“冰山之下”：誰在成為車企的真正智能助手？

　　“其實我們一直扮演的角色就是數字化助手，也就是別人可以去挖金，我們給大家提供鏟子，這是我們扮演的角色，而現在我們希望給大家提供最好的鏟子。”

　　作者| 皮爺

　　出品|產業家

　　如果說AI發展的最鮮明印痕是什么?有人的回答或許會是金融，有人會人認為會是醫療，更有人給出的答案也許是教育，但在其中，一個最易被察覺的答案一定會是：汽車。

　　“原來的汽車結構是機械層、底盤、發動機、車身等結構，而今天是機械層、能源層、操作系統、應用、云。”在騰訊全球數字生態的現場，長安汽車董事長朱華榮表示。

　　這種表達的背后對應的是如今不斷刷新人們感知的汽車模型。從越發趨向于智能生活空間的智能座艙，到越發智能和安全的高階智駕，從車端語音交互到點對點智慧停車，這些都在以足夠真實的變化構成、定義著如今的車企發展新方向。

　　但實際上，這并不是一件容易的事。如果說在機械工業時代，汽車面臨的最大問題是機械工藝、質量安全管理等更硬件化的問題，那么在如今的AI數字時代，汽車也恰在面臨更新的問題——數據。

　　“數據閉環能力將成為智能汽車核心的“增長飛輪”，將直接決定智能汽車迭代的速度。”騰訊出行副總裁鐘學丹表示。

　　這種表述的背后對應的是在如今的AI汽車時代騰訊的新卡位。即在新的車企數據挑戰面前，騰訊正在基于自身在車端的優勢和云端的優勢進行疊加，基于“車云一體”給出一套新的基于數據的助力方案。

　　一個數據是，截至目前，騰訊已經與超過100家車企和出行科技公司合作共建，已有九成的車企選擇騰訊云。

　　在這個新的現代工業明珠之上，騰訊的身影到底在哪?

　　一、AI驅動汽車，時代已來?

　　“智能化正在成為汽車消費新‘標配’。今年上半年，新車智能駕駛滲透率已接近50%， OTA的更新頻率越來越快。”騰訊集團副總裁、騰訊智慧出行總裁鐘翔平在大會現場表示。

　　誠然如此。就在日前，市場研究機構君迪(J.D. Power)發布2024中國汽車智能化體驗研究成果，該研究衡量了燃油車和新能源車車主對31項先進技術配置和8項基礎技術配置的質量反饋及使用體驗，綜合考量先進配置的裝配率和使用率表現，從而計算品牌創新指數(以1000分計)。

　　研究報告顯示，2024年，中國汽車行業智能化創新指數由2023年的528分一度上升至550分。而在其中，最為普遍提升的配置恰是智能座艙和智能駕駛。

　　實際上，如果從行業的動作來看，也恰是如此。比如在剛剛過去的3月份，令市場驚艷的特斯拉FSD V12版本正式在北美推送，這套端到端智能駕駛技術連小鵬汽車創始人何小鵬在美國體驗后也稱它“表現極好”。

　　而回到國內市場，包括小鵬汽車、蔚來汽車等新能源造車新勢力，以及長安汽車等傳統車企也都在紛紛加碼汽車智能化，比如小鵬將面向全球用戶全量推送AI天璣系統XOS 5.2.0版本，再比如蔚來發布的全新智能駕駛技術架構“NADArch 2.0”等等。

　　實際上，如果說在固有的工業革命時代，汽車最核心的關鍵詞是機械和工藝，那么如今被談論最多的恰是端到端技術。

　　對端到端技術的一個簡單介紹是，其相較于之前基于傳感器、雷達等精密硬件的車輛訓練方式，端到端更多的是基于AI的模型通過對駕駛體驗、地圖等數據的大量訓練進而構建出更符合人們駕駛習慣的車端模型能力，進而對智能座艙和智能駕駛進行加持，減少對雷達等硬件的相關依賴。

　　或者也恰如鐘學丹所言，在如今的AI汽車時代，誰能夠對數據進行更為精準、海量、智能的訓練和閉環反饋，誰就能構建出更好的駕駛體驗。

　　但這并不是一件容易的事。

　　首先，從數據來看，即對不少車企而言，盡管其有足夠清晰的智能化意愿，但車企本身在數據側面臨諸多挑戰，比如對于部分地理數據，其由于缺乏對應的測繪資質很多地理信息數據無法獲取，再比如對于從0搭建數據團隊本身對應的是龐大的團隊和企業成本，以及對不同車企而言，由于做BEV傳輸要做全鏈條的數據采集、增值、標注、訓練等工作，對所有車企而言，這更等同于“重復造輪子”，耗費成本。

　　其次，從算力側來看，盡管能看到的一個市場動作是目前不少車企都在構建自己的數據中心，或者在車端構建更強的芯片、算力卡等等，但由于汽車本身的數據量極大，并且基于動態實時更新，對應到數據訓練和推理側，其成本依然較為高昂，算力卡等底層的IT資源消耗伴隨著數據的迭代更新更是一個天文數字。

　　此外，在最關鍵，也是最核心的合規側，《關于加強車聯網網絡安全和數據安全工作的通知》、《整車強標》等一系列和汽車數據訓練相關的政策也恰是很多車企的“視野盲區”，對車企而言，很容易踩中政策的數據安全雷區。

　　實際上，不難感知出，和普通的AI訓練不同的是，車企的智能化建設更多的是一個系統化、精密化的數據工程，在其中單個環節很難獨立存在，比如數據標注、數據收集等需要和后端的數據訓練相連接，再比如數據側同樣也要和算力資源側相匹配等等。

　　車企，應該如何答好這張“數據題卷”?

　　二、冰山之下：誰能夯實底層工程?

　　如果說智能座艙、智能駕駛對應的是冰山之下的體驗和展示，那么底層的數據工程則是冰山之下的核心底座。唯有夯實冰山之下的能力，才能交出更好的冰山之下的智能成績單。

　　而這，正是騰訊的發力點。

　　實際上，在過去的多年時間里，如果說在哪個領域騰訊的身影最為清晰，那么汽車一定是其中之一，不論是騰訊早在2022年就率先提出“車云一體戰略”，還是從2018年開始就陸續取得的北京、深圳等地的智能網聯汽車道路測試牌照，以及擁有的甲級導航電子地圖制作測繪資質、以及豐富的云商合規資質等等，這些都在成為騰訊在汽車行業的具像化標簽。

　　而這些冰山之下的能力，伴隨著如今汽車智能化趨勢的演進，更在近一步被感知。

　　以本次大會上發布的“車云一體數據閉環”方案為例，這套涵蓋車端數據解決方案、云基礎設施、云端數據處理平臺、云端智算訓練平臺以及全鏈路安全合規服務的方案整合了騰訊在算力、網絡、數據、安全等方面的全部技術，同時基于自身在汽車方向的積累，為車企提供了一套堅實的數據工程底座。

　　而這些拆解來看，也恰對應是如今車企在智能化時代的核心痛點。

　　比如在數據側，騰訊提供的一站式車端數據解決方案囊括了數據采集、數據脫敏處理、以及數據上傳和數據下行通道，可以保證車企在車、云兩端進行高效率的海量數據交換。同時，更值得一提的是，在加解密性能上，相比于行業競品，非對稱加密性能提高了50%，對稱加密提高了1.87倍。

　　再比如在前文提到的成本側，一方面，在云端數據平臺，基于騰訊的數據存儲和處理產品，其可以面向不同類型的數據進行對應訓練。比如基于騰訊資料類的數據產品，在采集資料上預處理加工后形成，可以用于BEV路口訓練的真值、端到端模型訓練等，相比于從零開始采集并且加工數據，可以大幅提高研發效率，降低數據交付的成本。

　　而另一方面，基于“騰訊向量數據庫”，其性能比行業平均水平提高了1.5倍以上，用相同的內存可以存儲5-10倍的數據;同時，在智算訓練方面，基于騰訊的算力平臺和工程平臺，大模型訓練效率可以被加速30%，推理性能提升最高2.5倍，推理場景的GPU利用率提升了60%。

　　此外，利用AI開發平臺TI，也可以一鍵調用多種領域的預訓練大模型，并且實現2倍以上的推理加速。

　　不僅如此，在底層的IT資源側，和汽車的移動屬性相對應的是，騰訊可以提供遍布全球的云基礎設施和3200+邊緣加速節點，可以為智能汽車提供高質量的就近接入服務。

　　以及在安全合規層面，騰訊基于在過去二十多年的移動互聯網領域積累的大量安全和合規實戰經驗，可以保障車企在云、管、端全方位的安全合規。

　　“我們的想法是讓汽車行業伙伴能夠全力聚焦在核心能力的進化上，更專注于上層的智能化應用創新，專注于模型和算法的迭代，而我們騰訊則是專注于做好“冰山之下”的基礎設施。”鐘學丹說道。

　　其實，冰山之下的助力還不僅于此。基于騰訊特殊的智駕云圖產品，車企更可以實時獲得安全合規的路測數據，同時基于云調用的更低成本的方式進行自動駕駛能力的訓練。一個數據是，騰訊如今擁有覆蓋全國38 萬公里高速及城市快速路高精度地圖數據， 具備甲級測繪資質，具備業內最大規模高精采集車隊。

　　而在這次大會上，值得一提的是，騰訊也正式發布“智駕地圖8.0”艙駕一體解決方案，其通過對各層級地圖數據要素的進一步分類、整合與加工，完成了“一張圖”體系的建設，可以同時滿足人駕與車駕的需求。比如在車駕方向，其更是推出了包括合規建圖、訓練加速和多元化的云圖服務，可以幫助車企構建自身差異化的自動駕駛解決方案。

　　從更大的視角來看，騰訊提供的是一整個從數據收集到數據表達的端到端方案，而在這套方案里，涉及到的不單純是數據工程，而更多的是對車端和云端的能力加持，以及“云和圖“、“車和云“協同一體的低成本、高價值模型。

　　而通過這套端到端的AI數據模型加持，車企將可以直接構建出自身的底層數據閉環，進而通過在云端或者車端的推理進而迅速構建出對應的行業模型或智能化應用，通過深耕最核心的能力板塊放大自身的智能汽車產品優勢。

　　三、汽車大模型：

　　騰訊的產業AI閉環樣本

　　“其實我們一直扮演的角色就是數字化助手，也就是別人可以去挖金，我們給大家提供鏟子，這是我們扮演的角色，而現在我們希望給大家提供最好的鏟子。”騰訊智慧出行副總裁劉澍泉表示，“如果用車圈更容易理解的一句話，我們是一個非常非常純粹的軟件的Tier1或者tier2。”

　　一個數據是，如今騰訊在汽車公有云市場的增速穩居行業第一，2倍于市場平均增速，騰訊智能座艙解決方案的搭載量也已經超過1500萬輛車。

　　這些數據背后驗證的也更是騰訊的價值。即從一系列冰山之下的能力可以看到，騰訊自身云的能力、AI大模型的能力、汽車產業的產業積累以及自身在數據體系上的深刻理解和表達，這些都已經有足夠成熟的單點能力，而這些來自產業和技術的單點如今也更在被串聯到一起，共同構成著面向汽車行業AI智能化的全方位加持。

　　也或者可以說，如果在之前騰訊更多的是基于汽車行業單點的勢能釋放，如圖、如智能座艙等，那么如今，在大模型能力、云計算能力等全方位加持下，騰訊在和一個個車企的合作中，更新的表達則是一整套云、管、端的全方位助力方案。

　　而從某種角度來看，騰訊在汽車行業的新動作，也更在成為騰訊在AI方向進擊的一個縮影。即不論是從算力、云端能力，還是從AI工具鏈和數據平臺，抑或是對應產業場景/具體能力(云圖、座艙等)，騰訊如今已經構建出一個完備的行業出擊模型。

　　如果說，在半年前，人們更多的關注點依然是騰訊如何做產業大模型，那么如今這個關注點已經成為了騰訊基于全部TO B積累正在加速搭建閉環的產業大模型路徑，汽車行業正是觀察的窗口之一。

　　其實，騰訊做的還不僅如此。在自身的能力之外，完備的生態圈也更在加速成型，“光是做自駕的伙伴，我們基本上和所有行業頭部的都有合作。”劉澍泉表示。

　　以長安汽車為例，其實早在2018年，雙方就聯合成了“梧桐車聯”，在車載微信生態、AI智能體之外，雙方已經基于、大模型、云平臺、大數據等多個領域進行了不同方向的共創建設;再比如，今年6月，騰訊出行與億咖通也更宣布合作，雙方將在多個領域方向進行合作探索。

　　此外，在自動駕駛領域，騰訊已經和文遠知行、元戎啟行、地平線、黑芝麻智能、知行科技等行業頭部自動駕駛公司展開合作，探索高階智駕，以及輕圖、無圖化的方案。

　　而這些僅僅是騰訊在過去幾年時間里產業生態建設的一個縮影。

　　“技術產品創新+行業理解深耕+產業伙伴加持”，透過騰訊在汽車行業的AI路徑，一個清晰的感知是，在正在洶涌而來的大模型落地浪潮中，騰訊的AI時代產業故事的新篇章正在悄然開啟。