智能网联汽车是下半场全球汽车产业转型升级的战略方向，正在推动产品形态、网联产业格局、汽车WhatsApp%E3%80%90+86%2015855158769%E3%80%91crane%20services%20adelaide基础设施和出行方式发生深刻变革。决胜经过多年发展，下半场我国智能网联汽车产业发展取得积极成效，网联电动化、汽车智能化转型步伐持续加快。决胜今年上半年，下半场我国新能源汽车产销分别完成696.8万辆和693.7万辆，网联同比分别增长41.4%和40.3%。汽车

专家认为，决胜我国已经建成包括智能座舱、下半场自动驾驶、网联网联云控等在内的汽车完整产业体系，大算力芯片、智能线控底盘批量上车，人机交互、协同感知等技术全球领先，搭载组合驾驶辅助功能的乘用车新车销量占比超过60%。智能网联汽车已成为经济高质量发展的新增长引擎。

“如果把新能源汽车比作体育比赛的上半场，智能网联汽车则来到比赛的WhatsApp%E3%80%90+86%2015855158769%E3%80%91crane%20services%20adelaide下半场。我们在上半场已经取得一定优势，但最终决定比赛胜负还要看下半场的表现。”第十四届全国政协常委、经济委员会副主任苗圩说。

人工智能成为关键变量

当前，以人工智能为代表的新一代信息技术在汽车产品中加速应用，为产业变革带来重大机遇。在此背景下，基于端到端技术的自动驾驶发展路线凭借其架构创新，迅速成为行业竞相布局的焦点。苗圩介绍，与传统方案中将感知、规划、控制、执行等模块割裂设计不同，该技术将多个功能模块整合到统一的神经网络模型，实现了从传感器侧的数据采集到车辆控制指令发出的直接映射，能够减少模块间协同环节，显著提升信息流通效率。

具体而言，在感知端，大部分企业采用“摄像头+毫米波雷达+激光雷达”的方案，可以提高影像可视性。随着市场规模不断扩大，单颗雷达成本逐渐下降，具有L3级自动驾驶功能的车辆越来越多，其价格还有较大下降空间。从执行端看，线控转向、线控制动、线控悬架等智能底盘技术，是端到端自动驾驶将神经网络输出的控制指令转化为车辆动作的关键环节。“每一项技术都与整车性能表现和行驶安全密切相关，是每一家车企自成体系各搞一套，还是通过行业协同形成标准化、货架式产品，这是值得业界共同探讨的议题。”苗圩说。

人工智能与汽车深度融合还体现在座舱智能化、全流程智能化等领域。人工智能深刻改变人车交互范式，信息娱乐大模型正加速向全场景出行大模型演进。未来，综合视觉感知、语音交互、车辆行驶规划等能力的智能助手，将提供多模态人机互动、功能自适应的出行服务。

此外，大模型技术正驱动汽车行业研、产、供、销、服各环节升级。“人工智能广泛应用于汽车工业设计和新材料研发等过程，人形机器人等新型劳动力进厂打工，全自动生产流水线大幅提升生产效能。”工业和信息化部科技司副司长杜广达介绍，从运营管理看，人工智能动态调整零部件库存，在提升响应速度和供应链韧性方面发挥关键作用。而精准服务模式越来越受到消费者欢迎，人工智能基于车辆多元数据可实现故障预警和智能诊断，降低突发故障，提升维修效率。

“当前，智能化浪潮重构全球汽车竞争格局，人工智能已从锦上添花的技术选项升级为关乎企业生存与发展的关键变量，任何迟疑都可能意味着与一个时代失之交臂，我们必须乘势而上，为全球汽车产业注入中国力量。”苗圩说。

规模化应用稳步推进

我国道路交通场景复杂，能产生大量数据，发展智能网联汽车具备一定优势。今年前7个月，我国乘用车市场搭载L2级组合驾驶辅助系统的新车渗透率已达62.58%，较去年同期增长6个百分点。“激光雷达、车载智能计算平台等软硬件供应链逐渐完备，信息通信技术全球领先，人工智能产业生态齐全，支撑‘单车智能+车路云协同’的基础设施具有先发优势。”苗圩说。

从封闭场地测试到开放道路应用实践，再到“车路云一体化”试点示范，智能网联汽车规模化应用部署稳步推进。“车路云一体化”应用试点工作开展一年多来，路侧单元、云控基础平台等基础设施加快建设，全国累计开放测试示范道路3.5万多公里，部署智能化路侧单元超过1.1万套，建设5G基站超过460万个，为技术研发和产品验证提供了安全可靠的测试环境。

同时，各地开展智慧出行、编队行驶、干线物流、末端配送等多种形式载人载物示范应用项目，并围绕京津冀、长三角、珠三角、长江中游、成渝五大城市群，深化道路测试示范，为智能网联汽车产业化、规模化发展奠定基础；各试点城市开展交通信号灯信息服务、交通管控及事件预警、协同式智慧停车等多场景试点示范，网联赋能智慧公交、智慧乘用车、无人配送、环卫以及高速编队物流等商业化模式初步显现。

“虽然智能网联汽车测试示范取得了积极进展，但在政策法规协调、跨区域协同、标准统一、数据共享等方面仍然面临一定挑战。”工业和信息化部装备工业一司副司长郭守刚建议，要以国内外优秀测试项目为基础，加强地区协同，联合策划开展规模化城市级、长期性的试点示范项目，探索更多场景应用。此外，海量高价值数据是智能网联汽车场景迭代与虚拟验证的基础，目前行业普遍缺乏高质量、多样化、大规模自动驾驶数据。下一步，要通过高价值数据合规共享，共建全天候、高质量实车真实数据库和高保真仿真数据库，降低企业研发成本。

安全问题亟需解决

“机器开车能安全吗？”这是智能网联汽车产业发展无法避开的话题。苗圩认为，与人相比，机器驾驶具有标准化操作程序，能够严格遵循道路交通规则，在处理复杂任务时保持高度一致，有效地避免因人为疏忽或随意性引发错误。机器不受生理与情绪因素影响，不存在疲劳、分心或者酒后开车等人类常见的生理与心理局限，可全天候、高稳定性执行驾驶任务。

“随着数据积累和算力提升，机器认知能力同步增强，在持续学习框架下，其驾驶策略经过海量数据训练不断优化。”苗圩同样担心，面对训练数据中没有充分涵盖的罕见场景，机器决策系统可能因缺乏先验知识而失效，构成潜在安全风险。此外，机器环境感知能力依赖传感器数据与预设的算法，易受到恶劣天气、传感器噪声等因素影响，可能导致误识别与误判。

为此，他建议，要充分发挥我国市场纵深与体制机制优势，强化跨行业协同，打好团体赛。在保障安全前提下，科学有序地推进人工智能技术落地，逐步拓展驾驶辅助与自动驾驶的应用场景。要积极参与ISO、IEEE等国际标准化组织在自动驾驶、AI伦理与数据安全等领域的规则制定，推动中国标准走向国际。

工业和信息化部信息通信科技委常务副主任韩夏同样认为，智能网联汽车产业已进入规模化发展新阶段，安全是关乎其行稳致远的基石。面临网络安全、数据安全与功能安全交织的严峻挑战，整车漏洞、云平台风险以及数据泄露事件频发，AI技术更使攻击趋向智能化、平民化。要引领企业从“被动合规”转向“主动免疫”，融合人工智能等新技术，构建“以智对智”的主动防御新范式，加快完善数据安全与跨境流动规则。

“要鼓励车企加大智能化研发投入，努力突破端到端决策优化、小样本学习等关键算法瓶颈，扭转当前产品功能同质化严重、差异化不足的局面。推动车企与科技型企业深度协同，构建开放融合的产业发展生态。加强数据闭环体系建设，夯实仿真测试等安全保障能力，提升行业整体竞争力。”苗圩说。