文字 | 三体君

编辑 | 三体君

告别2024，2025如期而至。

作为“十四五”规划的收官之年，2025年的中国汽车行业虽遭遇诸多困难，却也蕴含着勃勃生机，将在困境中绽放，在严冬里酝酿新生。从最初的手工打造车身，到与外资合作建厂学习技术，中国汽车工业已历经七十多个春秋的发展。

时至今日，该行业能够自豪地宣称“我们已跻身世界先进行列”，特别是在引领汽车产业革新潮流的新技术和应用方面。

趋势1

类似于传统汽车时代对油耗削减的迫切需求，新能源汽车电耗的降低已成为当代消费者不可或缺的需求，并且也是汽车行业达成节能减排、实现“双碳”目标的核心策略。通过硬件技术的革新与软件优化的综合解决方案，新能源汽车的电耗能得到有效降低，进而大幅度提升续航里程。硬件技术方面，如低滚动阻力、轻量化设计、高效电驱动系统及低功耗芯片等的日益成熟，正强有力地驱动着新能源汽车行驶电耗的减少。

此外，整车热管理系统的集成化与智能化提升，加之预测性能量管理技术的广泛应用，构成了新能源汽车行驶电耗大幅下降的软件基础。企业如比亚迪、国轩高科、中创新航电等，从动力电池PACK层面着手，采用FPC（柔性电路板）方案替代传统线束，显著减轻了电池重量，并优化了BMS（电池管理系统）的集成管理。

同时，电子电气架构的革新促进了更多零部件的整合与协同优化，国产芯片的开发更加适配、集成度更高，且与国产操作系统在开发初期就实现了良好融合。操作系统与芯片共同构成了汽车智能化的数字基石，只有二者的紧密结合，才能构建出高效可靠的汽车电子电气架构。预计在2025年，汽车行业将在多合一电驱动系统、芯片集成、智能能量管理策略等关键技术上取得重大突破，使新能源A级乘用车百公里行驶电耗降至10kWh以下。

趋势2

车辆搭载的智能计算系统为自动驾驶提供关键的计算能力支撑，其性能的差异是决定自动驾驶水平高低的主要因素。该系统集成了多个系统级芯片（SoC），能够处理大量数据的并行运算和复杂逻辑任务，展现出卓越的计算性能和能效比；通过软硬件的深度协同优化，它实现了计算资源的高效利用、功耗的降低以及系统稳定性的增强。目前，车载智能计算系统已具备超大的存储带宽，支持高效的数据指令传输，其计算能力最高可达到500TOPS以上，足以应对端到端等先进模型所带来的海量数据增长对更高计算能力的需求。

在此之前，学会发布的《车载智能计算基础平台参考架构2.0版本》明确指出了其主要目标：支持异构多核高算力与冗余设计的硬件架构、面向服务的架构（SOA）、车内高速主干通信网络及多种网络通讯协议、以及空中下载技术（OTA）升级等；满足高实时性、多级功能安全标准、网络安全与数据保护要求；推动软硬件的平台化与标准化，构建软硬件融合的技术体系；促进智能网联汽车的创新与生态化发展。预计到2025年，车载智能计算系统将持续优化，实现成本降低与质量提升，推动包括NOA在内的智能驾驶技术在高中低端各类车型上的广泛应用。同时，随着车载智能计算系统性能的不断提升和成本的进一步降低，NOA等智能驾驶技术的市场渗透率有望接近20％。

趋势3

智能驾驶技术与底盘系统的深度整合，是确保自动驾驶车辆实现更高安全性、更佳舒适性、更优效率及节能性的核心基础。这一整合主要借助传感器、执行机构与控制策略的深度结合，强化了自动驾驶车辆的感知能力、决策精度及精确操控能力，从而大幅提升了行车安全性、驾驶舒适度以及系统效率，减少了自动驾驶模式下的人工接管次数，加速了L3及以上级别自动驾驶技术的实际应用。

智能驾驶与底盘的深度整合涵盖了系统集成、域内及跨域融合等多个层面，并涉及到底盘感知技术升级、线控技术强化、协同控制算法优化、冗余设计完善等关键技术，这些都将对汽车产业的整零合作模式带来革新。随着汽车产业由稳定发展阶段迈入技术飞跃的新纪元，底盘——这一最后也是最为艰巨的技术挑战，也迎来了智能化的转型。

自2024年起，各大车企纷纷推出了其智能底盘技术，如比亚迪的云辇系列底盘、上汽智己的灵蜥数字底盘、吉利汽车的AI数字底盘、江汽集团的全域线控智慧底盘以及小米正在预研的汽车智能底盘技术等。预计到2025年，通过智能驾驶与智能底盘的深度整合，将在极端驾驶条件下实现底盘智能运动控制技术的重大飞跃，包括智能驾驶与底盘动力学控制协同工作的湿滑路面智能平稳换道功能（无需人工接管）、智能驾驶与动力系统联动的无缝自动泊车功能、智能驾驶与动力系统协同的能耗回收控制系统以及智能驾驶与底盘联动的“魔毯”功能等。

趋势4

作为一种新兴的大规模生产技术，车用全方位操作系统不仅是稳固、高效且易于扩展的汽车核心软件平台，更是推动车辆全面智能化管理与决策、加快产品革新迭代的关键驱动力。一方面，受高级自动驾驶应用探索的推动，汽车电子电气架构正向中央计算模式转型，促使整车服务导向架构（SOA）通过全域软件定义实现快速发展，引领操作系统从域级集成迈向整车全面集成架构的演变。

另一方面，安全编程语言的应用范围日益扩大，例如，清华大学与国家智能网联汽车创新中心等合作研发的基于Rust安全编程语言的模块化内核及跨内核驱动架构，能够增强操作系统的安全性和稳定性。

实际上，至2024年，蔚来、华为等企业已推出了车用全方位操作系统产品。同时，小鹏、理想、小米、斑马、中兴等汽车制造商与零部件供应商也在积极研发针对座舱、智能驾驶等领域的跨域融合操作系统解决方案。展望2025年，车用操作系统将迈向安全可靠的整车全方位架构，并迎来其量产的起始之年，预计届时部分汽车制造商与一级零部件供应商将成功实现整车全方位操作系统的量产应用。

趋势5

人工智能技术的涌现犹如井喷，导致训练数据的需求急剧上升，呈现指数级增长态势。借助生成式AI和世界模型等尖端技术来创造高质量的合成数据，为解决数据稀缺问题提供了有效途径，增强了算法模型的信赖度，为自动驾驶模型训练开辟了充满希望的新路径。真实的高质量数据日益稀缺，而合成数据的优势在于成本低廉、自带标签、跨平台兼容性强，能够有针对性地填补潜在危险和边缘场景的空白，丰富和完善长尾场景数据库。前沿的AI技术能够处理包括文本、图像、视频在内的多样化数据类型，并迅速从海量未标注数据中挖掘出有价值的信息，例如各类交通参与者的详情及其相互间的交互行为等。

至2024年，特斯拉、英伟达、Wayve、百度及蔚来等企业已率先着手世界模型的前沿研发与应用，推动了部分算法在汽车上的部署。预计到了2025年，随着高阶自动驾驶技术商业化步伐的加快，AI生成的合成数据将逐步替代传统的数据采集手段，广泛应用于自动驾驶模型的高效训练与仿真服务之中，成为满足自动驾驶领域数据需求的核心来源。

趋势6

在追求“双碳”目标的导向下，节能与新能源汽车并行发展的策略已取得了初步的胜利。尤其值得关注的是，混合动力领域的发展不容忽视，新技术的不断涌现为其注入了新的活力。智能化技术成为挖掘混合动力系统节能潜力的关键，为混合动力系统提供了重要的技术支持。在混动能量管理策略方面，个性化和全局优化正逐渐成为量产应用的新标准。智能化的高效混合动力控制策略，相较于传统的基于规则的控制策略，解决了工况适应性不足和过度依赖工程经验进行标定的问题。它利用实时状态信息，结合静态与动态的交通数据、驾驶者特性、驾驶条件以及云平台的大数据分析等多维度信息，通过智能规划优化算法，精准匹配动力输出与能量回收策略，确保系统在各种复杂工况下始终保持最佳效率，持续挖掘混合动力系统的节能潜力。预计到2025年，超过一半的汽车制造商将在混合动力车型上广泛应用智能化动力控制策略。

比亚迪的第5代DM平台技术，以其电力为主导的动力架构、全面的整车热管理系统以及智能电气融合的电子电气架构，在动力、座舱和智能驾驶领域均实现了高效的整合。长安汽车推出的智慧新蓝鲸3.0动力系统，首次引入了“软件定义动力”的先进理念，通过采用PDCU动力域控制器，实现了发动机与机车控制的深度整合，进一步提升了混动专用发动机的性能。北汽则通过其高集成的混动域控制器平台和全域智慧算法，实现了混动域控内部的高度集成，并对整个软件架构进行了重构。这一创新性的域控集成技术，不仅开发了43项融合功能，还实现了混动动力域性能控制的深度融合。此外，广汽、吉利、长城、奇瑞、东风等汽车制造商也在加速推进智能化高效混合动力控制策略的量产应用。

趋势7

EMB（电子机械制动）系统凭借其构造精简、反应灵敏、控制精确以及安全性大幅提升的特点，成为了支撑高级自动驾驶技术的核心制动解决方案，并预示着未来车辆制动系统的发展趋势。相较于传统的机械构造和EHB（电子液压制动）系统，EMB省去了制动主缸和液压管路的设置，结构更为紧凑轻便，在优化车辆整体性能和提升底盘控制系统方面展现出显著优势。EMB能够直接通过电信号操控车轮端的电动制动装置，使汽车响应速度加快40%，百公里制动距离缩短5%，调节精确度提高20%，并增强了安全冗余性能。目前，诸如博世、采埃孚、大陆等传统制动系统巨头已涉足EMB领域，并正逐步实现本土化批量生产。

早前，大陆集团已与一家北美汽车制造商达成合作，计划在2025年为其量产供应前湿后干的EMB系统，为全球汽车EMB系统的量产应用设定了清晰的时间表。在国内，一汽、比亚迪、理想、长城、万安、伯特利等企业正积极推动EMB的研发工作，并已做好2025年量产的技术准备。京西集团透露，已于2024年完成EMB产品的A样开发，并计划在2025年建成全自动生产线，以期在2026年实现量产。预计到了2025年，随着相关法律法规和标准的逐步确立与完善，EMB将开始小批量搭载应用于实际生产中。

趋势8

在汽车制造领域，大模型无疑是备受追捧的“热门之选”——借助多模态大模型的广泛知识能力来增强当前的自动驾驶模型，能有效解决智能感知领域中的长尾难题，大幅提升车辆对场景、障碍物以及导航信息等的理解水平。多模态大模型通过大规模数据的训练，形成了对世界的深入认知与理解。借助指令微调与后续训练优化，这些大模型能够应用于自动驾驶复杂场景中的感知与决策任务，打造出专为自动驾驶设计的多模态模型。目前，以视觉语言大模型为典型代表的多模态大模型，相较于传统的视觉模型，在识别和处理驾驶环境中的罕见事件方面展现出更强能力，显著增强了自动驾驶系统对于长尾场景的适应性和泛化性能。

小鹏汽车推出了国内首款应用于量产车型的端到端大模型“AI天玑5.4.0”，通过构建“云端大模型”，力求覆盖所有场景，实现端到端大模型的全量应用。比亚迪亦宣布，其自主研发的高级别智能驾驶辅助系统“天神之眼”采用了端到端大模型架构，融合了多种传感器的实时数据，能够精确捕捉并解析道路环境信息，实现在全国范围内（无需地图数据）的各类道路上的智能领航功能。预计到2025年，随着多模态大模型算法的不断优化、数据生成能力的提升、以及计算能力和训练时间的增加，自动驾驶模型有望在感知、决策与控制能力上实现重大进展。

趋势9

新能源汽车的关键组件在于动力电池，其安全性始终是人们瞩目的焦点。增强动力电池的安全性与可靠性，实施有效监控，以避免电池形变、自燃及爆炸等事故，一直是业界努力攻克的主要难题。

智能电池凭借内置的先进传感器以及自修复和防护材料的主动管理，能够实现对电池安全风险的识别与控制，是提升动力电池安全性的关键途径。由于电池内部风险参数难以测量，电池安全管理常常处于信息不透明的状态。通过采用光纤、参比电极、薄膜传感器等材料，精确监测电池内部的温度、气体浓度、压力、应力应变、折射率、电位等超过六种物理状态，可以建立起单体电池的智能监测系统。新型自修复和热防护材料能够在多种滥用情况下自动修复电池损伤、主动修复以及阻断异常温度，从而大幅提升电池的本质安全性。

预计到2025年，智能电池将能够实现对内部电位、温度、形变、气压、关键成分的同时自我感知、内部气压自动调节以及短路损伤的自我修复。关键技术创新的要点包括突破外壳屏蔽效应，实现内部安全关键参数的自我感知，以及在形变、内部短路、气体产生等失效场景下电池的自主保护与修复等。

目前，北京理工大学、清华大学、华中科技大学以及一汽等科研机构正积极投身于自感知、自修复电池技术的研发，并同步进行小规模试制验证，预计将在2025年取得关键技术的重大进展，未来5至10年内有望实现产品级的应用。

趋势9

中国工程院院士、中国汽车工程学会名誉理事长及清华大学教授李骏曾着重指出：“在自动驾驶汽车面向市场推广之前，系统安全问题必须得到妥善解决；而一旦投放市场，运行安全问题则成为必须攻克的下一道难关。”与自动驾驶技术大规模应用紧密相连的安全议题，一直是业界密切关注的重点。作为新兴的量产技术，预计到2025年，车载运行安全风险管理系统将逐步融入自动驾驶系统，为自动驾驶的运行安全监管与实施提供有力支持。自动驾驶的安全体系由系统安全与运行安全两大支柱构成，这两者在自动驾驶汽车大规模上市前必须经过严格的验证与认证，以确保车辆从生产到报废的全生命周期安全。

“运行安全”聚焦于全生命周期内的运行风险管理和安全保障，是自动驾驶安全研究的核心议题。自动驾驶的运行安全风险管控涵盖了安全标准、安全建模、事件记录、数据储存及在用车辆监控等多个维度。车载运行安全风险管理系统整合了车辆运行全链条的安全考量，为风险的全面管控提供了系统化的解决方案。

目前，自动驾驶系统的安全设计方法论和技术标准框架已初具规模，并被汽车行业广泛接纳。据悉，清华大学、北京航空航天大学、一汽集团、比亚迪、长安汽车等单位正全力投入车载运行风险管控单元的研发与部署工作，预计在2025年实现量产车型的部署，以强化高级别自动驾驶的运行安全，将事故率降至可接受范围。

免责声明

我们尊重每一位原创作者的心血，转载均注明文章作者及来源。若涉及版权问题，请与我们联系。我们会第一时间处理。

关于我们:

洞察全球商业规律与趋势、助力中国企业征战全球；我们提供出海一站式服务、目标市场出海深度考察与资源对接。