为，今年可能会遭遇摄像头及雷达等部件的供应短缺问题，特别是考虑到上游供应链中，如摄像头所使用的 CMOS 芯片，尤其是 800 万像素以上的高端产品，目前市场供应极为紧张。

毫米波雷达领域情况也很相似，MMIC 等芯片作为核心部件，目前国产能力相对较弱。在传感器领域，除激光雷达外，摄像头和毫米波雷达的芯片国产化率极低，这构成了供应链中的一个重大挑战。

从域控的角度来看，今年智能驾驶领域预计将经历一次大规模的行业洗牌。我们观察到大量汽车制造企业以及部分 Tier 1 开始转型涉足代工业务。域控的重要性不言而喻，它对于汽车企业开发功能、提升性能具有关键作用。未来这一趋势可能会吸引更多原本专注于苹果产业链的 ICT 企业加入其中。总体来看，智能驾驶产业链正经历一定的分工调整，不再局限于传统的汽车企业开发域控制器、Tier 1 负责生产并提供芯片的模式，后续供应链可能会出现新的变化。

线控技术方面，过去几年，底盘领域一直竞争激烈。随着智能驾驶功能的不断发展，未来的发展趋势可能聚焦于下一代 EMB、主动悬架系统，以及悬架与双目摄像头或其他视觉系统相结合的智能控制系统，以提供更加卓越的平衡性和驾驶体验。

就未来多传感器融合技术而言，我认为在中国市场乃至部分海外市场，多传感器融合仍将是主流趋势。然而，随着算法技术的快速迭代，系统或将朝着端对端的方向发展，因为当前已有众多企业成功实现了端对端功能。

智能驾驶未来发展趋势

随着消费者对辅助驾驶功能的重视程度和支付意愿的不断提升，以及 NOA 功能逐渐下探至 10 万元以下车型，预计至 2030 年国内乘用车 L2 及以上智能汽车智驾功能标配市场渗透率将超过 90%，NOA 标配搭载量将达到 2400 万辆以上。

从最新技术动态来看，主流企业普遍已具备实现分段式端对端能力，涵盖感知、决策及规划控制等各个环节。例如，理想汽车当前采用的是端对端结合 VLM，今年将逐渐迭代至 VLA 的解决方案。这一方案也代表了当前大部分企业所倾向的感知决策一体化趋势，旨在实现真正的输入与输出一体化方向。

对于智能驾驶领域的参与者而言，所有企业均面临数据闭环的挑战。未来完整数据闭环必将涵盖车端与云端在处理这些数据时，需考虑多个方面：首先是降低数据存储及算力要求，以优化资源利用；其次是数据的扩展应用，如通过不同场景的模拟，主要依赖于仿真技术；再者是自动标注的需求，鉴于以往人工标注成本高昂；最后是算法调优，这涉及整个系统的迭代过程。对于汽车制造企业乃至部分领先的自动驾驶科技公司而言，如何有效掌握并利用这些数据，构成了其面临的重要课题。

近期 DeepSeek 十分火爆，其在基础模型构建、算法迭代以及应用端推理等方面具有显著优势，其开源特性与低成本使其更具吸引力。我们认为，未来大模型的整体应用将主要围绕云端大模型与车端小模型的结合展开。通过云端的大量训练，将模型优化后部署至车端，鉴于车端算力相对有限。然而，DeepSeek 并不会颠覆整个行业赛道。

因为对于任何一款汽车产品而言，其模型的应用不仅涉及数据的实施，还需要针对所有车型进行定向开发。一套技术模型难以完全适配不同车型，因此，在 DeepSeek 的应用中，数据方面显得尤为重要。目前，数据增强和数据合成是较为常用的方法，它们主要用于处理某些特殊测试场景数据的缺失问题，通过模型部署，可以在虚拟环境中生成所需的测试场景，从而弥补实际数据的不足。

算法层面，DeepSeek 具备强大的多模态解读能力，这有助于车端和场景端信息的深度理解和推理。类似于人类驾驶时的潜意识决策过程，DeepSeek 能够在潜移默化中提供推理策略。例如，在驾驶过程中，尽管驾驶员无法预知下一秒的情况，但会根据当前环境做出合理预判，如转弯时自动打转向灯。DeepSeek 正是通过其算法，为车辆提供类似的决策支持，从而提升驾驶的安全性和智能性。

此外是模型蒸馏技术，主要涉及云端与车端之间的联动。由于车端算力相对较低，利用模型蒸馏技术可以有效降低对云端算力的依赖，进而降低成本。然而，从长远来看，随着 DeepSeek 等 AI 应用的普及，对算力的需求将持续增长。在未来的发展中企业可能需要投入大量精力进行模型改造，以适应 DeepSeek 的要求。同时，也需要评估 DeepSeek 的基础要素是否满足车企的实际需求，并据此进行提升和优化。

另一个值得关注的趋势是舱驾融合。过去两年，已有部分企业，如零跑汽车开始在这一领域进行探索。部分企业已推出基于 One Box 的方案，即尝试将智驾与座舱功能集成到单颗 SOC 上。然而，这两个系统存在显著差异，包括算法要求与实现的功能安全不同，因此对中间件及虚拟化软件的要求极高。同时，功能安全与信息安全也是这一领域面临的重大挑战。

我们认为，舱驾融合的本质在于降低成本。在未来这一技术可能会优先在 15 万以下的车型中普及，以降低成本。因为这类车型对性能的要求相对较低，与高端车型相比，它们在性能上的妥协空间更大。因此，舱驾融合技术有望在这一价位段的车型中实现较高比例的普及。

就当前智能汽车行业而言，智能驾驶与座舱系统紧密相连，同时与、动力系统、底盘系统、车身内外饰等系统众多信号源也息息相关。用户在车内如何建立对智能驾驶系统的信任，座舱内的 SR 显示至关重要。这涉及到 3D 引擎的渲染效果，需精准展现车内外环境、交通参与者状态以及车辆运行状态等信息。因此，未来智能驾驶的发展将推动 3D 技术在座舱信息及智能驾驶信息显示方面的快速发展，同时促进手机与车机之间的深度联动。

近期，为了更好满足企业对数据查询与深入分析的需求，盖世汽车全球汽车产业大数据系统正式上线，专注于为全球汽车产业提供全方位的数据查询与洞察分析服务。目前该系统已建立产品库、销量库、配置库和预测库，并梳理配套关系打通了整车库与供应链配套企业库，涵盖全球超过 49 个国家和地区、超过 300 多个品牌的汽车产销量数据，同时提供超过 7500 款智能电动车型的详细配置信息，支持各类对比。系统还包含全球 50 多个国家和地区的企业信息，如营收、战略、产品、客户、工厂布局、财报及专利等深层数据，以及超过 18 万家国内外配套供应商信息。依托可视化数据看板（仪表盘）与 AI 自动化数据处理技术，降低用户使用数据、分析数据的门槛和成本，从而为全球车企及零部件企业的发展提供更高效率、更优质量的数据支持，助力战略决策全面升级。

（以上内容来自盖世汽车研究院副总裁王显斌于 2025 年 2 月 28 日在 2025 盖世汽车研究院年度沙龙发表的《智能驾驶市场展望》主题演讲。）