[ 首发于智驾最前沿微信公众号 ] 2026 年世界人工智能大会（WAIC）期间，自动驾驶不出意外地占据了大量展区和论坛议程，如果说前几年的大会还在讨论 AI 能不能赋能汽车，那么 2026 年这届大会已经清晰地回答了 AI 如何重塑汽车产业的每一个环节。从芯片、算法到政策配套，自动驾驶技术正在从前期的验证阶段，逐步走向实际的落地运营。

算力芯片，为更复杂的模型提供跑起来的可能

自动驾驶对算力的需求一直在增长，尤其是 2026 年以来，越来越多企业开始尝试将世界模型、VLA（视觉 - 语言 - 动作）模型部署到车端，这对芯片的算力和架构都提出了新的要求。如果说前几年行业关注的是芯片够不够用，那现在关注的问题则是芯片还能为未来的模型预留多少空间。

在本届 WAIC 上，几家国内芯片企业都有比较重要的亮相。

黑芝麻智能在 WAIC 2026 展出了华山 A2000 家族芯片平台，该系列单芯片算力最高可达 1000 TOPS，支持多芯片协同扩展，可满足 L4 级全场景算力需求。现场同步亮相了双 A2000 FAD 天衍 L3 自动驾驶域控制器，并演示了自研的一段式端到端算法，该算法实现了城市与高速 NOA 一键直达，同时展示了千问 VLM 大模型在华山 A2000 平台端侧实时交互运行。

图片源自：黑芝麻

华为也在 WAIC 2026 上首次公开展出了 Atlas 950 SuperPoD 昇腾超节点真机。这是一个面向云端训练的万卡级算力集群，满配状态下可搭载 8192 颗昇腾 950DT 芯片，虽然它不直接用于车端，但为自动驾驶的仿真训练和模型迭代提供了算力基础，该产品计划于 2026 年第四季度上市。

昇腾 950，图片源自：网络

蔚来子公司神玑首次以独立展商身份参展，展台上展出了已量产的 NX9031 系列芯片，目前该芯片已部署在蔚来和乐道的全系车型上，累计发货量超过 30 万颗。同时，神玑在会展期间发布了睿动具身智能开发平台，将车端积累的感知和控制能力迁移到机器人等场景中。

智驾最前沿以为，国产芯片在算力指标上其实已具备与国际主流产品竞争的能力，但芯片设计只是起点，真正的考验在于能否在更多量产车型中得到大规模验证。2026 年以来，国内智驾芯片企业开始集中进入量产交付周期，不过从定点到大规模装车之间还有一段距离。

定点只意味着车企选择了某款芯片做方案开发，真正决定市场份额的是后续能否通过车规认证、完成整车适配、经历足够的行驶里程来验证可靠性和稳定性，这需要时间和持续的工程打磨，但也恰恰是衡量国产芯片能否从能用走向好用的关键。

大模型与智能体，让汽车具备更完整的理解能力

传统车载语音助手的交互方式是用户给出明确指令，系统执行，但随着大模型技术的发展，行业开始探索让汽车具备更强的语义理解和任务规划能力，这种能力如果成熟，汽车可以从听懂指令进化到理解意图并自主安排操作，如用户说有点热，系统能判断是要调低空调还是打开座椅通风。在此情况下，汽车不再需要逐条指令去执行，而是可以根据用户的一句话，将背后一连串相关的操作都安排到位。

吉利、阶跃星辰和千里科技联合推出的超级 Eva 智能体，是本届 WAIC 上比较受关注的一个落地案例，这套系统搭载于极氪 8X，已于 2026 年 3 月正式上线，为国内同类型产品较早量产落地项目，这套系统能够理解相对模糊的指令，比如听到 " 带我去接孩子放学，顺便找家麦当劳 " 的指令后，可以自主完成路线规划和任务排序。

图片源自：网络

千里科技在 WAIC 2026 上公布，其智能辅助驾驶系统 " 千里智驾 ASD" 截至 2026 年 7 月装车量已突破 50 万辆，覆盖极氪、领克、银河、smart 等 19 款主流车型。用户辅助驾驶功能激活率达 92%，这一数据意味着用户并非被动搭载，而是确实在使用这项功能。大会期间，千里科技还公布了 ASD 4.1 版本的技术预览，聚焦全场景 D2D 通行、物理 AI 大模型带来的深度语义理解升级，以及舱驾深度融合三项突破，公司同时宣布计划于 2026 年底推出 ASD 5.0 版本。

其实大模型在车端的应用目前仍处于早期阶段，虽然各家车企和供应商已经展示了不少概念和 demo，但从实际落地的体验来看，语义理解的准确率、多轮对话的稳定性、任务规划的合理性都还有明显的提升空间。

尤其是在复杂的驾驶场景中，车内语音交互会受到路噪、车速、多人同时说话等多种因素的干扰，模型的稳定性和可靠性需要通过更多用户的长期使用来检验，现阶段用户在车内更习惯的还是 " 打开空调 "" 导航到某地 " 这类明确指令，真正的意图理解和自主任务规划还远未成为主流。

无图化，解决 L4 级自动驾驶部署效率的问题

L4 级自动驾驶在很长一段时间里推广速度不及预期，高精度地图的依赖是一个绕不开的因素。在行业发展早期，由于车辆在感知能力和算力上的局限，高精地图几乎是 L4 级车辆的标配，它以厘米级精度标注车道、路口、交通标志等静态信息，为车辆提供先验的结构化数据。

但高精地图的采集、制作和维护成本高昂，覆盖范围也有限，道路施工、临时交通管制、车道调整这类动态变化每天都在发生，地图却难以及时同步更新，一旦信息出现偏差，车辆的定位和环境判断就可能出问题。

对于无人物流车这类需要跨城市运营的场景，这个问题尤为突出，九识智能联合创始人、CIO 朱伟铖在接受采访时直言：" 我们 L4 货运要在全国 300 多个城市去运输，这个时候过去的高精地图方案是不可行的。"

按照传统路线，无人物流车每进入一座新城市，都需要提前完成高精地图的采集、制作和验证，客户购买无人车后通常要等一个月左右才能正式投入运营。一个月的时间成本，对于规模化推广来说是不小的负担。

九识智能在今年 WAIC 上宣布，其 L4 级无图方案已经实现规模化量产，这套方案以视觉感知为主、激光雷达为辅，使用普通导航地图做全局路径规划，具体的驾驶决策交给车端的实时感知系统来完成。据九识智能方面介绍，采用这套方案后，车辆的部署周期从传统方案的一个月左右压缩到了一天以内。

从行业趋势来看，无图化的方向并非九识一家在做，只是各家在技术路线和推进节奏上有所差异。如果无图方案能够在更多场景中被验证，L4 级自动驾驶的跨城市复制效率确实会有明显提升。

政策配套，为规模化运营提供制度框架

除了技术之外，自动驾驶的规模化商用还面临法规层面的问题，不同城市的测试标准不统一、跨区域运营的合规流程复杂，都是企业在实际运营中需要面对的成本。在行业逐步走向商用的阶段，政策的明确性和一致性就变得越来越重要。

在本届 WAIC 的高级别自动驾驶创新发展论坛上，上海市就发布了新版《智能网联汽车测试与示范实施办法》，重点方向包括安全优先、分级推进、数智监管和流程优化。同时推出的还有智能网联汽车交通安全管理应用系统和通行规定符合性测试平台，这些措施为自动驾驶在上海的测试和示范运营提供了更完整的制度框架。

政策层面的这些调整，对于企业来说意味着运营过程中的不确定性有所降低，但从全国范围来看，各地之间的标准统一仍然需要一个过程。

一些个人看法

纵观 2026 年 WAIC 上自动驾驶相关的展示和发布，可以看到几个比较明显的变化。

一是行业的关注点正在从技术验证转向商业运营，企业展示的内容大多是已经量产或者即将量产的产品，而非停留在概念阶段的原型，展台上能看到的具体产品和方案比往年更多了。

还有就是产业分工也更加清晰，芯片企业、算法企业、整车企业各自聚焦在自己的环节，合作深度明显高于前几年，展台上很少再看到一家企业从头做到尾的模式，更多的是联合展示和生态合作。

此外，政策层面的配套正在逐步跟上，上海在大会期间发布的新版测试与示范实施办法以及配套管理平台，为企业的测试和运营提供了更明确的制度框架，这有助于降低企业的商业化成本，让企业在投入资源时更有依据。

其实这些趋势都在降低自动驾驶走向规模化商用的门槛，无论是无图方案压缩部署周期、还是芯片算力为更复杂的模型提供可能，或是政策框架让企业有章可循，本质上都是在解决复制和扩展这件事。

过去自动驾驶行业面临的一个问题，那就是做一辆能跑的 demo 车相对容易，但要做一百辆、一千辆能在不同城市稳定运营的车，难度呈指数级上升。而今年 WAIC 上释放的信号是，行业正在把注意力从造出一辆好车转向建立一套可复制的运营系统，这可能是比任何单项技术突破都更重要的转变。

声明：本文由太平洋号作者撰写，观点仅代表个人，不代表太平洋汽车。文中部分图片来自于网络，感谢原作者。