在当前，全球城市交通状况日益严重。人们在保有汽车的成本上升的同时，汽车的闲置率达到了95%。这将为更有效率的汽车分享服务带来机会。汽车智能网联技术的发展，将有利于人对车便捷性的深入理解，也将带来智能汽车的便利化红利。
千讯咨询发布的中国汽车市场前景调查分析报告显示，减少事故在很长时间内都是整个产业优先考虑的因素，而人口老龄化将进一步提升对交通安全的需求。曾经出现在科幻小说中的无人驾驶汽车即将成为现实。他们可以帮助减少道路交通事故，使交通变得畅通，并为更多人提供出行便利。
创新与风险相伴相随。对软件的控制，可能会导致新的黑客攻击和其他不可忽视的危害。允许司机在紧急情况下进行干预的汽车在不久的将来会有更大的可能性出现。
另外，宏观经济环境及产业政策环境也对汽车智能网联技术产生相关影响。
当前，新一轮科技革命和产业变革蓄势待发，新技术、新产业、新业态、新模式层出不穷，低碳化、信息化、智能化成为汽车产业未来发展的重要方向。
1．以深度学习为代表的 AI 技术快速发展和应用
以「深度学习」方法为代表的人工智能（Artificial Intelligence，AI）技术在智能网联汽车上正在得到快速应用。尤其在环境感知领域，深度学习方法已凸显出巨大的优势，正在以惊人的速度替代传统机器学习方法。
深度学习方法需要大量的数据作为学习的样本库，对数据采集和存储提出了较高需求；同时，深度学习方法还存在内在机理不清晰、边界条件不确定等缺点，需要与其他传统方法融合使用以确保可靠性，且目前也受限于车载芯片处理能力的限制。
2．激光雷达等先进传感器加速向低成本、小型化发展
激光雷达相对于毫米波雷达等其他传感器具有分辨率高、识别效果好等优点，已越来越成为主流的自动驾驶汽车用传感器；但其体积大、成本高，同时也更易受雨雪等天气条件影响，这导致它现阶段难以大规模商业化应用。
目前激光雷达正在向着低成本、小型化的固态扫描或机械固态混合扫描形式发展，但仍需要克服光学相控阵易产生旁瓣影响探测距离和分辨率、繁复的精密光学调装影响量产规模和成本等问题。
3．自主式智能与网联式智能技术加速融合
网联式系统能从时间和空间维度突破自主式系统对于车辆周边环境的感知能力。
在时间维度，通过 V2X 通信，系统能够提前获知周边车辆的操作信息、红绿灯等交通控制系统信息以及气象条件、拥堵预测等更长期的未来状态信息。
在空间维度，通过 V2X 通信，系统能够感知交叉路口盲区、弯道盲区、车辆遮挡盲区等位置的环境信息，从而帮助自动驾驶系统更全面的掌握周边交通态势。
网联式智能技术与自主式智能技术相辅相成，互为补充，正在加速融合发展。
4．高速公路与低速区域自动驾驶系统将率先应用
高速公路与城市低速区域将是自动驾驶系统率先应用的 2 个场景。
高速公路的车道线、标示牌等结构化特征清晰，交通环境相对简单，适合车道偏离报警（LDW）、车道保持系统（LKS）、自动紧急制动（AEB）、自适应巡航控制（ACC）等驾驶辅助系统的应用。目前市场上常见的特斯拉等自动驾驶汽车就是 L1 ~ L2 级自动驾驶技术的典型应用。
而在特定的城市低速区域内，可提前设置好高精度定位、V2X 等支撑系统，采集好高精度地图，利于实现在特定区域内的自动驾驶，如自动物流运输车、景区自动摆渡车、园区自动通勤车等。
5．自动驾驶汽车测试评价方法研究与测试场建设成为热点
自从特斯拉汽车被曝光几起重大安全事故后，自动驾驶汽车的安全性越来越多的受到关注，关于自动驾驶汽车测试评价方法的研究以及测试场、示范区的建设成为全球热点。
如何测试自动驾驶汽车？一种潜在的解决方案是引入「普通人类驾驶员」的抽象概念并建立安全基线--一系列定性、定量的关键功能、性能指标，表征自动驾驶系统驾驶汽车的安全程度。如果把自动驾驶系统看作一个驾驶员，对其的考核也可以类比驾驶员的考核过程：
首先需要「体检」，检查自动驾驶系统对环境感知、车辆控制等的基本能力；
其次理论测试，测试自动驾驶汽车对交通法规的遵守能力；
再次是场地考，既在特定场景下的自动驾驶测试；
最后是实路考核，将自动驾驶汽车放置于特定开放测试道路内进行实际测试。
在测试场建设方面，美国密歇根大学率先建成了面积约13 hm^2 的智能网联汽车专用测试场M-City。日本、欧洲等多地也已建成或在积极建设各类智能网联汽车专用测试场。上海嘉定于2016年率先建成中国第一个专业的智能网联汽车测试场。重庆、北京等多地在正在积极建设。
相关研究报告
汽车项目可行性研究报告
中国汽车行业发展研究报告
中国汽车市场发展研究及投资前景报告