政策、成本、技术三者齐发力，高阶智驾城市 NOA 渗透率有望提升
思瀚产业研究院    2025-03-27

政策端：政策端落地驱动城市 NOA 普及。国家层面： 2024 年 8 月 27 日，在国新办新闻发布会上，公安部交通管理局介绍当前无人驾驶和自动驾驶汽车产业的进展，特别提出公安部正在积极推动《道路交通安全法》的修订，对自动驾驶汽车的道路测试、上路通行、交通违法和事故处理相关责任追究等方面都作出了详细规定，《道路交通安全法》的修订工作已经列入了国务院 2024 年度立法计划、十四届全国人大常委会立法计划的第一类项目。政策宣布开启智能网联汽车准入和上路通行试点工作，引发城市 NOA 的迅速普及。

地方政府：L3 自动驾驶登陆北京、武汉，高阶自动驾驶获法律保驾护航加速落地。北京：2024 年 12 月 31 日，《北京市自动驾驶汽车条例》通过，自 2025 年 4 月 1 日起施行，为 L3 级（一种有人监控的有条件自动驾驶）及以上级别自动驾驶汽车提供制度规范，包括个人乘用车出行场景。武汉：2024 年 12 月 31 日，《武汉市智能网联汽车发展促进条例》正式发布，将自 2025 年 3 月 1 日起正式施行。北京与武汉条例的发布，标志着 L3 级别及以上级别的自动驾驶汽车。

成本方面：智能驾驶重塑汽车产业的价值链结构；智驾系统成本大幅降低已进入 15-20 万以上车型，有望在 15 万以上价格带标配。

上游供应链竞争，硬件成本逐年下降：激光雷达从万元级降至千元级，芯片厂商也在降本竞争，芯片厂商也在充分竞争下持续降本。地平线征程 6 系列隔山打虎——为了应对征程 6M，英伟达推出了 Orin Y 的降本平替方案，售价比 Orin X 降低了 100 美金。

规模化放大成本优势，市场需求倒推：头部车企的规模化采购放大成本优势，通过规模效应将整套智驾成本控制在 4000 元以下，随着客户认知加强，未来中介智驾有望成为刚需，推动车企加速标配。

小鹏 G6 全系车型限时立减 2 万元，优惠后的起售价为 18.99 万元，标配 NOA 进入 20 万元以下的价格区间；随着高阶智驾渗透率提升、智驾系统成本大幅降低，未来有望标配在 15 万以上车型。一套支持城市 NOA 功能的高阶智驾系统典型配置包括：1 个智驾域控制器（包含 2 颗 OrinX 芯片）；1 颗激光雷达、3 颗毫米波雷达、11 颗高精度摄像头（2颗前视摄像头(8MP)、4 颗周视摄像头(3MP)、4 颗环视摄像头(3MP)，1 颗后视摄像头(2MP)）；12 颗超声波传感器。

上述器件中传感器成本不断下降，尤其是激光雷达，下降的走势非常迅猛，但也在保持持续下降的步伐。智驾系统成本降低后，高阶智驾有望实现 15 万以上车型标配，中阶有望下探至 10 万元车型，中高阶智驾渗透率将会进一步提升。当前中阶智驾的成本下探，使中阶智驾在油电车型、轿车与 SUV 间实现普适性，加速量产上车。

技术方面：2025 年城市 NOA 也将迎来飞速发展，预计 2025 年城市 NOA 渗透率有望达到 15%以上。智驾向上突破与向下普及的双向推进，有望在高阶智驾渗透率提升方面展现出非线性的快速增长。

高阶智驾落地-城市 NOA 成为未来车企竞争主旋律，智能驾驶从基础 L2→高速 NOA→城区 NOA 的功能迭代路线逐渐清晰。随着汽车智能化转型取得阶段性成功，降低成本、下探市场、提升市占率已成为智能化发展的新趋势，城区 NOA 将成为智驾下一个竞争点。2025年有望成为城市 NOA 发展历程中的关键里程碑，城市 NOA 切入 15-20 万元主流细分市场,预计将成为未来 2-3 年各厂商竞相发力的关键点。

芯片端：2024 年我国乘用车 L2 级及以上自动驾驶的渗透率已达到 55.7%，随着中高阶智驾渗透率的提升，需要大量大算力芯片、数据积累以及云端算力集群，技术难度高且综合资金投入高昂，中高阶智驾渗透率提升的背后是算力应用场景的落地与大算力需求的扩大。2025 年起大算力芯片相继登场，加速高阶智驾渗透率提升。

英伟达将于 2025 年发布下一代产品 Thor，其最高算力高达 1000TOPS。特斯拉推出 AI5，算力比现款 HW4.0 提升 10 倍，其次是功耗整体提高 4-5 倍，预计 2025 年下半年推出。国内厂商中，地平线于 2024 年 4 月发布了“征程 6”系列产品，其中 J6P 算力高达 560TOPS，预计将于 2025 年第四季度交付首款量产合作车型，引领国产芯片拓局城市 NOA，并有望在大算力芯片领域成为英伟达 Orin-X 强有力的竞争对手。

算法端：传统的智能驾驶架构基于感知-规划-控制三大模块不断演进发展，感知模块负责收集和解释车辆周围环境的信息，决策模块负责根据感知和预测的信息来制定车辆的行驶策略。但随着高阶智驾城市 NOA 渗透率不断提升，区别于传统架构的端到端技术有助于其量产落地。而当前端到端的迭代，有望实现从感知到模块化端到端到OneModel 的平滑过渡。

端到端技术对数据和算力的要求非常高。端到端模型的核心是深度神经网络，需要通过大量的训练数据来实现模型的泛化和精确性，特别是当端到端模型整合了感知、规划和控制模块时，所需算力成倍增加。对于整车厂商来说，必须投入大量资源来构建和维护高性能计算基础设施。以特斯拉为例，其在自动驾驶训练中采用了基于 NVIDIA 和自研芯片的高性能计算平台，以支持端到端模型的大规模训练。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。