6-12万市场智驾标配倒计时，谁提供了“最优解”？

当行业目光还集中在城区NOA和几百、上千TOPS算力竞赛上时，一个更大体量的市场正在被快速激活。

根据《高工智能汽车研究院》数据显示，2025年中国乘用车L2级辅助驾驶搭载率已达到59.35%，自动泊车（APA）渗透率也攀升至36.88%。

更值得关注的变化是，2025年，6-12 万元价位车型的L2前装标配搭载量达到136.75万辆，同比增长444.79%；APA前装标配搭载量达到112.34万辆，同比增长2540.87%，增速远高于整体市场。

驱动力来自两端：一端是法规，AEB强制搭载标准的即将落地，正在倒逼所有价位车型标配主动安全系统；组合辅助驾驶新国标的明晰也给L2级辅助驾驶下了明确的价值和边界定义，而另一端是市场，消费者对L2行车辅助和自动泊车的认知度和接受度已经跨过临界点，不搭载行泊功能的新车面临“上市即失去竞争力”的窘境。

在这个趋势下，智驾渗透的增长引擎，正在向6-12万主流市场切换。而这个占据中国乘用车销量近半壁江山的价位段，对成本和效率有着近乎苛刻的敏感度。

这就意味着，谁能以极致性价比提供“够用且好用”的行泊一体方案，谁就有机会吃到这一轮结构性增长的巨大红利。

近日，魔视智能基于爱芯元智M57芯片打造的行泊一体域控方案，获得某头部汽车集团多款车型量产定点。

这笔来自头部车企的规模化订单，或许正在回答一个行业命题——在智驾下沉的趋势下，什么才是真正的“最优解”？

01

轻量化行泊一体市场潜力巨大

6-12万价位段的消费者，对智驾的需求是不但能够拥有日常最实用的所有功能，更需要功能好用、易用。

他们需要AEB, LKA、ELK等主动安全功能来守护安全底线，也需要iACC、LCC、ICA、TJA等驾驶辅助功能来减轻驾驶疲劳， 更需要AVM、APA、RPA等自动泊车功能来应对日益紧张，复杂的泊车场景——这些功能构成了日常驾驶中使用频率最高、体验改善最直观的场景。

这就决定了主流市场智驾方案的基本逻辑：在极致成本控制下，把行车、泊车功能做到安全可靠、能用好用。

轻量化行泊一体域控方案因此成为最佳载体——它通过传感器复用，行泊一体的算法及软件架构设计，计算资源的底层原生优化，在一颗芯片上同时实现辅助驾驶和自动泊车的所有主流功能，相比传统行泊分离方案，控制器硬件成本和系统复杂度均大幅降低。

但问题在于，市面上大多数行泊一体方案仍然基于高算力的芯片平台，而高算力拉高的不仅仅是芯片成本，更是潜在的，巨大的存储成本上升。

对于6-12万价位段的车型来说，这意味着标配提供客户行泊车功能的成本压力快速拉升，难以承受，特别是在存储飞涨的时代，供需矛盾日益凸显，如何能够通过方案技术的创新，持续让目标客户获得全面，好用的智驾功能，必将成为未来一段时间行业必然面临和思考的痛点问题。

02

轻量化域控平台如何满足L2行泊核心需求

此次魔视智能获得某头部汽车集团定点的方案，以极致的全栈方案的原生优化，在轻量化域控平台上实现了最实用，好用的所有行泊车功能，更是实现了控制器存储资源的充分利用和优化，更好地应对存储芯片的剧烈市场波动，为行业难题提供一份值得关注的答案。

魔视智能创始人虞正华表示：“我们不但要把魔视最新最好的智驾方案提供给客户，而且要用最高的效率，最有竞争力的成本，让每一辆车，每一位客户都能享受到这份技术红利。”

要在更轻量化的计算平台实现全套L2级行泊功能，并达到优秀的用户体验，对系统，硬件，软件以及最重要的算法的全链掌控能力的要求非常之高。

从技术实现层面来看，魔视智能的方案至少需要解决三个核心问题：

其一，BEV感知算法的轻量化部署。BEV（鸟瞰图）感知是当前行泊一体方案的主流技术路线，但传统BEV+Transformer且行泊分离的算法架构对算力，带宽和存储开销较大。

魔视智能开发了名为CYCLOPS的行泊一体BEV感知算法平台，通过行泊多任务一体化网络设计，原生计算算子的定制开发和优化，在有限算力上实现车辆、行人、二轮，三轮车、车道线，划线车位，视觉空间车位，悬空障碍物，一般障碍物，等等多任务的统一感知，同时满足行车和泊车两种场景的需求。

其二，计算资源和带宽的极致优化。在极致轻量化计算平台上，计算资源的调度几乎没有冗余空间，每一个算子部署、每一帧数据处理甚至每一次内存拷贝的流程都需要精细及精益的设计。

这要求算法和工程团队不仅懂算法，还要深度理解底层硬件的计算特性和内存架构，最最重要的是能够对链路上所有的软件模块进行优化，甚至重构。

其三，高度平台化却又极小颗粒度的精细系统设计。行泊一体意味着多达21种行车和泊车功能需要在同一颗芯片上按照功能场景需求和设计意图全时域运行，系统状态机的设计，软件进程的调度以及整体数据流的设计复杂度远高于单一功能方案。

虞正华在此前的公开演讲中将行泊一体的核心能力总结为四个维度：原创全栈算法能力、全栈系统能力、全场景落地能力、数据闭环能力。

他特别强调，在有限计算资源上实现功能的最佳优化、高效调度以及性能最大化，需要从算法软件到硬件的全栈系统能力——这正是魔视智能跨越行泊一体方案落地门槛的核心关键。

换一个角度理解：高算力方案在一定程度上允许算法，软件和硬件资源“粗放”运行，而低算力方案则要求算法团队对每一层网络、每一个计算环节都做到极致优化，就像一款极致精细的机械表，每一个微观部件都稳定，精确地共同运行。

这种能力的积累周期极长、壁垒高，也正因如此，能够提供此类解决方案的玩家极少。

在芯片，原材料波动及存储飞涨的时代，伴随着市场进一步对智驾下沉的需求，轻量化行泊一体解决方案向6-12万主流销量区间车型渗透的趋势在2026年也将会全面铺开，此类方案的市场空间正在快速打开。