自动驾驶这个行业，隔几年就会有人宣称下一年就是行业元年，可等到年份过去，元年依旧没有到来。2026年情况有所不同，L3级自动驾驶准入许可已经发放，道路交通安全法修订草案新增自动驾驶专门章节，小马智行也在广州、深圳实现单车运营层面盈利转正。方方面面看上去都往前推进了一步，但仔细观察，每一步都没有完全落地。
技术层面依旧是最核心的卡点，只是换了一种说法。前些年行业讨论的是感知精度不足、决策响应速度慢，现在大家都在聊长尾场景。长尾场景指的是绝大多数路况系统都能妥善处理，剩下极少数的罕见工况，始终难以解决。今年二月《Nature》刊登的一篇论文，把这个难题称作“稀缺性诅咒”：关乎安全的关键事故场景，在高维变量空间里极其稀少，深度学习模型依靠失败样本学习，可这类失效样本本身数量极少，还存在跷跷板效应，优化一部分场景的识别能力，另一部分场景的表现反而下滑。Waymo在今年六月召回接近四千台车辆，故障原因是识别系统在高速施工路段判断出错，之后直接暂停旧金山、洛杉矶等四座城市的高速自动驾驶服务。施工区域、积水路面、故障红绿灯，这类场景人类司机应对起来不算困难，自动驾驶系统却很难处理。Waymo已经在十五座城市投放四千台车运营，但每周订单量没有同步上涨，这说明拓展运营城市和提升单城运营效率之间，还存在一道很难跨越的鸿沟。
芯片与算力是另一重硬性约束。国内车规级量产芯片主流还停留在7nm制程，国际主流已经进入4nm、5nm阶段，先进产能不足，直接限制高阶智驾大规模落地。而且现在真正的瓶颈不再是纸面的TOPS算力数值，而是内存带宽。端到端模型会把感知、决策、控制全部整合进同一个神经网络，数据量暴涨，芯片内部、芯片之间的数据传输，就成了制约性能的关键环节。智驾芯片研发周期长达三到四年，车型迭代周期只有一到两年，这个时间差，造成芯片设计阶段很难拿到整车电子电气架构的深度反馈。车企为保障竞争力，优先选用成熟方案，国产芯片迭代的空间被进一步压缩。数据层面同样存在难题，测试车辆集中在少数示范区，真实路况的数据积累不足，极端天气、复杂路况这类边缘场景的数据尤其难采集，各家厂商的数据格式、接口标准不统一，数据互通共享的壁垒很高。
不过比技术更棘手的，是行业的财务账本。
小马智行第七代Robotaxi在深圳实现单车盈利，日均净收入338元，日均23单，春节期间最高达到26单，对比2025年全国Robotaxi单车日均15单的平均水平，进步实实在在。第七代自动驾驶车辆的套件BOM成本，相比第六代下降70%，车载计算单元成本降低80%，激光雷达成本下降68%。这些数据证明硬件成本正在快速降低。但单车盈利和企业整体盈利之间，差距巨大。Waymo在美国运营多年，订单持续增长，整体业务依旧没有盈利。Alphabet旗下“其他赌注”部门第二季度营收3.82亿美元，运营亏损达到18亿美元。试点区域客流有限，车队规模难以扩大，车辆采购、运维、远程监控中心、保险等固定成本没法摊薄。国内这边，行业车队总规模刚突破千辆，业内普遍认为千辆是从技术验证转向规模化服务的分水岭，可千辆距离真正的规模效应还有很远距离。
无人物流被普遍看好，认为是最先跑通商业闭环的赛道。2025年国内无人城配车辆销量大约2.2万辆，保有量突破3万辆，预估2026年销量能达到8.9万辆。末端配送成本占快递单件总成本六成以上，规模化运营状态下，无人配送可以把成本压缩到传统配送模式的三分之一，这笔账具备可行性。但乘用车Robotaxi的商业模型要复杂很多。L2辅助驾驶渗透率已经超过70%，成为新车标配，高阶智驾的付费转化率依旧很低，车企利润主要依靠整车销售，规模化盈利模式还没有跑通。续航虚标、冬季续航缩水、高速服务区充电排队，这些配套短板，也在持续拖累行业发展。
法规在今年推进速度确实很快。道路交通安全法修订草案增设自动驾驶专章，确立“谁主导驾驶，谁承担责任”的原则，自动驾驶功能激活状态下，由车辆生产、进口企业接受处理并承担举证责任。举证责任倒置的设计对消费者有利，可企业实际落地执行的办法，尤其是跨区域运营时各地法规如何衔接，大量细节还没有落地。保险体系也跟不上产业节奏。事故鉴定流程复杂、耗时漫长，受害人权益很难及时得到保障，北京直到今年才启动“人机共驾”场景下商业保险试点。跨区域数据治理的规则平衡、人车混行场景下的社会协同，这类非技术问题，正在取代技术本身，成为决定行业上限的核心因素。
行业内部格局分化十分剧烈。地平线、大疆卓驭、华为、Momenta组成的头部梯队，几乎垄断主流车企的智驾方案供应，地平线征程芯片累计出货量突破1000万套。另一边，毫末智行全员停工放假，纵目科技进入司法重整，禾多科技破产清算，中智行也走向相同结局。这些倒闭企业有共同特点：技术路线选择失误，客户结构过于集中，自身造血能力不足。毫末智行押注“高精地图搭配规则算法”路线，行业转向无图智驾之后迅速掉队，最大客户长城汽车把订单转移给竞争对手，资金链直接断裂。资本并没有撤出这个赛道，2026年重卡自动驾驶、无人货运方向融资反而更加活跃，DeepWay深向Pre-IPO轮融资超过3.1亿美元，零一汽车两个月内拿到4亿美元融资。资金都在向能更快产生现金流的场景倾斜，Robotaxi这类烧钱周期漫长的方向，融资难度持续走高。
回到最初的问题，自动驾驶研发是否遇到瓶颈。更准确的说法是，技术层面持续进步，但提升速度跟不上商业化落地的需求。端到端模型、视觉语言动作模型的引入，确实提升了系统表现，但安全性能在经历一段快速增长之后，出现明显放缓甚至停滞。L2升级到L3的难度远超预期，不是算法性能不足，而是最后百分之几的可靠性提升，需要投入指数级上涨的成本，目前还没有人找到压低这笔成本的办法。
行业当下处境比较尴尬：技术水平已经足够支撑不少场景落地，像无人物流、港区运输、固定线路接驳，这些场景已经跑起来。但还达不到颠覆整个交通系统的临界点。智驾相关讨论长期聚焦算法、传感器、模型性能这类指标，行业习惯依靠累计测试里程、场景通过率评判成熟程度，仿佛只要技术打通，普及就水到渠成。现实却是，自动驾驶车辆从封闭测试场进入城市复杂开放路网，从示范项目走向大众消费市场，真正的限制来自跨区域数据治理规则、可持续商业闭环、人车混行的社会协同等非技术短板。
本轮瓶颈和之前几轮不一样。过去是单点技术突破难题，解决一项就能往前推一步。现在属于系统性困境：技术要通过安全验证，安全落地要符合法规，法规落地需要配套保险，保险落地又受制于成本，每一关都卡在前一关的出口。市面上量产车快速铺开，L2渗透率突破70%，但真正的L4完全无人驾驶，依旧被限制在划定的运营区域。二者之间的鸿沟没有缩小，只是大量辅助驾驶功能填充在中间，让大众产生自动驾驶距离普及已经很近的错觉。
