iTSTech：2026自动驾驶技术综述报告（91页）.pdf

1、 AI时代自动驾驶技术综述报告（附资料清单）智能交通技术公众号 iTSTech 2026-6-7 i 目目 录录 1.前言前言.1 2.基本概念基本概念.2 2.1.核心定义解析.2 2.1.1.动态驾驶任务（DDT）.2 2.1.2.设计运行范围（ODD）.3 2.2.六级自动化分级标准.3 3.技术架构与核心模块技术架构与核心模块.5 3.1.感知系统.5 3.1.1.多传感器融合技术.5 3.1.2.环境建模与目标处理.7 3.2.定位与高精地图.7 3.2.1.高精度定位技术.7 3.2.2.高精地图.9 3.3.决策与规划.10 3.3.1.决策系统.10 3.3.2.规划系统.11

2、 3.4.控制与执行.12 3.4.1.线控底盘技术.12 3.4.2.控制算法.14 3.5.大模型技术的协同应用与架构革新.15 4.AI 技术在自动驾驶中的深度应用技术在自动驾驶中的深度应用.17 4.1.自动驾驶 AI 技术体系整体架构.17 4.2.通用大模型的落地应用.18 4.2.1.多模态大模型（视觉+文本+语音+雷达数据）.18 4.2.2.语言大模型（LLM）.18 ii 4.2.3.通用大模型的典型落地场景与局限.19 4.3.物理AI 核心技术解析.19 4.3.1.物理AI 定义、特征与技术内核.19 4.3.2.物理AI 与传统数字 AI 的差异.21 4.3.3.

3、物理AI 关键技术分支：世界模型、VLA 模型.21 4.4.物理AI 在自动驾驶全场景落地应用.24 4.4.1.感知层：突破传统感知边界.24 4.4.2.决策规划层：理解物理规律，应对长尾场景.25 4.4.3.控制执行层：贴合车辆动力学特性.26 4.4.4.仿真与训练：虚实结合的自进化体系.26 4.5.人工智能典型企业实践案例.27 4.5.1.国内企业案例.27 4.5.2.国外企业案例.28 4.6.AI 技术应用现存挑战与优化方向.29 4.6.1.现存核心挑战.29 4.6.2.2 未来优化方向.30 5.产业链与商业化场景产业链与商业化场景.32 5.1.产业链构成.32

4、 5.2.商业化场景与市场规模.33 5.2.1.商业化场景拓展路径.33 5.2.2.市场规模与增长预测.35 6.相关法律、标准和规范相关法律、标准和规范.37 6.1.国际标准与法规.37 6.1.1.SAE J3016 驾驶自动化分级标准.37 6.1.2.UNECE 自动驾驶相关法规.37 6.1.3.美国的监管框架.38 6.2.中国法律与标准.39 6.2.1.上位法：基础法律原则.39 iii 6.2.2.规范性文件：行业发展指导.40 6.2.3.国家标准：技术细节规范.40 6.3.政策支持与试点探索.42 6.3.1.政策导向：明确发展方向.42 6.3.2.示范区建设：

5、打造“政策试验田”.42 6.3.3.跨部门协同：突破“制度壁垒”.43 7.自动驾驶对社会的多维度影响自动驾驶对社会的多维度影响.45 7.1.交通出行领域的变革.45 7.2.物流运输行业的升级.46 7.3.就业市场的调整与转型.47 7.4.城市规划与基础设施的重构.47 8.8.结论与展望结论与展望.49 8.1.主要结论.49 8.2.未来展望.50 9.附录：自动驾驶主题资料汇总附录：自动驾驶主题资料汇总.52 1 1.前言前言 在全球科技革命与产业变革深度融合、人工智能全面进入生产力变革阶段的当下，自动驾驶已从单一的汽车技术迭代，演变为AI技术落地物理世界的核心载技术落地物理世

6、界的核心载体体。自动驾驶融合传统汽车工程、传感器技术、高精度定位、云计算与多门类 AI 技术，尤其是近年来大模型、物理大模型、物理AI等前沿技术的爆发，彻底打破了传统“感知-决策-控制”模块化架构的局限，推动自动驾驶从 L2 辅助驾驶向 L4 高度自动驾驶快速迈进，成为 AI 技术从数字空间走向物理实体交互的标杆领域。自动驾驶并非简单的车辆自动化，而是一套依托 AI 实现自主感知、逻辑推理、动态决策、精准执行的复杂智能系统。从产业价值来看，继蒸汽机、电力、信息技术之后，以 AI 驱动的自动驾驶成为又一项颠覆性技术。传统自动驾驶依赖规则算法与小模型，存在长尾场景应对能力弱、跨场景泛化性差、极端工