文 | 趙盼盼、嚴(yán)方

視覺(jué)設(shè)計(jì)|星船知造

正文共計(jì)：6930字

預(yù)計(jì)閱讀時(shí)間：8分鐘

2024年，汽車(chē)智能進(jìn)化之路變得更為復(fù)雜和殘酷。你爭(zhēng)我趕的新品戰(zhàn)中，粹煉出極速迭代的能力。你死我活的價(jià)格戰(zhàn)中，激發(fā)出技術(shù)致勝的覺(jué)悟——也終于明確解題思路：

整個(gè)產(chǎn)業(yè)將在更“輕”的同時(shí)更“重”。

更“重量級(jí)”的云——通過(guò)建設(shè)云端強(qiáng)大的數(shù)據(jù)閉環(huán)和算力能力，車(chē)端因進(jìn)化迭代所面臨的技術(shù)與算力瓶頸被打破，“云”成為智能汽車(chē)進(jìn)化路上強(qiáng)大的底層基建。

更“輕盈”的車(chē)——借助云端支持實(shí)現(xiàn)技術(shù)與成本減負(fù)，智駕等技術(shù)得以被普及到更低價(jià)格段的車(chē)型上。正攀登L4這座智駕珠峰的玩家，能夠不斷通過(guò)“技術(shù)進(jìn)步+成本降低→產(chǎn)品落地”，來(lái)獲得更大的市場(chǎng)。

我們判斷，未來(lái)只有車(chē)、云攜手進(jìn)化，更能形成“以質(zhì)換量”與“以量換質(zhì)”的正向循環(huán)。

也正因?yàn)槿绱耍败?chē)云一體”成為了智能駕駛必然的走向。

騰訊智慧出行副總裁鐘學(xué)丹的觀點(diǎn)，代表了業(yè)內(nèi)的一個(gè)普遍共識(shí)：“隨著數(shù)據(jù)規(guī)模、算力需求的指數(shù)級(jí)增長(zhǎng)，構(gòu)建車(chē)云一體的數(shù)據(jù)閉環(huán)，對(duì)海量數(shù)據(jù)進(jìn)行更高效的收集、存儲(chǔ)、處理和分析，將成為智能汽車(chē)的核心增長(zhǎng)飛輪。”

一切的變化，要先從端到端的爆發(fā)說(shuō)起。

端到端、大模型能力成為劃分第一梯隊(duì)的分水嶺

如果給智能汽車(chē)找一個(gè)2024年度關(guān)鍵詞，“端到端”當(dāng)之無(wú)愧。

倒不是因?yàn)樘厮估謩e在年初和年尾發(fā)布了現(xiàn)階段對(duì)于端到端技術(shù)而言里程碑式的FSD V12和FSD V13，而是因?yàn)椋笪闹形覀儗⒘牡降膸缀跛信c今年智能汽車(chē)相關(guān)的熱詞——“純視覺(jué)方案”“云端算力”“無(wú)圖化”“車(chē)位到車(chē)位”等，都與端到端技術(shù)密切關(guān)聯(lián)。

眾多車(chē)企今年重倉(cāng)押注的端到端技術(shù)及基于端到端的AI大模型，將成為劃分智駕第一梯隊(duì)的分水嶺——

誰(shuí)掌握了更先進(jìn)的端到端技術(shù)，誰(shuí)就掌握了L2增長(zhǎng)密碼與L3乃至L4優(yōu)先通行證。不但可以吃下更多市場(chǎng)空間，更可以?xún)?yōu)先把更高級(jí)別的智駕從測(cè)試場(chǎng)帶到真實(shí)路面。

source：pexels

什么是端到端？

“端到端”的兩個(gè)“端”，指的是感知端和決策端。

過(guò)去：研發(fā)者需要分別設(shè)計(jì)感知、預(yù)測(cè)、規(guī)劃、控制四個(gè)部分的小模型。再根據(jù)具體功能效果，人力寫(xiě)成應(yīng)對(duì)各種情況的代碼。也就是說(shuō)，從汽車(chē)感知路況，到做出反應(yīng)，中間要經(jīng)歷若干個(gè)模塊化設(shè)計(jì)好的步驟。

這種模式的主要缺點(diǎn)是，信息在傳遞和處理的過(guò)程中可能出現(xiàn)誤差、遺漏和延誤。有點(diǎn)像綜藝節(jié)目里常見(jiàn)的傳話(huà)游戲，中間傳話(huà)人越多，原話(huà)被歪曲的程度就越大。

端到端：從感知端直接進(jìn)入輸出端，省略中間過(guò)程，實(shí)現(xiàn)無(wú)損信息傳遞。就像人類(lèi)神經(jīng)網(wǎng)絡(luò)的工作模式一樣，觀察到周?chē)窙r環(huán)境，直接做出反應(yīng)。

前者讓汽車(chē)像一個(gè)執(zhí)行復(fù)雜指令的機(jī)器人。而端到端技術(shù)爆發(fā)靠的是人工智能技術(shù)的進(jìn)化——有望隨著訓(xùn)練量的增加，使智駕系統(tǒng)成長(zhǎng)為一名經(jīng)驗(yàn)豐富的“老司機(jī)”。

source：unsplash

2024年，玩家加速卷向端到端。

3月，特斯拉開(kāi)始在一定范圍內(nèi)推送FSD V12，宣告端到端技術(shù)正式落地。

5月，特斯拉基于“端到端”的FSD V12在數(shù)月的訓(xùn)練時(shí)間內(nèi)，超過(guò)了數(shù)年積累的V11。12月，F(xiàn)SD V13.2版本亮相，其最大的亮點(diǎn)是“從停車(chē)位到停車(chē)位”（Park 2 Park）的端到端駕駛模式。

這一過(guò)程要求車(chē)輛能在城市復(fù)雜多變的路況下應(yīng)對(duì)自如。是對(duì)車(chē)企自動(dòng)駕駛系統(tǒng)的環(huán)境感知、決策規(guī)劃、執(zhí)行控制能力最好的“活廣告”——眾多車(chē)企卷入車(chē)位到車(chē)位的競(jìng)賽中，作為展示其端到端的規(guī)格標(biāo)準(zhǔn)。

2024年國(guó)內(nèi)官宣端到端落地部分智駕玩家：

華為：華為在9月宣布推出ADS 3.0，端到端架構(gòu)商用落地，實(shí)現(xiàn)了從車(chē)位到車(chē)位的高階智能駕駛能力。

小鵬：特斯拉FSD V12版本推送后，小鵬汽車(chē)創(chuàng)始人何小鵬在美國(guó)體驗(yàn)，并稱(chēng)其“表現(xiàn)極好”。作為端到端技術(shù)的擁護(hù)者，小鵬在5月20日正式發(fā)布了“國(guó)內(nèi)首個(gè)量產(chǎn)上車(chē)”的端到端大模型——神經(jīng)網(wǎng)絡(luò)XNet+規(guī)控大模型XPlanner+大語(yǔ)言模型XBrain。

理想：2024年7月，理想在推送“全國(guó)都能開(kāi)”的無(wú)圖NOA的同時(shí)，發(fā)布了基于端到端模型、VLM視覺(jué)語(yǔ)言模型和世界模型的全新自動(dòng)駕駛技術(shù)架構(gòu)。11月底，OTA 6.5版本車(chē)機(jī)系統(tǒng)推送，其中涵蓋了“車(chē)位到車(chē)位”功能。

Momenta、商湯：10月智己汽車(chē)聯(lián)手Momenta推出采用“一段式端到端”架構(gòu)的智駕方案——IM AD 3.0。商湯絕影于11月底發(fā)布采用一段式端到端技術(shù)的AD Ultra，預(yù)計(jì)明年年底實(shí)現(xiàn)端到端智駕方案量產(chǎn)落地。

小米：2024年11月16日，小米汽車(chē)宣布其智能駕駛系統(tǒng)HAD（Xiaomi Hyper Autonomous Driving）將搭載在小米SU7 Pro、SU7 Max和SU7 Ultra車(chē)型上。升級(jí)最大的亮點(diǎn)是接入了端到端大模型技術(shù)。

2024年，伴隨著端到端技術(shù)C位出道，車(chē)企從智駕硬件、地圖方案，到算力部署，全都被攪動(dòng)起來(lái)。

source：giphy

硬件上，隨著更大規(guī)模的“端到端”落地，“去激光雷達(dá)”趨勢(shì)更加明顯：

與端到端技術(shù)深度綁定在一起的，是“純視覺(jué)方案”。

●純視覺(jué)方案：指汽車(chē)主要依賴(lài)攝像頭獲取和處理周?chē)h(huán)境信息。非常依賴(lài)算法能力的支撐。

●與之相對(duì)的，是使用激光雷達(dá)、毫米波雷達(dá)等硬件來(lái)裝備汽車(chē)感知端。

眾多車(chē)企在今年發(fā)布“去激光雷達(dá)”方案：華為在今年發(fā)布的問(wèn)界M7 PRO基礎(chǔ)版的智駕方案中去掉了激光雷達(dá)；小鵬推出了全新一代AI鷹眼視覺(jué)方案，首發(fā)搭載在小鵬P7+上；前不久暴雷的極越，在8月份發(fā)布了“純視覺(jué)+端到端大模型”的智駕方案ASD。

車(chē)企這么做的原因有二：

一是技術(shù)層面，相關(guān)算法和大模型日漸成熟，尤其是端到端技術(shù)的突破，使得車(chē)載攝像頭敢于騎在激光雷達(dá)頭上“仗勢(shì)欺人”。

二是市場(chǎng)層面，攝像頭比激光雷達(dá)更便宜，拿出純視覺(jué)方案，就是拿出成本優(yōu)勢(shì)。

●普通環(huán)視車(chē)載攝像頭模組通常單價(jià)在150-200元之間，行車(chē)ADAS（Advanced Driver Assistance System 高級(jí)駕駛輔助系統(tǒng)）車(chē)載攝像頭模組則在300-500元之間。

●相比之下，單顆激光雷達(dá)價(jià)格即達(dá)數(shù)千乃至數(shù)萬(wàn)元。因此在過(guò)去多年里，激光雷達(dá)都只配備在中高端車(chē)型上。

“去激光雷達(dá)”的“純視覺(jué)”及“視覺(jué)+毫米波”方案，成為了智能駕駛“殺”向下沉市場(chǎng)關(guān)鍵利器。

這也是為什么李斌一邊強(qiáng)調(diào)“說(shuō)激光雷達(dá)沒(méi)用的，非蠢即壞”，一邊蔚來(lái)旗下品牌推出了搭載純視覺(jué)方案的樂(lè)道L60車(chē)型。定價(jià)二十余萬(wàn)的樂(lè)道L60，正是蔚來(lái)系中最便宜的車(chē)型之一。

智能汽車(chē)感知端不斷革新

地圖方案上，隨著更大規(guī)模的“端到端”落地，2024年加速了“去高精地圖”趨勢(shì)：

高精地圖即絕對(duì)位置精度接近1m，相對(duì)位置精度在厘米級(jí)別的地圖。在車(chē)內(nèi)預(yù)置一套高精地圖，相當(dāng)于不僅有了路線(xiàn)地圖，也將車(chē)道線(xiàn)、人行道、車(chē)站、紅綠燈、綠化帶等種種路況信息一并收入囊中。同時(shí)具備全天候、不間斷的特點(diǎn)。

2024年“去高精地圖”趨勢(shì)背后有兩個(gè)原因。

一是高精地圖眼下存在幾座難以翻越的幾座大山：采集成本高、審核時(shí)間長(zhǎng)、更新時(shí)效慢等。

成本：一輛測(cè)繪車(chē)的成本高達(dá)數(shù)百萬(wàn)元至千萬(wàn)元級(jí)別。分米級(jí)地圖的測(cè)繪效率約為每天每車(chē)500公里道路，成本達(dá)每公里10元左右，而厘米級(jí)地圖的測(cè)繪效率約為每天每車(chē)100公里道路，成本達(dá)每公里千元左右。

更新效率：不少圖商只能做到3個(gè)月更新一次高精地圖。用華為余承東的說(shuō)法就是：高精地圖的數(shù)據(jù)采集更新速度趕不上中國(guó)的城市建設(shè)速度。

對(duì)于很多車(chē)企玩家而言，不是高精地圖不香了，而是在激烈的市場(chǎng)競(jìng)爭(zhēng)中，等不了了。

二就是我們上文說(shuō)的，“純視覺(jué)+端到端大模型”的技術(shù)路徑已經(jīng)逐漸成熟：汽車(chē)無(wú)需高精地圖，靠車(chē)端視覺(jué)感知系統(tǒng)和大模型提供的決策能力就能搞定自動(dòng)駕駛。

換言之，智駕成功的關(guān)鍵要素，已經(jīng)從從車(chē)端裝載的高精地圖，轉(zhuǎn)向了云端訓(xùn)練的大模型。讓擺脫高精地圖成為可能。

騰訊“多圖合一”生產(chǎn)模式

目前不少玩家采取的方案，是在大多數(shù)簡(jiǎn)單的路段采用導(dǎo)航地圖，部分復(fù)雜路段則掛接輕高精地圖來(lái)保障體驗(yàn)。較為激進(jìn)的無(wú)圖化方案中，則連輕地圖也一并不用，僅使用導(dǎo)航地圖。

●所謂“輕高精地圖”或“輕地圖”，是一種折衷方案。

其精度和信息量介于導(dǎo)航地圖與高精地圖之間，是綜合平衡整體感知定位效果與地圖成本之后的結(jié)果。

2024年，華為、小鵬、比亞迪、理想、小米都先后推出了各自的無(wú)圖化方案。

針對(duì)于此，作為圖商的騰訊提供了更靈活的解決方案——“多圖合一”的模式。

騰訊做到也業(yè)內(nèi)首個(gè)一體化生產(chǎn)體系，把標(biāo)準(zhǔn)地圖(SD Map)、輔助駕駛地圖(ADAS Map)、高精地圖(HD Map)等不同精度等級(jí)的地圖數(shù)據(jù)融合在一起，按需靈活使用，讓不同地圖的功能實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。

與傳統(tǒng)的不同地圖先獨(dú)立制作再互相關(guān)聯(lián)的做法不同，騰訊的“一張圖”生產(chǎn)模式做到了數(shù)據(jù)同源、解決了重復(fù)投入、數(shù)據(jù)不匹配、更新頻率難統(tǒng)一等問(wèn)題。

2024年另一地圖趨勢(shì)是“加速入云”。

例如，騰訊的智駕云圖，是將車(chē)端實(shí)時(shí)感知數(shù)據(jù)、駕駛行為經(jīng)驗(yàn)信息和車(chē)企自有數(shù)據(jù)資產(chǎn)等上傳云端，實(shí)現(xiàn)云端多程建圖。

云端建圖的另一個(gè)好處，是幫助車(chē)企將自有數(shù)據(jù)與云圖提供的數(shù)據(jù)信息融合使用，更好地發(fā)揮數(shù)據(jù)價(jià)值。騰訊將智駕地圖分成多個(gè)圖層，包含基礎(chǔ)地圖圖層、運(yùn)營(yíng)圖層等，車(chē)企可以根據(jù)自身需求靈活配置并管理圖層，并通過(guò)和車(chē)企自身數(shù)據(jù)圖層結(jié)合，搭建適合自身的數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)平臺(tái)。

通過(guò)高鮮度的地圖數(shù)據(jù)，及時(shí)有效的環(huán)境信息和動(dòng)態(tài)交通信息，車(chē)企也可以在云端訓(xùn)練出“駕駛經(jīng)驗(yàn)”更加豐富的大模型，加速智能化進(jìn)程。

地圖信息采集

很明顯，隨著端到端的加速落地，車(chē)端正在“變輕”——去高精地圖也好，去激光雷達(dá)也好——車(chē)端成本的降低，得以讓智駕等技術(shù)被普及到更低價(jià)格段的車(chē)型上。

但新的挑戰(zhàn)也隨之出現(xiàn)：

上文所述，誰(shuí)先掌握更先進(jìn)的端到端技術(shù)，先一步訓(xùn)練出一個(gè)能像人一樣決策的AI大模型，誰(shuí)就在智駕路上獨(dú)占鰲頭。但一是端到端技術(shù)及各種大模型都十分依賴(lài)算力和數(shù)據(jù)。車(chē)端無(wú)法承載超高算力和海量數(shù)據(jù)。二是專(zhuān)注模型和算法的迭代極度燒錢(qián)。

除了“硬件減負(fù)”，車(chē)端還必須在算力、模型上變得更輕盈——才能在持久戰(zhàn)上形成市場(chǎng)和技術(shù)的正循環(huán)。

更輕的車(chē)，需要更“重倉(cāng)”的云

AI大模型的成長(zhǎng)，必須擁有承載海量數(shù)據(jù)的能力，即龐大的算力和數(shù)據(jù)閉環(huán)能力。

2024年，智駕領(lǐng)域數(shù)據(jù)采集和處理走向2.0時(shí)代：從采集車(chē)采集到量產(chǎn)車(chē)采集；從標(biāo)簽搜索到大模型挖掘；從人工標(biāo)注到自動(dòng)化標(biāo)注；從路側(cè)測(cè)試到仿真測(cè)試，再到大規(guī)模并行仿真測(cè)試。

數(shù)據(jù)與算力能力帶來(lái)的“馬太效應(yīng)”也在加劇，車(chē)企迎來(lái)“以質(zhì)換量”與“以量換質(zhì)”相輔相成、不斷循環(huán)的時(shí)代。

理想總工程師馬東輝這樣形容未來(lái)智駕競(jìng)爭(zhēng)模式：從端到端開(kāi)始，才是真正使用人工智能的方式做智駕。而人工智能需要大量的數(shù)據(jù)和算力，會(huì)讓具備高階智駕車(chē)輛保有量以及充足研發(fā)投入的企業(yè)，在智能駕駛方面的優(yōu)勢(shì)增加，并且實(shí)實(shí)在在地促進(jìn)銷(xiāo)量提升，而銷(xiāo)量提升又會(huì)帶來(lái)保有量和研發(fā)投入的提升，形成滾雪球過(guò)程。

何小鵬的觀點(diǎn)如出一轍：車(chē)企要贏得進(jìn)入未來(lái)競(jìng)爭(zhēng)的入場(chǎng)券，至少每年要銷(xiāo)售100萬(wàn)輛AI 汽車(chē)，數(shù)據(jù)積累量的差異會(huì)讓產(chǎn)品與產(chǎn)品、企業(yè)與企業(yè)之間的差距越來(lái)越大。

所有人都意識(shí)到，圍繞算法、算力、數(shù)據(jù)的底層能力，是未來(lái)拉開(kāi)差距的關(guān)鍵。

智駕“卷”向云端，從“再現(xiàn)”到“訓(xùn)練”

但車(chē)端的“三個(gè)難題”正影響競(jìng)速的步伐。

一是在大模型的訓(xùn)練上，車(chē)端算力相對(duì)“捉襟見(jiàn)肘”。某車(chē)企提到，其云端大模型的參數(shù)量將多達(dá)車(chē)端參數(shù)量80倍。

同時(shí)目前市面上的汽車(chē)芯片，有不少性能虛高，算力不足，而真實(shí)算力強(qiáng)的，往往功耗居高不下，散熱困難。

二是成本問(wèn)題。汽車(chē)芯片太過(guò)“燒錢(qián)”。如英偉達(dá)Orin-X的單芯片價(jià)格達(dá)400美元左右，約合人民幣2800元，雙芯片方案約合人民幣5600元，四芯片方案則達(dá)到了1.12萬(wàn)元。

三是不少車(chē)企和自動(dòng)駕駛 Tier1遇到的數(shù)據(jù)難題——

●數(shù)據(jù)采集方面，車(chē)輛分布廣、數(shù)據(jù)收集難：

如前所述，數(shù)據(jù)采集來(lái)源已經(jīng)逐步從傳統(tǒng)的采集車(chē)過(guò)渡到上千萬(wàn)量級(jí)的量產(chǎn)車(chē)，龐大的采集量對(duì)網(wǎng)絡(luò)的接入質(zhì)量、穩(wěn)定性能、分布式云的能力提出了考驗(yàn)。

●數(shù)據(jù)存儲(chǔ)方面，數(shù)據(jù)容量大：僅一輛汽車(chē)單日產(chǎn)生的數(shù)據(jù)量，就是TB級(jí)的。

●數(shù)據(jù)處理方面，處理難度大，模型復(fù)雜度高：由于數(shù)據(jù)量和系統(tǒng)極為龐大，每次改動(dòng)涉及到的的模塊可能都是上百乃至上千。如何評(píng)測(cè)每個(gè)模塊的代碼質(zhì)量，如何檢驗(yàn)各模塊之間是否有沖突，都極為復(fù)雜。需要有對(duì)應(yīng)的工具能快速串聯(lián)數(shù)據(jù)接入-標(biāo)注-訓(xùn)練-評(píng)測(cè)等環(huán)節(jié)。

●數(shù)據(jù)采集和使用的過(guò)程中，政策法規(guī)多、合規(guī)約束嚴(yán)：我國(guó)汽車(chē)行業(yè)的安全合規(guī)要求正不斷完善，已經(jīng)陸續(xù)頒布了數(shù)十項(xiàng)規(guī)定。不是誰(shuí)都有資格進(jìn)行數(shù)據(jù)采集。

這也意味著，智駕汽車(chē)進(jìn)行數(shù)據(jù)采集，需要擁有相應(yīng)的測(cè)繪資質(zhì)，或借助有資質(zhì)的供應(yīng)商來(lái)實(shí)現(xiàn)合規(guī)。

一切都指向了云端算力和“車(chē)云一體”的數(shù)據(jù)閉環(huán)能力——車(chē)企把算力布局的更多注意力和重心放到云端。把云端構(gòu)造的智能化成果輸送回車(chē)端，靠的就是“車(chē)云一體”方案。

數(shù)據(jù)閉環(huán)五大支柱

先看云端算力增長(zhǎng)能帶來(lái)多大的技術(shù)迭代效率提升——

大洋彼岸，特斯拉早已重倉(cāng)云端，并在2024年算力飆升。

2020年，特斯拉每輛賣(mài)出的車(chē)上都搭載Autopilot輔助駕駛功能，并在同年積累了30億英里Autopilot行駛里程。特斯拉依靠云端超算中心處理這些數(shù)據(jù)。

2022年，特斯拉將其最大超算中心規(guī)模擴(kuò)充到了7360張 A100 GPU。車(chē)端大量數(shù)據(jù)+云計(jì)算能力，讓特斯拉在一眾智駕玩家中率先形成“車(chē)云互通”的數(shù)據(jù)閉環(huán)。這是其得以在2024年最先卷出FSD智能駕駛算法的前提。

2024年，特斯拉算力規(guī)模迎來(lái)近乎90度的陡然飆升。

圖源：特斯拉

國(guó)內(nèi)以華為為例。目前華為智能駕駛云端算力達(dá) 5E FLOPS，支撐“華為ADS”每日3500萬(wàn)公里仿真訓(xùn)練里程。

再看“車(chē)云一體”的數(shù)據(jù)閉環(huán)能力。即：從車(chē)端的數(shù)據(jù)采集，到通過(guò)網(wǎng)絡(luò)傳輸上云，再到云端進(jìn)行數(shù)據(jù)和算法的處理，進(jìn)而迭代新的能力再下發(fā)到車(chē)端，實(shí)現(xiàn)功能升級(jí)。

“車(chē)云一體”的數(shù)據(jù)閉環(huán)所帶來(lái)的，就是整個(gè)數(shù)據(jù)鏈路的運(yùn)行效率提升：降低開(kāi)發(fā)運(yùn)維難度和成本、加速應(yīng)用創(chuàng)新和發(fā)布速度、降低實(shí)施落地的風(fēng)險(xiǎn)。

再?gòu)?qiáng)大的算力和數(shù)據(jù)量，如果缺少這種能力，就像廚房里準(zhǔn)備好了豐富食材，卻沒(méi)有好用的廚具和技術(shù)高超的廚師，食材無(wú)法有效利用。

車(chē)端部署小模型，云端訓(xùn)練大模型這種車(chē)云一體循環(huán)，是一種必然的趨勢(shì)。

如騰訊智慧出行副總裁鐘學(xué)丹所說(shuō)，車(chē)云一體化的連接，是讓車(chē)端變得更輕、更可靠，通過(guò)云端來(lái)獲得無(wú)限的擴(kuò)展空間和快速的迭代能力，讓用戶(hù)體驗(yàn)持續(xù)煥新。

“造車(chē)”的成敗關(guān)鍵，再次回到“基建”上。只不過(guò)智駕的新基建，不在地面，而在云端。

誰(shuí)更專(zhuān)注新基建？

捋清“車(chē)輕云重”的趨勢(shì)后，一個(gè)更大視角下的事實(shí)也呼之欲出：

中國(guó)汽車(chē)在電動(dòng)化轉(zhuǎn)型的浪潮中已經(jīng)拔得頭籌

●至2023年，我國(guó)新能源汽車(chē)產(chǎn)銷(xiāo)連續(xù)8年全球第一。

●2024年11月14日，我國(guó)新能源汽車(chē)年產(chǎn)量首次突破1000萬(wàn)輛。是全球首個(gè)新能源汽車(chē)年度達(dá)產(chǎn)1000萬(wàn)輛的國(guó)家。

它離不開(kāi)我國(guó)強(qiáng)大的供應(yīng)鏈網(wǎng)絡(luò)優(yōu)勢(shì)。

中國(guó)新能源汽車(chē)擁有全球最完善的供應(yīng)鏈體系，比如全球 75% 以上的鋰電池在中國(guó)生產(chǎn)；配套設(shè)施方面，今年7月底，全國(guó)充電樁數(shù)量突破千萬(wàn)，其中公共充電樁320.9萬(wàn)臺(tái)，而歐洲公共及半公共充電樁到7月份僅90萬(wàn)根，美國(guó)公共充電樁僅20萬(wàn)根。

從材料研發(fā)、工程設(shè)計(jì)到制造管理、總裝集成，中國(guó)新能源汽車(chē)已形成一批契合“國(guó)內(nèi)大循環(huán)為主體、國(guó)內(nèi)國(guó)際雙循環(huán)相互促進(jìn)”要求的汽車(chē)產(chǎn)業(yè)集群布局。

而到了汽車(chē)產(chǎn)業(yè)從電動(dòng)化往智能化疾跑的當(dāng)下，中國(guó)互聯(lián)網(wǎng)企業(yè)帶來(lái)的“數(shù)智化基建”正形成我們的新助力。

source：pexels

過(guò)去多年里，騰訊、阿里、百度等企業(yè)均構(gòu)建出成熟完整的業(yè)務(wù)體系。當(dāng)互聯(lián)網(wǎng)大廠齊齊進(jìn)入智能汽車(chē)產(chǎn)業(yè)鏈時(shí)，卻選擇了兩條不同的路徑：

一條是既造車(chē)，又提供技術(shù)服務(wù)。另一條是專(zhuān)注做好汽車(chē)智能化的基礎(chǔ)設(shè)施工作。

前者的代表是百度和阿里——百度、阿里各自通過(guò)合資的方式下場(chǎng)造車(chē)。這條路徑也意味著，在智能汽車(chē)產(chǎn)業(yè)中，互聯(lián)網(wǎng)與車(chē)企既是提供技術(shù)的甲乙方、又是競(jìng)爭(zhēng)對(duì)手。在合資造車(chē)的同時(shí)也需要平衡與其他合作企業(yè)間的關(guān)系。

后者的代表是騰訊——主要以“數(shù)智化助手”身份進(jìn)入智能汽車(chē)產(chǎn)業(yè)鏈，不造車(chē)，而是提供云、地圖、AI等技術(shù)，以及社交、娛樂(lè)、出行、協(xié)同辦公等生態(tài)服務(wù)。

而當(dāng)“端到端”、“車(chē)云一體”成為行業(yè)大趨勢(shì)后，人們更多把目光聚焦于——中國(guó)互聯(lián)網(wǎng)企業(yè)將如何以云、圖等技術(shù)為基礎(chǔ)，為產(chǎn)業(yè)伙伴帶來(lái)基于云端的更低研發(fā)成本和更多產(chǎn)業(yè)創(chuàng)新。

source：giphy

華為將其云服務(wù)貫穿于企業(yè)造車(chē)（數(shù)字化研發(fā)、生產(chǎn)、供應(yīng)鏈管理）、賣(mài)車(chē)（數(shù)字化營(yíng)銷(xiāo)）、出行服務(wù)（車(chē)聯(lián)網(wǎng)、地圖導(dǎo)航、內(nèi)容生態(tài)）全價(jià)值鏈。百度一邊造車(chē)，一邊也將力量放在了供應(yīng)鏈與自動(dòng)駕駛相關(guān)服務(wù)上。過(guò)去幾年，阿里云在自動(dòng)駕駛算法上的投入與研發(fā)在近兩年未到看到大進(jìn)展，開(kāi)始逐步將重心更多轉(zhuǎn)向自動(dòng)駕駛云開(kāi)發(fā)平臺(tái)服務(wù)與算力支持。

騰訊的戰(zhàn)略定位比較克制——1）目前為止，騰訊堅(jiān)持不造車(chē)，定位于車(chē)企及Tier1供應(yīng)商的伙伴。2）騰訊云的服務(wù)除了貫穿汽車(chē)全價(jià)值鏈外，專(zhuān)注于智能汽車(chē)“冰山下的基建”。

相較于其他供應(yīng)商，騰訊更早把針對(duì)智駕的云服務(wù)從眾多行業(yè)中單獨(dú)劃分出來(lái)。

●2024年6月，騰訊在上海專(zhuān)門(mén)建設(shè)了智能汽車(chē)云專(zhuān)區(qū)，被認(rèn)為是業(yè)界第一個(gè)建設(shè)汽車(chē)專(zhuān)區(qū)的云廠商。

同時(shí)發(fā)布一站式智能汽車(chē)云解決方案，也是行業(yè)首個(gè)專(zhuān)為智能駕駛打造的一站式云。

這種“埋頭搞基建”的專(zhuān)注力讓騰訊逐步在自動(dòng)駕駛云等領(lǐng)域取得一定優(yōu)勢(shì)。

比如提供車(chē)云一體的數(shù)據(jù)閉環(huán)能力上——騰訊云可提供車(chē)端的數(shù)據(jù)解決方案、云基礎(chǔ)設(shè)施、云上的數(shù)據(jù)平臺(tái)、AlInfra算力平臺(tái)，以及端到端的安全及合規(guī)五大核心能力。

再以合規(guī)舉例——數(shù)據(jù)在車(chē)端采集之后，還涉及到一系列數(shù)據(jù)安全相關(guān)環(huán)節(jié)環(huán)節(jié)，包括分類(lèi)分級(jí)、脫敏、加密等流程。騰訊的優(yōu)勢(shì)在于——同時(shí)坐擁“甲級(jí)測(cè)繪資質(zhì)圖商”和“國(guó)內(nèi)一流云服務(wù)商”雙重身份，并通過(guò)組織架構(gòu)設(shè)計(jì)，確保云業(yè)務(wù)與地圖業(yè)務(wù)同屬一個(gè)事業(yè)群，技術(shù)融合與業(yè)務(wù)協(xié)同十分高效，面對(duì)智駕政策法規(guī)等變化，合規(guī)響應(yīng)及時(shí)到位。

《星船知造》了解到，已有車(chē)企和騰訊云合作，已經(jīng)端到端打通了整個(gè)鏈路,云端能實(shí)現(xiàn)秒級(jí)捕捉變化、分鐘級(jí)下發(fā)更新，通過(guò)云端成圖釋放車(chē)端算力，并結(jié)合多乘大數(shù)據(jù)融合算法，進(jìn)一步提升地圖準(zhǔn)確率。在測(cè)試中，復(fù)雜路口的智駕通過(guò)率提升了20%。

算力方面，端到端所需要的AI算力集群規(guī)模，已從單一集群千卡逐步提升至萬(wàn)卡量級(jí)。騰訊可以提供高性能的算力集群，并且全面適配異構(gòu)芯片，通過(guò)多芯混用的集群來(lái)為自動(dòng)駕駛提供更大的算力，進(jìn)而減少對(duì)單一芯片的依賴(lài)。同時(shí)，車(chē)企大模型訓(xùn)練提供了完備的工程工具，如開(kāi)箱即用的機(jī)器學(xué)習(xí)TI平臺(tái)，全面支持一鍵調(diào)用多種領(lǐng)域的預(yù)訓(xùn)練大模型并且能夠通過(guò)技術(shù)優(yōu)化，實(shí)現(xiàn)2倍以上的推理加速。

source：pixabay

據(jù)騰訊集團(tuán)副總裁、騰訊智慧出行總裁鐘翔平介紹，目前已經(jīng)有九成車(chē)企選擇騰訊云，覆蓋100多家車(chē)企和出行科技公司。

獲得廣泛合作的背后，其實(shí)與騰訊不投機(jī)、做好“數(shù)字化新基建”的定位、以及騰訊本身的企業(yè)基因都有關(guān)系——

雖然騰訊至今堅(jiān)持不造車(chē)，但其實(shí)騰訊是一家在社交、娛樂(lè)、辦公、AI大模型、出行服務(wù)、生活服務(wù)、金融服務(wù)等各個(gè)賽道，都有頭部產(chǎn)品的互聯(lián)網(wǎng)企業(yè)。而其專(zhuān)心搞汽車(chē)數(shù)字化基建的態(tài)度，正把其重連接、強(qiáng)生態(tài)的企業(yè)基因和強(qiáng)大的技術(shù)實(shí)力共同釋放。

如蔚來(lái)CEO李斌所說(shuō)，借助騰訊在行業(yè)內(nèi)領(lǐng)先的云、圖等能力，蔚來(lái)與騰訊實(shí)現(xiàn)的，是雙方資源的高效整合，從而在智能座艙應(yīng)用、自動(dòng)駕駛等領(lǐng)域，為用戶(hù)提供超越期待的產(chǎn)品體驗(yàn)。

中國(guó)的互聯(lián)網(wǎng)企業(yè)正回到它們的初心上來(lái)——做好數(shù)字基建、連接價(jià)值、共創(chuàng)生態(tài)。這將成為中國(guó)智能汽車(chē)產(chǎn)業(yè)的強(qiáng)大優(yōu)勢(shì)，在全球市場(chǎng)不僅“卷”贏銷(xiāo)量與硬件品質(zhì)，也將贏得汽車(chē)智能化的下半場(chǎng)。

主要參考資料：

[1]智能駕駛走向十字路口 純視覺(jué)路線(xiàn)“異軍突起”，激光雷達(dá)未到“拋棄”時(shí).每日經(jīng)濟(jì)新聞

[2]騰訊發(fā)布車(chē)云一體數(shù)據(jù)閉環(huán)方案和智駕地圖8.0，加速智能汽車(chē)演進(jìn)

本文基于訪(fǎng)談及公開(kāi)資料寫(xiě)作，不構(gòu)成任何投資建議

本文為星船知造原創(chuàng)內(nèi)容

未經(jīng)授權(quán)，禁止轉(zhuǎn)載