智能化

《汽车智能驾驶技术及产业发展白皮书》的发布恰逢其时。本书系统梳理了技术演进脉络、产业生态格局与未来发展趋势，尤其注重对安全保障体系、风险挑战的剖析，既是对行业经验的系统性凝练，更是以精准角度剖析发展瓶颈，以创新思维擘画破局路径。希望本书能成为“政产学研”各界人士的参考，助力中国自动驾驶产业在技术攻坚、安全保障、商业落地与社会价值创造中实现新的突破。

上半年主题行情的涨幅与时长随着时间推移在不断缩减，背后或在于催化密集性和延续性降低、市场博弈情绪较重、缺乏主导资金等因素所致。展望下半年，宏观环境或仍处于弱基本面、流动性充裕、风险偏好上行的环境下，主题投资依然有表现土壤。从我们的五维定量打分模型来看，当前排名靠前的主题包括多模态模型、低空经济、大数据等，下半年或可重点关注。结构上，AI 上游端，新一轮开支延续，关注基本面改善机会。AI 下游端，继续关注 AI agent、AI 眼镜的进展。此外，并购重组仍是非产业类主题中政策重点支持方向，建议关注。

本报告深度拆解端侧 AI 行业的驱动因素、技术演进、场景落地与产业链图谱，聚焦核心标的，揭示端侧 AI 如何重构终端价值链，开启新一轮换机潮与生态红利。希望这些内容能为读者了解端侧 AI 行业提供帮助。

本研究报告聚焦探讨大模型训练数据的特点、类型、风险、未来发展趋势等，提出了大模型训练数据全生命周期安全管理框架及技术防护对策、管理运营体系等，促进数据准备、模型构建、系统应用、数据退役等环节更加合规、透明、可控。报告号召产业链各主体共同关注大模型训练数据的安全，加强合作并实现资源共享、优势互补，共同推动大模型技术健康可持续发展。

从生成式 AI 模型出现至今，国内外的 AI 视频图像模型不断迭代，整体上呈现开源与闭源生态并行的发展趋势。海外及国内 AI 大厂（如Google、Adobe、OpenAI、字节跳动）在闭源模型竞争上日趋激烈，不断在各自领域加速渗透大型商业化市场，例如广告、影视制作等场景；开源模型的落地更多集中在降低中小开发者门槛，在游戏、短视频等交互场景中推动技术普惠化。

伴随更多玩家入局以及消费者对AI智能眼镜的认知提升，AI智能眼镜在出行、娱乐、学习、办公等场景中的应用渗透率也将持续提高，预计2026年全球AI智能眼镜销量将突破1000万副，至2029年全球AI智能眼镜市场规模将突破1000亿元，市场呈现几何级的爆发式增长。

到端融合的算法架构，特斯拉采取纯视觉+无图+端到端的算法架构。百度、小马、文远和图的技术路线，且在算法架构方面逐步采取模块化和端到端结合的技术waymo 等主流玩家均采取多传感器融合叠加高精地方案。其中 waymo 虽然有端到端的技术但为了安全的商业化运营仍然主要采用模块化的算法架构。由于高精地图较高的成本和较差的泛化性，部分厂商正在逐步减轻对高精地图的依赖，转向轻量化地图。特斯拉技术实力较强也最为特立独行，传感器层面采取纯视觉的技术方案，算法架构采用端到端的技术路线，地图方面倾向于使用无图模式，利用BEV+Occupancy 网络+NeRF 技术实现动态重建道路结构。

年初汽车以旧换新政策将补贴扩大到国四排放车型，置换需求支撑汽车市场景气度 DeepSeek 意外火爆；比亚迪“智驾平权”发布会宣布全系列标配智驾功能，其他车企快速跟进 4月初美国的“对等关税”政策引发车企出海策略的忧虑，乘用车板块股价短暂回调 随后关税悲观情绪逐步修复，部分热门车型发布驱动板块向上；1-5M25 乘用车销量累计同比+12.6%

市场的共识或是Robotaxi为蓝海市场，市场的分歧或是Robotaxi的发展轨迹。定性拆分，车队规模、UE模型、费用投入决定营业利润，车队规模和UE模型提供核心弹性。定量拆分，UE模型亏损、减亏、平衡、盈利、盈利规模化代表不同的商业化阶段。我们尝试使用五要素判断商业化发展轨迹。 商业模式：Robotaxi本质是2C运营的三方分润，“金三角”协作风靡。自有车队运营模式，实现全链条自主掌控，但商业化落地速度较慢。“金三角”的分工逻辑：技术公司（算法迭代，SaaS）+整车厂（规模化生产）+出行平台（运营服务）。产业逐渐形成“专业化分工+深度合作绑定”共识。聚合、混合、自运营三类主流运营模式，平台类厂商和技术类厂商博弈话语权，预计混合模式将推动行业蓬勃发展。

与互联网产业一样，人工智能行业也遵循“技术-硬件-终端-应用”的发展范式，只不过技术端由通信网络变为大模型理论研究，其发展高度取决于上游 AI芯片与算力硬件水平。当前国产芯片厂商正加速技术突破，叠加应用生态持续完善，推动生成式 AI 在多行业实现深度落地。大模型及其硬件基础架构构成产业核心价值，相关领域投资将同时获得技术突破红利与产业升级收益。

当下人形机器人已走过产品定义阶段，向功能实现、商业化落地方向演进，围绕软硬件的升级优化及二者的适配和耦合成为后续的迭代重心。目前多数人形机器人产品已逐步完成基本功能实现阶段（基础运动、轻负载），但距大规模商用和家用场景落地仍有一定提升空间，预计后续迭代的方向主要围绕软（模型泛化能力）和硬（方案优化升级），以及软硬件的耦合等方面。硬件方面，我们预计后续的迭代方向主要包括高负载、轻量化、高散热和低能耗、稳定性和灵活性、低成本等方面去做进一步迭代升级。

人形机器人（Humanoid Robot）通常是指那些在外观形态、运动方式（比如双足行走）、感知交互能力上模仿人类，并具备一定自主决策和执行能力的复杂智能系统。他们能与人类一起工作以提高生产力，也能够学习和执行各种任务，例如抓取物体、移动货柜、装卸箱子等等。