智能汽车

L3 准入落地，华为汽车进入平台化兑现窗口。12 月 15 日，工信部公布我国首批 L3 级有条件自动驾驶车型准入许可，华为合作车企的两款纯电动车型极狐阿尔法 S5、长安深蓝 SL03将在北京、重庆指定区域开展上路试点，高阶智驾由技术展示迈入合规交付与商业运营阶段。在 ADS 4.0 工程化落地与鸿蒙智行五界成型推动下，华为汽车业务由技术赋能方升级为系统级平台型公司，智能化成为整车竞争分水岭。

工信部于 12 月 15 日公告许可了两款搭载 L3 级有条件自动驾驶功能的智能网联汽车产品准入申请，我国 L3 级自动驾驶从测试阶段迈入商业化应用阶段。

2025年智能汽车全域安全发展白皮书

过去十年智驾的复盘总结（2015-2025年） ➢ 我们认为过去十年智驾产业处于0-1导入期阶段（按照产业生命周期理论）且具备以下规律：硬件&软件螺旋式向上迭代发展！每一次能力大升级都是思维方式的颠覆！迭代规律：做减法思路！越简单越好！技术领先&成本领先同样重要！具体可以分为3个阶段： ➢ 2015-2017年（第一阶段）：0-1阶段前期的主题投资阶段（mobileye）。一二级市场只要涉足智驾领域标的都给予了高估值溢价。市场研究以科普为主，实际产业陷入了技术路线之争：1）是直接干L4还是从L2开始慢慢迭代；2）单车智能VS V2X谁是未来主导？3）纯视觉VS多传感器融合谁是未来主导？2018-2019年智能化进入产业寒冬期，国产替代不及预期（M-博世组合几乎垄断了初级L2市场）。

海外智能化供应链缺乏，中国智能化链条迎全球化新机遇，具有技术竞争优势+全球客户资源的企业有望脱颖而出。欧日韩等区域智能汽车供应链缺乏，中国智能化供应链迎全球化新机遇。具备全球技术竞争优势和良好客户资源的企业，有望在本轮海外车企智能化 0-1 的产业趋势中率先脱颖而出。我们认为受益海外车企智能化 0-1 的领域排序如下：软硬件一体的驾驶域控~座舱电子＞驾驶芯片~激光雷达~算法＞底盘电子。

预计当前至明年是汽车高阶智驾技术成熟度、政策法规、用户接受度与商业模式共同突破的窗口，我们建议重视汽车智能化。智能化对汽车行业的改造贯穿产业全链条，核心变革体现在：1）产业逻辑重构：从电动化单一驱动转向智能化核心权重，智能化之于车企将从加分项转变为生存项，城市NOA等智驾体验成为车企突破用户心智获得认可主要途径；2）商业模式颠覆：从一次性硬件销售转变为硬件+软件+服务的持续变现，车企突破高阶智驾后将有机会形成硬件引流+软件订阅+Robotaxi运营的多元业务结构；3）竞争格局分化：从分散混战或转变为头部集中、强者恒强的淘汰赛，具有智能化战略定力和系统性降本能力的头部车企与竞争对手的智能化差距将拉大；4）产品定义革新：从“交通工具”到“AI移动终端”，电动化是半成品，智能化才完成对传统百年燃油车的终极颠覆。

汽车产业链与人形机器人产业具备硬件、软件、场景多方面协同优势，汽车产业链上下游企业从本体、传感器、执行器、材料多个环节赋能人形机器人，助力人形机器人迎来量产落地。

随着科技的不断发展与进步，钢铁与数据共舞的智能汽车正在载着文明驶向新的坐标。2025年，全球智能驾驶正在迈入量产普及期：全球L2及以上级别智能驾驶汽车销量预计超过1700万辆，智能驾驶系统渗透率持续上升，ADAS市场规模预计突破420亿美元。中国智能驾驶汽车销量约占全球的一半，L2+功能渗透率超过50%，北京、武汉等地已正式启动L3个人车辆上路试点。智能化正在成为汽车企业发展进步过程中不可或缺的一环。

伴随着新能源汽车进入竞争下半场，智能化赋能并向自动驾驶时代发展，成为电动智能汽车发展的主要方向 在智能化逐步深入的推动下，大量零部件电子化，智能座舱、智能驾驶等普遍投入应用，“软件定义汽车”成为趋势，上世纪80年代以来，逐步上车的分布式电子控制电源（ECU）逐渐难以满足智能汽车发展需求，汽车电子电气（EE）架构升级呼之欲出 汽车电子电气架构演进，主要厂商规划有细节差异，但整体趋势呈现由分布式向域控制进化，再向域融合及中央控制，最终走向云控结合的发展态势

本品牌设计规范旨在诠释我们的品牌定位，并提供品牌高质量设计过程中您所需的灵感和指南。 NIO 属于我们每个人，而您想带它去往何方？

探求驾驶本质，人类驾驶是“本能反应”和“逻辑思维”的结合。人类的思考方式包含倾向于本能化的“快系统”和倾向于逻辑化的“慢系统”，驾驶行为也是一样，简单的驾驶行为可由快系统完成，复杂或者稀缺的长尾场景则需要调用慢系统通过人类此前积累的世界常识来处理。对自动驾驶而言，快慢系统结合为彻底解决无人驾驶提供思路。 算法、算力、数据全面升级推动自驾落地。算法端，前期传统模块化算法和端到端算法有望并行运转，平稳过渡到端到端为主；远期大语言模型有望和端到端结合，形成自动驾驶的“系统一”和“系统二”；最终强大的通用人工智能有望彻底实现自动驾驶。数据端，端到端算法对数据的“量”和“质”的需求激增，实车采集和合成数据共同为算法提供“养料”。算力端，云端算力需求进一步提升，推动模型迅速迭代。