2025年标志着中国汽车产业智能化的关键转折点，智能驾驶技术作为行业竞争的核心，正以前所未有的速度改变着汽车市场的格局。
在这一背景下，东吴证券发布了一份报告《2025年主流车企城市NOA试驾报告—2月深圳篇》针对小鹏、华为、理想、腾势、魏牌蓝山、极氪、小米七家头部车企的智能驾驶系统展开了全面测试，测试通过大样本泛化路测与小样本深度路测两种形式，深入剖析各车企的技术实力与发展潜力。
结果显示，小鹏、华为、理想凭借卓越的综合表现位居智能驾驶第一梯队，而腾势、魏牌蓝山、极氪、小米则在特定场景中展现出独特优势。
我们根据这份报告梳理一下硬件配置、软件算法、测试表现等多个维度揭示了2025年中国智能驾驶技术的最新进展与挑战，并展望了其未来发展趋势，强调技术创新与市场普及的重要性。
智能驾驶技术
测试背景与方法
2025年，智能驾驶技术已成为汽车行业竞争的焦点，各大车企全力投入城市NOA（Navigate on Autopilot，城市导航辅助驾驶）的研发与落地，试图通过技术突破抢占市场先机。
为客观评估各车企的智能驾驶能力，东吴证券选取小鹏、华为、理想、腾势、魏牌蓝山、极氪、小米七家在智能驾驶领域具有代表性的企业，进行了全面的路测研究。
测试分为两部分：大样本泛化路测和小样本深度路测，分别从日常驾驶场景和复杂环境下的表现进行评估，旨在全面揭示各智能驾驶系统的真实水平。
● 硬件是智能驾驶系统的基石，各车企在感知硬件和计算平台的选择上呈现出明显差异：
🔧 感知方案：
◎ 小鹏P7+采用无激光雷达的纯视觉方案，依赖摄像头实现环境感知；
◎ 其他车型如理想L6、华为阿维塔12、腾势Z9GT、魏牌蓝山、极氪007、小米SU7均配备激光雷达，增强了对复杂环境的感知能力。
💻 智驾芯片：
◎ 小鹏P7+、理想L6、极氪007、小米SU7搭载两颗英伟达Orin-X芯片，单车算力高达508TOPS，提供强大的数据处理能力。
◎ 华为阿维塔12使用自研MDC810芯片，算力400TOPS，体现其在硬件自主研发上的实力。
◎ 腾势Z9GT和魏牌蓝山采用单颗Orin-X芯片，算力254TOPS，硬件性能相对较低。
硬件配置的差异直接影响车辆的环境感知精度和决策速度，为后续测试表现奠定了基础。
● 软件算法是智能驾驶的“灵魂”，各车企在算法开发上采取了多样化策略：
◎ 小鹏、华为、理想、极氪、小米依托自研算法，快速迭代优化。
◎ 腾势Z9GT融合Momenta与比亚迪自研成果，形成独特的算法组合。
◎ 魏牌蓝山则采用自研算法结合元戎启行方案，寻求外部技术支持与内部创新的平衡。
这些不同的软件路径为智能驾驶系统注入了多样化的表现特性，也成为测试中的关键变量。
● 测试方法包括大样本泛化路测和小样本深度路测，前者选取深圳基准路线，覆盖城市常见驾驶场景。
● 测试指标包括综合得分、接管次数、掉头表现、绕行临停车辆、上下匝道表现及驾驶信任度。
后者设计涵盖复杂场景的路线，包括皇庭中心（直道、变道）、北京大学深圳医院（掉头、辅道）、苏宴·印象江南（大曲率弯道）、广州中医药大学深圳医院（窄道通行）、香蜜湖1号（非标准信号灯、复杂路口），以检验车辆在高难度环境下的应对能力。
智能驾驶技术测试结果与分析
大样本泛化路测：日常场景下的实力较量
在大样本泛化路测中，各车企的智能驾驶系统在深圳基准路线上的表现差异显著，以下为详细分析：
● 小鹏XOS 5.5.0
◎ 得分：平均综合得分8.39分，领跑所有测试车型。
◎ 接管次数：平均1.89次，部分样本实现“0接管”。
◎ 亮点：在掉头、绕行临停车辆、上下匝道等场景表现卓越，试乘人员对其信任度极高，部分行程甚至达到满分10分。
◎ 分析：无激光雷达的视觉方案在常规场景下表现出色，算法优化功不可没。
● 华为乾崑智驾ADS 3.2
◎ 得分：平均综合得分7.57分，位居第二。
◎ 接管次数：平均2.77次。
◎ 亮点：全场景智驾能力均衡，尤其在复杂场景下表现出较强的稳定性，驾驶信任度高。
◎ 分析：激光雷达与自研芯片的组合为系统提供了强大的感知与计算支持。
● 理想OTA 7.0
◎ 得分：平均综合得分6.30分。
◎ 接管次数：平均3.75次。
◎ 亮点：在大部分场景下表现稳定，尤其在上下匝道和绕行车辆时表现优异。
◎ 分析：OTA 7.0版本升级后主动性增强，但复杂场景仍需优化。
● 腾势BAS 3.0+
◎ 得分：平均综合得分5.50分。
◎ 接管次数：平均5.64次。
◎ 亮点：简单场景处理能力较强，但复杂情况下的稳定性不足。
◎ 分析：硬件算力较低可能限制了系统在高负荷场景下的表现。
● 魏牌蓝山Coffee OS 3.1
◎ 得分：平均综合得分4.79分。
◎ 接管次数：平均5.86次。
◎ 亮点：简单场景表现尚可，但在复杂场景中接管频繁。
◎ 分析：算法与硬件的协同性有待提升。
● 极氪OTA 6.3
◎ 得分：平均综合得分3.57分。
◎ 接管次数：平均7.13次。
◎ 亮点：简单城市NOA场景表现尚可，但在掉头和绕行方面较弱。
◎ 分析：激进的驾驶风格可能导致接管次数增加。
● 小米HyperOS 1.4.5
◎ 得分：平均综合得分3.23分。
◎ 接管次数：平均7.87次。
◎ 亮点：部分场景有一定表现，但整体实力偏弱。
◎ 分析：作为新入局者，小米的智驾系统仍需时间打磨。
小样本深度路测：复杂场景下的极限挑战
小样本深度路测进一步考验了各系统在高难度场景下的能力，以下为关键表现：
● 小鹏XOS 5.5.0
◎ 接管总数：11次。
◎ 表现：简单和中等场景表现优异，红绿灯启停、大曲率弯道等场景处理得当，但在窄道通行和避让行人时接管较多。
◎ 分析：视觉方案在暗光和拥堵场景下的测距能力稍显不足。
● 华为乾崑智驾ADS 3.2
◎ 接管总数：2次。
◎ 表现：在所有难度场景下表现均衡，复杂路口和大曲率弯道尤为出色，仅在绕行障碍物和掉头时出现接管。
◎ 分析：激光雷达与高算力芯片的协同作用显著提升了系统稳定性。
● 理想OTA 7.0
◎ 接管总数：14次。
◎ 表现：简单和中等场景处理能力强，但在复杂路口和非常规红绿灯场景接管较多。
◎ 分析：版本升级后策略更激进，但Corner Case处理能力仍需加强。
● 腾势BAS 3.0+
◎ 接管总数：12次。
◎ 表现：简单和中等场景表现稳定，但在窄道通行和复杂路口等困难场景中表现一般。
◎ 分析：豪华车属性带来舒适性优势，但算力限制了复杂场景表现。
● 魏牌蓝山Coffee OS 3.1
◎ 接管总数：14次。
◎ 表现：在复杂场景中表现突出，唯一成功识别非常规红绿灯，但在绕行和掉头时接管较多。
◎ 分析：场景理解能力强，但决策执行仍需优化。
● 极氪OTA 6.3
◎ 接管总数：16次。
◎ 表现：大曲率弯道和复杂路口表现较好，但激进风格导致接管频繁。
◎ 分析：驾驶风格需进一步平衡以提升稳定性。
● 小米HyperOS 1.4.5
◎ 接管总数：16次。
◎ 表现：简单和中等场景表现尚可，但在预定路线偏离和避让场景中接管较多。
◎ 分析：导航与决策的协同性有待提高。
● 2025 年中国智能驾驶技术的发展趋势清晰可见。
◎ 在硬件层面，激光雷达与视觉方案并存的局面会进一步加剧，各企业在芯片算力上的竞争也将愈发激烈，都在努力提升硬件性能以满足不断增长的智驾需求 。
◎ 软件方面，自研算法的优化速度成为决定智驾性能的核心要素，各大车企和科技公司会加大在算法研发上的投入，力求在复杂算法领域取得领先地位。
◎ 在实际应用中，窄道通行、避让行人等 Corner Case 的处理能力成为当前技术的瓶颈，突破这些难点是智能驾驶技术发展的关键。
◎ 从用户体验出发，安全性与舒适性并重已然成为未来发展的方向，只有让用户切实感受到智能驾驶带来的安全与舒适，才能推动其更广泛的应用。
随着技术的持续突破和应用场景的不断拓展，智能驾驶技术将朝着更安全、更智能、更人性化的方向大步迈进。
最前沿的电子设计资讯
