消费者态度与市场发展动能到2035年多数中国消费者认为大多数汽车会实现完全无人驾驶而西方消费者中约四分之一认同这一预期。ADAS与自动驾驶正快速走向普及ADAS功能对购车决策的影响力持续提升在高端车型市场尤为明显。消费者也愿意乘坐非自有自动驾驶车辆超60%的受访消费者表示会考虑使用Robotaxi约半数受访者预计未来几年出行费用将有所下降。不过消费者对技术落地进度的预期普遍高于行业专家。多数受访自动驾驶领域专家认为L2级系统将在2035年前主导大众市场同期L3及更高级别系统大概率仍仅限定于特定场景与区域落地。L2系统的持续迭代与L4自动驾驶的稳步推进将推动全球ADAS软件与电子市场持续增长预计年复合增速约16%到2035年市场规模将达到约1600亿美元其中软件与域控制器DCU将占据最大市场份额。尽管行业增长动能强劲但自动驾驶的规模化落地仍面临高成本与技术难题。2025年11月针对40余位行业高管的非正式调研显示ADAS落地的三大核心挑战分别为安全保障23%、车载推理的高算力需求14%、监管与法律不确定性14%。从规则驱动到端到端系统过去十余年ADAS与自动驾驶的发展主要依托规则驱动的软件架构。当下行业正经历一场深刻的架构变革。两大技术与战略力量正在加速端到端架构的普及第一生成式AI大幅加快了ADAS与自动驾驶技术的迭代速度端到端架构可从大规模数据集中直接学习驾驶行为对陌生场景的泛化能力更强驾驶表现更接近人类自然驾驶习惯。第二L4级自动驾驶的技术攻关推动了生态跨领域协作半导体企业、整车厂与出行运营商的合作日益常态化多数落地项目采用分阶段模式这类协作正在重塑行业竞争格局加速技术迭代。ADAS与自动驾驶的三类技术路线当前ADAS领域形成了三类主流架构普遍结合多模态视觉模型与强化学习/模仿学习技术。第一类是传统ADAS自动驾驶1.0基于模块化流水线架构仅在层级内部有限应用机器学习等AI技术。第二类是混合架构将端到端学习与规则化安全机制相结合。端到端架构被视为第二代自动驾驶技术自动驾驶2.0它基于Transformer模型可实现多变场景下的泛化适配。布局端到端自动驾驶的企业主要分为两大技术路线一是模块化端到端设计优势是中间输出可观测、可独立验证短板是模块接口处存在信息损耗二是单一体架构设计可减少信息损耗但技术复杂度大幅提升。行业已逐渐形成共识在高度多变的驾驶环境中端到端架构的表现优于传统系统但存在可解释性不足的核心难题这给安全验证、问题排查与监管审批带来了阻碍。多数行业参与者认为L2系统的规模化速度将快于完全自动驾驶。若要依托纯端到端算法实现L3、L4级规模化落地需要多领域技术同步突破。而在端到端算法基础上叠加安全监控层的混合方案有望加速端到端模型在L3、L4车型中的落地应用。车载硬件和系统需求的新纪元汽车半导体市场正快速演进预计ADAS/自动驾驶处理芯片市场规模将从2025年的约56亿美元增长至2035年的超460亿美元年复合增速约24%大中华区预计在2035年成为全球最大市场。随着行业从规则驱动ADAS向端到端AI系统转型车载算力需求急剧攀升。NPU与内存带宽的三大结构性趋势正在驱动下一代车载算力升级第一自动驾驶等级提升让算力需求大幅增长第二端到端架构的普及改变了车载SoC的内部算力构成第三行业向集中式计算平台演进。当前主流ADAS SoC的INT8算力通常在100~400 TOPS随着AI工作负载要求提升架构算力分配正在发生变化。端到端ADAS架构从“算力受限”转向“内存受限”内存带宽正日益成为系统性能的决定性因素。内存的重要性也延伸至车端之外AI需求激增正在引发存储芯片供应紧张。除吞吐量外端到端系统还要求确定性时延确定性执行与时延可控正成为下一代端到端自动驾驶平台的核心设计约束。为何自动驾驶正成为AI基础设施挑战除车端之外AI原生端到端系统还需要庞大的数据中心算力支撑。ADAS与自动驾驶的商业逻辑正从传统汽车工程模式向超大规模AI平台模式转变。AI原生端到端系统的算力需求主要由三大结构性力量推动首先模型复杂度与内存密集度提升其次训练数据规模激增第三重仿真的验证模式。行业正分化为“轻算力”与“重算力”两种运营模式。如今的端到端神经网络与VLA模型算力需求极高头部企业纷纷采用软硬件深度协同设计模式。多数行业专家认为市场长期方向是软硬件解耦但目前行业尚未形成明确的统一趋势。端到端转型带来芯片选型决策环节后移供应商关系也在发生变化。考虑到高额成本技术栈各层级中仅有少数参与者能成功实现商业化落地。生态也向新入局者开放。端到端转型加速了整车厂的垂直整合半导体企业则在向软件领域延伸。下一个自动驾驶时代将由AI、算力、半导体与超算基础设施的突破定义自动驾驶的领导权之争将取决于谁能打造行业最强的AI生态。