讲真，看到工信部最新公布的那组数据时，我愣了一下。当前我国L2级智驾渗透率已经达到了70.5%，NOA（领航辅助驾驶）功能渗透率也突破了34.2%。

这意味着什么？意味着在马路上跑的新车里，每十辆就有七辆具备了辅助驾驶能力。曾经那个只存在于科幻电影里、或者只属于三十万以上豪车的“黑科技”，现在正真真切切地驶入普通人的车库。

以前大家吐槽智驾，最常用的词是“像个新手”。变道犹豫、遇到加塞一脚急刹能把人送走，坐在车里总觉得心惊肉跳。但今年，很多车主的感受变了。

52岁的北京车主王女士就是典型。她以前上高速根本不敢开NOA，但今年OTA升级了VLA（视觉-语言-动作）大模型后，她通勤一半以上的路程都交给了智驾。“最明显的感受是不‘愣’了，加塞也能处理，家里人都说我现在开车反而更稳了。”

你品品这句“不愣了”，背后其实是自动驾驶底层逻辑的质变。

过去的智驾是“规则驱动”，程序员写死了几万条规则，车遇到没写过的情况就傻眼。现在的端到端大模型，是让车自己去“学”。几百万辆量产车在路上跑，遇到极端情况，端侧筛选出罕见案例，传到云端训练，再通过OTA发回给车主。

说白了，你的每一次接管、每一次踩刹车，都在帮这辆车变得更聪明。这就是所谓的“数据飞轮”，它让车从“能开”，真正走向了“好开”。

热度上来了，争议也跟着来。很多人觉得，10万块钱的车搞智驾，肯定是“阉割版”，硬件不行，体验肯定拉胯。

说实话，这种担忧很正常。但当你了解了背后的技术迭代，就会发现“智驾平权”真不是一句空喊的口号。

以地平线发布的“征程6系列”芯片为例，单颗征程6M就能以128 TOPS的算力支持城区NOA量产，直接把高阶智驾的门槛踩到了10万元级主流市场。他们不是靠简单粗暴地堆算力，而是通过软硬结合的架构，在车规成本和功耗的约束下，把有效计算效率榨干。

清华大学邓志东教授有句话说得很透：智驾平权不是低配阉割，而是不同价位匹配对应场景能力。

对于咱们普通打工人来说，花十万块钱买个车，图的不是在复杂路口让车自己炫技，而是图个下班路上能稍微放松一下的疲惫感，图的是在走神时AEB（自动紧急制动）能帮你一脚刹停的保命底气。把高频、救命的场景做好，就是最大的科技向善。

不过，咱们也得保持清醒，别因为几次完美的自动泊车，就把方向盘彻底交出去。

第三方实测很打脸：在无标线城中村、极端暴雨、低角度逆光这些场景下，现在的量产VLA识别错误率依然很高。机器没有“常识”，它不懂水坑里可能藏着深坑，也不懂逆光下那个黑影是个塑料袋还是块石头。

邓教授有个特别生动的比喻：过去小模型离人类驾驶还有“1公里”的差距，大模型把它缩到了“1米”，但未来要缩到最后的“1厘米”，必须靠世界模型。

这最后的“1厘米”，就是长尾问题（Corner Case），是数据驱动模型的固有缺陷。它意味着，在相当长的一段时间内，你依然是这辆车的第一责任人。机器可以帮你分担80%的精力，但剩下20%的生死决断，还得靠你作为人类的直觉和经验。

如果你以为端到端智驾的终点只是让车开得更好，那就把格局看小了。

现在一众车企都在疯狂布局人形机器人，行业里甚至有个共识叫“汽车即机器人”。为什么？因为车本质上就是一个带轮子的具身智能体。

每年2000多万辆新车的量产规模，是一个极其恐怖的“技术练兵场”。它能把大模型的成本打下来，把“感知-思考-执行”的闭环磨到极致。等这套技术在公路上练熟了，就会迅速外溢到机器人、低空飞行器等领域。

从2009年谷歌启动自动驾驶项目算起，这条路我们走了17年。如今，端到端VLA大模型量产落地，终于推开了物理AI时代的第一扇门。

只是，当车越来越像老司机，当未来的机器人越来越懂我们的意图，我们或许该在某个安静的夜晚想一想：当机器包揽了所有物理世界的移动与操作，人类独有的价值究竟在哪里？

当方向盘渐渐不再需要被紧握，我们真正要握住的，或许是对生活本身那份不被算法定义的感知力。