2025年8月16日，Genspark发布全新AI编程工具AI Developer，定位为全自动编程Agent（L4级别），区别于Cursor、Lovable等半自动工具（L3级别）。创始人Eric Jing称其基于Claude Code架构重建，支持零基础用户和开发者，可独立完成开发、测试与部署。产品亮点包括GitHub集成、多场景应用（如美容院预约系统、家务管理器等），并提供网页与APP端入口。免费用户每日获200积分，付费会员19.99美元/月享10000积分及额外功能。Genspark由前百度高管创立，此前聚焦AI搜索，现转向AI Agent领域，旗下还有AI会议纪要、AI幻灯片等多款智能体。尽管概念领先，但具体实现仍需探索。

8月8日，特斯拉全面叫停Dojo超级计算机项目，负责人Peter Bannon即将离职，约20名工程师已加入AI初创公司DensityAI。CEO马斯克亲自下令关闭该项目，未来将加大依赖外部技术伙伴，如英伟达、AMD和三星。Dojo曾是特斯拉AI算力核心，用于训练自动驾驶和机器人系统，也被视为市值增长的关键。然而，马斯克此前称其为“豪赌”，成功几率不高。与此同时，由前特斯拉工程师创立的DensityAI快速崛起，专注研发AI数据中心相关软硬件。7月23日财报会上，马斯克暗示未来可能整合自研与外部芯片方案。

2025世界智能网联汽车大会将于10月16日至18日在北京亦庄北人亦创国际会展中心举行。本次大会由工业和信息化部、交通运输部及北京市人民政府联合主办，聚焦自动驾驶、智能座舱、“车路云一体化”等重点领域，旨在推动智能网联汽车与通信、交通、人工智能等关键领域的融合发展。《科创板日报》记者李明明于7月28日报道了这一消息。

2025年7月28日，中信证券指出，上海正加速高级别自动驾驶落地应用。在2025世界人工智能大会期间，《上海高级别自动驾驶引领区“模速智行”行动计划》发布，明确了发展目标；小马智行、百度等头部企业获示范运营牌照，已向公众提供收费服务。随着相关法律法规逐步完善，汽车智能化产业链有望迎来技术研发和产品投放的加速期，行业前景广阔。

7月26日，上海市经信委副主任汤文侃在2025世界人工智能大会论坛上表示，2024年上海汽车产业产值达7035亿元，新能源汽车推广量164.5万辆，居全球城市首位。上海已集聚9家整车企业和600余家零部件企业，拥有15万名高端人才。为建设高级别自动驾驶引领区，上海将推动500辆数据采集网约车落地运行，年内预计采集超1000万个clips，并建立自动驾驶大模型评测体系，推进端到端智能驾驶模型量产应用。(上海证券报)

7月26日，在“模数引领，智行未来”AI赋能自动驾驶创新发展论坛上，上海发布《高级别自动驾驶引领区“模速智行”行动计划》。计划明确，到2027年，上海将基本建成全球领先的高级别自动驾驶引领区，并形成具有国际竞争力的智能网联产业集群。这一目标展现了上海在自动驾驶领域的雄心，推动技术创新与产业升级，助力城市智能化发展。

7月26日，在第八届世界人工智能大会（WAIC）上，上海发放新一批智能网联汽车示范运营牌照。小马易行、百度智行、赛可智能等公司成为首批获准企业。小马智行将联合锦江出租，在浦东金桥和花木核心区域推出自动驾驶出行服务，乘客可通过一键呼叫Robotaxi体验。随着浦东新区第三批自动驾驶测试道路开放，上海市累计开放测试道路里程突破2700公里，覆盖部分内环范围的中心城区。（记者 曾乐）

美国银行最新报告指出，随着自动驾驶市场持续扩张，预计到2040年其价值可达1.2万亿美元，英伟达、高通、卡特彼勒及机器人出租车制造商等20多家企业将从中受益。其中，英伟达和高通等硬件厂商以及Aptiv、Mobileye等芯片和传感器制造商被特别看好。此外，Waymo、Zoox和特斯拉等采用英伟达芯片的机器人出租车公司也被视为关键推动者。美银还提到包括小鹏、小马智行和百度在内的中国公司，以及优步、丰田等国际企业均在受益榜单上。分析认为，自动驾驶技术未来不仅限于汽车领域，还将扩展至农业机械、物流和公共交通等多个行业，大幅提升潜在市场空间。

7月1日，上海市投资促进工作领导小组办公室发布《关于强服务优环境 进一步打响‘投资上海’品牌的若干举措》，明确AI大模型、具身智能、自动驾驶、低空经济等为重点应用场景，并优先向重点企业与项目倾斜。同时，将组织开展场景路演、对接活动及创新大赛，获奖企业可获高校实验室、低成本办公场地支持。优质垂类大模型项目将纳入全市公共算力调度体系，并对模型推理算力项目给予补贴，推动科技创新与产业落地协同发展。

6月23日，阿里云推出自动驾驶模型训练与推理加速框架PAI-TurboX，可将训练时间缩短50%。该框架通过优化多模态数据预处理、算子优化及量化等技术，提升感知、规划控制及世界模型的训推效率。实测显示，在BEVFusion、MapTR和SparseDrive等模型训练任务中，PAI-TurboX分别缩短58.5%、53%和48.5%的训练时间。该框架还支持异构平台高性能推理部署，有助于加速自动驾驶技术发展。