智能驾驶技术双路线并行发展，快速演进

依据2021年颁布的《汽车驾驶自动化分级》国家标准，智能驾驶技术按自动化程度的高低，被分为L0 到 L5 六个级别。其中，L0-L2属于驾驶辅助阶段，智能驾驶系统作为“助手”的角色为人类驾驶员提供探测、预警和控制等帮助，L3-L5属于高阶自动驾驶阶段，智能驾驶系统承担主要的车辆驾驶职责和相应的责任，只有在特定的情况下才会要求驾驶员作为后援接管车辆，或者无需驾驶员接管。

技术发展整体可以分为三个阶段：

应急辅助阶段（2010年之前）：L0-L2技术处在测试阶段；L0应急辅助功能在少部分高端车上投入使用；

驾驶辅助阶段（2010年-2020年）：L3-L4技术开始测试，百度无人驾驶汽车Apollo上路；L1-L2级别汽车渗透持续提升，自动泊车、自适应巡航等技术被大规模应用；

智能驾驶阶段（2020年-2030年）：L3-L4技术逐步成熟，驾驶安全性超过人类驾驶员；L2渗透大幅提升，L3-L4汽车在特定场景实现商业化落地（例如Robotaxi、无人巴士等）。

技术路线分为“单车智能”和“车路云协同”，双路线并行发展推动技术进步

单车智能：侧重于由单车做出感知、计算和驾驶决策，目前发展相对成熟，市场中主要的智驾方案多数为单车智能；

车路云协同：由车辆、道路和云控平台共同完成车辆控制，目前处在早期阶段，但是未来发展的主要趋势。

1、单车智能：逐渐由“模块化”演进为“端到端”

目前，已投入市场的智能驾驶系统大多数采用模块化架构，将驾驶任务划分为感知、决策和规划等独立模块，通过工程师编写大量代码去制定相关规则。简单来说，模块化架构就像一条流水线，通过多个步骤的加工，最终生成可执行的驾驶指令。模块化方案具备简化研发团队分工、便于问题回溯、可解释性高、易于调试迭代等优点，车企可以在较短的时间看到成效；但由于将不同任务解耦，各个模块相对于最终的驾驶规划目标存在信息损失问题，因此往往会丢失最优性，另外多个模块间优化目标不一致，会造成误差传递。

自特斯拉在2023年末推出FSD V12之后，端到端技术成为越来越多车企竞争的新赛道，小鹏、鸿蒙智行、腾势、理想、蔚来等均开始发力端到端技术。端到端架构将感知、决策和规划等多个模块集成到一个统一的神经网络中，实现了从传感器数据到驾驶控制信号的直接转换。与模块化架构最本质的区别是，它不再依赖编程来处理特定驾驶场景，而是让神经网络学习如何直接从原始数据中提取有用信息，并做出相应的驾驶决策。

端到端一方面可以使整体决策效果最优，同时也能显著降低中间环节成本（例如，代码量从FSD V11的31万行减少到FSD V12的2000行）。端到端路线对于数据量和算力能力均有较高的要求，同时端到端路线由于省略了前期大量代码铺垫的过程，预计需要输入超过100 万个视频后，基于神经网络的自动驾驶系统才开始表现良好。

技术路线逐步由模块化演进为端到端已经形成趋势，行业比较普遍的做法是采用分模块实现端到端演进，各家车企具体的技术路径也略有差异，未来单车智能技术发展的终局需要由市场给出答案。

2、车路云协同：将车、路、云端信息打通，协同感知决策

车路云一体化系统（Vehicle-Road-Cloud Integrated System，VRCIS）是通过新一代信息与通信技术将人、车、路、云的物理空间和信息空间融合为一体，基于系统协同感知、决策与控制，实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。其解决了单一车辆感知能力的限制和信息孤岛现象，通过实时共享交通数据和协同决策，最大化自动驾驶的安全性能和运作效率。