问题——技术热潮与落地现实并存，行业进入“深水区”； 过去十年，智能驾驶从概念验证走向量产应用，热词不断更迭，市场期待也起伏中被反复校准。一上，自动驾驶对应的功能更多车型上出现，用户对通勤、泊车、城市辅助驾驶等场景的体验要求明显提高；另一上，复杂道路环境、长尾风险与安全边界仍是绕不过去的“硬约束”。如何安全可控前提下实现持续迭代、成本下降与体验提升，成为产业必须回答的核心命题。 原因——从算法、数据、算力到工程化能力的系统进化。 余凯回忆，早期自动驾驶演示更多依赖人工保障：为确保车道线识别稳定，需要提前处理路面标线；为减少传感器误检，还要对路侧植被等进行临时处置。这些细节折射出当时感知算法鲁棒性不足、数据覆盖有限、工程系统不成熟的客观现实。随着深度学习方法、训练数据规模、车端算力平台以及软件工程体系持续提升，行业逐步从“能跑起来”走向“能用起来、好用起来”。特别是端到端等新路线的出现，推动感知、预测、规划控制的协同方式发生变化，目标直指减少模式切换与功能断点，提升时延表现与一致性体验。 影响——高阶辅助驾驶加速下探，竞争焦点回归“产品与体验”。 在产业层面，量产合作成为衡量企业能力的重要标尺。地平线上表示，已与全球40余家车企及品牌建立合作，形成覆盖低、中、高阶全场景的智驾计算方案布局。更值得关注的是，高阶辅助驾驶正从高价位车型向主流市场渗透：其HSD高阶智驾方案已进入13万至15万元级车型，并提出未来更下探至7万至10万元级车型的规划。价格带下探的意义在于，智能驾驶从“少数人的尖端功能”转向“多数人的日常工具”，将重塑消费者对车辆配置与使用体验的评价体系，也会倒逼产业在安全、成本、供应链与交付节奏上形成更强的系统能力。 对策——以“先不败”为底线，围绕安全与规模化建立产业方法论。 余凯提出“永远在牌桌上”的表述，本质上是对不确定周期的风险管理：在技术路线快速变化、监管与舆论高度关注的背景下，与其追求一时领先，不如坚持可持续投入与可验证进步，确保每一次迭代都在安全边界内推进。具体而言，一是把目标从追逐概念转向提升产品竞争力与用户体验，避免“功能堆叠”而忽视可用性；二是加强工程化与数据闭环能力建设，通过海量路测与真实场景数据提升系统对长尾问题的覆盖；三是推动软硬件协同优化，降低成本、提升算效，支撑高阶能力在更大规模车型上稳定交付；四是强化安全责任与用户沟通，明确能力边界，减少误用风险，形成企业、车企与用户之间的清晰预期。 前景——2026年前后或迎来“普及与分化”并行的新阶段。 面向未来，随着算力平台迭代、端到端技术路线加速成熟、量产数据规模继续扩大，高阶辅助驾驶有望在更多城市与更复杂场景中实现体验提升。但同时，行业也将出现更明显分化：能否在低成本硬件条件下保持可靠性，能否在“无高精地图、减少断点、减少模式切换”等方向持续兑现，能否建立可持续的交付与运维体系，将决定企业在下一轮竞争中的位置。可以预见，单纯的概念包装将难以为继，稳定、安全、可验证的用户价值将成为主导标准。
十年间，中国自动驾驶产业从萌芽走向成熟。从依赖人工到接近“老司机”水平——从豪车专属到大众普惠——该历程不仅是技术的进步，更是产业理性的回归。地平线等企业的经验表明，在产业发展中，深刻理解技术本质、精准把握用户需求、保持战略定力比盲目追求规模更为重要。随着高阶智驾向中低端市场渗透，中国智能驾驶产业正迈向新阶段，未来值得期待。