智駕邁入物理AI時代，車企下一個“賣點”是什么？

當小鵬將高速NGP功能下放到16.99萬元的G6車型、比亞迪海鷗以低于10萬元價格標配L2+智駕系統，車企們對于智駕所選擇的“加量不加價”路線，正式宣告了“智駕溢價”時代的終結，一個新的智駕時代分野出現了。

據工信部數據，2024年上半年，中國乘用車L2級輔助駕駛及以上新車滲透率達55.7%，中國電動汽車百人會副理事長兼秘書長張永偉預計這一數字到2025年可能會接近65%。

如今，智能駕駛正在經歷智能手機式的祛魅過程。當有一天智駕功能成為汽車的“出廠默認配置”，消費者對城市NOA的驚喜閾值持續降低，車企可能會忽然發現：曾經引以為傲的領航輔助、自動泊車不再是消費者買單的理由，而是開始質問“什么時候智能駕駛才會真正不用人工接管？”

當技術參數無法再制造差異化時，車企的焦慮顯而易見——當所有車企都能提供相似的智駕體驗，消費者憑什么為你的產品買單？這些觸及本質的問題正在倒逼中國汽車產業尋找新的價值坐標。

下一步，從“知覺”到“直覺”

智駕普及應用有兩個最重要的前提，安全性和準確性。至今，還沒有任何一家車企和供應商敢打包票說自家智駕系統是絕對安全的。

有時候，被風吹動的樹葉造成的陽光的閃爍，從強光線中快速行駛至建筑物遮擋的陰影下，這些干擾和環境變化都會影響傳感器的感知精度。車企也非常清楚這一點，所以現在市面上的智駕系統大多采取安全至上的保守方案，遇到突然影響感知決策或復雜情況可能判斷不準時，系統都會提示人工接管。

這也是為什么試駕過很多智駕車型的媒體老師們，嘴上配合著車企說智駕像老司機，手上卻愿意自己掌控方向盤的原因。別說智駕還沒有達到人們想象的那種智能，就連不知道什么時候系統就突然要你人工接管，這種體驗也不會好。

從早期的規控算法到去年大熱的端到端大模型，智駕技術的快速迭代讓汽車的智能化水平有了質的飛躍，智駕系統已經基本實現“能用”目標，但要讓智駕進化到“好用”且讓消費者“愛用”的階段，還需要填平技術實現與安全性之間的鴻溝。

在智駕發展初期，市面搭載輔助駕駛功能的大多數車輛可以認為是“湊合能用”的產品。當時的智駕系統只是實現了如自適應巡航（ACC）、車道保持以及簡單的自動泊車等基本的輔助駕駛功能。但面對復雜路況和突發狀況時，系統可能會出現識別錯誤或響應滯后。

就像余承東所言：“打電話有網就行，但上網就需要5G”，若只是具備基本的功能，那智駕只會停留在“功能機”時代，雖然能勉強滿足需求，但遠遠無法實現高質量、低延時、高安全性的要求。

智駕的安全性始終是技術突破中最為關鍵的環節。一個“好用并安全”的系統不僅需要在各種駕駛場景下準確感知和預測，同時還要在應對突發情況時能夠快速做出反應，避免意外事故的發生。這就需要智駕系統不僅要具備全場景、實時感知能力，還要能夠通過一次次的場景訓練最終形成“直覺”。

當前主流的端到端技術路線摒棄了傳統的模塊化設計思路，將傳感器采集到的原始數據作為輸入，通過龐大的深度學習模型，直接輸出車輛的控制指令，實現從感知到決策的一體化。

比如端到端智駕系統中，攝像頭圖像直接輸入到神經網絡模型，經過計算和處理，直接輸出轉向角度、油門開度和剎車力度等控制信號，無需中間的目標檢測、識別和決策制定等獨立步驟。通過大量的數據訓練，端到端模型能夠自動學習到各種復雜的駕駛模式和場景特征，從而在面對未知場景時也能做出較為合理的決策。

智駕系統一旦擁有“直覺”，就會綜合分析道路環境全局信息，這讓智駕系統在面對人車混流、無保護左轉、道路無中線等復雜交通環境時，能夠下意識做出規避動作并瞬間預判，像老司機般從容應對。

在強化學習、知識蒸餾、混合專家模型（MoE）等AI技術加持下，汽車將不再是執行指令的機器，而是具備認知能力的智能體。

AI驅動的智能交互系統能夠實現跨場景、多模態的人車互動，營造出專屬且沉浸式的車內智能環境。通過大語言模型與多模態交互技術，車輛可以理解用戶的情感傾向、生活習慣甚至未言明的需求。這種能力使汽車能夠主動規劃路線、推薦服務，甚至在長途駕駛中扮演聊天伙伴或知識顧問的角色。

車輛的智能交互有兩個層次：

第一個層次是簡單但響應較快的車機控制操作，比如打開空調、控制車窗、播放音樂之類的語音指令

第二個層次是問一些復雜的問題，包括聯網查詢天氣、附近餐廳推薦、長途規劃之類的，這些需要復雜的推理能力，通常需要云端大模型來支持，這也是目前智駕能夠形成差異化的應用之一。

從使用習慣和范圍看，用戶需要的并不是什么都知道的百科全書，而是打破車端內的各個邊界，讓AI大模型成為集中調度中心，能夠及時反饋關鍵信息并協助自己駕駛的全能助理。

由此，交互深度的競爭將取代功能數量的堆砌，消費者為“懂我”支付的溢價，遠高于為“功能”支付的溢價。

同時，通過與道路系統的融合，車輛可以根據實時環境數據，動態合成虛擬訓練場景，使智駕系統在云端完成極端工況的“壓力測試”，在進一步保障安全性的同時，完成了系統自我進化迭代。

在智慧道路上，每輛車既是數據生產者，又是系統優化的受益者。通過實時共享道路狀態、交通事件、駕駛行為等信息，整個網絡形成協同感知、實時決策、自主進化的“群體智能”。這種模式徹底顛覆傳統的數據孤島困境，使智駕從“經驗積累”躍遷至“實時進化”。

這也為汽車產業打開了更深層的競爭維度：從單一功能的競爭轉向開放系統生態重構，從工具屬性升級為智能生命體，從出行載體進化為連接物理世界與數字世界的關鍵節點。

智駕是浪花，物理AI是大海

十年前，汽車行業的競爭焦點是電池、電機、電控；五年前，車企開始爭奪智能駕駛的技術高地，激光雷達、毫米波雷達、攝像頭的組合成為兵家必爭之地。

但今天，越來越多的人意識到，硬件的競爭終究會趨于同質化，真正拉開差距的，是軟件，是AI，是數據處理能力。

自2023年ChatGPT爆火，到如今DeepSeek的一夜出圈，AI已經成為未來中國汽車行業的一個超級變量，其不再只是錦上添花的“智能語音助手”，而是決定智駕安全性、制造效率、供應鏈優化乃至整車研發周期的關鍵力量。

AI正以前所未有的速度改變著汽車行業，有望從根本上重塑汽車的使用模式和市場格局。

根據波士頓咨詢研究，2025-2035年智能駕駛汽車的市場滲透率將從12.9%增長到24.8%，具備智駕功能的汽車市場規模從420億美元增長至770億美元。而從端側AI角度出發，Market.us預測從2022年至2032年，全球端側AI市場空間將從152億美元提升至1,436億美元，年復合增長率達25.9%。其中增長將主要來自工業、汽車以及政府相關產業。

可以預料，未來車企、智駕技術供應商的差距將取決于數據質量與模型優化能力。而如何實現AI與物理世界的無縫融合，并圍繞AI延展出各項能力，比如AI生成場景的能力，將決定智駕系統的進化上限，值得每一個車企深入研究。

英偉達創始人兼CEO黃仁勛認為：“人工智能的發展從感知式AI，即理解圖像、文字和聲音，進入到生成式AI，即創造文本、圖像和聲音，當前正進入全新的物理AI時代。”這是讓AI真正理解物理世界的必經之路。

物理世界AI是相對數字世界AI而言的。相比GPT、DeepSeek這類數字世界AI運行在封閉可控的環境，并具備較高的容錯率，以智能駕駛為代表的物理世界AI要在環境開放、高隨機性的世界中與車輛、行人、道路、設施等實體發生交互，所獲取的數據也都是真實世界的動態實時數據，由于其決策直接關乎生命安全，系統1%的誤判就有可能發生嚴重的交通事故，因此人們對于這類系統的失誤通常采取“零容忍”態度，對于安全性的考慮也表現得更為嚴苛。

當前，AI與物理世界的結合有兩個層次：

第一層是將物理AI模型集成在機器人、自動駕駛等自主機器中，幫助自主機器感知、理解并在現實世界中執行復雜的操作；

第二層是運用AI能力形成網絡效應，創造輸出更多高質量數據（構成物理體、物理場等）供模型進行訓練，從而將模型能力提升到可以廣泛應用于物理世界的程度。

物理世界AI的提出有其必然性。一方面，基于互聯網上大量文本和圖像數據訓練的生成式AI模型（GPT、Llama等）在生成人類語言和抽象概念方面已經基本滿足需求，但是受其生成規則的限制，對于物理世界的理解有限，因此會出現不符合現實世界規律的“幻覺”。

另一方面，機器無法感知和察覺它們周圍的世界，但借助物理AI，就可以構建和訓練自動駕駛、機器人等各類智能體，并與真實世界進行無縫交互并適應各種環境，有利于提高現實世界應用的可訪問性和功能性。

物理世界AI能夠理解三維世界的空間關系和物理行為，因此進一步擴展了生成式AI，其通過在AI訓練過程中加入更多真實場景數據，從而實現對物理世界的洞察和理解。

作為物理世界AI在交通領域的重要應用之一，車路云AI網絡將交通流量、氣象條件、道路狀況、城市環境等物理世界實時數據納入模型訓練，通過整合車輛、道路、云端等多方數據，可以進行實時分析并為精準決策提供支持，幫助駕駛員和自動駕駛車輛即時優化決策。同時，通過大模型對攝像頭視頻流進行實時處理，可以為交通管理部門提供精準的交通流量分析預測與動態優化、事故預警、交通信號優化等服務。

如果將智能汽車看作一朵翻騰的浪花，那么物理AI則是一片充滿無限可能的星辰大海。而這將是汽車產業進入“后智駕時代”的一個新開端，由智能汽車、智慧道路、云基礎設施以及機器人、低空飛行器等智能體組成的實時交互的物理世界AI網絡，將催生出遠超單體智能維度的價值藍海。

當初喬布斯把“蘋果電腦公司”改為了“蘋果公司”，明確了蘋果不僅僅是一家電腦公司，也做iPod、iTunes、iPhone、iPad等設備，后面更是把App Store作為iOS生態系統的核心，轉身成為一家應用服務型科技公司。亞馬遜更是如此，從以電商起家，轉型為云計算服務公司，現在變成一家算力公司，本質上已經和最早的商業形態不一樣了。微軟、谷歌同樣如此，早期是軟件、互聯網公司，之后提供云端服務，如今已經轉型成為AI公司。

李想把理想汽車重新定位為一家人工智能企業，認為“理想所做的不是汽車的智能化，而是人工智能的汽車化，并推動人工智能普惠到每一個家庭。”

或許數十年后回望，2025年可以被視為物理世界AI的“奇點時刻”。機器開始理解人類的喜怒哀樂、出行工具進化為生活伴侶，這場由AI驅動的產業革命，最終將形成一個人類與機器智能共生的新形態。

在那里，道路不再是冰冷的瀝青，而是流動的智慧；汽車不再是鋼鐵機器，而是系統的細胞；出行將不再是簡單的生存需求，而是移動生活空間的全新體驗。在這個新世界里，最大的商業機會在于：誰率先定義了人與機器智能的共生法則，誰就把握住了連接物理世界與數字世界的超級入口。

這段關于汽車智能化的故事尚未終結，而物理世界AI的新篇章已然翻開，一切皆有可能，一切又充滿變數，或許這才是科技的迷人之處。