近期，智能驾驶领域的热潮遭遇了突如其来的刹车。小米SU7事故发生后，工信部迅速出台了一系列监管措施，对智能驾驶功能及其宣传进行了严格限制。据参会人士透露，L2级别的智能驾驶系统不得再使用“接管”作为宣传点，同时，“代客泊车”等驾驶员无法完全掌控的功能也将不再被受理，且明确禁止了公测活动。
这一系列监管措施迅速得到了企业的响应。5月4日，小米公司对其SU7新车订购页面进行了调整，将原先的“智驾”更名为“辅助驾驶”，以此顺应新的监管要求。
此次事故不仅引发了监管层面的迅速反应，还波及了资本市场。在小米SU7事故之前，包括小米在内的多家新能源车企刚刚完成了一轮融资，准备大力推动“智驾平权”。其中，小米和比亚迪分别融资425亿港元和435亿港元，蔚来也宣布通过配售股票融资40.3亿港元。然而，配股消息一出，比亚迪股价下跌超过7%，小米市值单日蒸发近千亿港元，蔚来股价同样大幅下跌超过8%。小米的暴跌更是带动了恒生科技指数的大幅下挫，单日跌幅达到3.82%。
智能驾驶一直是整车成本的重要组成部分。根据盖世汽车的数据，去年智能驾驶研发占车企总支出的38%，仅次于电池成本，成为第二大支出项。以此次配股的三家车企为例，比亚迪计划投入高达1000亿元用于智能化研发；蔚来到2024年年底在智能驾驶领域的研发投入将达到460亿元；小米方面，雷军透露每年在智能驾驶领域的研发投入超过20亿元。
然而，车企在推动智能驾驶普及的过程中遇到了巨大的成本压力。算法专家傅聪指出，目前市面上的智能驾驶系统成本在几千元至两三万元之间，约占整车成本的5%至15%。随着高阶功能的加入，如激光雷达和冗余控制，成本还会进一步提升。尽管车企采取了自研与外采相结合的混合模式，试图降低成本，但实际效果有限。例如，组合导航外采的成本可能高达上万，而自研成本仅需千元。
硬件层面，激光雷达是智能驾驶系统的核心成本之一。尽管近年来激光雷达价格不断下降，但在主打性价比的汽车市场中，激光雷达的堆叠仍然带来了不小的成本负担。为了降低成本，车企开始采用差异化的智能驾驶方案。例如，小米在SU7标准版上采用了纯视觉模式的智驾系统，而在更高版本的车型中则配备了视觉与激光雷达的融合感知模式。
然而，硬件降本只是表面现象，纯视觉方案还存在隐性的高成本。纯视觉方案依赖庞大的数据训练模型，算法需要不断适应新城市、新场景和新法规，模型训练成本高昂。标注数据方面，头部企业的总投入往往高达数千万甚至上亿元，因为自动驾驶对数据质量要求极高，单条数据的成本可能达到几百元甚至上千元。傅聪指出，算法与数据标注是纯视觉方案中最难压缩的成本部分。
面对巨大的成本压力，车企开始将目光投向规模化生产，希望通过扩大规模来摊薄成本。今年初，比亚迪发动了“智驾平权”，将智能驾驶功能下放到中低价位车型，打破了原有的定价逻辑。然而，规模化生产的道路并不平坦。光大证券的数据显示，2024年国内L2+城市智能驾驶渗透率仅为5%-6%，其中25-40万元价格带的渗透率超过20%，而10-20万元价格带的渗透率不足0.2%。
造成这一局面的原因既有成本因素，也与用户认知有关。普通用户对智能驾驶的认知仍有待提升，尤其在智驾配置降级的中低价位车型上，功能减配进一步放大了用户认知不足带来的安全隐患。小米SU7事故就是一个典型例子，该车型采用纯视觉方案，在夜间行驶且遇到道路施工的情况下，系统面临极大挑战。
傅聪指出，目前智能驾驶系统能在测试或体验中表现出色，很大程度上得益于演示场景包含在模型训练数据中。然而，现实生活中远比训练环境复杂，对于极少见但复杂度极高的场景，由于数据覆盖不足，往往难以通过传统训练方式彻底解决。
曾经，智能驾驶能力被视为车企能否在竞争中立足的关键，但如今，随着规模扩张的放缓，智能驾驶在短期内可能成为车企面临的一大挑战。
