智能驾驶的竞争越来越激烈，曾经“高大上”的物种，正在变得“平民化”，对于广大从业者来说，“卷”，是不可言说的痛。

卷，作为近两年来智能驾驶业内的热门话题，表面上看，是参与者越来越多，陷入拼人力、拼周期的内卷旋涡，但根本原因，其实是智能驾驶产品趋于同质化，少有亮点，缺乏能够脱颖而出的差异化方案。

如何从不同的维度，提升智能驾驶的效果和用户的接受度，打造出差异化的智能驾驶产品，是值得思考的问题，也是打破内卷的关键。为了找到问题的答案，彻底弄清智能驾驶差异化的内核，11月，九章联合中汽产培在上海安亭创新港举办了两场以“如何打造差异化的智能驾驶产品”为主题的线下沙龙，收获了大量业内专家的意见。

通过对多位专家观点的分析汇总，结合笔者自己的思考，本文将以十个问题，尝试说清楚：在智能驾驶内卷的今天，如何通过差异化的产品方案，突出重围。

用户是智能驾驶的终端使用者，差异化的智能驾驶产品，对于用户来说，是个性化需求的满足，是与众不同的体验。用户体验是决定智能驾驶能否占领市场的根本。

对于主机厂来说，差异化的用户体验，是产品脱颖而出的关键，智能驾驶产品差异化的目标；对于供应商来说，能够提前想到用户体验层面的事情，帮助主机厂改善用户体验，是实力的展示，是树立品牌形象的机会，无疑也是拿下订单和长期合作的重大加分项。

目前，市场上的智驾产品，大多是大同小异的，基本都是基于现有的技术，实现大而全的功能，覆盖越来越多的场景。但实际上，产品的大而全，是否是客户最关心的？这个很重要。

对于To C的主机厂来说，客户通常是车辆的用户，也就是广大车主。

那么，当主机厂在开发智能驾驶产品时，是否考虑到了不同车主的个性？是否能够与对相应车型的目标用户产生高粘度？越野车的智能驾驶和轿车的智能驾驶，方案是否需要做出差异化？家用大型SUV与性能小钢炮的智能驾驶，可以从哪些方面更符合车主需求？这些问题如果想清楚了，那么新车型所搭载的智能驾驶，受车主欢迎的概率会明显提升。

让客户买单，是主机厂和供应商的终极目的，需要同时展现出强大的技术实力和有说服力的营销方案。而差异化的智能驾驶产品，能够带来新的关注点，凸显出与其他同质化产品的与众不同，是吸引客户的利器。

目前的普遍现象是，把智能驾驶体现在简单的功能清单上，你有我有大家有，难以让用户有“眼前一亮”的感觉。差异化则能够有效地树立自身品牌的形象，占据用户的内心，当提起智能驾驶时，用户可以第一时间想起。

通常来说，差异化往往与新技术密不可分，以特斯拉为例，纯视觉方案，一定是基于先进的感知算法，才有底气去掉毫米波雷达。一家公司能够推出差异化产品，可以在一定程度上证明这家公司的技术是先进的，这样就比较容易让客户“高看一眼”。

差异化也能给营销方案提供新的思路。宣传自家产品的差异化，是一种有效的营销策略，当用户看腻了相同的功能介绍、技术介绍，正感到乏味的时候，如果突然看到一种与其他家不同的产品，一定会格外关注。

例如前段时间市场上的“记忆行车”功能，其技术原理难度不大，相当于特定路线的城市NOA，但营销策略可以将这项差异化的功能，包装成“通勤模式：上下班通勤更轻松”，一下就抓住了消费者的眼球，提升了消费者的付费意愿。

差异化的智能驾驶，在To C层面，带来的主要是差异化的用户体验。普通车主其实并不懂、也不关心智能驾驶的具体技术原理，他们关心的是智能驾驶好不好用，体验如何，能不能满足自己的需求。

现阶段乘用车的L2级智能驾驶，呈现给用户的直接体验，是通过各种功能实现的。因此，用户体验的差异化，实际上就是功能的差异化，包括功能的有无，和功能的好坏。

功能的有无，属于YES or NO的问题。现阶段，市场上的智能驾驶功能趋同，主要就是功能的类型相同，并且起到的效果也相同；毫不夸张地说，目前如果有10家公司在开发智能驾驶，有7-8家公司提供的功能方案都相同。

前面九章智驾在《智能驾驶产品开发中如何贯彻“正向开发”理念》一文中，也提到了功能创新的问题。虽然目前市场上已经实现了大部分智能驾驶功能，但我们仍然可以从用户角度去挖掘特定场景下的用户需求，提出解决用户痛点的智驾新功能，去抓住用户。

例如大疆率先提出的“记忆行车”功能，解决的是用户日常通勤路线的点到点导航辅助驾驶功能，可以认为是介于高速导航辅助驾驶和城区导航辅助驾驶两者之间的一项功能。在硬件成本受限的情况下，通过聚焦用户通勤的高频路线，以事先学习并记忆路线的方式，自行绘制通勤路线的高精地图，从而实现特定路线的导航辅助驾驶，解决用户大部分时间的自动驾驶需求。

实际上，记忆行车功能与小鹏的记忆泊车功能原理相似，只是将应用场景从停车场拓展到公共道路。但是从小鹏记忆泊车量产到大疆记忆行车发布的1年多时间里，却没有人去发掘并实现这项功能，而大疆，则成功地推出了一项兼顾先进性和成本的新功能，并赢得市场关注。

再举个跟智能驾驶无关、但思路可借鉴到智能驾驶方案中的例子。

在大型停车场里找车，是一项非常耗费时间的事情，尤其是在大型商场找停车位，并且忘记车位号的情况下，经历过的人都会觉得很痛苦。笔者就有过花费半个多小时，在停车场里找车的经历。在目前已有的智能驾驶功能中，智能召唤可以很好地解决这个痛点，但是智能召唤功能对硬件和软件的要求都比较高，开发难度大，并且现阶段的可靠性和安全性也让人怀疑，用户接受度不高。

如果能够换个思路：“车不过来，我就过去。”利用车载摄像头获取车辆的车位号信息，就能避免因忘记车位号而到处找车的尴尬；如果能够更近一步，根据停车位置，基于停车场地图（先验地图或SLAM绘制地图），自动生成从用户当前位置到停车位的步行路线，那么用户就可以通过手机APP端显示的“找车地图”，快速找到车辆，极大地缩短在停车场内找车所浪费的时间。

功能的好坏，属于GOOD or BAD的问题，通过开发出“人有我优”的功能，让已有的功能细节更优化，更能捕捉到用户的关注点。从公开的用户调研结果，以及多款车型的实车测评结果来看，目前市场上的智能驾驶产品，还存在很多用户体验不佳之处，各项功能还有很大的提升空间。

前段时间华为和小鹏高层隔空对话的AEB事件，就是一个典型案例。

AEB作为一项基本法规要求的基本功能，虽然几乎所有车型都会配置，但实际效果和用户体验却大相径庭，存在各种漏触发、误触发，以及触发条件苛刻等问题。

从新车型认证的角度来看，AEB性能只要满足NCAP等强制标准，就能够合法上路，但实际上，法规只是最低要求，即使能拿到NCAP满分，AEB功能都难以让用户完全满意，更不用说实际情况是NCAP满分的难度极大。

在实际行驶的过程中，车速会远超NCAP所要求的“最高起作用车速”，并且用户更希望的是AEB“能够完全避免碰撞”，而不仅仅是NCAP所定义的“减速至某车速即可”。

另外，NCAP对AEB的误触发性能也缺少要求，而AEB的误触发是非常容易引发用户抱怨的，比如特斯拉的幽灵刹车事件。

可见，在触发车速、触发目标、距离等多个方面，AEB功能还有很大的优化空间。

那么，应该如何提升用户体验，给用户带来差异化的感受呢？答案要从用户群体、出行场景、人机交互几个维度来寻找。

用户有千人千面的需求，智能驾驶自然也可以提供千百套性能参数，实现差异化的智驾体验：女性用车，可以增加更多的安全提示，提供情感化交流；越野车，可以更多地在底盘上做文章，助力车辆在复杂路面中通行；家庭用户，智能驾驶应该更平稳，避免大的加速度和大的转向角……

再看看近年来火热的汽车出海。

海外市场对智能驾驶的需求，与国内市场有着明显差异，一方面是由于国内外的出行场景不同，另一方面也是国内外的汽车文化、驾驶习惯、法规等的差异所导致。

比如，笔者所在的团队在开发面向欧洲市场的ACC功能时，一开始复用国内ACC功能的参数，被欧洲方面吐槽“跟车距离太远”，原因是，国内的跟车距离参数，考虑到前车突然刹车的情况，适当增大了与前车的距离；但欧洲车流量比国内小，路况更好，突然刹车的情况不多，欧洲用户更喜欢高速行驶，所以希望能够缩短跟车距离。

再比如，在开发TSR功能时，我们发现欧洲的同事对TSR的需求有很多疑问，沟通后才知道，在欧洲，限速标志不仅包括简单的车速+红色圆圈符号，还有一些特定的附加信息，这些信息也应该体现在TSR中。

再比如，在定义主动安全功能的预警信息方案时，同样遇到了欧洲同事的抱怨。因为欧洲车主在驾驶时，对预警提示音的接受度，显著低于国内用户；国内车主更希望能够及时得到提醒，而欧洲车主似乎更希望不被打扰。考虑到驾驶习惯的差异，团队又迅速调整了安全预警策略，让功能更符合欧洲用户的习惯。

图1 欧洲的限速标志

更进一步的做法是，把不同用户群体的特质提炼出来，进行组合，形成一套多元化的、符合多种用户群体需求的智能驾驶方案，抓住更多用户的心。其中，如何做用户群体的区分，如何精准地分析不同群体的特质和需求，是非常重要且有挑战性的。

出行场景是用户需求的来源，也是智能驾驶产品开发目标的“第一性”。从场景这一根源出发，能够从根本上实现智能驾驶的差异化。想要把产品做好，场景化的设计能力是十分重要的。

以ACC跟车行驶为例。ACC实际上是一种前方有车的场景，在开发ACC功能时，如果不是从功能的角度去考虑，而是从用户面对前方有车场景的角度去设计和开发，从场景层面出发，就更容易避免加减速过急、容易被加塞等问题，形成差异化的ACC跟车方案。

通勤模式也属于场景化的应用，其技术原理并不复杂，其实就是固定路线的NOA，通过SLAM记忆特定的行驶路线，然后按固定路线，自动行驶。但从场景的角度来看，通勤模式解决的是上班族日常上下班过程中（在高频固定线路上）的需求，充分缓解了车主日常通勤的疲劳感，所以受到车主的欢迎。

其实，技术原理并不是普通用户所关心的，你只需要告诉他们“什么功能，在什么场景下，能够发挥什么作用”就可以了。所以，从场景出发，是实现差异化的智能驾驶的有效路径。

普通用户所在意的，通常是其能够直观感受到的东西，是能够看得见、听得到、摸得着的，而智能座舱提供的人机交互功能，就是让用户直观感受到智能驾驶的重要途径。

通过先进的智能座舱，让用户直观地感知到智能驾驶功能，时刻了解车辆状态，提升安全感和可控感，能够让用户对智能驾驶更放心、更信任，也更加容易产生情感依赖。

另外，人机交互也可以通过用户教育，让用户进一步感知到智能驾驶的效果和注意事项。比起冷冰冰的机器系统，全方位的人机交互，更能让用户愿意使用，让用户感知到智能驾驶的作用，是实现差异化智能驾驶的关键。

后续，通过将智能座舱和智能驾驶融合，如单SoC同时实现座舱加智驾的功能，能够更好地把智能驾驶传递给用户，做到“所用即所感”。

智能驾驶在C端是体验，在B端则更多的是产品，其差异化要从技术、成本、流程中寻找答案。

对于智能驾驶来说，技术能够直接产生壁垒，从而形成差异化。

虽然现阶段智能驾驶的技术原理、技术形态，存在趋同，但行业内仍在不断出现新的技术方案，例如：加强环视摄像头的感知能力，尝试去掉超声波雷达；用4D毫米波雷达替代激光雷达，甚至部分替代前视摄像头等。这些技术方案的差异化，在很长一段时间内都会存在，因为智能驾驶技术在快速迭代，新的技术在不断涌现。

从传感器来看，1V1R、1V5R、5V5R、11V5R、11V5R1L，11V5R2L等等，分别占据了低、中、高3档智能驾驶产品的大半壁江山。表面上看起来是趋同的，但如果深入思考不同传感器的能力，实际上可以更有效地配置不同类型和数量的传感器，并合理优化其布局，形成差异化的传感器方案。

以1V1R为例，是否可以通过摄像头的选型和算法的优化，替代前向毫米波雷达的测距作用，从而通过单独的前视摄像头即可实现1V1R的同等效果？事实上，已经有多家厂商在尝试，并且取得了一定的成果。

以11V5R为例，其中的4个环视摄像头是泊车必须的吗？有没有可能用前+侧+后视的摄像头，替代环视摄像头实现自动泊车？特斯拉已经做到了。

在2022年之前的量产车型中，基本都是5颗毫米波雷达的方案，但实际上对于后向的测距，在高阶智能驾驶中也是需要的，尤其对于后向碰撞预警功能来说，更有必要。近2年来，市场上开始出现6颗毫米波雷达的车型，实现全方位的测距，例如阿维塔。

在2023年的上海车展上，笔者注意到，远航汽车（大运汽车旗下品牌）创新地在每个车门上各配置了2颗超声波雷达。相对于传统的前后保险杠12颗超声波雷达的方案，远航汽车的方案，通过20颗超声波雷达，覆盖了包含车门侧面在内的全方位近距离预警功能，极大提升了泊车雷达预警PDC功能的效果；尤其是，在限宽墩场景下，能够明显提升用户体验，更好地发挥超声波雷达应有的作用。

图2 限宽墩场景

软件算法的差异化也是智能驾驶差异化的重要内容，尤其是感知与规控算法的差异化。目前各家所用的算法原理基本相似，甚至趋向于一致，例如感知算法普遍从基于CNN模型转变为基于BEV+Transformer模型，已经成为趋势。但是，在具体的算法实现上，还是存在一些细节上的不同，产生了不同的性能效果。

以自动泊车APA功能为例，在检测划线车位时，可以通过识别车位线来检测停车位，也可以通过识别车位的四个角点检测。但是，存在一种U型车位，是缺少车位线的，此时如果通过车位线来检测，会出现无法识别的情况，但如果通过角点检测算法来实现，则可以避免该问题，从而提升车位检测的成功率和准确率。

图3 U型车位

在规划APA的泊车轨迹时，以往的做法是先规划出一条固定的轨迹线，当车辆行驶到轨迹线终点暂停时，再规划下一条轨迹线，直到泊车结束（走一段，停下来，再走下一段）；这种方案虽然可以成功泊车，但是连续性非常差，存在明显的延迟，效率低下。如果能实现实时动态轨迹规划，在车辆按泊车轨迹行驶的同时，就规划出基于当前位置的新轨迹线，可以避免车辆静止状态下的时延，并且避免诸如原地转方向盘之类的舒适性差的问题，从而提高泊车效率和舒适度。

成本，是所有公司都无法绕开的话题，成本控制本身也是一种差异化的策略。主机厂通过低成本低价格的产品吸引用户，供应商则通过低成本的方案争取订单。

有人会说：“似乎我们除了成本，没有什么能打动客户的东西。”但实际上，价格也是用户体验的一部分，甚至是最重要的那一部分。如果能将相同的产品做到同行业最低价，就已经非常能打动客户了。比如大疆给五菱提供的智能驾驶方案，其实功能上没有太大的亮点，但是仅“便宜”这一点，就足以让用户心动。

一方面，不同的技术方案，带来成本的差异化。最直观的方法就是用更少的硬件或更少的依赖，实现相同的功能，降低成本，提升性价比。例如特斯拉坚持纯视觉方案，不用激光雷达，用更低的成本实现了NOA等功能；今年业内开始尝试重感知轻地图的方案，希望以此省去高精地图的成本。

另一方面，通过对供应链的优化管理，可以实现系统性降本。智能驾驶涉及到多种部件，供应链体系也较为庞大，单独地去控制域控制器或摄像头的成本，意义不大，从整体上管理供应链，打造硬件的小生态，真正提供整套解决方案，从整体上降低成本，才是一种更有效的方法。

不过，针对整体供应链的系统性降本，需要强大的供应链整合和管理能力，甚至需要有多年的行业积累，很难一蹴而就。

以上提到的用户体验、技术、成本等的差异化，都是容易看到的、能够直观呈现的差异化，而隐藏在冰山下起决定性作用的，其实是组织流程的差异化。不同的公司，所采用的流程体系、组织架构，以及由此产生的思维模式、开发工具等，都有所不同，自然也就导致了产品的差异化。

在传统汽车时代，传统主机厂的组织流程，是典型的技术导向，其组织架构都是按零部件模块来划分的：发动机部门、底盘部门、车身部门、电子电器部门等。随着电子电器架构的进化，出现了域的概念，此时，走在前面的主机厂会按功能域来划分组织架构：动力域、底盘域、座舱域等。当智能汽车成为趋势，尤其是造车新势力兴起时，主机厂出现了由技术导向向用户导向转变的趋势，组织架构中又逐渐增加了智能驾驶、智能座舱等部门，并且出现了产品经理、系统工程师等新的角色。

可以看到，组织流程与开发的技术栈相关，与开发者对产品的认知相关，也与开发者本身的风格相关，即使到了现阶段，也依然存在不同组织架构的各类公司。而如何在大的框架中，根据自己公司的特点和实际情况，结合产品开发模式，合理地制定开发组织架构，也是形成差异化，提高最终产品竞争力的重要影响因素。

图4展示的是一种典型的从技术导向转变为产品导向的组织流程，并且强调测试验证结果的示例。

图4 组织架构变更示例

可以看出，原先的组织架构以研发为导向，产品经理的创新方案和测试人员的测试结果，都要服务于软件和硬件研发，是典型的技术思维+不重视测试的组织架构；改进后的组织架构，更注重与用户端的链接，产品经理的创新方案可以直接汇报到公司高层，产品的测试验证结果，也可以直接影响研发结果，保证产品开发目标的落实。

这种新型组织架构与传统技术导向的组织架构相比，能够通过差异化的分工和汇报层级划分，改进产品的最终效果。

智能驾驶行业玩家众多：传统主机厂、造车新势力、传统Tier 1、科技公司Tier 1、硬件公司、软件公司……总体来说，主机厂更贴近用户，并且作为甲方，对智能驾驶差异化的主导具有有天然优势；不过，由于智能驾驶的多学科融合特点，也存在供应商主导的情况，主要取决于谁有意愿、并且也有能力。

根据汽车行业的惯例，主机厂负责提需求，供应商负责实现，满足主机厂的要求，所以主导权毋庸置疑地掌握在主机厂手中。尤其是智能驾驶的差异化，与用户体验、用户反馈密切相关，主机厂掌握了最多最全的用户数据，所以更应该是占主导地位的。

另外，激烈的市场竞争让主机厂承担了细分市场竞争的压力，而差异化带来了脱颖而出的机会，意味着能够分到更多的蛋糕。因此，主机厂对主机厂智能驾驶的差异化，更有动机。

某国内一线主机厂专家表示：

某供应商专家表示：

不过，在智能汽车时代，传统的分工模式，也出现了一些变化，并不是所有的项目合作，都由主机厂主导产品方案，尤其是在智能驾驶领域。智能驾驶对技术强依赖，对用户强关联，已经不是传统的打法可以搞定的，所以也出现了部分强势供应商主导的情况。

某科技公司的营销专家表示：

现实也确实如此。

造车新势力在与供应商的合作中，往往更愿意去深入探讨一些新的方案，一些好的思路，如果有机会，也勇于尝试新的差异化方案，试图在市场上产生新的价值。

造车新势力，或者传统主机厂孵化的新品牌，在智驾方案中完全占据了主导地位，不会给供应商任何指手画脚的机会。

而一些传统主机厂虽然比供应商更加理解客户，但他们未必有能力形成差异化的智驾方案。在智能化方向起步较晚的主机厂，对智能驾驶的理解还不到位，基础还没有打好，对他们来说，此时谈差异化，无异于空中楼阁。

这些传统主机厂，由于习惯了甲方的姿态、习惯于提要求，对供应商推荐的差异化方案、创新产品，往往只是看看而已，很难去真正地研究和推进。再加上大环境越来越卷，项目周期严重压缩，就更没有意愿去做差异化，毕竟，保证项目进度是最重要的。

在这种情况下，供应商往往也占据了主导地位，通过自己的技术实力和产品力，赋能主机厂提升智能驾驶能力。

因此，在与一些实力强的供应商合作时，传统主机厂倾向于做“甩手掌柜”。

我们甚至还可以看到，某些传统主机厂与科技公司合作的、以智能驾驶为卖点的车型，消费者都已经忘记了主机厂是谁，更关注智能驾驶方案是谁提供的。

主机厂的产品策略，直接决定了智能驾驶的差异化程度。主机厂在制定智能驾驶产品策略时，通常会考虑以下方面：车型定位、成本价格、法规标准、技术路线。

无论是L几的智能驾驶，都还是整车的一个模块，都服务于用户的整体用车过程，所以只能驾驶产品，要满足车型的定位。车型定位的目标用户是哪些人？整车售价多少？是低端车型还是高端车型？这些问题，都直接影响智能驾驶的产品策略。

以上汽集团的几个品牌为例，荣威和名爵作为走量的车型，智能驾驶方案自然是以性价比为主，用低成本实现基本的功能；智己和飞凡作为新品牌，是上汽在智能电动车时代的代表作，自然要打造高阶智能驾驶，尤其是智己品牌，定位较高端，对应的也应该是极致的用户体验和先进的功能。

某国际豪华品牌车企的产品专家也提到：

在越来越卷的今天，成本价格是主机厂非常敏感的因素，也是智能驾驶产品策略不可忽视的重要因素。成本价格决定了智能驾驶产品的上限。

实际上，目前在硬件层面，已经可以大致估算出不同价位的硬件方案可支持的功能上限。例如千元以内可以通过前视一体机，实现单车道L2级的功能；三千元左右可以通过行泊分时复用的方案，实现多车道L2级功能和自动泊车功能；五千元以上可以配置多摄像头方案，实现高速NOA功能；万元以上可以搭载激光雷达，实现城市NOA功能。

智能驾驶产品的价格，也影响产品策略。标配还是选装？标配的话，占整车售价的比重是多少？选装的话，选装包价格是多少？这些问题，都会影响用户为智能驾驶买单的意愿，因而，也都是智能驾驶产品策略要考虑的。

根据目前市场上的用户反馈来看，当智能驾驶选装包的价格超过3万元时，用户的付费意愿会明显降低。以特斯拉为例，大部分特斯拉车主，其实都是没有购买FSD选装包的，当被问到原因是，最多的回答是：“太贵了，没必要。”看来特斯拉虽然贴了智能化的标签，但大价钱的智能化，却并不是用户想要的。

综合考虑车型定位和成本价格，主机厂会形成差异化的价格梯度，进而拉开不同等级智能驾驶的差距，在功能清单、传感器配置、芯片算力等方面体现出差异化的产品策略，以高、中、低阶的智能驾驶产品，分别满足不同消费者的需求。

合规，是所有主机厂都必须考虑的因素。汽车行业格外重视安全，法规标准，就是安全的红线。虽然智能驾驶的规模化量产是最近几年的事情，但也有诸多国际标准、国家标准、地区标准、行业标准等，在限制和约束智能驾驶产品，确保方案的安全性。

主机厂在制定产品策略时，必须以法规标准为前提来考虑，所有的方案都要合规，否则不能上路，没有意义。可以说，合规是差异化的前提。

目前行业内的法规标准主要是CNCAP、i-VISTA，以及多项GB标准等，其中CNCAP和GB，具有强制性。在如今汽车出海的大环境下，主机厂还要考虑目标国家地区的当地法规要求，如欧盟的ENCAP、GSR法规，美国的NHTSA相关法规等。

技术路线是智能驾驶产品策略的重要依据。主机厂采用何种技术路线，可以决定其智能驾驶产品的形态，甚至形成自己的标签。单车智能与车路协同，纯视觉与多传感器融合，有图和无图，大算力平台与低成本平台等等，都属于技术路线的选择，是具体产品方案的核心思想。

智能驾驶技术迭代迅速，不断地出现新的技术路线，例如今年广泛流行的BEV+Transformer、近两年热门的舱驾一体、部分取代激光雷达的4D毫米波雷达等，都会带来新的产品策略。

更进一步来看，如果主机厂的生态整合够强，就可以基于自己的主要技术路线，打造生态化的智能驾驶产品方案，形成自己的品牌生态，此时就不再是单一的智能驾驶产品，而是进化成了智能驾驶生态体系。

大部分供应商追求平台化，但供应商的客户主机厂，却大多追求差异化。对供应商而言，平台化是其核心竞争力，差异化更应该是基于平台化的扩展。

对于供应商而言，智能驾驶的方案，很多时候并不是由自己决定的，而是由客户，也就是主机厂决定的。客户的需求导致智能驾驶差异化的需求。

以低成本的前视一体机为例，通过低算力芯片，集成单目前视摄像头，实现单车道的L2级行车功能，是前视一体机的基本效果，市场上也出现了很多基于地平线J2/J3、Mobileye、TI TDA等芯片的前视一体机产品。不过，主机厂往往希望前视一体机能够同时实现DVR功能，有的仅要求能传输视频，有的还会要求有视频处理和存储功能。

即使供应商有着自己完善的商业化思考和平台化方案，也不得不按客户的意愿，去做客户想要的东西。

在项目合作中，差异化往往通过定制化的方式来体现，供应商通过为主机厂量身打造的方式，定制出满足主机厂差异化要求的方案。比如，必须在单纯的前视一体机基础上，定制化实现不同方案的DVR效果。

但是从供应商的商业利益出发，差异化应该只是满足客户需求的方法，是为了项目落地，而灵活调整的方案。在差异化的同时，仍然应该遵从自身的整体战略和技术水平。毕竟主机厂也有千人千面的要求，在应对不同客户的差异化需求时，供应商还是应该有自己的一套核心方案，而不是一味地迎合客户。

为了赚钱，供应商要去主动思考主机厂要的差异化如何实现；但为了长期赚钱，供应商则要形成自己的平台化产品方案，打造自身的核心竞争力。

前面提到，平台化和规模化更符合供应商的商业利益。通过收集主机厂的各种差异化的需求，供应商最终应该沉淀出一套或者几套平台化的智能驾驶方案，用自己的平台去适配主机厂的差异化需求，提升平台化的兼容能力和全面性，提升平台化产品的效果。

某域控制器供应商的硬件平台专家表示：

更优解是，能够把自己的平台化方案模块化，像拼积木一样，用不同的排列组合，用不同的模块去适配不同主机厂的差异化需求。但模块化对供应商的能力要求很高，要有全栈的技术实力，并且能够准确地把已有的产品方案拆解，形成符合市场需求的不同模块。

智能驾驶的差异化，是有一些方法可循的，基于演绎思维和归纳思维，都可以衍生出对应的方法论。从演绎法的角度，可以回归到用户体验，从满足用户需求的第一性原理出发，从用户需求和出行场景中，思考差异化；从归纳法的角度，可以通过竞品分析、跨学科迁移、功能类比借鉴等方式，来寻找差异化。

产品的第一性是满足用户需求，智能驾驶产品也一样，最终还是要回归到用户体验，才有价值。有一种说法：无论是L几的智能驾驶，只要用户愿意用，就是好的智能驾驶；如果用户不愿意用，即使是L5，也不如L1的智能驾驶有价值。

可以看到，现在智能驾驶市场上卖得好的产品，其公司都是有To C基因的，都很在意用户体验。

深入挖掘用户场景，是提升用户体验，实现智能驾驶差异化的来源。为什么某些功能，看似简单，技术难度也不高，却能够迅速赢得用户？其实就是抓住了用户关注的场景，解决了对应场景下的用户痛点。

现在其实很多用户场景，都已经被发现了，对应的功能也都有，甚至有人说，智能驾驶的场景无非是高速、城区、停车场而已，因此出现了很多同质化的产品，解决的是相同的问题。但是少有人能够花心思去深挖场景，多想几步，思考是不是可以做得更好。

比如，现在的自动泊车APA，虽然泊车的成功率较高，但是泊车的过程舒适度不高，存在明显“反人类”的动作，如大幅度频繁左右转向、原地转方向盘等，这些细节，是需要去深挖泊车场景的，多想想如何提升用户的接受度，而不是简单地把车泊入车位。

再比如，现在已经有了通勤模式（记忆行车），那么，其实对于日常上下班的固定路线来说，哪段路比较拥堵、哪段路比较通畅，也是可以通过大数据分析出来的。那是不是可以在拥堵路段，跟车跟得紧一些，避免被加塞，而在通畅路段，稍微自动开得快一些，提高通行效率？这样，通勤模式也就有了差异化的方案。

深度聚焦，单点击穿，是迅速实现差异化、吸引用户眼球的有效方式。目前，行业里的普遍现象是：很多公司能做出10个60分的产品，拿出100个50分的解决方案，但是做不出一个90分的产品。根本原因在于不聚焦，什么都想做，别人做什么，自己也做什么，最终什么也做不好。

某主机厂的研发总监说到：

其实，用户的需求有千万种，但如果能够抓住一种，把一点打通，就能脱颖而出。比如高速NOA，能够做到自动过收费站、自动紧急车道停车，就是一种用户体验的提升，就能比其他公司的高速NOA更有优势。

用户的需求可以有很多，优先满足用户容易感知到的需求，是一种聪明的做法。

现在智能驾驶的很多功能，其实是用户难以感知到的。比如AEB，如果不是前段时间的热议，很多人应该对AEB还毫无概念，但华为把AEB当做一个卖点重点打磨，就赢得了很多消费者的认同。

很多主机厂特意强调自家新车搭载了激光雷达，其实就是为了让用户知道这台车有高端的传感器，也许对性能提升未必有多大，但是却给用户留下了“高端”的印象。

某主机厂的产品专家表示：

另外，用户体验除了用户用得爽以外，还可以关注用户是不是可以拿来show给别人看，满足其展示的欲望。

某主机厂的研发专家分享了一件事：

可见，展示和分享，其实也是用户需求的一个方面。

用户需求调研，是一种广泛应用的方法。不过，要注意的是，由于智能驾驶对于大部分用户来说，还属于新鲜事物，用户有时并不知道自己真正想要什么，所以在做用户调研的同时，也要做好对用户的引导。

不过，回归用户体验，虽然长期来说是有意义的，但目前只有大厂有余力去研究用户，研究场景。

对于供应商来说，大部分公司，尤其是靠融资活着的初创公司，生存压力很大，项目都还没拿到，不太可能去花时间去深挖用户需求。

对于主机厂来说，车型迭代周期越来越短，节奏越来越快，成本控制越来越严格，降本增效已经成为头等大事，此时去做长期主义的用户研究，看起来也不太现实。

并且，实际上目前的智能驾驶技术，还没有发展到足够替代人的程度。比如泊车成功率，目前还没有哪家敢保证达到98%、99%的成功率，达到95%的成功率就已经很厉害了。所以我们可以看到，现在新车型都会先说有什么功能，然后说预计多久之后通过OTA实现，本质上就是“目前还难以实现，先画个饼再说”。

正是由于大环境越来越卷，能够耐住性子回归用户体验，坚持差异化，打破内卷，才更加显得难能可贵，但这对各家公司也是一个挑战。

智能驾驶市场已经有大量产品出现，其中存在很多值得我们借鉴和改善的地方。同时，对智能驾驶这样一个多学科深度融合的领域来说，其他行业的一些成功案例也可以迁移过来作为借鉴。

某行业资深专家表示：

通过对竞品从多个维度进行分析，整理出各家产品的方案、特点、优势、不足等，学习别人的长处，同时找出自家产品可以发力的地方，能够有效地打造与现有产品不同的差异化产品。

竞品分析是产品开发人员必备的技能，也是寻找智能驾驶差异化的捷径。车展发布、友商发布会、大型展会等等，都是调研竞品的好时机。目前也有一些平台会整理智能驾驶的数据库，比如，九章智驾最近推出的《智能驾驶产业数据库》，就是一个了解竞品的好渠道。

功能之间的相互类比借鉴，也有利于快速实现差异化。目前汽车上已经有了很多功能，相互之间有很多可以借鉴的地方，比如：把记忆泊车的核心技术SLAM，拿到公共道路场景，就成了通勤模式；把360环视应用到城区狭窄道路，就有了窄路通行辅助；把人工驾驶时的驾驶模式选择，引入到智能驾驶，就可以让用户主动选择智能驾驶的风格，比如激进、保守、越野、雪地等。

纯汽车行业的公司，其实提出差异化产品方案的并不多。现在做差异化最多的公司，往往是从消费电子、通信、互联网等行业转行而来的。他们将在其他行业有了一些差异化的经验，同步迁移到了智能驾驶方向。

某供应商的算法专家表示：

城市NOA是目前已经有量产应用的智能驾驶天花板，但也不代表智能驾驶止步于此。在城市NOA之后，仍然有很多可以卷的方向，包括智能驾驶的等级、应用范围、整车层面的集成化、用户的接受度、安全责任等。

对于L3以下的智能驾驶，用户接管都是一个不可回避的问题。在城市NOA之后，如何提升系统稳定性和应对突然状况的能力，减少接管率，从而让用户更放心，更信任，将是各玩家需要集中去攻克的难题。

【准确地说，对L3以下的智能驾驶，驾驶员是驾驶责任主体，系统只是辅助，是人在开车，在人类驾驶员“失灵”的情况下，系统去“接管”。但现状是，各主机厂为了诱惑用户把L2到L3用，在广泛使用“接管”这种带有极强的误导性词，慢慢地，大家也都习以为常了。——编者注】

虽然智能驾驶技术已经进步飞速，但在道路上的表现，确实还差强人意，距离普通消费者想要的效果，或者说距离各家公司宣传的效果，还有一段距离。即使新生代的车主敢于在使用NOA的同时，专心吃早饭、开会，但是更多的车主，对智能驾驶还不够信任，“用智能驾驶比自己开车还累，要经常去接管”，反映了智能驾驶接管率的重要性。

某Tier 1大厂的技术专家提到：

从智能驾驶分级来看，现阶段的量产应用本质还是L2，虽然市场上出现了各种宣传L2+、L2++、L2.5、L2.9等，但都是各家公司的营销话术，官方的定义并没有L2+、L2.5这一类的概念。按照国际通用的SAE J3016或者国内的GB/T 40429-2021《汽车驾驶自动化分级》标准，智能驾驶在L2之上，就进入到L3、L4，此时已经从辅助驾驶，升阶到了真正意义上的自动驾驶。

今年11月份，国家四部委发布了《关于开展智能网联汽车准入和上路通行试点工作的通知》，允许L3和L4级智能驾驶车辆合法上路。以当前国内市场卷的程度，一定会有人率先提出L3甚至直接进入L4（能不能做到，是另一码事了）。

L3/L4相对现阶段的L2来说，已经不是简单的功能升级，而是真正的两个维度的概念，在责任归属、技术难度、成本等方面，都完全不同。比如，L3所要求的安全冗余，就不是L2级所能实现的。

所以，虽然L3/L4上路已经合规了，但还是要考虑这些问题：首先，系统是否稳定，性能是否足够，是否足以保证自动驾驶所要求的安全可靠？其次，在哪些路段可以运行L3/L4，需要哪些交通设施支持，是否存在无法实现的路段？最后，安全责任的归属问题如何解决？

虽然考虑到实现的难度，L3/L4还不会马上到来，但在法规放开的当下，也只是迟早的问题。毕竟，谁都想“降维打击”自己的竞争对手。

现阶段的智能驾驶，默认的应用场景是高速公路、城市道路、停车场等规范化、路面条件较好的区域。城市NOA之后，智能驾驶的应用场景应该是需要向老旧小区、乡村、山路等不规则的区域扩展。

某造车新势力的市场部门专家表示。

集成化是智能汽车发展的趋势。

以电子电气架构来说，从分布式架构到域集中式架构，再到中央集中式架构，整车层面正在打破零部件之间、模块直接的边界，逐渐集成和融合成一个整体。

智能驾驶与其他域的融合，也是整车集成化趋势中的一部分。智能驾驶域和智能座舱域融合，也就是当下流行的舱驾一体，是一个发展方向。

智能驾驶域与底盘域融合，也是近年来兴起的方向。典型代表是魔毯功能：通过将底盘的悬架与前视感知的信号打通，根据对前方路面的感知结果，识别出路面状态，例如平整度、是否有小障碍物等，实时调整悬架的KC特性，提高舒适度和通过性。

智能驾驶域与灯光控制融合，更能直观地让用户感知到智能驾驶的效果。例如智能远近光灯，通过摄像头对光线的感知，主动切换远光灯与近光灯；智能驾驶与氛围灯结合，提升科技感……

可以想象，当智能驾驶单域卷到极致，必然会融合更多的域，甚至突破车辆本身，与云端、路端一起融合，结合大数据，实现更多的功能，打造新的生态，带给用户全新的体验。

无论技术如何发达，事故都是难以百分百避免的，所以安全责任是智能驾驶发展的瓶颈，也是各家公司，尤其是主机厂应该正视的问题。

城市NOA之后，尤其是到了L3以上的水平，想要让用户大胆地去用智能驾驶，主机厂就要去卷自己承担风险的能力，把事故的责任定义清楚，提供给用户完整的安全保障，例如促进智能驾驶的保险配套完善等。

在水平差不多的情况下，哪家公司敢于为用户承担一定的风险，给用户提供更多的安全保障，哪家公司就能赢得用户的心。

某保险公司的专家表示：

智能驾驶行业现在玩家众多，先入局者已经取得了一定的先发优势，在技术、项目、数据、口碑等方面，都比后来者有更多的积累，也占据了较多的市场份额。在这种情况下，后来者想要尽快赶超，除了逐步地打造产品外，还可以通过一些差异化的路径，弯道超车：抓住单个功能，单点突击；功能对齐的同时在营销上创新；整合产业链资源，扩大规模和影响力。

前面提到，可以抓住用户体验中的某一点，重点突破，单点打通。

其实，单点突击的方法，也可以全面应用到智能驾驶的其他方面，而不仅仅是用户体验。智能驾驶的技术栈全面，功能多样，后来者想要全面超越先行者，需要投入数倍的资源；而单点突击，把有限的资源聚焦到一件事，力争在某一点做到业内最强，是一种聪明的做法。

某供应商的产品专家表示：

由于智能驾驶的技术壁垒相对较高，客观地说，在技术层面超越先行者的难度确实比较大。那么可以换个角度，弱化技术层面的赶超，即在技术、功能层面，向行业标杆看齐，去实现同样的功能，配置拉齐；同时，在营销上去创新，去宣传自己产品的一些亮点。

一位主机厂的营销负责人表示：

前面提到，智能驾驶具有一整套系统化的完整产业链，包含软件、硬件、研发、制造、认证等多个领域。如果后入局者恰好有强大的资源整合能力，能够整合产业链上的关键节点，玩转一整套生态，那么就可以组好一个属于自己的“局”。

对于传统汽车行业的玩家以及一些硬件方案商来说，可能软件算法在短时间内，还无法达到互联网企业、软件公司、科技公司的水平，但是对产业链的整合能力，他们一定是优势的。

某主机厂的系统专家表示：

某芯片公司的负责人表示：

产品最终是由人完成的，人的差异化造成了产品的差异化。智能驾驶差异化，对从业人员也提出了新的要求。既懂市场、用户，又懂全栈技术的复合型人才，是智能驾驶差异化所稀缺的。

技术导向仍然是大部分公司做智能驾驶的思路，“我有什么技术，所以去实现什么功能”，这是传统汽车时代遗留下来的一贯做法。而智能驾驶非常强调用户体验，尤其是前面提到要满足用户差异化的需求，所以产品思维，或者说用户思维，就非常重要。“用户想要什么，我应该提供什么，怎么去实现”，这种思维方式，是研发人员应该具备的。

到底什么样的智能驾驶，是用户所期待的？这个问题应该是所有从业人员需要去思考的。而对用户心智的认知、对场景融合的分析，也是研发人员应该去提升和培养的。

以自动泊车APA为例，目前市场渗透率已经比较大了，甚至有数据表明细分市场的APA搭载率超过40%。但真实的用户调研结果表明，其实用户使用APA功能的频率很低，大部分公司的APA功能对用户来说很鸡肋。

用户需要的是像老司机般的泊车，而实际上大部分APA，都过于机械化，不够人性化，产生了一些反人类的操作。为什么厂商不去优化呢？可能原因就是没有仔细调研过用户对自动泊车的需求。

一位主机厂的产品专家表示：

创新不代表天马行空，满足用户需求也不代表盲目地给用户画饼。作为产品方案的提出者，产品人员，也就是产品经理，应该全面理解智能驾驶的技术栈，包括硬件、软件、系统、算法、测试等等，综合考虑用户需求和技术实力，提出合理的、能落地的产品方案。

智能驾驶是一个卷技术的行业，智能驾驶的差异化，对产品人员的要求很高——既要具备用户思维，又要对技术有非常深刻的理解，两者结合才有可能实现差异化的智能驾驶方案。

这样的人是非常稀缺的，所以我们看到市场上的差异化智能驾驶产品也十分有限。

某造车新势力的技术专家表示：

某公司的产品负责人表示：

某创业公司的创始人表示：