社区

过去两三年，「智驾平权」一直是汽车行业的高频词。 但高阶智驾真正往下走，始终绕不开一笔账：更高算力的芯片、更丰富的传感器、更大的研发投入，以及量产之后持续产生的数据和维护成本。 长期以来，高阶智驾几乎等同于更高的成本。 所以，在 10 万元以内车型做出一套高阶智驾，真正值得关注的从来不只是做出来，还有这套系统能否长期跑起来。 零跑正在把这个问题摆上台面。 LWM 世界模型辅助驾驶，开始进入 10 万元以内的车型，200TOPS、640TOPS 和 1280TOPS 的不同算力平台都能部署，与此同时，已经卖出去的 35 万辆激光雷达版车型，也可以免费升级。 表面看，这是一次智驾能力的下放。 但再往下看，它更像是一场关于成本的实验： 如何把一套高阶智驾，从高价车型上的技术能力，变成一套可以跨硬件、跨车型、跨生命周期规模化交付的产品。 这也是零跑这次真正值得观察的地方。 01、高阶智驾下探，先算整车的账 高阶智驾下探不只是技术下放，更是一次成本考验。 对于一款 10 万元级车型，电池、车身、底盘、座舱和智能化配置，都在争夺同一份有限的预算。 零跑把世界模型辅助驾驶带进这个价格带，核心要解决的是成本。 智驾降本，最容易落到硬件参数上：换芯片、传感器。但零跑手里还有一张牌：全域自研。整车架构被重新设计之后，释放了智能化配置的成本空间。 零跑高级副总裁周洪涛透露，EEA 4.0 架构的成本只有 1.0 时期的 40%。 整车电子电气架构和底层系统成本降低之后，更多的预算可以投入到激光雷达、摄像头和智驾芯片等智能化配置中。 零跑全域自研的价值在智驾层面释放，当智驾不再是一个独立外挂的配置，零跑要做的，是把智能化成本放进整车整体成本结构中重新计算。 车企可以把整车架构、硬件选型和软件开发放在同一个系统里统筹，而不是分别向不同供应商购买不同的能力。 高阶智驾下探并不意味着智驾要省着做，靠架构

物理 AI 大环境下，造出一台 AI 汽车，与转型为一家 AI 企业，这两件事的紧迫性，是一致的。 但谈起转型，多数车企即便在组织层面大刀阔斧地改革后，依然会迷茫：到底该往哪儿使力，AI 才会成为「神之一手」。 讨论这个抽象的问题很复杂，不如先接地气一点，回答一个更实际的问题，即 AI 怎么做到提质增效？ 当下，效率足以决定车企身位。研发模型的迭代节奏、产能爬坡的调度能力、供应链的预警与调整，慢下来就意味着落后。 一种解决方式，是从内部搭建一套 AI 体系，比如宝马自上而下搭建了一套智能体系统——「盖亚」。另一种方式则是找到合适的 AI 平台，进行深度共建。 零跑与 WorkBuddy 的合作，就完成了这一逻辑的验证。 今天，WorkBuddy 宣布正式「入职」零跑，AI Agent 落地 40 多个核心业务场景，横跨整车研发制造与采购供应链，覆盖软件质量、工程数字化、智能座舱测评、实验室管理等核心业务域，平均提效做到了 90%。 从中可以得出两点结论： 第一，现有智能化平台已逐步具备进入车企核心业务域的成熟度，落地效果有了实证。 第二，AI 不再是单独被调用的编程工具，它以一种更直观、也更底层的方式融入组织上下文，成为车企核心生产力。 01、「小而痛」的需求，被立刻解决 特斯拉深陷产能危机时，马斯克一针见血得指出了一种「错位」。设计工程师坐在远离产线的办公室里画图，而真正要把图纸变成车的人，在工厂里反复试错。 效率本质上是一道「密度」题。人员之间的密度空隙一旦过大，信息和指令在传递过程中就会不断损耗。 解决问题的方式就是填补空隙，就像马斯克最后让工程团队把工位搬到了装配线旁，让设计端从一开始就考虑生产可靠性，问题也能当场反馈、当场调整。 但在车企这一承载成千上万人员，数百条流程体系的庞大组织中，这种空隙几乎无处不在，也很难全部填平。大项目优先填的是主干道，而那些「小而痛」

中国高端车市场正在经历一轮重构。 一边是传统豪华品牌的光环逐渐褪去，原有的品牌溢价被不断重新定价； 另一边，极氪、问界、领克、魏牌等中国品牌持续向上，试图在高端市场建立新的价格与品牌坐标。一众玩家挤在同一片蓝海，机会与压力并存。 与此同时，曾经用来定义「高端」的配置，正以惊人的速度下放。 大电池、智能座舱、零重力座椅、高阶辅助驾驶，都在进入更大众的价格带，难以再承载「高端」的溢价。 但消费者终究要为产品与体验买单。一个汽车品牌想要站稳高端，技术仍是底层逻辑。关键在于，能否精准捕捉用户未被充分满足的需求，以及能否被用户真正感知。 补盲雷达，恰好站在了这个位置。 01、高端车开始争夺「没有盲区」 2025 年极氪 9X 率先祭出「1 颗主雷达+4 颗补盲雷达」满配架构后，问界、理想、蔚来、小米、长城高山等迅速跟进，高端感知军备竞赛愈演愈烈。 NE 时代数据显示，今年 4 月中国市场补盲激光雷达同比暴增 622%，远超主雷达 76%的增速，成为核心增长引擎。 补盲雷达主攻侧面、车尾及近场盲区，专治泊车、倒车、窄路转弯时的路沿、台阶及侧后方突发障碍物。在高端 SUV/MPV 尺寸不断膨胀的当下，补盲成为刚需。 但更深层次看，补盲雷达成为高端车型的共同选择，是消费者需求、品牌标识与监管要求三方合力的结果。 艾媒咨询 2025 年调查中显示，与以往汽车安全的核心是「撞了怎么办」相比，「更智能的障碍物识别和避让」以 55.3%的比例，位居消费者对智能驾驶辅助系统功能需求首位。消费者不仅重视安全，还在扩宽安全的定义。 另一个有意思的变化是，一些原本只存在于工程师语境的硬件标签，正通过体验的方式渗透进普通消费者的购车语言。 空气悬架被简化为「过减速带更稳」，后轮转向则等同于「大车也能一把过窄路」。工程配置依然能成为高端车型的品牌标签，但前提是它被翻译成消费者能感知的体验。 此外，监管层面也在

对中国车企来说，卖车出海的上半场已经相对清晰，但真正困难的部分才刚刚开始。 如果说过去的出海更像一次远航，那么接下来，智驾出海更像进入了「奥德赛时期」：大家面对的已经不是一个市场，而是一套完全不同的道路、规则和物理世界。 中国汽车出海，最容易打的一仗，可能已经打完了，把车运到海外、建立经销网络、拿下当地市场，这套打法中国车企已经越来越熟练。 今年上半年，奇瑞出口约 94.38 万辆，占集团总销量约 69.5%，同期比亚迪海外卖了 79 万辆，同比增长近七成，吉利出口 47.42 万辆，同比增长 158%，可以说是出海大户。中国汽车出口的规模还在快速增长。 但下一场仗，难度完全不同。因为汽车可以运出去，技术却不能简单复制，尤其是智能驾驶。 在中国，一套已经跑熟的智驾系统，到了德国，面对的可能是完全不同的路权规则、交通标识、驾驶习惯、法规体系和数据要求。 这意味着，中国车企真正要解决的已经不是「怎么把车卖出去」，而是能不能把在中国训练出来的智能化能力，带到另一个物理世界里。 这才是中国汽车出海真正的下半场。 01、卖车出海，这一仗已经达到中场 中国出海的汽车，按目的地分两种打法：增量市场与成熟市场。 成熟市场如欧洲、日本、澳大利亚等，核心挑战在品牌、法规、技术与安全服务体系；增量市场如中东、东南亚、拉美、非洲，核心挑战在成本、渠道、本地化与供应链。 增量市场的开拓相对顺利，早期国产车靠低价切入，实现了从无到有的规模突破。 以沙特为例，当时奇瑞 Tiggo 8 Pro Max 售价是 8.9 万里亚尔，同级别的丰田 Fortuner 是 14.9 万，吉利 Monjaro 卖 10.9 万里亚尔，比丰田 RAV4 便宜 2.6 万里亚尔，同级别车型，中国品牌普遍便宜 15%~40%。 价格杀手的打法，国产车在海外市场实现了漂亮的曲线与增长数字，出海第一年（2001 年）销量还不到

特斯拉 Cybercab 最引人注目的，或许不是蝴蝶门，也不是双座布局，而是一个看起来「不像汽车」的细节：没有方向盘、油门刹车踏板、外后视镜。 更准确地说，它从产品设计之初，就没有给驾驶员留下位置。 从 Robotaxi，到 Robovan、Robotruck，再到港口里的 IGV、矿区里的无人矿卡，越来越多 L4 车辆正在「删除」我们熟悉的驾驶舱。 过去一百多年，汽车工业不断增加功能：更大的座舱、更好的座椅、更复杂的仪表、更丰富的人机交互。而自动驾驶走到 L4 之后，却开始做减法。方向盘没了，踏板没了，驾驶座也可以没了。 为什么自动驾驶越成熟，汽车反而越来越「不像汽车」？ 这不只是一次产品形态的变化，更深层的逻辑在于，汽车第一次可以不再围绕人怎么开来设计，而是围绕机器要完成什么任务来设计。 更进一步说，L4自动驾驶重新定义了智能汽车，让汽车第一次摆脱「必须由人驾驶」的定义。 01、驾驶员退出，汽车的第一性原理变了 要理解 L4 车辆为什么能删除驾驶舱，得先理解驾驶舱在过去一百多年里存在的合理性。 驾驶舱，其实是一套人类控制机器的解决方案。 方向盘、踏板、仪表盘、驾驶座，这些零部件共同组成了控制接口，串起一条「人-控制接口-汽车-道路」的驾驶闭环。人观察、判断、操作，通过这些控制接口让汽车执行。 过去 100 年，汽车工业其实一直在回答一个问题：如何让人更好地驾驶一辆车。因此，汽车工业围绕人建立了一整套产品体系。 座椅要符合人体工程学、方向盘要触手可及、仪表盘要方便读取，甚至底盘结构、车身比例，都是这个命题的延伸。 驾驶舱，正是人类驾驶这个前提在汽车上留下的物理投影。 自动驾驶一路向前，但如果把 L2、L3 放到产品定义里看，会发现它们并没有触动汽车的基本结构。L2 是人驾驶，机器辅助，L3 是机器驾驶，人准备接管。 改变的只是「谁在某一个时间段负责驾驶」，人，仍然是驾驶系

2026 年上半年，中国车市依然没有等来春天。中汽协数据显示，上半年国内汽车销量同比下降 21.1%，1-5 月行业利润率只剩 3.4%。 价格战打了三年，没人能独善其身，车市在「增收不增利」的泥潭里挣扎。 但吉利汽车却交出了一份让所有人侧目的半年报。 销量增长约 1%，对应 15% 的收入增长，46% 的核心归母净利润增长。 这是吉利 2026 年上半年财报里，最值得琢磨的一组数字。销量和收入、利润之间出现了明显的「错位」。 如果只看销量，吉利今年上半年的增长几乎可以忽略：142.3 万辆，同比仅增长 1%。 但收入和利润，却是另一番景象。 上半年，吉利实现收入 1736 亿元，同比增长 15%，创历史新高。 毛利率提升至 17.9%，同比增加 1.5 个百分点。 核心归母净利润达到 96.84 亿元，同比增长 46%。 单看销量，成绩平平，收入能够增长 15%。收入增长之后，利润还能增长 46%。 更值得注意的是单车收入。平均每辆车的销售收入，已经从去年同期的 9.6 万元，提升到了 11.2 万元。同样卖出一辆车，吉利现在多赚了 1.6 万元。 解开这种「不平衡感」的钥匙，就是吉利正在书写的增长公式：单车价值 × 市场半径 × 技术复用率。 01、销量不涨，先把单车价值做上去 同样卖一辆车，创造更多收入和利润，吉利收入结构的变化，第一层落在产品结构上。 简单提价做不到单车收入多 1.6 万元，真正往上走的，是品牌、产品和用户。 过去，吉利的规模优势体现在「卖得多」，多品牌、多车型覆盖不同价格带。 但现在，高价值品牌正在把集团收入往上抬。 最直接的证据来自极氪。上半年极氪销量 17.84 万辆，同比增长 97%。极氪客单价摸到 37 万，越过了 BBA 的门槛。 一个高端品牌，拉动的已经不只是销量，而是整个集团的产品价值中枢。 财报里有一个比例很说明问题，极氪销量只占集

纯电赢了，但纯电品牌越来越少了。因为纯电正在从一种技术路线，变成一种谁都能获得的基础能力。 三年时间，超过 38 个品牌挤进增程赛道，增程车型从 17 款增加到 85 款，下半年预计还有 35 款增程新车。 这条技术路线几乎没有反对者，布局增程已经不需要理由，不做增程才需要理由。 小米大概是最不缺理由的那个，SU7、YU7 两款纯电车型分别打穿了两个细分市场，今年上半年交付 18 万辆，累计销量破 70 万台。 论纯电开局，国内没有比小米更成功的，但纯电积攒的势能，雷军却转身给了增程。 小米第二个产品系列「SkyNomad 澎程」，基于全新小米昆仑架构打造的增程 SUV，澎程 N90、N70 分别对应大五座、大七座版本，纯电续航超过 500 公里。 连纯电开局最成功的小米，都认为单纯依赖纯电无法覆盖更大的市场。 所以小米把纯电当成敲门砖，把增程当成规模杠杆，相反同样靠纯电赢下开局的蔚来，却继续往下深挖，前者赌的是覆盖面，后者赌的是纵深。 这也意味着，在中国主流品牌里，只做纯电的玩家，如今只剩蔚来以一己之力，面对被增程和插混填满的阵营。 这条路很孤单，但蔚来越走越宽。今年上半年，蔚来累计交付 19.1 万台，在 40 万以上的市场里，ES8、ES9 和 ET9 三款车合计拿下了 30.2% 的份额，每卖出 3 台 40 万以上的新车，就有 1 台是蔚来。 别人往增程挤，只有蔚来还在高端纯电这条路上持续加码，而且越走越深。 01、纯电没输，卷的是增程 毫无疑问的是，增程正在经历一场供需倒挂的膨胀，连小米都被质疑，现在造增程是不是太晚了。 今年上半年，市面上在售增程车型 85 款，而去年同期只有 50 款，仅是车型数量就涨了 70%，但增程单车型平均销量却从去年同期的约 1 万辆，跌到今年上半年的不到 5000 辆。 池子变大，鱼变多，每条鱼分到的水却急剧减少，这就是增程市场最真

商用车安全配置正在经历一轮明确的前装升级。AEBS、AVM 环视、盲区预警等功能从「选配」向「标配」移动的趋势已经显现，但传统分散式架构在成本、开发和验证周期上的压力也越来越大。行业需要一种新的集成方式。 极目智能近期推出的 Z0 商用车中控环视一体机，正是观察这一变化的一个典型样本。 它把中控娱乐、导航应用、1080P AVM 环视、BSD 盲区预警，以及可扩展的 AEBS、DMS、液晶仪表、多屏互动等能力，收敛到一个统一硬件平台上。 01、法规窗口推动安全能力从选配走向平台能力 商用车安全配置相关标准正在推进。交通运输部已发布 AEBS 相关强制性法规要求，涉及 JT/T 1094、JT/T 1178.1、JT/T 1178.2 和 JT/T 1285： 2026 年 7 月 1 日后，危货道路运输车辆、12 吨以上营运载货汽车和牵引车辆、营运客车需安装 AEBS；2028 年 1 月 1 日后拓宽至所有营运车辆。 与此同时，GB 7258-2025 相关修订和营运车辆全景环视系统强标意见稿推进，意味着 AVM 将在 2028 年 1 月 1 日前后按车型、吨位陆续落地。 对于渣土车、水泥搅拌车等重点作业车辆，REB、RAEB 和前向防碾压的拓展也将成为重点。 这使 2028 年 1 月 1 日前后成为主机厂集中导入主动安全功能的重要窗口。 商用车前装系统需要提前完成平台规划、硬件定点、结构适配、线束设计、软件集成、功能验证和供应链准备。 中控环视一体机同时涉及座舱、感知、安全和仪表联动，也需要预留验证周期。 这意味着，2026 年已经是主机厂导入方案、确定平台和锁定供应链准备的关键阶段。 02、极目 Z0 的核心：用一个平台承接多类配置 极目 Z0 的产品逻辑，可以概括为三个关键词：先进性、扩展性和经济性。 在硬件能力上，Z0 搭载高性能 SoC，最高支持 9 路 1

「最好的物理 AI 时刻，看起来就像什么都没发生。任务只是被安全、平稳地完成了。」 这句话来自 Waymo 联合 CEO Dmitri Dolgov 前不久在 Y Combinator 的一次分享。 Dolgov 提到，有一次他带孩子乘坐 Waymo Robotaxi，通过路口时，一辆车突然切入，Waymo Driver 没有急刹，只是平稳减速，安全通过，后排的孩子甚至没有意识到，刚刚存在一次潜在风险。 Waymo Driver 驶过十字路口 对研究自动驾驶接近 20 年的 Dolgov 来说，这个「什么都没发生」的瞬间，反而是一个非常强烈的时刻，比一次炫技式 Demo 更有分量。 当技术变得无感，才是真正成熟的开始，而这背后的工程，就是 Demo 和产品之间的距离。 Dolgov 在 Y Combinator 演讲中给出过一个非常直接的判断：一个能跑的 Demo，最多只占产品全部工作的 1%。剩下 99%，是把「能力」压成「可靠」。 Waymo 是这个差距的典型样本。 2010 年前后，一个约 12 人的工程师团队，用 18 个月就跑出了早期无人驾驶 Demo：累计 10 万英里（超 16 万公里）自动驾驶里程和 10 条各 100 英里的挑战路线，全程零人工干预。 用 Dolgov 的话说，按 Demo 标准，自动驾驶在 2010 年就已经「解决」了。 但从 Demo 走到面向公众的 Robotaxi 服务，也就是真正的商业化产品，Waymo 又用了约十年的时间。 2020 年，Waymo 在凤凰城向公众开放全无人驾驶服务，此后到每周 50 万次出行的规模化运营，又用了 5 年。 这条路上横亘的，是物理 AI 必须逐寸攻克的工程难题。 Waymo 第一个 1 亿英里全自动驾驶里程花了 15 年，第二个 1 亿英里只用了 7 个月。 从开启首个无人运营到服务四座城市，Wa

这两年，智驾圈发生了一件有意思的事：最懂自动驾驶的人，开始讨论自动驾驶之外的事情。 具身智能、物理 AI、机器人，成了他们挂在嘴边的新词。 今年 7 月，Mobileye 的创始人 Amnon Shashua 宣布，将在继任者到位后卸任 CEO，转任董事长，并全身心投入人形机器人公司 Mentee Robotics。 表面上看，这是 Mobileye 从汽车到机器人的业务延伸，但本质上，这是一场从智能驾驶到物理 AI 的产业迁移。 卓驭科技 CEO 沈劭劼把话说得更直接： 「智能驾驶只是物理 AI 的初始形态，绝非终局。」 Momenta CEO 曹旭东同样判断：自动驾驶是物理 AI 的序章。 这不是一场集体逃亡，而是行业在重新丈量自动驾驶的边界。 在他们的推演里，自动驾驶从来不是一个终点，而是 AI 走进物理世界踩下的第一个脚印。 和其他潜在载体相比，汽车恰好是第一台足够复杂、又足够标准化、还能卖出几千万台的机器，成了物理 AI 最早跑通「感知-决策-行动」闭环的载体。而这条路径的起点，可以追溯到 Mobileye。 1、Mobileye 证明了一件事：机器可以拥有一双「眼睛」 1998 年，行业的主流探索锚定在立体视觉上，大家希望用更多硬件信息，拼出一个更真实的世界。 意大利帕尔马大学 VisLab 实验室完成了 ARGO 项目，用两颗摄像头搭建的立体视觉系统，跑了 2000 公里来验证这条路。 而 Shashua 做出了一个反直觉的判断：不需要立体系统，一个简单的摄像头就能探测三维物体。 这个判断最终催生了 Mobileye，也划出了自动驾驶产业最早的一条分岔路，不停留在「摄像头怎么装」的工程问题，而是把问题拉回到原点： 一台机器，如何用更高的效率获得感知物理世界的能力。 单目视觉只是入口，真正撼动行业的，是 Mobileye 给了汽车「眼睛」，推动「摄像头+算法+专