近年來，智能輔助駕駛技術沿著功能迭代與場景拓展的路徑持續突破，從2022年高速場景的NOA量產落地，逐步向2024年城市復雜路況的NOA功能延伸，并于2025年實現全場景車位到車位功能的規模化應用，推動智能輔助駕駛從單一場景向全域覆蓋升級。

與此同時，硬件方案的降本增效與軟件算法的架構革新形成協同效應，推動高階智能輔助駕駛能力向主流市場加速滲透，并以更低成本的傳感器配置和端到端模型優化實現技術普惠，開啟10萬元級車型的高階智能輔助駕駛普及新時代。

在全場景車位到車位功能快速落地的過程中，用戶體驗優化與安全冗余體系的構建成為智能輔助駕駛行業焦點。面對復雜場景下的長尾問題，車企通過多模態感知融合、大模型決策算法和動態場景重建等技術強化系統魯棒性，同時建立從傳感器冗余到算力備份的多層級安全保障機制，以應對突發工況并降低人為接管頻率。

政策層面，L3級有條件自動駕駛責任認定試點方案的推行，為技術商業化厘清了權責邊界，而監管部門對過度宣傳的規范化約束，則引導行業從功能堆砌轉向實效驗證，形成技術突破與安全規范的雙軌發展格局。

這一系列進展標志著智能輔助駕駛正從技術驗證期邁入規模化、規范化發展的新階段。

高速NOA→城市NOA→全場景D2D，邁向全域智能輔助駕駛新時代

中國智能輔助駕駛功能正沿著“場景復雜度逐級攀升、覆蓋范圍持續擴展”的路徑快速發展：從最初高速NOA在結構化道路實現自動變道、匝道通行等基礎功能，到城市NOA突破紅綠燈識別、無保護左轉等城市復雜場景，最終向全場景D2D進化，打通地庫—城區—高速的全鏈路高階智能輔助駕駛，并融合自動充電、跨樓層泊車等終極場景。

這一進程既反映了技術從“規則驅動”向“數據驅動”的范式升級，也標志著高階智能輔助駕駛從“特定路段輔助”向“全旅程智能輔助”的價值躍遷。

科技平權：硬件降本增效+軟件算法迭代，開啟10萬元級市場普惠新時代

2025年比亞迪將高速NOA功能下探至8萬元車型，小鵬城市NOA覆蓋至15萬元級市場，其余主流車企也將城市NOA功能下沉至10-20萬元車型，高階智能輔助駕駛的科技平權愈發顯露。

高階智能輔助駕駛科技平權的實現是軟件增效、硬件降本、規模擴產三力共振的結果。在科技平權的推動下，L2及L2+高階智能輔助駕駛的市場規模與滲透率呈現爆發式增長，預計L2+滲透率將從2024年的 8% 躍升至2025年的 15% ，未來乘用車的高階智能輔助駕駛市場仍將持續高速增長。

安全焦慮：智能輔助駕駛事故凸顯，體驗優化與安全冗余體系升級迫在眉睫

今年部分頭部車企的智能輔助駕駛NOA功能出現事故，進一步暴露了技術邊界與用戶認知的錯配，引發公眾對智能輔助駕駛安全性的信任危機。

2025年4月16日，工信部發布《關于規范智能網聯汽車駕駛輔助功能宣傳及技術驗證的通知》，明確禁止車企夸大智能輔助駕駛能力，強制要求功能驗證周期與用戶安全教育，為行業近兩年過熱的宣傳進行理性降溫。

億歐汽車研究院認為，當前高階智能輔助駕駛技術需在算法、數據、算力升級的同時，重點考慮并解決安全短板，推動技術迭代與安全驗證的同步發展。

政策護航：責任認定試點落地+理性宣傳，雙輪驅動智能輔助駕駛規范化發展

智能輔助駕駛法規逐步完善：

1）地方試點先行，北上深等地已開放L3級有條件自動駕駛測試，深圳2022年率先通過L3立法；

2）全國標準推進，工信部計劃2025年完成L3級技術標準，并修訂《道路交通安全法》明確責任劃分（L3事故車企需部分擔責）。

車企技術快速升級：

1）L2→L2+輔助駕駛規模化量產，主流車企高速NOA、城市NOA已規模化落地，并陸續推出全場景D2D；

2）L3蓄勢待發，華為等計劃2025年推出L3車型，法規落地即可啟用（如2025上海車展華為乾崑智駕ADS 4.0正式亮相，并正式發布高速L3商用解決方案）。

技術洞察：從限定場景到全域進化，解碼智能輔助駕駛的技術底層邏輯

智能輔助駕駛ODD發展經歷了“泊車→高速NOA→城區NOA→全場景D2D”的演進路徑，其核心驅動力來自算法、數據、算力的協同突破。

算力端形成“云端訓練 — 邊緣推理 — 車端執行”三級架構，算力能力量級躍升；

數據端真實數據與合成數據雙輪驅動，構建全鏈路數據閉環，突破長尾場景瓶頸；

算法端從“規則驅動+模塊堆疊”向“數據驅動+端到端集成”演進，實現感知—決策—控制全鏈路優化。

算力升級：云端-邊緣-車端三級架構算力傳導路徑與硬件架構解析

數據激增：硬件冗余→閉環驅動→多模態融合，數據閉環效率持續提升

智能輔助駕駛數據體系正在從依賴傳感器堆疊的硬件冗余模式，轉向算法驅動的閉環數據生態，最終通過多模態融合與合成數據突破長尾場景限制。

億歐汽車研究院認為，目前智能輔助駕駛數據正在加速形成“車端 — 邊端 — 云端”全流程數據閉環體系，不能跟上潮流的可能會被逐漸淘汰出局。

算法迭代：車端E2E→E2E+VLM→VLA，云端模仿學習→強化學習/世界模型

智能輔助駕駛算法中，車端算法的端到端、VLM、VLA及云端模型的模仿學習、強化學習、世界模型形成了遞進與協同的技術生態。

車端算法：以端到端架構為基礎，通過單一神經網絡實現感知 - 規劃 - 控制全流程，顯著提升駕駛擬人化水平和復雜場景適應性，但其泛化能力受限于數據規模；VLM作為增強模塊，通過語義推理輔助E2E處理復雜決策，但其獨立運行模式存在算力消耗大、響應頻率低的問題；VLA則進一步融合視覺、語言與動作，形成統一模型，將多模態信息直接嵌入駕駛決策鏈，減少數據依賴并提升泛化能力，被視為端到端2.0的核心形態。

云端模型：從模仿學習演進至生成式世界模型，通過多模態數據合成虛擬場景，構建閉環訓練系統以預測未知路況，支撐車端模型泛化能力升級。

結語

2025年全場景D2D功能的規模化落地，以及年底至2026年即將量產上車的L3功能，促使智能輔助駕駛第三方供應商、激光雷達廠商、線控企業、智能輔助駕駛圖商、數據標注與仿真企業等愈發成為主機廠提升功能安全的關鍵生態伙伴；同時全場景D2D功能帶來復雜的應用場景，也使智能輔助駕駛芯片供應商更加注重感知算法的業務布局；而解決方案供應商則通過與主機廠多元化的合作模式獲得定點，同時不斷打造行業口碑，實現可持續的業務增長。

車企對于智能輔助駕駛功能的發力點已經從“上車”向“安全”轉移，正在不斷優化全場景D2D功能的“長尾”問題，在此過程中車云算力、數據閉環以及算法架構等創新技術的應用，也為產業鏈上游企業帶來機會。億歐汽車研究院認為隨著智能輔助駕駛功能的不斷發展，參與企業的市場競爭正在“縮圈”，未來市場集中度也將進一步提升，能夠快速響應主機廠需求以及具有AI能力的企業將脫穎而出。

億歐汽車研究院將持續關注汽車智能化領域如自動駕駛等的最新動態，在調查和研究后產出具有深度和見地的研究成果，以供業界參考與借鑒。同時，我們亦期待與廣大讀者展開交流與合作，共同為推動智能輔助駕駛產業的持續健康發展貢獻力量。