本文来自微信公众号： 全天候科技 ，作者：全天候科技
今天路上跑的这些“智能汽车”，远远不能说得上“智能”。
这件事放在数据下看就很清楚。五年时间，智能驾驶从高端选配变成主流标配，L2级辅助驾驶渗透率过了55%，城市NOA进入规模交付，几乎每家车企都在讲智能化。但有一件事始终没解决，辅助驾驶遇到处理不了的场景会退出，把方向盘交回驾驶员，而交接的那一秒恰恰是事故高发时刻。
过去几年行业的做法是不断扩大系统能力边界，多覆盖一种场景、多识别一类障碍物，但“人负责兜底”的框架没有变。
一
“好用”的陷阱
过去行业开发高阶智能辅助驾驶的安全逻辑建立在一个前提上，系统辅助人，人负责兜底。日常场景下系统比多数驾驶员更稳定，但遇到处理不了的情况，异形障碍物、无车道线的城中村窄路、交警手势，系统退出，方向盘交回来。问题恰恰出在这里，系统越好用，驾驶员越放松；越放松，接管时越危险。人类平均反应时间0.45秒，从松弛状态切换到紧急接管远不止于此。
这不是某家企业技术不行，是框架本身的死结。
拆开看行业过去五年衡量进步的方式就很说明问题。头部玩家的KPI大都是“接管频次降低”和“场景覆盖数增加”。但如果目标是让车独立完成任务，“接管频次”这个指标根本不该存在。这就像用拐杖的舒适度来衡量腿伤恢复，标尺本身选错了。行业在优化一个终将被替换的框架，投入越大，转身越难。
能力和效率的困境同样清晰。现有智驾多数只会前进和转向，不具备倒车让路、靠边临停这些人类日常技能。
李想在发布会上讲得很直白，传统智驾只能完成有限的特定功能和特定场景，离人类的全场景驾驶能力差得远。用户始终是随时待命的驾驶员，不是安心坐在车里的乘客。效率维度更直接，“人机共驾”在用户端的体感是协同比自己干还累，赶时间的时候很多人干脆关掉辅助驾驶。
安全、能力、效率，三个维度指向同一件事，高阶智能辅助驾驶的天花板不是某项技术不够好，是“人负责兜底”这套框架有上限。在这个框架里，所有努力都是把天花板往上推一段，但推不掉。
回头看，行业在这条路上走了五年，进步不小，但方向从一开始就定偏了。问题被定义成如何更好地辅助人，而不是如何让车独立完成任务。
二
从底层开始重做
方向容易定。怎么做到，才是真正值得聊的。
过去十年，汽车智能化的主流路径是集成，从英伟达买芯片、从Mobileye买算法、从黑莓QNX买操作系统，拼在一起上车。这条路把智驾从0分做到了80分，但从80分到100分，靠拼装够不到。那20分的差距，恰恰是“辅助人”和“替代人”之间的鸿沟。更要命的是，集成模式下整个系统的进化速度取决于最慢的那一环，想快，芯片供应商不急。
三
淘汰赛开打了
全栈能力一旦建成，它的边界就不会停在一辆车上。
驱动自动驾驶的感知模型、推理芯片、操作系统，同时也是人形机器人的技术底座。上半场积累的技术直接搬到下半场用，第二条赛道的研发门槛大幅降低。
只做自动驾驶的公司，同一套技术只服务一个市场；跑通全栈的公司，同一套能力打开两个市场。
赛道很热。特斯拉计划年底建成年产5万台Optimus产线，小鹏IRON定在年底量产，2026年全球人形机器人出货量预计暴涨7倍。也有多位机器人创业公司创始人判断2026年不是商业化元年，而是淘汰赛元年。投资人问的不再是机器人是否会跑会跳，而是在什么场景替代人、客户付多少钱。
降温对已经量产的玩家反而是好事。具身智能有一个和数字AI截然不同的特点，训练数据不能从互联网上下载。ChatGPT可以用全网文本训练，但一辆车在雨天城中村躲过逆行电动车的那次避险，只能在物理世界真实发生一次才能变成数据。实验室仿真再精确也替代不了。
也就是说，具身智能的竞争逻辑和数字AI完全不同，数字AI的壁垒在模型和算力，具身智能的壁垒在数据，而数据只长在物理世界里。
放在行业背景下看，竞争的标尺正在被改写。过去五年，智驾竞赛围绕“谁的场景覆盖更多”展开，靠堆人和堆场景就能推进。现在问题变了，谁能让车独立完成任务。这需要全方位能力。
下半场的发令枪还没响，但参赛者们的起跑线已经不在同一个位置了。