彭思凡  黄 宁

“十五五”规划纲要提出，扎实推进智能驾驶。当前，我国智能驾驶产业正处在从技术示范验证向规模化应用拓展的关键期，技术创新与场景拓展持续取得突破。但与全球主要国家相比，我国在智能驾驶领域还存在底层技术尚未完全自主可控、数据供给能力不足、车路协同尚不完善、监管制度仍需健全等问题。推动产业高质量发展，需从技术攻关、统筹协同、数据治理、制度创新等方面精准施策。

智能驾驶具备良好基础

智能驾驶是借助先进传感器、车载计算平台、人工智能大模型和车路协同技术实现车辆智能化环境感知、决策与控制的技术体系。经过多年系统性前瞻布局，我国智能驾驶在技术创新、产业规模、场景应用等方面已具备较好基础。

目前，我国在智能驾驶多传感器协同路线上具有成本优势和较高市场渗透率，可在单车集成数十个传感器实现360度感知覆盖。同时，我国也正加速布局纯视觉技术路线。当前两条技术路线正逐步融合，向视觉感知为主、多模态传感器为辅的架构演进。感知融合与端到端大模型正在成为智能驾驶领域技术竞争的核心。

新能源汽车是智能驾驶的最优载体。2025年，我国新能源汽车市场渗透率达47.9%，全球最高；“十五五”时期有望超70%。得益于此，我国在客运智驾市场培育中占据先发优势。行业领军企业已在武汉、北京、广州等大型城市开展示范运营，订单量和行驶里程快速增长，覆盖通勤、接驳、夜间出行等应用场景。2025年，我国在全球组合驾驶辅助（L2级）及以上智驾车辆中占比超过60%，客运智驾产业规模约90亿美元。智驾出租车运营企业在全球22个城市累计完成订单超1700万单，每周订单超25万单，安全行驶里程超2.4亿公里。货运领域，智驾物流车已在同城配送、港区、园区等场景试运营。

安全效益与带动效应持续显现。研究表明，组合驾驶辅助（L2级）可将交通事故率降低40%，未来高度自动驾驶（L4级）可消除90%人为失误。智能驾驶技术可将我国交通效率提升15%至30%，相当于推动GDP增长2.4%至4.8%。智能驾驶产业链条长、带动面广，可有力牵引传感器、芯片、人工智能等上下游协同发展。生态建设方面，我国智能驾驶所需的路侧基础设施规模位居全球前列，已建成多个国家级智能网联汽车测试区，“车路云一体化”应用试点逐步推开。

发展仍存短板弱项

当前，我国智能驾驶正处于向规模化应用拓展的关键期。面对复杂的应用场景和竞争环境，我国在技术自主、数据供给、协同生态、制度保障等方面仍面临一系列现实挑战。

一是底层技术自主可控有待增强。我国智能驾驶在大模型底层算法、车载算力芯片、高精度激光雷达核心器件等方面仍一定程度上依赖进口。智驾算法多依托开源框架，缺乏自主可控的开发平台。我国车规级高算力芯片国产化率较低，且产品量产成本较国外同类产品偏高。高精度激光雷达核心器件进口依赖度较高，国内企业多处于产业链末端的系统集成阶段。此外，智驾芯片研发周期通常为3—4年，车型迭代周期已缩短到1—2年，研发周期错位导致芯片设计初期难以获得整车电子电气架构的深度反馈，车企为保障竞争力优先选择成熟方案，挤压国产芯片迭代优化空间。

二是高质量数据供给能力不足。我国智能驾驶数据主要来自特定测试区路测和仿真测试，车辆大多集中在少数示范区内运行，真实场景数据积累不足，龙头企业算法迭代频次偏低。数据标注处理成本较高，各企业数据格式与接口标准不一，互通共享存在壁垒。极端天气与复杂路况下的边缘场景数据采集尤为困难，场景覆盖不够充分，也进一步制约了智能驾驶算法泛化能力的提升。

三是车路云网协同尚不完善。我国虽在路侧基建规模上位居全球前列，但面临高投入与低产出的困局。路侧基础设施及云控平台主要由地方政府投资建设，缺乏明确的价值转换渠道和收费模式。各地建设标准不一、规范互不兼容，基于5G的车路协同网络覆盖面有限。车企出于核心竞争力与用户隐私考量，往往视运行数据为私有资产，不愿接入公共路侧平台，数据孤岛现象突出，基建规模优势难以充分转化为产业领先优势。

四是监管制度仍需健全。我国智能驾驶路权开放仍有限制，全国统一的路权管理办法尚未出台。各地测试准入要求不尽一致，企业跨区运营面临重复认证。保险费率厘定缺乏数据支撑，网络与功能安全监管协调机制有待理顺。数据安全与隐私保护标准有待完善，海量数据如何分类、存储、跨境传输尚无明确规定。责任认定机制不够清晰，发生交通事故时车企、算法提供商、用户的责任划分仍存在法律空白，影响了企业商业化推进信心。

多措并举夯实产业根基

面对上述挑战，我国应将超大规模市场优势和新型举国体制优势有机结合。应聚焦关键短板，坚持系统思维，从技术攻关、统筹协同、数据供给、制度创新等方面精准发力。

一是强化关键技术攻关。通过国家科技计划项目重点支持车规级高算力芯片、高精度激光雷达、高带宽内存与高端DRAM、车规级微控制器等核心器件研发。支持行业领军企业联合高校院所开展国产智能驾驶自主算法架构、高性能智驾芯片EDA工具、智能驾驶仿真软件等研制。建立智驾芯片与整车研发联动机制，支持芯片企业在设计初期利用车企电子电气架构数字孪生模型进行虚拟挂载验证，破解研发周期不匹配问题。对优先采用自主核心器件的车型，在路权开放试点及示范项目评审中给予优先支持，形成自主可控良性循环。

二是构建智能驾驶数据沙盒。建立智能驾驶国家数据沙盒，集中汇集散落在各示范区、各企业间的长尾场景应用数据，构建国家级智能驾驶标准场景库与仿真训练集，支持行业优势力量在沙盒内开展大规模仿真测试与算法蒸馏，提升算法在复杂路况下的泛化能力与决策精度。制定智驾数据共享与回传的制度激励政策，将特定高价值路段、特定时段的商用路权特许经营权，授予愿意接入国家公共监管平台并共享脱敏运行数据的企业，引导企业开展海量数据回流。

三是深化车路云网一体化顶层设计。建立跨部门、跨区域统筹协调机制，打破区域化试点、碎片化运行格局。出台全国统一的车路云网一体化建设指南与技术标准，强制执行统一的车用无线通信数据接口与云控平台架构标准，确保路侧感知单元与不同品牌车载终端在全国范围内实现跨区域、跨平台的无缝对接与数据互认，将基建规模优势转化为标准领先优势。鼓励地方政府与行业领军企业探索共建共享模式，利用5G与车用无线通信网络实现路侧感知数据对单车决策的实时补盲，降低车辆对昂贵冗余硬件的依赖，通过提升全路网交通效率激发各地建设动力。

四是完善政策法规与监管体系。加快推动道路交通安全法及相关条例的修订，从上位法高度明确高级别自动驾驶系统的合法驾驶地位。研究制定专项交通事故责任认定指引，清晰界定智能驾驶模式下发生事故时车企、算法提供商、运营商与用户之间的责任边界。针对路况数据、用户出行数据等敏感信息，出台细化的分类分级管理要求，明确各类型数据存储、加密及跨境传输的规范标准。建立智能驾驶车辆安全运行豁免申请体系，简化企业在不同城市间的重复检测认证流程，打通商业化落地堵点。

（作者单位：中国科学技术发展战略研究院）

【未经授权，严禁转载！联系电话028-86968276】