國內自動駕駛廠商拆解：誰是“蘋果”？誰是“安卓”？

出品/未來科技界

作者/李彥

編輯/楊宇

清晨七點，一輛沒有司機的汽車從路邊緩緩駛出。它能識別紅綠燈、避讓行人、在擁擠的城市路口完成轉彎，然后把乘客安全送到目的地。車門自動打開，乘客離開，車輛駛向遠方。

這是自動駕駛行業描繪了數年的未來場景。

但在現實世界里，這樣的場景至今仍然只在少數城市、少數車隊中小規模出現。大多數消費者所接觸到的“自動駕駛”，其實仍停留在輔助駕駛階段。

根據SAE International的自動駕駛分級標準，僅有L4及以上級別的技術才能被稱之為“完全自動駕駛”，即無人駕駛。在這一階段，駕駛員可以完全擺脫操控任務，汽車在普通天氣和交通條件下能夠自主完成全部駕駛功能。

近兩年，不少車企開始描繪這一目標。理想曾宣布計劃在三年內推出具備L4能力的車型，蔚來在發布NIO ET9時也強調其擁有L4自動駕駛的能力。但事實上，真正實現L4級技術落地的玩家仍然屈指可數。

自動駕駛行業，誰是蘋果？誰是安卓？

實現無人駕駛需要一整套復雜技術體系的協同：包括高性能計算芯片、穩定可靠的感知系統、海量訓練數據、自動駕駛算法、車端軟件架構，以及長期的道路測試與安全驗證等等。

基于這一背景，自動駕駛產業面臨著兩者路徑選擇：

一是全棧自研，構建類似蘋果的閉環體系。

二是構建開放平臺或系統生態，做無人駕駛領域的“安卓”。

當下，全棧自研模式最典型的代表是特斯拉。其核心產品FSD（Full Self-Driving）系統采用純視覺技術路線，并由自研FSD芯片提供算力支持。特斯拉試圖像蘋果一樣，將關鍵技術牢牢掌握在自己手中——從自動駕駛算法、傳感器方案，到計算芯片和整車軟件架構，都由自己主導開發，從而形成高度一體化的技術體系。部分中國新勢力車企也在嘗試向這一方向靠攏。例如小鵬的XNGP系統、蔚來的NAD系統。

無人駕駛界的安卓則以Waymo、華為、百度、小馬智行、文遠知行、Momenta為代表。最典型的就是華為，華為并不直接參與整車制造，而是提供完整的智能汽車技術方案，并通過與車企合作將這些能力整合進量產車型。例如華為與賽力斯合作推出問界系列車型。

除了華為之外，安卓系的企業多采用英偉達提供的自動駕駛芯片平臺，并與北汽、上汽、豐田等車企合作，或推出Robotaxi車隊，或為車企提供完全自動駕駛技術。

這種模式的優勢在于可以降低車企在無人駕駛方向研發門檻。但同時，它也意味著核心技術更容易被共享，企業之間的差異化空間相對有限。

“蘋果”模式是奢侈的選擇

走“蘋果系”，意味著要做全棧自研和軟硬件一體化，這兩者是行業趨勢所在，但也是奢侈的選擇。自動駕駛研發往往需要數十億美元級別的投入，以及數百萬甚至數億公里的數據積累。對于大多數企業來說，這樣的投入并不現實。

但若不估算成本，“蘋果模式”依舊像是一個“完美方案”。因為自動駕駛的是一個持續自我進化的系統。閉環體系最大的優勢，是把這套系統的關鍵變量收攏到同一個組織內部，從而形成兩個結果：更極致的性能優化，以及更快的反饋閉環。

更極致的性能優化，指的是當芯片架構、模型結構、傳感器配置、車端軟件調度都由同一家公司主導時，企業可以圍繞每個細分環節做針對性優化。以芯片為例，百億晶體管的芯片已成為現實，這些數量巨大的晶體管如何分配職能、如何連接、如何組合，對于具體某個應用的性能影響很大。而自研芯片的企業，在優化架構以適配車輛上勢必會擁有數據優勢。

更快的反饋速度。指的是在閉環體系里，數據采集、標注策略、模型訓練、車端部署會更容易連成一條鏈路，遇見極端場景也可以快速反應優化，這種迭代效率，恰恰是體驗差異的區分線。

但蘋果模式注定是“奢侈”的，原因就在于它的成本結構幾乎天然反商業直覺：

1、投入前置：芯片、訓練集群、數據平臺、車端軟件架構都是重資產，且無法快速回收；

2、組織難度高：軟硬件協同意味著跨學科團隊必須長期穩定配合，任何關鍵崗位動蕩都會讓體系失衡；

3、規模門檻高：沒有足夠銷量就沒有足夠數據，沒有足夠數據就很難把模型做出明顯優勢，閉環需要“規?！弊宰C。

也因此，能走蘋果模式的公司并不多。不是大家不想，而是只有少數公司能承擔它的長期投入的成本。

“安卓”模式真的是術業有專攻嗎？

相比之下，“安卓模式”更像是一種產業現實主義：既然全棧自研的門檻如此高，那就只做技術，把造車的事交給車企。這條路徑有三個務實的指標：速度、成本與覆蓋面。

首先是速度。車企不必從零搭建完整體系，可以直接借助成熟平臺快速上線功能——無論是算力平臺、感知融合方案、還是部分軟件棧能力，都可以通過合作拼裝出一套可落地的系統。對大多數車企而言，即可用更低的成本，讓自己的自動駕駛技術位列前列。

其次是成本與風險分攤。全棧自研意味著所有風險都由一家企業承擔：研發不確定性、流片不確定性、供應鏈波動、以及事故責任的輿論風險。而開放生態的優勢在于：每一環都有專業玩家，車企可以選擇更適配的組合，把資金壓力分散到產業鏈上，把試錯成本變成協作成本。

最后是覆蓋面。當自動駕駛能力以“方案”形式被復制，它就更容易滲透到更廣泛的車型與價位段。閉環模式往往先在高價車型上驗證，再逐步下放；而安卓模式可以更快覆蓋中端市場，讓智能駕駛更快進入市場。

但這也不意味著提供無人駕駛方法的廠商和車企一定是“強強聯手”。自動駕駛不是手機時代那種“標準件+應用生態”的組合，它的傳感器噪聲、線束與算力功耗、車端實時調度、模型結構、數據分布都相互牽制。方案商和車企哪怕各自為行業尖子生，也不意味著能在10%的長尾場景里拿到高分，而那90%的通用場景，卻無法拉開體驗的差異性。

當平臺、芯片和算法被多家車企共享，差異化反而會被擠到更窄的空間里：大家都在同一底座上做微調，體驗趨同，競爭就容易滑向參數競賽和營銷競賽。

況且，若是自動駕駛出了問題，用戶也不會區分是芯片、算法還是整車集成的鍋，最后還得是品牌來買單。而且一旦車出現問題出現安全事故，負面影響程度將遠大于手機，小米汽車的慘禍以及后續發酵的鋪天蓋地的輿論就是最典型的案例。

所以，開放生態究竟是同質化的“拼裝”還是一種更高效率的工業分工，還得視具體情況分析。

短期來看，L4級別的競爭，還未到“蘋果系”與“安卓系”正面對決的階段。一邊是少數擁有強大工程能力與資金實力的企業，繼續用閉環體系逼近技術極限；另一邊則是更龐大的產業鏈，通過分工合作推動自動駕駛能力快速普及。在大規模的商業化落地之前，兩種路徑各有機會。