CIC灼识
自动驾驶行业蓝皮书:
城市NOA：自动驾驶商业化的转折点
© 2026 CIC all rights reserved. This document contains highly confidential information and is solely for the use of our client.
No part of it may be circulated, quoted, copied or otherwise reproduced without the written consent of CIC.
CIC灼识是一家知名咨询公司。其服务包括IPO行业咨询、商业尽职调查、战略咨询、专家网络服
务等。其咨询团队长期追踪消费品、互联网、大数据、高科技、能源电力、供应链、人工智能、
金融服务、医疗、教育、文娱、环境和楼宇科技、化工、物流、工业、制造业、农业等方面最新
的市场趋势，并拥有上述行业最相关且有见地的市场信息。
CIC灼识通过运用各种资源进行一手研究和二手研究。一手研究包括访谈行业专家和业内人士。二
手研究包括分析各种公开发布的数据资源，数据来源包括中华人民共和国国家统计局、上市公司
公告等。灼识咨询使用内部数据分析模型对所收集的信息和数据进行分析，通过对使用各类研究
方法收集的数据进行参考比对，以确保分析的准确性。
所有统计数据真实可靠，并是基于截至本报告发布日的可用信息。
若您希望获取CIC灼识的详细资料、与灼识建立媒体/市场合作，或加入灼识行业交流群，欢迎扫
码，也可致函marketing@。
扫码添加CIC灼识小助手
研究背景与方法论 (1/2)
报告背景
• 自动驾驶行业已从基础的先进驾驶辅助系统（ADAS）功能演进至更高级的自动导航辅助驾驶（NOA）方案。传统L2 ADAS聚焦于单点辅助功能，而
城市NOA代表了更复杂的系统级能力，可在开放城市环境中实现连续的点到点辅助驾驶。
• 与高速场景相比，城市道路涉及更高的不确定性，也带来更多机遇。因此，城市NOA已成为量产自动驾驶的关键基准。在软件与硬件的快速进步推动
下，城市NOA正从高端车型向更广泛的大众市场车型渗透。这一转变正在加速自动驾驶的商业化进程，并重塑整车厂（OEM）、Tier-1供应商与第三
方解决方案提供商之间的价值池。
• 本报告聚焦城市NOA作为自动驾驶规模化关键拐点的角色，分析其技术演进、商业化路径、竞争格局及未来机遇，同时探讨城市NOA如何为下一阶段
L4 Robo商业化铺平道路。
报告方法论
• 在编制本报告过程中，我们采用了严谨的研究方法，结合多种研究手段分析城市NOA行业的现状与未来发展趋势。主要研究方法如下：
• 方法论：
1. 信息收集与研究: 我们收集了城市NOA价值链各环节的一手与二手相关数据，涵盖市场规模、技术路线图、商业化进展、竞争格局及政策环境。
• 初步研究: 我们对自动驾驶价值链各环节的行业专家进行了深度访谈，受访者包括OEM、第三方解决方案供应商、传感器供应商、计算平
台提供商及其他生态参与者。访谈主题涵盖技术开发、产品部署、客户需求、商业化模式及未来市场趋势等多个主题。
• 市场格局分析：我们持续追踪具有代表性的城市NOA厂商及市场参与者，以了解其产品发布情况、与OEM的合作关系、部署进展、市场定
位及竞争优势。
• 桌面研究： 我们收集并分析了公开信息，包括行业报告、政策文件、公司公告、新闻发布及市场数据，以梳理城市NOA行业的发展历程、
增长驱动因素、竞争格局及未来趋势。
3资料来源：CIC灼识
研究背景与方法论 (2/2)
方法论
• 研究方法论：
2. 市场规模测定与估算：
• 模型：基于城市NOA行业的特性，我们采用自上而下与自下而上相结合的方法估算市场规模及增长潜力。我们从多个维度对该行业进行了
分析，包括车辆销量、城市NOA渗透率、解决方案采用情况、OEM厂商部署进展、硬件配置及软件商业化模式。分析涵盖需求侧因素（如
消费者接受度与OEM产品策略）与供给侧因素（如算法成熟度、计算平台成本及传感器降本）。
• 计算与估算方法论：
Ø 供给侧：我们梳理了城市NOA价值链各主要参与者的最新发展情况，包括OEM、第三方自动驾驶解决方案提供商、传感器供应商、
计算平台提供商及其他生态参与者。本次梳理聚焦于产品能力、技术路线图、OEM合作、标准操作流程（SOP）进展、部署规模、
商业化模式及竞争定位，以评估城市NOA市场的竞争态势与未来发展方向。
Ø 需求侧：我们与自动驾驶价值链各环节的专家和从业者进行了访谈，受访者包括OEM、城市NOA解决方案提供商、Tier-1供应商、
传感器企业、计算平台提供商及行业专家。访谈聚焦于技术演进、产品部署、OEM采购考量、商业化模式、成本趋势、监管动态及
未来市场机遇等主题。
Ø 模型验证与交叉核对：在整个研究过程中，我们通过多种来源和方法对关键假设与结论进行了验证。公开信息、专家访谈、企业案
例研究及市场观察数据均经过交叉核对，以确保分析结果的一致性与合理性。同时，我们还审阅了具有代表性的城市NOA部署案例
与市场基准，以完善对市场规模、竞争格局及未来增长轨迹的评估。
资料来源：CIC灼识 4
目录
I. 城市NOA：自动驾驶大规模应用的转折点
II. 城市NOA行业领军者：两家市场领先企业的案例
研究
III. 超越城市NOA：L4级自动驾驶成为下一个增长新
赛道
5
目前，Level 2+和Level 2++属于自动驾驶市场中最具商业可行性的细分领域，这一趋势主要得益于NOA功能的
快速推广
车辆自动化定义
In the foreseeable future, [embodied intelligent general-purpose robots] and [embodied intelligent specialized robots] will coexist and collaborate, rather than replace each other. Specialized
robots are responsible for efficient and stable execution as well as cost optimization, while general-purpose robots handle user experience and situational interaction. Both types work
together through data, models, and task interfaces, forming a collaborative system of “experience + efficiency.”
• 在Level 2+阶段（通常称为高速NOA），车辆能够通过无缝协调自动变道、匝道导航和速度控制来完成点对点的高速公路行驶。
• Level 2++（常被称为城市NOA）则进一步扩展了其在城市道路环境中的应用能力。这些道路具有更动态、结构化程度更低的环境，例如交通信号灯、密集的交叉
路口以及多样化的道路参与者。
• 传统的ADAS系统（L1/L2）的价值在于能够在特定条件下触发并完成特定功能；而城市NOA则需要应对所有驾驶任务：任何急刹车、犹豫不决、错误变道或不自
然的让行行为都可能迅速破坏用户的信任。因此，市场竞争焦点已从功能可用性转向驾驶体验质量，这为系统供应商提出了更高要求：系统不仅需要感知，更需要
理解驾驶员意图，不仅要具备规划能力，更要以类人方式交互；不仅要能在测试场景中表现优异，还需在不同城市、天气条件及驾驶风格下保持一致性。
2025年车辆自动化水平
功能特性
适用场景
驾驶责任
仅限于警告和临时
协助
为驾驶员提供转向
或制动/加速辅助功
能
为驾驶员提供转向
及制动/加速辅助功
能
系统在特定受控情境
下独立驾驶；驾驶员
按需接管
系统在已验证区域
内自行驾驶
高速公路NOA系统，
支持驾驶员参与下
的车道变换和匝道
处理等功能
不适用 交通流量较小的高速路和城市快速路
高速路和特定结构化
道路，几乎未经过人
工干预
智能车辆具备辅助驾驶功能，驾驶员则负责实际驾驶及全程监督。
无需人类驾驶员干
预即可驾驶
智能车辆在有限条件下驾驶，驾驶员必要时进行干预
Level 1 Level 2 Level 2+Level 0
在特定条件下驱动车辆，除非满足所有必要条
件，否则不会运行
Level 3 Level 4及以上Level 2++
城市NOA系统，支
持多项功能，例如
在驾驶员全程监督
下的端到端驾驶自
动化
人工介入较少的复杂
城市道路
ADAS（先进驾驶辅助系统） AD（高阶智能驾驶）
资料来源：CIC灼识 6
资料来源：CIC灼识
自动驾驶行业主要存在两种商业化路径：乘用车量产与Robo
自动驾驶两大发展路径
自动驾驶的两种商业化模式
乘用车量产模式
7
自动驾驶的两种商
业化模式
1 2
量产模式 Robo 模式
定义
• 将自动驾驶技术规模化应用于量产
乘用车，并面向终端消费者提供智
能驾驶功能。
发展阶段
• 当前该路线的量产的最高等级为
城市NOA（L2++），并在未来
会逐步向L4演进。
定义
• 将自动驾驶技术应用于出租车、卡
车、厢式货车等运营车辆，实现无
人化运营。
发展阶段
• 在持续完善的监管框架下，通过L4
Robotaxi、Robovan、
Robotruck等场景推动自动驾驶技
术发展与商业化落地。
~13%
~30%
~38%
~54%
2021
2022
2023
2025
~11%
~22%
~42%
~62%
2025
2026E
2028E
2030E
渗透增长路线图
转折点
可比行业
新能源汽车
中国新能源汽车
销售渗透率, %
中国城市NOA解决
方案渗透率, %
关键行业领导者
城市NOA
全球新能源汽车领导者
市值达万亿美元
Tesla通过电池技术延长续
航里程，通过充电基础设
施建设提升使用便利性，
并借助不断增强的智能化
能力优化整体用户体验
关键驱动因素：
城市NOA，例如特斯
拉的FSD，支持从出
发地到目的地的全程
自动驾驶，显著提升
行车安全与舒适性
自动驾驶解决方案提供商的重大
机遇
~15%
~21%
~32%
2009
2010
2011
2023
智能手机
全球智能手机销售
渗透率, %
全球智能手机操作系统领导者
市值达万亿美元（谷歌）
Android作为新型操作
系统的出现，推动了工
作、教育和娱乐应用的
快速增长
关键驱动因素：
城市NOA标志着自动驾驶技术的一个重要转折点
• 对OEM而言，城市NOA功能正从可选配置转变为产品战略的核心组成部分。这一功能已不再局限于高端车型；如今，在主流细分市场中持续提供城市NOA的能力，直
接决定了消费者对智能驾驶能力的认知，同时也影响着电动汽车市场的定价权与品牌溢价。因此，城市NOA正逐步从可选功能转变为竞争的关键门槛。随着领先汽车制
造商开始在更多车型上标配或准标配城市NOA技术，其他厂商即使短期内不愿投资，也将被迫跟进。这一进程将推动高阶量产智能驾驶市场从早期的创新扩散阶段进入
由OEM竞争驱动的快速普及期。
城市NOA是自动驾驶重要转折点
关键驱动因素：
资料来源：CIC灼识 Notes：市值数据截至2026年5月29日 8
~80%
城市NOA可作为自动驾驶技术成熟度的压力测试平台
城市NOA面临的关键挑战
场景
高度标准化的干线运输
• 铺装良好的道路
• 清晰的标志标线
复杂多样的城市开放道路
• 机动车与非机动车混行
• 狭窄的居民区巷道
• 多样的乡镇道路等
道路条件
复杂度相对较低且标准化
• 以高速行驶的机动车为主
• 无非机动车或行人
高度复杂
• 高速机动车与低速非机动车
• 行人及宠物
• 道路障碍物（违停车辆、移位设施等）
交通参与者
标准化
• 以车-车交互为主
多样化
• 大量人车交互
• 大量车间交互
任务
相对较少且规范
• 以直行、跟车和变道为主。
多样且复杂
• 信号灯响应与路口通行
• 避障、环岛、无保护左转及掉头
• 与行人及横向交通的交互
城市NOA (L2++)
• 城市道路是检验自动驾驶系统技术成熟度的关键压力测试场景。仅在个别固定路线或少数几个城市内表现良好，可能意味着其技术方案仍然高度依赖场景定制化适配，尚未
形成可复用的通用能力。若系统能够在不同城市、差异化的道路环境以及多样化的车端硬件配置条件下均保持稳定可靠的运行表现，则更能充分证明其底层技术架构具备良
好的可复制性与规模化潜力。因此，从行业研究与投资分析的视角来看，城市NOA提供了一个相较于封闭场地测试更接近真实大规模商业化落地条件的验证环境。
高速NOA (L2+)
资料来源：CIC灼识 9
城市NOA功能的快速普及，推动了大规模量产自动驾驶的迅速渗透（1/3）
城市NOA市场规模
全球汽车市场规模（按高速NOA、城市NOA、L3及以上划分），2023-2030E 中国汽车市场规模（按高速NOA、城市NOA、L3及以上划分），2023-2030E
2023 2024 2025 2026E 2027E 2028E 2029E 2030E
2023 2024 2025 2026E 2027E 2028E 2029E 2030E
全球及中国汽车市场规模（按高速NOA、城市NOA、L3及以上划分），2023-2030E
高速NOA
城市NOA
L3及以上
CAGR
2023-2025
CAGR
2025-2030E
% %
% %
.
总计 % %
CAGR
2023-2025
CAGR
2025-2030E
% %
% %
.
总计 % %
十亿美元 十亿美元
高速NOA
城市NOA
L3及以上
资料来源：CIC灼识 10
城市NOA功能的快速普及，推动了大规模量产自动驾驶的迅速渗透（2/3）
城市NOA市场规模
2023 2024 2025 2026E 2027E 2028E 2029E 2030E
CAGR
2023-2025 2025-2030E
% %
% %
.
总计 % %
百万辆
高速NOA（L2+） % % % % % % % %
城市NOA（L2++） % % % % % % % %
L3及以上 % % % % % % % %
渗透率, %
全球汽车销量，按高速NOA、城市NOA、L3及以上划分，2023-2030E
CAGR
资料来源：CIC灼识 11
高速NOA
城市NOA
L3及以上
注：特斯拉数据仅包含已激活FSD的数量
城市NOA功能的快速普及，推动了大规模量产自动驾驶的迅速渗透（3/3）
城市NOA市场规模
高速 NOA （L2+） % % % % % % % %
城市 NOA（L2++） % % % % % % % %
L3 及以上 % % % % % % % %
渗透率, %
2023 2024 2025 2026E 2027E 2028E 2029E 2030E
百万辆 CAGR
2023-2025 2025-2030E
% %
% %
.
总计 % %
中国汽车销量, 按高速NOA, 城市NOA, L3及以上划分, 2023-2030E
CAGR
资料来源：CIC灼识 12
高速 NOA
城市 NOA
L3 及以上
注：特斯拉数据仅包含已激活FSD的数量
城市NOA正加速渗透至大众市场，打开未来可观增长空间
城市NOA的关键趋势
中国搭载城市NOA车辆的销量（按价格区间划分），2024-2030E
2024 2025 2030E
人民币 10-20万元
人民币 20-40万元
人民币 40万元以上
% % %
% % %
% % %
大众市场车型正逐步成长为中国城市NOA渗透率提升的核心驱动引擎
xx 中国搭载城市NOA车辆销量 xx 中国城市NOA渗透率
大众市场车型区间
资料来源：CIC灼识 13
百万辆
中国正成为高阶量产自动驾驶的试验场
城市NOA的关键趋势
资料来源：CIC灼识 14
竞争激烈的新能源汽车
市场推动智能差异化
• 竞争激烈的新能源汽车市场促
使OEM通过智能功能实现差异
化
• 城市NOA成为极具辨识度的技
术标签，迅速被应用于新车型
• 新兴电动汽车制造商和本土品
牌利用城市NOA提升技术导向
的品牌认知度
• 合资品牌也日益采用城市NOA
以缩小在中国市场的智能驾驶
技术差距
• 道路特征包括密集的非机动车、
行人、配送骑手以及复杂的交
叉路口
• 潮汐式交通流、临时路边障碍
物及混合交通场景均增加了研
发难度
• 在中国复杂环境中经过验证的
系统，预计将具备更强的泛化
能力和全球适应性
• 新能源汽车公司及其本地供应
商在电子/电气架构、域控制器、
传感器及 OTA 机制方面快速迭
代
• 更高级别的驾驶功能可更快地
应用于量产车型
• 消费者对智能功能的需求进一
步推动了OEM的采用
• 中国支持新能源汽车、智能网
联汽车、示范区测试以及车辆-
道路-云集成
• 高级别辅助驾驶的示范应用持
续取得进展
• 政策支持已超越补贴范畴，涵
盖试点项目、市场准入、数据
框架、基础设施和安全管理系
统等方面
复杂道路场景强化算法
训练
政策支持与示范应用为大
规模部署奠定了基础
快速的供应链与车辆开
发能力助力更快的市场
推广
1 2 3 4
中国城市NOA解决方案提供商推动城市NOA的全球化进程
城市NOA的关键趋势
• 城市NOA技术的全球化进程不太可能遵循单一路径，而是会经历三个并行阶段：面向中国的中国模式、面向全球的中国模式，以及面向全球的全球模式。供应商首
先会在中国复杂的城市环境中优化技术并验证商业化可行性；随后与中国的整车厂（OEM）合作将成熟解决方案拓展至海外市场并实现本地化；最终凭借全球交付
能力参与国际OEM项目。
• 中国复杂的城市道路构成了“高难度训练场”，但全球化并非简单的复制过程。道路标线、驾驶习惯、监管职责、数据合规要求及车辆架构等方面的差异，需要可
移植的算法、工程流程和验证体系。这些能力将决定中国供应商能否从国内领导者跃升为全球领导者。
城市NOA的全球化
立足中国 面向中国
中国本土化技术打磨迭代
及商业化落地验证
立足中国 面向全球
与中国OEM厂商合作进
行海外扩张，并进行本地
化调整
立足全球 面向全球
全球OEM参与与本地化
能力复制
阶段一 阶段二 阶段三
核心玩家 核心玩家 核心玩家
资料来源：CIC灼识 15
AD解决方案提供商
时间线 指导方针 发行者 亮点
2020年2月 《智能汽车创新发展战略》 11部委联合发布
设定2025年自动驾驶发展清晰短期目标
旨在到2025年建立系统化的AD监管框架（涵盖技术、产业生态、基础设施、法规及网络安全等领域）
目标在2025年前实现特定应用场景中实现L3大规模生产及L4商业化应用
2023年11月
《关于开展智能网联汽车准入和上路通行试点
工作的通知》
工信部、公安部、住建部、交通
部
遴选符合条件的L3/L4智能网联汽车（ICV）车型开展准入测试和道路实测试点。
这标志着从道路测试向受监管的商业部署迈出了关键一步。
2023年12月 《自动驾驶汽车运输安全服务指南（试行）》 交通运输部 适用于交通运输服务中使用的L3及以上级别的自动驾驶车辆。
明确规定作业区域、安全人员配置、车辆监控及应急响应的相关要求。
2023年12月
《智能网联汽车准入和上路通行试点实施指南
（试行）》
工信部、交通部、公安部、住建
部
选择具备自动驾驶功能且符合大规模生产条件的智能网联汽车，启动准入试点测试。
在已获得接入权限的智能网联汽车指定区域内，开展道路实际运营试点项目。
2024年9月 《智能网联汽车 自动驾驶系统通用技术要求》 市场监管总局、国家标准委
制定了自动驾驶系统的一般技术要求。
涵盖动态驾驶任务、接管请求、人机交互及最小风险操作。
2024年11月 《有效降低全社会物流成本行动方案》 中共中央办公厅、国务院办公厅 鼓励开发整合自动驾驶技术的新物流模式，并推广自动驾驶汽车等相关技术和设备。
2025年12月 《我部许可两款 L3 自动驾驶车型产品》 工信部
中国首批L3自动驾驶汽车产品获得有条件准入批准。
北京市颁发了专门的L3自动驾驶试点许可证，允许获批准的车辆在指定的运行设计域（ODD）、道路路段及
限速范围内开展L3道路自动驾驶试点。
2026年1月 《智能网联汽车准入和上路通行试点实施指南》
工信部、公安部、住建部、交通
运输部
明确了中国 L3 级自动驾驶汽车的运行条件及责任分配框架。
随着城市NOA技术的发展势头日益强劲，中国的L3自动驾驶监管框架正从道路测试阶段转向商业化部署阶段
城市NOA的关键趋势
• 中国正通过推行促进L3自动驾驶车辆准入、道路安全规范、责任划分及保险机制的政策来加速这一进程，而各地试点区域则为技术部署提供了更明确的空间框架。这些政策的重要性不仅在于推动技术落
地，更在于降低整车厂（OEM）和消费者在商业化过程中的不确定性。
• 对汽车行业而言，L3自动驾驶试点项目有望进一步推动城市NOA的发展：一方面，L3自动驾驶需要更高的安全冗余机制和更清晰的运行设计域（ODD），这将持续推动L2++系统向更严格的安全验证和更
明确的功能边界发展；另一方面，L3自动驾驶的商业化有望提升每辆车的软件价值，使供应商能够进入更高附加值的产品层级。
中国L3法规从测试转向部署
头部厂商已获得与L3相关
的生产“定点”。
OEMs
…
资料来源：CIC灼识 16
第三方解决方案供应商有望实现快速增长
第三方解决方案提供商能够推动自动驾驶技术实现规模化
商业化应用
第三方解决方案供应商的能力
• 车型和价格区间多样化，针对
每个平台重复开发效率低下
• 标准化软件模块与跨平台适
配能力
• 缩短开发周期，降低交付风
险
• 城市驾驶场景中存在大量长尾
问题，单一OEM自有车队所
能回传的数据规模始终有限
• 跨OEM、跨城市、跨车型的
数据闭环能力
• 模型泛化能力及驾驶安全性
能得到提升
• 新车上市节奏不断加快，
OEM内部研发资源日益受到
挤压
• 成熟的项目管理、现场工程
支持以及丰富的SOP交付经
验
• 支持快速部署先进的智能驾
驶功能
• 终端价格竞争日趋激烈，研发
效率和成本控制面临的压力持
续加大
• 硬件生态协同效应与深度算
法优化能力
• 在大众市场价格区间内实现
高阶功能的规模化部署
• OEM多采用传统制造文化运
作，AI人才储备有限，对市场
变化响应速度偏慢
• 第三方解决方案供应商具备
AI工程文化基因，数据触点
更广泛、组织运转效率更高、
技术响应能力更快
• 能够更敏捷地响应市场需求，
产品迭代速度显著领先
OEM痛点
跨平台开发
能力
数据闭环能力
研发与交付
能力
核心技术能力
城市NOA的关键趋势
第三方解决方案供应商
创造的价值
开发效率
资料来源：CIC灼识 17
具备城市NOA功能的车辆在中国的销量
%%
2023
%
%
2025
%
%
2030E
百万单位
第三方解决方案提供商
自研OEM
第三方解决方案提供商未来占比会超
过70%+
目录
I. 城市NOA：自动驾驶大规模应用的转折点
II. 城市NOA行业领军者：两家市场领先企业的案例
研究
III. 超越城市NOA：L4级自动驾驶成为下一个增长
新赛道
18
城市NOA竞争格局正日益受到可大规模量产交付能力的影响
城市NOA的关键竞争指标
城市NOA竞争的四大核心指标
商业化规模
大规模生产确定性
客户范围
系统特性，系统性能
核心指标 重要性
• 配备车辆的销售量
• 累计安装量
• 确定数据规模与收入基础
• 规模越大，数据闭环迭代及单位成本效率方面的优势就越显著
• 提名数量
• 标准操作程序（SOP）发布数量
• 大规模生产的车型数量
• 这反映了整车厂（OEM）的认可度及未来收入的可预见性
• 提名项目代表了当前的研发管线，而标准操作流程（SOP）则体
现了项目的交付与盈利能力
• OEM客户数量
• 国际OEM厂商的覆盖范围
• 这体现了该解决方案的可复制性与全球化潜力
• 高品质的整车厂（OEM）能提升项目的长期发展前景
• 接管频率
• AEB 误触发率
• 复杂操作成功率
• 反映真实世界的用户体验、安全性及系统稳定性
• 具备更高的性能稳定性，具有更大的标准采用潜力
• 城市NOA领域展现出显著的规模经济效应与经验曲线优势。首先，数据规模转化为模型优势：由大量真实车辆产生的道路数据能持续提升系统应对极端场景的
能力；其次，更多的车型型号有助于工程复用——随着更多车型进入量产，供应商更有条件建立标准化接口、测试程序和交付模板，从而降低新项目的边际成
本；第三，OEM合作伙伴关系提供商业验证：与更多领先OEM厂商合作可帮助供应商赢得更高品质项目，并在全球化进程中获得更多机遇。
• 因此，城市NOA市场的竞争焦点并非单纯取决于“谁拥有最佳算法”，而是取决于“谁能将算法转化为可规模化的产品交付体系”。行业领军者的竞争优势体
现在技术实力、交付能力、客户覆盖范围、成本效益及数据规模等多个维度。这些因素共同形成了复合型壁垒，使得后来者难以在短期内复制其成功经验。
资料来源：CIC灼识 19
中国城市NOA的主要玩家
中国城市 NOA 市场正逐渐由两大主要供应商主导，且各自采取了不同的策略
中国城市NOA市场竞争格局
65%
18%
17%
Momenta 华为HI 其他
全栈解决方案提供商
中国第三方城市NOA供应商
市场份额情况1
……
OEM 覆盖情况 OEM 覆盖情况
……
类安卓的多硬件兼容平台
资料来源：CIC灼识 20
注释：(1) 按2025年3月至2026年2月销量计
华为同时布局Huawei Inside（HI）与鸿蒙智行（HIMA）两种模式，提供全栈智能汽车解决方案
2014
推出覆盖设备、网络和云端的解决
方案，并与中国领先OEM开展合作。
2009 启动车载模块研发，正式进入汽
车行业。
2013 成立汽车业务部门，开始布局智
能驾驶领域。
华为成立于1987年，是一家领先的科技企业，
其业务涵盖智能汽车领域，拥有领先的车载
芯片和自动驾驶技术。
2020 推出HI（Huawei Inside）模式，
以全栈智能汽车解决方案正式进
入汽车产业。
2018 发布车规级芯片及车联网云平台。
公司简介
2024
智能汽车业务体系逐步成熟，形成
ADS、智能车控、车载光学、车云
服务及鸿蒙座舱五大核心业务板块。
2021 HI模式逐步成型，发布赛力斯华为
智选SF5，并推出问界（AITO）品
牌。
21
华为HI模式与鸿蒙智行（HIMA）模式对比
华为 HI 鸿蒙智行HIMA
• OEM主导产品定义，华为提供全栈智能
汽车解决方案
• 华为全程主导产品定义及关键决策
• 向OEM提供完整自动驾驶解决方案 • 自动驾驶解决方案与整车深度融合
• 通过OEM销售渠道销售 • 通过华为销售渠道销售
产品定义
交付模式
销售渠道
OEM覆盖范围
华为内部销售占比1 ~30% ~70%
7家OEMs 5家OEMs
注释：(1) 从2025年3月至2026年2月
城市NOA市场的竞争分析
资料来源：CIC灼识
Momenta在车企合作与项目落地层面展现出强劲商业化能力
城市NOA市场的竞争分析
2020 在苏州启动Robotaxi示范运营，并获得首张示范应用牌照。
2019
Momenta 成立于2016年，是一家中国领先的自
动驾驶技术公司，专注于面向量产乘用车的智能
驾驶解决方案，以及可规模化的自动驾驶出行与
物流解决方案。
2023
2022 率先实现自有自动驾驶解决方案的
量产落地。
公司简介
2025
发布行业领先的R6强化学习大模
型，并率先推动强化学习技术在自
动驾驶领域的量产应用。
2024 全球首个量产城市NOA，并率先
部署端到端感知-规划模型。
全球首个将Transformer架构应用于
自动驾驶感知系统。
全球首个实现基于深度学习规划
（Deep Learning Planning）的智能
驾驶技术量产上车。
资料来源：CIC灼识 22
量产车型与定点数量*量产车型*
城市NOA中量产车型数量、量产车型与定点数量、汽车销量的市场份额
Momenta
其他
Momenta
其他
~57% ~65%
汽车销量**
Momenta
其他
~65%
注释: (1) *截至2026年2月28日 (2) **从2025年3月至2026年2月
目录
I. 城市NOA：自动驾驶大规模应用的转折点
II. 城市NOA行业领军者：两家市场领先企业的案例
研究
III. 超越城市NOA：L4级自动驾驶成为下一个增长新
赛道
23
Robotaxi Robovan Robotruck Robobus Robosweeper 其他
应用场景 • 公共开放道路 • 公共开放道路 • 半封闭高速公路 • 公共开放道路 • 公共开放道路
• 封闭区域，如港
口、矿山等
商业模式 • 车辆运营为主
• 车辆销售
• 车辆租赁
• 运营
• 汽车运营 • 车辆销售
• 车辆销售
• 车辆运营
• 车辆销售
• 车辆运营
2030年全球市场规模
（十亿美元）
2030年全球保有量
(千辆)
主要玩家
L4级自动驾驶下游应用场景多种多样，Robotaxi和Robovan或将成为市场两大主要驱动
L4级自动驾驶的定义
L4 级自动驾驶的定义
82 85
33
15 17 11
1,625
6,552
138 61 534 117
%
%渗透率
% % N/A1
Notes: (1)渗透率不适用于扫地机器人，因为该市场包括部署在公园、校园、建筑物内的清洁车辆，这些场景没有明确的替代基数’；（2）自动驾驶矿卡渗透率
资料来源：CIC灼识 24
%2
L4级自动驾驶技术的商业化应用仍受到高安全要求、高昂成本、运营障碍及监管限制的制约，这些因素阻碍了其
在短期内实现规模化推广
L4技术大规模商业化面临的主要障碍
• 城市NOA系统仍需在驾驶员监督下运行，其系统边界相对明确；相比之下，L4级自动驾驶系统必须在其定义的作战
任务域（ODD）内独立完成驾驶任务。由于缺乏实时的人工干预支持，这类系统面临更为严格的安全保障要求。随
着长尾场景日益增多，验证成本也随之上升，导致商业化推广进程更加谨慎。
• L4级自动驾驶车辆需要更高的传感器冗余度、更强的计算能力、冗余的制动与转向系统，以及远程辅助和车队运营
功能。尽管核心硬件成本持续下降，但整体系统成本仍远高于量产型智能汽车。只有当车辆成本降低、使用率提高
且运营区域扩大后，单位经济效益才有望改善。
• Robotaxi及无人物流服务需要实现从车辆采购、调度、保险、清洁、维护、充电、远程协助、事故处理到客户服务的
全流程车队运营。因此，L4级自动驾驶企业既需具备自动驾驶技术研发能力，也需拥有运营管理能力。与向整车厂
（OEM）销售软件解决方案相比，这种商业模式更为复杂且资金投入更大。
• L4级自动驾驶系统的商业化涉及道路通行权限、事故责任认定、保险覆盖、数据安全防护、远程操作标准及车辆准
入要求。由于各城市和国家的监管政策存在差异，系统推广通常需要逐个城市推进。法规不仅是实施的约束条件，
更是确保商业化成功的关键前提。明确的责任划分界限对于L4系统从试点阶段向大规模部署过渡至关重要。
L4技术大规模商业化面临的主要障碍
比 L2++ 更高的
安全验证阈值
车辆成本限制扩产
以运营为主的
商业模式
不断变化的
监管框架
3
4
1
2
资料来源：CIC灼识 25
4
• 对自动驾驶的信任是逐步建立起来的。城市NOA（自动驾驶网络）有助于消费者了解辅助驾驶功能、其作用范围及接管机制，同时让
监管机构能够提前掌握车辆在真实道路环境中的实际表现。这为未来L3/L4级自动驾驶系统的责任划分、保险机制以及道路准入政策
提供了依据。
城市NOA为L4级自动驾驶在数据、模型、工程技术和市场准备度方面构建了一个可扩展的现实世界基础
城市NOA作为L4级自动驾驶的真实训练场
1
城市NOA 提供大规模的现实世界数据
• L4级自动驾驶系统必须能够应对多种复杂长尾场景；而仅依赖Robotaxi的数据采集则受到车队规模、运营覆盖范围及监管审批的限制。
通过部署在批量生产的车辆中，城市NOA系统能够收集涵盖不同城市、道路类型、驾驶方式及交通行为的更广泛真实世界数据。
2 • 复杂的交叉路口、无防护转弯路段、非机动车辆插线道、临时停车区以及施工绕行路线，都是L4级自动驾驶的关键应用场景。在这些
环境中持续运行的城市NOA系统有助于模型学习真实的交通交互行为，并提升其感知、预测、规划与控制能力。
3
• L4级自动驾驶不仅需要算法，还需汽车级软件、车辆控制接口、功能安全、 OTA 、传感器融合及质量管理等技术支撑。大规模量产
的城市NOA部署有助于企业积累OEM联合开发、车辆验证、量产交付及上市后迭代经验，其中部分经验可应用于L4平台建设。
城市NOA 提升了模型的泛化能力
城市NOA加强了汽车级工程技术能力
城市NOA有助于建立用户信任并提升对监管规定的熟悉度
城市NOA作为L4级自动驾驶的真实训练场
资料来源：CIC灼识 26
L4级自动驾驶正在沿着两种截然不同的技术路线演进
L4级自动驾驶的两种技术路径
两种技术路线对比
• 数据驱动模式通过持续收集真实世界数据和快速算法迭代，具备更强的可扩展性，能够实现更快、更低成本的扩张
资料来源：CIC灼识 27
数据驱动路线
自我强化的单阶段
端到端模型
无需依赖高清地图
通过量产车辆的数据和长尾场景训练模型，提升
自动驾驶的安全性和精准度
混合路线 端到端感知 +
规则基础规划混合模型
高度依赖高清地图
在有运营许可的城市部署专用车队（如
Robotaxi，Robovan等），将算法适配到当地
道路条件，并逐步扩展到更多城市
2
1
技术路线 具体方法 算法模型 地图方案
Robotaxi正从试点阶段向大规模商业化转型，预计中国将在全球普及率方面处于领先地位（1/2）
Robotaxi 市场分析
• 尽管Robotaxi服务仍处于大规模部署的早期阶段，但随着系统性能的提升和监管框架的持续完善，其商业应用范围正不断扩大。2025年，全球及中国Robotaxi
运营市场规模约为1亿美元；预计到2030年，全球市场规模将增长至约818亿美元，中国市场规模将达到381亿美元，这反映了从试点项目向规模化商业网络的
转型进程。与此同时，到2030年，Robotaxi的普及率预计将在全球达到约%，在中国则将达到%。
2025 2026E 2027E 2028E 2029E 2030E
1,
千辆
2025–2030年Robotaxi运营车队数量
全球 中国
2025 2026E 2027E 2028E 2029E 2030E
1,
2025-2030E
+%
CAGR
2025-2030E
+%
CAGR
% % % % % %
渗透率, %
% % % % % %
资料来源：CIC灼识 28
Robotaxi正从试点阶段向大规模商业化转型，预计中国将在全球普及率方面处于领先地位（2/2）
Robotaxi 市场分析
• 从商业角度来看，Robotaxi能够满足城市高频次出行需求，其市场长期收入潜力高达数千亿元人民币。城市网约车服务是全球规模最大、重复性最高的交通应用
场景之一，具有庞大的日交易量和高度标准化的服务需求。随着自动驾驶系统在这些高密度运营环境中达到商业可靠性，Robotaxi得以进入足够庞大的市场，支
持规模化、平台级业务的发展，而非局限于零散的试点项目。
• Robotaxi经济模式的核心驱动力在于结构性成本降低：通过取消人工驾驶员，其运营消除了传统网约车中通常最大的单项支出——人力成本。在许多市场，驾驶
员薪酬占单次行程运营成本的绝大部分。与此同时，行业正从改装后的自动驾驶车辆转向工厂集成式自动驾驶平台，这有望降低初始车辆成本、提升硬件一致性
并增强系统可靠性。
• 一旦实现规模化部署，Robotaxi运营预计将实现显著的利润率增长。到2030年，中国利润率预计将达到60%；而在阿联酋、美国和欧洲等人力成本较高的市场，
随着监管模式的完善和规模经济效益的显现，利润率可进一步提升至80%。
2025 2026E 2027E 2028E 2029E 2030E
十亿美元
Robotaxi服务市场规模，2025–2030E
全球 中国
2025 2026E 2027E 2028E 2029E 2030E
2025-2030E
+%
CAGR
2025-2030E
+%
CAGR
资料来源：CIC灼识 29
与传统出租车相比，Robotaxi在成本结构上具有优势，而大规模生产将更显著地节约成本
Robotaxi 的TCO分析
Robotaxi（量产）Robotaxi（改装）
传统出租车
%
%
Robotaxi与传统出租车的TCO分析
人民币/公里
假设
1. 改装型Robotaxi是指在后期生产阶段加装自动驾驶硬件和软件的标准化乘用车；而量产
型Robotaxi则是指在其整车厂（OEM）的标准制造过程中直接集成自动驾驶系统的车辆。
2. 运营指标：TCO计算基于每日行驶里程400公里、每日运行20小时、每年运行360天的
假设。
3. 其他运营成本：主要包括云服务费用、停车费、数据流量费及车辆牌照费等支出。
4. 安全人员配置比例：经改装的Robotaxi假定的安全人员与车辆比例为1:10，而大规模生
产的Robotaxi则为1:20。
车辆成本
人工成本
能源
维护费用
其他运营成本
成本构成 单位 传统出租车 Robotaxi（改装） Robotaxi（量产）
车辆成本 人民币/公里
人工成本 人民币/公里
能源 人民币/公里
维护费用 人民币/公里
运营成本 人民币/公里
总计
资料来源：CIC灼识 30
数据驱动模式的发展阶段
现在
采用数据驱动路线的Robotaxi公司将展现出更强的规模化能力和指数级增长的潜力
Robotaxi竞争格局分析
覆盖区域
时间
31
覆盖区域指数级增长
卓越的规模化能力
数据驱动模式
未来
资料来源：CIC灼识
数据驱动路线具备更强的发展优势，并为实现完全自动驾驶奠定关键基础
Robotaxi 竞争格局分析
车队规模显著领先纯L4玩家
平均小于2500辆
>100x
海量真实场景数据支持快速迭代
量产经验有助于降低方案成本
量产经验推动规模化落地
数据规模构筑难以复制的复利优势 量产能力加速完全自动驾驶演进
累计车队规模*
年均行驶里程
Robotaxi单车成本
从测试到运营的最短周期
~24个月至6个月
混合路线
数据驱动路线的核心优势
数据驱动路线
混合路线 数据驱动路线
高达110万辆
高达22亿公里
小于亿公里
>20x
混合路线 数据驱动路线
高达10万美元
~万美元
-70%
数据驱动路线
至少
-30%
小于等于4个月
混合路线
资料来源：CIC灼识 32
实现自动驾驶的可持续商
业化盈利道路
规模化安全能力经过海量
实测验证
增强的泛化能力，支持更
广泛的部署
快速算法迭代，助力更智
能的AD系统
大规模生产模式为自动驾驶系统的规模化部署提供了显著益处
大规模生产模式的定义特征
大规模生产模式的定义特征
资料来源：CIC灼识 33
大规模车辆可低成本积累
长尾场景数据
• 该方案采用消费级车辆销售而非
专用车队：数据采集规模可自然
扩展至量产车型，而非专门组建
的车队；例如，特斯拉已建立百
万 级 FSD 用 户 群 ， 而 领 先 的
Robo tax i 车 队 运 营 车 辆 不 到
3,000 辆。
• 每辆车边际成本更低，地理覆盖
范围更广、运营覆盖更全面：能
够以大幅降低的单车成本，在广
阔区域及多样化驾驶条件下实现
数据采集；
• 快速培训与迭代：持续接触多样
化的运行环境及高价值边缘场景，
可显著加速自动驾驶系统的开发
进程。
• 大规模实现更贴近人类驾驶的行
为表现：随着时间的推移，系统
在日益广泛的应用场景中展现出
更加自然、稳定的行为表现。
• 通过广泛的验证实现更强的泛化
能力：采用无高精度地图（HD
map-free）方案，在不同道路、
城市、平台及使用场景中进行测
试，可提升系统的稳健性。
• 可跨整车厂（OEM）规模化部
署：支持在多种车型和平台上可
靠地推广应用。
• 安全性能已在百万英里规模上得
到验证：不断积累的实际运行数
据为安全性能的全面测试与优化
提供了基础。
• 系统各层级持续改进：推动感知
能力、规划效率、决策速度及控
制系统水平的不断提升，随着系
统日益成熟，事故风险稳步降低。
• 每辆汽车都同时创造了数据和资
本：每辆大规模生产的汽车都会
生成新的训练数据、验证安全性
并提升模型的泛化能力，同时带
来持续的收入和现金流。
• 以自我造血的方式，逐步实现完
全自动驾驶：再投资所得收益能
够支撑实现完全自动驾驶所需的
持续性、高资本密集型研发工作。
Robovan和Robotruck也是具有高潜力且可大规模扩展的自动驾驶应用
L4级自动驾驶的关键应用场景
Robovan
• 自2022年起，Robovan已在中国的商业运营中投入使用。这些车辆通常
沿固定路线在城市配送中心与客户地点之间往返，其交通模式和作业环
境相对规整。通过替代在重复性路线上工作的人工配送员，无人货运解
决方案使运营成本降低了约%。2025年，全球及中国无人货运市场
规模均达到约2亿美元；预计到2030年，这两个市场的规模将分别快速增
长至约850亿美元和535亿美元，市场渗透率将达到%和%。
• 除了Robotaxi之外，其他几种L4级自动驾驶技术——包括Robovan和Robotruck——也正在迅速发展，预计将在不久的将来逐步实现商业化。
Robotruck
• Robotruck正迎来更广泛的普及。在提升道路安全、降低排放及提高运营
效率的需求推动下，该市场到2025年全球规模已达约1亿美元（中国本
土规模同样为1亿美元），预计到2030年将分别增长至约330亿美元和
165亿美元；届时全球Robotruck的市场渗透率将达到约%，中国则将
达到%。
资料来源：CIC灼识 34
Robovan是当今完全自动驾驶最有前景的应用场景之一（1/2）
Robovan 市场分析
2025 2026E 2027E 2028E 2029E 2030E
十亿美元
Robovan 市场规模, 2025-2030E
全球 中国
2025 2026E 2027E 2028E 2029E 2030E
2025-2030E
+%
CAGR
2025-2030E
+%
CAGR
资料来源：CIC灼识 35
Robovan是当今完全自动驾驶最有前景的应用场景之一（2/2）
Robovan 市场分析
1,
3,
2025 2026E 2027E 2028E 2029E 2030E
6,
千辆
Robovan 运营数量, 2025-2030E
全球 中国
1,
2,
2025 2026E 2027E 2028E 2029E 2030E
4,
2025-2030E
+%
CAGR
2025-2030E
+%
CAGR
渗透率, %
% % % % % %% % % % % %
资料来源：CIC灼识 36
Robotruck同样是当前全自动驾驶最具前景的应用案例之一（1/2）
Robotruck 市场分析
十亿美元
Robotruck市场规模，2025–2030E
全球 中国
2025-2030E
+%
CAGR
2025-2030E
+%
CAGR
资料来源：CIC灼识 37
2025 2026E 2027E 2028E 2029E 2030E
2025 2026E 2027E 2028E 2029E 2030E
Robotruck运营数量，2025–2030E
全球 中国
2025-2030E
+%
CAGR
2025-2030E
+%
CAGR
渗透率, %
Robotruck同样是当前全自动驾驶最具前景的应用案例之一（2/2）
Robotruck 市场分析
千辆
资料来源：CIC灼识 38
2025 2026E 2027E 2028E 2029E 2030E
% % % % % %
2025 2026E 2027E 2028E 2029E 2030E
% % % % % %
CIC灼识
电话：+86 21 2356 0288
地址：上海市静安区普济路88号静安国际中心B座10楼
如需更多信息，请访问：
敬请致函： marketing@
扫码关注公众号「灼识CIC」
扫码添加CIC灼识小助手
