国内自动驾驶厂商拆解：谁是“苹果”？谁是“安卓”？

出品/未来科技界

作者/李彦

编辑/杨宇

清晨七点，一辆没有司机的汽车从路边缓缓驶出。它能识别红绿灯、避让行人、在拥挤的城市路口完成转弯，然后把乘客安全送到目的地。车门自动打开，乘客离开，车辆驶向远方。

这是自动驾驶行业描绘了数年的未来场景。

但在现实世界里，这样的场景至今仍然只在少数城市、少数车队中小规模出现。大多数消费者所接触到的“自动驾驶”，其实仍停留在辅助驾驶阶段。

根据SAE International的自动驾驶分级标准，仅有L4及以上级别的技术才能被称之为“完全自动驾驶”，即无人驾驶。在这一阶段，驾驶员可以完全摆脱操控任务，汽车在普通天气和交通条件下能够自主完成全部驾驶功能。

近两年，不少车企开始描绘这一目标。理想曾宣布计划在三年内推出具备L4能力的车型，蔚来在发布NIO ET9时也强调其拥有L4自动驾驶的能力。但事实上，真正实现L4级技术落地的玩家仍然屈指可数。

自动驾驶行业，谁是苹果？谁是安卓？

实现无人驾驶需要一整套复杂技术体系的协同：包括高性能计算芯片、稳定可靠的感知系统、海量训练数据、自动驾驶算法、车端软件架构，以及长期的道路测试与安全验证等等。

基于这一背景，自动驾驶产业面临着两者路径选择：

一是全栈自研，构建类似苹果的闭环体系。

二是构建开放平台或系统生态，做无人驾驶领域的“安卓”。

当下，全栈自研模式最典型的代表是特斯拉。其核心产品FSD（Full Self-Driving）系统采用纯视觉技术路线，并由自研FSD芯片提供算力支持。特斯拉试图像苹果一样，将关键技术牢牢掌握在自己手中——从自动驾驶算法、传感器方案，到计算芯片和整车软件架构，都由自己主导开发，从而形成高度一体化的技术体系。部分中国新势力车企也在尝试向这一方向靠拢。例如小鹏的XNGP系统、蔚来的NAD系统。

无人驾驶界的安卓则以Waymo、华为、百度、小马智行、文远知行、Momenta为代表。最典型的就是华为，华为并不直接参与整车制造，而是提供完整的智能汽车技术方案，并通过与车企合作将这些能力整合进量产车型。例如华为与赛力斯合作推出问界系列车型。

除了华为之外，安卓系的企业多采用英伟达提供的自动驾驶芯片平台，并与北汽、上汽、丰田等车企合作，或推出Robotaxi车队，或为车企提供完全自动驾驶技术。

这种模式的优势在于可以降低车企在无人驾驶方向研发门槛。但同时，它也意味着核心技术更容易被共享，企业之间的差异化空间相对有限。

“苹果”模式是奢侈的选择

走“苹果系”，意味着要做全栈自研和软硬件一体化，这两者是行业趋势所在，但也是奢侈的选择。自动驾驶研发往往需要数十亿美元级别的投入，以及数百万甚至数亿公里的数据积累。对于大多数企业来说，这样的投入并不现实。

但若不估算成本，“苹果模式”依旧像是一个“完美方案”。因为自动驾驶的是一个持续自我进化的系统。闭环体系最大的优势，是把这套系统的关键变量收拢到同一个组织内部，从而形成两个结果：更极致的性能优化，以及更快的反馈闭环。

更极致的性能优化，指的是当芯片架构、模型结构、传感器配置、车端软件调度都由同一家公司主导时，企业可以围绕每个细分环节做针对性优化。以芯片为例，百亿晶体管的芯片已成为现实，这些数量巨大的晶体管如何分配职能、如何连接、如何组合，对于具体某个应用的性能影响很大。而自研芯片的企业，在优化架构以适配车辆上势必会拥有数据优势。

更快的反馈速度。指的是在闭环体系里，数据采集、标注策略、模型训练、车端部署会更容易连成一条链路，遇见极端场景也可以快速反应优化，这种迭代效率，恰恰是体验差异的区分线。

但苹果模式注定是“奢侈”的，原因就在于它的成本结构几乎天然反商业直觉：

1、投入前置：芯片、训练集群、数据平台、车端软件架构都是重资产，且无法快速回收；

2、组织难度高：软硬件协同意味着跨学科团队必须长期稳定配合，任何关键岗位动荡都会让体系失衡；

3、规模门槛高：没有足够销量就没有足够数据，没有足够数据就很难把模型做出明显优势，闭环需要“规模”自证。

也因此，能走苹果模式的公司并不多。不是大家不想，而是只有少数公司能承担它的长期投入的成本。

“安卓”模式真的是术业有专攻吗？

相比之下，“安卓模式”更像是一种产业现实主义：既然全栈自研的门槛如此高，那就只做技术，把造车的事交给车企。这条路径有三个务实的指标：速度、成本与覆盖面。

首先是速度。车企不必从零搭建完整体系，可以直接借助成熟平台快速上线功能——无论是算力平台、感知融合方案、还是部分软件栈能力，都可以通过合作拼装出一套可落地的系统。对大多数车企而言，即可用更低的成本，让自己的自动驾驶技术位列前列。

其次是成本与风险分摊。全栈自研意味着所有风险都由一家企业承担：研发不确定性、流片不确定性、供应链波动、以及事故责任的舆论风险。而开放生态的优势在于：每一环都有专业玩家，车企可以选择更适配的组合，把资金压力分散到产业链上，把试错成本变成协作成本。

最后是覆盖面。当自动驾驶能力以“方案”形式被复制，它就更容易渗透到更广泛的车型与价位段。闭环模式往往先在高价车型上验证，再逐步下放；而安卓模式可以更快覆盖中端市场，让智能驾驶更快进入市场。

但这也不意味着提供无人驾驶方法的厂商和车企一定是“强强联手”。自动驾驶不是手机时代那种“标准件+应用生态”的组合，它的传感器噪声、线束与算力功耗、车端实时调度、模型结构、数据分布都相互牵制。方案商和车企哪怕各自为行业尖子生，也不意味着能在10%的长尾场景里拿到高分，而那90%的通用场景，却无法拉开体验的差异性。

当平台、芯片和算法被多家车企共享，差异化反而会被挤到更窄的空间里：大家都在同一底座上做微调，体验趋同，竞争就容易滑向参数竞赛和营销竞赛。

况且，若是自动驾驶出了问题，用户也不会区分是芯片、算法还是整车集成的锅，最后还得是品牌来买单。而且一旦车出现问题出现安全事故，负面影响程度将远大于手机，小米汽车的惨祸以及后续发酵的铺天盖地的舆论就是最典型的案例。

所以，开放生态究竟是同质化的“拼装”还是一种更高效率的工业分工，还得视具体情况分析。

短期来看，L4级别的竞争，还未到“苹果系”与“安卓系”正面对决的阶段。一边是少数拥有强大工程能力与资金实力的企业，继续用闭环体系逼近技术极限；另一边则是更庞大的产业链，通过分工合作推动自动驾驶能力快速普及。在大规模的商业化落地之前，两种路径各有机会。