近日，中国汽车工程学会围绕新能源、智能网联和智能制造等细分领域，基于我国汽车技术创新方向的前瞻预判与现实考量，发布了《2025年度中国汽车十大技术趋势》。
当下，“智能化”下半场激战正酣，上述技术的研发、量产的和规模化应用，是今年智能驾驶赛道竞逐的重中之重，也是2025年智驾新战场的必争之地。以最新的智驾技术为根基，未来的汽车产业将迎来更智能的发展格局。
除了当下炙手可热的智驾技术，也有其它板块的最新趋势入选，例如：新能源A级乘用车百公里行驶电耗将降至10kWh以下，智能高效混合动力控制策略将持续优化并日益普及，以及EMB技术日趋成熟且即将迎来量产应用等。
不过，作为新能源汽车技术创新和投融资的核心赛道，智能驾驶的每一项重磅技术，都决定了产业链的后续变革和商业化落地。伴随着大算力、大数据、AI大模型的迭代发展，高阶智驾也将实现革命性突破，推动智能网联汽车进入新的发展阶段。
01
车载智能计算平台降本提质
助力NOA等智驾技术快速发展
车载智能计算平台为智能驾驶提供核心算力支持，是汽车智能化水平的重要方向标。
现阶段，车载智能计算平台的性能差异，已成为智能驾驶水平高低的核心影响因素。具体来看，智能计算平台集成多个SoC，支持大量数据并行计算和复杂逻辑功能，具备更高的计算能力和能效；通过软硬件协同优化，可实现更高效的算力利用、降低功耗且提升系统稳定性。
《十大技术趋势》统计，当前，车载智能计算平台已实现超大存储带宽，支持高效数据指令交换，算力最高可达500TOPS以上，能满足端到端等先进模型的海量数据增长对更高算力的需求。
2025年，车载智能计算平台性能不断升级，成本呈现进一步降低的趋势，助力NOA等智能驾驶技术渗透率将接近20%。最近几年，Mobileye、地平线、华为、英伟达等国内外厂商均积极布局车载智能计算平台的量产落地。
以地平线为例，该公司自主研发的智能计算架构BPU（BrainProcessingUnit），简化开发流程，提高了计算的智能高效性，也减少了因软硬件适配问题带来的额外成本和性能损耗。
软件层面，践行自动驾驶端到端的演进理念，地平线将算法层面的技术创新和突破应用到最新的智驾解决方案SuperDrive上，可以更高效地处理复杂交通场景信息，提升智驾系统的感知和决策能力。
02
智驾与智能底盘融合
提升L3以上车辆运动控制性能
智驾与底盘的深度融合，已成为实现自动驾驶汽车更安全、更更高效的关键基石。
这里说的深度融合，主要是通过传感器、执行器和控制策略的深度融合，增强自动驾驶汽车的感知和决策能力、精准控制能力显著提升行车安全、驾驶舒适性与系统效率优化，降低自驾退出频次，助力L3以上自动驾驶落地应用。
智驾与底盘的深度融合涉及系统集成、域内融合、跨域融合等多个方面，包括增强底盘感知技术、线控技术、协同控制算法冗余设计等关键技术，重塑汽车产业整零合作模式的变革。
《十大技术趋势》分析，2025年，通过智驾与智能底盘的深度融合，将实现极限工况下底盘智能运动控制技术的重大突破，如智驾与动力联动的自动无停顿泊车功能、能耗控制回收系统以及魔毯功能等。
智界S7是最先搭载华为途灵底盘的车型，新车在预售阶段，智能底盘就作为亮点之一，被华为重点宣传预热了一波。通过数字化能力升级，华为途灵底盘将底盘、座舱和智驾打通，可以更好地协同控制整车。
此外，蔚来已经完成从NT1构建智能底盘，到NT2的AI赋能，再到NT3的天底盘的技术进阶，通过全线控主动悬架引领智能底盘的进一步技术探索。
据介绍，蔚来AI智能底盘的“撒手锏”之一，是蔚来整全域操作系统——“SkyOS·天枢”，在底层打通智驾、座舱、控、联等各域，可实现对四颗Orin智驾芯算的自由调用，进整车算法部署。
03
AI赋能合成数据
将成为自动驾驶研发重要资源
利用生成式AI和世界模型等先进人工智能技术，生成高质量的合成数据，可有效缓解数据短缺难题，提升算法模型的可靠性，是自动驾驶模型训练极具前景的发展方向。
在智能驾驶领域，高质量的真实数据成为越来越稀缺的资源，合成数据优势在于采集成本低、自带标注、跨平台通用性强，能有针对性地补充潜在危险场景和边缘场景，完善长尾场景库。
先进AI技术可以处理文本、图片、视频等不同类型的数据，并能快速提取大量未标记数据的有价值的信息，如不同类型交通参与者的信息，以及交通参与者之间的交互行为等。
《十大技术趋势》认为，2025年，AI生成的合成数据将普遍应用于自动驾驶模型的高效训练和仿真服务。
2024年，特斯拉、英伟达、Wayve、百度和蔚来等公司已经率先布局了世界模型的前瞻研发应用，支持部分算法上车。
随着高阶自动驾驶上路通行进程加速，2025年AI合成数据将逐步取代传统数据采集方式，成为满足自动驾驶数据需求。
04
多模态大模型
推动自动驾驶感知决策创新突破
《十大技术趋势》指出，2025年，自动驾驶模型有望随着多模态大模型算法改进数据生成能力提升、算力和训练时长扩增，助推自动驾驶感知决控能力的重要突破。
利用多模态大模型通识能力，可有效应对智能感知中存在的长尾问题，显著改善车辆对场景、障碍物、导航信息等要素的理解能力。
多模态大模型基于大规模数据训练，实现对世界的认知和理解。通过指令微调和后训练精调，将多模态大模型应用于自动驾驶复杂场景的感知决策中，构造自动驾驶专用的多模态模型。
当前，以视觉语言大模型为代表的多模态大模型，相较于传统视觉模型，能更好地识别和处理行驶环境中的罕见事件，显著提升自动驾驶系统对长尾场景的鲁棒性和泛化能力。
以商汤为例，在端到端系统的基础上，商汤绝影推出自动驾驶大模型DriveAGI，依托多模态大模型，实现对移动出行的深度理解、精准推理、智能决策以及与人类的自然交互，使自动驾驶系统更好地理解和适应周围的交通环境。
据悉，得益于多模态模型，DriveAGI具备了更强的泛化能，即便在0样本的情况下，也可以针对不同道路环境或交通状况并做出精准决策。在无高精地图条件下，也能依靠视觉感知实际道路情况。
车企阵营，“端到端+大模型”也在今年成了炙手可热的技术热点，以理想的“端到端+VLM”双系统为例，该智驾方案结合了One-Model端到端模型和VLM视觉语言模型。
“系统1”由端到端模型实现，应对驾驶车辆时95%的常规场景；“系统2”由VLM视觉语言模型实现，解决复杂甚至未知的交通场景，占日常驾驶约5%，两个系统相互配合，兼顾大部分场景和少数特殊场景。
05
自动驾驶运行安全风险管控系统
逐步上车部署与应用
《趋势报告》指出，“运行安全”以全生命周期运行风险管控和运行安全保障为核心，已成为高级别自动驾驶安全的焦点，
到2025年，车载运行安全风险管控系统将逐步在自动驾驶系统实现部署应用，服务自动驾驶运行安全监管与实施。
现阶段，清华大学、北京航空航天大学以及一汽、比亚迪等正积极投入车载运行风险管控单元开发与部署，预计将在明年部署量产车型，助力高级别自动驾驶运行安全，降低事故率至可接受水平。