地方政策與DeepSeek驅動我國智能駕駛正邁向高階市場未來有望標配在15萬左右車型

2025-07-07 09:54

手機瀏覽

一、智駕技術正逐漸成為我國日常交通出行重要組成部分，預計2025年乘用車自動駕駛滲透率將超6成

根據觀研報告網發布的《中國智能駕駛行業發展趨勢分析與未來前景研究報告（2025-2032）》顯示，智能駕駛是指汽車通過搭載先進的傳感器、控制器、執行器、通訊模塊等設備，實現協助駕駛員對車輛的操控，甚至完全代替駕駛員實現無人駕駛的功能。智能駕駛是人工智能革命和新能源革命的集大成者，是下一個萬億級大賽道。當下，智駕技術正逐漸成為中國日常交通出行的重要組成部分。有數據顯示，2024年我國乘用車自動駕駛的滲透率超五成，乘用車L2級及以上自動駕駛的滲透率已達到55.7%。預計到2025年底，我國乘用車自動駕駛的滲透率可能會上升至65%左右。

智能駕駛是指汽車通過搭載先進的傳感器、控制器、執行器、通訊模塊等設備，實現協助駕駛員對車輛的操控，甚至完全代替駕駛員實現無人駕駛的功能。智能駕駛是人工智能革命和新能源革命的集大成者，是下一個萬億級大賽道。當下，智駕技術正逐漸成為中國日常交通出行的重要組成部分。有數據顯示，2024年我國乘用車自動駕駛的滲透率超五成，乘用車L2級及以上自動駕駛的滲透率已達到55.7%。預計到2025年底，我國乘用車自動駕駛的滲透率可能會上升至65%左右。

資料來源：公開資料，觀研天下整理

二、我國智能駕駛正處于快速發展階段，預計到2025年市場規模將逼近4500億元

智能駕駛是新能源汽車發展進程的下半場，智能汽車為用戶提供舒適、安全、科技感的駕乘體驗。發展智能駕駛具有必要性，對消費者和社會而言，智駕在出行安全、節能、性價比、駕乘體驗、出行效率等方面貢獻顯著。因此，發展智能駕駛具有迫切性，對汽車產業影響深遠。

資料來源：公開資料，觀研天下整理

目前我國積極發展智能網聯汽車，自動駕駛技術進一步推動BAT等企業進入市場、加大投入研發技術，使得智能駕駛市場正處于快速發展階段。數據顯示，2023年我國自動駕駛市場規模達3301億元，同比增長14.1%。預計2025年，我國自動駕駛市場規模將逼近4500億元。

資料來源：公開資料，觀研天下整理

三、地方政策+DeepSeek共同驅動下，我國正在邁向高階智駕普及

根據地平線機器人招股說明書，駕駛自動化主要可以分為兩大類：高級輔助駕駛（ADAS）和高階自動駕駛（AD）。ADAS（高級輔助駕駛）：這一技術旨在協助駕駛員完成各類駕駛任務，如車道偏離警示、車道居中、自適應巡航控制和自動緊急制動等。而與ADAS不同，高階自動駕駛（AD）技術的自動化程度更高，不僅能實現ADAS的功能，還能夠提供更為豐富的駕駛體驗，幾乎不需要駕駛員的干預，且通常需要更先進的傳感器、處理能力、軟件和算法。

隨著北京、武漢等地方政府高階智駕政策逐步落地以及各家車企積極布局智能駕駛，高階智駕將逐步成為乘用車“標配”。高速NOA（領航輔助駕駛）、城區NOA等將成為智駕賽道新技術落地的新方向，并通過不斷地優化功能，從而提高用戶對于功能的體驗感。其中城區NOA已切入15-20萬元主流細分市場,預計將成為未來2-3年各廠商競相發力的關鍵點。

地方政府高階智駕政策逐步落地

時間	省市	文件名稱	主要內容
2018年4月	長沙	《長沙市智能網聯汽車道路測試管理實施細則(試行)》	1）支持人工智能在智能機器人、智能制造、智能駕駛等領域的廣泛應用；2）自動駕駛測試區將逐級申請、逐級開放、分類監管，大幅增強交通安全風險可控性。
2021年7月	廣州	《關于逐步分區域先行先試不同混行環境下智能網聯汽車(自動駕駛)應用示范運營政策的意見》	到2025年，在混行試點區域，智能網聯汽車（自動駕駛）導入率大于40%且不大于50%，或投放量大于5000臺不超過1萬臺，無主動安全事故達180天。
2021年12月	上海	《上海市智能網聯汽車測試與應用管理辦法》	開展智能網聯汽車測試與應用活動，根據有關技術標準要求，配備相應的測試安全員或者駕駛人。
2022年4月	北京	《北京市智能網聯汽車政策先行區乘用車無人化道路測試與示范應用管理實施細則》	允許Robotaxi車輛在商業化運營時主駕無安全員、副駕有安全員，百度、小馬智行成為首批獲準企業。
2022年6月	武漢	《武漢市智能網聯汽車道路測試和示范應用管理實施細則（試行）》	加快推動智能網聯汽車產業快速發展
2022年7月	深圳	《深圳經濟特區智能網聯汽車管理條例》	完全自動駕駛的智能網聯汽車可以不具有人工駕駛模式和相應裝置，可以不配備駕駛人；智能網聯汽車經交通運輸部門許可，可以從事道路運輸經營活動；智能網聯汽車發生交通事故，因智能網聯汽車存在缺陷造成損害的，車輛駕駛人或者所有人、管理人可以依法向生產者、銷售者請求賠償。
2024年4月	武漢	《武漢市智能網聯汽車發展促進條例（草案）》	持智能網聯汽車、智能交通、智慧城市深度融合和相關智慧產業發展，構建實時動態感知、云端調度規劃、高效精準決策的運營管理體系，推進“車路云一體化”。市、區人民政府應當向社會公布開展智能網聯汽車道路測試、示范應用、商業化試點和運營的區域、路段和時段，按需設置相應標志標識，發布安全注意事項等提示信息。
2024年5月	杭州	《杭州市智能網聯車輛測試與應用促進條例》	杭州成為全國首個以地方性法規具體規范支持自動駕駛車輛上路的省會城市
2024年7月	北京	《北京市自動駕駛汽車條例（征求意見稿）》	支持自動駕駛汽車用于城市公共電汽車客運、網約車、汽車租賃等城市出行服務。將通過立法重點解決特定區域自動駕駛汽車創新活動面臨的主要問題，為L3級及以上自動駕駛汽車市場主體提供清晰、透明、可預期的制度規范。
2024年12月	北京	《北京市自動駕駛汽車條例》	L3級及以上級別自動駕駛汽車提供制度規范，包括個人乘用車出行場景，自2025年4月1日起施行。
2024年12月	武漢	《武漢市智能網聯汽車發展促進條例》	L3級及以上級別自動駕駛汽車提供制度規范，自2025年3月1日起正式施行。

資料來源：公開資料，觀研天下整理

DeepSeek有望加速高階智能駕駛落地。隨著2024年底以及2025年初深度求索發布DeepSeek-V3和DeepSeek-R1模型，憑借一系列獨創性和改進性技術以及精妙的策略，實現了與全球最強AI模型的匹敵，標志著我國在AI大模型領域實現技術突破。預計憑借架構和算法的優化以及全面開源策略，DeepSeek有望引領全球AI大模型技術革新，加速AI大模型在各個領域的應用落地。

DeepSeek在AI領域的優勢主要源于它具備高效架構設計、先進算法、數據處理與增強、優化與加速、持續學習與更新、安全與隱私、用戶體驗優化。分析認為，DeepSeek對高階智能駕駛的開發落地有重要的借鑒意義，有望加速高階智能駕駛應用落地。數據生成方面，可通過數據增強和合成來應對極端場景。數據處理方面，采用DeepSeek流式數據處理方式，結合邊緣計算、彈性權重鞏固等技術，實現自動駕駛中的實時數據處理與增量學習。模型處理方面，可通過小樣本學習降低數據依賴，同時通過跨模態對齊和知識蒸餾，將智能駕駛模型能力在車端輕量化部署，以適應不同配置的車型，加速高階智駕落地。

DeepSeek有望加速高階智能駕駛落地

DeepSeek在高階智能駕駛中作用	具體情況
DeepSeek通過數據增強和合成應對智能駕駛極端場景	汽車行駛環境非常復雜，真實路測難以覆蓋所有危險場景（如行人突然橫穿馬路）。DeepSeek可構建高保真的虛擬駕駛場景（如極端天氣、突發事故），通過合成數據訓練智能駕駛模型，從而補充真實路測數據中極端場景數據的不足，提升模型對復雜場景的適應能力。DeepSeek通過構建“語言模型引導-物理引擎渲染-閉環評估優化”的新型數據工廠，可有效提升極端場景覆蓋度，使模型提前學習應對策略，避免實際路測中的安全隱患。通過云端協同的方式，將數據合成和仿真訓練在云端完成，車端僅需加載輕量化模型。
DeepSeek思維方法助力智能駕駛數據實時處理	DeepSeek通過邊緣計算在車端部署輕量化模型，實時處理攝像頭、激光雷達等傳感器數據，實現低延遲決策。同時借助增量學習在車端注入新數據持續優化模型。采用DeepSeek流式數據處理方式，結合邊緣計算、在線學習、記憶回放、彈性權重鞏固等技術，實現自動駕駛中的實時數據處理與增量學習?？商嵘到y的實時性和適應性，同時還可確保模型能夠持續優化，適應動態環境的需求。
DeepSeek小樣本學習可降低數據依賴	參考DeepSeek知識蒸餾技術，通過少量真實駕駛數據，如不同城市的交通規則，快速適配新環境。結合預訓練模型遷移應用，先在大規模通用駕駛數據上進行預訓練，再用少量本地數據微調，減少對大量特定場景數據的依賴，提高模型的適應性和泛化能力。知識蒸餾可應用于自動駕駛的感知、預測和決策模塊。在感知模塊，教師模型進行目標檢測或語義分割，學生模型模仿其輸出，減少計算量的同時保持檢測精度；預測模塊中，學生模型學習教師模型的軌跡預測結果；決策模塊里，學生模型模仿教師模型生成駕駛策略。

資料來源：公開資料，觀研天下整理

目前DeepSeek在智能駕駛開發與應用場景中仍面臨諸多挑戰，主要是智能駕駛模型與DeepSeek存在模態差異，且智能駕駛模型對時延、可靠性等方面要求更加嚴苛。

模態方面，智能駕駛感知階段的主要處理對象是像素點（包括圖像和點云）；規劃階段的主要處理對象是離散的圖論節點；控制階段的主要處理對象是反映車輛運動狀態的浮點數。而DeepSeek的主要處理對象是作為語言原子單元的token。因此，在利用DeepSeek模型時需要進行多模態擴展，即提前進行任務對齊與模型改造。通過調整DeepSeek-R1的輸出層或中間層，使其與學生模型任務對齊（例如，DeepSeek-R1若以NLP任務為主，其知識遷移至自動駕駛CV任務需解決模態差異。需要將語言生成任務輸出轉換為目標檢測的邊界框預測，過程中可能會用到跨模態蒸餾技術對齊視覺-語言特征）。

時延方面，車端模型對延遲要求較高（如10ms內完成一幀處理），因此需要將蒸餾后的車端小模型所需的算力、存儲等資源與車載芯片匹配?？煽啃苑矫?，智能駕駛場景下要求模型決策高可靠，需在設計蒸餾損失函數時加入安全約束（如關鍵場景的誤差加權懲罰），并驗證學生模型的可解釋性。

不過，雖然目前我國高階智駕仍面臨諸多挑戰，但其已在通往成熟與繁榮的道路上穩步邁進，未來發展充滿無限可能。2025年，在地方政策+DeepSeek共同驅動下，我國正在邁向高階智駕普及階段，城市NOA滲透率有望達到15%以上。從市場規模上看，目前國內新能源汽車滲透率已超過50%，科技公司紛紛入局智能汽車成為新勢力；從技術上看，行業已具備領先的算法、足夠大的算力和強大的工程能力這高階智駕普及的技術三大要素。