2025年過去了，經歷降薪或裁員的很多小伙伴一點都不懷念它。不想回頭看的，還有在25年或遭遇水逆或遲遲不能盈利的一幫本土車企及其背后的一幫投資者。受累于銷量增速下降和銷量的實質性下滑，電動一哥比亞迪和增程之王理想汽車年內的股價已經下滑了接近三四十個百分點，不知何時才能反彈。展望2026年，購置稅減半、電池漲價、合資車企卷土重來，一個又一個利空消息烏云壓頂，似乎本土車企將面臨更加艱難的局面。眾人恐懼我貪婪，我倒覺得被套得結結實實的投資者們應該保持謹慎樂觀，因為，一則，2026年或將成為本土自動駕駛行業的商元用年，二則，大多數人沒有真的進行過計算，不曾意識到自動駕駛是破解車企盈利難題的核彈。

自動駕駛商用元年

在近日的一次訪談中，國內頭部智駕方案供應商Momenta掌門人曹旭東表示，到2028年到2030年間，自動駕駛系統將追平甚至遠超人類駕駛能力。專業起家的曹博士拋出這個觀點，絕非基于美好愿景的泛泛空談，也不是吸引眼球的夸張預言，而是根植于一個已被驗證的底層技術邏輯-尺度定律Scaling Law在自動駕駛領域的全面生效。

Scaling Law憑借Transformer架構的統一、海量高質量數據的閉環和算力規模的持續擴張驅動AI大模型實現了智能涌現，這三大引擎也在自動駕駛領域得到了完整的復現。

當基于Transformer的端到端大模型成為主流算法范式，千萬輛收集駕駛場景數據的車輛在廣袤的大地上行駛，自動駕駛的性能便與參數規模、訓練數據量及計算投入形成了可預測的冪律關系。目前，自動駕駛行業正處在這條指數曲線的陡峭攀升起點，據此定律推算，未來幾年自動駕駛系統性能實現數量級提升，直至大幅度超越人類駕駛，是一個可量化、可推演的技術必然。曹博士的預測，正是對這一工程現實冷靜洞察后的理性推斷。

圖片來源：理想汽車

先來看算法范式。無論是以智駕方案供應商為代表的一段式端到端還是以小鵬和理想為代表的VLA，抑或是以華為和蔚來為代表的世界行為模型，大家的自動駕駛算法的底層架構均為Transformer。Transformer的自注意力機制，使自動駕駛模型能像人類司機一樣，動態地、全局地理解整個交通場景中所有元素（車輛、行人、信號燈、道路結構）之間的時空關系與交互意圖。這種架構天生擅長處理長序列和復雜關聯，當模型參數規模擴大時，其場景理解、因果推理和長尾問題處理的能力可以呈現出平滑、可預測的冪律提升。這意味著，性能的提升不再依賴靈光一現的算法技巧，而主要取決于能在多大程度上放大這個模型?？梢哉J為，OpenAI在大語言模型領域找到的尺度定律，在駕駛這個時空決策領域找到了新的載體。

圖片來源：網絡

再來看數據，這是尺度定律成立的第二個引擎。得益于海量量產車構成的駕駛場景收集網絡和可合成長尾場景數據的世界模型，高質量訓練數據的可用性問題也解決了。

量產車數據這邊，近年來，隨著全民智駕、智駕平權運動的開展，L2+系統在全球數千萬輛量產車上實現了落地部署，每一輛行駛在真實道路上的車輛都是一個7x24小時不間斷的數據采集器，持續回傳涵蓋各種極端場景、復雜天氣和人類駕駛行為的黃金數據。這個數據飛輪的規模與質量，是任何封閉測試車隊都無法比擬的，為Scaling Law提供了近乎無限的燃料。

圖片來源：比亞迪

再看合成數據這邊。云端世界模型精準地解決了真實數據分布中最棘手的長尾難題?，F實世界中真正危險的極端場景極其罕見，可遇而不可求，僅靠量產車回傳的概率性收集，不僅效率低下，而且成本高昂。通過深度學習海量真實數據，世界模型可以構建起一個高保真、可編程的虛擬物理世界。在這個仿真環境中，開發者可以無限生成、組合并精確控制這些極端且罕見的Corner Case，不僅復現現實，更能超越現實，創造出連人類司機都未曾經歷的復雜交互與邊界場景，為自動駕駛系統提供近乎無限的、定向的壓力測試與專項訓練數據。

圖片來源：小鵬汽車

總之，基于規則的模塊化架構向端到端大模型的轉型，為自動駕駛系統性能的增長曲線更換了新的引擎，突破了舊范式的天花板。真實道路路采和世界模型提供了驅動模型進化的源源不斷的燃料，在算法范式之外打開了新的斜率更陡峭的增長通道。

嚇一跳的利潤計算

當汽車市場從增量搏殺轉向存量的絞殺，單純依靠硬件銷售和價格換量的舊模式，當然會觸及利潤的天花板，所以，悲觀論調彌漫業界實屬自然而然。但是，當我們將目光投向自動駕駛，做一個合理的推斷，如果自動駕駛和軟件定義可以開啟商業化元年，那么，整個本土汽車行業將迎來從很難盈利到大幅盈利的轉折點。

圖片來源：悠跑科技

就現階段而言，L2++級輔助駕駛系統更多是作為提升車輛溢價的一次性功能配置，其價值會在車輛售出的那一刻瞬間兌現。當輔助駕駛進階到 L3、L3+、L4后，自動駕駛能力開始向真正的出行服務演進。系統開始具備持續的進化能力和場景泛化能力，可以在絕大多數路況下穩定提供舒適、高效、安全的類人甚至超人駕駛體驗，當用戶體驗從可用邁向好用甚至依賴，自動駕駛系統的性質就從功能配置轉變為用戶日常出行中不可或缺的節省時間的生產力工具，這個時候，用戶為其持續付費的意愿將發生根本性的轉折。打個不恰當的比喻，L2級系統是三歲小兒，L2++是風華少年，L3是走向而立的青壯年，L4是風度翩翩的中年熟男。從L3開始，自動駕駛就要從張嘴問父母要錢轉變為開始掙錢了！

具體能掙多少錢呢？巴菲特老爺子說過模糊的正確遠勝于精確的錯誤，各家對自動駕駛到底收多少錢我們暫時無法預判，但我們可以做一次模糊的、近似的計算。

利潤等于單價乘以規模。先來看單價，理想汽車掌門人李想曾經吹風過，將來的L4級司機大模型每月的收費將在兩千元到三千元之間，這個數字實在過于樂觀，考慮到特斯拉FSD一次性買斷6.4萬元、訂閱價格約為每月一千元，華為ADS每月訂閱費大概680元，保守測算，高階自動駕駛服務年費價值的中位數大約在每年五千元。再來看規模。本土乘用車市場每年大概有2500萬輛的新增銷量，汽車保有量超過三億輛，我們假設用戶愿意付費訂閱的比率為20%，對應大約六千萬輛車。 六千萬x每年五千元，大概對應三千億的年新增利潤。這個數字大概相當于2024年中國前十大車企利潤總和的三倍！

不算不知道，一算嚇一跳，現在知道特斯拉的股價為什么漲那么高了吧？

寫在最后

尺度縮放定律所預示的指數級進步，正將自動駕駛推向體驗與可靠性的奇點，為之付費將會變得交話費一樣自然，一個規模遠超硬件利潤的可持續出行服務市場便應運而生。所以，2026年的本土汽車市場固然充滿了各種挑戰，但它更可能成為自動駕駛的技術價值兌現的商業元年。當下的資本市場之所以忽視這一點，或許是因為人類天生就很難理解指數增長曲線吧！