中国智能驾驶报告2023：车联万物，畅想智行
文：任泽平团队
导读
新能源汽车蓬勃发展，快速渗透。软件定义汽车时代来临，汽车智能化是电动化后的新一重要发展阶段。智能驾驶给用户带来便捷且富有科技感的驾乘体验，彻底改变人们的出行方式、生活体验，在出行安全、节能性价比、出行效率等方面贡献显著。
我国是全球最大的汽车消费市场，通信基础设施、智能化道路基础设施也配套齐全，消费者对新事物接受度高、市场活跃，有发展智能驾驶的优势条件。智能驾驶发展也是大国博弈的一环，欧盟、美国、日本都在轮流出台政策抢占制高点。多年来我国政策呵护智能驾驶行业发展，2022年开始，L3、L4等高级别智能驾驶逐步试点，技术和标准趋于完善。
智能驾驶分不同阶段，我国L2级智能驾驶正在快速装机落地，2022年渗透率超30%。行业正处于从低级别驾驶辅助、到高级别真正自动驾驶的关键时期，技术与安全是首要考量、配套与成本是落地关键。智能驾驶的实现，本质上是看感知、决策、执行三大核心系统的协同发展，感知层类似五官，感知环境、搜集数据，决策层类比大脑，处理数据、输出指令，执行层类比四肢，执行智能驾驶指令。智能驾驶产业要发展成熟，离不开智能交通建设、真正实现从单车智能到车路协同，也离不开规模效应和技术迭代发展。需要密切关注车载摄像头、超声波毫米波雷达、激光雷达、高精地图、算法、AI芯片、计算平台、线控制动、线控转向等核心环节国产化自主可控进程。
汽车革命，上半场的电动化正在如火如荼开展，下半场的智能化也已经悄然开启。智能化有可能改写和重构很多行业，包括车联网、车路协同、共享出行、无人公交系统、无人港口物流、智能交通运营等这些领域。
目录
正文
智能驾驶的实现，本质上是感知、决策、执行三大核心系统的协同，分别负责环境感知与定位、智能规划与决策、控制执行。如果将其类比：感知层相当于人的五官，感知周围的环境，搜集数据传输到决策层；决策层相当于人的大脑，处理数据，输出相应的操作指令给执行层；执行层相当于人的四肢，执行大脑给出的指令。感知层主要是环境感知、位置感知、速度、压力感知，关键软硬件设备包括车载摄像头、超声波雷达、毫米波雷达、激光雷达、高精度地图等。决策层主要是包括算法操作系统、AI芯片、计算平台；执行层主要包括动力供给、方向控制、车灯控制。
从技术和产业链发展阶段来看，感知环节基本实现国产替代，产业链较为成熟。车载摄像头、毫米波、超声波雷达都已实现自产。国内激光雷达企业技术路线多元化，具备集成能力。决策环节技术壁垒较高，国内相关产业链仍处于技术攻坚阶段。应用软件算法在加速追赶，自主AI芯片满足驾驶辅助需求，部分厂商推出高阶自动驾驶芯片。智能驾驶AI芯片自主可控，是一场需要时间的攻坚战。执行环节处于起步阶段，因为传统车技术迁移成本高，升级到新技术的市场积极性有待提高，实现商业化落地还需时间。随着国内整车和零部件企业技术逐渐成熟、布局逐一完善，有望逐步实现国产替代。
感知系统的主要任务是获取各种道路信息，目前有以特斯拉为主的“纯视觉路线”和其他主流厂商的“融合感知方案路线”。视觉路线认为，仅用摄像头就能完成路面信息的收集、侦查、识别任务，不需要与激光雷达绑定。算法系统仅需要从模拟中穷举场景，建模理解信息再做出判断，就可以保障智能驾驶运行。
融合感知方案认为，依靠单一视觉系统会出错，仅凭借“眼睛”无法即时精准而全面地收集到信息，应该采用全方位、多种类的感知系统。除摄像头外，还需要毫米波雷达、超声波雷达、激光雷达。毫米波雷达的穿透性强，超声波雷达短距离精度高，能帮助车辆应对复杂的天气与环境。而在L3级以上的高级别自动驾驶，装配精度高、稳定性强的激光雷达成为共识。
激光雷达是上述两类路线的争议核心，也是高级别自动驾驶需要突破的痛点。激光雷达先把激光发射到目标物体上，再收集和建模处理反射回来的激光，得到车辆、行人等具体形态，最后扫描形成更加完整的图像。主要有四种路线：机械式、闪光雷达、OPA相控阵、混合式。混合式方案相对成熟，又分为MEMS微振镜与转镜两种，MEMS 路线成本和工艺门槛低，又容易过车规认证，有望在未来成为主流解决方案。转镜路线已经成熟落地，是行业龙头法雷奥和主流激光雷达厂商在前装市场的选择。激光雷达市场取得较大突破，众多产品装车落地。
决策系统的任务是将感知的结果进行信息处理、行为预测、规划路径，最后传输给执行系统去执行，决策系统分为三大软件层和芯片硬件层。上层的软件，负责最表层的信息和数据处理，人机交互，由底层的操作系统管理提供支持。中间层的中间件连接上下层，直接与操作系统交互，保障所有部分的快速通讯和运行。最终由硬件层的智能驾驶AI芯片执行算法和数据处理运算。从产业链发展来看，上层应用软件算法、中层中间件、和AI芯片是技术挑战最多的环节。
决策系统三大软件层，上层是应用软件，算法复杂，为实现各种场景下的自动驾驶功能，需要海量的模型搭建、道路测试、模拟数据来完成开发。特斯拉依靠全栈式自研AI平台实现领先。国内主要应用软件开发是基于共享的深度学习网络，国内整车厂、Tier1、科技巨头正在积极发力，实现海量数据积累和用户规模效应，也在数字孪生、仿真测试领域上探索，未来独立建立算法平台是趋势。
中层是中间件，是解决不同供应商软硬件兼容性问题的核心，也是域控制器产品中技术壁垒最高的环节。通过集成的AutoSAR汽车开发系统架构，连接上层应用软件和底层操作系统，实现交互。中间件的开发需要投入极高的时间、人力和财务成本，此外，还需要与多家供应商长时间合作来进行产品兼容性调试与匹配。中间件准入门槛高，AutoSAR框架从2003年建立至今，联盟包含近200家企业，只有9家核心企业和63家一级会员能实际参与到开发模式的筹划、管理和调控。我国有百度、华为、经纬恒润、国汽智控等8家是一级会员，完成中间件的自主替代是长期较为艰巨的任务。
底层是操作系统，管理和控制车载硬件和软件资源，分基础型和定制型。基础型操作系统有QNX、Linux、WinCE、Android等，约75%的自动驾驶底层操作系统使用的是QNX系统。定制型操作系统是在基础系统上再深度开发、定制化。百度车载OS、大众VW.OS都属于此类，整车厂可以和百度、华为等科技企业合作开发。
决策系统硬件层的智能驾驶AI芯片，是汽车智能驾驶行业关注的核心。发展智能AI芯片存在三方面挑战：一是行业进入壁垒高，汽车芯片研发验证周期长、资金投入大，切换供应商存在失败风险，多数整车厂选择与先发的海外芯片厂深度绑定。二是研发技术难度大，智能驾驶AI芯片不同于传统汽车域控制器的32位MCU芯片，在算力、性能、功耗、操作系统方面的要求显著提高，导致研发成本和制造工艺攻坚困难。三是海外政策变量多，2020年以后，美国出台《芯片法案》等政策规划，旨在将半导体产业链重新迁回美国。2022年后，又发出多项出口限制、投资限制禁令，针对EDA芯片涉及软件、DRAM存储芯片等诸多领域，旨在遏制我国半导体行业发展。未来我国智能驾驶AI芯片关键技术实现独立自主，需要攻坚克难、突破“卡脖子”技术。
AI 芯片主要有四种算法支持技术路线：封闭算法、提供工具链、自研、提供硬件平台，长期来看全栈自研和平台化硬件可能是较优路径。全球第一梯队厂商有英特尔、英伟达等，国内芯片厂商也逐步具备智能驾驶辅助芯片自给能力。从高阶自动驾驶能力来看，目前拥有200TOPS以上算力AI芯片的厂商有英伟达、英特尔、高通、华为等少数几家。华为昇腾910在2022年8月正式推出，算力达到640Tops。国内其他芯片厂商如地平线、黑芝麻等企业也在陆续发力。
智能驾驶执行系统，负责决策后的转向和制动，改变方向、减速、停车。随着智能驾驶的级别提高，L3 及以上级别自动驾驶要求驾驶员部分或全程脱离驾驶操控，转向和制动系统要部分或全面实现自动化。线控技术升级也是智能驾驶发展重点难点之一。我国《新能源汽车产业发展规划（2021—2035年）》强调线控执行系统技术发展的重要意义。
目前乘用车主要有两种转向技术，电动助力转向EPS和线控转向SBW，线控转向最大区别是取消了方向盘和转向轮之间的物理连接，也就是转向可完全由算法控制，可以脱离方向盘、根据自动驾驶的转向要求独立转向。线控转向反应速度快、能耗低，是实现完全自动驾驶必要一环，但技术仍待成熟，未来成本优化以实现量产。《线控转向技术路线图》规划到2025年、2030年，线控转向的渗透率分别达到5%、30%。
由于新能源汽车失去了由发动机产生的真空压力来源，也倒逼了制动系统升级。线控制动主要有电子液压制动EHB、电子机械制动EMB等路径。前者保留了液压系统，以电子助力器取代真空助力器，成本低，但响应速度更长，且有制动液泄漏风险。电子机械制动技术EMB无液压系统，制动力由电机提供，更先进，反应时间更短，安全优势突出，无泄露风险，有利于轻量化和降噪，能量回收效率更高。国际厂商博世，国内厂商伯特利、拿森等都在线控制动领域占据一席之地。
执行系统完成智能化升级，需要降低线控转向和制动系统成本，联动路面信息反馈系统，减少对传统汽车时代零部件系统粘性，进一步提高整车厂、零部件供应商升级的积极性。
智能驾驶并非零事故，但可有效降低交通事故发生率。一是智能驾驶提前全方位路况信息收集，规避可能发生的道路风险。二是凭借智能决策系统和精确执行系统，杜绝疲劳驾驶、酒后驾驶等危险行为，防范违反交规行为。三是智能驾驶像驾驶员一样具备案例分析和不断学习的能力，在复杂的出行场景中也可以逐步解决不少痒点、痛点和高频问题，让出行的所有节点都有迹可循。随着用户信任普遍形成，智能驾驶普及率上升，相关法律法规标准完善，智能驾驶会更加安全。
造成大家对智能驾驶安全问题讨论的因素主要有两点：一是技术盲点，二是人车决策的认知偏差。技术盲点指的是纯视觉路线无法应对解决所有的自动驾驶场景。数据统计，特斯拉汽车在自动领航状态下发生交通事故多在白色大型货车相关的场景中。特斯拉的纯视觉路线采用单目和三目摄像头，无法通过视觉差判断距离，即使静止不动的物体，也可能被毫米波雷达忽视，对于新场景，纯AI算法穷举可能判断失误。因此，近年在激光雷达技术的不断成熟下，多传感器融合感知方案成为自动驾驶落地的普遍共识。认知偏差是指用户对车辆的智能驾驶级别理解错误，认为低级别辅助驾驶车辆上可以启用高级别自动驾驶功能。智能驾驶分为驾驶辅助（L0-L2）与自动驾驶（L3-L5）两个阶段。当下主流的驾驶辅助系统的决策范围十分有限，主要的周边监控和任务接管还需要驾驶员负责。部分用户误把市场上的驾驶辅助系统和自动驾驶划等号，导致在驾驶过程中错误地把驾驶员负责的任务完全交予车辆。在多起相关事故中，用户都在驾驶辅助功能下放弃了对车辆的控制，且在收到系统提醒后有充足反应时间的情况下，却没有恢复对车辆的控制。实际上，当前主流的L2只是在L1的ACC自适应巡航和LKA车道保持功能上，增加了自动变道功能，并不等于能完全替代人类司机。
因此，尽管智能驾驶系统决策可以优化驾驶效率，但在目前高度智能的高阶无人驾驶技术还没有完全普及情况下，驾驶员还需要理性区分驾驶辅助和自动驾驶的区别，及时的执行接管控制任务，实现安全行驶。
单车智能和车路协同之争被视为智能驾驶解决方案的终极课题。单车智能是仅依靠车身传感器和算法来获取、计算外部信息，不依赖通讯网络获得信息与决策的方案。车路协同是通过C-V2X车联网实现车、路、云端信息交互、协同执行，保障车辆行驶效率与安全。当前，单车智能离技术成熟十分遥远，不仅需要海量场景训练与计算，且车身感知硬件能力还存在许多不足。车路协同是各国政策的主要支持方案与主流汽车厂商的发展方向。
在车路协同路线上实现L3-L5的高阶智能驾驶，需要完善智能交通多环节建设，包括优化公路标志标线、道路监测传感器的铺设、高精度地图辅助、V2X协同设备等。
优化公路标志标线是在道路层面实现智能驾驶的第一步。智能驾驶需要车辆感知系统识别路面交通标志，并以此来实现对交通规范的遵守。因此，减速标志，导流线、可变车道线、人行横道、让行线等标志标线的全国统一优化是基础设施完善的第一步。交通部印发的《关于开展公路交通标志标线优化提升专项工作的通知》，强调严格执行国家和行业标准规范中的交通标志标线有关信息内容、颜色、形状、字符、图形、尺寸，坚持严格标准。
道路监测传感器是智能公路建设的硬件要求。智能公路需要在交叉路口、路侧、弯道等关键位置铺设传感器，配合车载感知系统，保障公路信息的实时传输。磁诱导技术是道路检测传感器发展方向，通过在道路上纵向按照一定距离铺设磁道钉，车辆感知系统中的磁传感器可以实时获知车辆相对于磁道钉的相对位置，从而计算出车辆与道路的情况，并通过应用软件建立模型，显示提醒驾驶员当前的车辆状态。类似的解决方案还有引导电缆、雷达反射性标志、DSRC专用短程通信设施等，均可以帮助车辆实时监控道路情况。
高精度地图的精度高、时效性强、数据维度广，是辅助环境感知、定位、路径规划与控制的软件，也是智能公路建设不可或缺的条件。道路检测传感器易受到大雾、大雨等天气影响，且在夜间光线差、地下信号差的地方表现不佳，通过高精地图实现精准定位是对传感器的重要补充。在汽车行驶过程中，由于信号、时延等多种因素，存在一定的位置误差，也可用高精地图的精准匹配作为补充。
V2X（Vehicle to X）车对万物通讯，即“网联化”，是智能公路系统的关键技术。是连接车与路、车与车、车与基站、基站与基站之间的核心。广义上的V2X平台还包含了全球定位、云计算、云控制等支持车辆通信的技术。这需要高精度北斗定位系统、超级计算机控制中心、移动终端、高速无线通讯系统以及相应的配套基础设施来协同完成。我国《“十四五”信息通信行业发展规划》中重点提及，V2X是国家规划智能汽车的关键方向，尤其是蜂窝车联万物C-V2X。5G通讯技术的成熟也为最新一代C-V2X提供了解决方案，是未来发展的方向。
除上述主要基础设施外，智能公路还需要智能停车系统、智能充电系统、智能检修系统、智能清障车和电子信息提示牌等配套设施补充。
现阶段智能驾驶的成本高，最核心的因素还是配套硬件和域控制器系统的采购成本高。市面上基础款的L2智能驾驶车型售价约在10-20万元区间，而同期热点L3级车型，售价35万起步。增加了交通拥堵领航和高速公路领航功能的L3车型价格跨度达10万以上。
智能驾驶要求软硬件升级， L3及以上配备激光雷达是行业共识，拉高了单车成本。此前激光雷达单颗售价高昂，例如，激光雷达鼻祖Velodyne在2020年发售的单颗价格约3999美元。近年来，单颗售价呈现逐步走低、平价化趋势，欧洲激光雷达龙头法雷奥，其主流产品Scala2的单价在1000美元左右，小鹏P系列装配览沃科技国产激光雷达，单价约9000元。未来，预计到2025年能实现420万颗量级左右的激光雷达出货，单价下降到200-300美元左右，让消费者能更加接受，这也是激光雷达大规模装车落地的关键。
美国尽力保持在自动驾驶领域的全球领先地位。2013年，制定了《关于自动驾驶汽车的初步政策》，2014年再推出《智能交通系统战略计划》。2017年发布更具体的《自动驾驶系统2.0：安全愿景》，加大对智能驾驶技术的重视。2020年，正式出台《确保美国在自动驾驶技术领域的领先地位：自动驾驶汽车4.0》，明确自动驾驶发展的重要地位。2022年3月,美国国家公路交通安全管理局发布最终规定：优化测试审批流程，自动驾驶汽车的制造商无需为了满足碰撞标准，配备手动驾驶控制系统，代表其全自动驾驶无需人工控制的时代来临。
回顾美国的自动驾驶产业政策沿革，从最初的制定自动驾驶测试的相关标准、确定以自动化和网联化为核心发展目标，进化到全面打开全自动驾驶的大门。其目标是2025-2030年，大多数美国汽车自动驾驶，到2045年，全美汽车实现自动驾驶。
欧洲是最早重视自动驾驶发展的地区。早在2003年就联合产业界出台了eSafety欧洲道路安全行动计划，提供了智驾发展的总框架和战略：一是实现到2010年，道路安全事故死亡人数减半的目标，二是利用先进的信息与通信技术，探索车路协同方案的可行性。2011年，《欧洲一体化交通白皮书》成为统一欧盟的交通基础设施规范与规划。2013年，“地平线2020计划”。2015年《欧洲自动驾驶智能系统技术路线》，正式提出了欧洲自动驾驶发展战略。2020年，欧洲经济委员会通过关于自动驾驶豁免的ECE新法规，放松了自动驾驶的测试监管。2021年9月，欧洲道路运输研究咨询委员会发布最新自动驾驶技术路线图，政策从最初的以保障车辆安全为目的，发展到建立智能化、自动化车联网。欧盟提出了全球范围内最激进的自动驾驶计划，从2022年起，全欧所有新车将统一支持车联网，最快到2030年，欧洲进入全自动驾驶社会。
日本希望通过自动驾驶技术为经济提供新增长点。2013年，“自动驾驶系统战略创新项目”开始重视自动驾驶产业发展。2014年，发布《官民ITS构想/路线图》，通过政府和私营企业联合制定、共同实施、一致发展智能驾驶产业。2016年和2018年，分别发布《自动驾驶汽车道路测试指南》和《未来投资战略2018》,鼓励自动驾驶测试，强调“人工智能”在出行领域和智能驾驶的结合。2020年推出《实现自动驾驶的相关报告和方案》。2022年4月，修改《道路交通法》，放宽自动驾驶范围，允许在高速公路上使用L3级自动驾驶。日本的自动驾驶产业政策已经从最初的建立世界最安全的交通系统，发展为希望通过自动驾驶技术带动日本经济增长。目标是：到2030年，L3级别汽车达到新车销量30%。同时实施监管沙盒制度，在特定空间创造更宽松环境，使得自动驾驶实证实验可以进行。但日本的自动驾驶测试的准入主体仍然有限，这也使得日本自动驾驶的发展相对缓慢。
2015年，《中国制造2025》的发布是我国自动驾驶政策起步的关键，也标志着我国开始对自动驾驶产业进行总体方向规划。2017年的《汽车产业中长期发展规划》是第一部分类自动驾驶级别、对市场提出规划的文件，并在同年提出了完善相关标准的指南。2018年《智能汽车创新发展战略》具体指出发展自动驾驶所需要的V2X技术要求。
2020年，作为第一个重要节点，我国总结过去自动驾驶发展取得的进展，并展望了5年，重新制定自动化分级标准。2020-2022年推出一系列政策，针对性地对产业链完善、场景化应用、具体技术创新做出发展指引。2022年7月，深圳迎来了划时代的“我国首部L3级自动驾驶法规”，9月，上海出台政策对L3级实际落地和L4级商业化应用提供了支持。
2022年，国内智能驾驶行业标准日趋完善，《深圳经济特区智能网联汽车管理条例》、工信部公安部《关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》等政策陆续推出，对具备量产条件的L3、L4级别搭载自动驾驶功能汽车，逐步开展准入试点。
自动驾驶由算法主导，事故中的道德困境如何解决，引发了一定的社会争议和伦理挑战。目前不同国别对自动驾驶责任认定存在差异，不同责任认定区间，或影响用户对自动驾驶的使用意愿。智能驾驶的进一步发展，关键在于实现从L2到L3，即从驾驶辅助到自动驾驶的跨越，实现真正意义上的自动驾驶，这也是最难的一步。2022年我国车企有多款L3车型发布，逐步开启量产交付。从零部件供应商角度来看，传统Tier2二级供应商转型也普遍顺利，软硬件方面也能满足自动驾驶配套需求。从互联网科技公司造车来看，有的甚至已经越过L3，实现L4和以上的车型孵化。未来期待相关法规和政策支持进一步完善，打开更多智能驾驶适用场景，实现智能驾驶产业发展的世界领先地位。优化事故责任介定、推行无人牌照、营业收费牌照、开放道路测试、营造更开放的交通政策支持环境，补充完善在实际多应用场景中的规范，是未来发展需进一步明确的方向。
智能驾驶的终极阶段，是实现车联万物的无人驾驶。在智能化和网联化构想下，无人驾驶要在融合现代通信与网络技术的基础上实现车与万物的智能信息交换与共享。因此，智能驾驶的未来发展离不开车联网的技术进步与车路协同的建设完善。此外，智能交通运营商的兴起，来继续推动市场进步，最终在政策的引导下，推广更丰富的智能驾驶场景应用落地。
智能驾驶的实现与车联网密不可分。车联网，是指通过车载无线通信设备与人、其他车辆、道路、云端等实现高速通讯的技术，其实现有四方面要素：车、路、网、云。其工作原理是，车辆端的感知系统时刻保持对路况和运行的监控，通过V2X技术和道路与其他车辆保持同步连接，道路端的传感器、摄像头、信号站、路灯等收集道路信息、交通状况；通过网络通讯技术上传给云端的储存、计算、和决策中心，再由云端通过网络反馈信息和决策给车辆端。简单来说，车联网的实现，需要从车端、网端、路端共同进行改造，再由云来统一协作、调度管理。
车端，车联网发展的本质是改造汽车电子电气系统的过程。汽车有五大系统和域，电子电气系统是汽车“大脑”。在传统汽车中，对于传感器与各种电子电气系统的信息传输与控制都由 ECU车载电脑完成。每个功能由一个独立的 ECU 分布式汽车电子控制器实现。当前ECU正向域集成化演变，不同的功能将集成到一个域内来实现，提升算力利用率。在未来，ECU架构将变为中央集中式，一个车载中央计算器控制全车的域控制器，最终通过云计算达到“车联万物”。
在车联网实现的车路协同场景中，确保车端与路端的信息实时交互十分重要，通信模组负责车与车、车与路之间实时传输信息，能通过可靠、低延时的网络环境确保两端快速接入网络，是车路协同发展的关键技术。通信技术是车路协同中的连接通道也是车联网的底层技术。目前，主要的车路协同的底层通信技术是DSRC专用短程通信技术和C-V2X蜂窝车联网。DSRC属于特定频段技术，是一种专用的短程通信技术，可以实现小范围内图像、语音和数据的实时,准确和可靠的双向传输。目前海内外主要的ETC电子不停车收费都采用DSRC技术。C-V2X起步相对较晩，但因为基于蜂窝通信技术，其便捷性、可靠性方面具有优势。通信技术在路线上各有优劣，应用单个通信方式技术难以满足负责的车路通信需求，因此多技术兼容的通信平台在中短期内都将是主流。除此之外，C-V2Ⅹ可以与5G通信技术兼容，未来在自动驾驶领域的应用也广受关注。2022年，华为表示正在探索推进5.5G技术研发以及其在智能驾驶领域的应用。5.5G技术将拥有在远距离实现高峰值传输的能力，并给宽带实时交互带来约十倍的提升。届时，自动驾驶车辆算力要求与网络速度的不匹配的问题将得到解决，车路协同的发展也将迈出决定性一步。
高级别车路协同公路成为促进智能驾驶发展的重要新型基础设施，近年来，我国开展了近万公里的车路协同高速公路建设。随着未来通信技术与C-V2X的进一步融合，三维建模、时空同步、智能识别等技术愈发成熟，聪明的车匹配智慧的路、再加上智能云网，车联万物时代成为可能。
工信部在《2021年汽车标准化工作要点》中强调要围绕多场景应用，加快 L3/L4应用功能要求和场地、道路试验方法等标准的制定出台，研究港口、配送等特定应用需求相关标准，扩大自动驾驶应用范围。智能驾驶的应用场景可以分为乘用场景和商用场景两类。乘用场景有用户自购自用、智能出行服务。商用场景主要有无人码头运输、高速无人重卡、矿区无人重卡等。
乘用方面，智能出行服务是涉及消费群体最广的服务场景。智能出行和传统出行最大的区别在于“无人”。目前市场上较为成熟的智能出行方案主要是无人驾驶出租车Robotaxi和无人驾驶公交Robobus。无人驾驶出租车有几大优点，一是可以避免乘客在狭小空间内与他人的接触，减少沟通成本，保护乘客隐私，提高乘坐体验。二是可以适应城市道路多种复杂路况，根据实时交通信息做出路线调整。在路况判断、规划执行、遵守交规方面也优于人类驾驶员，能给乘客带来便捷高效的出行体验。三是成本更低，国内一线城市出租车均价区间在2.6-3.2元/公里，驾驶员成本占约50%，在未来无人出行大规模商用落地后，可以为用户带来更经济实惠的出行体验。2022年，北京正式开放国内首个无人化出行服务商业化试点, 百度Apollo Go、小马智行进行常态化示范运营。重庆、武汉也开启自动驾驶全无人商业试点，未来有望在全国进一步普及。与无人驾驶出行不同的是，无人驾驶公交通常按照指定路线行驶，是智能化生活的重要组成。全国范围内，重庆永川、河北沧州、山东菏泽都相继开通自动驾驶公交车示范运营项目，自动驾驶公交车体验线路陆续开展。无人驾驶公交对车路协同、车辆智能监控、安全预警等方面要求比乘用车更高，实现大规模商用还需要时间验证。
商用方面，主要是将具备无人驾驶条件的作业型和运输型专用车辆在限定的工业、商业区域应用。无人码头运输对交通运输业和物流产业影响深远。无人码头运输能提高运货精准度，帮助港口提升作业效率，缓解港口压力的同时还降低了运营成本，可以极大减少码头安全事故。天津、厦门、宁波、青岛等多城市港口都升级采用了无人驾驶集装箱卡车，深圳妈湾智慧港、山东日照港、广州南沙港四期、安徽合肥港都有智能化无人港区陆续建成。粤港澳大湾区的广州港南沙港区自动化码头，集成了无人驾驶、5G通讯、北斗导航等多项先进智能技术的应用，是全球首个江海铁多式联运全自动化码头，未来推广应用空间巨大。高速无人重卡的应用和无人码头类似，只不过场景从封闭式的港口区域变成了高速公路。公路干线物流运输的痛点之一是物流成本，而无人重卡的应用可以显著地实现降本增效。目前对高速无人重卡发展的担忧还是道路安全隐患，为此，需要在高速路中间设置自动驾驶干线物流专线，一旦出现车辆问题，能紧急停靠，避让行车。我国矿区无人重卡的应用走在世界前列。早在2018年，国家能源集团的露天煤矿用自卸车无人驾驶系统立项。2022年，我国自主的930E矿用卡车在内蒙古投入使用，是全球最大无人驾驶矿用卡车。实现“装、运、卸、配合”作业流程完全无人，自主操作。矿区无人卡车因为在封闭区域内作业，风险因素相对更容易控制，大规模商用未来可期。
综合来看，智能驾驶应用场景的多样化发展已成为趋势。到2022年，全国开放各级测试公路近万公里，实际道路测试里程超过千万公里，自动驾驶出租车、无人巴士、自主代客泊车、干线物流以及无人配送等多场景示范应用、道路智能化升级改造，装配路侧网联设备等都在有序开展。未来智能汽车应用场景将更加丰富。
智能交通运营或将在智能驾驶时代兴起发展。以网络运营类比，移动、电信、联通等运营商的主要责任是构建网络服务体系、完善联网相关标准、为消费者提供网络服务并提供售后支持。智能交通运营商的主要职能是构建智能交通生态体系，协助完善智能出行标准，提供出行服务和支持。
成为智能交通运营商的主体，理论上需要两方面条件，一是需要有较强的软件系统集成能力、云平台、大数据运算平台，二是拥有较为成熟的无人驾驶技术。智能交通运营覆盖范围在理想状态下是公路系统的全范围，即使是覆盖部分地区，也需要处理海量的道路和用户数据。这无疑是巨大的挑战。另一方面，智能交通运营商还必须亲自参与到市场中提供服务，才能帮助完善智能交通生态体系。这就要求运营商要有投入自动驾驶汽车的能力。短期内，租用或购买其他车企的自动驾驶汽车来投入市场或许是主要智能交通运营商的选择，但长期来看，拥有无人驾驶汽车研、产、用能力的运营商才能在竞争中胜出。