自动驾驶正迎来一场围绕算力、软件、数据与半导体的综合角逐，这一切得益于AI原生系统的逐渐普及。汽车行业中的高级驾驶辅助系统（ADAS）及自动驾驶（AD）技术，正迈入全新的发展阶段，其中生成式AI成为该阶段的关键驱动力。生成式AI正促使行业向AI原生端到端（E2E）架构加速转型，此类架构能直接从海量数据集中学习驾驶行为。相较于传统系统，端到端架构在适应陌生环境和应对复杂驾驶场景上展现出更高效率，并且随着数据处理量的增加，能力提升的速度也更为显著。
这些技术革新正在重新定义ADAS与自动驾驶的商业规则。今天的行业竞争焦点已从单纯制造性能更优的整车，扩展到拥有AI模型、半导体、云基础设施、大规模数据采集能力，以及软硬件集成系统高效验证的企业。这一转型正值消费者关注度提高、自动驾驶领域投资不断攀升的行业背景下。
一个明显的趋势显示，自动驾驶不仅是一个汽车工程问题，更正逐步演变为一个AI基础设施难题。消费者态度与市场动力
根据麦肯锡的最新调查，中国消费者多数对2035年实现完全无人驾驶持肯定态度，西方消费者中大约四分之一也认同这一预期。实际上，ADAS与自动驾驶技术正迅速走向普及，ADAS功能在购车决策中的影响力持续上升，这在高端汽车市场中表现得尤为突出。消费者对乘坐非自有自动驾驶车辆的意愿也在增长，快速扩张的自动驾驶出租车（Robotaxi）市场就是明证。在全球范围内，消费者对自动驾驶出行服务的接受度不断提高，超过60%的受访者表示会考虑使用Robotaxi，而半数受访者预计未来几年出行成本将可能下降。
但多数消费者对技术实现的期望往往高于行业专家的预测。多数自动驾驶领域的专家认为，L2+级系统将在2035年前成为大众市场的主导，而同期L3及更高级别的系统可能仍只会限定在特定场景或区域内应用。L2+系统的持续进步与L4自动驾驶的稳步发展，将推动全球ADAS软件与电子市场持续扩容。预计该市场年复合增长率约为16%，到2035年，市场规模有望达到约1600亿美元，其中软件与域控制器（DCU）将占据最大市场份额。
尽管行业增长前景广阔，自动驾驶商业化的普及仍面临成本高昂和技术难题的双重挑战。软件开发、安全认证和大规模数据采集成为主要成本支出。向端到端AI架构的过渡，也对算力基础设施、仿真能力和高性能半导体提出了更高要求。2025年11月，一次针对40余位行业高管的非正式调查揭示了ADAS三大核心挑战：安全保障（23%）、车载推理的高算力需求（14%）、以及监管与法律的不确定性（14%）。
从规则驱动到端到端系统
过去十多年间，ADAS与自动驾驶技术的成长主要依赖规则驱动的软件系统——工程师编写成千上万条指令来定义车辆在特定情形下的反应。这套体系支撑了目前绝大多数安全功能与便利设施（从自动紧急制动到自适应巡航），并为更高级别的自动驾驶打下了基础。当下，一场深刻的系统架构变革正在发生。
两大技术和战略力量正推动端到端架构的广泛采用：
首当其冲的是生成式AI，它极大加快了ADAS与自动驾驶技术的创新节奏。传统系统主要依靠显式编程规则或是局部环境中的机器学习应用（例如交通标志识别）；而端到端架构则可以从大规模数据中直接学习驾驶模式，对陌生环境的适应能力更强，驾驶表现也更贴近人类自然驾驶的习性。
其次，L4级自动驾驶技术的深入研究促进了跨领域的生态协作。半导体公司、整车制造商和出行服务商之间的合作日益普遍，多数项目采用分阶段实施策略：先利用数据采集车队积累真实驾驶数据，随后在限定环境中通过人工监督模式检测系统性能，最后实现无人驾驶的无缝运营。这类合作正在重新调整行业竞争态势，加速技术进步。
