今天小编分享的汽车经验：卖AI汽车，行业准备好了吗？，欢迎阅读。
文 | 车百智库
10 月，小鹏和特斯拉相继发布了 AI 汽车，瞬间在行业掀起一股热潮。
时间回到四年前。2020 年，何小鹏与大洋彼岸的马斯克，曾发生过一段 battle。
当年，小鹏汽车官宣，今后的车型将采用激光雷达提高智驾性能——在 AI 智驾车中，激光雷达相当于智驾车的环境感知器。
但马斯克不爽了，他在大洋彼岸发表评论称，小鹏汽车抄袭了特斯拉和苹果的旧代码，并得意地说，" 他们有特斯拉的旧版本軟體，但没有我们最新的神经网络。"
对马斯克的言论，当时何小鹏立即发博怒怼。
当时很多人只是把这场 battle 当作热闹来看。没想到，时隔 4 年，两人的挑战真兑现了。
今年 10 月 10 日，刚改名为 " 小鹏 AI 汽车公司 " 的小鹏汽车，率先抢下 " 全球首款 AI 汽车 " 的名号，发布新车型 " 小鹏 P7+"，预售价 20.98 万起，预计 11 月上旬上市。
同天，在跨越 15 个时区的美国洛杉矶，马斯克发布了备受瞩目的无人驾驶出租车 Cybercab。
看起来，AI 赋能汽车的热潮势不可挡。为此，中国电动汽车百人会日前发布了研报《人工智能赋能新能源智能汽车发展》，对此进行了剖析，并提出了一系列建议。
竞争加速
今年 4 月，特斯拉 CEO 马斯克闪电访华，外界对于特斯拉完全自动驾驶（以下简称 "FSD"）能否入华有了不少猜想。在特斯拉二季度财报电话会上，马斯克透露，FSD 预计在今年年底前在中国和欧洲获得批准。
FSD 正式开启入华 " 倒计时 "，对新能源车圈来说，既是压力，也是挑战。在智能驾驶领網域，特斯拉一直是 " 少数派 "，去年 8 月，特斯拉发布了 FSDBetaV12，马斯克表示，这是世界上第一个端到端 AI 自动驾驶系统。
何谓 " 端到端 "，简单来说就是用人工智能模型取代传统的感知、规划、控制三大模块，系统不再按照工程师编写的代码去执行，而是像人一样思考和行动。
这在自动驾驶行业引发了强烈反响，不少车企和自动驾驶公司开始研发端到端技术，国内的智驾路线也开始 " 转向 "。
2023 年下半年开始，蔚来单独设立了一个大模型部负责端到端的模型研发；理想汽车智能驾驶副总裁郎咸朋表示，特斯拉发布 FSD V12 时，理想已经开始预研端到端技术， FSD V12 的表现让自己更加坚定了信心。
来到 2024 年，端到端技术开始加速上车。除了 " 蔚小理 " 已经发布了端到端智驾技术成果之外，本土车企、科技公司、智驾公司也开始行动起来。
4 月，华为发布乾崑 3.0，预计将首发搭载在享界 S9 上面，华为乾崑 ADS 3.0 版本具备融合端到端能力，在激光雷达辅助下将会对智驾能力带来巨大提升。
6 月，长城汽车董事长魏建军通过直播展示了长城汽车 NOA 在重庆的实际表现，背后是长城汽车最新一代的智能驾驶系统，采用模块化端到端架构。
7 月，比亚迪旗下的高端品牌腾势表示，已经完成了 " 无地图 " 的端对端解决方案研发，是实现智能驾驶的第一阶段。
从这些端到端产品的发布时间来看，大部分车企应该是从去年下半年就开始着手端到端大模型的研发，但赶上 " 交卷时间 "，却并不意味着就能一步到位。
在特斯拉之后，国内车企和智驾公司都在快速跟进端到端技术。华为和小鹏采用的是分段式 " 端到端 "，即将感知、规划模块分别用模型取代，中间通过人工编写的规则连接；
而理想的步伐则迈得更大些，是用一个模型取代感知和规划两个模块，业内形容其是比特斯拉退了一步，却比国内同行多走了一步。
但跟特斯拉号称 " 输入影像、输出控制 " 的端到端方案相比，国内的端到端思路暂时只能做到从感知端到预测决策端，最终的控制执行模块，依然由工程师的手写规则来兜底。
长城汽车智能平台开发中心高级总监姜海鹏表示，现在几乎每一个算法公司或者主机厂都在研究端到端，但已经按照端到端架构去做的不超过三家。
理想汽车董事长李想也提到端到端技术的挑战，包括要真正做端到端数据训练的人才；需要真正高质量的数据；需要足够多的算力。
算法、数据、算力被视为 " 端到端 " 落地的三大难点，正因为有这三大障碍，对于 " 端到端 " 是不是智驾未来的讨论，业内一直难有定论。
但办法总比困难多。针对算力，理想表示公司有五千张 A100、A800 这样等同的训练卡数量，是小鹏的两倍，也有健康的利润来支持租卡；
针对数据，小鹏表示基于折算 10 亿 + 里程的视频训练、超 646 万累计公里数的实车测试、超 2.16 亿累计公里数的仿真测试，小鹏端到端大模型能够做到 " 两天迭代一次 "。
对于当下高度内卷的车圈来说，抢先实现端到端模型落地量产，加速城市 NOA" 开城进度 "，已经各大车企争夺市场份额、提升品牌竞争力的关键策略。
大模型上车的想象空间
不过，紧张起来的可不仅只有车企们，科技公司、智驾公司也同样在大步快走。商汤绝影的纯视觉端到端自动驾驶通用模型 UniAD，可以实现感知决策一体化的 " 一段式 " 方案，是更类似 FSD 的全视觉全自动驾驶路径。
目前，商汤绝影的量产智驾产品已落地广汽埃安 LX Plus、合众哪吒 S、广汽昊铂 GT、红旗等多个品牌及车型，高速 NOA 等功能也开始落地。
元戎启行的高阶智驾平台 DeepRoute IO 通用也应用了端到端模型，据悉元戎启行将负责比亚迪的端对端智能驾驶项目，一旦项目验证成功，意味着元戎启行有可能成为国内新能源销量第一的定点合作。
但相较于 " 蔚小理 " 等新势力集中火力猛攻智能驾驶，互联网巨头、科技独角兽则在探索 AI 大模型在车端场景的更多应用，不仅在智能驾驶方面，还在智能座舱、生产研发、营销推广等方面。
在智能座舱方面，大模型能有效改善智能汽车人机互動体验，通过语音、视觉、手势等多种互動方式，满足用户在不同场景下的使用习惯。
蔚来大模型 NOMI GPT 正式上线，具备与用户进行开放式问答的互動能力。还能通过调用第三方 API 搭建 AI Agent，实现蔚来产品、服务、社区的全網域贯通。
科大讯飞则推出了全新的 " 飞鱼情景智能座舱系统 "，可与驾驶、通讯、娱乐等多样化的车内使用场景实现了紧密结合，目前已经在奇瑞、广汽、长城等 10 多家车企中得到应用。
制约仍在
虽然，AI 汽车整个产业链都在突飞猛进的发展，但不可否认的是，制约因素仍然很大。
中国电动汽车百人会研报《人工智能赋能新能源智能汽车发展》显示，智能算力基础设施的不足，是智能网联汽车加速发展的主要制约因素。汽车与 AI 深度融合，端到端智能驾驶、座舱大模型等加速上车，对智能算力的需求快速增长。智能驾驶端到端技术路线所需算力为 1 EFLOPS 起，理想算力需达 100 EFLOPS 以上；座舱基础 AI 大模型训练需 10 EFLOPS 算力以上，垂类模型训练及微调需数百到数千 PFLOPS。
算力供给方面，我国车企算力平均仅为 3 EFOLPS 左右，相较于特斯拉的 100 EFLOPS 差距巨大；移动、电信、联通三大运营商规划算力也仅为 53 EFLOPS（至 2024 年底）。智能算力供给不足将制约我国汽车智能化算法的快速迭代。
" 成熟 " 算力难增长，新增算力 " 不成熟 "。" 成熟 " 算力指英伟达的 " 有芯片、有軟體生态 " 智能算力，但受美国出口管制影响，我国只能使用存量芯片进行 AI 计算，" 成熟 " 算力总量受限。
" 不成熟 " 算力指华为昇腾、寒武纪、海光、摩尔线程等的 " 有芯片、缺軟體生态 " 的智能算力，此类芯片已初步形成供应能力，但各家硬體架构不一，軟體生态覆盖、兼容算法尚不完善，軟體开发人员使用困难导致算力基础设施拓展缓慢，算力应用效率偏低。需丰富 " 不成熟 " 算力軟體、生态，减少算力硬體 " 卡脖子 " 的问题。
结语
百人会研报认为，智能驾驶进入数据驱动阶段，竞争要素发生改变。随着智能驾驶与 AI 深度融合，以数据驱动的端到端智能驾驶成为应对自动驾驶长尾场景的有效路径。与以往依靠工程师编写代码（手工模式）的智驾研发方式相比，端到端智能驾驶通过大量实采数据，结合大算力及感知决策规划的模型化，真正实现了基于数据驱动的迭代更新（机器模式），使得端到端智驾方案的技术上限、迭代速度和拟人化程度均得到指数级提升。同时竞争要素转移到数据、算力、模型等领網域，但国内在先进算力、数据规模方面存在较大短板，要实现与特斯拉 FSD 的正面竞争面临很大挑战。
国内应充分发挥单车智能和车路云融合优势，构建 " 两端输入 " 式智能驾驶发展路线。中国电动汽车百人会理事长兼秘书长张永伟认为，特斯拉 FSD 是单车智能 " 一端输入 " 式的感知方式，尽管可以应对绝大多数驾驶场景，但仍存在感知视距不足和视野盲點等痛点。融合单车和车路云 " 两端输入 " 式智能驾驶新方案 ( C-FSD ) ，不仅能够实现单车智驾基础功能，还能实现超视距感知，提升车辆驾驶安全和交通效率。
此外，基于 C-FSD 可实现数据共享、算力统筹、模型共建，降低企业研发门槛，一定程度上解决技术、资源、市场分布不均的现状，实现创新平权，释放初创企业的创新活力。
