纷纷加快高像素智能车灯普及，以极氪X9、岚图泰山、蔚来ES8为代表的车 型上市后热销，带动高像素智能车灯在30万+价位车型市场的装配率快速提升；预计2026年百万像素将渗透至20万级车型。 红旗L5 百万像素 智己L7 百万像素 问界M9 百万像素 2026 商用时间 2025 30万 50万 车型价位 长安深蓝 百万像素 蔚来ET9 万级像素 仰望 U7 百万像素 尊界S800

智能体的五个等级，智能体能力与市场渗透率呈指数型关系 人类的干涉程度 智能程度 L3：协作级-协作自治 AI执行，人类协作并监督 L4：指导级-专业指导 AI提供专家级服务，人类参与 L5：智慧级-自主智慧 AI超越人类，全面自主，人类授权 L1：功能级-辅助工具 AI作为工具被调用， 人类执行并闭环任务 L2：任务级-任务执行 AI执行被分解的任务， 人类拆解及分配任务 只有把智能体演进路径与科技向善价值深度融 合，人类才能真正把握住智能世界的主动权。 早期阶段 重构产品与体验 提升运营与办公效率 变革生产方式 远期阶段 中期阶段 未来十年智能体将驱动各产业发生范式革命 能级到 L5 智慧级的五级演进，呈现出自主决策 能力逐步增强、应用场景从低风险单点功能向 高价值跨域服务拓展释放更大市场空间、技术 需求从基础交互向通用智能与伦理对齐深化的 梯度发展路径。 我们认为，2035 驾驶主体为人类 特定场景可完全接管 大部分场景不需人类接管 场景：高速L3 城区L2+ 技术：E2E 场景：L3+规模商用， 部分场景L4商用 技术：世界模型 场景：L4+规模商用， L5启动试商用 技术：AGI水平 具身智能的关键技术点 智能驾驶演进预测 19 智能机器人将跨越技术鸿沟，推动产业走进千行万业、千家万户 智能机器人领域，随着大模型技术的突破 及一系列人形机器人原型机的发布，已成为炙

定制学习内容任务 Ai流程式学习 大数据探寻错误原因 避免重复错误再出现 Ai错因分析 智能诊断思想能力方法 可定义传授的靶向训练 Ai MCM（思想、能力、 方法）训练 L5级全自动授课AI虚拟老师 沉浸式人机互动学习感受 L5级人机互动 知识学习结果导向 学习报告一目了然 Ai报告反馈 创建专属错因知识图谱 结合日常学习精准推荐 Ai错题本 遗忘曲线+知识点特性+学习 的数据，定期复习遗忘知识点

样化、日益增加的系统规模和复杂度大大增加运维难度、算网资源协 同调度等诸多挑战。通过引入 AI（Artifical Intelligence）技术加快算 网智能化已经成为发展趋势和行业共识。新一代智能算力网络正以实 现“L5 等级”的自治为目标进行演进发展。 服务生成算力网络旨在以网络为基础、算力为载体、智能为核心， 通过多要素融合来实现，是利用 AI 技术来使能算网深度融合与智能 服务的新范式，也是算力网络智能化演进的终极目标。服务生成算力

辆需通过KBA（联邦机动车运输管理局）的ADS专项认证，同时运营方须向地 方交通局申请线路许可，且每条线路须单独开展为期6个月的载客压力测试。值 得注意的是，欧盟Reg.(EU)2022/1426法规虽为全球首个L4/L5型式认证框架 ，但仅适用于年产量≤5000辆的小批量认证，大规模量产准入仍待2024年7月 后新规落地[4]。 法规差异正深刻重塑跨国企业产品开发范式。以地平线HSD城区辅助驾驶系统 为例，

拟工厂一样运作，极大地提升区域制造产业集群的整体竞争力和市场 响应速度。此外，分布式算力调度还可以支持供应链中的风险预测和 应急响应，提高供应链的稳定性和可靠性。 4.8 自动驾驶 自动驾驶技术正朝着 L4/L5 级别的高度自动化迈进，这使车辆需 要实时处理海量的环境感知数据、进行复杂的决策规划与控制计算， 对算力的需求是海量、瞬时且不容出错的。一辆高级别自动驾驶汽车 每小时产生的数据量可达 TB 级别，其内部的计算平台需要在毫秒级

据分析 • 实现了全量数据 的实时分析 • 以全面落实“穿 透式”监督要求为标 志 • 初步具备事前 事中的风险监控能 力 • 广泛采用 AI 技 术参与数据分析建 模等工作中 L5 生态级 生态建立 与全面智 能 • 形成标准化风险 监控能力输出 • 实现多部门、多 企业间关键风险齐抓 共管的新形态 • 在实现企业风 险画像基础上 • AI 技术广泛应 用于审计工作全流

流⾏前的复合年增⻓率为39%，我们假设到2035-50年间为2.5%。 我们假设在2035年前汽⻋总数的2.3%年增⻓率将逐渐减缓⾄2035-50年间的0。 假设折旧周期为13年，我们可以计算出L3⾄L5级别的AD总数为 总AD数量 t = 总AD数量 t-1 + 年度 AD发货量 t + 从ADAS升级到AD的年度 - 年度AD发货量 t-13。 对于L1⾄L2的ADAS，公式为总ADAS数量 t