4月18日，暌違2年的上海國際車展如約而至。作為2023年全球首個A級車展，上海國際車展一開幕就引爆了汽車圈，成為了汽車產業的一場大狂歡，整車、汽車供應鏈和汽車科技企業紛紛大秀實力，一同把自動駕駛推上了車展的熱門話題榜。

作為智能汽車的靈魂之一，自動駕駛已經成為了汽車產業下半場競逐的核心能力。在車企及科技公司爭相入局的當下，自動駕駛邁入了蓬勃發展的快速成長期，驅動著汽車產業的智能化創新與轉型升級。億歐智庫預測，2025年中國汽車智能駕駛功能滲透率將達到72%，僅中國城市NOA（高階輔助駕駛系統）前裝市場規模將突破百億元。

(資料圖片僅供參考)

4月20日，在2023第二十屆上海國際汽車工業展覽會上，華為云聯合自動駕駛產業各方共同舉辦“中國自動駕駛產業發展論壇”。

本次論壇以“云上創新 共建智駕產業未來”為主題，聚焦時下熱議的自動駕駛話題，圍繞自動駕駛行業備受關注的十大問題，分別從自動駕駛商業化落地、產品技術、產業發展與生態共建等三大維度進行展開，并攜手與會的多名自動駕駛行業專家，呈現了一場新理念與新技術齊驅的自動駕駛行業盛會。如下，我們選擇了一些行業專家的觀點，以饗讀者。

第一維度：自動駕駛的商業化前景可期

近年來，自動駕駛的商業化落地與規模化量產出現了多個里程碑式的節點，在自動駕駛商業化前景可期的背后，曾專注于高階自動駕駛的企業將重心降維至L2級別，率先發力低階自動駕駛的規?；宪?，推動自動駕駛量產浪潮的加速到來。

雖然自動駕駛仍面臨著來自技術、成本及政策法規上的諸多挑戰，但行業參與者們對自動駕駛商業化前景信心十足，勠力同心繪著自動駕駛的發展藍圖。

第一問：關于自動駕駛技術應該是漸進式發展還是跨越式推進，行業不同的爭議點體現在哪些方面？

長城汽車自動駕駛技術總監張瀛：作為主機廠，我們是漸進式地推動整個自動駕駛技術的演進。自動駕駛能力是從L1、L2到L3、L4、L5逐級遞增的，這過程當中每一級都要確保安全，并匹配相應的技術能力、感知能力、計算能力等，包括未來“車、路、云”協同技術的應用，都需要時間、數據、經驗的積累與充分驗證。我個人認為，漸進式更適合自動駕駛技術的發展。

友道智途CEO王瑞：不管是漸進式還是跨越式，二者并不矛盾，只是在不同的業態和場景用不同的方法而已。就像我們做礦山、港口的自動駕駛肯定是跨越式的，我們就是要取代人類司機，技術也支持我們在特定場景里做跨越式發展。乘用車的自動駕駛是漸進式發展的，大家如果太冒進了，可能會阻礙自動駕駛的發展。我們還是要有謹小慎微的心態，讓這個行業更加良性、強勁地發展。

毫末智行COO侯軍：自動駕駛的發展無論是漸進式還是跨越式，最終都是為了登頂。針對不同的場景、不同的數據規模、不同的模型迭代、不同算力能力的提升，大家最終都要用性價比來登頂，路線沒有對錯，只有合適不合適。

第二問：當前已有哪些自動駕駛產品和功能已經在實際場景中得到了應用？技術、法律和監管政策、成本等方面，是否阻礙了自動駕駛的商業落地？

億歐汽車研究院院長王忠：在整車E/E架構的升級、域控產品的優化以及大算力芯片的迭代背景下，“行泊一體”的規?；慨a迎來高速增長期。多家自動駕駛供應商已對行泊一體功能方案進行了布局，欲通過自動駕駛的風口實現彎道超車。

技術、法律和監管政策、成本等因素均與自動駕駛商業化的落地速度息息相關，但隨著中國相關法律法規的頒布、汽車行業標準工具的完善以及技術的發展，自動駕駛將逐漸量產落地，用戶也將擁有更加安全、舒適的智駕體驗。

元戎啟行合伙人兼副總裁劉軒：在法律框架體系下和現行的技術下，自動駕駛企業現階段跟車企合作定點的方案還是以L2++為主，目前是通過數據閉環、軟件OTA，可以讓我們自動駕駛方案完全升級到L4、L5級別，這塊離不開華為云的算力的支持。

第三問：關于實現自動駕駛規?；慨a落地，解決了哪些關鍵問題？會經歷什么樣的時間周期？

億歐汽車研究院院長王忠：垂直、可控的一些封閉與半封閉場景，如港口、礦山、環衛、無人配送等場景已經成為自動駕駛商業化量產落地的主戰場。由于自動駕駛在商用車端落地所面對的Corner case少，數據和場景密集度高，更易打造“邊-端-云”協作等優勢，快速體現自動駕駛帶來的社會價值與經濟效益。

但在乘用車端，目前Robotaxi、Robobus等完全自動駕駛場景復雜且法律法規的成熟度相對滯后，規模化量產落地仍道阻且長，人機共駕仍是長期的主流趨勢。

元戎啟行合伙人兼副總裁劉軒：隨著自動駕駛量產之后數據量的積累，大概1年以后，低配版的自動駕駛產品會具有高配版的能力，高配版會有更強的能力，自動駕駛逐步向L4、L5級別靠近，未來幾年會有多款自動駕駛前裝量產車上市。

“小結：就自動駕駛的技術路線而言，漸進式發展的好處在于可以逐步完善系統的性能，減少技術風險，降低安全試錯的成本，但時間成本更高，發展周期更長。相比之下，跨越式推進可以更快地實現完全自主可控的自動駕駛，同時也需要更高的技術水平、更大的資金投入。在不同的場景下，兩者的路線并不沖突，而是殊途同歸，最終的目的均是實現機器取代人類來安全可靠地駕控汽車。

如今，面向乘用車的領航輔助駕駛功能L2、L2++已經優先實現量產，具體功能表現有城市NOA、行泊一體等，而在不同的細分應用場景里，L4級無人配送已初具商業化基礎能力。自動駕駛現已處在規?；逃玫那耙?，隨著自動駕駛安全性和技術可靠性的提升，及自動駕駛相關法律法規、道德規范的制定和落實，自動駕駛的商業化落地將會進一步提速。”

第二維度：自動駕駛的產品技術挑戰與機遇并存

自動駕駛技術的發展離不開數據的喂養與訓練，數據驅動的訓練模型已成為自動駕駛破局的關鍵。如何構建完整的自動駕駛數據閉環，實現數據的全生命周期管理，也是業內的熱點話題。

對于數據的采集、存儲、標注、訓練等多個環節，自動駕駛產業鏈企業需要綜合多方面的角度進行協同發展。除了數據模型外，自動駕駛在算法與算力、感知與地圖的平衡上都需要在實踐中進一步探索出適應市場發展的行進路線。

第四問：基于云服務與數據驅動的訓練模型，該如何構建自動駕駛數據閉環？

小馬智行解決方案經理張帆：自動駕駛從技術研發到實車上路后的每一個環節中，都會爆發出大量的數據，這需要工具鏈的參與，并依賴于云服務、云資源的優化調度及成熟的架構支撐。

數據閉環有兩個概念，第一個是物理意義上的數據閉環，即數據如何流轉。數據閉環的第二個概念是服務于技術的迭代，即在技術的迭代中，我們需要數據的分析流程、數據的抓取以及仿真的自動評測，并依賴于我們每天不斷去使用與打磨工具鏈，來提升客戶在整體流程中的使用體驗。

同濟大學教授、汽車安全技術研究所所長朱西產： 數據閉環主要作用是解決未知的不安全場景。現在公司需要自己去采集數據，拿來做AI的訓練以及回放的測試，但是數據采集費用非常高，這個場景庫到底要跑多少公里，才能夠覆蓋全場景呢？我們希望是10億公里，但1億公里的采集費用企業都無法承受，所以我們最終還是要建立用戶數據閉環。

華為云中國區汽車行業資深解決方案總監劉濤：如何對新場景數據進行大規模高效處理，并采用快速優化的算法模型，即成為自動駕駛技術迭代的關鍵。換言之，構建基于數據驅動的自動駕駛數據閉環，讓數據實現高效流動，是實現高階自動駕駛的必由之路。

數據閉環是首先數據，然后閉環。從1.0-2.0的數據閉環會更加注重效率和自動化，這樣不同模塊之間的集成度會更高，整個數據流轉的時效性會更好，數據挖掘的能力會更強。華為云作為云廠商，可以從云平臺及服務、工具鏈效率、AI能力等三個主要的方面來幫助企業實現數據閉環的迭代。

第五問：在解決自動駕駛算力不足的問題上，更高級別芯片或增加硬件設備數量是否為正確的應對之道？

同濟大學教授、汽車安全技術研究所所長朱西產：由于自動駕駛的發展，2022年，毫米波雷達裝車量已經突破了一個億，且還在增長的狀態，硬件的規?；宪噷M一步推動自動駕駛的發展。

自動駕駛車輛的環境感知在AI算法的加持下已經變成了高清攝像頭，整車構架也隨之改變。真正的無人駕駛，除了規模性開發，是需要通過OTA不斷迭代升級來逐步落地的。

第六問：“重感知”or“重地圖“，自動駕駛未來之路該如何走？

億歐汽車研究院院長王忠：“重感知、輕地圖”是目前自動駕駛領域里備受業內人士推崇的路線。高精地圖一度是促成自動駕駛落地的關鍵，但高精地圖的開發周期長、測繪成本高，且受到嚴格的監管，目前高精地圖的測繪制作，只能由具備導航電子地圖制作甲級資質的單位進行，這使得過于依賴高精地圖的自動駕駛技術一直處于Demo階段，遲遲無法商業化落地。

為了推動自動駕駛的快速落地，業內開始走上了“重感知、輕地圖”的技術路線。若性價比優的高精地圖能夠早日落地，自動駕駛的發展將會在兩條路線的交叉推動下步入快車道。

“小結：在構建自動駕駛數據閉環時，自動駕駛企業既需要考慮數據的采集、存儲、處理、分析和應用等環節，又需要結合云服務和數據驅動的訓練模型，建立完整的數據生命周期管理和應用系統。雖然更高級別芯片或增加硬件設備數量、優化提升算法等可以有效彌補算力不足的問題，但也會存在一定的資源浪費，并非是行之有效的最佳路徑。

不論是重感知，或是重地圖，自動駕駛的發展均需要綜合車輛實時感知能力、使用成本等因素，采取多種數據源融合和模型優化的策略，來為用戶提供更安全、高效、智能的自動駕駛體驗。”

第三維度：自動駕駛加快推動產業發展與生態共建

在自動駕駛相關企業的協同發展下，“自動駕駛生態圈”已逐步成型。基于自動駕駛的產業生態，各企業之間不再是爭奪資源、相互內耗的競爭者，而是要一同實現產業共榮的同行者，聯合研產供銷服等多個相關主體高效一致地達成目標，構建多方協同、效益倍增、互利共贏的產業生態系統，促進自動駕駛產業生態的蓬勃發展。

第七問：主機廠在構建自動駕駛技術能力過程中，如何擺脫“靈魂”“軀體”之困？車企智駕產品競爭力的核心體現只能是全棧自研嗎？

元戎啟行合伙人兼副總裁劉軒：車企首先得保證有一個靈魂，再考慮要不要全棧自研。我認為短期內，車企可以引入外部的合作商作為一面鏡子，先看下行業發展是怎么樣的，再規劃出適合自己的發展路線。

陜重汽汽車工程研究院電控技術研究所副所長魏杰：自動駕駛是車企的一項核心技術，特別是面向市場規模非常大的干線物流場景，所以主機廠自主掌握自動駕駛技術是非常重要的。

第八問：總體來看，當下自動駕駛產業發展處于什么階段？產業還面臨哪些挑戰？

華為云中國區汽車行業資深解決方案總監劉濤：自動駕駛現在已經進入到了用戶付費的階段。自動駕駛在量產上面臨效率、速度和成本上的嚴峻挑戰。比如如何更高效地在第一時間把產品研發出來；如何快速地實現產品技術的迭代；如何保證數據生成與測試驗證的速度、提升數據訓練的效率；如何控制好成本，包括芯片、傳感器、數據等在內的算力成本與工程成本。同時自動駕駛在合規、供應鏈安全方面也面臨著諸多挑戰。

在提升研發效率方面，針對國內自動駕駛多樣性的客戶需求，華為云聯合伙伴共創了“樂高式”自動駕駛研發工具鏈解決方案，提供端到端快速構建、模塊按需構建、自選ISV集成三種合作模式，讓車企以及自動駕駛企業按照自身需求模塊化選擇，進而實現高效開發。

在提升研發速度及降低成本方面，華為云基于AI能力提供“訓練加速、數據加速、算力加速”三層加速方案，加速自動駕駛模型的數據閉環迭代，同時以存儲技術、NeRF 3D重建實現降本。

華為云作為行業數字化云底座和云技術使能者，致力于聯合行業合作伙伴共建產業開放生態圈，打造多元化生態合作模式，為車企客戶提供模塊化解決方案，通過云、AI和數據技術幫助客戶與伙伴在研發過程中提高效率、提升速度以及降低成本，加速推動自動駕駛產業發展。

第九問：車路云一體化在自動駕駛中將發揮何種價值？

中國電動汽車百人會副秘書長徐爾曼：“車-路-網-云-圖”的基本技術架構如今已成為行業共識，其中云平臺是管理控制中心。

車企與云服務的創新正從“數據上云”的1.0時代向“服務為上”的2.0時代發展。在1.0時代，數據上云是必由之路，云服務能夠基于業務助力海量數據的多方匯聚、去蕪存菁、統一處理。

在2.0時代，車企和云服務企業將更多地聚焦在服務上，在智能網聯核心場景上，云服務企業需更加深入地理解汽車行業，更好地將ICT能力與汽車業務深度結合。在智能化、網聯化背景下，汽車的定義和屬性發生變化，數據管理及賦能、數據安全管理及云服務已經成為汽車行業發展的關鍵。

第十問：車企、自動駕駛科技企業（軟件/硬件/解決方案）、汽車供應鏈企業、云服務商等，如何共建可持續生態體系？

中國汽研信息智能事業部整車工具部部長潘偉：我認為行業要做好一個可持續的共建生態，企業首先要做對的事情，要把事情做對，要有一顆公心讓自身良性發展。其次要清晰定義自己的邊界，在這個基礎上找伙伴、補不足，與優秀同行一起前行。

星塵數據商務副總監謝新艷：全產業鏈聯動形成產業合力將是必然的趨勢，數據成為行業發展的關鍵要素也逐漸成為共識。作為華為ModelArts首家標注平臺合作伙伴，未來我們希望通過數據閉環和數據策略服務和生態合作伙伴緊密合作，共同提升自動駕駛的研發效率。

“小結：從主機廠的角度而言，不論是全棧自研還是依靠供應商實現能力構建，發展自動駕駛都需要綜合考慮自身的技術實力和成本承受能力，而通過自主研發與合作相結合的方式，既可以自研關鍵技術，也與供應商合作提升自身的自動駕駛綜合競爭力，進而實現自動駕駛的快速落地。

自動駕駛目前處于技術探索和商業應用的并行階段。雖然自動駕駛產業仍面臨技術難題、法規制度、安全保障等挑戰，但其未來將呈現出多元化、協同發展的態勢，包括將促進智能出行、智能交通、智能物流等多個領域的發展。

而車路云一體化可以實現自動駕駛系統與路網、交通體系等的實時交互與信息共享，提高自動駕駛的感知能力和決策能力，進一步提升行駛安全和效率。同時，通過大數據分析，車路云一體化還具有道路優化、擁堵疏導等功能，大幅優化城市交通管理。

自動駕駛是一個龐大的產業系統性工程，沒有任何一家企業能夠把整個產業做下來，自動駕駛需要建立開放式的合作平臺，既可以形成互信、互利、互補的伙伴關系，又能實現技術、資源、信息等方面的優勢互補，加強創新、標準化、規范化等方面的合作，共同推進自動駕駛生態建設，提升整體產業發展水平與市場競爭力。”

結語

2023年，自動駕駛的發展勢必將會再上一個臺階，快步進入量產提速階段，在業內專家學者們的攜手攻堅克難下，數據安全監管、數據閉環“長尾”問題將會得到進一步的解決，自動駕駛企業也將會更加積極擁抱自動駕駛高速發展過程中的機遇和挑戰，抓住自動駕駛的黃金十年，跑出中國自動駕駛的“加速度”。

關鍵詞：