近期，智能駕駛領域的熱潮遭遇了突如其來的剎車。小米SU7事故發生后，工信部迅速出臺了一系列監管措施，對智能駕駛功能及其宣傳進行了嚴格限制。據參會人士透露，L2級別的智能駕駛系統不得再使用“接管”作為宣傳點，同時，“代客泊車”等駕駛員無法完全掌控的功能也將不再被受理，且明確禁止了公測活動。

這一系列監管措施迅速得到了企業的響應。5月4日，小米公司對其SU7新車訂購頁面進行了調整，將原先的“智駕”更名為“輔助駕駛”，以此順應新的監管要求。

此次事故不僅引發了監管層面的迅速反應，還波及了資本市場。在小米SU7事故之前，包括小米在內的多家新能源車企剛剛完成了一輪融資，準備大力推動“智駕平權”。其中，小米和比亞迪分別融資425億港元和435億港元，蔚來也宣布通過配售股票融資40.3億港元。然而，配股消息一出，比亞迪股價下跌超過7%，小米市值單日蒸發近千億港元，蔚來股價同樣大幅下跌超過8%。小米的暴跌更是帶動了恒生科技指數的大幅下挫，單日跌幅達到3.82%。

智能駕駛一直是整車成本的重要組成部分。根據蓋世汽車的數據，去年智能駕駛研發占車企總支出的38%，僅次于電池成本，成為第二大支出項。以此次配股的三家車企為例，比亞迪計劃投入高達1000億元用于智能化研發；蔚來到2024年年底在智能駕駛領域的研發投入將達到460億元；小米方面，雷軍透露每年在智能駕駛領域的研發投入超過20億元。

然而，車企在推動智能駕駛普及的過程中遇到了巨大的成本壓力。算法專家傅聰指出，目前市面上的智能駕駛系統成本在幾千元至兩三萬元之間，約占整車成本的5%至15%。隨著高階功能的加入，如激光雷達和冗余控制，成本還會進一步提升。盡管車企采取了自研與外采相結合的混合模式，試圖降低成本，但實際效果有限。例如，組合導航外采的成本可能高達上萬，而自研成本僅需千元。

硬件層面，激光雷達是智能駕駛系統的核心成本之一。盡管近年來激光雷達價格不斷下降，但在主打性價比的汽車市場中，激光雷達的堆疊仍然帶來了不小的成本負擔。為了降低成本，車企開始采用差異化的智能駕駛方案。例如，小米在SU7標準版上采用了純視覺模式的智駕系統，而在更高版本的車型中則配備了視覺與激光雷達的融合感知模式。

然而，硬件降本只是表面現象，純視覺方案還存在隱性的高成本。純視覺方案依賴龐大的數據訓練模型，算法需要不斷適應新城市、新場景和新法規，模型訓練成本高昂。標注數據方面，頭部企業的總投入往往高達數千萬甚至上億元，因為自動駕駛對數據質量要求極高，單條數據的成本可能達到幾百元甚至上千元。傅聰指出，算法與數據標注是純視覺方案中最難壓縮的成本部分。

面對巨大的成本壓力，車企開始將目光投向規模化生產，希望通過擴大規模來攤薄成本。今年初，比亞迪發動了“智駕平權”，將智能駕駛功能下放到中低價位車型，打破了原有的定價邏輯。然而，規模化生產的道路并不平坦。光大證券的數據顯示，2024年國內L2+城市智能駕駛滲透率僅為5%-6%，其中25-40萬元價格帶的滲透率超過20%，而10-20萬元價格帶的滲透率不足0.2%。

造成這一局面的原因既有成本因素，也與用戶認知有關。普通用戶對智能駕駛的認知仍有待提升，尤其在智駕配置降級的中低價位車型上，功能減配進一步放大了用戶認知不足帶來的安全隱患。小米SU7事故就是一個典型例子，該車型采用純視覺方案，在夜間行駛且遇到道路施工的情況下，系統面臨極大挑戰。

傅聰指出，目前智能駕駛系統能在測試或體驗中表現出色，很大程度上得益于演示場景包含在模型訓練數據中。然而，現實生活中遠比訓練環境復雜，對于極少見但復雜度極高的場景，由于數據覆蓋不足，往往難以通過傳統訓練方式徹底解決。

曾經，智能駕駛能力被視為車企能否在競爭中立足的關鍵，但如今，隨著規模擴張的放緩，智能駕駛在短期內可能成為車企面臨的一大挑戰。