進入 2023 年，人們還在等待這個冬天的第一場雪，同時也在感歎暖冬已經成為了新的常态。但對自動駕駛産業而言，這個冬天似乎并沒有那麼暖。
回顧 2022 年，全球自動駕駛行業裁員、倒閉、部門裁撤的消息不絕于耳。資本市場也逐漸放棄了自 2021 年初開始對高級别自動駕駛的投資狂熱，整體市場泡沫開始破裂。有業内人士認為，如果資本持續轉冷，将有 90% 左右的自動駕駛項目，在大規模商用落地前就宣告失敗。
但另一方面，自動駕駛又确實在技術、應用上取得了長足的進展，成為各大企業，乃至全球各個國家與地區認可、笃定的發展方向。無論是走 Robotaxi 路線與産業合作路線的科技公司，還是将自動駕駛技術作為主要賣點的新能源汽車企業，以及紛紛走上智能化、電動化道路的老牌車企，都在自動駕駛領域持續投入，以期抵達寒冬之後注定會來到的黎明。
在這種情況下，自動駕駛項目如何過冬，成為了全球車企都在關注和探索的問題。
自動駕駛的
發展動力充足
但波折不斷
自動駕駛的發展動力充足，社會和市場對自動駕駛的接受程度正在達到新的高度。2022 年 4 月，交通運輸部、科技部公開發布了《" 十四五 " 交通領域科技創新規劃》，系統謀劃了 " 十四五 " 期間以自動駕駛為代表的交通科技發展方向。2022 年 11 月，工信部發布了《關于開展智能網聯汽車準入和上路通行試點工作的通知 ( 征求意見稿 ) 》，宣布将對 L3、L4 自動駕駛車輛進行準入管理，并展開試點工作。
在如火如荼的産業推助力之下，沒有企業會低估自動駕駛的長期未來。但在眼下，自動駕駛産業卻在全球範圍内遭遇了一定程度的波折。在 2022 年，福特投資的自動駕駛公司 Argo AI 宣布失敗，曾經一度吸引全球關注的 Aurora 股價大跌，市值縮水超過 9 成，行業頭部公司 Mobileye 估值也從此前的 500 億美元縮水至 170 億美元。而在中國市場方面，根據相關數據，2022 年自動駕駛領域的融資額對比 2021 年同期下降了 60% 左右。出行項目失利、股價大跌、投融資遇冷等問題的背後，是自動駕駛産業根深蒂固的一大頑疾：成本膨脹。
自動駕駛過冬，
關鍵在于成本
目前為止，我們似乎很難找到一家車企，還不研究自動駕駛技術的。但自動駕駛研發高昂的成本，确實已經成為拖累自動駕駛項目進入高潮的關鍵節點。車企迫切需要在自動駕駛研發路途中點燃 " 降本增效 " 的爐火。在今天，如何降低研發成本，已經成為自動駕駛領域一個不可忽視的問題。
由于高等級自動駕駛需要長期發展，且場景化的細分市場難以快速打開成規模的商業空間。因此絕大部分自動駕駛項目都處在長期投資，但難以獲得等比例商業回報的階段。随着自動駕駛研發的持續性投入，相關數據不斷累計、測試需求更加多樣，反而造成了研發綜合成本的持續上升。
但自動駕駛的确定性，又讓車企為代表的汽車行業難以割舍相關項目。這樣來看，緩解自動駕駛項目壓力，幫助車企度過短期資本寒冬的方式，關鍵在于如何降低研發成本。
接下來我們不妨深入一個自動駕駛項目，從具體的技術流程與研發環節中探尋，為什麼自動駕駛會有如此巨大的研發成本問題？這些問題又該如何解決？
抽絲剝繭：
一個自動駕駛項目
的研發成本探尋
我們的故事拟定在歐洲一家汽車制造業企業。這家企業擁有悠久的乘用車制造曆史，以及強大的供應鍊管理能力。但對于 AI 算法開發、海量數據管理、自動駕駛測試等數字化、智能化技術則缺乏經驗與基礎。但在目前階段，自動駕駛已經成為了這家車企的必選項，否則很有可能面臨在下一周期被市場淘汰的風險。
根據估算，這家車企評定出了自動駕駛項目的研發流程。其中包括數據采集、數據導入、預處理标注等前期數據工作，以及自動駕駛算法訓練、仿真測試、數據歸檔等中期工作，算法部署、實路測試、算法叠代等後期工作。根據這家車企的數據量預判，這樣一個自動駕駛項目，其研發周期大概在 60 個月左右。也就是說，有至少五年的時間企業必須持續投入，很難見到商業回報。在實際執行自動駕駛項目之後，這家車企很快發現了一系列成本難題，其中的代表有數據存儲成本、數據使用成本、技術研發成本。
1．數據存儲帶來的成本壓力。
L4 級自動駕駛研發每天都将産生海量的數據，尤其在實路測試階段，每一輛測試車每天将收集大約 60TB 的數據。僅僅一天一車的數據存放，就需要一筆硬盤開銷。與此同時，這些數據經過提煉得到的 Corner Case 也并不是可以低效率存放的 " 冷數據 "，而是要經常進行應用，因此數據調取效率也是一個不小的挑戰。這家車企估算，随着業務的推進，自動駕駛相關項目将收集超過 1000PB 以上的數據，且至少需要保存 30 年以上。這帶來的數據存儲成本壓力不可小觑。
2. 數據流通與應用中産生的綜合成本挑戰。
自動駕駛研發會産生大量非結構數據。比如傳感數據、攝像頭數據、激光雷達點雲數據等，且需要進行大量 AI 标注訓練。車企傳統使用的數據基礎設施，很難适應多樣化數據與 AI 開發的需求。
同時，就像上文所說的那樣。自動駕駛開發要經曆數據采集、導入、預處理、訓練、仿真、部署等多個環節，自動駕駛數據要在衆多流程環節之間流動。每個環節需要的數據類型、負載類型、訪問協議類型都不同。業界的普遍做法是每個環節的數據單獨存儲，這樣車企開發人員需要在不同環節不同存儲設備之間頻繁拷貝、調用數據，導緻寶貴的開發時間大量浪費。在這些流程中，根據這家車企的統計，數據拷貝和管理的時間大約占據了整體開發時間的 25%，極大拖慢了開發效率。這些數據流通、轉化能、應用造成的成本，雖然看似微小，但累計下來的壓力卻大得驚人。
3. 技術理解、研發相關成本激增。
數據難題之外，自動駕駛項目還面臨着其他難題。比如說，自動駕駛的業務流程非常複雜，涉及的相關技術也多種多樣。諸如視頻編解碼、雷達點雲、地理信息、車載傳感器、車載控制器、AI、大數據、OTA 等，都是車企此前并不涵蓋的業務範疇。這些技術都需要車企從頭開啟研發與探索，着實造成了巨大的研發成本擴張。
自動駕駛的基本實現方式是深度學習，需要利用車輛的感知 + 決策能力來實現去司機化的車輛行駛，而這就導緻 AI 算法開發成為了自動駕駛研發的核心。傳統車企對大量 AI 開發與訓練并不熟悉，對 AI 開發所需的數據、算力、網絡基礎設施也比較陌生，自行摸索搭建 AI 研發體系，這也是自動駕駛研發成本高的一大原因。
當然，在這三點之外自動駕駛項目還有很多成本壓力，比如說測試成本、AI 算力成本等等。至此，我們了解了一家車企的自動駕駛研發成本問題。而想要幫助自動駕駛産業跨越寒冬，良性發展，歸根結底也要從這些具體的問題入手，幫助車企降本增效，給冬天帶來溫暖與力量。
點亮 " 降本增效 " 的爐火：
自動駕駛路上的華為價值
整體而言，車企的自動駕駛之路已經來到了至關重要的階段，需要跨越必須經曆的冬天。這個時候，具有技術與解決方案優勢的企業，需要更多貢獻自己的價值，幫助車企降低自動駕駛的研發成本。尤其要避免車企大量進行重複造輪子的工作，将先進、可用的行業共性開放出來，降低車企的重複開發。
如上所述，車企的自動駕駛項目 " 成本膨脹 "，具體分為三層：1. 基礎設施成本激增。2. 技術研發成本過重。3. 适配自動駕駛新戰略的企業綜合成本拉升。
想要解決自動駕駛項目 " 成本膨脹 " 的問題，也就不能頭疼醫頭，腳疼醫腳。而是需要從這幾個層級的需求綜合入手，整體化推動自動駕駛項目成本回歸合理。
在這種多層級、多目标的降低成本需求下，華為的價值優勢就顯現了出來。華為具有端到端的自動駕駛解決方案，集成了數十年積累的網絡、存儲、計算、AI、大數據、雲相關經驗。既可以解決企業在數字化基礎設施、技術獲取方面的難題，也可以幫助車企完成适配新階段、新目标的整體智能化轉型，最終從三大層面為車企帶來綜合的 " 降本增效 " 價值，幫助車企溫暖這個冬天。
第一層，是數字化基礎設施成本的大幅下降。
以我們上面說過的數據問題為例。華為擁有業界領先的存儲技術，其先進的多協議互通技術，可以用一套存儲方案支撐全流程數據存儲，從而避免數據頻繁拷貝。這一點正好應對了自動駕駛的研發難題，車企可以借此提升 25% 的研發效率，從而加速研發進程，降低整體成本。與此同時，華為的超高密度存儲，和對冷熱數據自動分級處理技術，可以有效降低 20% 的 TCO 成本。同時支持大帶寬和高 OPS 場景，更加符合自動駕駛研發海量數據的歸檔、整理、調用需求。
第二層，是幫助車企獲得成熟的自動駕駛技術與工具，盡量避免重複開發。
華為自動駕駛開發平台，可以帶來一系列自動駕駛工具與平台價值。比如其專屬雲合規采集測繪，可以幫助車企實現靈活算力調度，助力自動駕駛項目更加便捷、靈活地完成高精地圖測繪工作。
自動駕駛的海量數據，可能給車企帶來大量的人工标注、清洗數據難題。為此，華為自動駕駛開發平台提供海量數據快速、高效清洗與篩選能力。通過自動化數據标注實現低門檻、高效率的數據處理，性能高出業界 20%。
車企獲得自動駕駛相關能力升級、服務升級的最短路徑，就是從雲服務平台獲取相關價值。為此，華為雲提供了一系列專注于自動駕駛能力的賦能與支持。比如說，AI 算法開發是車企最大的技術挑戰，其門檻高、周期長、不确定性大。為此，華為雲提供一站式 AI 開發平台，可以大幅度降低平台搭建難度和成本，讓車企聚焦算法開發和模型訓練核心能力。
第三層，是幫助車企構建自動駕駛生态，進一步完成數字化轉型。
華為雲攜手産業各界，構建了生态開放的自動駕駛研發平台，開放了自動駕駛研發平台解決方案的開源代碼庫 Ploto，支撐專業軟件服務商部署和對接，幫助車企快速準确找到相關技術與生态合作機遇。
通過整合華為的技術與經驗優勢，華為雲為車企提供了 8 大關鍵能力，包括：數字化轉型經驗、智能制造能力、全球化經驗、雲雲協同能力、自動駕駛方案、安全合規方案、底層技術創新、以及開放生态合作能力。既能夠滿足車企的自動駕駛研發 " 降本增效 "，同時也能夠幫助車企适應數字化、智能化的發展趨勢，提升産業效能。
在華為提供的端到端自動駕駛能力加持下，我們可以看到大量自動駕駛研發成本都有可能得到降低與節約。車企可以更加從容、高效地應對挑戰，更加笃定自動駕駛這條必然之路。
寒冬将過，萬裡複蘇。人類 21 世紀第一個偉大變革——自動駕駛的黃金時代，顯然就快到來。
