【車訊網 報道】　　從年初至今，車企價格戰愈演愈烈，而價格戰背后，則是車企對整車成本壓縮到了極致。這種極致的成本壓縮，也傳導至智能駕駛領域，車企們也從追求高性能產品，逐漸向讓產品更具有性價比轉變。

　　從技術發展角度來說，現階段不管是對輕地圖、無圖化技術路線的討論，抑或是大模型的上車應用等，核心都是為了降低智能駕駛系統成本，提升效能、加速智能駕駛的商業化量產落地。

　　同時，今年8月份，有媒體報道稱，特斯拉正在中國組建一個20人左右的本地運營團隊，以推動自動駕駛解決方案FSD在中國市場落地。另外，報道還稱，特斯拉亦將在中國嘗試成立一個數據標注團隊，規模約上百人，同樣是為訓練FSD的算法做準備。

　　特斯拉FSD如果入華，無疑將發動巨大的“鯰魚效應”，一方面，將有望整體加速中國電動汽車的智能化進程，強化市場消費者的教育和認知。另一方面，某種程度上，也將促進車企優勝劣汰，對于受價格戰沖擊比較大、自研能力較弱的車企來說，未來將面臨更大壓力。

　　隨著智能駕駛從高速走向城區，中國智能駕駛行業也迎來發展拐點，即將進入大規模商業量產落地的新階段。但智能駕駛商業化落地也面臨著技術、數據、安全、政策法規等諸多挑戰，如何突破這些挑戰，快速實現智能駕駛技術的商業化落地，并能夠讓消費者為其買單，將成為車企決勝的關鍵。

　　智能駕駛商業化落地的核心挑戰

　　目前，智能網聯汽車產業的發展已明顯提速，BEV+Transformer大模型的應用，更是加速了智能駕駛技術的商業化落地。

　　產品層面，國內L2級智能駕駛汽車功能不斷增強，智能汽車行駛能力接近L3級水平。市場層面，工信部數據顯示，2023年上半年，具備高階輔助駕駛功能的乘用車新車銷量占比達到了42.4%，預計2025年乘用車高階輔助駕駛的滲透率將會達到70%。

　　盡管產業的發展速度有所提升，但現存的挑戰仍然不容忽視。尤其是當前中國智能駕駛大規模商業化落地仍以L2+為主，距離L3/L4以上更高階的智能駕駛仍有段距離。該話題也在此前在由21財經、21世紀新汽車研究院聯合騰訊智慧出行共同推出「行者有云」主題沙龍活動中，引發行業專家學者、企業負責人等熱議。

　　想要真正的實現L3級以上智能駕駛的商業落地，“在技術上會面臨更大的挑戰，尤其是在人工智能和大模型領域，中國現階段與國外最先進水平仍有所差距。”智慧互通人工智能科學家、清華大學人工智能研究院鄧志東說到。

　　當前，自動駕駛處于非常關鍵時期，一方面是智能駕駛整體搭載規模在極速擴大，另一方面則是智能駕駛整體能力也在快速提升。

　　“但基于與用戶深度交流情況來看，智能駕駛商業化落地還需要克服一些挑戰，比如考慮安全和體驗的兼顧性問題，畢竟一個智能駕駛系統如果安全方面做的不夠好，就缺少存在的根基，如果體驗做的不夠好，則商品價值就不存在。”長安汽車智能化研究院副總經理梁鋒華說到。

　　而想要兼顧安全和體驗，背后的根源在于收集更多、更廣泛的場景數據，以及基于數據不斷提升智能駕駛技術能力。小馬智行副總裁、卡車業務負責人李衡宇表示，中國場景路況比較復雜，無論是哪個級別的智能駕駛，都要應對復雜的場景和路況，應對這樣的挑戰，則必須要收集到足夠多的場景數據，來保證技術能夠取得進步和突破。

　　與此同時，如何降低成本，也將成為智能駕駛邁向商業化量產落地的關鍵。騰訊智慧出行副總裁鐘學丹則表示，海量智能駕駛數據爆發，讓自動駕駛算力逐漸由車端轉向云端，且自動化數據標注和訓練對云端的需求也會帶來成本上升，怎么確保這方面的成本可控，成為關鍵問題。

　　同時，鐘學丹還表示，隨著車端智能化技術的成熟度越來越高，車企對地圖數據的要求，特別是城市級的數據鮮活度的要求也非常高。如果用傳統的數據生產模式，數據的使用成本則非常高，不利于自動駕駛商業化落地。且越來越多相關政策法規的落地和實施，也對自動駕駛大量依賴的數據安全性、合規性提出了更高的要求。

　　針對降低成本問題，鄧志東認為，最終想要實現真正的降本增效，還是需要靠技術創新來解決問題。梁鋒華也表示，面對市場發展趨勢，需要重新思考產業鏈如何更高效的協同發展，即如何提升整體的開發效率、如何通過技術進步去掉不必要的成本。而這離不開車云一體化發展。

　　車云一體，是車企提升算法能力和產品體驗的關鍵

　　隨著汽車智能化水平的提升，智能駕駛數據規模急劇膨脹，僅靠車端算力平臺，不僅成本高昂，其也難以滿足智能駕駛大規模計算的需求。因此，智能駕駛的發展必然要借助云端的能力，自動駕駛的研發也將從最初就借助云端平臺能力構建。

　　“從智能駕駛角度來說，車、云一直都是一體化發展，只有云和基礎架構的能力的提升，才能帶來算法能力的提升和產品體驗的提升。”小馬智行副總裁、卡車業務負責人李衡宇說到。小馬智行在算法迭代上、智能駕駛的技術的研發上，很大程度上得益于基礎架構方面的貢獻和努力，以及對數據的高效應用，更基礎的能力則來自騰訊云服務商的工具鏈、仿真平臺。

　　在梁鋒華看來，車云一體化發展能夠通過云端助力車端給用戶提供更好的服務和體驗，比如遠程診斷、遠程控制等。同時，對于自動駕駛研發方面，通過云端構建算力中心，也能夠為數據存儲、數據訓練、模型的構建提供非常關鍵的基礎設施。面向未來，隨著云端發揮的作用不斷加深，其在開發端的作用也會不斷提升。這也就意味著，從服務到工具再到開發平臺，車云一體化發展將推動產業合作，使其從車云擴展至車路云。

　　不難看出，云計算正在成為汽車行業未來發展的關鍵基礎設施，車云一體化發展成必然趨勢，云端能力也成為車企面向未來需要儲備的關鍵能力。鐘學丹表示，騰訊一直致力于助力車企客戶用更好的算力平臺提升計算效率，并降低數據存儲成本，讓合作伙伴在實現從端的智能化到云的智能化過程中，用更簡單和更低成本的配置和算法的靈活應用，節省單車算力成本投入。

　　目前，行業內也正在積極搭建各種云端超算中心，比如騰訊此前發布的HCC超算計算集群和騰訊自研星脈高性能計算網絡，帶來業界最高3.2Tbps帶寬，算力性能提升3倍，通信性能提升10倍，計算集群GPU利用率提升60%以上，為智能駕駛大模型訓練提供高性能、高帶寬、低延遲的智算能力支撐。

　　產業協同加速中國智駕方案落地

　　中國智能駕駛大規模商業化量產背后，除了面對本土技術發展等壓力外，還同樣面臨著外部強大對手的競爭。比如特斯拉FSD，如果真的進入中國，就會像梁鋒華所言，對中國智能駕駛產業既是機遇，也是挑戰。

　　一方面，其可以促進行業持續變革以及整個產業架構持續優化，另一方面，圍繞中國場景，尤其是中國用戶所面對一些場景提供針對性解決方案，則讓中國智能駕駛方案價值持續最大化。

　　鄧志東則表示，FSD引進中國是非常好的事情，上海引進特斯拉超級工廠帶動了整個新能源汽車供應鏈升級換代，并促進中國的新能源汽車產業的蓬勃發展。FSD的到來可以完善本土供應鏈，甚至推動智能化水平的升級換代。

　　不難看出，雖然特斯拉FSD處于行業領先水平，但在中國場景下，中國智能駕駛解決方案也存在獨特優勢，畢竟中國用戶獨特的場景需求非常求，如遠程智能泊車的系統解決的是停車和挪車的問題。而加快挖掘用戶場景需求的速度和力度，從而給用戶提供更加精細和更深入的服務，可以讓本土的智能駕駛方案價值持續擴大。

　　面對中國智能駕駛方案的商業化路徑問題，鐘學丹也表示，這肯定不是一個企業所能夠解決的，而是需要產業鏈和生態共同推進，甚至需要法規和政策的支持，比如開放城市試驗場景等。

　　李衡宇也表示，從自動駕駛卡車角度來看，自動駕駛卡車在中國的大規模的落地需要至少三個方向的努力——技術、場景和的車輛，需要自動駕駛公司、主機廠和市場三方合力的同時，還需要法律法規和政策的突破，三方的努力和政策法規的推動，產業的共同的進步，才有可能實現智能駕駛大規模的應用和商業化。

　　智能汽車是汽車產業的下半場，核心技術和模式創新仍是當前階段智能網聯汽車加速發展的關鍵。而智能駕駛產業鏈的復雜度已經決定了只靠單個企業無法滿足所有要求，互利共贏才是行業良性發展的前提。