AITO问界M5智能驾驶版无限接近 汽车云迎来爆发机会

随着智能汽车热度的不断上升，与智能汽车相关的汽车云领域再次受到人们的关注和关注。事实上，早在去年，云计算制造商就开始增加独家汽车云。BATHD（百度、阿里巴巴、腾讯、华为、抖音）等国内大型制造商也宣布将继续推广自己的汽车云计划。微软等外国制造商也不遗余力地想进来分享一杯羹。

自今年以来，随着华为问界M5智能驾驶版的推出，L3级智能驾驶即将出现，汽车云的热度也再次上升。

L3加速到来

自今年6月以来，包括华为和特斯拉在内的行业巨头表示，L3级自动驾驶已经无限接近，马斯克认为特斯拉可能在今年内实现真正的自动驾驶。事实上，目前的智能驾驶“进阶”已成为必然趋势。

从技术上讲，L2级智能驾驶已经非常成熟，L3级自动驾驶条件已经满足。根据高工智能汽车数据，2023年1月至3月，乘用车行业L2级及以上渗透率为33.4%，同比增长9个百分点；新势力品牌L2级及以上渗透率基本在70%以上，自主品牌L2级及以上渗透率在30%以上。从各种迹象来看，国内自动驾驶从L2跃升到L3已成为不可逆转的趋势。

值得一提的是，作为目前最能体现智能驾驶能力的城市NOA，尽管许多汽车公司都在积极布局大规模生产，但从着陆情况来看，AITO问界M5智能驾驶版无疑是最好的之一。事实上，AITOM5智能驾驶版无限接近L3高级智能驾驶，可以将注意力不集中、路况复杂造成的交通事故减少90%，是智能驾驶领域最好的解决方案之一。事实上，AITOM5智能驾驶版无限接近L3高级智能驾驶，可以将注意力不集中、路况复杂造成的交通事故减少90%，是目前智能驾驶领域体验最好的解决方案之一。预计AITOM5智能驾驶版将在第三季度在15个城市实施无图商用辅助驾驶，第四季度扩大到45个城市，可能会给行业带来新的变化。

从政策上看，国家正在逐步开放L3级甚至更高级别的自动驾驶道路测试，这无疑将加快相应的技术商业着陆进程。在6月21日的例行政策吹风会上，有关部门发出了积极信号。预计未来中国将启动智能网络汽车准入和道路交通试点，组织城市级“车路云一体化”示范应用程序支持合格的自动驾驶着陆，特别是L3级和更高级别的自动驾驶功能商业应用程序。

总之，汽车在技术和政策上都在智能化方面迈出了一大步，这将进一步刺激相关汽车云服务的发展，同时加快智能驾驶场景的实施。

汽车云迎来了爆发机会

根据IDC发布的《中国季度乘用车市场数据跟踪报告》，未来五年中国汽车云市场增速将达到新高，未来五年复合增速将达到53.6%，2027年市场规模将超过600亿元。其中，汽车云基础设施市场复合增长率预计达到51.4%，汽车云解决方案市场复合增长率预计略高于基础设施市场，达到56.1%。这表明汽车云整体市场将迎来爆发机遇期。

从单一汽车产品的角度来看，L3级智能驾驶车辆将出现指数级数据增长，这将直接推动汽车云需求的增长。根据英特尔的计算，L3 每辆车每天产生的数据高达4000GB。作为自动驾驶技术应用的必要条件，汽车传感器的快速增长推动了整个产业链的爆发，主要是数据收集、标记和操作，对汽车云的需求也在迅速增长。

从行业节点来看，汽车从L2级转向L3级，实际上标志着行业跨越辅助驾驶向无人驾驶演变的关键阶段。汽车数据的增长对计算能力的需求不断增加，这使得“汽车云”它已成为一种刚需的应用服务。特别是在自动驾驶从L2到L3的过渡过程中，大量的虚拟模拟数据测试需要汽车云技术的支持，这意味着随着自动驾驶水平的提高，汽车云的使用场景将进一步扩大。

从行业层面来看，智能汽车辅助驾驶等解决方案的普及进一步增加了对汽车云需求的增长。如上述所述，新旧汽车制造商已将汽车自动驾驶水平提升到L2水平，L3将成为汽车公司新的竞争焦点，这意味着L3水平的自动驾驶可能不仅是少数企业的目标，而且是行业的整体目标。

尤其是今年以来，华为、小鹏、理想等车企率先喊出来“去高精地图”城市NOA（可实现智能超车和独立变道）通勤后，包括威莱、智己、比亚迪、飞凡、马智兴等汽车公司和产业链玩家，加入了NOA竞争，表明以高级智能驾驶为代表的新智能驾驶时代正在加速。在此背景下，与之密切相关的汽车云业务也面临着新的外部机遇。

智算将成为一个新的方向

随着智能汽车的升温，尤其是自动驾驶算法模型的趋同，行业正逐渐走出以往简单竞争算力的刻板印象，日益向前发展“智能算力”方向升级。例如，早在去年8月，小鹏汽车就宣布与阿里云合作推出智算中心—扶摇今年量产了第一款基于该智算平台的G6车型；与此同时，毫末智行与火山引擎合作，推出了自己的智算中心—毫末“雪湖绿洲”；吉利汽车还宣布与阿里云合作，星睿智算中心已经建立……不难发现，智能计算能力已成为行业发展的新趋势。

一方面，随着行业的快速发展和自动驾驶、智能驾驶舱等人工智能技术的广泛应用，汽车对智能计算能力的需求越来越大。在过去，汽车公司正在开发智能汽车，以确保车辆在整个生命周期内的持续软件升级能力通常用于智能驾驶“硬件预置，软件升级”策略是提前预置大算力芯片，为后续软件和算法的升级和优化提供足够的空间。例如，以蔚来、小鹏等为代表的原始设备制造商在新一代车型中将其智能驾驶算力提升到500-1000tops级别。

然而，过度依赖大型计算能力芯片作为智能升级的基础，其缺点也很明显：第一，由于车辆物理环境和芯片工艺接近摩尔极限，单芯片计算能力增长难以持续，车辆计算能力接近物理上限；第二，大型计算能力芯片受人控制，单芯片提升路径容易“卡脖子”，重复智能手机行业“覆辙”。

为了避免这一点，突破现有的计算能力瓶颈，有必要将智能汽车的计算能力供应模式转变为“云—网—边—端”整合计算模式，实现多路径优化，实现灵活的计算能力供应，智能计算是问题的意义。

另一方面，从车辆结构的角度来看，随着智能汽车的快速发展，其车辆结构日益向车辆计算平台发展，迫使汽车继续接近智能计算的方向。传统汽车时代的竞争主要集中在动力、控制和空间上。但在智能汽车发展的背后，是汽车计算平台的演变，从最初的分布式计算，单个子系统有自己的ECU，到域控制器逻辑，功能划分集成控制计算，最终实现汽车计算能力高速集中、智能分配计算能力，这几乎是汽车结构的演变，汽车从工业到电子消费品，智能终端的自然结果。

可见，无论从哪个方面来说，智能算力都将是汽车公司未来发展的必然选择。

软硬件协作或成为未来行业破局的关键

目前，以华为、特斯拉等为代表的智能汽车行业龙头企业正在国内市场掀起一股浪潮“城市NOA”高级智能驾驶浪潮。它的出现实际上标志着中国的智能驾驶应用，已经从“相对边缘”高速辅助驾驶场景进入相对高频、路况复杂的城市驾驶场景，这意味着智能驾驶开始真正进入高速发展阶段。在此背景下，软硬件协调将成为解决计算能力瓶颈的核心关键。

首先，简单的硬件拼写方法有很大的局限性。虽然自动驾驶已经发展了十多年，但细分技术仍在迭代和向外延伸，这意味着技术方向和市场充满了不确定性。正因为如此，许多汽车公司倾向于提前嵌入一些高配置的硬件，以为后续的升级提供条件。

但从市场反馈的效果来看，围绕计算能力的军备竞赛终于走向了单堆配置的方向，成为了一个“壮而不强”状态。此外，在大计算力芯片的竞争下，大计算力芯片的价格上涨，间接增加了汽车公司购买芯片的成本，加剧了汽车公司的成本控制压力，最终没有达到最佳的配置效果。

二来，在“端—网—云—芯”在这条大型智能方案路径下，包括算法在内的软件技术能力的重要性日益突出。正如前面所说，汽车公司之所以围绕芯片参数“疯狂堆料”，因为只有少数制造商提供大型计算力芯片，所以应用程序非常同质化，相比之下，软件端更不同，因为它测试了汽车公司的软件自主研发实力。

例如，特斯拉并没有像许多汽车公司那样盲目地迷信大计算能力芯片，而是通过加强软件能力，稳步提高了其整体自动驾驶性能。例如，特斯拉HW 3.0芯片的单芯片计算能力只有72TOPS，与上一代没有太大提高，但自动驾驶性能直接提高了20倍。此外，人工智能大模型时代的到来实现了智能汽车“人工智能训练人工智能”该平台为人工智能算法、计算能力和数据的存储和操作提供了一条新的路径，这将变得更加重要。在这种情况下，软件在智能汽车中的地位将急剧上升。

当然，这并不意味着硬件不重要。大计算力芯片的升级、激光雷达和各种传感器的优化、功耗、用户体验和硬件成本的平衡都直接影响到汽车公司的市场表现。比如大算力芯片会导致手机这样的发热问题吗？成本增加后，用户体验和产品定价如何？不难看出，这不仅仅是一个软件问题，更是一个关系到汽车公司产品战略能否成功的系统问题。

从这个角度来看，只有通过软硬件的双向协调和相互授权，汽车企业才能在软件定义汽车时代走得更加稳定。