低價博弈失焦，輔助駕駛需回歸理性

智能駕駛的競爭是規模、成本與安全的平衡。

2025年，“智駕平權”的口號響徹業界，成為貫穿全年的行業最強音。

但不能否認的是，智能輔助駕駛的發展也開始從追求規模普及，轉向聚焦安全和用戶體驗的理性軌道。尤其是隨著技術下探至10萬級主流市場，曾經屬于豪華車型的“高階智能輔助駕駛”正加速進入尋常百姓家，我們不得不開始對普及浪潮中的功能底線進行審視。

過去幾年，隨著第三方解決方案的成熟，高階輔助駕駛進入量產爆發階段，行業在競爭的喧囂中，難免出現失序的一面。例如，定點數量成為傳播的核心指標，但交付規模和質量則隱于燈光之下，價格成為車企博弈的關鍵籌碼，也成為供應商搶奪市場的利器，但質量和體驗則往往被避而不談。

“成本競爭”在加速技術普及的同時，也在消費者心中不可避免埋下了隱憂。當“智駕平權”演變為價格戰，安全冗余、系統一致性、極端場景驗證是否被壓縮？

「統一模型基座，輔助駕駛的安全底盤」

過去，物理層面的堆料構筑安全第一道防線，但隨著端到端大模型成為智能輔助駕駛的“大腦”，安全冗余的概念已向“數據規模”與“模型架構”延伸。

特斯拉CEO馬斯克判斷，實現安全、無人監督的自動駕駛，大約需要100億英里的訓練數據。這些數據規模的差異，直接影響泛化能力與極端場景覆蓋密度。業內普遍認為，那些概率極低但致命的場景：突然竄出的行人、不規范施工、極端天氣等，靠模擬永遠無法復現完全，只能靠海量真實里程去“撞見”并學習。

輔助駕駛頭部企業在數據層面的積累已形成一定體量。特斯拉在2025年底披露，其智能輔助駕駛系統累計行駛里程超過110億公里；同年，華為乾崑輔助駕駛里程達到54億公里，實現212萬次碰撞規避和3.3億次輔助泊車。

有了海量數據之后，如何組織這些數據、讓安全價值最大化？面對這一問題，行業內出現分化路徑。

在部分車企中，由于車型眾多且硬件復雜，數據呈現高度碎片化，不得不拆散用于多個子模型訓練。這種模式不僅參數共享效率低，也導致模型難以形成深度認知能力，在面對長尾場景時往往無法進行多步推理和預判。

相比之下，“單模型持續強化”的路徑則構建了結構性的安全冗余。例如元戎啟行依托同一套基座模型，統一賦能輔助駕駛、Robotaxi等不同業務線。Robotaxi場景中遇到的極端博弈案例，可以即時優化輔助駕駛量產車的表現；而海量量產車數據，又能持續夯實基礎模型的泛化能力，強化Robotaxi。

值得一提的是，從SUV到MPV，元戎方案已在十余款車型中實現適配，賦能魏牌高山、坦克500、銀河M9等熱銷車型，展現出成熟的平臺兼容性。當更多合作車輛加入采集矩陣，這種由真實數據驅動的進化速度，是仿真測試無法復制的競爭壁壘，將形成難以逾越的斷層優勢。

同時，這種架構的優勢通過VLA（視覺語言動作）模型被進一步放大。元戎啟行采用VLA模型，在端到端基礎上引入語言模型，具備“思維鏈”能力，讓系統能像老司機一樣做出決策，這也在很大程度上擺脫了傳統端到端模型的“黑盒”問題。

當然，模型架構和數據閉環的設計是輔助駕駛的安全基石，而在交付和硬件設計上的層層把關和嚴苛標準，則是輔助駕駛產品可靠性同樣不可或缺的部分。

「行業從“有沒有”，走向“安不安全”」

在項目交付行業里，數量和質量的蹺蹺板從來是個難題。尤其是在當下的行業大規模量產早期，一些行業公司熱衷于宣傳動輒上百個車型定點。但實際上，這并不能衡量技術的成熟度，更不等于產品可靠。

羅蘭貝格合伙人Wolfgang Bernhart指出，中國汽車制造商開發周期為24至40個月，遠短于歐洲的48至60個月。這種快帶來的規模增長，讓歐洲顯得步履蹣跚，也讓“快”本身成了一種更深的焦慮。

一些現實問題逐漸浮現：不同車型間標定偏差導致的體驗斷層，場景覆蓋不全面留下的安全盲區，為了追趕交付周期而壓縮測試環節的僥幸心理，測試驗證資源被稀釋導致標準降低。這些問題是否正在被規模掩蓋？

面對數據與安全的權衡，元戎啟行CEO周光曾明確表示，不追求合作車型數量，而是“選對幾款車，把它們做成爆款”。元戎啟行選擇與少數頭部車企深度綁定，以統一架構推進多車型合作，將資源集中用于技術打磨，確保核心體驗與安全的一致性。

基于這一策略，其聚焦長城、吉利等核心客戶，聯合定義產品并深度調試，實現輔助駕駛功能與車型的完美適配。

截至目前，搭載元戎啟行城市NOA的量產車型已累計交付超過20萬輛，2025年10月其在第三方城市NOA供應商市場占比接近40%，與華為、Momenta形成了三足鼎立的態勢。這份成績并非來自定點數量的堆砌，而是源于對安全一致的堅守。

對于智能輔助駕駛行業而言，脫離安全的數量擴張，沒有意義。正如元戎啟行負責人表示，過去看“有沒有”，2026年關鍵在于“好不好用、安不安全”。

所謂的“定點多”，它代表著可能性，卻未必能兌現成真正的價值。如果沒有真實跑出來的數據閉環，沒有一套統一的技術底座，這些項目越多，反而可能意味著系統被稀釋得越厲害，最終削弱的是用戶的安全感。

「低價不是護城河，安全穩定才是」

在智能駕駛行業，低價本身不是問題，如果它有足夠的規模來攤薄成本。但是當價格被壓到沒有利潤空間，又缺乏足夠多的量產車來分攤成本時，最先被犧牲的，往往是看不見但至關重要的安全冗余。

要知道，智能輔助駕駛技術的成熟離不開軟硬件一體的協同打磨，也依賴芯片、傳感器等核心部件的規模效應與技術積淀，這需要長期的資金和人力投入，絕非簡單壓縮成本就能實現。

過去幾年，為了一味迎合降本需求，行業流行的一股思潮是“棗核上雕花”，在極小算力芯片上實現行泊一體，甚至高速NOA。今天這樣的思路依然在延續，例如城區輔助駕駛也下放到100多TOPs算力芯片。

但行業實踐已經多次證明，在輔助駕駛行業，只提供產品而沒有體驗的路徑行不通。局促的配置，最后大都因為“犧牲”了體驗上限，而為消費者所拋棄。

對此現象，元戎啟行CEO周光表示，2026年市場競爭關鍵將聚焦于“降低成本”與“提升體驗”兩大核心。其中，核心思路就是“規模降本”，而不是物料降本，隨著百萬交付目標的推進，元戎啟行將在智能駕駛賽道進入全面加速期，將高昂的研發成本分攤到每一輛車上，從而在保證合理利潤的前提下，為主機廠提供有競爭力的“安全低價”方案。

只有在足夠大的量產基盤上，持續的技術投入和嚴苛的安全標準才能得以維系。在輔助駕駛領域，頭部企業正持續加碼自研。自2019年以來，華為在智能汽車領域的累計研發投入已超500億元；2025年，特斯拉運營費用達127億美元，同比增長23%，其中相當部分投向自動駕駛研發。2026年，特斯拉還計劃將資本支出提升至超過200億美元，用于新建工廠及擴建AI訓練算力。

當低價策略掩蓋了這些技術投入的必要性，行業就容易陷入一種危險的認知偏差，將“低價”等同于“工程能力強”。但若缺乏規模支撐，所謂的低成本方案便無法分攤底層研發的剛性支出，最終只能從安全冗余上“找補”。一旦極端事故集中爆發，高昂的召回成本將徹底擊穿所謂的成本優勢。

據國家市場監督管理總局數據，截至2025年9月，中國共實施汽車召回3230次，涉及車輛1.2億輛。僅2024年因輔助駕駛系統問題召回的車輛高達255.61萬輛，占全年召回數量的23%。這些觸目驚心的數字，正是“無規模、不安全”的低價策略所付出的現實代價。

更值得警惕的是，這種分不清“讓利”與“讓安全”的低價戰，傷害的不僅是企業自身的利潤，更是整個智能輔助駕駛行業的用戶信任池。一旦消費者對技術失去信心，行業的發展根基便會動搖。

面對這種局面，行業需要回歸理性和務實。歸根結底，智能駕駛的競爭是規模、成本與安全的平衡。只有在足夠大的量產基盤上，高昂的研發投入才能被分攤，嚴苛的安全標準也才能落地。那些繞過規模、壓縮成本的短視做法，終將被市場驗證。唯有以規模為底座，以安全為前提，行業才能真正行穩致遠。