智驾玩家，打响「云」上突围赛

从「BEV+Transformer」成为公认的算法架构开始，算法壁垒其实在被逐渐打破，曾经神秘的端到端范式，也在一点点揭开技术面纱。

以蔚小理为代表的新势力车企躬身入局，华为、博世等供应商们也纷纷亮出了端到端智驾大模型。

可以看到，各家都到了端到端模型的落地阶段，这时比的是谁迭代速度更快，谁上车体验更像「老司机」。

从技术角度出发，这指向了冰山之下数据闭环的建设能力。

英伟达自动驾驶负责人吴新宙认为，数据闭环已经成为实现高阶智驾的「华山一条路」，没有一家车企可以绕开。

所谓数据闭环，它的底层逻辑是：

车端与云端形成闭环，车端将数据反馈给云端，在云端集中进行自动驾驶模型的训练与仿真，再把模型数据发回车端，进行 OTA 部署及更新，两端进行协同互补，由此完成了智驾技术的迭代与进化。

而端到端的技术架构，从感知到规控端串联成一整个 AI 神经网络，要让 AI 像人一样思考、决策，则意味着云端的训练数据足够大且精，算力足够大，算法足够强，否则泛化性、准确率和召回率就难以保障。

这也意味着，在 AI 定义汽车的时代，智能化竞争的重心，集中到了车端到云端的数据闭环上。

往更深层次着眼，数据闭环的落地，又需要强大的工程化能力进行支撑，即数据从采集、传输到存储、训练、优化的全流程环节，要形成一套完整的技术体系与工具链。

由此，围绕这条自下而上的方法论，智驾玩家们都开始从基础建设着手，与云服务商在「相辅相成」的关系中紧密绑定。

比如，博世近期就宣布与腾讯深化战略合作关系，在自动驾驶公有云、专有云领域开展进一步合作。

01

搭上「云梯」，博世后发而先至

近两年，国内智驾肥沃的土壤，已经生长出不少技术、量产能力过硬的智驾玩家。

后来者想要入局，必须在短时间内做出差异化成绩。

对于博世而言，这无疑是一个巨大挑战。

一是市场竞争残酷，在国内智能驾驶、智能座舱领域，它至少面临 200 个竞争对手；

二是容易水土不服，这家以硬件著称的老牌企业，到达了用软件厮杀的新赛道，需要重新建立优势。

但作为全球零部件巨头企业，博世还是拿出了「大象转身」的魄力与决心。

比如在组织架构层面，为顺应「软硬全栈」的发展趋势，博世成立了智能驾驶与控制事业部，在年初，又整合成「博世智能出行集团」，正式在软件领域走上正轨。

当然，博世也并非完全从零开始，百年积攒下的工程化思维已经构建成量产能力，它需要的是在软硬件适配基础上，先搭建出高阶智驾的方案体系。

在底层能力建设上，博世则找到了腾讯，为其搭建了一条稳定、完整的开发工具链。重点是，依托腾讯提供的云与合规一体化方案，攻克了数据合规难题。

对于这家德国企业而言，合规问题一直贯穿数据采集、处理、训练、存储的全链路，相关法规要求也愈发严苛，由此，从腾讯借力是一个有效方式。

腾讯在这方面，本身有图商资质兜底，同时独家开设了华东、华北两地的自动驾驶云专区，专门为自动驾驶开发创造了一个端到端、全程合规的数据闭环服务。

博世智能驾控事业部中国区总裁吴永桥表示，腾讯相当于充当一个警察角色，帮助其在数据处理、筛选、标注等工作上完成了合规任务，很大幅度提升了开发效率。

目前，博世已经取得了第一阶段成果，用 18 个月时间，将高阶智驾方案量产部署在奇瑞星纪元车型上。

按照博世规划，下一站是继续沿着模型轨迹，量产两段式端到端后，在 2025 年过渡到一段式端到端方案，最后在 2026 年完成世界模型的搭建。

在这个过程中，对于数据、算法、算力的需求愈发增强，换言之，博世需要更强大的底层工具链进行稳定支撑。

吴永桥认为，未来端到端大模型走多快，多远，比拼的关键因素是高质量的数据。

对于智驾供应商而言，数据资源更是极为可贵，因此，不仅要采集并积累大量、有用的数据，还要让这些数据得到高效利用，以满足快速迭代的算法训练需求。

这意味着，博世需要从底层工具链上，构建起对这些数据资产的管理能力，即如何对数据进行有效分类、调度、训练。

在腾讯的存算一体解决方案中，提供了相应开发工具。数据提前被分类为热点、非热点，然后储存在不同的程序中，可以被系统迅速调度出来并使用。

这样下来，既保证了极致的响应时延和成本优化，助力训练任务充分释放出 GPU 的算力，又保障了高带宽和超大的容量需求，让 AI 训练可靠、高效。

博世还通过腾讯云向量数据库，对海量的图片、视频、点云等非结构化数据进行快速、准确处理。

比如，在自动驾驶系统把车尾灯倒影判断为障碍物，导致无法行驶的场景下，通过一张简单的截图来提取关键特征，基于图像检索就可以从腾讯云向量数据库中几乎即时地搜索到大量相关的数据，大大提升了博世算法团队算法优化的效率。

需要强调的一点是，腾讯在与 Tier1 博世的合作中，专注扮演好了 Tier2 的角色。

腾讯智慧出行副总裁刘澍泉在采访中表示，腾讯云偏向于提供通用技术，比如在数据清洗层面模糊敏感信息，而博世靠近业务领域，在仿真训练等方面有更精深的理解，双方始终做好相互配合。

冰山之下，数据闭环的快速迭代，加速了冰山之上模型的性能提升。

基于此，博世能够在与腾讯 1+1 大于 2 的合作关系中，迅速跟上国内端到端技术浪潮，完成高阶智驾的关键一跃。

02

无图趋势下，

「图商」的身份进化

车路云协同的大基调下，地图数据同样构成了云端数据的核心一环。

因此，图商同样成为了智驾领域的关键角色，随智驾演进完成了身份进化。

在高精地图时期，图商往往仅需交付出一个「黑盒子」式的方案，供车企、智驾供应商量产上车，但成本高、鲜度低、覆盖度低，已经不适用于城区智驾。

并且，随着从「BEV+Transformer」再到端到端的技术架构演进，车端感知能力随着模型训练不断强化，这意味着对于高精地图的依赖会大幅度弱化。

当然，这并不意味着「图商」的存在感降低。

因为自动驾驶的根本任务不会改变，即从 A 点行驶到 B 点，这注定离不开地图。

只不过，智驾玩家们对于地图的需求，转变为依赖怎样的地图，以及依赖程度有多深。

由此，行业需要图商因时而变，提供更适配、更灵活、更具可持续性的服务。

需要明确的一点是，从高精地图到无图，并非一蹴而就。

吴永桥提到，目前在测试很多无图方案过程中，都会发现「复杂路口车道识别困难」的问题。

而解决这个问题，需要从三点努力：

• 强调感知功能，让汽车实时、甚至提前识别到车道箭头线；
• 通过针对性数据训练，比如收集 100 万个复杂路口行驶数据，训练 AI；
• 给地图加入轻度挂接元素，辅助车辆通过极端复杂路口，改善用户体验。

毫无疑问，汽车上云，扩充并强化「冰山之下」的底层技术储备，将成为未来「冰山之上」智驾显性能力的决胜关键。