解鎖智駕新可能：技術路線日趨清晰，高階體驗從選配到全民標配

全球汽車產業正經歷電動化、智能化變革，智能駕駛作為核心賽道，已進入政策合規、技術成熟、市場規模化滲透的關鍵轉折期。政策層面，我國采用“地方試點+全國標準”模式，2025年9月L2智駕強制國標征求意見，2026年2月啟動L3/L4級強制國標制定，破解高階智駕落地的標準痛點，推動其從測試走向合法商業化。

市場端，城市NOA已結束高端嘗鮮，步入規模化普及期。2025年1-10月其滲透率達12.8%，同比提升4個百分點，多家車企將其下放至10-20萬車型，推動智駕從選配向剛需轉變，2026年滲透率有望持續躍升。

技術上，端到端大模型上車后，智駕算法收斂至VLA與世界模型兩大路線，二者優勢互補、深度融合趨勢明確，將推動智駕感知、決策能力實現質的提升。

產業生態上，全棧自研與開放合作并行，頭部車企堅持自研，多數車企采用“自研+外采”模式，第三方供應商助力智駕平權。當前智駕行業處于多重拐點疊加期，高階智駕迎來商業化爆發機遇，本報告聚焦行業變革邏輯，研判發展方向與投資機遇。

一、智駕政策加速完善，L3/L4落地有法可依

1.1 智駕政策加速完善，國家與地方協同推動商業化落地

智能輔助駕駛法規體系逐步健全，采用“地方試點先行、全國標準跟進”模式推動高階智駕落地。北京、上海、深圳等城市已開放L3級測試，深圳2022年率先完成L3立法；2026年2月，工信部發布《智能網聯汽車 自動駕駛系統安全要求》征求意見稿，成為我國首部L3/L4級自動駕駛強制國標，填補了全國性標準空白。

1.2 工信部發布征求意見稿，L2輔助駕駛強制國標即將落地

2025年9月17日，工信部就《智能網聯汽車組合駕駛輔助系統安全要求》強制國標征求意見，標志L2強制國標進入落地倒計時。該標準銜接國際標準、貼合國內路況，將組合駕駛輔助系統分為四類，其中泊車組合系統未納入規制。

基于三類核心輔助系統，標準從三大維度構建安全體系，明確運行要求，將于2027年1月1日正式實施。

該標準既對系統功能、設計等提出安全要求，也規范研發、風險管理流程，形成雙重防護，并建立多維度評價方法，全面保障智駕行業可持續發展。

1.3 L3/L4自動駕駛標準征求稿發布，政策賦能智駕產業升級

2026年2月，工信部發布《智能網聯汽車 自動駕駛系統安全要求》征求意見稿，將替代原有標準，成為首部L3/L4級強制國標，明確技術、保障要求及檢驗方法，為高階智駕研發落地提供統一依據。

2025年12月，我國首批L3級智駕車型獲準入許可，極狐阿爾法S6（L3版）、長安深藍SL03在北京、重慶試點上路，標志L3級智駕正式落地，為后續規模化推廣積累經驗。

二、城市NOA滲透率提速，高階智駕迎來規模化滲透新周期

2.1 智駕持續縱深發展，高速和城區NOA分層演進

NOA（自動領航輔助）是智駕核心功能，按場景分為高速NOA與城市NOA，兩者在技術、硬件、場景上差異顯著，呈分層協同發展態勢。

高速NOA應用于高速、快速路等封閉道路，可自主完成車道保持、變道超車等操作，場景規則清晰、高精地圖覆蓋完善。

城市NOA適用于路口、環島等復雜城市場景，可處理復雜交通流、完成無保護左轉等操作，對車輛感知和決策能力要求更高。

2.2 城市NOA滲透率提速，進入規模化滲透的行業新周期

城市NOA滲透率持續提速，2025年3月至10月連續8個月滲透率超兩位數，10月單月搭載量達343萬輛、滲透率16.5%，標志其已走完“高端嘗鮮”階段，正式進入“全面普及+規模化滲透”的行業新周期。

新車城市NOA配備率同步提升，2025年1-10月國內乘用車城市NOA搭載量239.2萬輛，滲透率12.8%，較2024年增長4個百分點；同期上市新車城市NOA標配+預埋占比達21.7%，較2023年6.3%、2024年13.7%實現顯著提升。

2.3 城市NOA逐步下放至低價位段，20萬以下開始起量

城市NOA普及呈現價位分層特征，中高端車型搭載率較高，2025年1-10月，20-25萬、25-30萬、30-35萬車型滲透率分別達29.7%、57.0%、38.5%，其中25-30萬價位搭載量66.4萬輛，為核心區間。

20萬以下車型搭載量實現突破，2025年1-10月占比約10%，較前兩年零滲透大幅提升。多家車企下放城區NOA至10-20萬車型，如尚界H5 Max版（17.98萬）、小鵬Mona M03 Max版（12.98萬）、領克07EM-P（13.98萬），降低智駕門檻。

2.4 城市NOA成核心考量，從差異化配置向主流標配躍遷

隨著智駕技術升級，城市NOA從差異化配置成為各價位消費者購車核心考量，行業正從“可選”向“標配”躍遷，智能化已成為用戶購車核心驅動力。

《2025麥肯錫中國汽車消費者洞察》顯示，城市NOA覆蓋各價位，剛需屬性隨價位提升遞增；長續航、快充、自動駕駛是用戶最關注的三大因素，20-25萬價位用戶中，城市NOA是駕乘體驗之外的第一必選項，超28.8%主流品牌推出相關車型，印證標配趨勢。

2.5 比亞迪提出全民智駕，助力智駕平權

2025年2月10日，比亞迪發布全民智駕戰略，構建“天神之眼”技術矩陣，全系車型搭載智駕技術，“天神之眼C”首批21款車型覆蓋7萬-20萬級，推動智駕大眾化。

比亞迪輔助駕駛車型自2025年4月快速上量，10月單月銷量達31.68萬輛（王朝/海洋網占比近90%），截至2025年底保有量超256萬輛，彰顯戰略認可度。

2.6 吉利全系搭載千里浩瀚智駕，促進NOA快速普及

2025年3月3日，吉利發布“千里浩瀚”智駕系統，整合全場景智駕功能，分H1-H9五個層級，匹配不同用戶需求，H9為L3級方案，最低配置標配100TOPS以上算力。

該系統依托星睿智算中心等優勢，推動高階技術向低算力車型落地，未來吉利銀河品牌全新及改款產品將全面搭載，加速NOA普及與智駕平權。

2.7 搭載滿血圖靈智駕，小鵬將城市NOA打入13萬價格段

2025年5月28日，小鵬MONA M03加推車型（11.98萬-13.98萬），其中Max車型將城市NOA引入13萬價位，打破A級車智駕瓶頸，讓主流用戶低成本體驗高階智駕。

該車型搭載小鵬自研圖靈AI系統，兩顆Orin-X芯片總算力508TOPS，是同級別4-6倍，提供雙算力版本，后續將升級第二代VLA技術。

2025年，小鵬MONA M03月銷穩定超1萬輛，全年交付超17萬輛，躋身全球新能源銷量第14位，驗證“低價高配智駕”可行性。

2.8 尚界H5上市，首次將華為ADS 4帶到20萬以下

2025年9月23日，尚界H5上市（15.98萬-19.98萬），作為鴻蒙智行尚界首款中型SUV，首次將華為ADS 4輔助駕駛方案下探至20萬以下，填補市場空白。

該車Max版（帶激光雷達）支持全場景領航輔助，Pro版（純視覺）不支持城區領航；預售16萬份小訂中，75%選擇Max版，體現消費者對低價位高階智駕的強烈需求。

三、VLA與世界模型走向融合統一，智駕能力有望實現躍升

3.1 大模型助力智駕進階，2026年智駕迎來新周期

2026年是智能駕駛行業新一輪發展周期的關鍵起點，以一段式端到端、VLA（視覺-語言-行動）、世界模型為核心的技術路線，推動行業從機器模仿人類駕駛，全面邁入全新發展階段。智駕技術演進路徑清晰有序：高速NOA→通勤城市NOA→無圖城市NOA→城市NOA體驗深耕與安全精細化→L3/L4高級別自動駕駛落地與全民智駕普及。

智駕軟件算法的演進，本質是從模塊化割裂到端到端融合、從應激式響應到認知式決策的范式革命。行業歷經四輪清晰躍遷，2026年將實現超躍人的智能全面落地，這不僅是技術升級，更是智駕系統對物理世界規律與人類駕駛意圖的全維度理解與超越。

3.2 端到端衍生出VLA和世界模型兩種技術路線

一段式端到端目前已成為行業主流。特斯拉引領智駕算法從規則驅動的模塊化架構，發展至數據驅動的端到端架構，其將智駕系統的感知、規劃、決策模塊整合為一個模型，實現信息輸入與控制輸出的一體化，歷經模塊化、雙系統、一段式三個發展階段，目前一段式端到端占據主流地位。

端到端的核心是模仿學習，具備信息損失少、低延遲的優勢，但存在低頻場景數據不足、推理能力弱兩大難題。為解決這些問題，端到端技術衍生出VLA（視覺-語言-行動模型）和世界模型兩種差異化路線。

3.3 VLA：引入語言模型，具備可解釋性和強大泛化能力

VLA（視覺-語言-行動）模型是融合視覺、語言、動作三大模態的端到端人工智能模型，通過統一的多模態學習框架，實現感知、推理與控制一體化，可直接根據視覺輸入（圖像、視頻）和語言指令（任務描述），生成可執行的物理世界動作（如車輛轉向控制）。

2023年7月，谷歌DeepMind推出RT-2模型，采用VLA架構，通過整合大語言模型與多模態數據訓練，賦予機器人復雜任務執行能力，任務準確率較初代提升近一倍（從32%至62%），實現垃圾分類等場景的零樣本學習，其理念隨后被車企關注并快速應用于智能駕駛領域。

3.4 超越傳統端到端和VLM，VLA實現智駕新突破

傳統端到端（VA）和VLM（視覺語言模型）均有局限性：傳統VA存在“黑箱”問題，雖能精準操控，但決策過程缺乏可解釋性，難以獲得用戶信任；VLM具備場景理解與語言表達能力，卻無法直接生成控制指令，存在行動鴻溝。

VLA實現了自動駕駛的“真”端到端，通過融合計算機視覺、自然語言處理與強化學習，構建集環境感知、語義理解與決策執行為一體的統一智能體。系統通過視覺編碼器處理圖像、語言編碼器解析指令，經大語言模型完成高層語義推理規劃，最終通過動作解碼器生成控制指令，實現從“黑箱”到“可解釋大腦”的變革。

3.5 全程可追溯可解釋，VLA實現數據自我驅動和迭代

VLA全程可追溯、可解釋，能夠實現駕駛數據的自我驅動與迭代。其在算法形式上，堅守從傳感輸入到軌跡輸出的端到端神經網絡形式，形成統一大模型，實現“全程可求導”。當車輛出現駕駛錯誤（如剎車過晚），錯誤信號可從軌跡輸出端反向傳播，貫穿行動、語言、空間智能模塊，依托自動化數據閉環，實現高效率、低成本的自我驅動與迭代。

VLA核心優勢突出：一是具備可解釋性與前瞻預判，借鑒語言模型思維鏈，決策過程更易理解；二是環境理解與泛化能力更強，可處理潮汐車道、交警手勢等復雜非結構化信息，在環島等場景中實現多步規劃；三是人機交互更自然、更具個性化，支持自然語言交互（如“遠離大車”），可學習用戶駕駛習慣，提供擬人化共駕體驗。

3.6 世界模型：對真實世界建模，提升策略的前瞻和穩定性

世界模型通過對真實世界高維認知建模，賦予智能體理解、預測和規劃能力，核心是對環境因果規律的推理與內部模擬，可在云端仿真訓練后蒸餾到車端執行，也可直接在車端部署。

世界模型的核心邏輯的是：輸入“過去的信息”（前一幀或多幀數據），輸出“未來的信息”（下一幀或多幀預測），預測信息可涵蓋圖像、聲音、速度、距離等各類可記錄的感知數據。其主要用于仿真模擬，通過大規模模擬極端、稀有、長尾場景，為智駕系統提供訓練、驗證所需數據，同時讓系統可內部預演判斷風險，擺脫對當前畫面的單一依賴。

? 如欲獲取完整版PDF文件，可以關注鈦祺汽車官網—>智庫，也可以添加鈦祺小助理微信，回復“報告名稱：智能駕駛專題系列：技術路線逐漸清晰，高階智駕迎來拐點 ”。

點擊下方，查看近期熱門行業研究報告