智能駕駛賽道正經歷從“技術驗證”向“規模化落地”的關鍵轉折，行業焦點從“能否運行”轉向“是否好用”，從硬件堆砌轉向資產價值重構。在城區NOA（領航輔助駕駛）成本居高不下、系統保守性與用戶體驗矛盾凸顯、硬件成本與軟件付費模式博弈的背景下，一場關于技術理想與商業現實的深度對話在《每日經濟新聞》“AI相對論”圓桌論壇展開。小米汽車智能駕駛基座大模型負責人陳龍與黑芝麻智能CMO楊宇欣，分別從算法創新與芯片底層支撐視角，探討中國智能駕駛的破局路徑。
“中國智能駕駛已躋身全球第二梯隊，但真正的挑戰在于如何平衡技術上限與用戶體驗下限。”陳龍指出，國內復雜路況倒逼車企提升算法泛化能力，用戶對智駕的期待已從“嘗鮮功能”轉變為“出行工具”。他以小米汽車實踐為例，強調大模型需突破“安全兜底”與“能力釋放”的矛盾：“輔助駕駛存在‘不可能三角’——安全、舒適、效率難以同時滿足。車企往往優先保障前兩者，但過度保守會導致系統效率下降，影響用戶使用意愿。”
楊宇欣從供應鏈視角提出不同觀點：“高階智駕落地需分階段突破。高速NOA已從500TOPS算力需求降至幾十TOPS，城區NOA和VLA（視覺語言動作）雖需千TOPS級算力，但未來可通過系統優化降本。”他透露，黑芝麻智能第三代NPU采用近存計算設計，將帶寬依賴降低40%，在保證性能的同時提升性價比，“芯片廠商需預判技術收斂節點，靈活匹配場景需求”。
針對“好用與能用”的邊界爭議，陳龍認為，模型能力質變是關鍵：“城區場景的不可控性要求模型具備強泛化能力，但體驗必須‘可用’——若效率太低，用戶不愿使用，數據循環就會中斷。”他提出“兜底下限”策略：通過全場景覆蓋激活用戶意愿，再以數據反哺模型迭代。楊宇欣則強調本土化供應鏈的重要性：“L4級無人駕駛需確保絕對安全性，這離不開本土芯片、算法、傳感器的深度協同。今年部分Robotaxi公司已實現單車運營成本打平，證明商業閉環可行性。”
在硬件成本下行趨勢下，智駕普惠化成為行業共識。陳龍透露，小米通過基座模型復用分攤訓練成本：“同一模型可應用于智駕、機器人和生態鏈設備，極大降低研發支出。”楊宇欣預測，未來兩年內，7萬-10萬元級車型將普及高速NOA，15萬元以上車型具備全場景城區NOA能力，“但城市NOA下探至10萬元級需依賴傳感器和算法迭代，算力仍是硬成本”。
當智駕從“溢價賣點”轉向“基礎配置”，品牌競爭力如何重構？楊宇欣認為，用戶關注點已從發動機轉向智能化水平：“品牌背后代表的科技元素才是核心，如迭代能力和生態整合。”陳龍補充道，即便智駕成為標配，用戶仍會為品牌科技感買單：“智駕產生的物理世界AI數據對小米生態至關重要，未來車內體驗將無縫銜接互聯網服務、智能家居和工作場景。”
對于智駕作為企業核心資產的構建，楊宇欣強調生態閉環：“芯片公司需在算力底座上構建完整生態，如推進艙駕一體、拓展具身智能等方向。”陳龍則指出，智駕將重塑出行服務：“從輔助駕駛到完全自動駕駛，用戶需求從‘開車省力’升級為‘時間增值’，這背后是小米‘AI+物理世界’戰略的全面落地。”
