智能化浪潮正席卷全球并深刻重塑交通领域。芯片、激光雷达、AI算法、车路协同等相关技术快速迭代，无人驾驶出租车、无人配送等场景逐步落地，推动智能辅助驾驶商业化进入关键期。

2025年的智能辅助驾驶赛道，不再只是参数的较量，更是一场竞速与暗战——当车企市值榜单形成断层式分层，当全栈自研派与开放合作阵营争论不休，当激光雷达价格腰斩，当国产芯片加速替代，人人都想“挤上列车”，谁才能留下？

新京报记者初步梳理，目前国内涉及智能辅助驾驶业务的上市公司至少300家，涵盖A股、港股、美股市场。综合数据与研报显示，中国在智能辅助驾驶领域的公司总量已有上千家。

基于此，根据公开数据及企业信息，新京报记者对辅助驾驶行业的功能水平、上市企业市值、合作客户数量等进行盘点。A股涉及智能辅助驾驶的上市公司里，市值最高、新能源车销量最高的企业是万亿龙头比亚迪，位列智能辅助驾驶功能第一梯队的是华为、比亚迪、小鹏等，合作车企客户数量则是Mom en ta领先。

市值、生态、产业链的竞争背后，是我国螺旋式上升发展的智能辅助驾驶行业的立体图景。新京报记者林子

市值比拼万亿龙头与追赶者

按照截至2025年5月14日的总市值排名，A股中涉及智能辅助驾驶概念、总市值前五名的企业分别是比亚迪、赛力斯、上汽集团、长城汽车、中际旭创。

比亚迪以1.11万亿元市值稳居A股智能辅助驾驶企业榜首。第二梯队的角逐更显白热化，赛力斯（2134亿元）、上汽集团（1922亿元）、长城汽车（1729亿元）的市值差距仅在百亿量级。而在美股市场，小鹏、理想等新势力的市值表现亦难分伯仲。

有产业链相关企业向新京报记者表示，如今整车厂直接面对终端市场，获得的关注度更高，话语权、定价权更高。而技术供应商虽然在技术赛道上更加专业，但话语权相对更低。对于资本市场而言，也会相对更青睐体量更大、更具有品牌效应、更能“说故事”的整车厂。这反映到市值上，在港股市场，地平线、黑芝麻智能等供应链企业市值尚不足千亿港元。

销量对比

技术普惠与品牌溢价

进一步按照销量对比，比亚迪的新能源车销量一骑绝尘。2024年，比亚迪全球新能源汽车销量达427.2万辆，同比增长41.26%，成为全球新能源车市场销量冠军，庞大的销量为其辅助驾驶发展提供了数据基础。

比亚迪的竞争对手已不仅是国内车企，而是作为中国车企代表与特斯拉展开竞争。

在比亚迪2024年度销量超越特斯拉的同时，二者背后的竞争逻辑截然不同。比亚迪凭借规模化“智驾平权”策略，将智能辅助驾驶技术下沉至7万元级市场，而特斯拉则依靠FSD技术溢价维持中高端定位。这场市值竞赛背后，是亲民与品牌溢价两条路线。

生态之战

全栈自研与开放合作

当前，智能辅助驾驶技术已进入高速发展期，各家企业通过自研或合作方式推出差异化解决方案，推动功能普及与体验升级。

在车企中，比亚迪、小鹏都是车企自研的代表，也属于第一梯队。举例来说，比亚迪全栈自研的高阶智能辅助系统名为“天神之眼”。小鹏、理想等车企也在辅助驾驶功能上不断发力。

也有企业并不完全认同车企的自研模式。博世智能驾控系统中国区总裁吴永桥就曾公开表示，未来中阶智能辅助驾驶将成为标配，主机厂每年投入数亿甚至数十亿进行全栈自研，成本巨大且性价比不高，应交给供应链处理。

华为一直被列为智能辅助驾驶系统的第一梯队。华为智能汽车解决方案BU首席执行官靳玉志在2024年就表示，接下来有7家车企的10个品牌会采用乾崑解决方案，包括长安深蓝、赛力斯问界等，预计采用华为智驾的汽车超50万辆。

与完全自研形成对比的是，华为的“朋友圈”模式展现出另一种可能性。目前华为针对汽车业务共有三种模式，分别是零部件供应模式、H I（Huawei Inside）模式、智选车模式。

向宝马、比亚迪等车企提供零部件，简称“零部件供应模式”。依靠华为智能解决方案合作，例如北汽极狐、阿维塔等，简称HI模式。车企与华为深度合作，华为参与产品设计、营销及销售，这些车型会出现在华为体验中心展示，问界、智界等就属于这类合作，简称智选车模式。上述三种模式中，合作深度最紧密的是智选车模式。

上汽集团曾公开表态“要把灵魂掌握在自己手中”，如今也选择与华为合作尚界。而华为的合作伙伴们在获得了合作车型销量增长带来的福利的同时，也需要面对“车企本身是否掌握核心技术”的质疑，例如赛力斯、江淮能否独立打造出属于自己品牌的优质车型。

更值得关注的还有中间路线的崛起，自动驾驶独角兽M omenta（北京初速度科技有限公司）、百度Apol⁃lo等技术供应商正在探讨自己的独特路线。

量产、大规模应用是M omenta的关键词。今年5月12日，享道出行与M o⁃menta签署战略合作协议，双方将联合打造全球首个基于前装量产方案的robotaxi（自动驾驶出租车）车队，率先在上海启动运营，它将成为一支“诞生即面向城市大规模应用”的robotaxi车队。

而百度萝卜快跑则瞄准了海外。今年3月28日，百度萝卜快跑宣布与迪拜道路交通局签署战略合作协议，计划在迪拜部署超过1000台全无人驾驶汽车。这也是萝卜快跑首次在中国以外的地区开展无人驾驶规模化测试和服务。

产业链之变内卷与重构

当智能辅助驾驶功能从“高端标签”变为“基础配置”，一场席卷全产业链的洗牌已然开启。

新京报记者梳理发现，辅助驾驶供应链企业在客户数量上的竞争呈现出覆盖范围广、合作数量多、客户类型多元化的特点，各企业都在努力扩大自己的客户群体，以在激烈的市场竞争中占据优势。

其中，合作车企覆盖范围最广的企业是Momenta，合作车企覆盖全球前十大车企中的7家，合作量产车型超130款。

在激光雷达领域，两大“龙头”战况胶着，竞争异常激烈。速腾聚创与28家整车厂及一级供应商的92款车型合作。禾赛科技与22家车企的120款车型合作，并在降价策略下同步拿下大单。

禾赛科技创始人李一帆在2024年11月接受媒体采访时公开表示，公司计划2025年将主要激光雷达产品的价格降低一半，达到200美元，这意味着价格低于15万元的电动汽车也能用上激光雷达。到了2025年2月11日，禾赛科技宣布，比亚迪的多款车型将搭载禾赛的激光雷达产品，并计划在2025年实现量产交付。

这些消息在显现激光雷达赛道“内卷”的同时，也反映出车企的议价能力。亿咖通科技联合创始人、董事长沈子瑜在2024年3月公开表示，“未来不会存在什么激光雷达公司、毫米波雷达公司，只会存在智能电动汽车的增量部件公司。”

芯片赛道的竞争更显残酷。地平线用9年时间实现征程系列芯片装车超400万片，在L2级市场对M obileye形成替代。在英伟达O rin芯片仍主导高端市场的现实下，国产芯片企业还有较长的路要走。

除了硬件迭代外，软件路线之争同样激烈。目前，特斯拉引领的“无图化”路线与四维图新坚守的“高精地图”派激烈交锋。

在多方位的竞争背后，企业也面临着共同挑战。智能辅助驾驶领域，L3级及以上自动驾驶技术并未被允许上路，国家层面也暂未出台更为详细的涉及责任界定、道路法规的规定与条例。智能驾驶技术的商业化落地仍面临不确定性。

此外，无论是车企的全栈自研，还是产业链企业的研发，从芯片、算法到系统集成，每一个环节都需要大量资金支持。未来，动辄百亿级的投入将持续拉高智能辅助驾驶领域的门槛。

尽管如此，我国螺旋式向上发展的智能辅助驾驶行业的全景图也已然展开。比亚迪的“智驾平权”让辅助驾驶走进千家万户，华为的“多方合作”不断拓宽边界，而禾赛科技、地平线的崛起则证明，在万亿级市场中，没有永远的巨头。

车圈圆桌派辅助驾驶技术创新与安全底线如何平衡？

工信部今年4月起对智能网联汽车的宣传进行强监管，要求汽车企业充分开展组合驾驶辅助测试验证，明确系统功能边界和安全响应措施，不得进行夸大和虚假宣传。中国汽车工业协会联合中国汽车工程学会也发布规范驾驶辅助宣传与应用的倡议书。一时间，车企对自动驾驶、自主驾驶、智能驾驶、高阶智驾等说法，纷纷改称辅助驾驶。

监管趋严，辅助驾驶如何平衡技术普及与安全性？怎样建立跨车企的辅助驾驶事故数据库？新京报记者就辅助驾驶发展相关话题，邀请企业、专家等9位嘉宾参与《车圈圆桌派》一同探讨。新京报记者王琳琳林子张冰

新京报制图/许骁

观点1

普及辅助驾驶需以安全性为前提

新京报：辅助驾驶技术普及与安全性如何平衡？

卢放：首先，辅助驾驶技术的普及应遵循渐进式发展路径，每个阶段需通过充分验证确保可靠性，避免过早追求“完全无人化”而忽视潜在风险，同时关键系统（如感知、决策、执行）需采用多传感器融合、算法冗余、硬件备份等设计，并且通过海量虚拟仿真测试（覆盖极端场景）和真实道路测试积累数据，优化算法对复杂场景的应对能力。唯有技术成熟，安全才有保障。

另外，在宣传辅助驾驶技术的时候一定要讲平权，以安全为基础，让用户清楚地知道每一台车技术的能力边界是什么。辅助驾驶的终极目标是提高用户出行安全性。企业需以“安全优先”而非“速度优先”为原则，公众则需理性看待技术潜力与局限。

吴会肖：长城汽车一直强调现阶段辅助驾驶仍处于初级发展阶段，距离真正的自动驾驶还有很长的路要走。辅助驾驶的核心价值是提升出行安全与效率，而非营销噱头。此外，我们建议建立国家级智能驾驶公共测试数据库，共享脱敏事故数据，加速智驾安全标准建立和迭代。

企业在产品传播中，要正视技术的发展阶段、尊重其发展规律，要将技术的可用性、适用性真实地告知用户，避免因为夸大式宣传，引发用户的误用风险，甚至影响对中国汽车产业的整体认知。

汪浩伟：越智能的算法，安全挑战也越大；相反，最安全的算法，就是最简单的逻辑。所以辅助驾驶普及的最核心问题是寻找智能和安全的平衡。绝对安全是做不到的，更重要的是让最终用户清楚系统的能力边界，而不能过度依赖系统能力。安全是一个综合性的工程，没有一劳永逸的做法。要从系统设计、算法、安全机制、用户培训、法规、新技术多个维度努力。

郑庄成：辅助驾驶的普及与安全性并非对立关系，而是需要协同推进的“一体两面”。平衡二者需从几个维度实现：一是以确保安全性作为最底层辅助驾驶需求进行技术迭代；二是建立行业安全基线；三是用户教育，普及与透明化并重；四是生态协同，全产业链责任共担。

戴一凡：辅助驾驶应用的本质是为了提高安全，脱离安全保障去谈普及辅助驾驶系统是没有意义的。所以这两者有一个“优先权重”关系，一定是在保障安全、提高现有驾驶安全性的前提下，再去推广辅助驾驶系统。

观点2

需破除对辅助驾驶的“绝对信任”

新京报：针对公众对辅助驾驶的“绝对信任”，如何重建透明沟通机制？

汪浩伟：绝对信任是个危险的名词，因为没有绝对安全的系统。公众对辅助驾驶的相对信任，才是业界需要追求的。相对信任意味带着边界和条件，也意味着我们一定是追求在一定条件下的最好，而不是全局最优解。

郑庄成：透明化是辅助驾驶时代的技术安全带。四维图新基于技术透明、实时更新可查、“数据安全是构建智驾安全的基石”等三个核心举措重建公众信任。

戴一凡：目前辅助驾驶需要驾驶员一直在环并保持清醒的状态，特别是在一些异常道路场景下。辅助驾驶需要科普而不是炒作，所谓“辅助”，就是帮助驾驶员，宣传上要有一定引导。

庄景乾：很多人以为“智驾”系统已经足够安全和可依赖，现实并非如此。这种误解很大程度上来自车企早期的宣传策略，让消费者误以为技术已经成熟到可以替代人类驾驶，忽略了系统的能力边界和潜在风险。

观点3

辅助驾驶事故数据库建议政府主导

新京报：有建议提出可建立跨车企的辅助驾驶事故数据库，为责任认定提供技术基准，你怎么看？

汪浩伟：要建立跨车企的辅助驾驶事故数据库，必然在国家层面出台相关的数据上传标准，并且最好是强制执行。

同时，在责任认定上要兼顾安全底线和行业发展的平衡。如果将所有责任都推给车企，将导致公众使用辅助驾驶功能缺乏敬畏之心，最终会抑制车企发展辅助驾驶的动力。

庄景乾：“由政府主导，联合车企共同构建统一的国家级数据库”有助于规范行业实践。当前车企间技术路线差异大、数据格式不一，若各自为政将形成“数据孤岛”，无法支撑行业通用标准。政府可牵头制定数据采集规范，车企接入运行日志、传感器数据、系统决策记录等关键信息，并建立隐私保护机制，对敏感信息进行脱敏处理。

数据库建成后，还需配套明确责任划分框架，建议由立法机构制定专项法律，同时明确技术缺陷的认定标准和动态划分人机责任比例。此外还可以考虑建立“数据黑匣子”制度，把数据解析权交由第三方权威机构。

观点4

辅助驾驶将向平权方向发展

新京报：你认为L3级或L4级自动驾驶的发展会受阻吗？辅助驾驶的趋势是什么？

卢放：L3或L4的发展可能会受到一些阻碍，但整体趋势仍然是向前的。尽管现有技术已覆盖绝大部分的常规场景，但一些极端场景（如暴雨、道路标线模糊、突发障碍物）仍是L3、L4落地的核心障碍；加上公众对自动驾驶技术的认知不足，在一定程度上限制了L3、L4技术的广泛应用。

但当前行业已具备L3级技术储备，同时工信部也正加速完善自动驾驶标准体系，推动安全基线建设，产业链也在协同升级。这些都是利好的方面。

邓承浩：当前政策对L2功能的规范，本质上是为高阶自动驾驶铺路的“破冰行动”，这非但不会阻碍L3/L4发展，反而构建了三大助推引擎。第一是建立技术演进坐标系。工信部最新发布的《汽车驾驶自动化分级》国标首次明确L2与L3的责任分界线（ODD运行设计域），这将加速消费者认知从“功能有无”转向“能力边界”，为L3/L4的商业化扫清认知障碍。第二是开辟技术验证快车道，“车-路-云”立体验证体系，使技术成熟周期缩短30%。第三是重构产业协作生态，制度性突破比单纯的技术攻坚更具战略价值。

郑庄成：从四维图新视角及安全冗余角度来看，未来辅助驾驶的发展趋势不会脱离地图。AI大模型助力高阶智驾加速落地，但高精度地图始终是辅助驾驶不可或缺的先验传感器。所谓“无图”，会带来成本增加、数据采集不合规等一系列问题。

张瑞雪：辅助驾驶的规模化落地主要面临几个问题：一是复杂场景（如无信号场景、复杂环境）的感知与决策仍是核心难点。现有单车智能依赖多传感器融合，但硬件堆叠（如激光雷达）成本高昂，且无法完全覆盖所有长尾场景。二是现行法律对自动驾驶事故责任的划分尚未明确，保险体系亦缺乏适配方案。三是数据闭环能力不足，高阶自动驾驶依赖海量场景数据的采集、标注与模型训练，但现有测试区域开放度有限，导致数据多样性不足。

庄景乾：L3/L4级自动驾驶的落地面临三大核心挑战：首先是长尾场景处理，即系统在极端或罕见场景下的可靠性不足；其次是法律滞后；最后是基础设施的协同不足，尤其是车路协同（V2X）的推进缓慢。未来，无论是L2、L3或L4级别的辅助驾驶，都将向平权方向发展。这主要是由于辅助驾驶核心部件的成本正在快速下降，技术正突破高价壁垒，走向规模化应用。