| S/N | 企業(yè) | 備注 |
|---|---|---|
| 1 | 華為乾崑 | 全棧自研端到端智駕大模型，國內城市NOA方案市占率第一 |
| 2 | 小鵬汽車 | 主機廠全棧自研標桿，發(fā)布第二代VLA物理世界大模型 |
| 3 | Momenta | 自研R6強化學習大模型，國內城市NOA第三方供應商市占率第一 |
| 4 | 理想汽車 | 自研MindVLA-o1自動駕駛基礎模型 |
| 5 | 輕舟智航 | 國內第二家達成百萬級交付的智駕方案商 |
| 6 | 地平線 | 國內首個量產真一段式端到端智駕大模型（HSD） |
| 7 | 卓馭科技（大疆車載） | 自研純視覺、低成本端到端智駕大模型，10萬級市場普及 |
| 8 | 蔚來 | 自研NWM世界模型 |
| 9 | 千里智駕(吉利) | 自研WAM世界行為模型，應用于極氪、領克等車企多款車型 |
| 10 | 百度Apollo | 自研Apollo ADFM模型，“蘿卜快跑”累計運營訂單已超2000萬 |
| 11 | 小米汽車 | 自研XLA大模型，新一代小米SU7全系交付 |
| 12 | 蘑菇車聯(lián) | 自研物理世界AI大模型MogoMind，自動駕駛巴士MOGOBUS已在北京、上海等二十余個城市落地運營 |
| 13 | 比亞迪 | 自研天神之眼端到端智駕大模型 |
| 14 | 元戎啟行 | 自研輕量化VLA端到端智駕大模型，與長城、零跑等車企合作 |
| 15 | 文遠知行 | 自研WePilot 3.0一段式端到端大模型，服務奇瑞、廣汽等車企 |
| 16 | 小馬智行 | 自研PonyWorld世界模型，第七代Robotaxi在廣州、深圳等地投入運營 |
| 17 | 滴滴自動駕駛 | 新一代Robotaxi R2在北京、廣州開展道路測試 |
| 18 | 商湯絕影 | 自研自研端到端多模態(tài)智駕大模型，與東風等車企合作 |
| 19 | 嬴徹科技 | 自研干線物流端到端智駕大模型，已交付數(shù)千臺智能重卡 |
| 20 | 智加科技 | 自研商用車端到端智駕大模型，服務一汽解放、滿幫集團等企業(yè) |
| 21 | 長安汽車 | 自研天樞大模型 |
| 22 | 馭勢科技 | 自研端到端自動駕駛大模型，適配機場、廠區(qū)、港口等封閉場景 |
| 23 | 希迪智駕 | 聚焦商用車、園區(qū)封閉場景 |
| 24 | 易控智駕 | 自研礦區(qū)端到端智駕大模型，無人駕駛礦卡落地規(guī)模突破2300臺 |
| 25 | 卡爾動力 | 自研干線物流端到端智駕大模型，運營規(guī)模已超 400輛 |
| 26 | 零一汽車 | 自研重卡端到端多模態(tài)、純視覺智駕大模型 |
| 27 | 魔視智能 | 自研Motovis智駕大模型，與奇瑞、北汽極狐等車企合作 |
| 28 | 踏歌智行 | 自研礦區(qū)封閉場景端到端智駕大模型 |
| 29 | 中科慧拓 | 自研愚公YUKON礦山大模型 |
| 30 | 紐勱科技 | 自研多模態(tài)端到端VLA智駕大模型 |
| 2026.03 DBC/CIW/eNet16 | ||
當端到端大模型從少數(shù)廠商的技術秀場，變成全行業(yè)的標配，智駕行業(yè)的戰(zhàn)爭，已經徹底換了戰(zhàn)場。
2026年的中國智駕市場，早已告別了“PPT式概念發(fā)布”的狂熱期，也終結了堆硬件、拼參數(shù)的內卷戰(zhàn)。行業(yè)的核心矛盾，已經從能不能做出智駕大模型，徹底轉向能不能用智駕大模型跑通可持續(xù)的商業(yè)閉環(huán)。
這不是一次簡單的技術迭代，而是一場關乎所有玩家生死的范式革命。那些沉迷于技術極致主義的玩家正在被淘汰，而真正理解商業(yè)本質的玩家，正在構建起無法被輕易復制的護城河。
自動駕駛的底層邏輯變革
很多人把智駕大模型的價值，理解為“讓輔助駕駛更好用”，這是對這場變革最淺層的認知。智駕大模型帶來的，是自動駕駛從工程驅動到數(shù)據驅動的底層邏輯顛覆，是從第一性原理出發(fā)對“讓機器學會開車”這件事的重新定義。
傳統(tǒng)的模塊化智駕方案，本質是一套由人類工程師編寫的“規(guī)則集合”——把駕駛拆解為感知、預測、決策、控制四個獨立模塊，為每個場景編寫對應的處理規(guī)則，用“打補丁”的方式覆蓋盡可能多的路況。這套架構的致命缺陷是與生俱來的：模塊割裂帶來的誤差會像滾雪球一樣逐級放大，人工規(guī)則永遠無法覆蓋真實世界的長尾場景，而標注成本會隨著場景復雜度的提升呈指數(shù)級增長。
這也是為什么過去十幾年，自動駕駛始終無法突破從示范運營到規(guī)模化落地的瓶頸。當駕駛的復雜度超過了人類工程師能預設的規(guī)則邊界，傳統(tǒng)架構就觸碰到了無法逾越的性能天花板。
而端到端智駕大模型，則通過統(tǒng)一的神經網絡，實現(xiàn)了從傳感器原始數(shù)據輸入，到車輛控制指令輸出的全鏈路打通，把自動駕駛從一個工程推演問題，變成了一個數(shù)據學習問題。工程師無需再為無窮無盡的場景編寫規(guī)則，只要搭建好模型架構，用海量真實駕駛數(shù)據，甚至世界模型生成數(shù)據完成訓練，模型都能自主學習到復雜場景的處理邏輯，甚至涌現(xiàn)出從未被訓練過的場景應對能力。
隨之改變的，是整個產業(yè)的護城河形態(tài)。過去，智駕企業(yè)的壁壘是工程化能力、模塊優(yōu)化深度、高精地圖覆蓋范圍；而今天，核心壁壘變成了三個環(huán)環(huán)相扣的能力：數(shù)據閉環(huán)的迭代效率、模型規(guī)?；涞氐某杀究刂颇芰Α④浻矃f(xié)同的深度優(yōu)化能力。
更重要的是，智駕大模型的scaling law（縮放定律）已經被行業(yè)驗證：在合理的架構下，模型性能與數(shù)據規(guī)模、算力投入呈現(xiàn)出穩(wěn)定的線性增長關系。這意味著，行業(yè)的馬太效應會被無限放大——率先實現(xiàn)規(guī)?；b車的玩家，能獲得更多的真實駕駛數(shù)據，用更快的速度迭代出更好的模型，進而吸引更多的車企合作，形成正向飛輪。
“剛剛好”的生存法則
如今的智駕行業(yè)，更為深刻的一個變化是：行業(yè)已經從技術理想主義，回歸到了商業(yè)現(xiàn)實主義。
過去，行業(yè)陷入了一個嚴重的認知誤區(qū)：把技術先進性等同于商業(yè)競爭力，玩家們瘋狂比拼模型參數(shù)量、傳感器數(shù)量、算力TOPS值，仿佛參數(shù)越大、硬件越滿，就越能在市場中勝出。但商業(yè)化的現(xiàn)實給了這些玩家沉重一擊：用戶不會為實驗室里的極限性能付費，只會為日常通勤場景里穩(wěn)定、省心、不用接管的體驗買單；車企不會為無法量產的技術買單，只會為能在成本可控的前提下實現(xiàn)規(guī)?；宪嚨姆桨纲I單。
智駕商業(yè)化的核心悖論正在于此：技術的極致追求，與商業(yè)化的成本約束，天然是對立的。兩道無法繞開的生死線正在成為行業(yè)清晰的共識：
第一道是100萬臺的裝機量門檻。這是支撐一個智駕大模型持續(xù)迭代的最低數(shù)據規(guī)模要求。只有突破百萬級裝車量，才能獲得足夠豐富的真實場景數(shù)據，形成穩(wěn)定的數(shù)據回流體系，讓模型進入持續(xù)優(yōu)化的正向循環(huán)。達不到這個門檻的玩家，無論技術有多強，最終都會因為數(shù)據迭代速度跟不上頭部玩家，而被市場邊緣化。
第二道是10萬級車型的成本門檻。智駕已經從高端車型的溢價賣點，變成了主流車型的標配。2026年，高階智駕已經全面下探到10萬元左右的國民車型，能否在有限的硬件成本里，實現(xiàn)覆蓋90%日常通勤場景的穩(wěn)定體驗，決定了玩家的生存空間。
這也是為什么2026年行業(yè)的核心趨勢，是從堆硬件的重方案，轉向軟硬協(xié)同的輕量化方案；從多傳感器冗余的安全邏輯，轉向用大模型泛化能力替代硬件堆料的效率邏輯。頭部玩家們紛紛刪掉了積累多年的規(guī)則代碼庫，全面轉向端到端數(shù)據驅動，本質上就是用模型能力替代硬件冗余，用算法優(yōu)化降低落地成本，讓智駕方案能適配更廣闊的主流市場。
商業(yè)世界的底層邏輯從來都是如此：技術的終極價值，不是突破極限，而是普惠大眾。無法實現(xiàn)規(guī)模化落地、無法被大眾市場接受的技術，無論有多先進，都沒有長期的商業(yè)價值。那些沉迷于技術極致主義、忽略商業(yè)成本約束的玩家，最終只會在這場淘汰賽中黯然離場。
結語
2026年，智駕大模型的行業(yè)淘汰賽，已經進入了最后的收官階段。
當技術的神秘感褪去，行業(yè)最終會回歸商業(yè)的本質：創(chuàng)造用戶愿意付費的價值，跑通可持續(xù)的盈利模型。技術只是實現(xiàn)這個目的的手段，而非目的本身。這，就是智駕大模型這場戰(zhàn)爭，最終的真相。
（文/米欄）
e-Mail：lab@enet16.com
