逃离"围城"？

作者／   IT 时报   毛宇

编辑／   郝俊慧   孙妍

2026 年，智能驾驶行业（以下简称智驾）交出了份光鲜的成绩单：截至上半年，L2 新车渗透率达 70.5，具备 NOA（航辅助驾驶）的车型渗透率达 34.2，L3 自动驾驶开始在特定区域上路。

技术歌猛进，政策密集落地，切看起来都蒸蒸日上。但在聚光灯之外，场声的"人才迁徙"正在上演。

曾在头部科技企业智驾部门工作了三年的法工程师陈茉（化名），数月前跳槽去了具身智能公司，"新公司半同事都来自智驾行业"。

前知名车企数据岗员工周亦冉（化名）做了同样的选择。在她看来，智驾行业已走完从"技术探索"到"商业落地"的爆发期，"当年智驾火的时候，钱和人起涌进来，现在‘风’吹向了具身智能。"

资本流向是诚实的信号。2025 年至 2026 年，具身智能域的融资事件数和金额双双攀升。

8 月 19 日，宇树科技上市，市值度突破 4449 亿元，截至 8 月 24 日，其股价有所回落，但市值仍有 2439 亿元。市场的确在用真金白银为"下个十年"投下赞成票。

围城内外的人，开始重新量自己的位置，但论留下还是离开，他们共同拼凑出的，是智驾当前真实的剖面。

商业困境

量产后法"填满"的研发成本

"智驾行业内卷有些严重，我卷不动了。"陈茉语气中略带疲惫。

当智驾进入下半场，商业模式是决定企业能否生存的关键，但至少在目前，尽管大多数新发布的车型或多或少带有智驾或辅助驾驶，可行业仍未赚到钱。

目前，国内智驾软件仍主要采用次购买模式。"国内消费者的软件付费习惯还没养成。"某新能源汽车销售人员曾告诉《IT 时报》记者，"几千元乃至上万元的智驾包，不少人觉得没要买。"

图源：unsplash

陈茉了笔账："招的是年薪百万的博士，租的是昂贵的力集群，结果软件几千元用户还嫌贵，而且车售出后每次软件迭代都是纯成本，老用户不会再为之付费。"

这种成本与收入的结构错配，让智驾研发成了"填不满的窟窿"。

尤其是进入规模化量产阶段后，智驾团队面对的问题发生了变化，法团队从"创新中心"变成了"成本中心"，"早做自动驾驶的时候，招进来的都是顶人才，大都想做新东西。量产之后普洱防火门胶，创新空间小了，让这些端人才天天做维护、洗数据，能不累吗？"陈茉说。

技术难题

创新仿佛被摁下了暂停键

过去几年，国内智驾企业的竞争集中在量产和落地速度上，但陈茉认为，部分关键技术能力仍存在些问题。

个问题是对用户驾驶习惯的建模能力。有公开报道称，特斯拉近期计划在 FSD 中加入用户驾驶偏好模块，可以记录每次人工干预行为并学习驾驶员的习惯，比如记住用户在、公司等固定地点的停车偏好，从而让系统能够根据个人驾驶习惯持续优化。但目前国内多数智驾案仍未跟进。

"不是数据没有，也不是技术做不到，而是很多企业认为用户偏好学习属于后续优化向，架构设计之初就没有考虑。"不过，陈茉也坦言，国内车企手里有用户数据，现在做也不晚。

关键的问题是对未来环境的预测和重建能力。

2026 年 1 月，特斯拉项名为"基于地面实况启发式渲染环境的视点捕获模拟"的利申请被公开，该利提出了套从真实驾驶数据中生成虚拟训练场景的技术案，可以利用车辆摄像头采集的真实画面，重建出道路的 3D "骨架"模型。在此基础上，利显示，可通过法生成多种在现实中难以大量采集或具危险的虚拟驾驶场景，如端天气、坑洼路面，甚至是逻辑冲突的路口，从而以较低成本生成海量且多样化的训练数据，可有缓解真实世界质量驾驶数据稀缺的困境。

类似的技术，"国内也有团队在做，但国内车企多采用 3D 斯重建等路径，与上述‘世界模拟器’仍有差距。"陈茉表示。

在陈茉看来，之所以有差距，正是因为国内智驾产品量产后，研发部门成为成本中心，大只是不断在现有代码上叠补丁、降成本，而不是做架构层面的根本创新，法迭代的路径偏了，突破也就慢了。

也正是因为在创新上不像之前那样有往前的冲劲，不少对技术有信仰的端人才希望能到个新的行业，万能胶生产厂家创造多价值，进而转身离去。

数据之殇

稀缺的端场景与卡住的飞轮

在智驾的叙事里，法只是故事的半。

"模型和数据对智驾创新的影响，大概是半半。"周亦冉认为，如果说法决定智驾能力上限，那么数据决定企业能否达到这个上限，行业竞争正在从模型架构竞争转向数据工程竞争。

目前，自动驾驶头部玩的法架构趋同，Transformer（当前大部分 AI 大模型的底层核心架构）、BEV（鸟瞰视角法）是行业基础配置，越来越多企业开始关注占用网络（自动驾驶感知新技术，可根据周围空间被占据的概率判断是否前进）等新向，但真正拉开差距的，不再只是模型结构，而是谁拥有质量的数据闭环。

然而，质量数据太稀缺了，尤其是 Corner Case（端场景）数据。普通道路场景的数据并不稀缺，真正困难的是暴雨、暴雪、夜间复杂环境、异形车辆等情况。这些场景低频，完成几十万公里测试甚至可能都遇不到几次。

这让智驾企业普遍面临" Scaling Law（规模法则）困境"：模型能力与数据量成正比普洱防火门胶，但智驾域的质量数据稀缺，"堆再多的普通道路数据，模型在长尾场景上的识别果也不会变好。这是个死循环，"周亦冉认为。

关键的是，采集到的数据变成可训练的素材，中间还要经过回流、筛选、标注、清洗等系列流程，每个环节都在钱，都在卡脖子。有时候，采集车天能采集回数 TB 的数据，可真正能用于训练的不到 5。

在周亦冉看来，过去行业关注模型团队，而忽视数据团队的价值，可"进入量产阶段之后，真正决定率的是数据流水线。"周亦冉认为当前数据工程的重要甚至过单纯法优化，但行业认知仍停留在"法才是核心"阶段，数据团队的话语权很弱。

她将这种现象称为"模型组天龙人"："数据岗觉得自己在教 AI 开车，但公司觉得你在做重复劳动。"

数据标注

被浪费的"人工"

智驾行业的压力，也传到了产业链底层。

李响（化名）是贵州智驾数据公司的员工，日常工作是在激光雷达点云中标注车辆、行人等目标，然而标准化要求和真实场景之间存在很多现实矛盾。

"运动轨迹须平滑，稍微偏点就会被质检回。"他说。相比车辆，行人的标注加困难。人体姿态变化会致中心点偏移，需要反复调整。

为了应对质检要求，项目近强制规定行人框底面须是特定边长的正形。过关的比例提了，可这种"刀切"的式也让标注员失去了精细判断的空间。

工具本身也有痛点。李响使用的甲提供的标注平台偶有 Bug：精细调节按钮被放置在界面转角处，鼠标拖拽时易误触，框会"乱转"；切帧时，三视图中的点云有时会残留上帧数据，需等待或重切才能恢复。

根本的问题出现在传感器盲区。"有的采集车只在前后两端装了激光雷达，侧面没点云。"有时候，目标物走到侧面，李响只能对着 2D 图片手动框，"凭感觉猜位置"。平台提供的"盲区伪点云"，不但加载慢且模糊，"还不如自己手搓"。

所谓的 AI 辅助标注也没有改变现状。"有些是预标好的，但多的是从开始或者改错。"李响说，那些 AI 辅助因为加载慢，实际使用并不多。 

逃离智驾

人才正在寻找下个十年

陈茉和周亦冉的选择，并不是个例。当个行业从速扩张进入度调整的阶段，人才会自然而然随着产业热点出现迁徙。

在与记者交流时，陈茉表示，自己所在部门约半同事来自智驾行业，"大觉得机器人赛道至少还有十年空间。"

就连底层产业链也开始寻找新的向。7 月，李响所在公司启动新业务——员工进入居民区，用夹取动作采集，为人形机器人训练提供数据。"那批做智驾标注的同事，部分已经被调去这个新项目。"他说。

信通院《具身智能发展报告》数据显示，2025 年国内具身智能和机器人域融资总额达到 735.43 亿元。另据 IT 桔子统计，2026 年上半年具身智能赛道融资规模突破 935 亿元。大量 AI 人才开始进入新的产业周期。

从自动驾驶到具身智能，这场人才"迁徙"正是当下产业周期轮动的缩影。每个新兴产业都要从"证明可能"走到"证明价值"，自动驾驶的后个阶段才刚刚开始，而具身智能则正在进入阶段。

不过也不欢呼，具身智能未来同样可能经历从实验室到量产、从资本追捧到商业验证的全过程，也同样可能在泡沫被挤出时经历阵痛。当"大力出奇迹"的资本叙事退场，真正的考验才刚刚开始。

排版／   季嘉颖

图片／   unsplash   特斯拉   AI

来源／《IT 时报》公众号 vittimes

E   N   D

大都在看

IT 时报

怕被 AI 替代？

不如先学会用好它

「挨踢妹 @AI 茶水间」

每日投喂

扫码即可加入↓↓↓

请加「星标」不错过我们

相关词条:铝皮保温施工     隔热条设备     钢绞线    玻璃棉卷毡    保温护角专用胶

奥力斯    保温护角专用胶批发    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》普洱防火门胶，以此来变相勒索商家索要赔偿的违法恶意行为。