4月18日，暌违2年的上海国际车展如约而至。作为2023年全球首个A级车展，上海国际车展一开幕就引爆了汽车圈，成为了汽车产业的一场大狂欢，整车、汽车供应链和汽车科技企业纷纷大秀实力，一同把自动驾驶推上了车展的热门话题榜。
作为智能汽车的灵魂之一，自动驾驶已经成为了汽车产业下半场竞逐的核心能力。在车企及科技公司争相入局的当下，自动驾驶迈入了蓬勃发展的快速成长期，驱动着汽车产业的智能化创新与转型升级。亿欧智库预测，2025年中国汽车智能驾驶功能渗透率将达到72%，仅中国城市NOA(高阶辅助驾驶系统)前装市场规模将突破百亿元。
4月20日，在2023第二十届上海国际汽车工业展览会上，华为云联合自动驾驶产业各方共同举办“中国自动驾驶产业发展论坛”。
本次论坛以“云上创新 共建智驾产业未来”为主题，聚焦时下热议的自动驾驶话题，围绕自动驾驶行业备受关注的十大问题，分别从自动驾驶商业化落地、产品技术、产业发展与生态共建等三大维度进行展开，并携手与会的多名自动驾驶行业专家，呈现了一场新理念与新技术齐驱的自动驾驶行业盛会。如下，我们选择了一些行业专家的观点，以飨读者。
第一维度：自动驾驶的商业化前景可期
近年来，自动驾驶的商业化落地与规模化量产出现了多个里程碑式的节点，在自动驾驶商业化前景可期的背后，曾专注于高阶自动驾驶的企业将重心降维至L2级别，率先发力低阶自动驾驶的规模化上车，推动自动驾驶量产浪潮的加速到来。
虽然自动驾驶仍面临着来自技术、成本及政策法规上的诸多挑战，但行业参与者们对自动驾驶商业化前景信心十足，勠力同心绘着自动驾驶的发展蓝图。
第一问：关于自动驾驶技术应该是渐进式发展还是跨越式推进，行业不同的争议点体现在哪些方面?
长城汽车自动驾驶技术总监张瀛：作为主机厂，我们是渐进式地推动整个自动驾驶技术的演进。自动驾驶能力是从L1、L2到L3、L4、L5逐级递增的，这过程当中每一级都要确保安全，并匹配相应的技术能力、感知能力、计算能力等，包括未来“车、路、云”协同技术的应用，都需要时间、数据、经验的积累与充分验证。我个人认为，渐进式更适合自动驾驶技术的发展。
友道智途CEO王瑞：不管是渐进式还是跨越式，二者并不矛盾，只是在不同的业态和场景用不同的方法而已。就像我们做矿山、港口的自动驾驶肯定是跨越式的，我们就是要取代人类司机，技术也支持我们在特定场景里做跨越式发展。乘用车的自动驾驶是渐进式发展的，大家如果太冒进了，可能会阻碍自动驾驶的发展。我们还是要有谨小慎微的心态，让这个行业更加良性、强劲地发展。
毫末智行COO侯军：自动驾驶的发展无论是渐进式还是跨越式，最终都是为了登顶。针对不同的场景、不同的数据规模、不同的模型迭代、不同算力能力的提升，大家最终都要用性价比来登顶，路线没有对错，只有合适不合适。
第二问：当前已有哪些自动驾驶产品和功能已经在实际场景中得到了应用?技术、法律和监管政策、成本等方面，是否阻碍了自动驾驶的商业落地?
亿欧汽车研究院院长王忠：在整车E/E架构的升级、域控产品的优化以及大算力芯片的迭代背景下，“行泊一体”的规模化量产迎来高速增长期。多家自动驾驶供应商已对行泊一体功能方案进行了布局，欲通过自动驾驶的风口实现弯道超车。
技术、法律和监管政策、成本等因素均与自动驾驶商业化的落地速度息息相关，但随着中国相关法律法规的颁布、汽车行业标准工具的完善以及技术的发展，自动驾驶将逐渐量产落地，用户也将拥有更加安全、舒适的智驾体验。
元戎启行合伙人兼副总裁刘轩：在法律框架体系下和现行的技术下，自动驾驶企业现阶段跟车企合作定点的方案还是以L2++为主，目前是通过数据闭环、软件OTA，可以让我们自动驾驶方案完全升级到L4、L5级别，这块离不开华为云的算力的支持。
第三问：关于实现自动驾驶规模化量产落地，解决了哪些关键问题?会经历什么样的时间周期?
亿欧汽车研究院院长王忠：垂直、可控的一些封闭与半封闭场景，如港口、矿山、环卫、无人配送等场景已经成为自动驾驶商业化量产落地的主战场。由于自动驾驶在商用车端落地所面对的Corner case少，数据和场景密集度高，更易打造“边-端-云”协作等优势，快速体现自动驾驶带来的社会价值与经济效益。
但在乘用车端，目前Robotaxi、Robobus等完全自动驾驶场景复杂且法律法规的成熟度相对滞后，规模化量产落地仍道阻且长，人机共驾仍是长期的主流趋势。
元戎启行合伙人兼副总裁刘轩：随着自动驾驶量产之后数据量的积累，大概1年以后，低配版的自动驾驶产品会具有高配版的能力，高配版会有更强的能力，自动驾驶逐步向L4、L5级别靠近，未来几年会有多款自动驾驶前装量产车上市。
“小结：就自动驾驶的技术路线而言，渐进式发展的好处在于可以逐步完善系统的性能，减少技术风险，降低安全试错的成本，但时间成本更高，发展周期更长。相比之下，跨越式推进可以更快地实现完全自主可控的自动驾驶，同时也需要更高的技术水平、更大的资金投入。在不同的场景下，两者的路线并不冲突，而是殊途同归，最终的目的均是实现机器取代人类来安全可靠地驾控汽车。
如今，面向乘用车的领航辅助驾驶功能L2、L2++已经优先实现量产，具体功能表现有城市NOA、行泊一体等，而在不同的细分应用场景里，L4级无人配送已初具商业化基础能力。自动驾驶现已处在规模化商用的前夜，随着自动驾驶安全性和技术可靠性的提升，及自动驾驶相关法律法规、道德规范的制定和落实，自动驾驶的商业化落地将会进一步提速。”
第二维度：自动驾驶的产品技术挑战与机遇并存
自动驾驶技术的发展离不开数据的喂养与训练，数据驱动的训练模型已成为自动驾驶破局的关键。如何构建完整的自动驾驶数据闭环，实现数据的全生命周期管理，也是业内的热点话题。
对于数据的采集、存储、标注、训练等多个环节，自动驾驶产业链企业需要综合多方面的角度进行协同发展。除了数据模型外，自动驾驶在算法与算力、感知与地图的平衡上都需要在实践中进一步探索出适应市场发展的行进路线。
第四问：基于云服务与数据驱动的训练模型，该如何构建自动驾驶数据闭环?
小马智行解决方案经理张帆：自动驾驶从技术研发到实车上路后的每一个环节中，都会爆发出大量的数据，这需要工具链的参与，并依赖于云服务、云资源的优化调度及成熟的架构支撑。
数据闭环有两个概念，第一个是物理意义上的数据闭环，即数据如何流转。数据闭环的第二个概念是服务于技术的迭代，即在技术的迭代中，我们需要数据的分析流程、数据的抓取以及仿真的自动评测，并依赖于我们每天不断去使用与打磨工具链，来提升客户在整体流程中的使用体验。
同济大学教授、汽车安全技术研究所所长朱西产：数据闭环主要作用是解决未知的不安全场景。现在公司需要自己去采集数据，拿来做AI的训练以及回放的测试，但是数据采集费用非常高，这个场景库到底要跑多少公里，才能够覆盖全场景呢?我们希望是10亿公里，但1亿公里的采集费用企业都无法承受，所以我们最终还是要建立用户数据闭环。
华为云中国区汽车行业资深解决方案总监刘涛：如何对新场景数据进行大规模高效处理，并采用快速优化的算法模型，即成为自动驾驶技术迭代的关键。换言之，构建基于数据驱动的自动驾驶数据闭环，让数据实现高效流动，是实现高阶自动驾驶的必由之路。
数据闭环是首先数据，然后闭环。从1.0-2.0的数据闭环会更加注重效率和自动化，这样不同模块之间的集成度会更高，整个数据流转的时效性会更好，数据挖掘的能力会更强。华为云作为云厂商，可以从云平台及服务、工具链效率、AI能力等三个主要的方面来帮助企业实现数据闭环的迭代。
第五问：在解决自动驾驶算力不足的问题上，更高级别芯片或增加硬件设备数量是否为正确的应对之道?
同济大学教授、汽车安全技术研究所所长朱西产：由于自动驾驶的发展，2022年，毫米波雷达装车量已经突破了一个亿，且还在增长的状态，硬件的规模化上车将会进一步推动自动驾驶的发展。
自动驾驶车辆的环境感知在AI算法的加持下已经变成了高清摄像头，整车构架也随之改变。真正的无人驾驶，除了规模性开发，是需要通过OTA不断迭代升级来逐步落地的。
第六问：“重感知”or“重地图“，自动驾驶未来之路该如何走?
亿欧汽车研究院院长王忠：“重感知、轻地图”是目前自动驾驶领域里备受业内人士推崇的路线。高精地图一度是促成自动驾驶落地的关键，但高精地图的开发周期长、测绘成本高，且受到严格的监管，目前高精地图的测绘制作，只能由具备导航电子地图制作甲级资质的单位进行，这使得过于依赖高精地图的自动驾驶技术一直处于Demo阶段，迟迟无法商业化落地。
为了推动自动驾驶的快速落地，业内开始走上了“重感知、轻地图”的技术路线。若性价比优的高精地图能够早日落地，自动驾驶的发展将会在两条路线的交叉推动下步入快车道。
“小结：在构建自动驾驶数据闭环时，自动驾驶企业既需要考虑数据的采集、存储、处理、分析和应用等环节，又需要结合云服务和数据驱动的训练模型，建立完整的数据生命周期管理和应用系统。虽然更高级别芯片或增加硬件设备数量、优化提升算法等可以有效弥补算力不足的问题，但也会存在一定的资源浪费，并非是行之有效的最佳路径。
不论是重感知，或是重地图，自动驾驶的发展均需要综合车辆实时感知能力、使用成本等因素，采取多种数据源融合和模型优化的策略，来为用户提供更安全、高效、智能的自动驾驶体验。”
第三维度：自动驾驶加快推动产业发展与生态共建
在自动驾驶相关企业的协同发展下，“自动驾驶生态圈”已逐步成型。基于自动驾驶的产业生态，各企业之间不再是争夺资源、相互内耗的竞争者，而是要一同实现产业共荣的同行者，联合研产供销服等多个相关主体高效一致地达成目标，构建多方协同、效益倍增、互利共赢的产业生态系统，促进自动驾驶产业生态的蓬勃发展。
第七问：主机厂在构建自动驾驶技术能力过程中，如何摆脱“灵魂”“躯体”之困?车企智驾产品竞争力的核心体现只能是全栈自研吗?
元戎启行合伙人兼副总裁刘轩：车企首先得保证有一个灵魂，再考虑要不要全栈自研。我认为短期内，车企可以引入外部的合作商作为一面镜子，先看下行业发展是怎么样的，再规划出适合自己的发展路线。
陕重汽汽车工程研究院电控技术研究所副所长魏杰：自动驾驶是车企的一项核心技术，特别是面向市场规模非常大的干线物流场景，所以主机厂自主掌握自动驾驶技术是非常重要的。
第八问：总体来看，当下自动驾驶产业发展处于什么阶段?产业还面临哪些挑战?
华为云中国区汽车行业资深解决方案总监刘涛：自动驾驶现在已经进入到了用户付费的阶段。自动驾驶在量产上面临效率、速度和成本上的严峻挑战。比如如何更高效地在第一时间把产品研发出来;如何快速地实现产品技术的迭代;如何保证数据生成与测试验证的速度、提升数据训练的效率;如何控制好成本，包括芯片、传感器、数据等在内的算力成本与工程成本。同时自动驾驶在合规、供应链安全方面也面临着诸多挑战。
在提升研发效率方面，针对国内自动驾驶多样性的客户需求，华为云联合伙伴共创了“乐高式”自动驾驶研发工具链解决方案，提供端到端快速构建、模块按需构建、自选ISV集成三种合作模式，让车企以及自动驾驶企业按照自身需求模块化选择，进而实现高效开发。
在提升研发速度及降低成本方面，华为云基于AI能力提供“训练加速、数据加速、算力加速”三层加速方案，加速自动驾驶模型的数据闭环迭代，同时以存储技术、NeRF 3D重建实现降本。
华为云作为行业数字化云底座和云技术使能者，致力于联合行业合作伙伴共建产业开放生态圈，打造多元化生态合作模式，为车企客户提供模块化解决方案，通过云、AI和数据技术帮助客户与伙伴在研发过程中提高效率、提升速度以及降低成本，加速推动自动驾驶产业发展。
第九问：车路云一体化在自动驾驶中将发挥何种价值?
中国电动汽车百人会副秘书长徐尔曼：“车-路-网-云-图”的基本技术架构如今已成为行业共识，其中云平台是管理控制中心。
车企与云服务的创新正从“数据上云”的1.0时代向“服务为上”的2.0时代发展。在1.0时代，数据上云是必由之路，云服务能够基于业务助力海量数据的多方汇聚、去芜存菁、统一处理。
在2.0时代，车企和云服务企业将更多地聚焦在服务上，在智能网联核心场景上，云服务企业需更加深入地理解汽车行业，更好地将ICT能力与汽车业务 结合。在智能化、网联化背景下，汽车的定义和属性发生变化，数据管理及赋能、数据安全管理及云服务已经成为汽车行业发展的关键。
第十问：车企、自动驾驶科技企业(软件/硬件/解决方案)、汽车供应链企业、云服务商等，如何共建可持续生态体系?
中国汽研信息智能事业部整车工具部部长潘伟：我认为行业要做好一个可持续的共建生态，企业首先要做对的事情，要把事情做对，要有一颗公心让自身良性发展。其次要清晰定义自己的边界，在这个基础上找伙伴、补不足，与优秀同行一起前行。
星尘数据商务副总监谢新艳：全产业链联动形成产业合力将是必然的趋势，数据成为行业发展的关键要素也逐渐成为共识。作为华为ModelArts首家标注平台合作伙伴，未来我们希望通过数据闭环和数据策略服务和生态合作伙伴紧密合作，共同提升自动驾驶的研发效率。
“小结：从主机厂的角度而言，不论是全栈自研还是依靠供应商实现能力构建，发展自动驾驶都需要综合考虑自身的技术实力和成本承受能力，而通过自主研发与合作相结合的方式，既可以自研关键技术，也与供应商合作提升自身的自动驾驶综合竞争力，进而实现自动驾驶的快速落地。
自动驾驶目前处于技术探索和商业应用的并行阶段。虽然自动驾驶产业仍面临技术难题、法规制度、安全保障等挑战，但其未来将呈现出多元化、协同发展的态势，包括将促进智能出行、智能交通、智能物流等多个领域的发展。
而车路云一体化可以实现自动驾驶系统与路网、交通体系等的实时交互与信息共享，提高自动驾驶的感知能力和决策能力，进一步提升行驶安全和效率。同时，通过大数据分析，车路云一体化还具有道路优化、拥堵疏导等功能，大幅优化城市交通管理。
自动驾驶是一个庞大的产业系统性工程，没有任何一家企业能够把整个产业做下来，自动驾驶需要建立开放式的合作平台，既可以形成互信、互利、互补的伙伴关系，又能实现技术、资源、信息等方面的优势互补，加强创新、标准化、规范化等方面的合作，共同推进自动驾驶生态建设，提升整体产业发展水平与市场竞争力。”
结语
2023年，自动驾驶的发展势必将会再上一个台阶，快步进入量产提速阶段，在业内专家学者们的携手攻坚克难下，数据安全监管、数据闭环“长尾”问题将会得到进一步的解决，自动驾驶企业也将会更加积极拥抱自动驾驶高速发展过程中的机遇和挑战，抓住自动驾驶的黄金十年，跑出中国自动驾驶的“加速度”。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
