2024年，是注定被刻進汽車行業(yè)發(fā)展史的一年。

這一年，從基礎(chǔ)輔助駕駛到高階智能駕駛，使得智能化逐漸成為車企針尖麥芒角逐的焦點。

這一年，武漢街頭的蘿卜快跑駛?cè)牍娧矍颍厮估臒o人駕駛出租車Robotaxi揭開神秘面紗，中美企業(yè)都在智駕賽道上一路狂奔。

地平線、黑芝麻智能、文遠知行、小馬智行等頭部智駕企業(yè)扎堆IPO，“端到端”自動駕駛算法落地，城市NOA、大模型、車路云、自學(xué)習(xí)、數(shù)據(jù)閉環(huán)等技術(shù)紛紛加碼，各智駕企業(yè)初步落定身位。但巨大的路線分歧也成為一道“分割線”，純視覺與激光雷達、端到端一段式與兩段式、單車智能與車路云等技術(shù)之爭，將智駕行業(yè)推向岔路口。

展望2025年，智駕行業(yè)雖終點未明，但“車速”確定。據(jù)IDC預(yù)測，2025年我國智能汽車出貨量將達約2500萬輛，復(fù)合增長率達16.1%。據(jù)中國信通院預(yù)計，到2025年中國智能駕駛汽車市場規(guī)模將接近萬億。

隨著技術(shù)的不斷進步和政策的持續(xù)推動，智駕功能將逐漸從高端市場向中低端市場滲透，成為未來汽車市場的標配。同時，車路云一體化啟動大規(guī)模建設(shè)，又為智駕行業(yè)增添了新的變量。

“分化”成為主旋律

如果給2025年的智駕行業(yè)定義一個關(guān)鍵詞，那么“分化”最貼切不過。

智能駕駛的發(fā)展已歷經(jīng)多個階段，從早期的硬件堆砌，單純比拼單車感知硬件與智駕芯片算力，到人海戰(zhàn)術(shù)階段對開城數(shù)量的競爭，如今已邁入AI驅(qū)動的高階智駕階段。據(jù)相關(guān)測算，2025年城市高階智能駕駛市場規(guī)模有望接近550億元。

2024年末，大部分主流車企已經(jīng)實現(xiàn)了無（高精度）圖全國都能開。而第一梯隊的玩家，從以規(guī)則為主的算法框架，向神經(jīng)網(wǎng)絡(luò)模型為主的新架構(gòu)切換，也就是時下流行的“端到端”技術(shù)，這一技術(shù)標志著車輛的智能化水平進入到一個全新階段。

傳統(tǒng)的智能駕駛系統(tǒng)往往采用模塊化架構(gòu)，感知、預(yù)測、規(guī)劃三方分立為獨立模塊進行處理。雖然模塊化架構(gòu)在技術(shù)上較為成熟，但方案中的感知模塊通常依賴于多傳感器融合技術(shù)，其缺點在于各模塊之間的數(shù)據(jù)傳遞和處理存在一定的延遲和信息損耗，可能導(dǎo)致反應(yīng)速度的問題并影響整體性能。同時，較多的代碼和對地圖的需要也使其構(gòu)建成本存在劣勢。

端到端大模型的引入改變了這一局面，其將感知、預(yù)測、規(guī)劃三個獨立的模型合并，大規(guī)模數(shù)據(jù)訓(xùn)練使其能夠直接從傳感器數(shù)據(jù)中生成控制指令，避免了中間環(huán)節(jié)的延遲和誤差累積，通過“經(jīng)驗”完成學(xué)習(xí)分析，并最終具備決策能力。

這一特質(zhì)使端到端系統(tǒng)具備應(yīng)對多變和復(fù)雜場景的能力，表現(xiàn)為車輛可以在沒有預(yù)先設(shè)定路線的情況下，根據(jù)實時感知到的環(huán)境進行自主判斷和規(guī)劃行駛軌跡。同時也意味著當該系統(tǒng)運行時，處理交通狀況是通過類似“直覺”來進行判斷，從而使車輛運行更加擬人化，大幅提升駕駛體驗的自然性和舒適性。

這輪技術(shù)升級，最直接的好處是讓智駕系統(tǒng)更大程度地享受到了Scaling Law數(shù)據(jù)擴張帶來的紅利，讓智駕不再按場景分類解題，而是按照“能力”批量解題。

從技術(shù)演進來看，2024下半年端到端模型上車奠定基礎(chǔ)。在端到端實現(xiàn)后，競爭焦點正從單純比拼城區(qū)NOA的開城數(shù)量轉(zhuǎn)為比拼用戶體驗，以此為核心的高階智駕正處于市場高速增長前的關(guān)鍵拐點，成為車企拉開差距、開始分化的一道分水嶺。

但“用戶體驗”是一個很籠統(tǒng)的詞，車企需要借助一個強有力的論據(jù)，讓用戶看到擊穿痛點的價值。為此，各大車企在“車位到車位”功能層面展開競爭，并將成為2025年智駕領(lǐng)域的重要發(fā)展節(jié)點。誰能實現(xiàn)更高覆蓋率的全場景駕駛，誰就會在下半程的體驗之戰(zhàn)中占據(jù)上風(fēng)。

如果說此前“全國都能開”是從面上證明開城規(guī)模廣，現(xiàn)在的“車位到車位”就是從點上明確使用價值高，把“從A點開到B點”的底層邏輯映射到現(xiàn)實層面，可以看作車企對于“端到端”方法論的具體演繹。

所謂“車位到車位”智駕，就是上車即可開啟智駕，車輛自主從車位開出，自主進出園區(qū)和識別閘機抬桿，再經(jīng)過無論是城市道路還是高速路，包括城市環(huán)島、掉頭等復(fù)雜場景，再進入封閉的園區(qū)及小區(qū)，自動將導(dǎo)航終點匹配園區(qū)及小區(qū)內(nèi)的行駛路線，無論是露天還是地庫等各種停車位，都能夠最終自主泊入車位。

“車位到車位”打通了停車場到公開道路、公開道路到園區(qū)、園區(qū)地面到地下車庫等多種場景，其中“過閘機”能力成為了表述關(guān)鍵詞。此前車企在闡述智駕能力時，往往把應(yīng)對多個極端場景作為重點論據(jù)，但極端場景多樣化無法窮盡。

而在“車位到車位”的語境下，則強調(diào)了智駕應(yīng)對復(fù)雜路況的連貫性與完整性。這種出色的泊車能力與車輛行駛之間沒有斷點。用戶坐進車內(nèi)，就可以啟動智駕，系統(tǒng)可以讓自動駕駛與泊車無縫協(xié)作，到達下一個車位。

由此，跨過“車位到車位”這道大坎的玩家們，正在新的競爭模式中開啟競速。目前，華為ADS于2024年8月在享界S9交付相關(guān)功能；理想汽車在2024年11月全量推送；小米汽車12月推送先鋒版；小鵬汽車也積極推進測試與部署；極氪則預(yù)計明年一季度分批推送，二季度全量推送。

這一功能的實現(xiàn)標志著智能駕駛從點到點的簡單輔助邁向全場景無縫銜接的新階段，極大提升了日常駕駛的便利性，減少駕駛員在停車環(huán)節(jié)的操作負擔(dān)，是智能駕駛普及的關(guān)鍵一步。

這場高階智駕的比拼特別像體育界的鐵人三項，要想贏得競賽，需要三個核心要素：技術(shù)、工程和產(chǎn)品。高階智駕要實現(xiàn)好用、愛用，需要關(guān)注兩個維度。一個是Scale up（性能提升），即把系統(tǒng)打磨到可以處理各種極端環(huán)境和復(fù)雜交通流；另一個是Scale out（場景泛化），即系統(tǒng)在全場景下在不同的時間、天氣、環(huán)境和不同的城市都可以有很好的表現(xiàn)。

從技術(shù)路徑看，無論世界模型也好，還是VLM（視覺-語言模型）也罷，最后來看都將殊途同歸，就是建立VLA流程（Vision-Language-Action，即視覺-語言-動作），整體系統(tǒng)會更加接近于人的應(yīng)激反應(yīng)，（感知）看到什么，（規(guī)控）就能做出相應(yīng)的駕駛動作。不少智駕行業(yè)人士都將VLA視為當下“端到端”方案的2.0版本，認為這是未來確定的技術(shù)路線，只是實現(xiàn)的時間快慢問題。

VLA架構(gòu)下，端到端與多模態(tài)大模型的結(jié)合將會更徹底。但更具挑戰(zhàn)的是，當端到端與VLM模型合二為一后，車端模型參數(shù)將變得更大，這既要有高效實時推理能力，同時還要有大模型認識復(fù)雜世界并給出建議的能力，對車端芯片硬件有相當高要求。如何將端到端與多模態(tài)大模型的數(shù)據(jù)與信息進行深度交融，實現(xiàn)軟硬件的無縫融合與協(xié)同配合，將考驗著每一個智駕團隊的模型框架定義能力、模型的工程開發(fā)能力以及模型快速迭代能力。

事實上，智駕競爭到最后比拼的就是對AI資源的消耗能力。模型參數(shù)越大，對硬件算力、數(shù)據(jù)閉環(huán)的迭代能力要求越高。部署VLA模型，對芯片算力等級直接來到了NVIDA DRIVE Thor，算力高達1000+TOPS，這將進一步拉大智駕各梯隊之間的差距。這也意味著，誰掌握了更多算力和數(shù)據(jù)資源，誰就將掌握這場競爭的主動權(quán)。

技術(shù)路線的驟然升級與競賽變奏，為還沒發(fā)力端到端的玩家設(shè)置了更高門檻，后發(fā)制人的機會更加稀少。可以預(yù)料的是，隨著VLA、世界模型等新技術(shù)的陸續(xù)登場，以及對AI資源消耗的需求進一步攀升，高階智駕的里程碑被全面刷新，智駕梯隊的席位競逐將更加激烈。

關(guān)鍵變量也是最大增量

在車企競相發(fā)展單車智能的同時，車路云一體化作為2024年交通智能化升級的一大新趨勢拉開序幕。

此前，無論是終端車企還是智能駕駛領(lǐng)域的企業(yè)，對于高階自動駕駛發(fā)展的關(guān)注點主要集中在汽車本身，例如堆積越來越多高質(zhì)量的系統(tǒng)配置、頻繁升級智能駕駛方案的技術(shù)、持續(xù)收集更多行車數(shù)據(jù)做模型訓(xùn)練等。

2024年7月，工信部、交通運輸部等五部門聯(lián)合發(fā)布了關(guān)于公布智能網(wǎng)聯(lián)汽車“車路云一體化”應(yīng)用試點城市名單的通知，首度確定了以北京、上海和重慶為首的20個城市（聯(lián)合體）為智能網(wǎng)聯(lián)汽車“車路云一體化”應(yīng)用試點城市。

保守預(yù)計2026年之前，國內(nèi)車路云一體化的相關(guān)的產(chǎn)業(yè)規(guī)模有望達千億級以上，未來到2030年后，預(yù)計撬動萬億級市場。

不單是我國關(guān)注車路云一體化，美國和歐洲多國同樣意識到車路云一體化在未來智駕領(lǐng)域中的重要性。美國在發(fā)布的智能交通系統(tǒng)戰(zhàn)略中計劃全境75%的城市和高速公路，在2035年應(yīng)當具備車路云一體化能力，歐洲則在《網(wǎng)聯(lián)、協(xié)作和自動化出行路線圖》中，也強調(diào)了車路云一體化的核心作用。

什么樣的智能駕駛才是完美狀態(tài)？最佳狀態(tài)是車和路都達到了較高的智能化水平，能夠?qū)崿F(xiàn)無縫協(xié)同，但這只是理想狀態(tài)。現(xiàn)實情況是，不是每一臺車都具備足夠高的智能化水平，也并不是每一臺車都可以實現(xiàn)智能化，規(guī)模龐大的存量非智能車仍是主體。

如果用L2+的車，配上高等級的路（比如C5級別），其實也能夠達到比較高的智能駕駛水平。所以，現(xiàn)在不能僅依靠單車的智能化，更多是要靠提升車路云的整體協(xié)同能力。

車路云一體化由于增添了路側(cè)和云端設(shè)施，加強了車輛與路側(cè)、其他車輛、云端之間的數(shù)據(jù)信息交互，使得云端能夠依托車輛的當前情況，以及交通環(huán)境的動態(tài)變化來做出最為合理的協(xié)同決策，推動車輛從被動的預(yù)警功能向主動控制、提前規(guī)避潛在風(fēng)險轉(zhuǎn)變。

在未來，車路云一體化成熟度很大程度上取決于“智能新基建”的升級進度。其中，路側(cè)基礎(chǔ)設(shè)施的建設(shè)升級是2025年車路云發(fā)展和政策的聚焦點，路側(cè)數(shù)據(jù)在車端的應(yīng)用水平是衡量車路云一體化建設(shè)效果的關(guān)鍵一環(huán)。

高質(zhì)量數(shù)據(jù)是車路云一體化規(guī)模化應(yīng)用的前提和基礎(chǔ)，把有價值的數(shù)據(jù)提取出來給車企使用是最核心的環(huán)節(jié)。提升數(shù)據(jù)質(zhì)量的關(guān)鍵首先在于單節(jié)點的數(shù)據(jù)質(zhì)量需要足夠的高，保證數(shù)據(jù)質(zhì)量的核心并不只是硬件設(shè)備，而是系統(tǒng)和算法。車路云一體化不是單純的堆硬件、堆設(shè)備，而是需要一整套操作系統(tǒng)把攝像頭、激光雷達、通信計算的硬件進行整合和驅(qū)動，并且通過操作系統(tǒng)中的AI算法模型對數(shù)據(jù)進行處理。

其次，要深入了解車企的實際需求，與車企真正打通。過去車路云一體化在建設(shè)的時候太過于關(guān)注硬件和各類指標，往往都是從技術(shù)人員的角度，用一系列技術(shù)標準來衡量車路云的建設(shè)效果，卻忽略了車企到底需要什么、提供的數(shù)據(jù)如何給車輛使用等更為貼近應(yīng)用側(cè)的需求。

車路云網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)，最終能否給車輛使用、能有多少用戶可以直接使用，這是車路云建設(shè)的核心標準。目前在車路云建設(shè)過程中，設(shè)備層的生態(tài)非常豐富已經(jīng)趨于成熟，但在系統(tǒng)層、算法層和應(yīng)用層，還有很大的缺失。這就導(dǎo)致數(shù)據(jù)在準確性、實時性等方面無法滿足智能網(wǎng)聯(lián)車輛和自動駕駛車輛的真正使用需求。

如果從數(shù)據(jù)應(yīng)用角度看，車路云“數(shù)據(jù)上車”可以分為五個階段：

第一，路側(cè)基礎(chǔ)設(shè)施建設(shè)階段，主要將“通感算”的硬件設(shè)備部署在路側(cè)；

第二，數(shù)據(jù)質(zhì)量達標階段，針對單節(jié)點數(shù)據(jù)質(zhì)量進行達標測試，可參考行業(yè)權(quán)威標準，比如信通院的“雙SL3”；

第三，數(shù)據(jù)上車初級應(yīng)用階段，通過車路云系統(tǒng)，將信號燈數(shù)據(jù)、路側(cè)識別到的事件類數(shù)據(jù)賦能智能網(wǎng)聯(lián)車輛；

第四，數(shù)據(jù)上車高級應(yīng)用階段，通過車路云系統(tǒng)，將實時孿生數(shù)據(jù)賦能給智能網(wǎng)聯(lián)車輛和自動駕駛車輛，真正實現(xiàn)協(xié)同感知、協(xié)同決策；

第五，量產(chǎn)車型大規(guī)模應(yīng)用階段，與車企進行量產(chǎn)車合作，保證車輛大規(guī)模接入車路云網(wǎng)絡(luò)，并享受各類實時數(shù)據(jù)服務(wù)。

車路云網(wǎng)絡(luò)讓車輛不再是孤立的智能體，而是融入到一個更大范圍的智能交通生態(tài)系統(tǒng)中。道路上布設(shè)的智能路側(cè)設(shè)施如AI數(shù)字道路基站、V2X通信設(shè)備能夠?qū)崟r監(jiān)測路況，為車輛提供超視距感知；云端則利用大數(shù)據(jù)和AI算法，對交通流量進行優(yōu)化調(diào)度，實現(xiàn)更高效、安全的行車環(huán)境。

這套網(wǎng)絡(luò)還為車輛提供了強大的后盾支持，即便在惡劣天氣或復(fù)雜交通狀況下，路側(cè)設(shè)施也能提供比車載傳感器更穩(wěn)定、可靠的數(shù)據(jù)，并通過云平臺的實時分析輔助做出準確判斷，這種穩(wěn)定性和可靠性對于自動駕駛技術(shù)的落地實現(xiàn)至關(guān)重要。

此外，車路云網(wǎng)絡(luò)還將顯著提升交通系統(tǒng)的智能化和響應(yīng)效率。通過集成路側(cè)設(shè)施和云端數(shù)據(jù)，車輛可以獲得更廣泛的感知能力和更精準的數(shù)據(jù)分析，從而實現(xiàn)更高效的交通管理。例如，在交通事故發(fā)生時，車路云網(wǎng)絡(luò)可以迅速感知并分析事故情況，及時調(diào)整交通信號和車輛路徑，減少事故對交通流量的影響，從而有利于交通管理部門對城市交通的全局可控，提升交通整體運行效率。

除了能夠提升車輛在道路上的智駕能力之外，車路云一體化還將有助于智駕算法的深度開發(fā)。通過車路云網(wǎng)絡(luò)，可以提供更為龐大的數(shù)據(jù)量和豐富的數(shù)據(jù)類型，對車端數(shù)據(jù)集形成強有力的補充，進一步提升數(shù)據(jù)閉環(huán)能力，開發(fā)更高質(zhì)量的自動駕駛模型，從而實現(xiàn)更深層次的智駕場景挖掘、場景重建和生成。

新一年，中國智駕產(chǎn)業(yè)的競爭將不再局限于技術(shù)的比拼，更是生態(tài)系統(tǒng)與商業(yè)模式的博弈。智駕產(chǎn)業(yè)若想取得更大突破，仍需解決技術(shù)瓶頸、法規(guī)限制在內(nèi)的一系列難題。同時，如何將車路云一體化這個關(guān)鍵變量轉(zhuǎn)化為產(chǎn)業(yè)發(fā)展的最大增量，也值得每個參與者的深入思考。

在智能化下半場，智駕行業(yè)的故事將會更多、更精彩，它能走到哪一步，且讓我們拭目以待。