智能驾驶“人负责兜底”框架存根本缺陷，具身智能竞争逻辑转向物理数据壁垒

事件概述

五年间L2级辅助驾驶渗透率超55%，城市NOA进入规模交付，但行业始终困在“系统辅助人、人负责兜底”的框架中。系统越好用，驾驶员越放松，紧急接管时风险越高。该框架在安全、能力、效率三方面已触及天花板，问题根源在于行业将方向定义为“如何更好地辅助人”，而非“如何让车独立完成任务”。

核心信息

• 框架缺陷：现有智驾逻辑下，系统遇处理不了的情况（异形障碍物、无车道线窄路等）会退出交回驾驶员，而交接瞬间是事故高发时刻。头部企业KPI仍侧重“接管频次降低”和“场景覆盖数增加”，但若目标是独立驾驶，“接管频次”本身不应存在。
• 集成路线瓶颈：主流智驾采用集成方案（采购第三方芯片、算法、操作系统），已从0分做到80分，但无法填补“辅助人”到“替代人”的20分鸿沟。系统进化速度受制于供应最慢环节，全栈自研是必经之路。
• 具身智能复用：智驾的感知模型、推理芯片、操作系统可直接用于人形机器人，同一套能力可覆盖自动驾驶和机器人两个市场，降低新赛道研发门槛。
• 数据壁垒：具身智能训练数据只能来自物理世界真实场景，无法从互联网下载（如车辆在雨天城中村躲避逆行电动车的数据）。这与数字AI依赖模型和算力的竞争逻辑完全不同，壁垒核心是物理数据。
• 市场趋势：特斯拉计划年底建成年产5万台Optimus产线，小鹏IRON定于年底量产。2026年全球人形机器人出货量预计暴涨7倍，但多位创业者判断2026年将进入淘汰赛，核心比拼场景落地与商业化能力。

值得关注

竞争的标尺正在改写：过去智驾竞赛围绕“场景覆盖数”，通过堆人和堆场景推进；现在问题变为“谁能让车独立完成任务”，参赛者起跑线已拉开差距。