行业趋势 - 端到端模型处理数据量将是过去的10倍以上 [5] - 智能驾驶从规则驱动转向数据驱动范式 模块化端到端模型预计年内量产 one-model端到端模型预计2026或2027年量产 [5] - 智能驾驶技术处于弱专家系统阶段 即将进入通才阶段 未来对算力要求将增长 [5] 技术发展 - 端侧大模型参数量多为几十亿参数 受芯片算力与功耗限制 [4] - 端侧模型需运行在高通8295等高性能芯片上 NPU算力达30TOPS 算力较低车辆难有良好体验 [4] - 智能驾驶神经网络采用VLA架构 具备思维链能力 [5] 企业动态 - 腾讯推出座舱端侧大模型 基于混元2B小参数模型 与多家车企合作推进量产 [1] - 英特尔与面壁智能共同研发端侧原生智能座舱 [1] - 宝马宣布DeepSeek年内搭载于多款在售新车 [1] 应用场景 - 端侧模型聚焦用户行为与意图识别 提供驾驶建议与操作指导 复杂问题转云端处理 [1][2] - 腾讯将Agent与大模型能力结合社交娱乐生态 实现车载场景智能服务如咖啡订购 [2] - 汽车和手机被视为今年AI落地最佳场景 [1] 技术挑战 - 端侧2B模型缺乏强推理能力 需依赖云端模型补充 [2] - 需应对AI幻觉问题 通过加入行业数据训练与增强知识理解提升精准度 [4] - 端侧模型落地受车端算力与应用结合进展制约 [4]

特斯拉FSD入华表现 - 特斯拉FSD在2月底进入中国市场，引发国内智驾企业高度关注[1] - 3月表现呈现两极分化：在上海陆家嘴误将公交车道当超车道狂飙，在广州塔误判施工警示牌为广告牌急刹，但在常规驾驶中展现出老司机水准，能准确避让非机动车并完成复杂动作[2] - 割裂表现源于特斯拉强大的底层AI技术支撑常规场景的丝滑体验，但端到端模型缺乏中国数据训练，无法理解特殊路况规则[4] 技术差异与行业焦虑 - 特斯拉FSD采用端到端模型，虽避免信息损耗但无法理解中国特殊路况[4] - 行业担忧特斯拉一旦补齐中国数据短板将形成强大竞争优势[5] - FSD V13被博世中国区总裁和元戎启行CEO评价为领先国内高阶智驾系统一个代差[9] VLA技术解决方案 - VLA模型融合视觉、语言和动作，通过摄像头+激光雷达收集信息，大语言模型分析路况，实现类人思维链[8] - 相比端到端模型的"看图说话"，VLA实现"阅读理解"能力，能理解交通标志、行人意图及特殊车道规则[8][9] - 元戎启行CEO周光认为VLA是通向L5自动驾驶的转折点，构建了时空统一的认知框架[12] 国内VLA布局现状 - 理想采用MindVLA技术，决策准确率领先但需同时维护两套系统，研发成本高企[18] - 奇瑞联合华为、英伟达开发猎鹰智驾，计划2027年落地但世界模型预测能力尚未达标[18] - 吉利推出"千里浩瀚"系统，采用全域AI+天地一体策略[19] - 元戎启行已进入VLA量产阶段，预计年中上路，在技术迭代节奏上领先行业2-3年[19] 行业竞争格局 - 智能驾驶竞争焦点从工程化能力转向AI模型底层能力[25] - 元戎启行通过与高通合作实现多芯片平台适配，展现第三方方案优势[23] - 行业面临技术迭代窗口期挑战，后发者可能错失黄金发展时机[23] - 2023年特斯拉FSD BetaV12转向端到端架构曾颠覆行业认知，未满血版V13进入中国再次引发行业震动[24]