近期，汽车领域大佬们关于“自动驾驶是不是忽悠”的隔空互怼火爆出圈，引来行业对自动驾驶的讨论再次刷屏。

自动驾驶曾经被认为是汽车行业的未来而备受追捧。如今十年过去，自动驾驶技术虽有取得明显进步，但路上能够看到的主要还是L2级别的辅助驾驶，L3以上的高阶自动驾驶始终难以落地。资本也在重新审视自动驾驶的前景，当初的期待有多高，如今的疑虑就有多深。眼下，“活下去”成了高阶自动驾驶企业的首要问题。

行业已从一味追求高指标或者高性能的自动驾驶的功能模块，转向兼顾性能与性价比，显示市场正在回归理性。业内的关注点重新回到对L2+智能驾驶技术的打磨、成本与价格的控制上，力求在实现商业闭环的同时，推动高级辅助驾驶技术向高阶发展。

或许有一天，高级辅助驾驶技术与高阶自动驾驶将会在某个点相遇，走向融合。

数据驱动轮子带来新的挑战

即便是现在，无人驾驶也并非完全是“皇帝的新装”。在某些局部区域，比如港口、园区等已经实现，只是在更广阔、复杂的场景里还需要更多的调试和打磨。

当前全球汽车正处于百年变革的关键节点，汽车的“新四化”（电动化、智能化、网联化和共享化）革命为业内每个参与主体同时带来了前所未有的挑战与机遇。如今电动化、网联化已经顺利形成，智能化将在汽车产业变革的下半场上演，是整个行业普遍的认知。

尽管关于自动驾驶的口水仗频频登上热搜，但在智能化这个无人敢忽视的趋势面前，大家的身体都非常诚实。

在近期的上海车展上可以看到，除了小鹏、蔚来、问界等造车新势力们在智能化系统配置及辅助驾驶能力方面持续升级，包括沃尔沃、劳斯莱斯等传统车企也推出了具备高阶智能驾驶辅助的产品。一贯被认为对于新技术更加保守的丰田，也展出了和中国自动驾驶公司小马智行合作的车款。

可能让大家想不到的是，其实比亚迪还是自动驾驶的先行者。早在 2013 年，比亚迪就推出了线控自动驾驶汽车，2018年又推出开源车载智能开发平台“比亚迪D++开发生态”；2021年，比亚迪先与汽车智能芯片企业地平线达成合作，后与自动驾驶公司Momenta合资成立自己控股的自动驾驶公司，布局高阶自动驾驶；从2023年起，比亚迪又引入了英伟达的自动驾驶芯片（Drive Orin）和自驾平台（DRIVE Hyperion）。

2023年车市，量产车的电动化、智能化汽车带来的将是市场更激烈的淘汰赛。

百度集团资深副总裁、智能驾驶事业群组总裁李震宇近日公开表示，“2026年，当智能化完成市场‘跨沟’后，没有智能驾驶能力的汽车将难以进入用户的购车清单。”他认为，未来3年是智能化的关键窗口期。

在这个过程中，智能化正在成为车企比拼差异化优势的核心要素。当汽车变成一个多功能的互联网终端入口，一辆车上的软件价值占比将超过65%，软件定义了汽车。一方面，软件所带来的性能和体验对汽车用户体验的影响越来越关键；另一方面，就像特斯拉所展示的，软件价值量提升为车企带来更多样化的收费模式，延长了汽车的生命周期和价值周期。

无论是软件的运行、迭代还是针对用户行为的智能化学习，都离不开数据要素的支撑。同样的硬件，数据的丰富性和处理效率决定了用户的体验。

而围绕数据的采集、存储、价值挖掘、安全管理等问题，成为行业发展的关键。

不同于传统汽车，智能网联汽车既通过车内外传感器采集大量的行驶数据、环境数据和行为数据，又采集海量操作系统的用户行为数据，这些海量数据维持着车辆日常的运行。一辆L4高等级自动驾驶汽车每天会产生的数据量能达到10TB，是传统汽车的近10倍。

如何安全、有效、合规地采集、存储和分析使用这些数据，涉及算力、存储、系统、技术、监管等诸多方面的问题。

以算力为例。根据《汽车数据安全若干管理规定（试行）》，要求汽车数据处理者尽可能对数据进行匿名化、去标识化等处理，即“脱敏处理原则”，且除非确有必要，汽车数据的处理者不向车外提供汽车数据，应在车内完成数据存储、数据脱敏，以及算法训练、数据销毁及数据使用等处理活动，即“车内处理原则”。这些要求需要让海量数据必须在车内完成闭环，不仅对存储能力提出巨大的挑战，更会占用较高算力且提高整车算力峰值，增加对芯片的需求，进而导致成本升高。目前车企按照峰值计算方式进行统计，部分车型L2/L3级自动驾驶功能消耗车端算力大概占到50%-60%，最高可消耗近90%的算力，留给数据脱敏的算力空间本就不多。同时，汽车数据脱敏处理流程非常复杂，涉及数据预处理，敏感区域定位，匿名化处理等操作，也会增加对算力的需求。

此外，由于不同厂商的软件系统标准不统一，产生的数据也存在不同标准，要想实现跨终端打通，往往没有现成方案，需要自己去全链布局。这对汽车生态链上任何一家企业而言，都意味着长周期、重投入和无数技术的铜墙铁壁。

焦虑困扰整个产业链

面对上述挑战，市场上出现三种实现自动驾驶的路径：一是车企坚定全栈自研，完全自主掌控自动驾驶能力；二是汽车公司与自动驾驶公司通过组建合资公司等方式深度绑定；三是汽车公司自研+相关的解决方案供应商模式。

这里不探讨路径的好坏，每家做出的选择都有自己的道理；但无论选择哪种路径，都离不开成本、自主可控与竞争效率的考量，背后都存在各种焦虑。

如果造车是“躯体”，自动驾驶技术就是“灵魂”，很多自主汽车厂商出于对灵魂自主的考虑选择了第一种模式。所有的厂商都希望灵魂掌握在自己手里，但能够像特斯拉这样牢牢掌握了所有核心技术并垂直整合供应链的车厂还是极少数。

无论是能力、财力，还是速度、效率，都是车企实现自动驾驶路上的拦路虎。

一些传统企业为摆脱灵魂焦虑，不仅要造硬件，更要all in它并不擅长的软件领域。过去在软件能力上的缺失，成为其竞争薄弱环节。很多汽车公司拥有大量的用户，但是这些用户几乎没有被激活，在软件上也少有变现。

除了思维、战略上的差距，人力方面的鸿沟也难以追赶。一个显而易见的事实是，在同等营收规模下，科技企业的软件人才要远超于需要兼顾更多硬件的传统车企。比如，英特尔2022年营收为631亿美元，它在全球有15000个软件工程师；而大众汽车以全球2000多亿欧元的营业收入规模，仅仅能够支撑起5000人的软件工程师团队。而更多的车企很难靠既有的业务规模支撑起大量软件工程师的成本开支，而靠这样的团队实现全栈自研去参与竞争，无异于用小米步枪去对战飞机坦克。

通过借助外部的技术力量来实现自动驾驶研发的路径相对来说更加灵活，但也面临着不同程度的数据闭环问题。

对于数据的采集、存储、标记、训练等多个环节，需要综合多方面衡量，过去一年当中有不少数据标签公司的成长相当迅速。这说明数据处理是一个需求旺盛、成本昂贵的业务。很多数据处理的操作其实是共性的需求，但不同的公司分别在操作，各自付出相应的成本，其中有相当一部分成本是重复的。

有个怪现象：以前做手机的苹果、小米、富士康要造车，造车的特斯拉、吉利、蔚来要做手机。其背后的逻辑都是想要在自身的势力范围内构建物联网生态闭环，实现生态内整合。但这样做的结果是战线无限拉长，且对每一个动作的容错能力都很低。

此外，无论是自研还是携手伙伴，自动驾驶最终能否量产落地，很大程度上还要取决于成本控制。举例来说，为了解决预期功能测试智能汽车的安全驾驶长尾问题，需要企业自己采集用户的闭环数据，需要亿级公里的数据才足以让自动驾驶汽车量产落地，并且确保安全。而企业自己采一两百万公里数据的成本已经非常高，不说几十亿公里的数据，连1亿公里的数据采集费用都承受不了。

这也是高阶自动驾驶方案迟迟不能量产的原因。而今年车展上多家自动驾驶厂商发布的“行泊一体”技术，因其能给车企带来成本和开发效率上的优势，就获得了市场的青睐。

优势互补好过各“补短板”

尽管存在诸多问题，中国的自动驾驶产业呈现勃勃生机。有调查表明，国内有70%的人能够接受自动驾驶，而国外只有30%。叠加中国互联网的普及与各地方政策的鼓励，未来自动驾驶在国内的落地程度一定会领先全球。这是整个产业链的机会。

同样，便捷、高效、安全的自动驾驶从想象变为现实，也需要整个产业链多方协同配合。

汽车是一个长周期、重技术的产业，一款新车的研发周期普遍要3到5年，涉及1-2万个零部件和越来多的软件，产业链极其庞大，单一的角色很难完成所有的硬件研发和智能技术的积累，没有一家企业能够做到全链通赢，都有各自的优势和短板。相对而言，车企更懂场景和用户，技术公司更懂技术，二者互相协同，才能让技术落实到场景里，实现市场价值。

而且在“新四化”加速的当前，技术研发越来越快，速度要求越来越高，单打独斗的策略很难做到既硬件和软件同时铺开，又在研发速度上保持领先。

对企业而言，市场竞争实际上变成了产业资源整合能力的综合比拼，与其耗费资源去补短板，不如寻找优势合作伙伴进行互补。

比如，在率先实现自动驾驶量产的关键竞赛中，车企在研发效率、速度和成本上面临的挑战比较突出，而一些深耕数字化领域多年的合作伙伴，刚好能够补足这块优势能力。

华为云近期提出的“乐高式”自动驾驶研发工具链解决方案，能让车厂如同搭积木一般灵活组合工具链，提高研发效率。在提升研发速度以及降低成本的需求，华为云提供可显著缩短自动驾驶模型迭代周期的“训练加速，数据加速，算力加速”三层加速方案。同时以存储技术、NeRF 3D重建降低场景积累成本，缩短里程爬坡进程。这对车企而言，既可守住身体和灵魂，又搭上自动驾驶的快车，能够专注于用户体验，实现研发的快速迭代。

大厂们的“开放”战略也体现了自动驾驶产业协同的共识。近期，华为云宣布构建开放生态，在数字化转型咨询、数字化研发、数字化生产与供应链、数字化营销和数字化出行、物流等领域为伙伴赋能，共同构筑开放、繁荣的汽车行业解决方案生态圈。

一个开放的汽车产业生态圈里，各类主体合理分工，在各自擅长的领域发挥优势，互相协同打通，才能在激烈的竞争中赢得一席之地。一些行业共同的难题，也有赖于整个产业生态的开放来解决。

采用数据闭环来驱动算法迭代，几乎已经被公认为是提升自动驾驶能力的必由之路。很多主机厂和自动驾驶Tier1都在搭建自己的数据闭环系统，甚至还专门设置了数据闭环架构师的职位。量产车上有大量真实、及时的数据，让云服务商、供应商、算法供应商、车企共享数据，让这些沉睡的数据流转起来，实现数据闭环，可以让所有生态伙伴从中获益。

现阶段，数据闭环面临着数据合规与算力供应等突出挑战，都需要以强大的云服务为后盾。因此，云解决方案提供商是推动数据闭环的主要力量。

比如，华为云在全国范围内构筑了“3+M+N”的专属云平台，可帮助车企建立安全合规的云平台，同时快速实现采集数据上传，解决数据安全合规与算力供应问题。此外，华为云的三层加速方案，让自动驾驶算法能够高效被训练、被推理，也有助于形成整个数据端到端的闭环。

在自动驾驶落地竞技的过程中，无论是车企、汽车供应商、算法供应商，还是云服务商及其供应商，如何用好产业链伙伴的能力，将会是赢得竞争的关键。早日实现真正意义上的数据闭环，也是我国汽车产业下一步发展的关键。

回顾汽车产业百年发展史，汽车业对整个工业链条乃至国民经济与生活的革命性影响，使其不仅成为各国产业发展的浓缩，更是一个个经济体发展的侧影。从上世纪初的美国到七八十年代的日本，到近十多年的德国，汽车业全球霸主的转移与全球经济体高速发展的重心转移有着密切联系。从本世纪开始，全球汽车消费最大市场已经转移到我国。

如今，自动驾驶的时代正在驶来，中国的汽车产业出现了前所未有的机遇和挑战。在这个重要的历史转折点，自动驾驶领域应全产业链通力合作，通过加速技术创新来应对挑战，抓住自动驾驶的下一个黄金十年，跑出整个中国汽车产业乃至中国经济的“加速度”。

责任编辑：kj005