智能驾驶赛道正经历从“技术验证”向“规模化落地”的关键转折，行业焦点从“能否运行”转向“是否好用”，从硬件堆砌转向资产价值重构。在城区NOA（领航辅助驾驶）成本居高不下、系统保守性与用户体验矛盾凸显、硬件成本与软件付费模式博弈的背景下，一场关于技术理想与商业现实的深度对话在《每日经济新闻》“AI相对论”圆桌论坛展开。小米汽车智能驾驶基座大模型负责人陈龙与黑芝麻智能CMO杨宇欣，分别从算法创新与芯片底层支撑视角，探讨中国智能驾驶的破局路径。
“中国智能驾驶已跻身全球第二梯队，但真正的挑战在于如何平衡技术上限与用户体验下限。”陈龙指出，国内复杂路况倒逼车企提升算法泛化能力，用户对智驾的期待已从“尝鲜功能”转变为“出行工具”。他以小米汽车实践为例，强调大模型需突破“安全兜底”与“能力释放”的矛盾：“辅助驾驶存在‘不可能三角’——安全、舒适、效率难以同时满足。车企往往优先保障前两者，但过度保守会导致系统效率下降，影响用户使用意愿。”
杨宇欣从供应链视角提出不同观点：“高阶智驾落地需分阶段突破。高速NOA已从500TOPS算力需求降至几十TOPS，城区NOA和VLA（视觉语言动作）虽需千TOPS级算力，但未来可通过系统优化降本。”他透露，黑芝麻智能第三代NPU采用近存计算设计，将带宽依赖降低40%，在保证性能的同时提升性价比，“芯片厂商需预判技术收敛节点，灵活匹配场景需求”。
针对“好用与能用”的边界争议，陈龙认为，模型能力质变是关键：“城区场景的不可控性要求模型具备强泛化能力，但体验必须‘可用’——若效率太低，用户不愿使用，数据循环就会中断。”他提出“兜底下限”策略：通过全场景覆盖激活用户意愿，再以数据反哺模型迭代。杨宇欣则强调本土化供应链的重要性：“L4级无人驾驶需确保绝对安全性，这离不开本土芯片、算法、传感器的深度协同。今年部分Robotaxi公司已实现单车运营成本打平，证明商业闭环可行性。”
在硬件成本下行趋势下，智驾普惠化成为行业共识。陈龙透露，小米通过基座模型复用分摊训练成本：“同一模型可应用于智驾、机器人和生态链设备，极大降低研发支出。”杨宇欣预测，未来两年内，7万-10万元级车型将普及高速NOA，15万元以上车型具备全场景城区NOA能力，“但城市NOA下探至10万元级需依赖传感器和算法迭代，算力仍是硬成本”。
当智驾从“溢价卖点”转向“基础配置”，品牌竞争力如何重构？杨宇欣认为，用户关注点已从发动机转向智能化水平：“品牌背后代表的科技元素才是核心，如迭代能力和生态整合。”陈龙补充道，即便智驾成为标配，用户仍会为品牌科技感买单：“智驾产生的物理世界AI数据对小米生态至关重要，未来车内体验将无缝衔接互联网服务、智能家居和工作场景。”
对于智驾作为企业核心资产的构建，杨宇欣强调生态闭环：“芯片公司需在算力底座上构建完整生态，如推进舱驾一体、拓展具身智能等方向。”陈龙则指出，智驾将重塑出行服务：“从辅助驾驶到完全自动驾驶，用户需求从‘开车省力’升级为‘时间增值’，这背后是小米‘AI+物理世界’战略的全面落地。”
