“冰山之下”：谁在成为车企的真正智能助手？

“其实我们一直扮演的角色就是数字化助手，也就是别人可以去挖金，我们给大家提供铲子，这是我们扮演的角色，而现在我们希望给大家提供最好的铲子。”

作者| 皮爷

出品|产业家

如果说AI发展的最鲜明印痕是什么？有人的回答或许会是金融，有人会人认为会是医疗，更有人给出的答案也许是教育，但在其中，一个最易被察觉的答案一定会是：汽车。

“原来的汽车结构是机械层、底盘、发动机、车身等结构，而今天是机械层、能源层、操作系统、应用、云。”在腾讯全球数字生态的现场，长安汽车董事长朱华荣表示。

这种表达的背后对应的是如今不断刷新人们感知的汽车模型。从越发趋向于智能生活空间的智能座舱，到越发智能和安全的高阶智驾，从车端语音交互到点对点智慧停车，这些都在以足够真实的变化构成、定义着如今的车企发展新方向。

但实际上，这并不是一件容易的事。如果说在机械工业时代，汽车面临的最大问题是机械工艺、质量安全管理等更硬件化的问题，那么在如今的AI数字时代，汽车也恰在面临更新的问题——数据。

“数据闭环能力将成为智能汽车核心的“增长飞轮”，将直接决定智能汽车迭代的速度。”腾讯出行副总裁钟学丹表示。

这种表述的背后对应的是在如今的AI汽车时代腾讯的新卡位。即在新的车企数据挑战面前，腾讯正在基于自身在车端的优势和云端的优势进行叠加，基于“车云一体”给出一套新的基于数据的助力方案。

一个数据是，截至目前，腾讯已经与超过100家车企和出行科技公司合作共建，已有九成的车企选择腾讯云。

在这个新的现代工业明珠之上，腾讯的身影到底在哪？

一、AI驱动汽车，时代已来？

“智能化正在成为汽车消费新‘标配’。今年上半年，新车智能驾驶渗透率已接近50%， OTA的更新频率越来越快。”腾讯集团副总裁、腾讯智慧出行总裁钟翔平在大会现场表示。

诚然如此。就在日前，市场研究机构君迪（J.D. Power）发布2024中国汽车智能化体验研究成果，该研究衡量了燃油车和新能源车车主对31项先进技术配置和8项基础技术配置的质量反馈及使用体验，综合考量先进配置的装配率和使用率表现，从而计算品牌创新指数（以1000分计）。

研究报告显示，2024年，中国汽车行业智能化创新指数由2023年的528分一度上升至550分。而在其中，最为普遍提升的配置恰是智能座舱和智能驾驶。

实际上，如果从行业的动作来看，也恰是如此。比如在刚刚过去的3月份，令市场惊艳的特斯拉FSD V12版本正式在北美推送，这套端到端智能驾驶技术连小鹏汽车创始人何小鹏在美国体验后也称它“表现极好”。

而回到国内市场，包括小鹏汽车、蔚来汽车等新能源造车新势力，以及长安汽车等传统车企也都在纷纷加码汽车智能化，比如小鹏将面向全球用户全量推送AI天玑系统XOS 5.2.0版本，再比如蔚来发布的全新智能驾驶技术架构“NADArch 2.0”等等。

实际上，如果说在固有的工业革命时代，汽车最核心的关键词是机械和工艺，那么如今被谈论最多的恰是端到端技术。

对端到端技术的一个简单介绍是，其相较于之前基于传感器、雷达等精密硬件的车辆训练方式，端到端更多的是基于AI的模型通过对驾驶体验、地图等数据的大量训练进而构建出更符合人们驾驶习惯的车端模型能力，进而对智能座舱和智能驾驶进行加持，减少对雷达等硬件的相关依赖。

或者也恰如钟学丹所言，在如今的AI汽车时代，谁能够对数据进行更为精准、海量、智能的训练和闭环反馈，谁就能构建出更好的驾驶体验。

但这并不是一件容易的事。

首先，从数据来看，即对不少车企而言，尽管其有足够清晰的智能化意愿，但车企本身在数据侧面临诸多挑战，比如对于部分地理数据，其由于缺乏对应的测绘资质很多地理信息数据无法获取，再比如对于从0搭建数据团队本身对应的是庞大的团队和企业成本，以及对不同车企而言，由于做BEV传输要做全链条的数据采集、增值、标注、训练等工作，对所有车企而言，这更等同于“重复造轮子”，耗费成本。

其次，从算力侧来看，尽管能看到的一个市场动作是目前不少车企都在构建自己的数据中心，或者在车端构建更强的芯片、算力卡等等，但由于汽车本身的数据量极大，并且基于动态实时更新，对应到数据训练和推理侧，其成本依然较为高昂，算力卡等底层的IT资源消耗伴随着数据的迭代更新更是一个天文数字。

此外，在最关键，也是最核心的合规侧，《关于加强车联网网络安全和数据安全工作的通知》、《整车强标》等一系列和汽车数据训练相关的政策也恰是很多车企的“视野盲区”，对车企而言，很容易踩中政策的数据安全雷区。

实际上，不难感知出，和普通的AI训练不同的是，车企的智能化建设更多的是一个系统化、精密化的数据工程，在其中单个环节很难独立存在，比如数据标注、数据收集等需要和后端的数据训练相连接，再比如数据侧同样也要和算力资源侧相匹配等等。

车企，应该如何答好这张“数据题卷”？

二、冰山之下：谁能夯实底层工程？

如果说智能座舱、智能驾驶对应的是冰山之下的体验和展示，那么底层的数据工程则是冰山之下的核心底座。唯有夯实冰山之下的能力，才能交出更好的冰山之下的智能成绩单。

而这，正是腾讯的发力点。

实际上，在过去的多年时间里，如果说在哪个领域腾讯的身影最为清晰，那么汽车一定是其中之一，不论是腾讯早在2022年就率先提出“车云一体战略”，还是从2018年开始就陆续取得的北京、深圳等地的智能网联汽车道路测试牌照，以及拥有的甲级导航电子地图制作测绘资质、以及丰富的云商合规资质等等，这些都在成为腾讯在汽车行业的具像化标签。

而这些冰山之下的能力，伴随着如今汽车智能化趋势的演进，更在近一步被感知。

以本次大会上发布的“车云一体数据闭环”方案为例，这套涵盖车端数据解决方案、云基础设施、云端数据处理平台、云端智算训练平台以及全链路安全合规服务的方案整合了腾讯在算力、网络、数据、安全等方面的全部技术，同时基于自身在汽车方向的积累，为车企提供了一套坚实的数据工程底座。

而这些拆解来看，也恰对应是如今车企在智能化时代的核心痛点。

比如在数据侧，腾讯提供的一站式车端数据解决方案囊括了数据采集、数据脱敏处理、以及数据上传和数据下行通道，可以保证车企在车、云两端进行高效率的海量数据交换。同时，更值得一提的是，在加解密性能上，相比于行业竞品，非对称加密性能提高了50%，对称加密提高了1.87倍。

再比如在前文提到的成本侧，一方面，在云端数据平台，基于腾讯的数据存储和处理产品，其可以面向不同类型的数据进行对应训练。比如基于腾讯资料类的数据产品，在采集资料上预处理加工后形成，可以用于BEV路口训练的真值、端到端模型训练等，相比于从零开始采集并且加工数据，可以大幅提高研发效率，降低数据交付的成本。

而另一方面，基于“腾讯向量数据库”，其性能比行业平均水平提高了1.5倍以上，用相同的内存可以存储5-10倍的数据；同时，在智算训练方面，基于腾讯的算力平台和工程平台，大模型训练效率可以被加速30%，推理性能提升最高2.5倍，推理场景的GPU利用率提升了60%。

此外，利用AI开发平台TI，也可以一键调用多种领域的预训练大模型，并且实现2倍以上的推理加速。

不仅如此，在底层的IT资源侧，和汽车的移动属性相对应的是，腾讯可以提供遍布全球的云基础设施和3200+边缘加速节点，可以为智能汽车提供高质量的就近接入服务。

以及在安全合规层面，腾讯基于在过去二十多年的移动互联网领域积累的大量安全和合规实战经验，可以保障车企在云、管、端全方位的安全合规。

“我们的想法是让汽车行业伙伴能够全力聚焦在核心能力的进化上，更专注于上层的智能化应用创新，专注于模型和算法的迭代，而我们腾讯则是专注于做好“冰山之下”的基础设施。”钟学丹说道。

其实，冰山之下的助力还不仅于此。基于腾讯特殊的智驾云图产品，车企更可以实时获得安全合规的路测数据，同时基于云调用的更低成本的方式进行自动驾驶能力的训练。一个数据是，腾讯如今拥有覆盖全国38 万公里高速及城市快速路高精度地图数据，具备甲级测绘资质，具备业内最大规模高精采集车队。

而在这次大会上，值得一提的是，腾讯也正式发布“智驾地图8.0”舱驾一体解决方案，其通过对各层级地图数据要素的进一步分类、整合与加工，完成了“一张图”体系的建设，可以同时满足人驾与车驾的需求。比如在车驾方向，其更是推出了包括合规建图、训练加速和多元化的云图服务，可以帮助车企构建自身差异化的自动驾驶解决方案。