汽车智能驾驶技术及产业发展白皮书 White Paper on Technology and Industry Development of Intelligent Driving 中国汽车技术研究中心有限公司Ⅰ清华大学Ⅰ华为技术有限公司 2025 年 7 月 指导专家 指导专家 中国工程院院士 清华大学车辆与运载学院教授 李骏 编写组成员 编写组成员 中国汽车技术研究中心有限公司 社会的未来。安全的自动驾驶作为智能交通系统的核心 领域，已然成为全球科技竞争和产业变革的关键焦点。 值此百年未有之大变局，我非常荣幸能够参与到相关工 作中，并为《汽车智能驾驶技术及产业发展白皮书》作序， 同时借此机会与业界同仁分享我对自动驾驶安全发展的 思考和展望。 近年来，中国自动驾驶产业在政策支持、技术创新和市 场需求的共同推动下取得显著进展。一方面，组合驾驶 辅助系统持续升级迭代，高等级自动驾驶测试与准入稳 辅助系统持续升级迭代，高等级自动驾驶测试与准入稳 步推进；另一方面，频发的交通事故也凸显出安全技术 仍是其产业规模化应用的关键前提。 以人为本是初心，安全为先是使命。自动驾驶的目标不 仅是解放人类的双手，更是在于安全、高效地重构未来 出行方式与提升社会运行效率。通过构建安全无障碍出 行体系，推动碳减排目标落地，并革新城市治理的智慧 化路径。只有当技术创新深度融入安全的框架，并根植 于创造社会价值，才能让科技成果转化为普惠民生的发

智能驾驶智算数据平台发展研究报告 2025 年 8 月 I 发起单位 中国汽车工程学会人工智能分会 中国智能网联汽车产业创新联盟人工智能工作组 联合牵头单位 清华大学 北京工业大学 国家智能网联汽车创新中心 北京万界数据科技有限责任公司 参研单位 中国软件评测中心（工业和信息化部软件与集成电路促进中心） 1 智能驾驶智算数据平台定义及预期功能 ............................................................... 1 1.1 智能驾驶智算数据平台定义 ..................................................................... 1 1.2 行业级智能驾驶智算数据平台预期功能 行业级智能驾驶智算数据平台预期功能 ................................................. 2 2 智能驾驶智算数据平台发展现状分析 ................................................................... 2 2.1 国外现状分析 ......................................

资料来源：《动手学深度学习》（李沐） 2020 年 ，微软亚洲研究院首次将 Tf 模型应用于图像分类任务 ，在评测中实现 88.55% 的准确率。而且 Tf 模 型在 数据量越大的情况下表现越好 ，特别适用于自动驾驶这类大规模数据训练场景。 Tf 模型的另一个重要用处：计算机视觉 Transformer 模型可将 2D 图像融合成 3D 视角 Transformer 模型的工作原理 资料来源：《 Attention 级别 名称 定义 驾驶操作 环境感知 支援 系统作用域 0 无自动化 • 由驾驶者完全操控汽车 驾驶者 驾驶者 驾驶者 无 1 驾驶支援 • 系统有时能够辅助驾驶者完成方向盘和加减速 等驾驶操作 驾驶者与 系统 部分 行驶任务 2 部分自动化 • 系统能够完成某项驾驶任务 • 驾驶者需要监控驾驶环境 • 其余驾驶操作由驾驶者完成 驾驶者与 系统 系统 3 条件自动化 • 系统负责某些情况下环境感知 • 驾驶员需要时刻准备取回驾驶控制权 系统 系统 4 高度自动化 • 系统能够进行环境感知 • 驾驶员不需重新取得驾驶控制权 • 系统只能在特定环境条件下运行 系统 全部 行驶任务 5 完全自动化 • 系统能够完成所有环境条件下的所有驾驶任务 自动驾驶是过去 10 年最火热的赛道 ，但直到 2022 年才有部分企业推出具备 L3 级功能的车型。究其原因，

能化转型的强大驱动力。 随着技术的不断进步，消费者对汽车的期望已远远超越了简单的交通工具 范畴，转而追求更加安全、高效、舒适且个性化的出行体验。在此背景下，人 工智能技术在汽车领域的广泛应用已成为必然趋势。从智能驾驶技术的逐步成 熟，到智能座舱和智能客服提供的个性化服务，再到车企内部各生产经营环节 的持续优化，AI 的应用场景在汽车行业不断拓展与深化，为汽车赋予了超越传 统的功能与价值。这不仅极大地提升了汽车的产品力和用户体验，还在提升汽 阿里云全栈AI云，智能汽车的最佳拍档 AI助力提升用户体验 AI助力提升生产力 汽车行业AI应用场景全景图 2 10 7 14 18 6 智能化成为汽车行业发展的核心趋势 AI助力汽车产业智能化升级 智能驾驶 AI基础设施架构：高性能算力与高效资源协同的突破 数据闭环处理：虚实融合与智能治理的能力 大模型技术：低成本与场景化落地的深化 智能座舱 智能客服 研发设计 生产制造 供应链管理 18 19 20 Contents 营销销售 经营管理 20 21 24 24 24 25 25 26 趋势篇 "人工智能+汽车"应用趋势展望 24 大模型：引领全栈智能驾驶新时代 数据驱动：激发汽车产业链条全方位创新 澎湃算力：为汽车智能化注入强劲动能 大小结合端云协同：实现效能与性能双提升 AI智能体：加速车端应用快速落地 安全与隐私：构建可信可靠的智能出行生态

市场占有率回落、整车出 口乏 力、 企业利润降低，车企亟需加 快向 价 值链中高端跃升。 第四次工业革命在汽车产业结构 的转 变方向，已然明晰可见汽车产业 正向 新能源电动、自动驾驶等高端智 能、 服务化转移 技术驱动 数字技术正全面融入车企全生命 周期 运营体系，深度重构汽车价值链 及运 营模式。 市场驱动 车企的销售压力倍增，新客户获 取越 来越难，倒逼车企转向精细化运营。 作为一股颠覆性的力量正在全面渗透汽车行业，传统价值链将被升级改造甚至重 塑。 移动互联网 研发制造 二手车电商 新能源汽车 传统厂商 AI 大模型企业 汽车电子 智能化 人车对话 可移动设备 自动驾驶 实时服务 营销 AI 大 模型化 渠道 AI 大 模型化 经销商 设计研发 原料采购 生产制造 级别 名称 定义 驾驶操作 环境感知 支援 系统作用域 0 无自动化 • 由驾驶者完全操控汽车 驾驶者 驾驶者 驾驶者 无 1 驾驶支援 • 系统有时能够辅助驾驶者完成方向盘和加减速 等驾驶操作 驾驶者与 系统 部分 行驶任务 2 部分自动化 • 系统能够完成某项驾驶任务 • 驾驶者需要监控驾驶环境 • 其余驾驶操作由驾驶者完成 驾驶者与 系统

，国内包括小鹏、理想、华为、蔚来汽车、元戎启行、商汤、地平线等诸多玩家都提出自己的 端 到端自动驾驶方案，在算法上端到端已经成为大势所趋。 但在发展路径上，行业预计也会经历渐进的过程。早期玩家致力于将算法从模块化架构平稳过渡到端到端，远期大语言模型和端到端 基 础模型有望结合形成“系统一”和“系统二”共同赋能自动驾驶，最终强大的通用人工智能（ AGI ）或许可覆盖所有驾驶能力。 算力层面 规模法则驱动下，海量的算力成为开发优秀 AI 15 对自动驾驶而言，与所有 AI 应用类似，算力、算法、和数据三要素都必不可 少 端 到 端 模 型 多模态大语言模型 AGI 通用世界模型 算法 场景 数据 算力 算法 17 Tier1 提高客户整体解决方案竞争力 通用大模型公司下沉行业应用场景 自动驾驶方案商发展垂类大模型 主机厂向科技企业转型 四类 参与者 ins puT 浪 潮 Neu soft 4 面壁智 能 轻 舟 Q C R A F T 主机厂 N 公司 1 公司

技术后来居上，产业链逐步构筑，适应于更复杂的安全应用场景，满足低延迟、高可靠性和满足带宽要求。 车联网通信技术： C-V2X 更适合复杂的安全应用场景 C-V2X 为自动驾驶提供更可靠的智能决策与协同控制 车联网发展趋势：平滑演进到 5G ，逐步向自动驾驶升级 5G-V2X 技术及部署路线： 2022 年试点推广  LTE-V2X ：满足 3GPP 的 27 种应用 场景 (3GPP TR22.885) 以部分满足更高级的 V2X 业务  5G-V2X ：实现与自动驾驶相关的 4 组应用场景 (3GPPTR22.886) ：  车队编排  先进行驶  传感器信息共享  远程驾驶 中国自动驾驶产业节奏： 5G 使能的 4-5 级自动驾驶 在 2025 年商用 为什么自动驾驶需要 5G ？ 边缘计算是自动驾驶的未来 5G 网络切片技术提供始终如一的 QoS 保障 基于 5G 互补（ V2N2V ），如前所述，让自动驾驶不仅能“眼观六路”，还能 “耳听八方”，实现 100% 安全性。无人驾驶的需求包括传统的覆盖、容量、时延、可靠性、速率、移动性、安全、 成本、功耗等。 5G 边缘计算和切片技术为自动驾驶提供保障 车联网的 12 个基本场景 5G 使能高阶自动驾驶场景，更高效更安全 4 个高阶场景 5G 使能高阶自动驾驶场景，更高效更安全（续） 目录 1. 5G

汽车AIGC概述 汽车AIGC的影响及意义 1 . 1 1.2 1.3 10 11 13 汽车行业技术变革 9 第一章 第四章 AIGC在汽车制造领域的应用探索 35 AIGC赋能自动驾驶应用 AIGC在智能座舱的应用 4.1 4.2 35 40 AIGC在整车产品领域的应用探索 34 第四章 汽车设计AIGC基础技术 汽车设计AIGC系统 汽车设计AIGC应用案例 AIGC与人类不是相互替代的关系，未来的趋势是人机共智，两者的互补性体现在机器提供强大的数据 分析和生成能力，而人类则提供情感认知、判断力和创造力，二者相辅相成，共同确保安全和性能。 4 智能座舱和自动驾驶是AIGC在汽车产品的两大杀手级应用，极大提升了消费者体验，通过赋能车企打 造差异性的功能，跳出同质化竞争的窘境。 5 AIGC在汽车设计的多个领域展示了极大的潜力，例如AIGC技术可以加速车型外观设计和定义，使得以 本上重塑了汽车的竞争法则。硬件逐渐趋同 化，数据、人工智能算法和计算平台成为新的核心竞争要素。 在过去的十五年的大部分时间里，行业技术发展的主要方向是软件定义汽车（SDV），以智能座舱和 辅助驾驶为代表，通过强大的车载计算平台，集成来自手机行业的操作系统、应用生态等，汽车的智 能化程度显著提升，典型的整车代码量超过了一千万行，汽车行业的软件研发人员急剧增加，研发费 用持续飞涨，性能提升却遇到瓶颈。

产业实践。 2025 年《政府工作报告》明确“持续推进‘人工智能 +’ 行动”， 要求将大 模型 深度嵌入智能网联汽车技术体系，工信部随即启动中央计算平台、通用人 工 智能（ AGI ）与自动驾驶一体化研发专项，推动汽车从“规则驱动”向“数 据驱 动”跃迁。这一转变意味着汽车行业将更加依赖数据和算法，通过对海量 数据 的分析和学习，实现汽车的智能化决策和控制。 汽车行业智能化价值 提升企业竞争力 提升企业竞争力 在全球汽车市场竞争日益激烈的背景下，智能化成为车企提升竞争力的 关键因素。 AI 技术的应用使车企能够快速响应市场变化，推出更具创新性 和 竞争力的产品。当前，新能源汽车凭借先进的自动驾驶技术和智能座舱体 验， 吸引了大量消费者，极大地提升了品牌的知名度和市场份额。 智能化不仅体现在产品的功能上，还体现在企业的运营和服务上。车企 可以利用 AI 技术进行精准的市场分析和用户画像，制定更加有效的营销策略， 启空调调节车内温度、锁定或解锁车门，还能实时查看车辆位置与状态。 车内智能交互系统的进化，如语音识别、手势控制、人脸识别等技术的 应用，让驾驶者双手不离方向盘、双眼不离开路面就能完成诸多操作，提高了 驾驶的便利性和安全性。一些高端车型还能在上车瞬间自动识别车主身份，根 据预设习惯调整座椅、后视镜、驾驶模式等，带来个性化的专属体验。这些智 能化的功能和服务，使汽车不再仅仅是一种交通工具，而是成为了用户生活中

外部网络及企业多分支场景协同化管理需求，全方位提升水泥行业企业客户体验。 矿山 生产 园区 办公 分支机构 1 矿卡 MEC （ UPF ） • • • • • 本地 AI AR/VR 无人驾驶 智能监控 安防告警 …. 数据中心 • • • • 数据存储 管控中心 综合运营 …. 员工办公 终端业务 无人机 生产监控 辅助运维 远程参观 智能广播 分支机构 2 分支机构 • 视频拼接及 AR 辅助 • 远程操控辅助驾驶 • 远程操控安全保障 智能姿态监控及 激光雷达 视觉感知 毫米波雷达 痛点分析 • 自然环境恶劣，扬尘多，只能白天工作，开采 人员工作强度大。 • 环境危险，爆破的落石威胁工作人员安全。 • 设备状态无法实施掌握，故障率高。 方案价值 • 驾驶人员的工作环境得到改善，降低安全风险； • 采矿 采矿由原来的两班变三班，增加夜间采集，矿石产量增加。 方案架构 开采服务： 基于 5G 的矿卡无人驾驶系统（ 2/3 ） 矿卡自动驾驶通过线控改造并装备 高精定位及环境感知 部件，基于路径动态规划，实现 矿区无人驾驶、自主避障和会车 等功能，并实现矿卡 与有人矿卡、电铲等装备的 V2V 通信，矿卡与卸料点的 V2I 通信，实现 协同装载，协同卸载，混编运行 。 • 路径智能规划： 确保规划路径平滑、合理，能够