生成式 AI 推动自动驾驶从规则驱动转向端到端架构，行业竞争核心向模型、算力与数据迁移，车载芯片与数据中心需求爆发。
随着生成式 AI 加速渗透汽车产业，自动驾驶已不再只是整车工程问题，而是演变为一场围绕 AI 模型、车载半导体、云基础设施与大规模数据的综合竞赛。麦肯锡最新研究指出，ADAS 与自动驾驶正进入「AI 原生」新阶段，行业竞争壁垒正从车辆本身向算力、软件与半导体能力迁移。
中国消费者对自动驾驶的乐观程度显著高于西方市场。麦肯锡调研显示，多数中国受访者相信到 2035 年大多数汽车将实现完全无人驾驶，而西方消费者中持相同预期的比例约为四分之一。Robotaxi（自动驾驶出租车）作为重要风向标，正被更广泛地接受——全球超 60% 的受访消费者表示会考虑使用，约半数预计未来几年出行费用将下降。
不过，消费者对技术落地的预期普遍快于行业专家。专家普遍判断：L2+ 级系统将在 2035 年前主导大众市场，L3 及以上系统大概率仍限定于特定场景与区域。整体看，全球 ADAS 软件与电子市场规模预计将以约 16% 的年复合增速扩张，到 2035 年达到约 1600 亿美元，其中软件与域控制器（DCU）将占据最大份额。
行业高管层面，2025 年 11 月针对 40 余位高管的非正式调研显示，ADAS 落地的三大核心挑战分别是安全保障（23%）、车载推理高算力需求（14%）与监管不确定性（14%）。
过去十余年，ADAS 与自动驾驶主要依托规则驱动架构：工程师编写数千条明确指令，覆盖「检测到 10 米内有行人则触发制动」等具体场景，机器学习仅在感知等局部环节使用。
当下，两股力量正驱动架构变革：
当前 ADAS 领域已形成三类主流架构：
在端到端阵营内部，行业尚未形成统一设计共识，主要分为两条路线：
行业普遍认为，在高度多变的城市路况中，端到端架构表现优于传统系统；但其「黑箱」特性给安全验证、问题排查与监管审批带来阻碍，多数参与者预计 L2+ 规模化速度将快于完全自动驾驶，而 L3、L4 落地需要在数据效率、仿真覆盖与监管认可上同步突破。
向 AI 原生端到端架构的转型，正引发全行业算力需求爆发。麦肯锡预计，ADAS/自动驾驶处理芯片市场规模将从 2025 年的约 56 亿美元增长至 2035 年的超 460 亿美元，年复合增速约 24%，占整体汽车半导体市场的价值比例由不足 6% 提升至 22%，其中大中华区有望成为全球最大市场。
端到端架构最显著的变化之一，是车载 SoC 从「算力受限」转向「内存受限」：
此外，确定性时延的重要性持续上升。ADAS 与自动驾驶依赖实时控制闭环，分布式架构虽具灵活性，却带来同步延迟与不可预测行为，难以在安全关键系统中完成验证，因此高度集成的计算架构在多数场景下更受青睐。
除车端外，AI 原生端到端系统还需要庞大的数据中心算力。三大结构性力量正在推高算力需求：
据此，行业正分化为「轻算力」与「重算力」两种模式：传统整车厂多采用轻算力模式，集成供应商成熟技术栈并做有限微调；自动驾驶出租车运营商与高度垂直整合的整车厂则走重算力路线，从零自研端到端模型，头部企业 AI 训练总算力规模已接近 9 万张 H100 等效 GPU。
硬件与软件的协同开发模式也日益主流——碎片化现成组件难以满足 L3、L4 所需的超低时延、高带宽与确定性安全，头部企业纷纷采用软硬件深度协同设计或为专属芯片定制软件。多数专家判断，长期方向是软硬件解耦，但也有少数观点认为高性能自动驾驶在安全关键场景中仍需深度集成的端到端协同设计。此外，「模块化混搭」生态——不同厂商优势软件模块运行在标准化硬件平台上——正成为第三种可能格局。
