2026年的智驾行业出现了一个反差。

一边是智驾下探。城市NOA从30万元级车型一路下探到10万元级，上半年国内新车L2级组合驾驶辅助搭载率突破70%。智驾从卖点变成标配，也成了价格战里最先被拿来让利的部分。

另一边在抬高门槛。GB 47955—2026已经实施，"自动驾驶""高阶智驾"这类词被明确排除在L2的宣传语之外，L3强制国标的实施时间表也在倒计时。标准每抬高一格，都要用真实的研发投入去填。

两条曲线方向相反。成本在被压缩，安全在被抬高。这是2026年智驾行业最真实的处境。

安全是乘法，不对称的投入与回报

这个问题落到每家公司的桌上，都很具体：预算有限的时候，安全怎么保证？

行业给出的加法正在分化。一种是把功能清单越堆越长，泊车、领航、召唤逐项补齐；一种是把硬件越堆越多，传感器数量成了宣传口径。这两种做法都不算错，功能清单可以很长，真正出事的时候只看那一次；传感器可以很多，判断错了照样刹不住。

真正的分野在另一处：是把安全当成一组功能，还是当成一套体系。

功能可以单点采购、单点交付，也可以单点宣传。体系不行。安全能力从来不是某一个单点功能，它是行车、泊车、主动避险、冗余、极端场景兜底这一整套环节的总和，环节之间互为前提：泊车考验感知的下限，避险考验反应的上限，冗余决定单点失效之后控制权能不能平稳交还，极端场景兜底决定这套体系真正的成色。任何一层缺位，其余几层的价值都要打折。

功能是加法，安全是乘法。一层不到位，整套系统的可信度都要归零。

这也解释了为什么智驾安全需要高昂的投入。它买的不是一个功能，是一整套互为前提的能力，而且这套能力还必须持续运转。

再往前看一步，这道题的难度还在上升。智驾研发已经能把绝大多数场景做到99.99%，但决定成败的是剩下的那0.01%。到了L3、L4，安全不再是配置表上的一栏，而是准入的门票：责任主体从驾驶员转向系统，一次失效的代价不再由个人承担。

行业里有句话，安全的1丢了，后面再多的0都没有意义。功能可以排优先级，安全不能排。

今年行业里对这个判断说得越来越清楚。10月的世界智能网联汽车大会上，清华大学赵福全把2026年定义成拐点，说上半场靠技术突破，下半场要看能不能走进千家万户。华为的靳玉志说，自动驾驶对安全的要求会十倍百倍地升级。比亚迪的杨冬生说得更直白：先能用，再敢用，最后要天天用。

敢用和天天用之间，隔着的就是安全。

难题在于跨度，如何打造这套安全能力体系？

把这个问题放到一家具体的公司身上，会看得更清楚。

千里智驾是个合适的观察样本。千里智驾ASD现已覆盖吉利50万元级的旗舰和10万至20万元的主流家用车，包括极氪、领克、银河、smart等数十款车型，累计装车量突破100万台。同一套安全能力要跨过这么大的价格跨度，绕不开一道题：体系会不会变形？

11月5日的乌镇世界互联网大会上，千里智驾CEO陈奇用两个词概括下半场的竞争：模型和工程。模型决定智能上限，工程决定交付效率。放到安全上，意思很直接：模型决定你能提前多久看见风险，工程决定这套能力能不能稳定地装到一百万辆车上。

上限怎么抬？千里的做法是提高"含模量"，让AI模型在系统全链路里占更大比重、具备更高质量。理由不复杂：路边滚出一个球，识别到球是感知，预判球后面可能追出一个孩子才是安全。前者靠数据量能堆出来，后者要靠对世界的常识理解。千里的路径是与阶跃共建智驾原生基座模型，把通用常识、多模态理解和因果推理一起放进训练，而不是给现有模型套一层外壳。在实车验证中，端到端与VLA的联合方案已经在T型路口盲区、人车混流这类场景里，表现出更主动的防御性减速。

下限怎么守？主动安全有个先天难题：真正的险情是相对低概率事件，比如鬼探头、突然横穿……所以安全能力的实现方式，比能力本身更关键。千里把这件事做成了闭环。

千里的做法是围绕数据闭环构建覆盖数据生产、模型训练、仿真评测与实车测试的全流程工程底座，并采取量产一代、研发一代、预研一代的梯次机制。该工程底座由L2与L4两条路线共享：L2通过规模化量产积累广泛场景，为L4提供数据基础；L4在运营区域攻坚高难场景，沉淀的能力反哺L2，成为量产车的安全冗余。两条路线共用数据平台与仿真评测标准，既避免重复建设，也降低版本迭代中出现能力回退的风险。

与此同时，千里持续探索前沿的世界模型和VLA。其研发团队发布的BehaviorWorldGen框架，能在虚拟环境中可控地构造高危冲突：同一个场景，变换速度、距离、光照和行为组合，生成不同风险等级的训练与测试样本。现实中难以复现的场面，在仿真里可以反复经历。最后，模型通过强化学习理解风险与因果，再经过仿真评测的大规模回归，通过之后才能随版本交付上车。

这条链路的价值不在单点技术，而在周转速度。同样面对险情，谁的回流更快、仿真更逼真、验证更严，谁的能力迭代就更早。千里与吉利联合研发的千里浩瀚G-ASD交付至今累计主动避险超过890万次，其中AEB紧急制动超过240万次。这个数字是结果，也是原料：每一次避险都在让下一批车的模型，多见过一种危险。

这也是安全投入大的原因：它买的不是某个时点的功能，而是一条持续运转的产线。

安全不是选装包，不应成为价格带的函数

千里智驾这套体系最值得说的地方，是它能同时落在不同价位的车上。累计装车突破100万、数十款车型，价格带从50万元到10万元+的主流家用车。

研发投入是固定成本，装车量是分母。100万台意味着同一套模型、同一套仿真评测体系、同一条数据回流链路，被摊到了足够多的车上。这是规模经济最朴素的算法，也是高阶方案能同时落位不同价位车型的真实原因。

但跨价位不等于安全打折。功能丰度可以有差别，安全底线不该有差别。一台十几万的家用车和一台五十万的旗舰，在"该刹住的时候能不能刹住"这件事上，用户的期待是一样的。

也正因为它是基本选项，安全就不能只挑几个好卖的场景做。

贴边停车这种小事最能说明问题。窄路停靠，人眼判断不了车轮离路沿还有几厘米，蹭上去就是轮毂和轮胎的伤。千里现在的泊车能力，在车位框贴近墙或路沿时会自动找平，并留出一段安全距离，替车主把这几厘米算掉。这算不上什么卖点，但每天都用得上。

极限车位更直白。车长只多出0.7米的水平车位、车宽只多出0.4米的垂直车位，成功率能到八成以上，装在十几万的车和五十万的车上是同一套。

再往边缘走，是城乡结合部和山区的动物穿行、从后方接近的救护车和消防车、夜间的窄路急弯。这些场景概率不高，但一套把安全当基本选项的系统，不能因为它们不高就不做。所以，全面不是一个形容词，是每一处都要管的笨功夫。所以更准确的说法是：安全是基本选项，不是选装包。

智能辅助驾驶的安全竞赛，最终比拼的不只是算法的先进性。从模型研发到量产交付，中间需要经过产品工程、供应链协同、安全验证、质量管理与规模制造的完整链条。这些能力无法通过算法创新快速获得，只能依靠长期积累。换言之，这既是一场技术竞赛，也是一场制造能力的竞赛。

党的二十届四中全会关于制定"十五五"规划的建议提出，全面实施"人工智能+"行动，抢占人工智能产业应用制高点。对汽车产业而言，人工智能与实体经济的结合，最终要落在用户能否安心使用这一朴素标准上。

这道题昂贵、见效慢、不易传播，但没有捷径可走。