（记者 林碧涓）香港批准萝卜快跑西九龙测试；小马智行自动驾驶里程突破1亿公里；Momenta Robovan落地苏州相城，将世界模型从乘用车进一步拓展至无人配送……一系列新进展勾勒出智能驾驶加速走向现实场景的产业图景。

（图片来源：摄图网）

从乘用车辅助驾驶到Robotaxi，从城市通勤到无人配送，智能驾驶正从技术验证加快迈向规模应用。

智能驾驶加速进阶，从“人主导”迈向“人车协同”

过去几年，智能驾驶首先解决的是“能不能用”，如今竞争焦点正在转向“好不好用”“敢不敢用”。

数据显示，2026年以来，我国搭载组合驾驶辅助功能的乘用车新车市场渗透率已经达到约70%，其中配备领航驾驶辅助功能（NOA）的车型渗透率超过30%。智能驾驶已不再只是少数高端车型的“科技配置”，而正在成为汽车智能化的重要基础能力。

这种变化首先体现在驾驶模式上。传统汽车几乎依靠驾驶员完成环境观察、判断和车辆控制；进入辅助驾驶阶段后，车辆开始承担越来越多的感知和执行任务，驾驶模式由单纯“人主导”逐渐向“人车协同”演进。

与此同时，车辆自身的“理解能力”也在增强。前不久，搭载华为乾崑智驾ADS辅助驾驶系统最新版本的启境GT7正式上市，受到市场关注。与过去按照既定规则执行指令不同，新一代系统通过世界模型、在线强化学习等技术不断增强对复杂交通环境的理解和决策能力，并进一步扩展城市道路、乡道、非铺装道路、停车场等可用场景。

与此同时，“重感知、轻地图”逐渐成为重要方向。车辆更多依靠自身摄像头、毫米波雷达、激光雷达等感知设备实时理解道路变化，减少对高精地图频繁更新的依赖，从而扩大辅助驾驶的适用范围。

AI全栈深度赋能，用户体验与研发效率双提升

如果说智能驾驶是AI进入汽车产业最直观的入口，那么正在发生的变化显然不止于驾驶本身。AI正沿着整条技术链向汽车产业渗透，汽车产业的竞争，也由过去比拼发动机、变速箱等机械能力，逐渐延伸至算法、数据、软件、算力和生态能力。

新一轮大模型应用进一步推动智能座舱从“听懂指令”向“理解需求”升级。中国电信此前展示的星辰智能座舱已经应用于北汽极狐等智能汽车场景，座舱能够与家庭场景连接，实现“人—车—家”一体化互动。

而在智能驾驶研发端，AI带来的改变更加深层。随着模型规模和道路数据快速增长，仅靠增加车辆硬件已经难以形成长期竞争力，云端算力、数据闭环和模型训练效率正成为新的竞争焦点。腾讯针对智驾场景打造了轻量化、可运营、可共建的云图方案，目前已服务博世、长安、长城等企业，通过动态地图和云端能力支撑智驾训练与量产；同时，腾讯云面向车企提供智算解决方案，通过算力调度提升模型训练和推理效率。

这意味着，未来决定一套智能驾驶系统迭代速度的，可能不再只是“车上装了多少传感器”，而是背后有没有足够多的高质量数据、有没有稳定的大规模训练算力。

强制国标筑牢底线，自动驾驶驶入合规新阶段

技术不断向前，安全边界也必须更加清晰。尤其是在智能驾驶领域，车辆能够承担的驾驶任务越多，一旦出现系统能力边界描述不清、驾驶员过度依赖或者系统异常处置能力不足，风险也可能随之放大。

2026年，针对不同阶段智能驾驶系统的国家标准体系进一步完善。近日，工信部组织制定的《智能网联汽车 自动驾驶系统安全要求》强制性国家标准正式获批，将于明年7月1日起全面实施。标准规定了智能网联汽车自动驾驶系统的技术要求、保障要求、同一型式判定，描述了相应的保障要求检验、安全档案检验和确认性试验等方法。

多位业内专家认为，该标准的出台标志着高阶自动驾驶从概念验证阶段进入制度化监管阶段。中国工程院院士、清华大学教授李骏表示，汽车产业将告别“驾驶员全责”的旧模式，全面进入自动驾驶运行安全时代。

可以说，过去，企业竞争更多集中于谁能更快推出新功能、覆盖更多道路、实现更多复杂场景；进入强制标准阶段，市场竞争还要回答另一个问题：功能做得出来之后，能否在统一的安全基线上稳定运行？