本报记者 刘 钊
从试验场到开放路，从技术秀到商业账，自动驾驶正迎来从“可展示”到“可落地”的关键窗口期。随着AI大模型、世界模型、端到端算法快速上车，高阶智驾从高端车型下探至主流车型。在此背景下一个更具现实意义的命题摆在产业面前：自动驾驶距离真正大规模商用还有多远？
在日前举行的第二届自动驾驶产业发展论坛上，多位行业人士达成共识：当前自动驾驶已不再是单一技术竞赛，而是一项集技术成熟度、成本可控性、标准法规等多维度于一体的系统工程。
一方面，辅助驾驶渗透率持续提升，Robotaxi、无人重卡、自动泊车、园区接驳等场景加速验证，行业正摆脱早期概念炒作；另一方面，越接近高阶自动驾驶，对安全验证、责任边界、数据闭环、测试认证和监管协同的要求越高。自动驾驶产业正站在规模化应用前夜，要想真正跨过这道门槛，还需回答好“能不能安全运行”“能不能形成商业闭环”“能不能在监管框架下持续迭代”三道核心问题。
成本下降带动普及 产业从概念热转向价值战
过去两年，自动驾驶产业最显著的变化是技术成本持续下行与应用范围快速扩大。车百会研究院理事长张永伟在接受《证券日报》记者采访时表示，过去两年高阶自动驾驶整体成本下降40%至60%，此前主要搭载于高端车型的智能驾驶功能，正加速渗透至十几万元级主流车型市场。随着软硬件成本下探，智能驾驶正从少数车型的配置卖点，转变成更多用户可实际体验的基础功能。
这背后是汽车产业与AI、半导体、通信等产业的加速融合。过去，车企、芯片企业、算法公司、通信运营商之间更多是链条式协作，各守一方阵地；如今，自动驾驶对数据、算力、网络、传感器、执行器和整车平台提出一体化要求，产业边界不断打破。自动驾驶的竞争，已从“车企自己的技术升级”，演变为智能汽车产业生态的综合实力比拼。
市场端也在发生变化。中国汽车工业协会资料显示，2026年我国L2级辅助驾驶新车渗透率有望达到较高水平，城市NOA（导航辅助驾驶）渗透率也在持续提升。尽管不同机构统计口径存在差异，但行业普遍认为，用户对智能驾驶的态度正从最初的“不敢用”逐步转向“愿意用”，并在部分高频场景中形成使用习惯。
不过，普及不等于成熟。早期行业曾存在堆参数、拼硬件、炒概念等现象，消费者也因体验不稳定、功能边界不清晰产生顾虑。如今，产业正回归理性。张永伟认为，自动驾驶逐渐进入良性发展阶段，企业不再简单以参数作为宣传重点，而是把安全、创新和自主可控作为核心竞争力。
在整车企业看来，自动驾驶竞争也不再是单点算法竞争。岚图汽车科技股份有限公司副总经理谢文云表示，汽车产业正从智能化先行者迈向自动驾驶深水区，自动驾驶的终极竞争拼的是体系能力，而非参数高低。所谓体系能力，不仅包括感知算法和大模型，还包括芯片选型、域控开发、底盘执行、云端数据、测试验证、用户运营和售后服务等全链条能力。
这也解释了为何自动驾驶落地不能仅看单次演示效果。业内人士认为，单一场景下跑得通，并不意味着全场景可复制；一款车的优秀体验，也不代表整个车队具备稳定运营能力。自动驾驶从“技术可用”走向“用户愿用”，需要在日常通勤、高速巡航、停车充电、城区拥堵、恶劣天气、异常交通参与者等场景中持续经受考验。
AI大模型打开上限 数据闭环决定下限
如果说成本下降推动自动驾驶进入更多车型，那么AI大模型的深度应用，则正在打开技术能力的上限。
清华大学教授邓志东认为，自动驾驶正从过去分段式模块架构，向世界模型智能体快速演进。过去，感知、预测、决策、规划往往被拆分为不同模块，很多驾驶规则依赖工程师编写；如今，随着VLA、世界模型、强化学习等技术逐步进入产业实践，系统正尝试通过海量数据学习复杂交通环境中的规律。
这意味着，车辆不再局限于识别前方车辆、行人与红绿灯，还需理解多目标间的空间关系、行为意图和潜在风险。自动驾驶系统要像“老司机”一样，在动作执行前预判后果，在复杂的道路博弈中选择更安全、高效的行驶路径。
但现实差距依然存在。中国第一汽车集团有限公司研发总院首席设计师刘斌对《证券日报》记者表示，现有自动驾驶AI模型与人类多感官认知仍存在偏差。人类驾驶并非仅依赖视觉，还会综合听觉信息、驾驶经验及场景判断。因此，未来自动驾驶需构建多模态智驾基础模型，将视频、文本、动作、语音、地图等多源信息进行统一表征，以提升车辆对真实物理世界的理解能力。
AI大模型并非破解自动驾驶难题的“万能钥匙”。自动驾驶面对的是开放、动态且低容错的物理世界，其长尾场景的复杂度远高于文本生成。车辆在道路上的每一次制动、变道、避让，都可能涉及乘员、行人、其他车辆及公共交通秩序。业内人士认为，大模型虽提升了系统的泛化能力，但数据质量、测试强度与安全边界仍是决定系统能否可靠落地的关键。
引望智能驾驶产品线总裁李文广对《证券日报》记者表示，自动驾驶需要实现“看得更清楚、想得更明白、动作更到位、系统更可靠”。其中，“看得清楚”依赖传感器性能与感知能力；“想得更明白”依托算法、算力和数据支撑；“动作更到位”需要制动、转向、底盘等执行系统协同配合；“系统更可靠”则要求操作系统、冗余设计和网络安全经受长期验证。自动驾驶正在向L3、L4级别迈进，对整车系统稳定性的要求也将越来越高。
商业场景正成为检验技术实力的“试金石”。文远知行创始人兼CEO韩旭认为，L4级自动驾驶并非“将来时”，在北京、广州及部分海外市场，纯无人驾驶车辆已进入实际运营场景。但他也提醒，L4级与L2++之间存在数量级差距，不能将局部演示等同于规模化运营能力。真正的高阶自动驾驶需要在公开道路、持续时间、车队规模和重大安全事故等维度经受全面验证。
重卡场景则走出了一条差异化的落地路径。嬴彻科技创始人兼CEO马喆人介绍，干线重卡具有车身长、重量大、响应慢、挂车结构复杂等特点，对感知、控制和安全冗余的要求明显区别于乘用车。对于物流行业而言，自动驾驶不仅是技术层面的升级，更关系到运输安全、节能、司机疲劳度改善和运营效率优化。
安全标准加速补齐 商业落地仍需多方协同
技术向前迭代，规则必须同步跟进。自动驾驶越接近规模化应用，越需要标准、测试、监管和保险体系形成闭环。当前，我国L2级辅助驾驶车型渗透率快速提升，L3级进入准入试点，L4级开展大量示范应用。与此同时，AI技术与智能驾驶的融合日益深入，端到端等方案成为开发新范式，也带来了功能安全、预期功能安全、网络安全、数据安全等新风险。
自动驾驶标准体系正在加速完善，为产业落地保驾护航。中汽智能科技党委书记、副总经理杨正军表示，L2级相关国家标准正处于报批公示阶段，预计2027年1月份实施；L3级自动驾驶相关标准处于征求意见阶段，预计2026年下半年报批、2027年实施；AEB（自动紧急制动）、DMS（驾驶员监测系统）、ACC（自适应巡航控制）、自动泊车等强制性标准也在推进。未来，企业想要实现自动驾驶产品的规模化落地，不仅要证明功能可用，还要证明自身具备持续安全保障能力。
这对测试评价体系提出了更高要求。对此，杨正军建议，仿真测试应覆盖主要场景，封闭场地需验证高风险场景，实际道路测试则用于泛化场景校核，并结合审核评估、安全监测等方式，系统保障产品安全。换言之，自动驾驶不能仅靠一次测试“过关”，而需建立贯穿研发、生产、运营与升级全生命周期的安全管理机制。
基础设施同样是影响自动驾驶规模化落地的关键变量。中国移动上海产业研究院产业拓展总经理兼智慧交通部总经理蒋亚佳认为，在自动驾驶进入规模化商用关键阶段后，行业对网络服务可靠性、算力服务高效性以及智能服务专业性的需求将更加迫切。高可靠网络、分级算力与全生命周期智能服务，将在车路协同、模型训练、远程监管及安全运营等场景中发挥关键作用。
自动驾驶的规模化落地不会仅依赖单一路径，而是呈现“多场景并行、分阶段突破”的发展格局。在乘用车领域，L2级向L3级的技术演进有望构建更完整的数据闭环；Robotaxi需在限定区域内提升运营密度和服务效率；干线物流、港口、矿区、园区等场景因路线相对固定、运营主体明确，或率先形成商业闭环；自动泊车、无人接驳等低速场景，也可能成为L4级功能规模化验证的重要入口。
向深处扎根、向远处延伸，自动驾驶产业的真正考验才刚刚拉开序幕。未来几年，行业竞争的重点将从“谁率先发布功能”转向“谁能实现稳定运营、持续降本并守住安全底线”。对于中国汽车产业而言，自动驾驶不仅是智能化下半场的重要赛点，更将成为人工智能与实体经济深度融合的关键实践。