智能驾驶从高速路段领航走向城市道路领航，方案供应商分成整车自研、科技公司供货和芯片算法平台几条路线。城市道路场景复杂，路口、行人和非机动车混杂，对感知、决策和数据积累要求高，各家路线的投入方式和能力边界差别明显。
先分清智驾的层级。基础辅助驾驶处理车道保持、自适应巡航和紧急制动，主要在高速和快速路使用。高阶领航辅助（NOA）能在设定路线上自动变道、跟车、过路口，城市 NOA 要应对人车混行、临时施工和不规则掉头等场景。距离完全无人驾驶还有法规和责任认定上的距离，目前量产方案都要求驾驶员随时接管。
供应商路线大致分三类。第一类是整车厂自研，典型如特斯拉，从芯片、算法到数据闭环自己做，FSD 系统在北美积累大量行驶数据，国内落地受数据和法规限制。国内小鹏、理想、蔚来等头部新势力也在自建智驾团队，算法跟车型和电子电气架构深度绑定，迭代节奏跟整车更新同步。
第二类是科技公司整体供货，华为 ADS 是代表，提供感知硬件、算法和计算平台，搭载在合作品牌车型上。这类方案帮不具备自研能力的车企快速补上高阶智驾，同时供应商深度参与产品定义。还有一批 Tier1 供应商把摄像头、雷达、域控制器和算法打包成方案，供传统车企选型。
第三类是芯片加算法平台路线。地平线等厂商提供车规级智驾芯片，第三方算法公司在芯片上开发感知决策软件，车企集成落地。这种模式分工细，车企可以组合不同供应商的部件，但系统集成和软件适配的工作量不小。
硬件配置上，感知方案分纯视觉和视觉加激光雷达两条路。纯视觉靠摄像头加算法识别环境，传感器成本低，对算法和数据量要求高。激光雷达能直接测量距离和三维轮廓，在夜间和复杂光照下感知更稳，但增加硬件成本和标定维护。量产车型上两种方案并存，价格下探后，中高配车型带激光雷达的比例上升。
算力平台是方案落地的基础。智驾域控制器搭载高算力芯片，处理多路摄像头和雷达数据。算力指标从早期的几十 TOPS 发展到数百甚至上千 TOPS，但算力不等于实际体验，算法效率、数据标注和场景覆盖同样关键。芯片供应受产能和出口管制影响，方案选型要考虑供应链稳定性。
数据闭环决定迭代速度。车辆行驶中收集场景数据，回传标注后训练模型，再通过 OTA 更新到车队。跑的里程越多、覆盖城市场景越广，长尾场景积累越充分。头部车企车队规模大，数据回流有优势；新进入者数据量不足，早期方案在陌生城市容易出现接管。
成本和车型定位挂钩。高阶智驾硬件和软件研发投入大，早期只出现在二十万元以上车型。随着芯片国产化和硬件方案成熟，智驾功能逐步下探到十五万元区间，但不同价位车型的传感器数量、算力和算法版本有明显区分，不能只看宣传里有没有智驾两个字。
落地能力要看城市开放范围和实际接管率。宣传的支持城市数量是一方面，具体路口和路段的通行表现、恶劣天气下的稳定性，需要实际体验判断。法规层面，驾驶员责任边界、事故认定和数据合规仍在完善，量产方案定位仍是辅助驾驶，不是脱手脱眼的自动驾驶。
竞争格局还在变化。自研路线投入大但掌控力强，供货路线扩张快但要平衡多个客户，芯片平台路线灵活但集成难度高。未来几年的看点是算法在城市长尾场景的可靠性、硬件成本继续下降的幅度，以及各家数据规模能不能拉开差距。对消费者来说，判断一套智驾方案好不好，重点看实际常用路段的表现、OTA 更新频率和售后接管保障，而不是单纯比较算力数字和传感器数量。 法规和责任边界仍是落地的前提。现阶段量产辅助驾驶，驾驶员负有监管责任，系统介入时需要随时接管。事故发生后的责任认定，涉及驾驶员操作、系统设计和数据记录，相关法规和保险配套还在完善。数据合规方面，道路场景数据采集、存储和跨境使用有明确监管要求，本土数据闭环是国内方案供应商的天然优势。
消费者实际体验要区分演示场景和日常通勤。宣传视频里的顺畅通行，往往选在路况规整的路线；真实城市里，窄路会车、人车混行、临时占道和施工路段，才是考验方案的长尾场景。判断一套系统好不好，看它在自己常走路线上的接管频率、处理加塞和绕行的表现，以及 OTA 后是否持续改善，而不是展厅里的功能清单。
供应链成本随方案成熟变化。早期高算力芯片和激光雷达价格高，高阶智驾只能搭载在高配车型。随着国产芯片上车、传感器降本和算法优化，智驾功能逐步向中端车型渗透，但低价车型的传感器配置和算力会相应裁剪，体验跟高配版本存在差距。未来竞争的核心，一是数据规模带来的场景覆盖能力，二是算法在复杂工况下的稳定性，三是成本控制让功能大众化。自研、供货和芯片平台三条路线谁能跑出来，取决于各自能否在这三点上形成优势，短期内格局还会继续变动。
