炸场！城市 NOA 杀进 10 万级，中国智驾彻底普惠

据中国汽车工业协会发布的《2025城市NOA汽车辅助驾驶研究报告》显示，2025年前三季度，中国L2级辅助驾驶功能在乘用车市场的渗透率已达66.1%。这意味着，每售出三辆新车，约有两辆具备智能辅助驾驶能力。尤其是在20万元以下的主流价格区间，中高阶智能驾驶系统的搭载率已经从年初的不足5%，跃升至年末的逾50%，实现了跨越式增长。

图1：历年中国乘用车L2及以上渗透率 制图：国际电子商情 数据来源：中国汽车工业协会

然而，更令人瞩目的转变在于，曾被视为豪华车型专属的城市NOA(Navigation on Autopilot,  导航辅助驾驶)功能，如今正加速“飞入寻常百姓家”。根据中国汽车工业协会《2025城市NOA汽车辅助驾驶研究报告》数据显示：2025年1-11月，中国市场搭载城市NOA功能的乘用车累计销量达312.9万辆，渗透率为15.1%。其中，自主品牌乘用车销量达到253.73万辆，占比达到81.1%;起售价低于30万元的车型占比为68.9%，成为推动技术普惠的主力军。

高工智能汽车研究院进一步指出，2025年，15万元及以下价格区间的车型首次实现城市NOA前装量产交付，全年销量突破10万辆;2026年1-2月，这一趋势持续加速——中国市场(不含进出口)乘用车前装标配NOA(含高速与城区场景)交付量达69.06万辆，同比激增102.94%。

可以毫不夸张地说，在当前智能驾驶从技术突破迈向规模化普惠的过程中，“城市NOA的大规模普及”，已成为智驾走向商业成功的决定性战场。

高阶智能驾驶规模化落地的破局之路

城市NOA是一种应用于城区道路的高阶辅助驾驶功能，目标是实现从出发地到目的地的“点到点”全程智能辅助驾驶。从发展趋势看，该技术正从依赖高精地图，逐步转向“重感知、轻地图”甚至“无图”方案，并借助大模型提升应对复杂路况的能力。

简单来说，它能让车辆在复杂的城市道路环境中自主完成多项工作。包括：自动识别车道、红绿灯、行人和非机动车辆;自主完成变道、转弯、避障、跟车、启停等操作;结合导航路径进行智能路线规划。不过需要注意的是，城市NOA目前仍属于L2级到L3级之间的辅助驾驶，不是完全自动驾驶，驾驶员在驾驶过程中必须保持注意力，随时准备接管车辆。

麦肯锡在《2025中国汽车消费者洞察报告》中指出，城市NOA当前已跃升为消费者购车决策中的“三大核心刚需”之一，高达71%-76%的用户明确要求新车标配该功能，约90%的消费者表示愿意为高阶智能驾驶功能支付溢价，其中近三成(30%)甚至愿意额外承担超过1万元的费用，充分彰显了消费者对高阶智驾价值的高度认可与强烈需求。

从当前的市场发展格局看，车企自研城市NOA主导市场格局，主要是特斯拉、蔚来、小鹏、理想、小米、鸿蒙智行等跨界和造车新势力企业。多数车企选择与第三方智能网联供应商合作落地城市NOA，与第三方供应商合作城市NOA的品牌约29个。

图2：城市NOA第三方供应商市占率统计(2025年1-11月) 制图：国际电子商情 数据来源：中国汽车工业协会

但要想在这个快速增长的赛道上吃到更多市场红利，也不是一件容易的事情。体验、成本、安全与政策的复杂协同，都是决定其成败的关键所在。

● 安全是1，体验与成本是后面的0

一切商业化的前提是安全，工程师在挑战1%极端场景的同时，必须确保系统在95%普通场景中的绝对稳定，这才是大众信任的基石。因此，如果我们把智驾的“好用”拆解为场景广度、处理深度与人机交互温度三个维度，那么，当前泊车体验已经步入用户“爱用”阶段，而城市NOA正在强化泛化能力和安全冗余，从“可用”迈向“好用”。

地平线创始人兼CEO余凯博士认为，智能驾驶如同智能汽车的“基带”，是重要的基础设施，给用户提供安全、便捷、舒适等标准化的“功能价值”。而“功能价值”的产品核心竞争力在于“以快打慢、以高打低”——加快技术研发速度、加大资源投入，跟上技术迭代的速度，是所有参与者共同面临的重要课题。

基于这套逻辑体系，地平线推出了中国首个基于一段式端到端技术的智驾大模型HSD。与传统方案把感知、决策、控制拆成几个模块拼接不同，它用一个模型直接从传感器数据输出控制指令，大幅降低计算时延，让车辆的反应更接近人类司机，遇到城市道路的复杂路况也更加从容。

● 用户信任始于拟人化交互，成于全场景可靠，是规模化普及的终极标尺

如何建立信任?借用吉利汽车研究院智能驾驶中心主任李博的观点，就是“系统的行为必须与人类驾驶员的预期高度一致”。换句话说，信任的终极体现是用户“愿意自发推荐”，这要求系统必须深度契合从城市通勤到郊野探索的全场景真实需求。举例而言，得益于端到端技术的进步，智驾系统正从因“行为不当”而被抱怨，转向因“礼貌礼让”而获得用户赞赏。这种对社会化驾驶规则的理解与遵守，正在构建更深层的心理安全。

● 成本拐点，源于硬件重构与软件范式的双重驱动

当安全与信任的根基得以巩固，成本优化便成为推动普及的关键杠杆。当前智驾成本下降并非单一因素所致，而是性能迭代、系统集成、规模效应与开放协作“四轮驱动”的结果。一方面，国产高性能芯片重构了硬件成本结构。另一方面，端到端等新一代算法范式的成熟，大幅降低了系统的软件复杂性与开发成本。

而在这两个方向之外，还有一条更长的路——物理AI。

新的商业模式正驱动智驾规模化共赢

余凯认为，智能驾驶大模型是物理AI基座模型的开端。一个优秀的智驾大模型，承载着三大关键生态价值：它是具象化技术实力的“样板间”、筑牢技术根基的“压舱石”、也是供合作伙伴自由创新的“公约数”。他指出，随着行业全面转向数据驱动范式，所有参与者共同面临三重严峻挑战：模型训练算力成本高昂(年投入动辄数十亿元)、顶级AI算法人才极度稀缺、产品迭代速度以“月”为单位持续加速。

这一过程中，“推动底层计算技术向更高性能演进，筑牢物理AI底座”与“共建开放生态，将高阶智驾体验转化为规模化用户价值”，将成为破局的两大方向。这也是地平线选择将其已验证的全栈能力，以全新的“算法服务”模式——HSD  Together，向整个行业开放的原因。

在此模式中，地平线与合作伙伴在明确分工下深度共创。合作伙伴可以聚焦于自身优势：系统集成测试、车型适配开发、功能定制开发、硬件与底软交付;地平线则提供覆盖产品开发全周期的“算法服务”，包括：数据服务与艾迪SaaS平台、专业的算法适配工程与咨询服务，以及最核心的基座模型授权。

如果将2025年视为“智驾普及元年”，余凯博士预测智能驾驶将在3年内实现脱手开(hands off)、5年内实现闭眼开(eyes  off)、10年内实现随心开(minds  off)。面对行业快速收敛的新阶段，“自研+第三方合作”是智能化拐点下的最优解。由于全栈自研门槛极高，开放合作将成为主流模式，未来行业有望呈现“20%自研+80%合作”的状态。

然而，所有技术探索与商业模式的创新，均指向了一个更深层的问题：如何让最好的技术，服务于最广泛的人群?

如前文所述，2024年，好用的城市NOA功能主要覆盖20万元以上车型;2025年，这一门槛已下探至最低13万元级别。“但是，占据中国市场半壁江山、价格在10万元级的国民车，难道就不配拥有好用的城市辅助驾驶吗?”

地平线副总裁兼首席架构师苏箐判断认为，智能驾驶行业在完成从“规则驱动”到“数据驱动”的内核重构阶段后，接下来即将进入基于新范式的深度优化与工程攻坚期。过去泾渭分明的L2与L4世界被打通，成熟好用的城区L2将经过L3的短暂过渡，成为通向L4的坚实桥梁。“城区L2将迎来巨大的发展红利期。”他指出，“这就是计算机工业的好处——它的突破成本极其高，但是复制成本极其低。让10万元甚至更低价格的车型拥有同样好用的智能驾驶体验，这个时代一定会到来。”

迈向高阶智驾的体系化能力

如果说“BEV(Bird’s Eye  View，鸟瞰视角)”和“端到端”是过去几年里自动驾驶领域先后出现的热门词汇，那么进入2026年之后，VLA(Vision-Language-Action，视觉-语言-动作)，则当仁不让的接过了“最热门词汇”这一头衔。

之所以要研发VLA模型，是因为在技术路径上，当前的端到端技术解决了高频场景应用问题，而要解决传统自动驾驶系统决策可解释性不足、“长尾”场景适配薄弱两大痛点，实现从“感知-执行”到“类人推理”的技术跃迁，离不开语言大模型带来的场景理解与推理能力。

简单而言，就是在辅助驾驶中，VLA模型会将传感器数据先变成语言和符号，再通过推理形成决策交由车辆执行，从而避免“黑箱”情况。

以一辆在城市繁忙车流中行驶的汽车为例，VLA架构会首先将摄像头、激光雷达、毫米波雷达等传感器采集的非结构化数据(如图像像素、点云坐标)，转化为人类可理解的结构化语言描述(例如“前方50米处路口有行人正在横穿斑马线，左侧车道有货车低速行驶”)，再基于语言逻辑进行类人推理(如“需减速至30km/h，保持当前车道，避免超车引发安全风险”)，直至最终输出精准的车辆控制动作指令。

这就打破了传统辅助驾驶“感知-决策-执行”的线性流程壁垒，通过语言作为中间载体实现跨模块的语义贯通，从根源上解决了决策可解释性问题。NVIDIA创始人兼首席执行官黄仁勋就表示：“它不仅可以接收传感器输入，并激活方向盘、刹车和加速功能，还可以对即将采取的行动进行推理。”

但目前来看，车企在开发VLA模型时仍面临诸多挑战，主要包括：高质量多模态数据稀缺且标注成本高;视觉、语言与动作三者之间的语义对齐难度大;引入大语言模型可能带来危险的“幻觉”问题;庞大的VLA参数量对车端算力和实时性提出极高要求;从原型到量产还需克服系统集成、推理优化和功能安全等工程落地难题。

NVIDIA推出的VLA推理大模型Alpamayo，面对上述挑战进行了有针对性的部署。但它最具轰动性的看点，还不是模型本身的各种技术突破，而是以此构建“完整的、开放的推理型辅助驾驶生态”的理念。按照NVIDIA的官方说法，Alpamayo并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。

“这些模型对全世界开放。”正如黄仁勋所说的那样，“如今，NVIDIA正以一种非常独特的方式在我们的平台上打造了前沿的AI模型。我们以完全开放的方式构建AI模型，以便让每家公司、每个行业、每个国家都能参与到这场AI变革中来。”

也正因如此，相较于封闭生态，Alpamayo开源策略可能会更易于聚合主机厂、Tier1、初创企业。例如，传统主机厂无需巨资搭建自研团队，可快速落地高阶功能，聚焦车辆设计与用户体验优化，快速开展差异化功能开发;Tier1可基于开源底座升级系统集成方案，提升产品竞争力;初创企业则无需从零搭建基础架构，可聚焦场景化创新、以轻资产模式突围。而NVIDIA则通过开放模型与数据，构建起“安卓式”开放生态，加速辅助驾驶技术迭代普及。

以开源生态赋能高阶智驾：灵活算力的未来之路

图3：Imagination高级产品市场总监Rob Fisher

敏锐意识到开源策略带来巨大价值的公司，显然不只有地平线和NVIDIA。在与《国际电子商情》的对话中，Imagination高级产品市场总监Rob  Fisher表达了同样的看法。

“建立一个由熟悉您技术的合作伙伴和开发者组成的强大生态系统，是确保系统开发顺利进行的关键。”Rob说，集成IP并设计汽车SoC仅仅是一个非常复杂的系统级设计挑战的第一部分，该系统还包含许多软件栈、安全系统以及复杂的交互。这些系统由多个团队开发，并整合了多个需要移植到SoC架构上的产品。因此，“开源绝对是建立这种强大生态系统的一种方式。”

作为一家专注于为移动、汽车和边缘AI等领域提供高性能、低功耗图形与通用计算IP解决方案的企业，过去数十年里，Imagination最为擅长的GPU技术一直是汽车系统中不可或缺的一部分，用于渲染仪表盘、导航和娱乐系统。

在Rob看来，GPU具有大规模并行架构，非常适合运行AI推理或处理雷达/激光雷达数据等大型工作负载，这使得设计人员能够利用灵活、且广为人知的GPU编程模型来处理更多的自动驾驶系统。

他预测指出，未来5-10年内，随着车辆架构的集中化，以及提供更高程度自动驾驶的传感器增多，GPU会支持更多的计算和特定AI加速，汽车行业对GPU的需求将大幅超越传统的图形渲染。由此催生出的通用图形处理单元(GPGPU)，也将用以取代难以编程且缺乏灵活性的DSP和NPU系统。

同时，考虑到GPU在自动驾驶处理栈中的应用越来越广泛，工作负载的关键性也在不断提高，这突破了传统技术在实现功能安全系统方面的边界。因此，将故障检测和纠正逻辑深度嵌入架构中，使得故障覆盖率由GPU层级的设计来保证，而不是依赖于软件测试库等系统级技术，会成为今后汽车芯片设计的主流趋势。

结语

若说互联网时代的核心是“洞见人间烟火”，那智能时代的核心就是  “逼近世界的真相”。智能驾驶的未来，并不是对人类驾驶行为的简单模仿，而是要追求超越人类水平。我们赋予机器智能，最终目的也不是让机器更伟大，而是让人类更自由。于智驾而言，当驾驶成为一种选择、而非负担时，人们的时间与心力将得到极大的解放。

责编：Clover.li

关注“国际电子商情”加小编微信

现已开放地区群，请发送消息【深圳】【上海】【北京】【成都】【西安】到公众号