智能驾驶行业快速发展的同时，玩家们正面临着现实压力。
一方面，在激烈的市场竞争下，城市NOA已经下探到10万元以下的车型，车企降本压力传导至产业链上游。尤其在华为、地平线等头部玩家价格下探的情况下，智驾公司比拼性价比几乎做到了极致。另一方面，智能驾驶行业具有高投入、长周期的特性。随着市场竞争白热化，智驾产品趋于同质化，而更高级别的辅助驾驶功能尚未实现商业化。
在2026智能电动汽车发展高层论坛上，多名智驾行业的高管认为，基座模型将成为行业的“分水岭”，向移动物理AI公司转型是重要路径。
高投入低价值的矛盾
中国智能驾驶行业正快速发展。中汽中心首席专家、中国汽车战略与政策研究中心副主任方海峰提供的数据显示，截至2026年3月，国内L2级乘用车新车渗透率约60%，累计推广超1300万辆；城市NOA功能渗透率达8.5%，规模接近200万辆。
但高速增长的背后，是全行业的激烈内卷与生存压力。汽车行业内卷加大了供应商压力，同时他们面临与主机厂资源的竞争。
城市NOA正快速下探。零跑、比亚迪、小鹏等车企将智驾方案下放至8万～15万元级别车型，主机厂降本需求倒逼上游供应商持续压缩成本，这迫使智驾公司不得不提升算力效率。轻舟智航联合创始人、董事长兼CEO于骞称，端到端对算力的使用不是更多，而是更小——算力使用更加高效，以国产化方案助力主机厂降本，让普通车型也能搭载高阶智驾。
当前，智驾行业集中度快速提升，市场呈现高度集中格局，尾部企业加速出清。近两年来，毫末智行等公司已走向破产，而头部企业凭借量产与客户资源优势持续扩大领先优势。
“为什么我们行业这么卷？我觉得整体来讲我们创造的价值还没有那么大。”于骞认为，当前智驾系统不仅学习成本高，而且未能给用户带来足够显著的价值提升。如果智驾的安全性能够真正得到验证，带动车险保费下降一半，那么用户的接受度将会发生质的飞跃。但目前由于装机量不足，保险精算的商业闭环还无法形成。
从行业竞争格局来看，城市辅助驾驶正在快速集中，但在规模化落地过程中也出现了一个越来越明显的现象。元戎启行CEO周光指出，2025年中国辅助驾驶解决方案的市场规模超过1200亿元，量产芯片算力提升至750 TOPS级别，但城区NOA用户黏性仅在20%-30%区间，城区NOA渗透率仅15%左右。他认为，行业面临一个明显的“落差”——规模和投入不断增加，但消费者并没有把城市辅助驾驶作为日常工具。如何让辅助驾驶从“可用”走向“爱用”乃至“依赖”，是下一阶段必须解决的问题。
周光认为，这背后是技术原因。2024年端到端技术带来行业快速进展，2025年头部玩家增长放缓，第二梯队加速追赶。最本质的原因在于：今天量产的小模型智驾参数量非常小，多数在1B以下，甚至0.1B以下，运行算力典型在100-200 TOPS。这类小模型以卷积为主，只有少量Transformer架构。版本不断迭代，某个版本优化了某些场景，下一个版本可能又退步了——反复修补，没有本质提升。
用户体验不佳的核心还在于现有小模型无法理解物理世界规律。于骞举例称，人类司机看到马路会预判儿童冲出，看到积水会减速避免溅及行人。而这类基于物理常识与社会常识的推理能力，正是当前小模型的短板。
向移动物理AI公司转型
过去几年，自动驾驶每年都有明显进步。但随着场景复杂度提升，传统小模型方案的提升变得越来越困难。“我们经常看到所谓的‘跷跷板效应’：同一套系统，早上跑得好，中午可能变差；在上海表现不错，换一个城市就不行。这些现象的本质，是小模型智驾自身能力的困境。要真正解决问题，必须全面走向大模型、走向基座模型。”周光表示，智驾下一阶段的关键不仅是感知能力或简单的端到端，而是整体认知能力的进化。基座模型是实现这一升级的核心路径。
卓驭科技CEO沈劭劼将智能驾驶技术发展分为三个阶段，核心能力体现在通用基础能力与地域性泛化能力两方面。第一阶段为传统方案，采用小感知模型+高精地图+规则化决策，通用基础能力约40分，需大量“开城”泛化才能达到80分，成本极高且难以持续；第二阶段为当前主流的端到端中模型方案，通用基础能力提升至70分，经少量泛化即可达到90分的可用水平，但跨地域出海、跨垂类拓展仍面临高昂适配成本；从小模型到中模型仅为技术过渡，具备涌现能力的大模型才是下一代智能移动基座的核心，可实现开箱即用的高能力表现。
沈劭劼表示，原生多模态基础模型并非单一的智能辅助驾驶模型，而是支撑移动物理AI成立的技术底座，其核心愿景是实现Zero-shot零数据知识迁移。具体来看，这一路线至少带来三方面价值：一是跨垂类开箱即用，无需重新训练即可从乘用车迁移至商用重卡、物流车等更多场景；二是全球零泛化，通过预训练提前习得全球交规与驾驶习惯，降低出海适配成本；三是覆盖更多复杂场景，提升模型在不同路面、不同环境下的通用能力。卓驭科技方面称，公司之所以能够在不到两个月内将乘用车NOA核心能力迁移至商用重卡，正与这一技术路径密切相关。
另一方面，行业还面临大模型公司跨界入局的降维打击。特斯拉、Waymo已经完成了这一转变，用基座模型驱动整个研发。此外，国内大模型公司也开始布局自动驾驶，通过多模态基座模型验证物理AI能力。今年年初，黄仁勋发布了英伟达自动驾驶开源VLA模型Alpamayo，宣称其是世界上第一个能思考、推理、自动驾驶车辆的开源AI系统。小鹏、理想等车企也在这一领域有所布局。
周光称，今年年初，随着Gemini等模型的发布，多模态能力上了一个大台阶，这一技术突破会快速惠及机器人和自动驾驶等领域。
随着端到端技术持续演进，行业竞争已不再局限于单一功能的比拼，而是逐步转向模型能力、跨场景迁移能力以及规模化交付能力的综合较量。目前，多家公司已发布大模型和最新技术进展。沈劭劼认为，智能驾驶只是物理AI的初始形态，绝非终局，未来存活下来的智驾公司都将转型为移动物理AI公司。
于骞判断，从2026年起，VLA模型、世界模型与强化学习将成为自动驾驶的核心技术组合。大规模真实数据与海量生成数据双轮驱动，让AI首次具备对物理规律的理解、对社会常识的认知，以及跨场景的推理与泛化能力，技术范式正式迈向通用物理AI。于骞认为，世界模型与强化学习是必经之路，而闭环仿真模拟将为智能驾驶的安全验证提供核心支撑。
