自動駕駛或無人駕駛汽車，已有超過百年的發展歷程。從發展歷史看，全球自動駕駛汽車產業可劃分為三個階段。第一階段在20世紀初期，稱為自動駕駛探索期，出于戰爭中減少傷亡的需求，初次研發并應用自動駕駛汽車。第二階段在20世紀20年代到21世紀初期，稱為自動駕駛發展期，隨著高精度傳感、信息通訊、高性能半導體、控制理論等技術的發展，自動駕駛技術緩慢發展。當前正處于第三階段，是自動駕駛測試應用期。近五年來，在高算力半導體、5G通信、人工智能大模型、仿真計算、高精度地圖等技術加持下，智能涌現推動自動駕駛技術從量變到質變。

　　自動駕駛汽車可牽引多領域尖端科技發展，整體提高制造業水平。自動駕駛汽車產業可以說是對汽車產業的徹底顛覆，全球各汽車強國都將目光瞄準自動駕駛汽車產業，期望在新技術競賽中保持領先，以確保本國汽車產業在全球市場中的競爭地位。

　　由于涉及車輛工程、交通工程、控制工程、計算機科學、電子工程、通信工程、機器學習等，自動駕駛技術屬于一項跨學科、跨領域、高度復雜的系統性工程。當前具備競爭籌碼的國家和地區主要包括美國、中國、歐洲和日本。

　　從發展戰略看，美國、歐洲、日本先于中國發布自動駕駛汽車國家戰略。從自動駕駛立法情況看，美國制定自動駕駛汽車專項法律，鼓勵技術創新和產業發展；德國和日本在現有法律框架下，通過對現有法律進行修訂滿足自動駕駛上路需求。從產業鏈角度看，美國擁有特斯拉、Waymo、Cruise等核心企業；德國主要擁有戴姆勒、博世等核心企業；日本擁有豐田、本田等核心企業；中國則擁有華為、比亞迪、momenta、百度、元戎等核心企業。從市場應用情況看，中國已成為全球最大的智能駕駛汽車市場和自動駕駛測試運營國家�？傮w來說，中國更為復雜多樣的交通環境使自動駕駛汽車產業發展更具潛力。

　　以交通場景適應程度作為劃分邊界，自動駕駛技術競爭分為“0到1”“1到99”“99到無限接近100”三個層級，三個層級對應的競爭要素及著力點不同。全球已完成了從0到1的競爭，當前主要處于1到99的競爭，部分主體已經開始角逐99到無限接近100的競爭。

　　第一層級下，全球自動駕駛技術競爭要素為“工程師+算法+數據”，其中工程師占主導地位，依靠大量工程師，基于交通規則開發自動駕駛算法，并根據運行數據修正算法。這種方式會產生臃腫的代碼系統，執行效率較低，行駛體驗較差，車輛基本只能在限定的結構化交通場景中安全運行，但為自動駕駛的發展奠定了基礎邏輯。

　　第二層級下，自動駕駛競爭要素演化為“大模型+數據+工程師+算力”，降低了對工程師規模的依賴程度。隨著人工智能技術的發展，端到端大模型應用于自動駕駛技術，大模型將自動駕駛基于規則的算法轉化為基于概率統計的機器學習算法，提升了車輛運行體驗和交通場景適應能力。該層級將逐步壓縮自動駕駛算法代碼量，自動駕駛汽車將逐步在更多的交通場景中安全運行。

　　第三層級下，自動駕駛技術競爭要素演化為“數據+算力+大模型+工程師”，數據和算力將成為自動駕駛汽車技術競爭的必要條件，二者將進一步推動大模型的成熟和可靠，使得自動駕駛汽車安全場景覆蓋度無限接近100%。

　　科學認知自動駕駛技術特性，并理解人工智能與自動駕駛之間的關系，可以對自動駕駛生產關系重塑有更好的理解。

　　以往，自動駕駛技術路線不清晰，外部供應商方案未成型，整車企業自動駕駛戰略以自研為主，自研對整車企業組織架構、流程體系、質量效率等形成巨大挑戰，但多數整車企業以失敗告終。當前，自動駕駛技術趨于收斂，外部供應商方案逐步成熟，產業進入“快魚吃慢魚”階段，整車企業自動駕駛戰略以外購為主。供應商依靠大模型體系、車輛運行收集的大量數據資源、研發成本攤銷等，形成滾動放大優勢。同時，數據是自動駕駛技術的競爭要素之一，也是自動駕駛技術迭代的必要條件，在部分整車企業采用自研戰略的背景下，誰擁有較大的市場份額，誰就具備了競爭的前提條件之一。

　　展望未來，我們與超級人工智能（ASI）還相距甚遠。從使用角度看，自動駕駛未來競爭的是體驗和安全。從企業角度看，自動駕駛未來競爭的是更大規模的數據和算力資源，大模型或許在人工智能發展推動下變得相對易得。在未來的自動駕駛技術發展中，企業應將數據提升到更高的重視程度。汽車將變成真正的智能終端，其中軟件的價值占比將持續提升，整車企業要想在未來的競爭中保持優勢，應根據產業發展、技術成熟度、自身優勢和資源等，科學制定自動駕駛發展戰略。

　�。ㄗ髡呦抵袊�汽車工程研究院股份有限公司政研咨詢中心副總工程師）