2026年有望成为国内智能辅助驾驶供应商出海的元年。从市场容量来看，中国高阶智能辅助驾驶市场最后可能也就装得下不到五家供应商。这直接导致行业里的淘汰和资本整合速度变快。二线智能辅助驾驶供应商想独立生存就更难了，典型案例是鉴智机器人将被四维图新收购。

        部分头部智能辅助驾驶供应商能拿到一些海外车企订单，落地时间基本都在2027年后，对当前现金流紧张的二三线供应商来说，帮不上太多的忙。

        国内智能辅助驾驶市场太卷，因此国内供应商也在谋求出海的市场机会，但智能辅助驾驶出海的痛点不少。例如，出海存在数据合规以及闭环问题，智能辅助驾驶体验的本地化开发以及信任度壁垒，研发流程和安全文化的全面对齐等，都需要大量的资源和资金投入来解决。

        一
        智能辅助驾驶出海痛点分析

        痛点1：
        用户体验本地化以及信任壁垒

        国内智能辅助驾驶出海，首先得面对各个地方驾驶文化差异巨大的问题。譬如欧洲人开车速度快，但特别讲规则，“左侧超车” 这种规矩得严格遵守。

        其次，各个地区对 ADAS 功能的重视程度也不一样。比如东南亚，满大街都是摩托车，还有 tuk-tuk 这类特色交通工具，智能辅助驾驶系统就需要监测这些小的、快速移动的目标；同时容忍一些无序无规则的交通系统，避免过于频繁的预警。日韩的驾驶员普遍比较遵守规则，但因为道路比较狭窄，所以智能辅助驾驶系统需要擅长窄路通行，同时具备保守的驾驶风格。

        国内智能辅助驾驶产品在激烈的市场竞争下，普遍倾向于通过功能堆砌来吸引消费者。然而，这种策略在海外市场未必奏效。

全球ADAS用户驾驶行为差异及高度重视的功能

来源：佐思汽研《2025年国内供应商智能辅助驾驶出海产业研究报告》

        痛点2：
        智能辅助驾驶出海的数据合规及闭环

        智能驾驶系统要在海外市场推广和使用，首先就得让数据采集和存储符合当地规定。各个国家和地区都有自己很严格的数据保护法律，比如欧盟的《通用数据保护条例》（GDPR）。这些法律对 “个人数据” 的定义，如何收集、处理和存储数据，都设置了很高的要求。

        智能辅助驾驶企业在道路上采集数据，难免采集到车牌、人脸等敏感信息，数据脱敏成为必要环节。同时大部分法规要求数据得在当地存储，这就意味着企业得在海外建设或者租用数据中心，这些工作都增加了运营成本。

        然后，数据传输与处理也被严格限制。智能驾驶技术的迭代和算法优化，高度依赖海量的真实世界数据。国内研发团队需要将海外收集到的驾驶数据传回国内进行分析和模型训练。然而，数据的跨境传输行为受到了更为严格的监管。许多国家出于数据主权和国家安全的考虑，明令禁止或严格限制关键数据的出境。这就逼着智能辅助驾驶企业必须在海外建立本地化的数据处理和算法训练团队。

GDPR对于数据跨境传输的认证

来源：佐思汽研《2025年国内供应商智能辅助驾驶出海产业研究报告》

        痛点3：
        研发流程和安全文化的全面对齐

        研发流程的冲突

        •国内现状：做研发时，需求经常变，开发和测试往往同步进行，文档的流程并不是很完善。国内企业追求的是功能上线速度，好尽快抢占市场。

        •国际要求：得严格遵循规范的开发流程，还要符合 ASPICE和 ISO 26262这些标准。从需求分析、系统设计、写代码到测试验证，每一步都得有详细文档，经过严格评审，还有能追溯的证据。

        •核心矛盾：国际客户没法接受那种需求追溯不清、测试文档不全、没法证明功能安全等级的 “黑盒” 软件。他们买的不只是功能，更是一整套能审计、可靠的开发过程。

        安全文化的冲突

        •国内现状：安全评估、测试和验证工作通常在产品功能开发后期才做，目标是确保产品满足上市所需的法规认证和标准。

        •国际要求：安全不是一个环节，而是一种文化。从一开始的产品设计、需求分析、代码编写到测试验证的每一个环节都设置了安全考量，强调主动的风险预测。

        •核心矛盾：比如中国厂商发现一个边缘场景（Corner Case）的缺陷，如果该场景的出现概率极低，为了不影响交付可能就暂时先放着。但欧洲的汽车厂商会认为这是较大的流程漏洞，会想办法多花时间去解决，甚至可能暂停项目。

V模型中ISO 26262（功能安全）与ISO 21448（预期功能安全 SOTIF）的关系

图片来源：网络

        二
        和国外供应商的合作路径以及案例

        对于现金流本就紧张的国内二三线智能辅助驾驶供应商来说，出海的每一个痛点都可能变成压垮自己的财务重担。因此，与国外供应商合作，可以实现“轻资产”运营。

        01
        法律法规认证、地图数据的解决路径及案例

        国外供应商合作伙伴凭借对当地的交通法规、准入标准（如欧盟的UNECE法规）以及认证流程的深入了解，能够指导产品进行针对性的功能调整，并联动当地权威检测机构（如TÜV 南德、莱茵等）协助处理繁琐的申报与测试工作，从而大大缩短认证周期。欧洲主流的高精地图供应商是HERE和TomTom等。

        雅迅智联自2023年起与HERE Technologies展开深度合作。双方共同在智能车速辅助（ISA）、ADAS高精度地图及海外导航三大领域，为中国车企提供“合规准入+技术升级+本地化适配”的一站式出海解决方案。

        2023年，雅迅智联研发适配了自研ISA地图引擎，帮助出口车企获得欧盟ISA系统认证。2024年，双方合作推出基于ADASIS V2协议的EHP（电子地平线）地图引擎。该方案已应用于头部车企的预见性高级巡航控制系统（PACC），可有效降低8%-12%的能耗。

        至今，双方的合作成果已成功落地于国内多家头部商用客车与卡车主机厂，产品出口至欧盟、南非、澳洲、墨西哥及南美等市场。

雅迅智联自研ISA&ADAS地图终端

图片来源：雅迅智联

        02
        数据采集、存储、跨境传输的解决路径及案例

        前端数据采集后，通过部署在测试车队上的边缘计算设备，对原始数据进行初步的清洗和结构化处理后，可以本地化存储在国际云服务商的数据中心中。这直接规避了很多国家对于敏感地理和个人信息必须留存在境内的强制性法规要求。

        当数据在海外本地数据中心存储后，接下来的核心步骤是“数据预处理”与“合规化出境”。车企会利用合作伙伴在当地的团队和平台，对存储在对方云端的数据进行脱敏和标注。通过技术手段抹去可识别的人脸、车牌等个人信息，仅保留驾驶场景和行为等用于算法训练的关键特征。

        当模型训练需要这些数据时，不再是传输TB级的原始视频或雷达点云数据，而是将经过脱敏、标注，初步模型预处理的“特征数据”或“训练集”进行跨境传输。这种处理后的数据包，大幅降低了传输成本和时间，且内容已经符合GDPR等数据保护法规的跨境流动要求。

        小鹏欧洲版 P7 车型案例

        小鹏利用亚马逊云科技（AWS）在欧洲的区域数据中心，为其面向欧洲市场的车联网（IoV）平台搭建了一整套独立的后端服务。所有在欧洲销售的小鹏汽车，其数据从采集那一刻起，就会通过安全的物联网（IoT）通道，直接传输并存储在位于欧盟境内的AWS服务器上。

        小鹏使用了AWS IoT服务来管理数以万计的车辆连接，使用Amazon S3进行海量行车数据的存储，并利用EMR和EKS（弹性Kubernetes服务）等数据处理服务，在欧洲本地对这些数据进行处理、分析和模型训练。

        小鹏在物理和逻辑上都建立了一个与中国大陆业务相隔离的“欧洲数据安全域”。欧洲用户的数据——从产生、传输、存储到处理和最终销毁——完全在这个闭环内完成，从而在架构层面就确保了GDPR的合规性。

亚马逊云科技车企合作伙伴

图片来源：亚马逊云科技

        03
        技术出海落地的路径以及案例

        国内智能辅助驾驶供应商将自身经过大规模数据验证的软件算法等核心技术授权给海外车企或出行平台。双方共同针对目标市场的特定场景进行二次开发和适配，确保技术方案在海外的本地化和合规性，同时国内智能辅助驾驶供应商也可以获得海外道路数据的反哺。

        大多数出海的智能辅助驾驶公司都采用了“两条腿走路”的策略，即同时推进智能辅助驾驶 和 L4 的研发与落地。前者通过与车企前装量产合作，能够快速产生现金流并积累经验；后者则与出行平台合作，在特定区域（ODD）内进行Robotaxi的运营低成本获得海量的驾驶数据。

        未来，除了技术授权，可能还会出现更多成立合资公司、进行股权投资等更深度的绑定模式，共同开拓海外市场。

        Momenta和Uber合作案例：

        利用Uber的全球化平台作为Momenta智能驾驶技术的商业化出口。双方在中美以外的市场共同推出Robotaxi业务，并计划于明年正式投入运营。欧洲，特别是德国慕尼黑，是这次出海计划的第一站和试验场，目前合作的测试车队已经上路。

        Uber在欧洲拥有1.5亿的月活用户，极大降低了Momenta独立开拓海外市场的难度和成本。且通过在欧洲的实际运营，Momenta不仅能获取宝贵的海外道路数据来反哺其技术算法，加速“数据飞轮”的转动，为未来“另一条腿”的出海打下基础，还有助于品牌国际价值的提升以及在资本市场的评估。

Momenta数据飞轮

图片来源：Momenta