隨著智能汽車熱度的持續攀升，與智能汽車相關的汽車云領域，再次受到了人們的關注和重視。其實早在去年，云計算大廠就已經開始加碼專屬汽車云了，國內大廠如BATHD(百度、阿里、騰訊、華為、抖音)等，也都宣布要持續推進自己的汽車云計劃，國外廠商如微軟等，也是不遺余力地想要進來分一杯羹。

　　今年以來隨著華為問界M5智駕版的推出，L3級別的智能駕駛呼之欲出，汽車云的熱度也再次攀升。

　　01 L3加速到來

　　今年6月份以來，包括華為、特斯拉等在內的行業巨頭紛紛發聲表示，L3級別的自動駕駛已經無限逼近，其中馬斯克更是認為年內特斯拉或將實現真正意義上的自動駕駛。事實上，當下智能駕駛的“進階”已成必然趨勢。

　　從技術上來看，如今L2級別的智能駕駛已經非常成熟，L3級別的自動駕駛條件業已具備。根據高工智能汽車數據顯示，2023年1-3月，乘用車行業L2級及以上滲透率為33.4%，同比提升9個百分點;新勢力品牌L2級及以上滲透率基本在70%以上，頭部自主品牌L2級及以上滲透率在30%以上。從種種跡象來看，國內自動駕駛從L2到L3躍升，已成為不可逆轉的趨勢。

　　值得一提的是，作為當前最能體現智能駕駛能力的城市NOA方面，盡管多家車企都在積極布局量產，但從落地情況來看，AITO問界M5智駕版無疑是其中的佼佼者。事實上，AITO問界M5智駕版已無限接近于L3高階智能駕駛，它可以將因注意力不集中和路況復雜造成的交通事故減少90%，是智能駕駛領域目前體驗*的解決方案之一。據預計三季度AITO問界M5智駕版還將在15個城市落地無圖商用輔助駕駛，四季度擴大至45個城市，這或將給行業帶來全新的變化。

　　從政策上來看，國家正在逐次開放L3級別甚至更高級別自動駕駛的路測，這無疑會加速相應的技術商用落地進程。就在6月21日的政策例行吹風會上，相關部門就釋放了積極的信號。據預計未來我國將啟動智能網聯汽車準入和上路通行試點，組織開展城市級“車路云一體化”示范應用，支持有條件的自動駕駛落地，而這里面特指L3級及更高級別的自動駕駛功能商業化應用。

　　總之，無論是在技術上還是政策上，汽車在智能化方面都向前邁進了一大步，這在加快智能駕駛場景落地的同時，也將進一步刺激與之相關的汽車云服務加速發展。

　　02 汽車云迎來爆發機遇期

　　據IDC發布的《中國季度乘用車市場數據追蹤報告》預測，未來五年中國汽車云市場的增速將不斷創新高，未來五年復合增速達53.6%，2027年該市場規模將突破600億元。其中，汽車云基礎設施市場復合增長率預計達51.4%，汽車云解決方案市場復合增長率預計略高于基礎設施市場，達56.1%。這預示著汽車云整體市場，將迎來爆發機遇期。

　　從單個汽車產品來看，L3級別的智能駕駛車輛將會出現指數級的數據量增長，它將直接帶動汽車用云需求的增長。根據英特爾測算，L3+級自動駕駛每輛汽車每天產生的數據高達4000GB，作為自動駕駛技術應用落地的必要條件，汽車傳感器的飛速增長，帶動了數據采集、標注到運算等為主的整個產業鏈的爆發，汽車用云需求也在飛速提升。

　　站在行業節點上來看，汽車從L2級別向L3級別躍遷，實際上標志著行業跨越輔助駕駛向無人駕駛演進邁入關鍵階段，汽車數據的增長對算力需求不斷增長，讓“汽車云”變成了一種剛需應用服務。特別是自動駕駛從L2向L3過渡過程中，大量虛擬仿真數據測試，都需要汽車云技術的加持，這意味著隨著自動駕駛級別的提升，汽車云的使用場景將會得到進一步放大。

　　從行業層面來看，智能汽車本身輔助駕駛等方案普及度的提升，進一步加大了汽車用云需求的增長。如前文所述，目前行業無論新老造車企業，都已經將汽車的自動駕駛級別推入到了L2級別，接下來L3將成為車企全新的競爭焦點，這意味著L3級別的自動駕駛，可能不單單是少數企業的目標，而是行業整體奮進的目標。

　　尤其是今年以來，華為、小鵬、理想等車企，率先喊出了“去高精地圖”的城市NOA(可以實現智能超車以及自主變道)通勤后，包括蔚來、智己、比亞迪、飛凡、小馬智行等眾多車企及產業鏈玩家，都加入到了NOA的大比拼中，這預示著一個以高階智能駕駛為代表的全新智駕時代正在加速到來。在此背景下，與之聯系緊密的汽車云業務，也在面臨全新的外部機遇。

　　03 智算將成全新方向

　　隨著智能汽車的升溫，特別是隨著自動駕駛算法模型的趨同，行業正在逐步走出以往單純比拼算力大小的窠臼，日益朝著“智能算力”方向升級。比如，早在去年8月份，小鵬汽車就宣布與阿里云合作推出了智算中心—扶搖，今年更是量產了*基于該智算平臺的車型G6;與此同時，毫末智行與火山引擎合作，推出了自家的智算中心—毫末“雪湖綠洲”;吉利汽車也宣布與阿里云合作，成立了星睿智算中心……不難發現，目前智能算力已經成為行業發展的全新潮流。

　　一方面，隨著行業的快速發展和自動駕駛、智能座艙等AI技術的廣泛應用，汽車對智能算力的需求越來越大。過去車企在發展智能汽車過程中，為保證車輛在全生命周期內的持續軟件升級能力，往往會在智能駕駛方面采用“硬件預置、軟件升級”的策略，即通過提前預置大算力芯片，為后續軟件與算法升級優化提供充足空間。比如，蔚來、小鵬等為代表的主機廠在新一代車型中，已經將其智能駕駛算力提升到了500-1000Tops級別。

　　但過度依靠大算力芯片作為智能化升級的基礎，弊端也很明顯：一是受限于車端物理環境和芯片制程逼近摩爾極限，單芯片算力增長難以持續，車端算力不斷逼近物理上限;二是大算力芯片受制于人，單一芯片提升路徑很容易被人“卡脖子”，重蹈智能手機行業的“覆轍”。

　　為了避免這一點，并突破現有的算力瓶頸，就需要將智能汽車的算力供給模式，轉變成“云—網—邊—端”融合計算模式，從而實現多個路徑優化，實現彈性的算力供給，智算自是題中之義。

　　另一方面，從整車結構來看，伴隨著智能汽車的快速發展，其整車架構日益朝著整車計算平臺演進，這迫使汽車不斷向智算方向靠近。傳統汽車時代的競爭，主要是圍繞動力、操控和空間來展開。但在智能汽車發展的背后，是整車計算平臺的演進，從最初的分布式計算、單個子系統擁有自己的ECU，到域控制器邏輯、以功能劃分集成化控制運算，再到最終實現整車運算能力的高速集中、智能化分配算力，這幾乎是整車結構演變，汽車從工業品向電子消費品、智能終端演變過程中的自然結果。

　　可見，無論是從哪方面來看，智能算力都將是車企未來發展的必然選項。

　　04 軟硬件協同或成未來行業破局關鍵

　　從當下來看，目前以華為、特斯拉等為代表的智能汽車行業頭部企業，正在國內市場掀起一股“城市NOA”的高階智能駕駛浪潮。它的出現實際標志著中國的智能駕駛應用，已經從“相對邊緣”的高速輔助駕駛場景，進入到相對高頻、路況復雜的城市駕駛場景，這意味著智能駕駛開始真正走向高速發展階段。在此背景下，要想破解算力瓶頸，軟硬件協同將成核心關鍵。

　　一來，單純拼硬件的方式具有很大的局限性。自動駕駛雖然已經經過十幾年的發展，但各項細分技術還在不斷迭代、向外延伸，這意味著技術方向和市場都充滿了不確定性。也正因為如此，很多車企傾向于提前預埋一些高配置的硬件，為后續的升級提供條件。

　　但從市場反饋的效果來看，這場圍繞算力的軍備競賽，最終走向了單一拼堆料配置的方向，變成了一個“壯而不強”的狀態。而且在大算力芯片大比拼之下，大算力芯片的價格水漲船高，間接抬升了車企購置芯片的成本，加劇了車企的成本控制壓力，最終并沒有達到*的配置效果。

　　二來，在“端—網—云—芯”這個大的智能方案路徑之下，包括算法等在內的軟件技術能力重要性日益凸顯。如前文所言，車企之所以會圍繞芯片參數“瘋狂堆料”，是因為提供大算力芯片的廠商就那么幾家，所以應用起來都是很同質化的，相比之下軟件端則較為差異化，因為它更考驗車企的軟件自研實力。

　　比如，特斯拉并沒有一味像很多車企一樣迷信大算力芯片，而是通過強化軟件能力，使其總體自動駕駛性能獲得了穩步提升。比如，特斯拉HW 3.0芯片的單芯片算力只有72TOPS，與上一代并沒有太多提升，但自動駕駛性能卻直接提升了20倍。另外，AI大模型時代的到來，為智能汽車實現“以AI訓練AI”提供了全新路徑，平臺對人工智能算法、算力以及數據的存儲、運算將變得更為重要，這種情況下軟件在智能汽車中的地位直線攀升。

　　當然，這并非說硬件并不重要，大算力芯片的升級、激光雷達以及各類感應器的優化，功耗、用戶體驗與硬件成本的平衡等，都對車企的市場表現產生直接影響。比如，大算力芯片是否會導致類似手機那樣的發熱問題呢?成本提升了之后用戶體驗和產品定價又當如何?不難看出，這不單單是一個軟件的問題，而是一個關乎車企產品戰略能否成功的系統性問題。

　　從這個角度來看，通過軟硬件雙向協同、彼此賦能，才能夠讓車企在軟件定義汽車時代，走的更加平穩。