（问题）当前自动驾驶产业正处从长期验证走向规模落地的关键阶段。一上，高阶智能驾驶部分场景下仍存在泛化能力不足、成本与算力压力较大、安全冗余与可解释性有待提升等问题；另一上，全球准入规则、责任界定与测试标准尚未统一，导致成熟方案难以更大范围复制推广。如何在安全底线之上兼顾技术能力、成本控制与规模推广，成为车企竞争的焦点。 （原因）多重因素正推动产业接近临界点。技术层面，端到端架构与大模型训练兴起，自动驾驶从“规则驱动的软件”加速转向“数据驱动的系统”，研发流程、工程组织与算力投入随之调整。政策层面，国际标准与准入环境出现新进展：联合国欧洲经济委员会在日内瓦发布《自动驾驶系统（ADS）全球技术法规》草案，表达出加快建立全球技术框架的信号；同时，部分市场对更高等级自动驾驶的测试与准入趋于开放，政策与技术形成联动。需求层面，国内新车市场L2级辅助驾驶渗透率持续提升，智能驾驶正从“可选配置”走向“核心体验”，用户对“更好用、更敢用”的高阶能力提出更明确的期待。 （影响）基于此，小鹏汽车宣布其第二代VLA（Vision-Language-Action）技术率先落地，并提出将传统VLA范式深入简化为“V-A”架构，作为面向物理世界的基座模型入口。企业表示——该模型不仅用于智能驾驶——还可向Robotaxi、飞行汽车、人形机器人等形态延展，意在以统一底座覆盖更多“物理系统”应用。机构研究报告认为，这个进展可能增强其在全球市场与头部企业同台竞争的能力，也为智能汽车产业格局带来新变量。更值得关注的是，这类底层范式的调整，意味着竞争重点正从“功能叠加”转向“模型能力、数据闭环与工程化落地效率”的系统较量。 （对策）从企业披露信息看，其路径强调“全球公式+本土工程化能力”的组合：提出“L4能力=模型×算力×数据×本体”的框架，将模型训练的规模法则与车辆硬件、传感器及执行系统深度耦合，形成可持续迭代的闭环。对应的负责人表示，自动驾驶本质上是人工智能问题，需要通过持续训练与版本迭代提升对边界场景的处理能力。据介绍，近4个月该技术已迭代468个版本，搭载该方案的量产测试车实现了无人状态下自主上下客；海外路测中在未做预先学习的情况下也表现出较强环境适应性。同时，行业要真正走向规模化，仍需在三上共同推进：其一，强化安全验证体系与冗余设计，打通从测试、准入到运营的闭环；其二，推进数据合规、隐私保护与跨境数据治理能力建设，夯实大规模训练基础；其三，加快与法规标准对接，责任边界、道路权利与事故处置各上形成可执行的制度安排。 （前景）面向未来，业内普遍将2026年前后视为完全自动驾驶取得突破的重要窗口。随着全球技术法规框架逐步清晰、算力与数据基础设施持续完善、用户对高阶能力的接受度提升，自动驾驶有望从区域试点走向更大范围的应用。但拐点不仅取决于“能不能跑”，更取决于“能不能安全、稳定、低成本地跑”，以及能否经受跨区域、跨气候、跨交通习惯的长期检验。中国企业若能在底层模型、工程化落地与合规运营上建立体系化优势，将在新一轮全球竞赛中赢得更大主动。
在全球科技竞争加速的背景下，中国企业在智能驾驶领域的自主创新进展具有现实意义。这既说明了科技企业的研发能力，也为制造业转型提供了可参考的路径。随着核心技术迭代和政策环境逐步完善，“中国智造”有望在全球智能汽车产业发展中承担更重要的角色。