智能驾驶可提供“解放精力、减少事故”的价值，城区 NOA 有望加速渗透根据国家市场监督管理总局、中国国家标准化管理委员会 2021 年 8 月 20 日发布，2022 年 3 月 1 日实施的《汽车驾驶自动化分级》标准（标准号 GB/T 40429-2021），驾驶自动化等级划分如下：

0 级：应急辅助，系统不能持续执行动态驾驶任务中的车辆横向或纵向运动控制，但具备持续执行动态驾驶任务中的部分目标和时间探测与响应能力；

1 级：部分驾驶辅助，系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向或纵向运动控制，且部分具备与所执行的车辆横向或纵向运动控制相适应的突发事件响应能力；

2 级：组合驾驶辅助，系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向和纵向运动控制，且部分具备与所执行的车辆横向和纵向运动控制相适应的突发事件响应能力；

3 级：有条件自动驾驶，系统在其设计运行条件下持续地执行全部动态驾驶任务；

4 级：高度自动驾驶，系统在其设计运行条件下持续地执行全部动态驾驶任务，并自动执行最小风险策略；

5 级：完全自动驾驶，系统在任何可行驶条件下持续地执行全部动态驾驶任务并自动执行最小风险策略。

2024 中国 L2 级及以上车型销量占比已经超过 50%。根据佐思汽研数据，2024 年中国乘用车尚未有突破 L3 级车型， L2 级及以上乘用车（含标配和预埋两种方案）销量占比合计达到 57.4%，但是高阶智驾的占比仍较低（高速 NOA 及城市 NOA 的高阶智驾车用车销量占比仅为 12.3%）。

智能驾驶的社会价值：解放精力、减少事故、提升通行效率。

根据蔚来董事长、CEO 李斌观点，“‘解放精力、减少事故’是智能驾驶创造的真正社会价值”，但其价值发挥空间或存在跳变：在智驾能力不如人时，使用率较低，但智驾能力一旦超过人的能力，使用率/价值量可能会得到跳变，迅速提升到一个较高的水平。根据中国平安财险、汽车之家等机构发布的《中国智能驾驶商业化发展白皮书（2025）》，智驾的用户价值包括：

减少交通事故，提高出行安全。智能驾驶系统通过高精度传感器、人工智能算法和自动控制技术，可以实现毫秒级反应，能有效减少因驾驶员误判或反应迟缓导致的事故。美国公路安全保险协会的研究显示，L2+智能驾驶可以降低事故率 40%；卡耐基梅隆大学的研究显示，未来 L4 级智驾能消除 90%的人为失误，而百度无人出租车项目萝卜快跑自投入使用以来，其出险率仅为人类驾驶员的十四分之一。

缓解交通拥堵，提升通行效率。智能驾驶不仅可提升行车安全，也能大幅优化交通流。根据中国平安财险、汽车之家等机构发布的《中国智能驾驶商业化发展白皮书（2025）》报告测算，以智能驾驶车路云协同为基础的智能交通，可以让通行效率提升 15%-30%，推动 GDP 每年 2.4%-4.8%的增长。

智能驾驶功能迭代：高速 NOA 和城区 NOA 有望往成渗透提升的重点。具体到智能功能方面，根据量子位智库的分析，国内车企的竞争焦点从比较“开城”数量、到实现“全国都能开”，再到实现“车位到车位”，智驾功能不断升级，通用的智能驾驶可使用范围和时段不断增长。经过一年之后，现在智能驾驶技术功能竞争有了新变化：城区 NOA 和车位到车位成了新的竞争点。

根据亿欧智库数据，2023 年，中国 L2+智能驾驶功能渗透率进一步提升，其中高速 NOA 渗透率为4%，城区 NOA 渗透率为 0.1%。2024 年 L2+智驾功能预计将达到 8.5%，2024 年后，城区 NOA 功能也将迎来飞速发展，预计 2030 年渗透率达到 25%。市场规模方面，根据亿欧智库数据，预计 2024 年 NOA 功能（高速 NOA+城区 NOA）的市场规模达到 190 亿元，预计 2030 年市场规模超过 3000 亿元。

因成熟度、需求量、政策支持力度等因素，智驾有望成为物理 AI 率先落地的场景什么是物理 AI？

根据英伟达定义，物理 AI 是指使用运动技能理解现实世界并与之进行交互的模型，它们通常封装在机器人或自动驾驶汽车等自主机器中，借助物理 AI，自主机器能够感知、理解并在现实（物理）世界中执行复杂的操作。

物理 AI 如何工作？

根据英伟达观点，数字 AI 缺陷在于：将基于主要从互联网上收集的大量文本和图像数据来训练生成式 AI 模型，例如 GPT 和 Llama 等大语言模型。这些 AI 模型在生成人类语言和抽象概念方面能力惊人，但它们对物理世界了解有限，并受其规则约束。由于物理 AI 能够理解我们居住的三维世界的空间关系和物理行为，因而扩展了当前的生成式 AI。它通过在 AI 训练过程中提供其他数据来实现上述理解，这些数据包含与现实世界的空间关系和物理规则有关的信息。

3D 训练数据由高度精确的计算机模拟生成，后者既充当数据源，也作为 AI 训练场。基于物理的数据生成始于某个空间 (例如工厂) 的数字孪生。然后在这个虚拟空间中添加传感器和自主机器 (如机器人)。接着执行模拟以模仿现实世界场景，传感器会捕捉各种交互，如刚体动力学 (例如运动和碰撞) 或光在环境中的交互作用。

为什么物理 AI 对智驾至关重要？

根据英伟达观点，以前，自主机器无法感知和察觉它们周围的世界。但是，借助物理 AI，就可以构建和训练机器人，与现实世界中的周围环境进行无缝交互并适应各种环境。要构建物理 AI，团队需要基于物理的强大模拟，为训练自主机器提供安全的受控环境。这不仅提高了机器人在执行复杂任务时的效率和准确性，而且有利于人类与机器之间进行更自然的交互，从而提高现实世界应用的可访问性和功能性。

物理 AI 正解锁将颠覆每个行业的新功能。在智能驾驶汽车行业：汽车 可使用传感器感知并理解周围环境，以便在各种环境 (从开放式高速公路到城市景观) 中做出明智决策。通过基于物理 AI 对AV 进行训练，AV 能够更准确地检测行人，对交通或天气条件做出响应并自动变换车道，从而有效适应各种意外情况。

为什么我们认为智能驾驶会是物理 AI 率先落地的场景？

智驾场景成熟度相对较高。自动驾驶技术的发展已取得了长足的进步。从最初的辅助驾驶，到现在的端到端自动驾驶技术，自动驾驶汽车的性能和安全性不断提高。根据佐思汽研数据，2024年中国 L2 级及以上乘用车销量占比达到 57.4%，领先车企的竞争已经步入高阶智驾领域：城区NOA 和车位到车位成了新的竞争点。

智驾需求大。社会对自动驾驶技术的需求在不断增加。随着城市化进程的加快，交通拥堵问题日益严重。自动驾驶技术可以通过优化交通流量，提高道路利用率，从而缓解交通拥堵。此外，自动驾驶技术还可以提高交通安全，减少人为因素导致的交通事故。

政策支持。政策的支持也是自动驾驶场景爆发的重要因素。各国政府都在积极推动自动驾驶技术的发展，出台了一系列的政策和法规，为自动驾驶技术的研发和应用提供了良好的环境。例如，一些国家已经允许自动驾驶汽车在特定的区域进行测试和运营，为自动驾驶技术的商业化应用奠定了基础。

高阶智驾落地面临挑战：责任认定成为主要难点

L3 级别是重要的分水岭，责任主体从驾驶者转向车企。根据律商联讯风险信息（简称律商风险）中国区董事总经理戴海燕的分析，L3 级别自动驾驶的责任认定需综合多方面因素。一直以来，责任认定一直伴随智能驾驶发展在不断完善，因为智能驾驶涉及车辆制造商、传感器制造商、软件开发者等主体，一旦出现事故，责任可能分散在多个主体上，导致追责过程复杂。如果事故发生时车辆处于自动驾驶模式且驾驶员未被要求接管，系统存在故障或设计缺陷导致事故，责任可能更多归于汽车制造商或系统供应商；若系统已请求驾驶员接管且驾驶员未能及时或正确接管，驾驶员可能需承担主要责任。

如果事故发生时系统提前发出警告并要求驾驶员接管，但驾驶员没有及时接管或采取适当行动，驾驶员可能需承担部分或全部责任；若系统在不合理的短时间内突然失效并要求驾驶员接管，驾驶员没有足够反应时间，责任可能主要在系统一方。此外，智能驾驶汽车的风险特征需考虑硬件可靠性、软件安全性等全新因素，在无法获得车企数据的情况下，难以准确评估风险，导致保险产品定价困难。而车企共享数据又会有数据安全问题和隐私保护风险担忧，若数据被泄露或篡改，可能危及公共安全和个人隐私，也会干扰保险理赔的公正性。

结合市场事故发生实际情况，从律商风险内部多数 L2 级辅助驾驶功能的车型数据库中的参数分析看，L2 级辅助驾驶功能还不能完全解放驾驶员，让车辆自主完成所有加速，尤其是躲避等操作。在未来转向 L3 时，主责任人将发生明显转变；因此责任认定的难点，成为未来高阶智驾落地的重要限制。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。

 关 于 我 们  

·官方网站： Chinasihan.com