城市NOA之下，这次汽车云的“真风口”到了

配图来自Canva可画

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。