车企竞争的重心正在向智能化倾斜。

一个很明显的例子就是，车企的发布会上，不再着重说明续航、车身设计等，而是更加偏向于展现在智能座舱和智能驾驶方面的能力，比如在车内座舱实现智能语音、手势交互、车机联动，或者是实现更高阶的智能驾驶和行泊一体等能力。

在谈及未来汽车行业发展时，蔚来联合创始人秦力洪曾表示，“竞争的胜负手在智能，而智能的核心在于自动驾驶。”

对比电动化来说，这是一条新的赛道，大家都在摸索前进，拼算力，拼软件，拼数据。虽然汽车“灵魂论”的争论仍未远去，但这些比拼投入大、技术难、周期长，绝非车企单打独斗就能够完成。 

电动化加速，智能化成下一个竞争关键点 

根据中国汽车工业协会数据显示，2023年上半年，新能源汽车完成产销分别为378.6万辆和374.7万辆，同比分别增长42.4%和44.1%，2023年上半年新能源汽车的市占率达到28.3%以上。

显然，汽车市场正加速向电动化转型。

6月2日，国务院常务会议研究提出要延续和优化新能源汽车车辆购置税减免政策。按照规划，新能源车购置税减免政策将于2023年12月31日到期。对此，中信证券研报称，将有望为新能源汽车市场提供长期增长动能。

不过，在新能源汽车市占率不断扩大的趋势下，硬件逐渐趋同的情况一定会出现，那么新能源汽车的竞争随之就会来到下一阶段——软件层面的智能化。

目前的智能驾驶主要还是辅助驾驶。据工信部相关数据显示，2021年中国L2级辅助驾驶乘用车新车市场渗透率达到23.5%，2022年上半年其渗透率增加至30%，并且渗透率还在持续不断提升。有机构预测，到2025年，中国L2级以上智能汽车的销量将突破1000万台，渗透率将达到50%。

更高级别的自动驾驶虽然仍在摸索中，但国内相关法规政策也在不断推进自动驾驶测试和运营的相关立法。

去年8月1日，国内首部L3法规在深圳开始落地实施，开放L3准入，明确事故权责认定。今年工信部表态将全力支持L3及以上级别的自动驾驶功能商业化应用。

据麦肯锡调研报告显示，智能驾驶功能对于消费者购买汽车决策的影响已处于前位。显而易见，从电动化到智能化，智能驾驶将引发汽车产业新一轮洗牌，这已是业界的共识。

这也就不难解释车企像特斯拉的FSD，小鹏的XPILOT、蔚来的NAD、理想的AD Max都在往更高阶自动驾驶发展了。

车企做自动驾驶研发，不外乎三种选择，第一种是花大力气建立一个比较完善和成熟的自动驾驶技术团队；第二种方式，即在体系外搭建团队；第三种方式，就是与其它技术企业合作。

自研在很多人看来是掌握“灵魂”的不二选择，但自动驾驶的研发并非一蹴而就，需要大量的资金投入和项目经验积累。因此，与真正掌握核心软件和算法迭代能力的科技公司合作也逐渐成为行业共识。

跨越上下场：平台、算力、数据

合作既然是共识，那么接下来便是合作内容了。

众所周知，自动驾驶汽车的核心是软件平台，而自动驾驶开发平台的主要功能是为企业提供一整套的完整的软件开发部件和平台，从而帮助设备制造商、车辆制造商和服务提供商等方面快速搭建自动驾驶软件开发及数据处理平台。

IDC自动驾驶开发平台市场份额调查报告显示，2022年中国自动驾驶平台市场规模达到5.89亿元人民币，市场增速达106%。 其中，以云计算厂商为主导的企业市场份额占比超过80%。

2023年7月21日，在华为云智能驾驶创新峰会上，华为云发布了基于盘古大模型的自动驾驶开发平台，在盘古大模型加持下，全流程覆盖智驾开发、仿真测试、实车测试、量产上车等环节。

华为云EI服务产品部部长尤鹏介绍说，通过数智融合架构打破数据、AI资源管理边界，在一个平台即可完成开发、测试、交付上线工作，可以让业务创新提效2倍。同时，借助盘古大模型在认知、感知、决策、优化等全领域的能力，车企可以快速基于盘古训练出自己需要的模型。

华为云EI服务产品部部长尤鹏

有了自动驾驶开发平台只是第一步。

自动驾驶业务流程复杂，这就导致了数据增长量非常大，每辆自动驾驶汽车每天产生的数据量在1TB左右。同时，这些数据必须要经过标注、清洗和预处理才成为后续处理的原材料，过程中有巨大的标注处理算力需求。

尤鹏分析指出，随着智能驾驶里程的持续积累，海量行车数据的产生推动自动驾驶水平快速提高。但同时，自动驾驶研发企业面临的挑战也日益显化。影响高阶自动驾驶落地的关键因素，不再是解决常见的一般案例，而是让模型快速学习各类不常见、但不断出现的“长尾问题”。因此，如何提升数据处理效率，如何加速模型迭代，成为影响自动驾驶技术快速演进的关键。

算力成为自动驾驶能力的核心，决定着自动驾驶算法迭代效率和上限。特斯拉表示其总算力在2024年将冲刺100EFlops，而国内领先玩家亦不遑多让。

据了解，华为云乌兰察布数据中心就部署了单集群达2000P Flops的昇腾AI云服务，大模型训练30天长稳率达到90%，断点恢复时长不超过10分钟，同时训练效能可以调优到业界主流GPU的1.1倍。

此外，华为云还构建了AI-Native存储系统，提供数据24小时入云、精细存储、高效训练服务。

算力需求增长的同时，汽车数据安全问题和风险隐患日益突出，包括数据确权、数据防护以及数据流通。

近期也有各种管理办法出台，比如自然资源部发布《关于促进智能网联汽车发展维护测绘地理信息安全的通知》以及去年八月国家互联网信息办公室等五部门发布的《汽车数据安全管理若干规定（试行）》。

车企在自动驾驶汽车的研发、量产过程中急需相关技术、经验与资质。

华为云在乌兰察布汽车专区采用3分区合规架构设计，包括数据处理区、智驾业务区和网络中继区。其中数据处理区是专为图商设计的专属区域，需通过专线进行自动驾驶路测数据的接入，分区采用双因子控制权限，由华为云和图商专业人员共同运维。智驾业务区由图商监管，通过账号授权给车企或算法公司的自动驾驶研发团队进行业务研发。网络中继区的接入控制有严格的身份认证，并且由图商审批才能将数据传出专区。

在认证资质方面，华为云通过了业内120+权威安全合规认证，还集成了16+安全与隐私合规模板，可实现一键合规检查、一键合规报表。

智能化转型存隐忧：围堵加码

不过，汽车行业在向智能化转型，抢占竞争制高点并非无波无浪。

7月4日，拜登政府拟出台新规，限制中国企业使用美国云计算服务。新规如获通过，亚马逊、微软等美国云计算服务商，在向中国客户提供使用先进AI芯片的服务前，需先获得美国政府许可。

换句话说，如果这种情况真实发生的话，这将是对中国AI算力的全面封锁。

AI发展的三驾马车是算力、数据与算法，缺一不可。其中，算力是打造大模型生态的必备基础。而云平台是大模型和算力之间的“桥梁”，可针对不同的模型和硬件实现资源的合理分配，达到软硬件的最优组合，从而大幅提升训练模型的效率。

此前，尽管美国政府限制英伟达等芯片制造商向中国出售某些类型的芯片，但并没有阻止微软和亚马逊等云服务商提供托管服务。中国公司仍然可以通过租用资源来训练复杂的AI大模型。

外媒报道称，美国此举正是想要避免中国公司在不购买管控设备的情况下，通过云服务获得计算能力，从而绕过美国出口限制。

在这样的背景下，对于车企来说，如何选择一个云和AI实力兼具的合作企业，对于维持自动驾驶业务的连续性，免遭外部因素干扰就显得尤为重要。

美国虽然是云计算的领导者，但在中国市场，国内云计算厂商仍占主要地位。根据IDC的数据，IaaS和IaaS+PaaS市场上，阿里云、华为云、中国电信天翼云、腾讯云和亚马逊排名前五位。

作为国内云计算领域的头部企业，华为云的昇腾云服务就针对自动驾驶典型模型做了针对性优化，除了支持华为的AI框架Mindspore外，还支持Pytorch，Tensorflow等主流AI框架，框架中的90%算子，都可以通过华为的迁移工具从GPU平滑迁移到昇腾。

面对鏖战正酣的中国汽车市场以及随时变化的外部环境，华为云盘古大模型不仅能够为自动驾驶产业研发、数据迭代加速，驱动产业商业化量产，其全栈自主的昇腾AI云服务还能够为自动驾驶带来另一极的选择——保障自动驾驶业务连续性。

结语

去年初国家发改委发布了《智能汽车创新发展战略》，提出到2025年，实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。

这一战略的背后，一方面说明高阶智能驾驶的量产化交付能力已成为车企之间竞争的关键。除了成本管控、供应链管理、质量管控以外，是否具备高效的自动驾驶能力也是评判量产交付能力的重要参考指标。

另一方面，留给车企在自动驾驶领域追赶的时间，还有不到两年时间。那么，车企需要的恐怕是更多的合作以及车端和云端更紧密的结合。

（本文首发钛媒体App）