纷纷加快高像素智能车灯普及，以极氪X9、岚图泰山、蔚来ES8为代表的车 型上市后热销，带动高像素智能车灯在30万+价位车型市场的装配率快速提升；预计2026年百万像素将渗透至20万级车型。 红旗L5 百万像素 智己L7 百万像素 问界M9 百万像素 2026 商用时间 2025 30万 50万 车型价位 长安深蓝 百万像素 蔚来ET9 万级像素 仰望 U7 百万像素 尊界S800

智能体的五个等级，智能体能力与市场渗透率呈指数型关系 人类的干涉程度 智能程度 L3：协作级-协作自治 AI执行，人类协作并监督 L4：指导级-专业指导 AI提供专家级服务，人类参与 L5：智慧级-自主智慧 AI超越人类，全面自主，人类授权 L1：功能级-辅助工具 AI作为工具被调用， 人类执行并闭环任务 L2：任务级-任务执行 AI执行被分解的任务， 人类拆解及分配任务 只有把智能体演进路径与科技向善价值深度融 合，人类才能真正把握住智能世界的主动权。 早期阶段 重构产品与体验 提升运营与办公效率 变革生产方式 远期阶段 中期阶段 未来十年智能体将驱动各产业发生范式革命 能级到 L5 智慧级的五级演进，呈现出自主决策 能力逐步增强、应用场景从低风险单点功能向 高价值跨域服务拓展释放更大市场空间、技术 需求从基础交互向通用智能与伦理对齐深化的 梯度发展路径。 我们认为，2035 驾驶主体为人类 特定场景可完全接管 大部分场景不需人类接管 场景：高速L3 城区L2+ 技术：E2E 场景：L3+规模商用， 部分场景L4商用 技术：世界模型 场景：L4+规模商用， L5启动试商用 技术：AGI水平 具身智能的关键技术点 智能驾驶演进预测 19 智能机器人将跨越技术鸿沟，推动产业走进千行万业、千家万户 智能机器人领域，随着大模型技术的突破 及一系列人形机器人原型机的发布，已成为炙

该系统为西门子集团提供了定制化的 AI 简历筛选服务，可以根据西 门子的独特需求，从海量简历中筛选出符合条件的候选人。此外，该 系统还设计出了多元、全面的面试通知方案，全自动地邀请所有通 过 AI 简历筛选机制的候选人参加 L5 级别 AI 视频面试。国内候选人 通过微信小程序、电脑端参加 AI 面试，海外候选人通过电脑端和 H5 手机端参加 AI 面试。西门子的 HR 和业务领导基于 AI 面试的评分， 决定哪些候 ，参考自动驾驶 L1 到 L5 的级 别划分了智能化的五个级别（如图 1）；同时制定了五年发展规划，分步骤敏捷开发迭代，逐步 推进实施。 L1 线上化运营 简单辅助决策 HR事务在线办理 L2 信息化运营 中等辅助决策 档案在线，数据盘活 L3 数字化运营 半自动决策 人才效能，数智结合 L4 智息化运营 全自动决策 组织效能，数据决策 L5 生志化运营 全方位决策

定制学习内容任务 Ai流程式学习 大数据探寻错误原因 避免重复错误再出现 Ai错因分析 智能诊断思想能力方法 可定义传授的靶向训练 Ai MCM（思想、能力、 方法）训练 L5级全自动授课AI虚拟老师 沉浸式人机互动学习感受 L5级人机互动 知识学习结果导向 学习报告一目了然 Ai报告反馈 创建专属错因知识图谱 结合日常学习精准推荐 Ai错题本 遗忘曲线+知识点特性+学习 的数据，定期复习遗忘知识点

级信息化内容，机器只能处理结构化的标准内容， 但无法理解检索的内容和结果。近几年各企业加大研究投入，致力将 GPT、 Diffusion 等技术融入到建筑模型设计，并随着机器学习的深入发展，未来有望达 到 L5 级智能化机器交互，实现自动识别、自动生成等智能属性。由于建筑设计行 业的应用场景多样，AI 分析需要对不同建筑类型进行识别，才能在应用过程中为 设计师和客户进行特定场景设计方案的量化分析，这就要求企业拥有大量的多种

样化、日益增加的系统规模和复杂度大大增加运维难度、算网资源协 同调度等诸多挑战。通过引入 AI（Artifical Intelligence）技术加快算 网智能化已经成为发展趋势和行业共识。新一代智能算力网络正以实 现“L5 等级”的自治为目标进行演进发展。 服务生成算力网络旨在以网络为基础、算力为载体、智能为核心， 通过多要素融合来实现，是利用 AI 技术来使能算网深度融合与智能 服务的新范式，也是算力网络智能化演进的终极目标。服务生成算力

辆需通过KBA（联邦机动车运输管理局）的ADS专项认证，同时运营方须向地 方交通局申请线路许可，且每条线路须单独开展为期6个月的载客压力测试。值 得注意的是，欧盟Reg.(EU)2022/1426法规虽为全球首个L4/L5型式认证框架 ，但仅适用于年产量≤5000辆的小批量认证，大规模量产准入仍待2024年7月 后新规落地[4]。 法规差异正深刻重塑跨国企业产品开发范式。以地平线HSD城区辅助驾驶系统 为例，

拟工厂一样运作，极大地提升区域制造产业集群的整体竞争力和市场 响应速度。此外，分布式算力调度还可以支持供应链中的风险预测和 应急响应，提高供应链的稳定性和可靠性。 4.8 自动驾驶 自动驾驶技术正朝着 L4/L5 级别的高度自动化迈进，这使车辆需 要实时处理海量的环境感知数据、进行复杂的决策规划与控制计算， 对算力的需求是海量、瞬时且不容出错的。一辆高级别自动驾驶汽车 每小时产生的数据量可达 TB 级别，其内部的计算平台需要在毫秒级

5 两客一危是指从事旅游的包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路 专用车辆。 6 此处参考美国汽车工程师协会（SAE）对自动驾驶技术等级的定义，主要是 L4 和 L5 级自动驾驶技术。 人工智能在交通领域业务应用白皮书 10 括路网流量预测、交通信息发布、交通信号灯控制等应用。综合类应 用包括近年来关注度非常高的智慧停车和城市交通大脑等。

据分析 • 实现了全量数据 的实时分析 • 以全面落实“穿 透式”监督要求为标 志 • 初步具备事前 事中的风险监控能 力 • 广泛采用 AI 技 术参与数据分析建 模等工作中 L5 生态级 生态建立 与全面智 能 • 形成标准化风险 监控能力输出 • 实现多部门、多 企业间关键风险齐抓 共管的新形态 • 在实现企业风 险画像基础上 • AI 技术广泛应 用于审计工作全流