2025年7月22日，在第八届智能辅助驾驶大会上，盖世汽车CEO周晓莺指出，端到端技术的爆发是多重因素共同作用的结果，其核心在于技术成熟度的提升、政策的积极引导以及市场需求的强烈驱动。这一技术浪潮的本质，在于利用数据智能体系替代传统的人工规则，实现辅助驾驶系统的智能化升级。随着端到端技术在汽车行业的广泛应用，车辆对复杂场景的处理能力显著提升，为用户带来更加安全、便捷的驾驶体验。

当前，端到端辅助驾驶产业链呈现出“垂直整合”与“开放合作”两种模式并存的格局。许多等头部企业通过差异化的技术路线争夺市场主导权，推动了技术的快速迭代与商业化进程。其中，垂直整合模式注重全链条控制，而开放合作则强调资源共享与优势互补。尽管一段式端到端架构被视为终极发展方向，但受安全性与工程可行性限制，两段式架构在中期市场中仍将占据主导地位。

周晓莺表示，未来随着VLA架构、车路云协同及量子计算等前沿技术的不断突破，端到端辅助驾驶系统将从“功能定义”向“体验定义”范式跃迁。这一转变将深刻影响智能汽车产业的竞争格局，推动车企从单一的产品竞争转向全方位的用户体验竞争。在此过程中，技术创新能力与用户体验优化将成为车企脱颖而出的关键要素。

周晓莺｜盖世汽车CEO

以下为演讲内容整理：

中国乘用车市场展望

数据显示，2024年全球乘用车市场销售总量为9060万辆，中国市场包含商用车在内的总量为3144万辆；这一数据体现了中国在全球汽车市场格局中占据绝对主导地位。聚焦新能源领域，2024年全球新能源汽车总销量为1603万辆，中国以1287万辆的销量占据全球80%的市场份额。为何中国汽车市场的竞争强度、速度及白热化程度均居于高位？原因在于，占据中国市场龙头地位的企业，在全球市场亦会处于领先。

近年来，中国整车出口跃居全球出口大国首位。尽管今年增速有所放缓，但出口总量仍保持增长态势。

2024年，从全球车企前十排名来看，丰田汽车以1009万辆的销量位居全球首位。中国有两家车企成功跻身全球前十榜单，其中比亚迪销量达451万辆，吉利控股销量为347万辆。这一成绩标志着中国汽车工业迈上了新的高度。

就国内市场而言，发展阶段特征显著。第一阶段为技术引进阶段，第二阶段为自主创新阶段，自2018年起，国内汽车市场进入第三个阶段，即自主品牌快速崛起阶段。特别是以新能源汽车为主导的发展模式引领产业潮流，自2018年以来，中国自主品牌市场份额持续攀升，步入快速增长轨道。

图源：盖世汽车

回顾近五年市场走势，整体市场总量呈现持续上行态势。然而深入剖析市场结构，产业现状可用“水深火热”四字精准概括。一方面，行业面临剧烈的技术变革与迭代；另一方面，产能优化与结构性调整压力持续加剧。同时，市场参与者呈现显著分化特征，既有新势力不断入局，也有传统车企黯然退场。值得注意的是，每家整车企业的进退均牵动着背后庞大的供应链配套体系，使得近五年行业发展呈现出焦灼态势，既蕴含希望曙光，又充满严峻挑战。

从市场竞争与合作格局观察，中资与外资企业的合资合作已全面迈入2.0阶段。自主品牌企业开始展现反向技术输出能力，其自主研发的创新技术通过市场验证获得国际认可。比如宁德时代凭借电池技术实现与福特在北美市场的合作，尽管受关税及政治因素影响进度有所延缓，但其技术实力已获广泛认同；辅助驾驶领域，奥迪采用华为相关技术，Momenta与宝马达成合作，早前Stellantis与零跑、大众与小鹏均展开技术合作。这些案例表明，中国车企正通过技术创新开辟国际竞争新路径。

聚焦国内市场，当前最突出的现象当属价格战。这场竞争自2023年爆发，2024年进入白热化阶段，至2025年开局仍持续升温，但竞争形式发生转变，主要是表现为“增配降价”策略，即产品配置持续提升而价格维持低位，形成消费者所说的“加量不加价”局面。

近两个月来，从政府监管部门到中央媒体，再到社会舆论，均对这种非理性竞争态势表达明确反对意见，并逐步形成主流共识。究其原因，若市场呈现“销量增长但收入停滞、收入增加但利润下滑”的态势，长期来看违背经济运行规律。因此，2025年市场已进入阶段性调整期。

从细化数据来看，今年1-5月，汽车行业销售利润率仅为4.3%，已低于工业平均水平。曾几何时，汽车业被视为优质行业，而今却成为利润微薄的领域。若此态势持续，产业将面临严峻挑战。当前，汽车产业已超越房地产成为第一大支柱产业，拥有12万亿级产值规模，涉及海量就业岗位与企业主体，承担着保障民生、贡献税收等重要社会职能。然而，若行业主体普遍处于微利或亏损状态，产业生态将难以形成可持续的良性闭环。

图源：盖世汽车

今年一季度车企财报中，作为行业核心主导的链主企业，各车企表现分化显著。国内车企中，比亚迪利润同比增长达100%；吉利汽车以264%的增速表现尤为突出；赛力斯虽销量下滑，但通过品牌向上策略实现了利润增长，聚焦提升车辆毛利率与利润率；零跑汽车同样表现亮眼，销量、利润及净利润均呈现快速增长态势。

反观外资头部企业，特斯拉、通用、大众、奔驰、宝马、奥迪等在华表现均不尽如人意。究其原因，一是中国主流市场份额持续被挤压；二是全球成本攀升，尤其欧美市场劳动力、物流及用电成本激增，企业难以有效管控；三是关税政策影响加剧，虽国内讨论较少，但跨国企业正面临关税壁垒与合规风险的双重挑战。因此，今年一季度车企利润率呈现显著分化态势。

我们预计比亚迪2025年总销量将达475万辆，同比增长12%；吉利汽车因“台州宣言”战略整合成效显著，市场反馈积极，预计将实现超预期增长；奇瑞汽车虽在俄罗斯等海外市场面临挑战，但凭借其他区域及国内市场的稳健表现，整体业绩持续向好。新势力阵营中，零跑、小鹏、小米等品牌均被赋予较高增长预期。

从行业趋势看，2030年将成为新能源汽车渗透率与自主品牌市场份额双双突破80%的关键节点。但参照中国市场的发展速度，这一核心目标有望提前2-3年实现。

端到端组合辅助驾驶产业概况及市场分析

当前，若车企未将“端到端”技术纳入产品核心卖点，似乎已难以在主流市场竞争中立足，也难以清晰阐述车辆的技术属性，毕竟汽车正加速向智能体形态演进。自去年起，“端到端”技术成为行业主流趋势，其核心价值在于显著提升了对长尾场景的处理能力，即那些发生频率极低却需耗费巨大成本解决的极端场景。

“端到端”是指集感知、决策、控制于一体的辅助驾驶模式，通过车端传感器实时采集环境信息，模型可即时完成对现实场景的判断与决策，其响应速度与决策方式已显著超越人类驾驶员。这一突破得益于全球AI技术的快速发展，尤其是大模型在车载场景的落地应用，持续推动系统精度与泛化能力的提升。

从技术演进路径看，行业经历了三个关键阶段。首先是从单一感知任务的端到端优化，逐步发展为决策规划的模型化；进而演进至模块化端到端架构，这也是当前中国车企普遍采用的技术路线；最终向“One Model”模式迈进，即通过单一模型实现所有功能的集成，特斯拉FSD是该路线的典型代表。

图源：盖世汽车

在当前辅助驾驶技术生态中，不同市场参与者基于各自定位采用多元化训练方法。主流技术路径包括行为克隆、强化学习及仿真训练，车企普遍采用混合策略，以行为克隆构建基础模型框架，通过强化学习持续优化决策逻辑并迭代调优。此外，数据资产已成为技术演进的核心要素，其通过持续迭代驱动模型能力提升，而仿真训练作为关键数据补充手段，催生了产业链中专注仿真数据标注的第三方服务市场。

政策监管层面，端到端辅助驾驶技术因其与人类行为及安全强关联的特性，始终处于政府严格监管范畴。特别是今年有车企重大事故引发社会广泛关注后，我国于2025年6月全面执行《关于进一步加强智能网联汽车产品准入、召回及软件在线升级管理的通知》，为技术商业化应用构建制度性安全屏障。产业创新应保持加速态势，但面向消费者的技术传播需秉持审慎原则，建立明确的技术边界与风险告知体系，这对维护产业健康发展至关重要。

当前监管体系已围绕数据合规、沙盒机制等关键环节，构建起针对“One Model”架构及OTA升级的全流程管理框架，为端到端辅助驾驶技术发展提供了制度保障。该技术路线通过数据驱动模式突破了传统场景驱动的局限性，显著提升了模型的泛化能力、计算效率及决策水平，为辅助驾驶技术突破创造了重要条件。

国内企业普遍采用“Two Model”端到端技术架构，部分头部企业已实现量产级辅助驾驶方案落地，其技术实现主要依托深度学习传感器融合、高精地图及AI算法的协同优化，推动商业化进程持续加速。

特斯拉FSD方案虽尚未在中国市场完整落地，但其技术路径仍为行业提供了重要研究样本。尽管功能体验存在地域差异，但国内产业界持续保持对其技术演进的关注与学习，以推动本土技术创新发展。

特斯拉当前采用的“One Model”端到端方案，通过架构简化实现了效率快速提升，其核心逻辑以数据驱动与模型输出为主导。然而，该方案在极端天气条件下的可靠性仍存不足，人为接管频次及系统有效性仍有较大优化空间。相比之下，国内以华为为代表的“Two Model”端到端方案更侧重复杂场景应对能力，其于今年4月推出的ADS 4.0系统采用全新wewa架构，通过端云协同机制显著提升了系统性能，降低了响应延迟，并实现了障碍物识别精度的快速迭代。

车企层面，理想与小鹏均采取车端与云端双线推进策略部署端到端大模型。云端侧重构建世界模型，通过强化学习验证与车端形成协同优化闭环。小鹏凭借其辅助驾驶技术的行业口碑，与理想共同成为该技术路线的典型代表。理想自年初起持续强化AI公司定位，这源于底层AI技术对汽车产业的深度重塑，AI应用正推动产业双向融合，既赋能汽车智能化升级，也反向驱动AI技术迭代。

比亚迪今年以“智驾平权”为核心战略，推出天神之眼A、B、C三套系统方案，并依托玄机架构构建了软硬件深度融合的智能辅助驾驶体系。其BAS 3.0系统在传感、感知、规控及执行等模块的架构设计已形成完整技术闭环。

算力支撑层面，端到端技术路线对芯片算力提出更高要求。国际市场中，英伟达占据主导地位；国内芯片产业经过十年发展，已涌现出地平线、黑芝麻、芯驰科技等代表性企业。当前，算力平台与端到端模型的融合进程显著加速，成为推动智能驾驶技术迭代的关键动力。

国产芯片在端到端智能驾驶领域的布局呈现三大核心特征，一是架构设计灵活，可快速适配多样化场景需求；二是性价比优势显著，能有效控制主机厂研发成本；三是服务响应速度具备差异化竞争力，可提供量级更高的资源投入保障。

在合资品牌布局方面，中国主流合资车企正通过与头部供应商深度合作推进端到端辅助驾驶技术落地，其中Momenta成为最大受益者，已与日系、欧系等多家车企建立深度合作关系。近期奥迪与华为的战略合作更成为行业里程碑事件，标志着跨国车企与中国科技企业的协同创新进入新阶段。

端到端时代，辅助驾驶技术水平主要由数据、算力、模型三大要素决定。相较于传统“数据 算力 算法”的技术范式，模型化升级对企业提出更高要求：一方面需加大智算中心建设投入以支撑海量数据处理；另一方面需强化数据资产挖掘能力，通过模型优化实现技术迭代。

数据闭环对端到端辅助驾驶技术演进具有关键推动作用。通过真实数据采集与仿真数据模拟的协同部署，结合通用AGI技术实现高效数据标注与场景生成，可显著提升模型精度、泛化能力及迭代效率，现已成为端到端技术体系的核心战略资产。

基础设施层面，智算中心作为端到端辅助驾驶的技术底座，为大模型训练与工程化落地提供关键支撑。从传统车企向智能化科技企业的转型过程中，企业在能力架构、资源配置及团队建设等方面均面临颠覆性变革要求。

技术路线方面，VLA架构被普遍视为“端到端 VLM”技术框架的终极演进方向。尽管该领域仍需长期技术积累，但业界对其发展趋势已形成高度共识。

纯视觉与端到端方案的规模化落地已成为近两年激光雷达企业及行业关注的焦点。纯视觉结合端到端架构的核心优势在于低成本与高扩展性，而商业场景落地中成本控制是关键要素。受特斯拉示范效应及端到端大模型规模化推进的影响，纯视觉技术路线近年来发展迅速。值得注意的是，纯视觉与多传感器融合两类技术路径将在较长时间内保持并行发展态势，2025年起未来两三年将是量产加速落地的关键阶段。

端到端组合辅助驾驶发展趋势及未来展望

当前行业面临许多核心挑战。一是黑盒风险带来的不可预测性与不可解释性问题，尽管发生概率较低，但一旦出现将引发严重后果，这一挑战不仅存在于端到端辅助驾驶领域，更是整个AI技术发展的共性难题；二是系统鲁棒性不足导致的性能波动；三是数据壁垒与算力瓶颈制约技术迭代效率；四是合规缺口带来的潜在发展风险。这些共性问题将成为产业持续发展必须突破的关键瓶颈。

图源：盖世汽车

当前产业融合趋势呈现显著趋同性，车企、供应商、算法企业及算力公司等产业链各方正围绕六大核心方向展开协同演进，一是架构一体化升级，通过软硬件深度融合提升系统效能；二是多模态大模型决策增强，实现感知-决策-执行的闭环优化；三是数据闭环智能化升级，构建仿真与实景协同训练体系；四是端云协同部署，提升算力资源利用效率；五是标准法规体系加速完善，为技术落地提供制度保障。

与此同时，具身智能技术的快速发展正与智能辅助驾驶领域形成深度共振。具身智能从虚拟形态向实体形态演进的过程中，其技术栈与智能驾驶供应链呈现高度复用特征，包括传感器、计算平台、算法框架等核心模块。这种技术同源性为端到端辅助驾驶的场景拓展提供了新思路，一方面可向智能座舱升级、仿真与AIGC协同、边缘AI算力进化等方向延伸；另一方面可探索与具身智能机器人的协同发展路径。工业机器人在特定场景的商业化闭环实践，与辅助驾驶在封闭场景的技术验证逻辑具有共通性，这表明智能辅助驾驶技术能力具备向智慧交通、工业自动化等领域泛化迁移的潜力。产业界在聚焦核心赛道的同时，需关注技术能力的跨领域应用价值。

总体而言，端到端技术的爆发是技术成熟度提升、政策引导与市场需求共振的必然结果，其本质是通过数据智能体系替代传统人工规则驱动。当前产业呈现垂直整合与开放合作双路径并行的发展格局，两类模式均涌现出具有示范意义的成功案例，表明行业正通过差异化路径向同一技术目标演进。

从技术架构演进来看，尽管One Model单段式架构代表终极发展方向，但受安全性、可控性及工程化可行性制约，两段式架构将在中长期内占据主导地位，尤其在商业化落地阶段更具现实意义。随着VLA车路云协同、量子计算等前沿技术的突破，端到端系统将实现从功能定义向体验定义的范式跃迁。这一转变与中国车企的发展逻辑高度契合——通过场景化需求定义产品特性，而非单纯聚焦功能堆砌。在辅助驾驶领域，用户体验的差异化竞争将推动技术架构持续优化，最终重塑智能汽车产业的核心竞争要素。

（以上内容来自盖世汽车CEO周晓莺于2025年7月22日在第八届智能辅助驾驶大会发表的《端到端组合辅助驾驶产业分析与展望》主题演讲。）