中国汽车工程学会：L3、L4 路线引行业讨论
在中国汽车工程学会近期会议上，业内围绕L3 是否是落地 L4 自动驾驶的必经阶段展开专题辩论。华为认为自动驾驶发展无法跳过 L3；而小鹏汽车、元戎启行则主张，民用乘用车可直接研发落地 L4 级自动驾驶系统。工信部已出台 L3 自动驾驶落地相关指导文件，文件明确：当 L3 自动驾驶系统处于激活运行状态时，整车厂商需承担事故相关责任。多家国内车企已启动 L3 道路试点测试。中国汽车工程学会副秘书长表示，L3、L4 两条技术路线将同步并行推进、共同发展。
比亚迪对一起城市 NOA 辅助驾驶事故完成理赔赔付
比亚迪近期为旗下城市领航辅助驾驶（Urban NOA）推出专属事故保障服务，上线首日就有车主提交理赔申请。涉事车辆在开启该功能行驶时追尾前车，系统未能及时制动。经技术核验后，比亚迪同意承担本次事故赔付。尽管当前 Urban NOA 仍属于辅助驾驶，尚未达到 L3 自动驾驶标准，但这套厂商兜底赔付模式，是推动民用 L3 自动驾驶落地的重要一步。
东风汽车将搭载华为乾崑智驾系统
东风汽车与华为签署合作协议，计划将华为自动驾驶系统搭载于旗下未来车型。首款合作车型预计于 2026 年下半年上市，将搭载城市道路、高速道路及自动泊车全套辅助驾驶功能。东风汽车目前与斯特兰蒂斯集团在欧洲建有合资合作关系，但华为这套自动驾驶技术能否同步落地海外出口市场，目前仍未有定论。
蔚来智驾系统单月行驶里程接近 2 亿公里
蔚来官方数据显示，5 月旗下车型智能辅助驾驶系统累计行驶里程近 2 亿公里，较年初增长 20%；该系统单月可规避上万起潜在行车风险。当月智能泊车功能累计使用超 900 万次。目前蔚来上路保有车辆超 110 万台，公司规划 2026 年全年交付新车 45 万余台。
轻舟智航拟向全球输出自动驾驶方案
轻舟智航将依托与高通的战略合作，面向全球市场交付自研自动驾驶软件方案。这套智驾系统现已搭载至 30 款量产乘用车，同时也批量落地多款 L4 级无人物流车。轻舟智航采用融合视觉 – 语言 – 动作（VLA）能力的端到端世界模型技术，其完整算法方案可适配英伟达、地平线两大主流车载计算硬件。企业会将 L4 自动驾驶场景采集的数据回灌，用于迭代训练 L2 级辅助驾驶模型。公司已在德国慕尼黑、新加坡设立分支机构，为全球化扩张战略提供本地化支撑。
腾势正式搭载天神之眼 5.0 高阶智驾系统
比亚迪高端豪华 SUV 腾势 N8L 正式推出，新车搭载升级后的天神之眼 5.0高阶智驾辅助系统。这套系统采用无预设规则的端到端 AI 大模型架构，配套数据闭环训练链路，车辆行驶产生的数据可持续迭代优化模型能力。系统原生支持城区领航 NOA、高速领航 NOA 与全场景自动泊车三大核心功能。算力由单颗英伟达 Orin-X 芯片供给，芯片总算力 254 TOPS；全车共搭载 31 路感知传感器，包含 1 颗车顶激光雷达与 5 颗毫米波雷达。系统可依托激光雷达扫描前方路面信息，主动调节空气悬架软硬参数。专属闪充版车型配备蓝色智驾状态指示灯，开启辅助驾驶时灯光自动点亮，向周边车辆提示智驾系统正在工作。
小米 YU7 创下纽博格林北环自动驾驶圈速纪录
小米 YU7 GT 在纽博格林北环赛道完成自动驾驶完整单圈，创下全球首项该赛道自动驾驶圈速纪录，用时略低于 10 分 30 秒。该车可选装专业赛道套件，包含前导流翼、主动式后扩散器、赛道专用轮胎、双腔减震空气悬架、六活塞前制动卡钳与碳陶刹车盘，并配备电子限滑差速器（eLSD）。在职业车手驾驶模式下，该车跑出 7 分 22 秒出头的圈速，性能基准超越保时捷卡宴 Turbo GT。尽管自动驾驶模式的圈速大幅慢于人驾，但这一成绩依旧具备极高行业参考价值。
曹操出行：2030 年前布局自动驾驶出租车与货运车各十万台
曹操出行隶属吉利集团，正式发布其自动驾驶车队扩张战略：计划至 2030 年，投放 10 万台定制化自动驾驶出租车与 10 万台自动驾驶货运车。该企业已在中国香港落地自动驾驶出租车运营服务，同时将携手 May Mobility 进军欧洲市场，采用后者自研自动驾驶软件方案。杭州是曹操出行自动驾驶业务首要测试与研发基地。
工信部发布自动驾驶相关管理法规
工信部联合联合国出台自动驾驶系统全球技术法规。联合国欧洲经济委员会（UNECE）表示，欧盟、英国、美国、加拿大、日本均投票表决通过该法规，预计约一个月后正式生效。
各国统一技术标准将有助于加速 L3 及更高级别自动驾驶系统的落地量产。该法规明确了自动驾驶的安全规范、数据隐私、流程验证以及持续监控相关要求。我国同期配套出台国内国家标准，针对 L3、L4 级自动驾驶增设更为细化的安全条款，并设定统一测试场景，车企需通过相关测试方可达标。
小鹏发布可预判路况的智驾世界模型
小鹏推出全新世界模型 X-Mind。该模型可对路况做出 12 帧未来时序推演，并将推演结果转化为 96 组特征词元，形成可视化思维链路，让车辆在做出驾驶动作前，预判周边所有交通参与者的行为动向。
该模型依托数亿帧真实道路驾驶画面完成训练。当前绝大多数主流世界模型仅能基于实时路面画面直接输出驾驶操作，不会预先推演场景后续变化。而 X-Mind 能够在模型内部完成路况仿真、预判车流变化，在车载算力约束下实现更保守稳妥的防御性路径规划。
现有同类模型应对邻车道车辆近距离加塞等场景时表现不佳；但 X-Mind 可获取加塞车辆的速度与行驶轨迹，预判该车未来 12 帧内的位置，提前合理调整自车车速与行进路线。该模型同时大幅提升车辆在复杂路口的通行表现。
