当汽车行业谈论自动驾驶，视线往往集中在高速公路、城市领航以及Robotaxi上。但真正可能率先拉开软件能力差距的场景，或许不是时速一百公里的高速路，而是车辆以步行速度穿行的停车场。

SBD Automotive咨询经理Varun Krishna Murthy指出，泊车正在成为软件定义汽车（SDV）的关键试验场。原因并不复杂：与开放道路相比，停车场车速低、边界相对明确，事故后果通常也更可控，却又集中包含了自动驾驶最棘手的一系列问题——狭窄空间、弱光环境、行人横穿、立柱遮挡、模糊车位线以及高度不一的障碍物。车辆必须同时完成感知、定位、路径规划、运动控制和人机交互，任何一个环节不可靠，用户都很容易察觉。

因此，自动泊车看似只是辅助功能，实际上是一场对软件定义能力的综合考试。

新款S级；图片来源：梅赛德斯-奔驰

从“替司机打方向”到“把任务交给汽车”

早期自动泊车的逻辑，是驾驶员找到车位、挂入倒挡并控制油门或刹车，系统只负责转动方向盘。此后出现的遥控泊车，允许用户站在车外，通过钥匙或手机控制车辆前后移动。再进一步，则是自动代客泊车：驾驶员在停车场入口下车，通过手机下达指令，车辆自行寻找车位、完成泊入，并在需要时返回取车点。

三者的区别不只是自动化程度不同，更在于责任和交互关系发生了变化。前两类功能仍以“人监督机器”为核心；真正的自动代客泊车，则要求用户把整个任务交给车辆。

奔驰与博世曾在斯图加特机场P6停车楼运营基础设施式自动代客泊车服务。车辆与停车楼内的摄像头及控制系统协同运行，S级和EQS车主可以在指定区域下车，让车辆自行完成停放。2019年，双方率先在斯图加特梅赛德斯-奔驰博物馆停车场获得全球首个SAE L4级自动泊车日常使用许可；2022年11月，机场P6项目获得德国联邦汽车运输管理局（KBA）批准，成为全球首个面向量产车的L4自动泊车商业运营服务，是重要的监管和工程里程碑。不过该服务此后始终局限于P6停车楼，未再大规模复制到其他场地。

这也暴露出一种路径的局限：如果能力高度依赖停车场改造，推广速度就取决于摄像头、通信网络、控制中心和运营平台的部署。消费者购买的并非“到哪里都能用”的汽车功能，而是一项只能在少数指定地点使用的服务。技术上实现L4，并不等于商业上已经具备规模效应。

中国车企为什么从停车场切入

中国车企选择了另一条路线：尽量依靠车端传感器、计算平台和软件，把泊车变成一项能够持续升级、逐步扩展使用边界的车辆能力。

小鹏、蔚来、比亚迪、问界、极氪等品牌，已经将自动泊车从单次动作扩展到完整链路。车辆不仅要把车倒入一个标准车位，还要理解停车场道路、记住常用路线、跨楼层寻找目标区域，甚至从固定车位出发，衔接园区或城市道路的辅助驾驶。

例如，蔚来的车位收藏与遥控泊车功能，可以帮助车辆驶向常用车位，并允许用户离车后通过手机完成泊入或泊出。官方手册同时强调，现阶段用户仍需在规定距离内监督车辆，并随时准备中断操作——这说明功能进步与责任边界并不总是同步。

比亚迪旗下腾势则从底盘入手，其后轮双电机独立转向技术可实现小半径转弯，“智能蟹行”则让大型车辆能够斜向移动。这里的软件不再只是识别车位、计算轨迹，还要与转向、制动和动力系统深度协同。极氪面向超窄车位、无划线空间和机械车位开发的泊车功能，也体现出同样的趋势：智能化竞争正从“有没有自动泊车”，转向“能处理多少真实世界的麻烦车位”。

这正是软件定义汽车的核心——硬件在很大程度上划定能力边界，软件决定用户每天能够调用多少能力。

DENZA Z9GT；图片来源：腾势

泊车为何比高速更适合形成数据飞轮

高速辅助驾驶的重要性毋庸置疑，但其体验差异常常受到法规、地图范围和道路条件限制。泊车则几乎每天发生，而且成功与失败相对容易衡量：是否识别到车位、用了几次揉库、是否停得居中、有没有因障碍物退出，以及用户最终是否接管。

在合规前提下，这些数据可以被持续回传，用于发现长尾场景、训练模型、优化轨迹规划，再通过OTA下发到车辆。一次泊车因光线过暗而失败，可能成为下一版感知算法的训练样本；某种立柱布局频繁导致车辆退出，则可以推动路径规划策略调整。

由此形成的“使用—反馈—训练—升级”闭环，正是SDV区别于传统汽车的关键特征之一。传统泊车辅助在交付时基本定型；软件定义的泊车系统，则可能在车辆售出后不断增加车位类型、扩大场景边界并减少接管次数。

泊车还是检验电子电气架构的一块试金石。摄像头、毫米波雷达、激光雷达和超声波传感器产生的数据，需要中央计算平台融合；算法决策又必须快速传递给转向、制动和动力系统。如果一家车企连低速场景下的跨域协同和OTA迭代都难以稳定实现，那么其在更高速、更开放道路上的软件能力也难免令人生疑。

高速优先与泊车优先：两种产品逻辑

西方豪华品牌过去更重视高速场景，是因为长途驾驶与高速公路法规更符合其传统市场结构。中国车企则面对高密度城市、拥挤地下车库和大量新手用户，泊车痛点更高频，也更容易转化为消费者能够感知的价值。

需要指出的是，这并不意味着西方品牌忽视泊车技术——奔驰与博世恰恰是L4自动代客泊车的先行者，只是其基础设施依赖路线限制了规模化速度。两者的差异更多在于技术路线与商业化优先级：前者倾向于先证明自动驾驶的安全等级，后者倾向于先把软件嵌入高频生活场景；前者强调技术认证，后者强调使用次数、功能覆盖率与OTA速度。

供应链也在随之变化。博世、法雷奥、欧摩威集团（Aumovio）和安波福等企业都在推进端到端泊车方案，但车企若要形成差异化，就不能仅采购一套固定功能，还必须掌握数据闭环、算法更新和整车控制接口。未来供应商出售的可能不再是一个“自动泊车模块”，而是一套持续迭代的软件栈、数据工具和验证体系。

市场预测因统计口径和预测周期不同而差异较大，且上述机构的统计对象主要为自动化停车系统（涵盖车端功能与场端设备），不能直接等同于车载泊车软件市场，但增长方向一致。Grand View Research预计，全球自动泊车系统市场规模将由2026年的约31亿美元增至2033年的107亿美元，年复合增长率约19.4%。Mordor Intelligence则预计，该市场由2026年的33.6亿美元增长至2031年的68.8亿美元，年复合增长率约15.4%，并指出软件平台的增速快于整体市场。

图片来源：博世

真正的胜负手仍是信任

自动泊车的挑战并不会随着功能增加而消失。手机连接中断、传感器污损、地锁和低矮障碍物识别、地下车库定位、事故责任认定以及不同国家的监管要求，都可能阻碍大规模使用。一次刮擦就可能让用户长期关闭功能，因此，成功率之外，系统还必须做到行为可预测、边界说得清、失败时能够安全退出。

最终，停车自动化的意义并不是让驾驶员少打几次方向盘，而是建立一种新的信任关系：用户是否愿意离开驾驶席，把车辆交给软件。

高速自动驾驶展示的是技术雄心，泊车检验的却是软件能否真正进入日常生活。软件定义汽车的竞争，也许不会从一场轰轰烈烈的无人驾驶革命开始，而会在每天回家后的最后几十米中悄然分出胜负。正如Murthy所说，自动驾驶最有意义的竞争优势，可能恰恰诞生于“步行速度”。