城市NOA之下，这次汽车云的“真风口”到了

随着智能汽车热度的持续攀升，与智能汽车相关的汽车云领域，再次受到了人们的关注和重视。其实早在去年，云计算大厂就已经开始加码专属汽车云了，国内大厂如BATHD（百度、阿里、腾讯、华为、抖音）等，也都宣布要持续推进自己的汽车云计划，国外厂商如微软等，也是不遗余力地想要进来分一杯羹。

今年以来随着华为问界M5智驾版的推出，L3级别的智能驾驶呼之欲出，汽车云的热度也再次攀升。

L3加速到来

今年6月份以来，包括华为、特斯拉等在内的行业巨头纷纷发声表示，L3级别的自动驾驶已经无限逼近，其中马斯克更是认为年内特斯拉或将实现真正意义上的自动驾驶。事实上，当下智能驾驶的“进阶”已成必然趋势。

从技术上来看，如今L2级别的智能驾驶已经非常成熟，L3级别的自动驾驶条件业已具备。根据高工智能汽车数据显示，2023年1-3月，乘用车行业L2级及以上渗透率为33.4%，同比提升9个百分点；新势力品牌L2级及以上渗透率基本在70%以上，头部自主品牌L2级及以上渗透率在30%以上。从种种迹象来看，国内自动驾驶从L2到L3跃升，已成为不可逆转的趋势。

值得一提的是，作为当前最能体现智能驾驶能力的城市NOA方面，尽管多家车企都在积极布局量产，但从落地情况来看，AITO问界M5智驾版无疑是其中的佼佼者。事实上，AITO问界M5智驾版已无限接近于L3高阶智能驾驶，它可以将因注意力不集中和路况复杂造成的交通事故减少90%，是智能驾驶领域目前体验最好的解决方案之一。据预计三季度AITO问界M5智驾版还将在15个城市落地无图商用辅助驾驶，四季度扩大至45个城市，这或将给行业带来全新的变化。

从政策上来看，国家正在逐次开放L3级别甚至更高级别自动驾驶的路测，这无疑会加速相应的技术商用落地进程。就在6月21日的政策例行吹风会上，相关部门就释放了积极的信号。据预计未来我国将启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持有条件的自动驾驶落地，而这里面特指L3级及更高级别的自动驾驶功能商业化应用。

总之，无论是在技术上还是政策上，汽车在智能化方面都向前迈进了一大步，这在加快智能驾驶场景落地的同时，也将进一步刺激与之相关的汽车云服务加速发展。

汽车云迎来爆发机遇期

据IDC发布的《中国季度乘用车市场数据追踪报告》预测，未来五年中国汽车云市场的增速将不断创新高，未来五年复合增速达53.6%，2027年该市场规模将突破600亿元。其中，汽车云基础设施市场复合增长率预计达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56.1%。这预示着汽车云整体市场，将迎来爆发机遇期。

从单个汽车产品来看，L3级别的智能驾驶车辆将会出现指数级的数据量增长，它将直接带动汽车用云需求的增长。根据英特尔测算，L3+级自动驾驶每辆汽车每天产生的数据高达4000GB，作为自动驾驶技术应用落地的必要条件，汽车传感器的飞速增长，带动了数据采集、标注到运算等为主的整个产业链的爆发，汽车用云需求也在飞速提升。

站在行业节点上来看，汽车从L2级别向L3级别跃迁，实际上标志着行业跨越辅助驾驶向无人驾驶演进迈入关键阶段，汽车数据的增长对算力需求不断增长，让“汽车云”变成了一种刚需应用服务。特别是自动驾驶从L2向L3过渡过程中，大量虚拟仿真数据测试，都需要汽车云技术的加持，这意味着随着自动驾驶级别的提升，汽车云的使用场景将会得到进一步放大。

从行业层面来看，智能汽车本身辅助驾驶等方案普及度的提升，进一步加大了汽车用云需求的增长。如前文所述，目前行业无论新老造车企业，都已经将汽车的自动驾驶级别推入到了L2级别，接下来L3将成为车企全新的竞争焦点，这意味着L3级别的自动驾驶，可能不单单是少数企业的目标，而是行业整体奋进的目标。

尤其是今年以来，华为、小鹏、理想等车企，率先喊出了“去高精地图”的城市NOA（可以实现智能超车以及自主变道）通勤后，包括蔚来、智己、比亚迪、飞凡、小马智行等众多车企及产业链玩家，都加入到了NOA的大比拼中，这预示着一个以高阶智能驾驶为代表的全新智驾时代正在加速到来。在此背景下，与之联系紧密的汽车云业务，也在面临全新的外部机遇。

智算将成全新方向

随着智能汽车的升温，特别是随着自动驾驶算法模型的趋同，行业正在逐步走出以往单纯比拼算力大小的窠臼，日益朝着“智能算力”方向升级。比如，早在去年8月份，小鹏汽车就宣布与阿里云合作推出了智算中心—扶摇，今年更是量产了首款基于该智算平台的车型G6；与此同时，毫末智行与火山引擎合作，推出了自家的智算中心—毫末“雪湖绿洲”；吉利汽车也宣布与阿里云合作，成立了星睿智算中心……不难发现，目前智能算力已经成为行业发展的全新潮流。

一方面，随着行业的快速发展和自动驾驶、智能座舱等AI技术的广泛应用，汽车对智能算力的需求越来越大。过去车企在发展智能汽车过程中，为保证车辆在全生命周期内的持续软件升级能力，往往会在智能驾驶方面采用“硬件预置、软件升级”的策略，即通过提前预置大算力芯片，为后续软件与算法升级优化提供充足空间。比如，蔚来、小鹏等为代表的主机厂在新一代车型中，已经将其智能驾驶算力提升到了500-1000Tops级别。

但过度依靠大算力芯片作为智能化升级的基础，弊端也很明显：一是受限于车端物理环境和芯片制程逼近摩尔极限，单芯片算力增长难以持续，车端算力不断逼近物理上限；二是大算力芯片受制于人，单一芯片提升路径很容易被人“卡脖子”，重蹈智能手机行业的“覆辙”。

为了避免这一点，并突破现有的算力瓶颈，就需要将智能汽车的算力供给模式，转变成“云—网—边—端”融合计算模式，从而实现多个路径优化，实现弹性的算力供给，智算自是题中之义。

另一方面，从整车结构来看，伴随着智能汽车的快速发展，其整车架构日益朝着整车计算平台演进，这迫使汽车不断向智算方向靠近。传统汽车时代的竞争，主要是围绕动力、操控和空间来展开。但在智能汽车发展的背后，是整车计算平台的演进，从最初的分布式计算、单个子系统拥有自己的ECU，到域控制器逻辑、以功能划分集成化控制运算，再到最终实现整车运算能力的高速集中、智能化分配算力，这几乎是整车结构演变，汽车从工业品向电子消费品、智能终端演变过程中的自然结果。

可见，无论是从哪方面来看，智能算力都将是车企未来发展的必然选项。

软硬件协同或成未来行业破局关键

从当下来看，目前以华为、特斯拉等为代表的智能汽车行业头部企业，正在国内市场掀起一股“城市NOA”的高阶智能驾驶浪潮。它的出现实际标志着中国的智能驾驶应用，已经从“相对边缘”的高速辅助驾驶场景，进入到相对高频、路况复杂的城市驾驶场景，这意味着智能驾驶开始真正走向高速发展阶段。在此背景下，要想破解算力瓶颈，软硬件协同将成核心关键。

一来，单纯拼硬件的方式具有很大的局限性。自动驾驶虽然已经经过十几年的发展，但各项细分技术还在不断迭代、向外延伸，这意味着技术方向和市场都充满了不确定性。也正因为如此，很多车企倾向于提前预埋一些高配置的硬件，为后续的升级提供条件。

但从市场反馈的效果来看，这场围绕算力的军备竞赛，最终走向了单一拼堆料配置的方向，变成了一个“壮而不强”的状态。而且在大算力芯片大比拼之下，大算力芯片的价格水涨船高，间接抬升了车企购置芯片的成本，加剧了车企的成本控制压力，最终并没有达到最佳的配置效果。

二来，在“端—网—云—芯”这个大的智能方案路径之下，包括算法等在内的软件技术能力重要性日益凸显。如前文所言，车企之所以会围绕芯片参数“疯狂堆料”，是因为提供大算力芯片的厂商就那么几家，所以应用起来都是很同质化的，相比之下软件端则较为差异化，因为它更考验车企的软件自研实力。

比如，特斯拉并没有一味像很多车企一样迷信大算力芯片，而是通过强化软件能力，使其总体自动驾驶性能获得了稳步提升。比如，特斯拉HW 3.0芯片的单芯片算力只有72TOPS，与上一代并没有太多提升，但自动驾驶性能却直接提升了20倍。另外，AI大模型时代的到来，为智能汽车实现“以AI训练AI”提供了全新路径，平台对人工智能算法、算力以及数据的存储、运算将变得更为重要，这种情况下软件在智能汽车中的地位直线攀升。

当然，这并非说硬件并不重要，大算力芯片的升级、激光雷达以及各类感应器的优化，功耗、用户体验与硬件成本的平衡等，都对车企的市场表现产生直接影响。比如，大算力芯片是否会导致类似手机那样的发热问题呢？成本提升了之后用户体验和产品定价又当如何？不难看出，这不单单是一个软件的问题，而是一个关乎车企产品战略能否成功的系统性问题。

从这个角度来看，通过软硬件双向协同、彼此赋能，才能够让车企在软件定义汽车时代，走的更加平稳。

生成海报

免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。

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。