智駕平權進行時，從安全博弈到價值突圍｜車圈

新能源、自動駕駛、人工智能、芯片技術快速發展，汽車行業正迎來前所未有的變革。

關注汽車行業最新動態，深入剖析市場趨勢，零態LT特推出《車圈》欄目，以專業的視角，關注全球汽車行業最新動態、各大車企的新品發布、技術革新以及市場表現，通過對汽車行業進行深度解讀，揭示背后的商業邏輯和市場規律，以及它們如何改變汽車行業的格局，以及它們將如何影響人類的出行方式。

本文是該欄目17篇，聚焦智能駕駛最卷的當下，如何才能堅守安全防線。

2025年，從高端到入門級車型，智能駕駛似乎進入了普及的快車。成本降低、功能豐富，仿佛新能源汽車產業一切都朝著更加安全和智能的方向發展。

然而，表面光鮮亮麗的智駕普及“革命”，背后卻隱藏著同質化與安全性的危機。

根據天眼查及媒體綜合信息顯示，車企們在追求市場份額的過程中，是否真正在核心技術和安全性的可驗證、可循證上做出過高投入、真產出的努力？當智駕技術“普及”成為車企之間競爭的當務之急時，智駕的安全性能是在同速加碼還是在悄然“縮水”？

當智駕戰演變成不為消費者所知的降本戰，價格戰的“變種”愈演愈烈，技術的同質化和硬件的冗余問題隨之凸顯。

前腳是智駕大戰熱火朝天，后腳是交通事故冷水潑天，這讓我們不得不思考，新能源汽車行業的智駕普及大潮，到底是潮流還是“嘲笑”？當一部分車企在務實搞研發、不惜投入做攻關、從軟硬件到數據、算法等構筑獨立的閉環生態，另有一些車企為了降低成本、提高上車速度、爭取盡可能多的利潤，不聲不響地陷入了同質化的泥潭。

1、智駕平權背后

2025年，中國汽車市場進入了一個前所未有的“智駕平權”潮流。這場變革改變了以往只有高端車才能享有的智能駕駛技術，逐漸普及到了入門級別車型。

例如，車企A推出了起售價僅不足8萬元的車型，并將智能駕駛功能下放至普及型產品。與此同時，車企B也在12萬元級的車型中，將城市道路領航輔助駕駛功能作為標配，進一步拉開了智能駕駛的價格門檻。車企C則突破了以往的定價限制，成功地將高速領航輔助駕駛功能以不足11萬元的價格帶入了大眾市場。

這看似由車企推動的智駕技術普及熱浪，實際上是背后供應鏈生態的轉變，是軟硬件技術成本下降“唱大戲”。

激光雷達成本的大幅下降，使得車企得以在入門車型中部署多傳感器方案。而純視覺智駕方案成本也在2024年得以顯著壓縮。

根據天眼查行業數據顯示，隨著成本不斷下探，第三方供應商方案得以快速普及，形成了強大的市場覆蓋度。例如，供應商D的方案，成本控制在萬元以內，使得城市領航功能得以低成本上車，甚至迅速被數家大品牌、超10款主流車型選用。

與此同時，車企E引入了聯邦學習技術，即，分布式AI訓練技術，通過跨品牌數據協同訓練，將算法迭代效率提升數倍，并顯著降低了訓練成本。然而，這也帶來了算法架構趨同化現象，以至許多不同車企多款車型的智駕功能和技術路徑具有較高相似度。

盡管低價上車的智駕方案，推動了智能駕駛技術的普及，卻也帶來了隱憂。

車企F的旗艦車型搭載了3顆激光雷達和11個攝像頭，但實際使用過程中，卻推高了整車的能耗，增加了能耗負擔。

而當越來越多車企采用同一開源數據集進行模型訓練，造成的則是因數據采樣、提取、深度神經網絡訓練、算法、算力等全盤式“走捷徑”“降成本”“提利潤”“快上車”，而使得自家智駕技術難免存在短板，甚至會出現誤判、識別出錯等多種問題。

譬如，某車企的純視覺方案車型，就曾在去年底今年初發生過自動泊車系統在多輛車中“集體”出現故障的事件。

而至于對中式隔離墩的誤判率究竟有多大，夜間三輪車的識別失敗率是轎車的多少倍，或許車企和供應商心中有著精確到小數點的答案。

只是，購車的消費者在開著這樣的汽車時，并未能獲得應知的知情權，以至于在出現智駕故障甚至發生重大事故時，方能引起車企和用戶的重視。

根據天眼查媒體信息顯示，為了降本，這種同源化的技術架構仍然是不少車企戰略性地選擇，背后基于的則是成本優先“理念”，而這也說明智駕系統一味比拼價格背后的潛在系統性風險。譬如，在某些極端路況和天氣情況下，智駕系統的識別能力會因為某些車企的“降本”導致算法和算力難以“跟上節奏”而下降。例如，在暴雨中，智駕系統若誤將倒塌的護欄識別為“地面陰影”，將會給駕乘帶來怎樣的后果？

理性來看，當下汽車行業，一些車企的智駕系統，在實際場景中尚存不足和短板，這也不得不讓我們對市面上以價格為賣點的智駕系統，安全性能是否如其宣傳所言、是否能在緊急時刻“為生命護航”打個問號。

2、智駕博弈的關鍵錨點在于創新

車企以智能駕駛作為核心賣點的競爭越激烈，為提升競爭優勢同時確保足夠利潤的一部分車企，其在智駕硬件和算法上趨于同質化的跡象愈加明顯。

譬如，車企H和車企I的旗艦車型，使用了幾乎完全相同的硬件配置，包括1顆前向激光雷達、2顆側向激光雷達和11個攝像頭。這兩款車的傳感器布局也有著較高的相似度。對于這類硬件配置和傳感器布局的同質化現象，相信經常逛車展、車市的消費者不難看出其中的“門道”。

更令人擔憂的同質化是，基于公開資料，某些芯片供應商已形成顯著市場集中度，其方案被多數主流車型采用，以至于搭載這些芯片產品的超10款主流車型，感知算法架構的同源率較高。而這種依賴同一供應商，尤其是在芯片價格競爭中有優勢的供應商的現象，讓一部分車企在硬件設計上陷入了所謂標準化實則同質化的困局。

譬如，一部分車企盲目標榜算力，但冗余算力不僅浪費了資源，反而帶來了更高的能耗負擔，影響了整車的能效表現。

天眼查信息顯示，在算法方面，行業的同質化問題更加嚴重。當越來越多車企不再是以類似“影子模式”的方式獨立采取自家車輛的真實人類駕駛數據，而是過度依賴供應商同一開源數據集進行模型訓練，顯著降低成本的同時，其中帶來的同質化風險亦不言自明。

例如，在某地發生的連續發卡彎事故中，這類未經過足夠量級的真實人類駕駛決策數據訓練的所謂智駕系統，因為沒有經過相關場景的數據投喂和訓練而失控。

即便在所謂的智駕功能創新上，行業內的“參數糾結”也是同質化的另一表現。

盡管高速領航輔助功能的場景覆蓋率達到一定水平，但接管請求時間（TOR）到底能達到怎樣的水準，在高速行駛的情況下顯得至關重要。以120km/h的車速計算，系統若需要在165米外識別障礙物。而梳理主流激光雷達的有效探測距離可知，大多僅為150米左右。這就導致智駕系統無法及時準確地判斷和處理障礙物。

而在自動泊車功能方面，多個車企采用的垂直入庫策略也存在相似度過高的同質化問題。這種為推新功能而推、為創造賣點而“趕工”甚至不惜以同質化風險“跟進”的功能，因缺乏足夠的場景數據投喂和訓練，也會出現諸多問題。

譬如，在遇到地庫積水等特殊場景時，這類同質化嚴重的車型，多數會因為使用相同的算法而出現誤判等錯誤，甚至不排除造成嚴重后果的可能。

綜合來看，汽車行業智能駕駛技術的同質化正體現在方方面面。為了多賣車，車企L將高速領航功能命名為“ABC”，而車企M則將同樣的功能叫作“ACB”，但實際上這兩款車底層都使用的是供應商D的相同算法。

這種同質化“內卷”，不僅容易誤導消費者，更是掩蓋了智駕技術同質化的真相。越來越多車企的競爭更多地集中在如何包裝自己的智駕功能、領先水平和安全保障能力，而非在真正的技術創新上去做攻堅、實現突破。

3、安全價值高地如何構筑

在智能駕駛的未來競爭中，車企終究需要突破同質化，方能借助核心技術創新提升安全性與穩定性，構筑自身智駕技術的差異化護城河。

譬如，車企N通過精確整合氣象雷達數據，將暴雨等復雜天氣環境下的感知誤判率做到了實質性壓低。

這一突破的核心在于，車企N建立了差異化的、包含多維度天氣因素的影響矩陣，以至于能通過將降水強度與激光衰減系數的映射精度提高，同時優化毫米波折射補償模型，實現在不同濕度和降水強度下的智駕系統感知穩定性，進而減少系統誤判的可能性，有效提升智能駕駛系統在惡劣天氣下的安全性。

再如，智駕解決方案第三方供應商OE，推出了不同于市面上的新型激光雷達，基于差異化的動態波長技術，做到了實時調整激光發射頻率，探測性能得以優化，在雨霧等惡劣天氣條件下，提升了系統的穿透力。

類似上述車企和供應商，打破同質化進行的差異化創新，正是智能駕駛系統能夠在關鍵時刻保證對障礙物識別能力的保障所在，也為高速度行駛中的緊急制動和避讓等，提供了更多的響應時間，從而提升安全性能。

“安全溢價”，或是車企在未來集體打破同質化藩籬、探索各自差異化核心技術壁壘的另一驅動力。之所以這么說，是因為，同質化難以帶來的安全性能，真正進行智能駕駛核心技術攻關的車企和供應商能通過不同的實質性解決方案，予以實現。

天眼查綜合媒體信息顯示，當智駕經歷了低成本上車普及“價格戰”，以及被交通事故“潑冷水”后，接下來，智駕的安全性能或將成為車企的核心競爭力和可持續的差異化優勢。

這種以安全為主打的智駕，進而會影響汽車行業的商業模式和市場表現。由于安全在智駕推廣中的“先入為主”，真正有技術、有能力、有資本、有循證的車企，不僅能提高用戶對其智能駕駛的信任與認可度，也為車企贏得更多市場份額。

更重要的是，走出同質化泥潭、用差異化技術壁壘為用戶智駕安全保駕護航的車企，還會享受到用戶為其帶來的“安全溢價”，這比定價本身更有意義。

「聲明：本文不構成任何形式的安全性能評價，全文案例均基于行業公開信息及調研數據并做脫敏處理，文中企業稱謂均為匿名化處理，所述現象旨在探討行業共性特征，請勿關聯特定企業。」

作者｜林飛雪

胡展嘉

運營｜陳佳慧

頭圖｜網絡公開用圖

出品｜零態LT（ID：LingTai_LT）