下一步该怎么走？来自自动驾驶汽车专家的见解
自动驾驶技术发展迅速，但未来仍充满变数。麦肯锡开展了第三次半年期调研，以把握行业领袖当下的脉搏。
自动驾驶汽车正驶上全面部署的匝道。近年来，首批L3级汽车发布，全自动驾驶出租车的周载客量已超过70万人次，自动驾驶卡车也首次进行了无人驾驶演示。这种加速是全球性的：迄今为止，欧洲已开展了超过35个自动驾驶试点项目，美国和中国的商用自动驾驶汽车周载客量也分别超过45万人次和25万人次。
随着行业加速前进，竞争远未结束。开发商们正努力克服新一轮的技术和投资壁垒，技术栈将如何发展也仍有疑问。换句话说，高级驾驶辅助系统和自动驾驶仍有规模化发展的空间。
调研方法
麦肯锡未来出行中心与The Autonomous及Ride AI合作，每半年对自动驾驶行业的领导者进行一次调研。
2025年的调研于2025年1月进行，共覆盖全球91位决策者（其中43位来自欧盟，35位来自北美，13位来自亚洲）。他们包括汽车、运输和软件领域的初创公司及老牌企业，以及大学、地图和导航公司等支持机构。这些决策者包括产品管理总监、工程副总裁、首席体验官和战略主管。他们是基于其在该领域的专业知识和丰富经验而入选的。
为了更好地理解调研结果背后的逻辑，我们在The Autonomous主办的一次会议研讨会上讨论了调研结果。
在某些情况下，调研结果已与2023年的基线数据相结合，以提供分析更丰富的数据。
为了解这个快节奏行业的趋势，麦肯锡未来出行中心对行业领袖进行了第三次半年期调研，并举办研讨会讨论调研结果（见侧边栏"调研方法"）。今年提供了一些特别值得注意的见解，包括专家对采用时间线延长和开发成本增加的更新、对区域进展的看法，以及对何种形式的自动驾驶技术将胜出的想法。下文我们将解析这些及其他更多见解。
自动驾驶汽车的普及时间表持续延长
自动驾驶的等级
制定工程标准的全球专业协会SAE International将自动驾驶汽车的发展分为六个等级，从L0到L5。
L0至L2要求人类驾驶并持续监控自动化支持系统，这些系统包括预警系统、制动与加速以及转向。
L3车辆是目前消费者可广泛获得的最高级别自动化汽车。在此级别，汽车可以独立运行，但系统可能随时要求驾驶员接管。这些系统只能在特定条件下运行，例如交通堵塞时。
目前正在测试、开发和部署的L4车辆（包括无人驾驶出租车）。与L3车辆不同，L4车辆在没有准备接管的驾驶员的情况下运行。
L5车辆在任何环境和所有条件下都能完全自动驾驶。这些车辆是自动驾驶汽车开发的最终前沿领域。
今年的调研表明，相对于2023年的调研，在大多数自动驾驶应用场景中，自动驾驶汽车的采用时间线平均推迟了一到两年。虽然L4级机器人出租车已在美国和中国的首批城市投入使用，但其全球大规模推广现在预计要到2030年（而非2029年）才能实现（见侧边栏"自动驾驶的等级"）。同样，L4级私人乘用车的城市试点预计将从2030年推迟到2032年，完全自动驾驶卡车的商业化预计将在2032年（而非2031年）实现。总体而言，专家们预计机器人出租车将是L4在出行领域的首个商业应用——而非私人拥有的汽车。
自动驾驶汽车的可用性预计也会因地区而异。如前所述，美国和中国最早推出了机器人出租车，但其他地区的部署可能会较晚。受访专家预计，机器人出租车需要三到七年时间才能在商业上广泛部署并在所有地区可用。专家们预测卡车和乘用车也将呈现类似的推广模式。预计中国和美国将处于领先地位，大多数用例的推出时间明显早于欧洲或亚洲其他地区。多种因素可能导致这种地区差异，包括更快的开发周期、敏捷的商业组织和初创文化、监管支持、资金可用性、强大的可用人工智能和软件基础、更有利于自动驾驶的建成环境（相对于拥挤的市中心）、更大的市场规模以及更大规模测试新技术的更强意愿。
图表1 尽管时间线在延长，但预计L4用例将在本十年末出现，各地区存在一些差异。
私人拥有汽车的大众市场焦点正在转向L2+功能
在今年接受调查的专家中，最大群体（49%）现在认为，到2035年，私人拥有汽车（非机器人出租车）的大众市场将集中在L2+功能上。这标志着焦点从2023年调研中对L3或更高级别功能的关注发生了转变，当时52%的专家预计市场将向L3或更高级系统发展。这些先前的预测主要基于L3系统成本将下降以及L3车辆的优势方面（例如，允许驾驶员休息或执行非驾驶任务如工作或游戏的能力）可能会增强其吸引力的假设。
如今，只有39%的专家预测市场将聚焦于L3或更高级别。这种下降可能是由于资金缺乏、开发和验证成本高以及技术进步缓慢所致。如今，专家们越来越将L3自动驾驶功能视为可选的小众产品，主要针对高端汽车而非更广泛的大众市场。
图表2 对自动驾驶未来的预期已重新调整，L2+功能成为大众市场采用的主导焦点。
专家预测更高级别自动驾驶的成本将更高
与2023年的调研相比，受访者报告称，尽管人工智能取得了额外突破，但更高级别自动驾驶的预估成本更高。这可能也是因为低估了从测试过渡到商业部署所需的成本——例如，产品的工业化、处理长尾边缘案例的能力以及高额的验证成本。调研证实了这一点：L4机器人出租车的成本估算仅略有增加，可能是因为机器人出租车已经在扩大规模，领导者们对其实现商业成熟所需的条件更加确定。然而，自动驾驶卡车的成本估算出现了更大的向上修正——根据应用不同，修正幅度在50%到60%之间。这可能是因为卡车距离实现大规模商业准备度更远。
导致更高级别自动驾驶预期成本更高的还有其他几个因素。较低级别的自动驾驶通常需要不那么复杂的算法和更精简的硬件设置（传感器和计算单元），专家们认为这可能使软件开发、测试和验证成本比更高级别的自动驾驶（L4和L5机器人出租车和卡车）低四到七倍。另一方面，城市机器人出租车和其他高自动驾驶车辆必须应对复杂的交通场景和各种边缘案例。这些技术门槛意味着，机器人出租车和"全程"自动驾驶卡车预计需要超过30亿美元的软件投资才能实现市场就绪度。与此同时，硬件开发成本似乎与车辆形态（车辆类型）相关，而非自动驾驶级别，自动驾驶卡车（无论是枢纽到枢纽还是全程能力）的成本显著超过其他交通方式。
图表3 更高级别自动驾驶的成本高于预期。
高成本是自动驾驶参与者的关键痛点
为了评估实现完全自动驾驶还存在哪些障碍，今年的调研深入研究了开发流程中的痛点。尽管人们可能认为责任或技术问题会排在首位，但高成本显然是ADAS开发流程中最大的痛点。这清楚地表明行业正从开发阶段转向部署阶段。事实上，随着市场成熟的开发时间线不断延迟，ADAS的成本估算多年来一直在上升，给技术参与者带来了压力。
产品责任和法规的不确定性被视为中等痛点，这很可能是因为除了价值链中的供应商、原始设备制造商、终端客户和用户缺乏既定的责任框架外，确保ADAS和自动驾驶的安全与合规性也至关重要。专家们今年将竞争列为潜在痛点中最低的一项，这可能是因为随着参与者过渡到整合后的市场，他们发现相关的价值池足够大，足以让多个竞争者共存并蓬勃发展。这可能也与人才稀缺在痛点谱系中排名较低有关。由于近期的行业整合以及人工智能支持并加速研发进程的兴起，人才的可用性可能已有所改善。
图表4 高成本是目前高级驾驶辅助系统开发商最大的痛点。
专家预计区域化趋势将加强
当被问及全球ADAS技术栈可能如何发展时，受访专家的意见不一。大多数专家（74%）预测将出现专门的中国技术栈，但他们对区域技术栈可能如何表现存在不同看法：26%的专家预测欧洲、美国和中国将各自拥有自己的技术栈；35%的专家预测中国将拥有自己的技术栈，而美国和欧洲将共享另一个技术栈；12%的专家预测美国将拥有自己的技术栈，而另一个在中国开发的技术栈将与欧洲共享。专家们可能预期会出现专门的中国技术栈，原因包括中国消费者对ADAS功能的兴趣日益浓厚，该地区拥有独立的供应链，以及整体的地缘政治不确定性导致各行业出现区域化趋势。
图表5 超过三分之一的受访者预计会出现专门的中国解决方案。
自动驾驶软件栈最有可能在混合模型中融入端到端人工智能系统
今年的调研深入探讨了专家对"端到端"学习的预测，这是少数领先参与者提供的自动驾驶领域的一个较新发展。端到端学习平台建立在一个大型基础人工智能模型之上，并使用机器学习进行训练。这不同于传统的车辆软件开发，在后一种方式中，程序员通过手动编码或使用独立的人工智能算法，单独定义车辆的感知、传感器数据融合和路径规划规则。
端到端学习有潜力提供性能优势，包括模拟类人的驾驶行为。使用端到端技术栈的车辆可以更容易地在自动驾驶较少使用（甚至尚未测试）的区域行驶。专家们还预计，创建端到端学习系统可以降低开发成本：32%的受访专家预计成本会有中等程度的降低（10%到20%），而35%的专家预计会有超过20%的更大降幅。然而，端到端学习也存在一些缺点。专家们将监管和安全问题（如人工智能幻觉和模型作为"黑箱"运行）列为实施端到端学习系统的首要挑战。其次是难以找到熟练人才（即精通人工智能的人才）来构建这些系统，以及高昂的投资成本，例如建设数据中心或收集所需数据。
由于这些挑战，只有22%的专家认为"纯端到端"模型将成为未来的主导方法。绝大多数专家预计将是混合模型，即将传统算法与端到端人工智能模型相结合。例如，这种混合汽车可能会用其端到端模型计算轨迹，然后用传统算法检查该轨迹。在不同的应用场景中，专家认为纯端到端的ADAS可能仍可用于L2+级别，在该级别驾驶员负责监督并可在系统故障时采取行动。对于L3以上的应用场景，不到10%的专家预计纯端到端模型会成为主导方法。
图表6 自动驾驶调研受访者押注于自动驾驶汽车的混合方法。
专家对硬件和软件采购方式的看法日益分化
今年，专家们对原始设备制造商在2035年如何采购硬件和软件组件的看法出现了更大的分歧。目前，L2+市场主要由系统厂商（共同开发芯片和软件）主导，但我们调研的专家预测，2035年的主导采购策略将是硬件软件分离（即原始设备制造商独立于软件采购芯片）。在这种情境下，一些原始设备制造商也可能自行开发软件。约三分之一的受访专家（34%）预期会出现由技术厂商和芯片公司联合开发芯片和软件，或者由原始设备制造商内部完成所有工作的情景。
今年调研中最显著的变化是，更多比例的专家（26%，高于2023年的16%）假设将采用混合搭配方法。在这种情景下，技术栈的各个元素来自不同的供应商，并由原始设备制造商或一级供应商集成到最终产品中。专家对混合搭配方法的预测可能受到端到端和混合架构兴起的推动，这些架构可以整合来自一个供应商（或原始设备制造商自身开发）的端到端系统和来自另一供应商的传统系统。
图表7 今年，受访者对于技术栈将如何采购的看法更加分化，最大比例的受访者预测硬件和软件将分别开发。
一些见解可以帮助自动驾驶参与者取得成功
今年调研的结果对自动驾驶公司有多重启示。几个关键见解尤为突出：
保持敏捷和灵活将有助于公司跟上最新发展。 鉴于技术、法规和公众认知的不确定性，参与者需要持续跟踪自动驾驶的最新发展并快速适应变化。这在专家们已指出存在"分歧观点"的领域（例如硬件和软件的采购方式、分区域技术栈战略等）尤为重要。
成功的市场战略可能需要既具有针对性又具备协作性。 随着自动驾驶市场的转变和整合，公司可以专注于其有权参与并取胜的价值链环节。与非核心业务环节的合作伙伴关系也有助于扩大市场份额。
保持对客户价值的关注至关重要。 在当今快速变化的市场中，公司可以追踪客户愿意为什么付费，并构建满足这些期望的产品和服务。
安全准则对规模化至关重要。 与所有新技术发展一样，安全和监管将是关键。行业团体可以合作制定标准，确保规模化安全进行时不会遇到障碍。
卓越的组织能力有助于克服障碍。 技术、商业和运营团队需要携手合作，以控制开发成本并按节奏取得进展。
这个行业正逐渐接近大规模实现。 尽管挑战依然存在，但该行业的新创新和新产品显示出令人鼓舞的进展。通过根据当今不断变化的因素制定和调整计划，自动驾驶汽车公司有望在即将到来的自动驾驶格局中找到自己的定位。
关于作者
Ani Kelkar 是麦肯锡波士顿办事处的合伙人； Kersten Heineke 是法兰克福办事处的合伙人； Martin Kellner 是慕尼黑办事处的合伙人， Charlotte Wiemuth 是该办事处的顾问； Eduardo Mañas-Pont 是苏黎世办事处的顾问。
区域和双边贸易协定正以惊人的速度激增。虽然由此产生的贸易环境错综复杂，但也为进入新市场提供了无数机遇。...
根据麦肯锡的最新报告《欧洲零排放卡车转型：脱碳和竞争力的关键》，欧洲卡车行业正站在十字路口，零排放卡车（ZE）的转型不仅是实现道路运输脱碳的必要条件，更是未来竞争力的核心。报告指出，欧洲卡车行业若不能加速向零排放车辆...
全球知名咨询巨头麦肯锡公司正在经历一场由人工智能驱动的变革浪潮，其裁员举措引发了行业内外的广泛关注。...