車企競争的重心正在向智能化傾斜。
一個很明顯的例子就是，車企的發布會上，不再着重說明續航、車身設計等，而是更加偏向于展現在智能座艙和智能駕駛方面的能力，比如在車内座艙實現智能語音、手勢交互、車機聯動，或者是實現更高階的智能駕駛和行泊一體等能力。
在談及未來汽車行業發展時，蔚來聯合創始人秦力洪曾表示，" 競争的勝負手在智能，而智能的核心在于自動駕駛。"
對比電動化來說，這是一條新的賽道，大家都在摸索前進，拼算力，拼軟件，拼數據。雖然汽車 " 靈魂論 " 的争論仍未遠去，但這些比拼投入大、技術難、周期長，絕非車企單打獨鬥就能夠完成。
電動化加速，智能化成下一個競争關鍵點
根據中國汽車工業協會數據顯示，2023 年上半年，新能源汽車完成産銷分别爲 378.6 萬輛和 374.7 萬輛，同比分别增長 42.4% 和 44.1%，2023 年上半年新能源汽車的市占率達到 28.3% 以上。
顯然，汽車市場正加速向電動化轉型。
6 月 2 日，國務院常務會議研究提出要延續和優化新能源汽車車輛購置稅減免政策。按照規劃，新能源車購置稅減免政策将于 2023 年 12 月 31 日到期。對此，中信證券研報稱，将有望爲新能源汽車市場提供長期增長動能。
不過，在新能源汽車市占率不斷擴大的趨勢下，硬件逐漸趨同的情況一定會出現，那麽新能源汽車的競争随之就會來到下一階段——軟件層面的智能化。
目前的智能駕駛主要還是輔助駕駛。據工信部相關數據顯示，2021 年中國 L2 級輔助駕駛乘用車新車市場滲透率達到 23.5%，2022 年上半年其滲透率增加至 30%，并且滲透率還在持續不斷提升。有機構預測，到 2025 年，中國 L2 級以上智能汽車的銷量将突破 1000 萬台，滲透率将達到 50%。
更高級别的自動駕駛雖然仍在摸索中，但國内相關法規政策也在不斷推進自動駕駛測試和運營的相關立法。
去年 8 月 1 日，國内首部 L3 法規在深圳開始落地實施，開放 L3 準入，明确事故權責認定。今年工信部表态将全力支持 L3 及以上級别的自動駕駛功能商業化應用。
據麥肯錫調研報告顯示，智能駕駛功能對于消費者購買汽車決策的影響已處于前位。顯而易見，從電動化到智能化，智能駕駛将引發汽車産業新一輪洗牌，這已是業界的共識。
這也就不難解釋車企像特斯拉的 FSD，小鵬的 XPILOT、蔚來的 NAD、理想的 AD Max 都在往更高階自動駕駛發展了。
車企做自動駕駛研發，不外乎三種選擇，第一種是花大力氣建立一個比較完善和成熟的自動駕駛技術團隊；第二種方式，即在體系外搭建團隊；第三種方式，就是與其它技術企業合作。
自研在很多人看來是掌握 " 靈魂 " 的不二選擇，但自動駕駛的研發并非一蹴而就，需要大量的資金投入和項目經驗積累。因此，與真正掌握核心軟件和算法叠代能力的科技公司合作也逐漸成爲行業共識。
跨越上下場：平台、算力、數據
合作既然是共識，那麽接下來便是合作内容了。
衆所周知，自動駕駛汽車的核心是軟件平台，而自動駕駛開發平台的主要功能是爲企業提供一整套的完整的軟件開發部件和平台，從而幫助設備制造商、車輛制造商和服務提供商等方面快速搭建自動駕駛軟件開發及數據處理平台。
IDC 自動駕駛開發平台市場份額調查報告顯示，2022 年中國自動駕駛平台市場規模達到 5.89 億元人民币，市場增速達 106%。 其中，以雲計算廠商爲主導的企業市場份額占比超過 80%。
2023 年 7 月 21 日，在華爲雲智能駕駛創新峰會上，華爲雲發布了基于盤古大模型的自動駕駛開發平台，在盤古大模型加持下，全流程覆蓋智駕開發、仿真測試、實車測試、量産上車等環節。
華爲雲 EI 服務産品部部長尤鵬介紹說，通過數智融合架構打破數據、AI 資源管理邊界，在一個平台即可完成開發、測試、交付上線工作，可以讓業務創新提效 2 倍。同時，借助盤古大模型在認知、感知、決策、優化等全領域的能力，車企可以快速基于盤古訓練出自己需要的模型。
華爲雲 EI 服務産品部部長尤鵬
有了自動駕駛開發平台隻是第一步。
自動駕駛業務流程複雜，這就導緻了數據增長量非常大，每輛自動駕駛汽車每天産生的數據量在 1TB 左右。同時，這些數據必須要經過标注、清洗和預處理才成爲後續處理的原材料，過程中有巨大的标注處理算力需求。
尤鵬分析指出，随着智能駕駛裏程的持續積累，海量行車數據的産生推動自動駕駛水平快速提高。但同時，自動駕駛研發企業面臨的挑戰也日益顯化。影響高階自動駕駛落地的關鍵因素，不再是解決常見的一般案例，而是讓模型快速學習各類不常見、但不斷出現的 " 長尾問題 "。因此，如何提升數據處理效率，如何加速模型叠代，成爲影響自動駕駛技術快速演進的關鍵。
算力成爲自動駕駛能力的核心，決定着自動駕駛算法叠代效率和上限。特斯拉表示其總算力在 2024 年将沖刺 100EFlops，而國内領先玩家亦不遑多讓。
據了解，華爲雲烏蘭察布數據中心就部署了單集群達 2000P Flops 的昇騰 AI 雲服務，大模型訓練 30 天長穩率達到 90%，斷點恢複時長不超過 10 分鍾，同時訓練效能可以調優到業界主流 GPU 的 1.1 倍。
此外，華爲雲還構建了 AI-Native 存儲系統，提供數據 24 小時入雲、精細存儲、高效訓練服務。
算力需求增長的同時，汽車數據安全問題和風險隐患日益突出，包括數據确權、數據防護以及數據流通。
近期也有各種管理辦法出台，比如自然資源部發布《關于促進智能網聯汽車發展維護測繪地理信息安全的通知》以及去年八月國家互聯網信息辦公室等五部門發布的《汽車數據安全管理若幹規定（試行）》。
車企在自動駕駛汽車的研發、量産過程中急需相關技術、經驗與資質。
華爲雲在烏蘭察布汽車專區采用 3 分區合規架構設計，包括數據處理區、智駕業務區和網絡中繼區。其中數據處理區是專爲圖商設計的專屬區域，需通過專線進行自動駕駛路測數據的接入，分區采用雙因子控制權限，由華爲雲和圖商專業人員共同運維。智駕業務區由圖商監管，通過賬号授權給車企或算法公司的自動駕駛研發團隊進行業務研發。網絡中繼區的接入控制有嚴格的身份認證，并且由圖商審批才能将數據傳出專區。
在認證資質方面，華爲雲通過了業内 120+ 權威安全合規認證，還集成了 16+ 安全與隐私合規模闆，可實現一鍵合規檢查、一鍵合規報表。
智能化轉型存隐憂：圍堵加碼
不過，汽車行業在向智能化轉型，搶占競争制高點并非無波無浪。
7 月 4 日，拜登政府拟出台新規，限制中國企業使用美國雲計算服務。新規如獲通過，亞馬遜、微軟等美國雲計算服務商，在向中國客戶提供使用先進 AI 芯片的服務前，需先獲得美國政府許可。
換句話說，如果這種情況真實發生的話，這将是對中國 AI 算力的全面封鎖。
AI 發展的三駕馬車是算力、數據與算法，缺一不可。其中，算力是打造大模型生态的必備基礎。而雲平台是大模型和算力之間的 " 橋梁 "，可針對不同的模型和硬件實現資源的合理分配，達到軟硬件的最優組合，從而大幅提升訓練模型的效率。
此前，盡管美國政府限制英偉達等芯片制造商向中國出售某些類型的芯片，但并沒有阻止微軟和亞馬遜等雲服務商提供托管服務。中國公司仍然可以通過租用資源來訓練複雜的 AI 大模型。
外媒報道稱，美國此舉正是想要避免中國公司在不購買管控設備的情況下，通過雲服務獲得計算能力，從而繞過美國出口限制。
在這樣的背景下，對于車企來說，如何選擇一個雲和 AI 實力兼具的合作企業，對于維持自動駕駛業務的連續性，免遭外部因素幹擾就顯得尤爲重要。
美國雖然是雲計算的領導者，但在中國市場，國内雲計算廠商仍占主要地位。根據 IDC 的數據，IaaS 和 IaaS+PaaS 市場上，阿裏雲、華爲雲、中國電信天翼雲、騰訊雲和亞馬遜排名前五位。
作爲國内雲計算領域的頭部企業，華爲雲的昇騰雲服務就針對自動駕駛典型模型做了針對性優化，除了支持華爲的 AI 框架 Mindspore 外，還支持 Pytorch，Tensorflow 等主流 AI 框架，框架中的 90% 算子，都可以通過華爲的遷移工具從 GPU 平滑遷移到昇騰。
面對鏖戰正酣的中國汽車市場以及随時變化的外部環境，華爲雲盤古大模型不僅能夠爲自動駕駛産業研發、數據叠代加速，驅動産業商業化量産，其全棧自主的昇騰 AI 雲服務還能夠爲自動駕駛帶來另一極的選擇——保障自動駕駛業務連續性。
結語
去年初國家發改委發布了《智能汽車創新發展戰略》，提出到 2025 年，實現有條件自動駕駛的智能汽車達到規模化生産，實現高度自動駕駛的智能汽車在特定環境下市場化應用。
這一戰略的背後，一方面說明高階智能駕駛的量産化交付能力已成爲車企之間競争的關鍵。除了成本管控、供應鏈管理、質量管控以外，是否具備高效的自動駕駛能力也是評判量産交付能力的重要參考指标。
另一方面，留給車企在自動駕駛領域追趕的時間，還有不到兩年時間。那麽，車企需要的恐怕是更多的合作以及車端和雲端更緊密的結合。
（本文首發钛媒體 App）
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
