根据中国工业汽车协会数据显示,今年1-5月汽车累计出口405.9万辆,同比增长63%。聚焦到新能源乘用车,同一周期内,1-5月实现出口179.2万辆,同比增长1.2倍。而在2025年全年,中国汽车出口已突破700万辆大关,达到709.8万辆。中国汽车出口连续三年稳居全球第一。
与出口规模同步攀升的,是中国智能驾驶的渗透率。根据盖世汽车产业大数据平台显示,2025年,我国乘用车标配L2+及以上功能的新车渗透率已达28%;到了2026年4月,这一数字已超过41%。

当“中国车”成为全球道路上的常见身影,“中国智驾”能否同步跟上?当L2+在国内快速普及,智驾出海是否已成为新的增量趋势?答案似乎是肯定的。但问题在于——怎么出?以什么节奏出?先卖车再补功能,还是带着完整能力一步到位?
智驾出海的第一道硬门槛
TomTom大中华区资深客户成功经理陈威诚在第九届智能驾驶与出海大会上说了一句话,点破了行业的尴尬:“当中国智能驾驶走向海外,首先撞上的是合规这堵墙。”不是技术不行,是规则不让。
欧盟市场的合规体系是一座层层叠加的“金字塔”。最底层是联合国欧洲经济委员会(UNECE)制定的框架,覆盖欧盟、韩国、澳大利亚、日本等60多个国家。在此之上,欧盟叠加了更为严格的GSR(通用安全法规)要求。再往上,还有各成员国的国家立法。

具体到技术层面,四条关键法规构成了欧洲市场的准入门槛:UN R79(转向系统配置,覆盖L1/L2车道保持)、ELKS(紧急车道保持,2021年成为欧盟强制要求)、UN DCAS(驾驶员控制辅助系统,面向L2+场景,与中国车企量产的NOA功能直接相关)、UN R157(自动车道保持系统,L3级别,高速公路“Hands-off、Eyes-off”的真正入场券)。
知行科技高级系统总监张伟分享了实战中的体会:“在欧盟,对于横向功能有R79,对于AEB有R152,对于大灯功能有R48。难度最大的,是需要做最多实际验证的——欧盟GSR框架下的智能限速辅助(ISA)要求,对应UNECE R152等相关技术法规。”ISA要求车辆精准识别不同地区的限速标志并做出响应。这听起来简单,但在欧洲多国多语言的交通标志体系中,要做到高准确率,需要海量的实地路测——而路测又撞上了另一堵墙:数据合规。
法规还在快速演进。未来三到五年,L4级别自动驾驶法规正在加速推进。欧盟人工智能法案已将AI纳入汽车安全体系——未来算法本身也将受到监管,而不仅限于最终结果。从2021年到2030年,几乎每年都有关键法规节点生效。
博世智能驾控中国区智能驾驶工具链和基础设施总监黄罗毅用一个亲身经历说明了法规的复杂性——在法兰克福机场附近看到一个交通标志,他两次都没认出来,差点酿成事故。“功能法规没有大家理解的那么简单,”他说。如果开了十几年车的老司机都会认错标志,那么算法呢?
合规是一道不可绕过的墙。对于中国车企而言,这道墙不是“能不能翻”的问题,而是“怎么翻、花多大代价翻”的问题。
本地化训练是“不可谈判的底线”
如果说合规是“看得见的墙”,那么数据就是“看不见的深渊”。
华为技术有限公司智驾解决方案专家黄梓亮在圆桌讨论中指出了数据问题的本质:“智驾用于训练大模型的数据,肯定无法流出所售汽车所在国。以后去日本,日本路况的交通数据要在日本训练;在欧洲的,要在欧洲训练。”这不是技术选择,而是法律红线。
GDPR(欧盟通用数据保护条例)是其中最典型的代表。黄罗毅介绍,GDPR明确规定:一般违规行为罚款高达1000万欧元或企业全球营业额2%(取较高者);严重违规行为罚款高达2000万欧元或全球营业额4%。“可能对小公司无所谓,但对博世我们输不起。”
更大的挑战来自数据隐私的“opt in”规则——某些国家规定,在进行个人隐私数据采集或处理之前,必须得到主体的同意。黄罗毅反问:“我出去做采集,怎么得到路上行人、车主的同意?我做不到啊。”
这直接导致了一个普遍现象。KPIT中国区CTO陈毅驰在圆桌讨论中披露了一个关键观察:“去年我们接到了很多出海采集数据的项目,完成脱敏、合规后回国。但项目到最后,数据部分往往被砍掉,先把车卖出去,智驾和ADAS功能在海外可能先不开启,或仅开启部分。”
陈毅驰的结论是:“技术上并没有真正难做的事情,一点一点去做即可,主要是成本确实不低。”在国内智驾尚未实现商业闭环的情况下,再花大笔钱投入海外,“现阶段看上去确实不太明智”。
黄梓亮提出的解决路径是供应商共享数据中心模式——一家供应商在日本建数据中心,训练出的基座模型可同时服务多家车企。JetBrains智能汽车业务中国区负责人杜嘉宁则建议“抽象出公共层”,对于上层敏感数据采取本地化处理。
2026年2月,工信部等八部门联合印发《汽车数据出境安全指引(2026版)》,明确了汽车数据出境的管理方式、重要数据判定规则和安全保护要求。政策在疏通,但海外合规的“堵点”依然存在。
数据的本地化不是可选项,是必答题。而这道题的答案,直接决定了中国智驾能在海外走多远。
当中国算法遭遇海外道路
合规是门槛,数据是地基,但真正决定用户体验的,是算法对当地场景的适应能力。
张伟分享了一个生动的对比:“国内的车位都非常标准,在海外很多车位可能就不识别,或者说停不进去。”海外车位形态多样——水平车位占比高且宽度较窄、地砖路面无明显标线、老年人及残疾人专用车位含地面图标。知行科技已构建覆盖数十个国家、上千种泊车场景的数据库。

行车场景的差异同样巨大。张伟举例:“在欧洲车道线可能比较窄,在中东就有这种陶瓷钉车道线。”在德国,不限速高速对规控提出更高要求;海外各类异形车辆——比如后面拖着船的、拖着小型车的、造型奇怪的自行车——都对感知模型构成考验。
黄罗毅用德国施工区的例子说明了一个更深层的问题:“在没有施工区的情况下,车道线标准宽度是3.75米。在有施工区的情况下,黄线宽度只有白线的大概2/3,车基本上就在黄线里面了,没有太多空间。”这对感知和规控算法提出了完全不同的要求。
更棘手的是驾驶习惯的差异。张伟提到:“我们之前做一个项目到了东欧,发现我们有些功能特别敏感,一直在报警。后来发现是当地人跟车距离非常近、速度也很快。”博世黄罗毅则指出,德国交通法规明确要求车辆临时停车时,靠左行驶的车辆需向左微偏、靠右行驶的车辆需向右微偏,为救护车、警车等紧急车辆留出通道——这种“规则性行为”在中国数据训练的模仿学习中很难学到。
HERE Technologies资深方案架构师黄银华对此有一针见血的判断:“我们可以把地图当做超视距传感器,在车载传感器达不到的地方,提前完成环境理解,为算法提供先验信息。”地图不是被边缘化,而是正在从导航工具升级为智驾系统的环境底座。
HERE已推出覆盖L0至L3的全栈分层地图产品组合,可匹配不同驾驶等级与各国法规需求。TomTom则强调“成熟的自动驾驶不应只是感知,而应像老司机一样预判路况”,其本质“不是看见世界,而是提前理解世界”。
中国算法强在数据规模和迭代速度,但海外的道路、标志、驾驶习惯构成了一个全新的“考试系统”。在这个系统里,中国智驾需要重新学习。
“先出去再说”还是“准备好了再出发”?
面对上述重重挑战,中国车企的智驾出海路径呈现出明显的分化。
路径一:先卖车,再补功能。
这是当前多数中国车企的真实选择。陈毅驰的观察最具代表性:“在当前国内智驾尚未实现商业闭环的情况下,再花一大笔钱投入海外,现阶段看上去确实不太明智”,不少国内车企因此选择先卖车、后补智驾功能。
博世黄罗毅也承认了这一现实:“有些朋友会说,我是不是可以有一套算法,足够的强,泛化到全球?至少从我们现在的认识来看,还没有找到这种算法。”既然一套算法打不了天下,那就先落地,再迭代。
路径二:系统布局,一步到位。
长城汽车智能驾驶产品资深专家陈龙代表的则是另一种思路:“本分地从用户角度出发,服务好用户,不玩虚的,为用户创造价值,企业才有价值。”他强调,长城汽车所有的技术布局始终围绕用户体验展开。
黄梓亮用了一个精妙的比喻来表达这种思路:“在中国要先基于国产算力,包括华为、地平线、黑芝麻,先把大模型培育好,开花结果,然后再推广到全球。而不是把中国模型的种子播种到国外的算力上。就像长安的荔枝一样,要运也是把岭南的土和岭南的荔枝运到长安,而不是把荔枝的种子播到长安的土地上——那是种不活、种不好的。”
TomTom陈威诚则从另一个维度给出了框架:“合规决定入场,规模化决定广度,而信任决定能走多久。”他主张分阶段进入不同市场——先突破法规相对宽松的中东、东南亚,再攻坚欧洲等高壁垒市场。
第三条路:借力打力。
杜嘉宁建议借鉴“传统外企进入中国的股份制方式”。博世则展示了“联邦学习”的技术路径——数据不出境,只交换模型参数。HERE与超过30家中国OEM合作,提供全球化能力和生态系统支持。
知行科技张伟的总结最务实:“我们一方面是跟着车企出海,另一方面跟海外的很多主机厂也建立了联系,能够将我们的技术应用到海外主机厂下面。”跟着走,同时也自己走。
结语
回到最初的问题:智驾出海,先出去再说?
答案是:先出去,但不能“再说”。
“先出去”是对的——2026年1至5月中国汽车出口405.9万辆的规模意味着,不出去就会错失历史性窗口。欧洲已超越中东成为中国汽车第一大出口区域,占比约25%。中国汽车出海的竞争逻辑正在从“拼电池”转向“拼AI”。在这个转折点上,任何观望都可能意味着掉队。
但“不能再说”同样重要。合规不是可以“再说”的事,GSR、GDPR、UN R系列法规构成的是“一票否决”的门槛。数据本地化不是可以“再说”的事,它决定了算法能否在当地迭代、体验能否在当地提升。场景适配不是可以“再说”的事,它决定了当地用户是否愿意为你的智驾买单。
正如陈威诚所说:“真正的出海,不仅是进入世界,更是有能力在世界持续运行。”先出去,是勇气;能持续运行,才是本事。

扫一扫关注微信