今天小編分享的汽車經驗：跨過百億智駕研發門檻，誰能率先拿下L4？，歡迎閲讀。
文 | 鋅刻度 撰文 | 孟會緣 編輯 | 黎文婕
"2025 年将是非高階智駕車淘汰的元年，無智駕功能的車将逐漸失去競争力。" 連日來，多家新能源汽車高管的發聲，将 " 智駕 " 的身價極速抬升至上百億元。
一個值得關注的行業大背景是，随着洗牌加速，越來越多新能源車企意識到智駕不只是影響消費者決策的一大賣點，更是它們決戰下半場的關鍵。辰韬資本投資經理劉煜冬甚至做出了這樣的判斷：" 端到端為 L4 商業化開啓了第二個成長曲線。"
堆算力、堆數據、加算法，當供應商争相開始跑馬圈地，這背後不僅有端到端戰略規劃的差異，也存在資本實力的差距。從特斯拉、華為、" 蔚小理 " 等新能源車企，不斷重投超算中心以及日漸擴大研發團隊規模等動作來看，這場端到端的競速賽才剛剛開始。
全棧自研要用錢來堆
" 在汽車智能化的時代，我可以明确告訴大家，沒有 500 億的投入是無法做好智能駕駛的。因此，如果今天還有人認為只需花費幾十億就能成功實現智能駕駛，我認為這樣的產品很可能會變成馬路上的殺手。"
" 關于 500 億，需要判斷是一次性投資還是長期投資，就像今天提到的我們每年都會有 10 億美金投資在智駕研發中，如果連續 10 年的話是超過 500 億的。"
" 端到端會讓整個鏈條變得更長，我們每年投入 35 億的 AI 費用，無論是從算力的建設，還是更重要的是數據采集，都需要大量的沉澱和時間。"
極越汽車 CEO 夏一平
這段時間，極越、理想、小鵬等新能源汽車品牌的高管紛紛就自研智駕的成本問題有所回復，不由将這個話題的 " 含金量 " 拉到了頂格。
其實自新能源汽車賽道誕生以來，" 智能化 " 一直是相關車企競相貼近的終極标籤，從最開始的智能座艙，到之後的 NOA 自動輔助導航駕駛，再到最近的端到端自動駕駛，智能化的落點雖有變化，但新能源車企對 " 智駕 " 的追求卻是歷久彌新。
從技術角度來看，端到端自動駕駛是數據驅動的模型，因此，訓練數據的重要性越來越高，端到端對數據的要求體現在數據量、數據标注、數據質量和數據分布等方面，除了海量高質量數據之外，還需要強大的算力來支撐模型的訓練。
正如理想汽車智能駕駛研發副總裁郎鹹朋所説，" 做自動駕駛的研發，核心競争就是是否有更多更好的數據和與之配套的算力去訓練模型。而算力和數據的獲取，需要看花多少錢、投入多少資源去做。"
最早布局該技術路線的馬斯克也曾多次表示："FSD V12 端到端模型迭代主要受到雲端算力資源的掣肘 "。并選擇投注重金堆高算力——特斯拉計劃 2024 年底前對 DOJO 超算中心投資超 10 億美元，目标是總算力提升至 10 萬 PFLOPS，相當于約 30 萬塊英偉達 A100 的算力總和。
從國内的情況來看，以 " 蔚小理 " 為代表的造車新勢力，連同吉利、長安等老牌造車企業，或選擇自建、或與第三方合作籌備智算中心。如蔚來與騰訊合作建立了智算中心，雖然暫未公布其超算中心的具體實力，但李斌曾用 " 喪心病狂 " 一詞來形容蔚來在算力方面的布局，并稱在未來一兩年内都還會是全球天花板；
以華為、商湯絕影、毫末智行為代表的智駕供應商亦是不落下風。據悉，華為車 BU 雲智算中心的乾崑 ADS 3.0，在算力方面已達到 3500PFLOPS，訓練數據量為日行 3000 萬公裏，按照全球道路總長約為 6400 萬公裏計算的話，2.1 天系統就能完全覆蓋。
圖源來自汽車之心
顯然，推動端到端技術落地需要有投入大，成本高的算力支撐，但這不是所有車企都有能力和資源做到的。據悉，國内大部分研發端到端自動駕駛的公司目前的訓練算力規模在千卡級别，随着端到端逐漸走向大模型，訓練算力更是捉襟見肘。
為實現 2025 年量產而努力
" 參考前述追趕進度，國内自動駕駛公司的模塊化端到端方案上車量產時間可能會在 2025 年。" 關于端到端架構何時上車的問題，辰韬資本發布的《端到端自動駕駛行業研究報告》有所預測。
即使知道端到端自動駕駛必然要接受訓練數據難題的考驗，但作為當前車圈最火爆的技術概念，新能源廠商加速跑馬圈地的态度清晰可見。
自 2024 開年以來，端到端技術落地智駕領網域的消息不斷：華為于 4 月 24 日在智能汽車解決方案發布會上，官宣了以智能駕駛為核心的全新智能汽車解決方案品牌 " 乾崑 "，并發布了采用端到端架構的 ADS 3.0；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；在 5 月 20 日的 "AI DAY" 上，小鵬汽車宣布即日起開始向用户推送基于端到端大模型的智能駕駛和智能座艙系統；理想汽車在 2024 中國汽車重慶論壇上透露，預計最早在今年年底、最晚明年年初，理想汽車将推出通過超過 1000 萬 clips 訓練出的更完善的自動駕駛體系，為用户提供監督型 L3 級自動駕駛體驗；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；同月，蔚來在 2024 蔚來創新科技日上正式發布中國首個智能駕駛世界模型 NWM —— NIO World Model ……
華為端到端架構的 ADS 3.0
從 " 國内首個量產上車 "" 行業首個雙系統量產方案 "，到 " 國内首個端到端一體化模型 "" 業内首個應用端到端技術的 AEB"，對于相關新能源產品被冠以的這些頭銜，我們或許無從下手驗證真假，但可以看到的是相對應車企在這些產品上已經給出的巨額投資——新能源車企日漸龐大的研發團隊規模。
對此，有汽車博主曾做過相關情況統計：華為（2023 年 12 月超 7000 人，不過這一數字應該是華為車 BU 總人數）、比亞迪（2024 年第一季度超 4000 人）、小鵬汽車（2024 年第一季度超 3000 人）、極氪汽車（2024 年 2 月超 1500 人）、蔚來汽車（2023 年 11 月超 1300 人）、理想汽車（2024 年 5 月預計低于 1000 人）。
圖源：新渠道觀察
就連後來居上的小米汽車，也借雷軍之口展露過野心，" 由小米自己研發智駕，每年成本超過 20 億元，投入是巨高無比的，在國内很少有從頭到尾全部自研的廠商 "。據雷軍介紹，小米汽車從一開始就明确了目标，所有的智能駕駛方案都由自己研發，目前小米汽車智駕團隊擁有超過 1000 名工程師。
以在 8 月份的二季度财報電話會上，被曝出将成立專業的智能駕駛研究院的零跑汽車為例，2024 年上半年，零跑在智能化上的研發費用同比增長了 50%，" 主要是因為加大了智能駕駛的投入 "，零跑汽車董事長朱江明還補充表示，2024 年零跑研發投入全年會維持在 50% 的增速。而對比過往，2022 年 ~2023 年，零跑兩年的研發投入約 33.3 億元，同期理想研發投入則為 173.66 億元。
誰能穩站第一梯隊？
當端到端競賽開啓，車企進入在這一階段後對訓練算力的需求越高，也意味着需要更多的資金、人力和時間投入。而當這條涉及算力、算法、數據的多維競争技術路線走到最後，必将是其背後的新能源車企之間綜合實力的角逐。
其中最重要的一環，莫過于新能源車企們舍得在技術研發上砸多少錢。
之于相關車企，資金來源可以分為外部和内部。外部的典型案例是在 2024 年 5 月靠端到端自動駕駛及自動駕駛大模型技術，拿下了超 10 億美元融資的英國初創公司 Wayve。這為端到端在資本市場的升温埋下了伏筆，畢竟上一次有關自動駕駛領網域超 10 億美元的融資事件，已經可以追溯到 2021 年上半年完成 25 億美元融資的 Waymo，自此以後，全球自動駕駛投融資市場就進入了低迷期。
不過對于國内的新能源車企而言，指望獲得資本市場不知何時才到的垂青，倒不如期待以實現自我造血來押注技術突破。
從這個角度來看，國内車企可分為兩派，一是如 " 蔚小理 " 這樣的新能源車企，二是像比亞迪這樣向新能源轉向的老牌造車企業，在最新的 10 家車企财報中，算上比亞迪一共有 9 家車企研發投入超過了淨利潤。其中上汽集團的研發投入達到 89.6 億元，而淨利潤為 66.3 億元；吉利汽車實現了 33.7 億元的淨利潤，研發投入卻高達 45.5 億元；長安、東風、廣汽的研發投入也都高出淨利潤……這些也在一定程度上證明了老牌造車企業在技術研發方面的資金實力。
當然，造車新勢力的表現也值得關注。今年上半年，理想憑借 18.9 萬輛的交付，依舊遙遙領先。蔚來交付 8.74 萬輛，同比增速依然具有絕對優勢。小鵬汽車半年交付 5.2 萬輛，排名依然靠後，面臨掉隊風險。若是就賺錢能力來説，理想汽車無疑是 " 蔚小理 " 中的盈利王。二季度，理想汽車雖然淨利潤同比下降 51.94%，但仍錄得 11.02 億元，連續 7 季度實現盈利。蔚來和小鵬則是繼續虧損，但好的變化是，虧損都大幅收窄。
這些都為造車新勢力們大筆花錢搞研發打下基礎：2024 年上半年，蔚來研發投入達 60.83 億元，占營收的比重為 22%；小鵬汽車研發投入 28.17 億元，銷售及行政開支達 29.6 億元；理想汽車研發費用為 60.76 億元，與去年同期的 42.78 億元相比，同比增長 42%，研發費用增長了約 18 億元。
" 端到端量產前必須要跨過這幾道關，首先就是車端算力的準備，第二是端到端算法的迭代，第三是雲端數據規模，第四是算力規模，第五是驗證方案。" 用極佳科技工程副總裁毛繼明的話來説，目前特斯拉以及國内的 " 蔚小理 "、華為等頭部主機廠和公司，在車端算力、雲端數據規模、和雲端算力規模這三項上已經都齊備了。今年年底到明年上半年，幾家頭部車企的端到端算法就能夠達到規模化上車；明年下半年起，行業就會迎來端到端量產上車的井噴狀态。
理想汽車的雲端模型
信達證券發布研報認為，智能駕駛算法層面逐漸收斂至端到端架構後，數據 + 算力将成為核心競争要素，頭部車企或供應商能掌握更多更優的 " 數據 "，以及更強更快的 " 算力 "，而優秀的智駕能力有望加強銷量轉化，最終強化車企馬太效應，令智駕強者愈強。
至于誰将率先開啓 L4 商業化的第二個成長曲線，就要留給市場加以見證了。
