从「找车位」到「车自己找车位」：记忆泊车的门槛在最后 500 米

结论先行：智能泊车正在从「辅助工具」变成「限定场景的自动驾驶」，而决定它能否规模化的不是城区的算力竞赛，而是停车场最后 500 米的车场协同。2025 年全球前装 AVP（自动代客泊车）功能车型出货量约 328 万辆、渗透率约 4.6%，其中国内超过 118 万辆、渗透率约 6.3%；预计 2026 年国内 AVP 渗透率突破 8%、出货超过 170 万辆，而支持跨楼层记忆泊车（HPP）的车型占比将达到 15%—18%，高阶 L4 级 AVP 仍集中在 3%—5% 区间。判断很明确：泊车是端到端大模型最容易落地的封闭场景，但它同时也是唯一一个必须依赖「车外基础设施」的智驾功能——这决定了它的渗透曲线会比城区 NOA 更慢、也更稳。

一、渗透率的三层结构：APA、HPP、AVP

把泊车功能拆开看，会发现三层功能的成熟度差异极大，用同一套口径讨论会失真。

可以看到，APA 已经从「高端选配」变成「15 万级标配」；记忆泊车正在 15—25 万元这段最激烈的战场普及；而真正无人化的 AVP，仍然困在高端车型与小范围试点里。2024 年国内前装 APA 上险量约 520 万辆、渗透率接近 30%，两年内推高到接近标配水平，说明这类功能的成本下降曲线非常陡峭——但它降的是硬件成本，降不了场端改造成本。

二、技术路线的转移：从「先建图」到「重感知、轻地图」

高阶泊车真正卡住的环节是建图。早期 AVP 方案基本依赖「先建图、后使用」：车辆只能在已完成适配的停车场内工作，因为需要预先采集停车场的高精地图。全国停车场总量超过 200 万个，而早期完成适配的数量以千计，渗透率长期不足 1%——基础设施的短板直接封住了高阶功能的天花板。

突破口来自感知算法的代际切换。占据网络（Occupancy Network）与 BEV 感知让车辆可以在无预先建图的陌生停车场中完成实时建图与定位，把 AVP 的适用范围从「合作停车场」扩展到「任意停车场」。2025 年纯视觉方案在 AVP 中的占比已升至 42%，而超声波雷达 + 摄像头融合仍主导低成本方案，激光雷达集中于高端车型与复杂场景。

这一转移的工程含义是：建图的责任从场地方转回了车端。短期看这降低了落地门槛，长期看它把算力与数据闭环的压力压在了主机厂身上——而这恰好是端到端大模型的强项。泊车场景相对封闭、数据闭环容易构建，用生成式合成复杂停车场景数据来训练异形障碍物识别，具备条件。行业普遍预期，端到端大模型会率先在泊车场景落地，而不是城区巡航。

三、场端与法规：UN R157 与功能安全草案

车场协同是绕不开的一段。到 2025 年底，全国已有超过 4600 个停车场完成 AVP 适配改造，覆盖商业综合体、交通枢纽与高端住宅。商业模式上，车厂与停车场运营商的 B2B2C 分成成为主流，单次泊车服务费约 2—5 美元（约 15—36 元），2025 年 AVP 相关服务收入（不含硬件）约 3.4 亿美元，预计 2026 年翻倍至 7.1 亿美元。

法规端也在补齐。UN R157 在 2025 年增补了 AVP 专用条款，要求在最高车速不超过 20 km/h 时实现完全自主泊入泊出；国内 2025 年 7 月发布了 AVP 专项功能安全与预期功能安全标准草案，明确了系统故障响应时间、最小风险策略与场地通信协议。中美欧三方标准互认谈判于 2026 年初启动，预计 2027 年达成基础一致性框架。

泊车是唯一一个「车本体已经准备好了、但道路之外的场地还没准备好」的智驾场景——它的天花板不由算力决定，而由车位侧的智能化改造进度决定。

四、真实体验的两个约束

第一，长尾场景的成功率。 在光照剧烈变化、地面标线磨损严重或非标准划线的车位上，系统的泊入成功率与人类驾驶员仍有差距。小鹏披露的 OTA 数据显示，智能泊车用户渗透率超过 80%，但仍有约 15% 的用户因缺乏信任在特定场景下选择手动泊车。信任的建立靠的不是功能宣传，而是在长尾场景下的稳定表现。

第二，硬件复用的经济性。 泊车需要近距离感知能力，而城区 NOA 需要远距离感知能力，两者的传感器与算力需求并不完全重合。舱驾融合与传感器复用成为降本主线，用已有的域控算力压低单车 BOM，是让高阶泊车从 25 万元以上下探到 15—25 万元区间的现实路径。

综合来看，智能泊车处在「功能已可用、生态待补齐」的阶段。它不会像城区 NOA 那样靠一次 OTA 大规模铺开，而会随着停车场改造数量与场端协议标准化程度逐季推进。对供应链而言，值得关注的不是又一款泊车软件，而是车位级定位模组（UWB / 蓝牙 AoA）、场端感知设备与云端调度平台这三个新增环节。

×

微信分享

微信扫一扫，或复制链接发送给朋友

复制链接