今天小編分享的汽車經驗：賣AI汽車，行業準備好了嗎？，歡迎閱讀。
文 | 車百智庫
10 月，小鵬和特斯拉相繼發布了 AI 汽車，瞬間在行業掀起一股熱潮。
時間回到四年前。2020 年，何小鵬與大洋彼岸的馬斯克，曾發生過一段 battle。
當年，小鵬汽車官宣，今後的車型将采用激光雷達提高智駕性能——在 AI 智駕車中，激光雷達相當于智駕車的環境感知器。
但馬斯克不爽了，他在大洋彼岸發表評論稱，小鵬汽車抄襲了特斯拉和蘋果的舊代碼，并得意地說，" 他們有特斯拉的舊版本軟體，但沒有我們最新的神經網絡。"
對馬斯克的言論，當時何小鵬立即發博怒怼。
當時很多人只是把這場 battle 當作熱鬧來看。沒想到，時隔 4 年，兩人的挑戰真兌現了。
今年 10 月 10 日，剛改名為 " 小鵬 AI 汽車公司 " 的小鵬汽車，率先搶下 " 全球首款 AI 汽車 " 的名号，發布新車型 " 小鵬 P7+"，預售價 20.98 萬起，預計 11 月上旬上市。
同天，在跨越 15 個時區的美國洛杉矶，馬斯克發布了備受矚目的無人駕駛出租車 Cybercab。
看起來，AI 賦能汽車的熱潮勢不可擋。為此，中國電動汽車百人會日前發布了研報《人工智能賦能新能源智能汽車發展》，對此進行了剖析，并提出了一系列建議。
競争加速
今年 4 月，特斯拉 CEO 馬斯克閃電訪華，外界對于特斯拉完全自動駕駛（以下簡稱 "FSD"）能否入華有了不少猜想。在特斯拉二季度财報電話會上，馬斯克透露，FSD 預計在今年年底前在中國和歐洲獲得批準。
FSD 正式開啟入華 " 倒計時 "，對新能源車圈來說，既是壓力，也是挑戰。在智能駕駛領網域，特斯拉一直是 " 少數派 "，去年 8 月，特斯拉發布了 FSDBetaV12，馬斯克表示，這是世界上第一個端到端 AI 自動駕駛系統。
何謂 " 端到端 "，簡單來說就是用人工智能模型取代傳統的感知、規劃、控制三大模塊，系統不再按照工程師編寫的代碼去執行，而是像人一樣思考和行動。
這在自動駕駛行業引發了強烈反響，不少車企和自動駕駛公司開始研發端到端技術，國内的智駕路線也開始 " 轉向 "。
2023 年下半年開始，蔚來單獨設立了一個大模型部負責端到端的模型研發；理想汽車智能駕駛副總裁郎鹹朋表示，特斯拉發布 FSD V12 時，理想已經開始預研端到端技術， FSD V12 的表現讓自己更加堅定了信心。
來到 2024 年，端到端技術開始加速上車。除了 " 蔚小理 " 已經發布了端到端智駕技術成果之外，本土車企、科技公司、智駕公司也開始行動起來。
4 月，華為發布乾崑 3.0，預計将首發搭載在享界 S9 上面，華為乾崑 ADS 3.0 版本具備融合端到端能力，在激光雷達輔助下将會對智駕能力帶來巨大提升。
6 月，長城汽車董事長魏建軍通過直播展示了長城汽車 NOA 在重慶的實際表現，背後是長城汽車最新一代的智能駕駛系統，采用模塊化端到端架構。
7 月，比亞迪旗下的高端品牌騰勢表示，已經完成了 " 無地圖 " 的端對端解決方案研發，是實現智能駕駛的第一階段。
從這些端到端產品的發布時間來看，大部分車企應該是從去年下半年就開始着手端到端大模型的研發，但趕上 " 交卷時間 "，卻并不意味着就能一步到位。
在特斯拉之後，國内車企和智駕公司都在快速跟進端到端技術。華為和小鵬采用的是分段式 " 端到端 "，即将感知、規劃模塊分别用模型取代，中間通過人工編寫的規則連接；
而理想的步伐則邁得更大些，是用一個模型取代感知和規劃兩個模塊，業内形容其是比特斯拉退了一步，卻比國内同行多走了一步。
但跟特斯拉号稱 " 輸入影像、輸出控制 " 的端到端方案相比，國内的端到端思路暫時只能做到從感知端到預測決策端，最終的控制執行模塊，依然由工程師的手寫規則來兜底。
長城汽車智能平台開發中心高級總監姜海鵬表示，現在幾乎每一個算法公司或者主機廠都在研究端到端，但已經按照端到端架構去做的不超過三家。
理想汽車董事長李想也提到端到端技術的挑戰，包括要真正做端到端數據訓練的人才；需要真正高質量的數據；需要足夠多的算力。
算法、數據、算力被視為 " 端到端 " 落地的三大難點，正因為有這三大障礙，對于 " 端到端 " 是不是智駕未來的讨論，業内一直難有定論。
但辦法總比困難多。針對算力，理想表示公司有五千張 A100、A800 這樣等同的訓練卡數量，是小鵬的兩倍，也有健康的利潤來支持租卡；
針對數據，小鵬表示基于折算 10 億 + 裡程的視頻訓練、超 646 萬累計公裡數的實車測試、超 2.16 億累計公裡數的仿真測試，小鵬端到端大模型能夠做到 " 兩天迭代一次 "。
對于當下高度内卷的車圈來說，搶先實現端到端模型落地量產，加速城市 NOA" 開城進度 "，已經各大車企争奪市場份額、提升品牌競争力的關鍵策略。
大模型上車的想象空間
不過，緊張起來的可不僅只有車企們，科技公司、智駕公司也同樣在大步快走。商湯絕影的純視覺端到端自動駕駛通用模型 UniAD，可以實現感知決策一體化的 " 一段式 " 方案，是更類似 FSD 的全視覺全自動駕駛路徑。
目前，商湯絕影的量產智駕產品已落地廣汽埃安 LX Plus、合眾哪吒 S、廣汽昊鉑 GT、紅旗等多個品牌及車型，高速 NOA 等功能也開始落地。
元戎啟行的高階智駕平台 DeepRoute IO 通用也應用了端到端模型，據悉元戎啟行将負責比亞迪的端對端智能駕駛項目，一旦項目驗證成功，意味着元戎啟行有可能成為國内新能源銷量第一的定點合作。
但相較于 " 蔚小理 " 等新勢力集中火力猛攻智能駕駛，互聯網巨頭、科技獨角獸則在探索 AI 大模型在車端場景的更多應用，不僅在智能駕駛方面，還在智能座艙、生產研發、營銷推廣等方面。
在智能座艙方面，大模型能有效改善智能汽車人機互動體驗，通過語音、視覺、手勢等多種互動方式，滿足用戶在不同場景下的使用習慣。
蔚來大模型 NOMI GPT 正式上線，具備與用戶進行開放式問答的互動能力。還能通過調用第三方 API 搭建 AI Agent，實現蔚來產品、服務、社區的全網域貫通。
科大訊飛則推出了全新的 " 飛魚情景智能座艙系統 "，可與駕駛、通訊、娛樂等多樣化的車内使用場景實現了緊密結合，目前已經在奇瑞、廣汽、長城等 10 多家車企中得到應用。
制約仍在
雖然，AI 汽車整個產業鏈都在突飛猛進的發展，但不可否認的是，制約因素仍然很大。
中國電動汽車百人會研報《人工智能賦能新能源智能汽車發展》顯示，智能算力基礎設施的不足，是智能網聯汽車加速發展的主要制約因素。汽車與 AI 深度融合，端到端智能駕駛、座艙大模型等加速上車，對智能算力的需求快速增長。智能駕駛端到端技術路線所需算力為 1 EFLOPS 起，理想算力需達 100 EFLOPS 以上；座艙基礎 AI 大模型訓練需 10 EFLOPS 算力以上，垂類模型訓練及微調需數百到數千 PFLOPS。
算力供給方面，我國車企算力平均僅為 3 EFOLPS 左右，相較于特斯拉的 100 EFLOPS 差距巨大；移動、電信、聯通三大運營商規劃算力也僅為 53 EFLOPS（至 2024 年底）。智能算力供給不足将制約我國汽車智能化算法的快速迭代。
" 成熟 " 算力難增長，新增算力 " 不成熟 "。" 成熟 " 算力指英偉達的 " 有芯片、有軟體生态 " 智能算力，但受美國出口管制影響，我國只能使用存量芯片進行 AI 計算，" 成熟 " 算力總量受限。
" 不成熟 " 算力指華為昇騰、寒武紀、海光、摩爾線程等的 " 有芯片、缺軟體生态 " 的智能算力，此類芯片已初步形成供應能力，但各家硬體架構不一，軟體生态覆蓋、兼容算法尚不完善，軟體開發人員使用困難導致算力基礎設施拓展緩慢，算力應用效率偏低。需豐富 " 不成熟 " 算力軟體、生态，減少算力硬體 " 卡脖子 " 的問題。
結語
百人會研報認為，智能駕駛進入數據驅動階段，競争要素發生改變。随着智能駕駛與 AI 深度融合，以數據驅動的端到端智能駕駛成為應對自動駕駛長尾場景的有效路徑。與以往依靠工程師編寫代碼（手工模式）的智駕研發方式相比，端到端智能駕駛通過大量實采數據，結合大算力及感知決策規劃的模型化，真正實現了基于數據驅動的迭代更新（機器模式），使得端到端智駕方案的技術上限、迭代速度和拟人化程度均得到指數級提升。同時競争要素轉移到數據、算力、模型等領網域，但國内在先進算力、數據規模方面存在較大短板，要實現與特斯拉 FSD 的正面競争面臨很大挑戰。
國内應充分發揮單車智能和車路雲融合優勢，構建 " 兩端輸入 " 式智能駕駛發展路線。中國電動汽車百人會理事長兼秘書長張永偉認為，特斯拉 FSD 是單車智能 " 一端輸入 " 式的感知方式，盡管可以應對絕大多數駕駛場景，但仍存在感知視距不足和視野盲點等痛點。融合單車和車路雲 " 兩端輸入 " 式智能駕駛新方案 ( C-FSD ) ，不僅能夠實現單車智駕基礎功能，還能實現超視距感知，提升車輛駕駛安全和交通效率。
此外，基于 C-FSD 可實現數據共享、算力統籌、模型共建，降低企業研發門檻，一定程度上解決技術、資源、市場分布不均的現狀，實現創新平權，釋放初創企業的創新活力。
