今天的自動駕駛，已經到了拼「數字基建」的階段。

從「BEV+Transformer」成為公認的算法架構開始，算法壁壘其實在被逐漸打破，曾經神秘的端到端范式，也在一點點揭開技術面紗。

以蔚小理為代表的新勢力車企躬身入局，華為、博世等供應商們也紛紛亮出了端到端智駕大模型。

可以看到，各家都到了端到端模型的落地階段，這時比的是誰迭代速度更快，誰上車體驗更像「老司機」。

從技術角度出發(fā)，這指向了冰山之下數據閉環(huán)的建設能力。

英偉達自動駕駛負責人吳新宙認為，數據閉環(huán)已經成為實現高階智駕的「華山一條路」，沒有一家車企可以繞開。

所謂數據閉環(huán)，它的底層邏輯是：

車端與云端形成閉環(huán)，車端將數據反饋給云端，在云端集中進行自動駕駛模型的訓練與仿真，再把模型數據發(fā)回車端，進行 OTA 部署及更新，兩端進行協(xié)同互補，由此完成了智駕技術的迭代與進化。

而端到端的技術架構，從感知到規(guī)控端串聯成一整個 AI 神經網絡，要讓 AI 像人一樣思考、決策，則意味著云端的訓練數據足夠大且精，算力足夠大，算法足夠強，否則泛化性、準確率和召回率就難以保障。

這也意味著，在 AI 定義汽車的時代，智能化競爭的重心，集中到了車端到云端的數據閉環(huán)上。

往更深層次著眼，數據閉環(huán)的落地，又需要強大的工程化能力進行支撐，即數據從采集、傳輸到存儲、訓練、優(yōu)化的全流程環(huán)節(jié)，要形成一套完整的技術體系與工具鏈。

由此，圍繞這條自下而上的方法論，智駕玩家們都開始從基礎建設著手，與云服務商在「相輔相成」的關系中緊密綁定。

比如，博世近期就宣布與騰訊深化戰(zhàn)略合作關系，在自動駕駛公有云、專有云領域開展進一步合作。

01、搭上「云梯」，博世后發(fā)而先至

近兩年，國內智駕肥沃的土壤，已經生長出不少技術、量產能力過硬的智駕玩家。

后來者想要入局，必須在短時間內做出差異化成績。

對于博世而言，這無疑是一個巨大挑戰(zhàn)。

一是市場競爭殘酷，在國內智能駕駛、智能座艙領域，它至少面臨 200 個競爭對手；

二是容易水土不服，這家以硬件著稱的老牌企業(yè)，到達了用軟件廝殺的新賽道，需要重新建立優(yōu)勢。

但作為全球零部件巨頭企業(yè)，博世還是拿出了「大象轉身」的魄力與決心。

比如在組織架構層面，為順應「軟硬全?！沟陌l(fā)展趨勢，博世成立了智能駕駛與控制事業(yè)部，在年初，又整合成「博世智能出行集團」，正式在軟件領域走上正軌。

當然，博世也并非完全從零開始，百年積攢下的工程化思維已經構建成量產能力，它需要的是在軟硬件適配基礎上，先搭建出高階智駕的方案體系。

在底層能力建設上，博世則找到了騰訊，為其搭建了一條穩(wěn)定、完整的開發(fā)工具鏈。重點是，依托騰訊提供的云與合規(guī)一體化方案，攻克了數據合規(guī)難題。

對于這家德國企業(yè)而言，合規(guī)問題一直貫穿數據采集、處理、訓練、存儲的全鏈路，相關法規(guī)要求也愈發(fā)嚴苛，由此，從騰訊借力是一個有效方式。

騰訊在這方面，本身有圖商資質兜底，同時獨家開設了華東、華北兩地的自動駕駛云專區(qū)，專門為自動駕駛開發(fā)創(chuàng)造了一個端到端、全程合規(guī)的數據閉環(huán)服務。

博世智能駕控事業(yè)部中國區(qū)總裁吳永橋表示，騰訊相當于充當一個警察角色，幫助其在數據處理、篩選、標注等工作上完成了合規(guī)任務，很大幅度提升了開發(fā)效率。

目前，博世已經取得了第一階段成果，用 18 個月時間，將高階智駕方案量產部署在奇瑞星紀元車型上。

按照博世規(guī)劃，下一站是繼續(xù)沿著模型軌跡，量產兩段式端到端后，在 2025 年過渡到一段式端到端方案，最后在 2026 年完成世界模型的搭建。

在這個過程中，對于數據、算法、算力的需求愈發(fā)增強，換言之，博世需要更強大的底層工具鏈進行穩(wěn)定支撐。

吳永橋認為，未來端到端大模型走多快，多遠，比拼的關鍵因素是高質量的數據。

對于智駕供應商而言，數據資源更是極為可貴，因此，不僅要采集并積累大量、有用的數據，還要讓這些數據得到高效利用，以滿足快速迭代的算法訓練需求。

這意味著，博世需要從底層工具鏈上，構建起對這些數據資產的管理能力，即如何對數據進行有效分類、調度、訓練。

在騰訊的存算一體解決方案中，提供了相應開發(fā)工具。數據提前被分類為熱點、非熱點，然后儲存在不同的程序中，可以被系統(tǒng)迅速調度出來并使用。

這樣下來，既保證了極致的響應時延和成本優(yōu)化，助力訓練任務充分釋放出 GPU 的算力，又保障了高帶寬和超大的容量需求，讓 AI 訓練可靠、高效。

博世還通過騰訊云向量數據庫，對海量的圖片、視頻、點云等非結構化數據進行快速、準確處理。

比如，在自動駕駛系統(tǒng)把車尾燈倒影判斷為障礙物，導致無法行駛的場景下，通過一張簡單的截圖來提取關鍵特征，基于圖像檢索就可以從騰訊云向量數據庫中幾乎即時地搜索到大量相關的數據，大大提升了博世算法團隊算法優(yōu)化的效率。

需要強調的一點是，騰訊在與 Tier1 博世的合作中，專注扮演好了 Tier2 的角色。

騰訊智慧出行副總裁劉澍泉在采 訪中表示，騰訊云偏向于提供通用技術，比如在數據清洗層面模糊敏感信息，而博世靠近業(yè)務領域，在仿真訓練等方面有更精深的理解，雙方始終做好相互配合。

冰山之下，數據閉環(huán)的快速迭代，加速了冰山之上模型的性能提升。

基于此，博世能夠在與騰訊 1+1 大于 2 的合作關系中，迅速跟上國內端到端技術浪潮，完成高階智駕的關鍵一躍。

02、無圖趨勢下，「圖商」的身份進化

車路云協(xié)同的大基調下，地圖數據同樣構成了云端數據的核心一環(huán)。

因此，圖商同樣成為了智駕領域的關鍵角色，隨智駕演進完成了身份進化。

在高精地圖時期，圖商往往僅需交付出一個「黑盒子」式的方案，供車企、智駕供應商量產上車，但成本高、鮮度低、覆蓋度低，已經不適用于城區(qū)智駕。

并且，隨著從「BEV+Transformer」再到端到端的技術架構演進，車端感知能力隨著模型訓練不斷強化，這意味著對于高精地圖的依賴會大幅度弱化。

當然，這并不意味著「圖商」的存在感降低。

因為自動駕駛的根本任務不會改變，即從 A 點行駛到 B 點，這注定離不開地圖。

只不過，智駕玩家們對于地圖的需求，轉變?yōu)橐蕾囋鯓拥牡貓D，以及依賴程度有多深。

由此，行業(yè)需要圖商因時而變，提供更適配、更靈活、更具可持續(xù)性的服務。

需要明確的一點是，從高精地圖到無圖，并非一蹴而就。

吳永橋提到，目前在測試很多無圖方案過程中，都會發(fā)現「復雜路口車道識別困難」的問題。

而解決這個問題，需要從三點努力：

• 強調感知功能，讓汽車實時、甚至提前識別到車道箭頭線；

• 通過針對性數據訓練，比如收集 100 萬個復雜路口行駛數據，訓練 AI；

• 給地圖加入輕度掛接元素，輔助車輛通過極端復雜路口，改善用戶體驗。

這可以總結為兩個方向，一邊是在云端層面提供更強大的算力支持，供模型完成優(yōu)化訓練；一邊是給地圖加上「補丁」，滿足自動駕駛地圖數據實時更新的需求。

兩個方向同時進行，這是行業(yè)大多數智駕玩家正在踐行的路徑。

這也指明了，從高精地圖到無圖的過程中，存在一些中間狀態(tài)，需要通過輕地圖方案進行過渡，增加安全冗余。

而「圖商」的任務，就是針對輕圖、無圖的需求，扮演推動者的角色。

騰訊充分考慮到了這點，首創(chuàng)「一張圖」地圖生產模式，即融合標準地圖（SD Map）、輔助駕駛地圖（ADAS Map)、高精地圖（HD Map) 等不同精度等級的地圖數據，做到數據同源、質量同級，把數據資源放到一個池子內消化、更新。

在此基礎上，推出了 HD Air 輕高精地圖、智駕云圖等產品形式。

先看 HD Air 輕高精地圖，它介于導航地圖與高精地圖之間，保留了城區(qū)智駕所需的基礎要素，卸下了很多不必要的地圖數據負擔，更輕量化表達，降低建圖成本。

同時，在更新頻率上保證周級更新，通過提供實時準確的數據，幫助敏捷應對快速變化的城市場景。

而智駕云圖，則更切合「無圖」的語境。

基于云管端的模式，智駕云圖可以結合動態(tài)交通信息、環(huán)境信息、用戶駕駛經驗和車企自有數據資產，進行云端多程建圖，實現要素級、最快分鐘級的在線更新。

這種云圖能力，可以配合車企、智駕供應商完成無圖方案的整體構建，幫助端到端大模型在各種極端場景下穩(wěn)定運行。

某種程度而言，當「輕圖」、「無圖」成為進入智駕第一梯隊的入場標準時，行業(yè)愈發(fā)看中圖商技術創(chuàng)新、數據管理、合規(guī)保證的能力。

因此，騰訊在該層面積攢的經驗已經轉化成了優(yōu)勢。博世也將憑借騰訊云圖一體的能力搭建底層橋梁，將「端到端+無圖」方案快速推向市場。

03、汽車上云，開放生態(tài)下的決勝關鍵

隨著智駕技術不斷變革，智駕產品正逐步成為汽車標配。

吳永橋認為，在智能化下半場，10-15 萬的車沒有高速 NOA，肯定不會有消費者愿意購買。他預測，中階智駕在 10-15 萬市場占有率將很快達到 60%。

這種滲透速度，基本指向了一場車企、智駕供應商之間的競速賽，關乎模型迭代、量產上車、性能體驗。

實際上，從開城到無圖，再到端到端浪潮，帶來的不止于技術洗禮，還有對基礎結構乃至組織層面的重塑。

比如博世、小鵬，都在組織層面進行統(tǒng)一動作，即將算法團隊一分為二，一部分團隊專注算法研發(fā)，另一部分專注工程化落地、交付。

人員重新變動，映射出成本的重新分配。

端到端技術路徑讓數據驅動成為共識后，各家都在最大限度調度資源，試圖掌握更多的算力、數據、算法籌碼。

但不是每個玩家都像特斯拉一樣，能夠輕易調動起高階智駕需要的運力。

開發(fā)理念開始出現分歧，一種是基于巨人的肩膀做創(chuàng)新，另一種是重新造一個巨人的地基。

理想狀態(tài)當然是，回歸理性，各自做各自擅長的事情。

汽車上云，成為了大多數自動駕駛玩家的必選項。

上云最大的兩個好處，一是合規(guī)，二是高效。

這兩點是自動駕駛企業(yè)的生存重要指標。

尤其是高效，劉澍泉認為，企業(yè)最后競爭的是效率，企業(yè)效率越高，迭代的越快，盈利能力越好。

因此，通過與云服務商的合作，自動駕駛企業(yè)能夠在開發(fā)層面獲得大量的計算資源，以供數據存儲或訓練。

而騰訊在云服務商領域，一個顯著特點是開放。

這也是博世選擇騰訊作為合作伙伴的關鍵要素。

某種程度上，「開放」一詞放在騰訊身上，意味著生態(tài)共享，包括騰訊云、騰訊地圖，甚至微信關聯的智能座艙，都將被進一步融合在一起，提供給智駕企業(yè)更深度、廣泛的服務。

最新數據是，騰訊云合作已覆蓋超過 100 家車企和出行科技企業(yè)，其中，有九成車企首選騰訊作為汽車云服務伙伴。

劉澍泉直言，以騰訊云為代表的云服務商，正身處于百億級別的藍海，市場空間呈指數級不斷擴大。

這也意味著，云對于自動駕駛的改變，才剛剛開始。

一種雙向奔赴的勢頭也逐漸顯露。

當智駕進入白熱化競速階段，馬太效應也會愈發(fā)強烈，再回歸到效率、成本、體驗的三角關系中，對于車企、智駕供應商而言，選擇穩(wěn)定、合適的供應鏈伙伴，往往代表了一種更可觀的經濟效益。

毫無疑問，汽車上云，擴充并強化「冰山之下」的底層技術儲備，將成為未來「冰山之上」智駕顯性能力的決勝關鍵。

返回第一電動網首頁 >