在智能驾驶技术日新月异的今天，全国范围内的无图驾驶已成为现实。2024年末，各大主流车企纷纷宣布实现了无需高精度地图的自动驾驶，标志着智能驾驶技术迈入了一个新的阶段。而在这一浪潮中，领先的智能驾驶方案商正加速从传统规则算法框架向神经网络模型，即“端到端技术”转型。
这一转型的背后，是规则代码编写的复杂性日益凸显，新代码与旧代码的兼容性问题频发，使得传统方法难以为继。一家顶级智能驾驶方案商的技术负责人坦言：“我们不得不转向端到端架构，因为规则代码已经难以驾驭，新代码的开发往往会引发老代码的崩溃。”
端到端大模型的引入，为智能驾驶工程师们带来了前所未有的解脱。过去难以用规则准确描述的复杂场景，如掉头、环岛等，在大数据的滋养下，被模型自然而然地掌握，甚至展现出令人惊喜的驾驶表现。这一技术升级，让智能驾驶系统得以更大程度地享受数据规模扩张带来的红利，从逐个场景解决问题转变为按能力批量解决问题。
行业重心也随之发生转变，从招募顶级工程人才转向模型设计、工具链开发以及模型测试验证。曾经，团队规模被视为衡量技术先进性的重要指标，如华为车BU的数千人开发团队。然而，到了2024年下半年，云端算力成为了行业比拼的关键。从2023年的城市覆盖竞赛，到2024年末的“车位到车位”竞赛，数据闭环成为了智能驾驶领域的核心生产力。
2025年，智能驾驶技术将迎来更大规模的量产，中阶智能驾驶方案将迎来爆发式增长。车企们纷纷推出车位到车位、L3级自动驾驶试点等新功能，以期在激烈的市场竞争中抢占先机。面对这一挑战，多家智能驾驶科技公司纷纷表示，构建高效的数据闭环体系，推进技术迭代，打造具有品牌特色的智能驾驶体验，是避免内卷、赢得市场的关键。
对于刚刚涉足智能驾驶领域的汽车品牌而言，中阶方案在过去一年的快速成熟为它们提供了宝贵的机遇。从TI TDA4VH到黑芝麻智能华山A1000、地平线J6E/J6M、高通8620/8650，再到英伟达OrinN，车企们拥有了丰富的中阶方案选择。这些方案以高速NOA为主干，成本适中，且多数已经完成了量产验证。
腾讯智慧出行副总裁刘澍泉指出：“中阶智能驾驶方案已经相对成熟，基于规则算法的框架加上高精地图或轻地图，已经能够满足大部分需求。”以卓驭基于TDA4VH的中阶方案为例，其硬件成本在量产过程中不断降低，甚至已经实现了基于端到端的城市NOA功能。
黑芝麻智能也在过去一年中取得了显著进展，其华山A1000芯片在领克、东风奕派等车型上实现量产，并正在进行城区LCC以及记忆行车的泛化测试。同时，黑芝麻智能推出了A2000家族，将城市NOA的性价比推向了新的高度。
比亚迪、吉利、东风、长安、五菱等传统主机厂正在大幅增加中阶智能驾驶方案的配置比例。然而，与具有丰富智能驾驶量产经验的新势力车企不同，传统主机厂在量产中阶智能驾驶方案时面临的最大挑战是持续的智能驾驶运营能力，即数据闭环的搭建。刘澍泉建议：“对于传统主机厂而言，建设高效的数据闭环体系是当前必须完成的任务。”
新势力车企在数据闭环上更注重成本优化、效率提升和服务稳定性，而传统主机厂则仍处于从0到1的阶段。腾讯在今年9月发布的车云一体化数据闭环体系，正是为智能驾驶大规模量产而设计的一站式解决方案，旨在帮助车企推动基于数据的增长飞轮。
随着智能驾驶技术的不断进步，城市NOA的装机量也在快速增长。2024年，以华为、蔚来、小鹏、理想等品牌为代表的城市NOA装机量预计将达到150-200万台。未来五年内，这一级别的高阶智能驾驶搭载量有望达到2000万台。腾讯智慧出行副总裁刘澍泉预计，2025年城市NOA的搭载数量将至少翻升2-3倍。
在智能驾驶算法方面，基于大模型的Scaling Law成为了今年下半年技术提升的主要驱动力。头部企业纷纷加大模型训练的数据规模，并探索模型架构的演进。博世智能驾控中国区总裁吴永桥认为，从两段式端到端到一段式端到端，最后到世界模型，这是业内目前达成的共识。黑芝麻智能也计划推出基于One Model架构的端到端算法参考方案。
随着智能驾驶系统全面模型化，智驾的交付方式也将从单车部署转变为以服务订阅为核心的方式。科技公司可以针对模型的升级、调优，持续为主机厂提供服务，从代码交付升级为云服务交付。这一变革不仅将颠覆性地改变智能驾驶技术的提升速率，还将改变智能驾驶本身的商业模式。
