AI時(shí)代車(chē)企的升維之戰(zhàn)
AI 技術(shù)發(fā)展加速，形成云側(cè) AI 與端側(cè) AI 兩條路線 年 Open AI 推出建立在 GPT-3.5 和 GPT-4.0 大語(yǔ)言模型上的聊天ChatGPT 后，AI 技術(shù)取得了飛速的發(fā)展及應(yīng)用，春節(jié)期間 DeepSeek 模型引爆全球關(guān)注。目前 AI 技術(shù)部署形成了云側(cè) AI 和端側(cè) AI 兩條路線，端側(cè) AI 憑借本地即時(shí)響應(yīng)、數(shù)據(jù)隱私保護(hù)及個(gè)性化體驗(yàn)的優(yōu)勢(shì)，適用場(chǎng)景更為廣泛。
? 車(chē)企是端側(cè) AI 核心玩家，智駕是最前沿、近變現(xiàn)的 AI 技術(shù)。智能駕駛是融合了先進(jìn)傳感器、人工智能、通信、自動(dòng)控制等多種技術(shù)，使車(chē)輛能夠在不同程度上實(shí)現(xiàn)自主感知、決策與控制，從而完成駕駛?cè)蝿?wù)的綜合性技術(shù)。隨著 AI 大模型的發(fā)展，2023 年特斯拉提出利用端到端技術(shù)實(shí)現(xiàn)智能駕駛，隨后國(guó)內(nèi) 華為、理想、小鵬等企業(yè)在端到端智駕上快速切換。2025 年將是高階城市 NOA 功能加速應(yīng)用的一年，新勢(shì)力車(chē)企也相繼表態(tài)在 AI 領(lǐng)域深入布局。未來(lái)趨勢(shì)上：1）車(chē)企或以智能駕駛為錨點(diǎn)，進(jìn)行橫向應(yīng)用場(chǎng)景泛化或自下而 上構(gòu)筑 AI 生態(tài)；2）涉足汽車(chē)的消費(fèi)電子企業(yè)或從宏觀體系/生態(tài)出發(fā)，既有云側(cè)通用 AI 的大力投入，也兼容智能駕駛等端側(cè) AI 應(yīng)用場(chǎng)景。
AI 技術(shù)發(fā)展加速，形成云側(cè) AI 與端側(cè) AI 兩條路線 年 Open AI 推出建立在 GPT-3.5 和 GPT-4.0 大語(yǔ)言模型上的聊天機(jī)器人 ChatGPT 后，AI 技術(shù)取得了飛速的發(fā)展 及應(yīng)用，深刻改變?nèi)藗兊纳罴肮ぷ鞣绞健Ｔ?AI 技術(shù)的實(shí)際應(yīng)用中，云側(cè) AI 和端側(cè) AI 成為了兩種重要的部署方式：1）云側(cè) AI：依托強(qiáng)大的云端數(shù)據(jù)中心，集中進(jìn)行大規(guī)模的數(shù)據(jù)處理和模型訓(xùn)練，憑借其 海量的計(jì)算資源和存儲(chǔ)能力，能夠?qū)崿F(xiàn)復(fù)雜的AI 任務(wù)，如大規(guī)模的數(shù)據(jù)分析、自然語(yǔ)言處理中的復(fù)雜語(yǔ)義理解等。
2）端側(cè) AI：將 AI 算法和模型直接部署在終端設(shè)備上，如智能手機(jī)、智能穿戴設(shè)備、智 能家居設(shè)備等，使終端設(shè)備具備自主的智能處理能力，能夠在本地實(shí)時(shí)響應(yīng)用戶(hù)需求， 如手機(jī)的實(shí)時(shí)語(yǔ)音識(shí)別、圖像美化等功能。
與云側(cè) AI 相比，端側(cè) AI 在本 地即時(shí)響應(yīng)、數(shù)據(jù)隱私保護(hù)、個(gè)性化體驗(yàn)上具備優(yōu)勢(shì)。相反，云側(cè)AI 在處理復(fù)雜任務(wù)以 及通用性上能力更強(qiáng)。端側(cè) AI 在包括智能手機(jī)、PC、平板、汽車(chē)、穿戴設(shè)備以及物聯(lián)網(wǎng) 等不同終端產(chǎn)品上均有發(fā)展，落地場(chǎng)景更廣泛。
出于不同的最終目標(biāo)和適用場(chǎng) 景，不同企業(yè)的 AI 技術(shù)部署也在云側(cè) AI 和端側(cè) AI 上呈現(xiàn)不同側(cè)重。互聯(lián)網(wǎng)類(lèi)、云計(jì)算 類(lèi)企業(yè)或多從通用型 AI 技術(shù)（AGI）出發(fā)，在生成式AI上具備廣闊前景。另一方面，高端制造、消費(fèi)電子類(lèi)企業(yè)或多從現(xiàn)實(shí)場(chǎng)景出發(fā)，在 AIOT方向深耕。而能力更強(qiáng)、戰(zhàn)略規(guī)劃更宏大的企業(yè)會(huì)考慮兩端并進(jìn)布局，形成云側(cè)AI與端側(cè) AI 的統(tǒng)一。其中，特斯拉、 新勢(shì)力，以及涉足汽車(chē)業(yè)務(wù)的華為、小米等均是 AI 行業(yè)核心玩家。
智能駕駛是融合了先進(jìn)傳感器、 人工智能、通信、自動(dòng)控制等多種技術(shù)，使車(chē)輛能夠在不同程度上實(shí)現(xiàn)自主感知、決策 與控制，從而完成駕駛?cè)蝿?wù)的綜合性技術(shù)。智能駕駛算法包括機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相關(guān) 的 AI 算法。隨著 AI 大模型的發(fā)展，2023 年特斯拉提出利用端到端技術(shù)實(shí)現(xiàn)智能駕駛， 隨后國(guó)內(nèi)華為、理想、小鵬等企業(yè)在端到端智駕上快速切換。
早期智能駕駛主要使用基于規(guī)則的技術(shù)路線，通過(guò)人工編寫(xiě)大量的規(guī)則 和算法來(lái)實(shí)現(xiàn)。該技術(shù)路線將智能駕駛?cè)蝿?wù)分解為感知、決策和控制等獨(dú)立的模塊。在感知模塊，利用傳感器獲取車(chē)輛周?chē)h(huán)境的信息，然后通過(guò)算法對(duì)信息進(jìn)行處理和分析，以識(shí)別出各種目標(biāo)物體，如道路、行人、車(chē)輛等。在決策模塊，根據(jù)預(yù)設(shè)的規(guī)則和邏輯，結(jié)合感知模塊提供的信息，制定出相應(yīng)的駕駛決策，例如何時(shí)加速、減速、轉(zhuǎn)彎等。最后，在控制模塊，將決策結(jié)果轉(zhuǎn)化為具體的控制指令，實(shí)現(xiàn)對(duì)車(chē)輛的操控。
端到端技術(shù)路線是隨著深度學(xué)習(xí)技術(shù)的發(fā)展而興起的智能駕駛技術(shù)路徑。它摒棄了傳統(tǒng)的模塊化設(shè)計(jì)思路，將傳感器采集到的原始數(shù)據(jù)作為輸入，通過(guò)一個(gè)龐大的深度學(xué)習(xí)模型，直接輸出車(chē)輛的控制指令，實(shí)現(xiàn)從感知到?jīng)Q策的一體化。例如，端到端自動(dòng)駕駛系統(tǒng)中，攝像頭圖像直接輸入到神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過(guò)計(jì)算和處理，直接輸出轉(zhuǎn)向角度、油門(mén)開(kāi)度和剎車(chē)力度等控制信號(hào)，無(wú)需中間的目標(biāo)檢測(cè)、識(shí)別和決策制定等獨(dú)立步驟。
通過(guò)大量的數(shù)據(jù)訓(xùn)練，端到端模型能夠自動(dòng)學(xué)習(xí)到各種復(fù)雜的駕駛模式和場(chǎng)景特征，從 而在面對(duì)未知場(chǎng)景時(shí)也能做出較為合理的決策。此外，端到端系統(tǒng)的開(kāi)發(fā)相對(duì)簡(jiǎn)單，不 需要繁瑣的人工規(guī)則編寫(xiě)，能夠加快智能駕駛技術(shù)的研發(fā)和迭代速度。
端到端架構(gòu)被應(yīng)用于智能駕駛技術(shù)后，不少車(chē)企已開(kāi)始切換技術(shù)架構(gòu)，在 2024 年完成具 備城市 NOA 功能的端到端智駕系統(tǒng)上線。而從代表企業(yè)的發(fā)展思路看，目光不僅聚焦在 智駕技術(shù)的迭代發(fā)展，也看到了對(duì) AI 技術(shù)更深層次的思慮。
2019 年特斯拉推出基于自研芯片的 Hardware 3.0 后，F(xiàn)SD 功能正式進(jìn)入全棧自研階段，通過(guò) OTA 不斷提升其性能。2020 年，特斯拉采用 BEV+Transformer 架構(gòu)并且實(shí)現(xiàn)數(shù)據(jù)自動(dòng)標(biāo)注，提高感知準(zhǔn)確率和效率。2022 年，引入 Occupancy Network 技術(shù)，繼續(xù)提升感知模塊對(duì)障礙物的識(shí)別能力。2023 年提出端到端架構(gòu)，并與 2024 年 1 月正式上車(chē)，實(shí)現(xiàn)了城市街道駕駛堆棧的端到端神經(jīng)網(wǎng)絡(luò)升級(jí)，被譽(yù)為自動(dòng)駕駛的“ChatGPT”時(shí)刻。
特斯拉即將在歐洲、中國(guó)推送具備城市 NOA 功能的FSD，人形機(jī)器人 Optimus 也將初步量產(chǎn)。特斯拉從端側(cè) AI 出發(fā)，即將完成智駕終極形態(tài)“無(wú)人駕駛”以及類(lèi)似端側(cè) AI“人形機(jī)器人”的階段性突破。
2024 年以前，理想在傳統(tǒng) 多模塊架構(gòu)下進(jìn)行智能駕駛技術(shù)探索。2024 年，理想推出基于端到端模型和 VLM（視覺(jué) 語(yǔ)言模型）的全新雙系統(tǒng)自動(dòng)駕駛技術(shù)架構(gòu)。一段式端到端模型用于處理常規(guī)的駕駛行 為，VLM 視覺(jué)語(yǔ)言模型應(yīng)對(duì)高難度的未知場(chǎng)景。2024 年 10 月，理想“端到端+VLM” 全量 OTA 推送，覆蓋旗下 AD Max 配置車(chē)型。
理想計(jì)劃實(shí)現(xiàn) L3 有監(jiān)督智能駕駛。端到端和 VLM 雙系統(tǒng)解決方案不斷 優(yōu)化和融合，目標(biāo)構(gòu)建統(tǒng)一的 VLA（Vision Language Action Model）模型，將認(rèn)知智能與空間智能相結(jié)合，使智能駕駛系統(tǒng)能夠更好地理解和應(yīng)對(duì)復(fù)雜的駕駛場(chǎng)景。此外，公司核心創(chuàng)始人李想表示，理想汽車(chē)將轉(zhuǎn)型為 AI 企業(yè)，不做Robotaxi 但會(huì)做人形機(jī)器人。
2022 年，小鵬 NGP（高階領(lǐng)航輔助功能） 開(kāi)始在廣州城區(qū)試點(diǎn)，成為國(guó)內(nèi)城市 NOA 功能落地的先行者。同年，發(fā)布 XNGP 智駕 輔助系統(tǒng)，引入 BEV+Transformer 架構(gòu)，于 2023 年率先量產(chǎn)。2024 年正式切換端到端架 構(gòu)，提出三個(gè)模型：XNet（深度視覺(jué)感知神經(jīng)網(wǎng)絡(luò)）+XPlanner（神經(jīng)網(wǎng)絡(luò)規(guī)劃大模型） +XBrain（AI 大語(yǔ)言模型）。
小鵬向類(lèi) L4 級(jí)別智能駕駛邁進(jìn)，在特定場(chǎng)景和區(qū)域內(nèi)實(shí)現(xiàn)高度自動(dòng)化的 駕駛。同時(shí)，城市 NOA 功能將下沉推送至中低價(jià)格帶的 MONA 產(chǎn)品上，實(shí)現(xiàn)低價(jià)純視 覺(jué)城市領(lǐng)航輔助。此外，公司核心創(chuàng)始人何小鵬表示，將全面擁抱 AI。已在車(chē)端、智能 駕駛與智能座艙引入AI大模型，產(chǎn)品設(shè)計(jì)上引入 AI 進(jìn)行優(yōu)化，生產(chǎn)上 AI 機(jī)器人 Iron 已在廣州工廠初步實(shí)踐，未來(lái)會(huì)進(jìn)入工廠更多崗位。公司也將擴(kuò)招專(zhuān)業(yè) AI 人才構(gòu)建研發(fā) 團(tuán)隊(duì)。AI 體系囊括了機(jī)器人、汽車(chē)、飛行汽車(chē)、芯片和大模型。
2021 年，華為發(fā)布 ADS 1.0，基于 BEV+豐富傳感器的架構(gòu)實(shí)現(xiàn)智能駕駛。2023 年，ADS 2.0 問(wèn)世，引入 GOD （Generalized Occupancy Network）對(duì)感知模塊強(qiáng)化，實(shí)現(xiàn)無(wú)圖智駕。2024 年，發(fā)布 ADS 3.0，引入分段式端到端大模型 GOD + PDP（感知+決策）架構(gòu)，支持從停車(chē)位到停車(chē)位 的全自動(dòng)駕駛，包括自動(dòng)泊車(chē)和復(fù)雜環(huán)境中的自主導(dǎo)航。同時(shí)，不同于特斯拉堅(jiān)持純視 覺(jué)道路，華為 ADS 方案仍然保留了感知端的激光雷達(dá)信息，堅(jiān)持多元感知路線 年：將有數(shù)十款新車(chē)型搭載華為智駕的新車(chē)上市。華為將協(xié)同國(guó)家標(biāo)準(zhǔn)與政策 法規(guī)等相關(guān)組織，共同推動(dòng)高速 L3 商用及城區(qū) L3 試點(diǎn)。此外，華為車(chē) BU CEO 靳玉志 表示行業(yè)智駕發(fā)展超預(yù)期，一方面，有車(chē)企都開(kāi)始宣傳智駕，智駕從可選到必選，選配到標(biāo)配；另一方面，智駕裝配率不斷提升，其中以高速領(lǐng)航為核心的 L2+在 20 萬(wàn)以上新能源車(chē)的配置率已達(dá) 65%。預(yù)計(jì)未來(lái)城區(qū) NCA 為代表的高階智駕滲透率將快速提升，未 來(lái) 5 年內(nèi)搭載量將達(dá)到 2000 萬(wàn)。
2024 年小米汽車(chē)首 款產(chǎn)品 SU7 上市即熱銷(xiāo)，但其智能駕駛能力較頭部企業(yè)仍有差距。2021 年，小米汽車(chē)自 動(dòng)駕駛部門(mén)開(kāi)始組建；2022 年，開(kāi)始上路測(cè)試自動(dòng)駕駛技術(shù)；2024 年，在 1.4.5 版本 OTA 后接入 VLM 視覺(jué)語(yǔ)言大模型；2024 年末，開(kāi)啟端到端全場(chǎng)景智能駕駛先鋒版推送。
展望 2025：小米將在 2025 年重點(diǎn)推出全場(chǎng)景智能駕駛功能，涵蓋高速、城市道路和泊車(chē) 場(chǎng)景，爭(zhēng)取進(jìn)入 L3 階段，同時(shí)通過(guò)更快的 OTA 迭代優(yōu)化用戶(hù)體驗(yàn)。此外，雷軍 2023 年 宣布小米將深耕底層技術(shù)，長(zhǎng)期持續(xù)投入，推動(dòng)軟硬深度融合，并全面賦能 AI，提出公 式（軟件×硬件）。小米的自研大模型主要突破方向?yàn)椤拜p量化、本地部署”，既保障用戶(hù) 的數(shù)據(jù)安全，又提升生產(chǎn)力。自 2016 年成立 AI 實(shí)驗(yàn)室以來(lái)，小米逐步布局了包括視覺(jué)、語(yǔ)音、NLP 等 12 個(gè)技術(shù)領(lǐng)域。小米集團(tuán)預(yù)計(jì)在 2022-2026 年間將投入超過(guò) 1000 億元的研發(fā)經(jīng)費(fèi)。
端側(cè) AI 前景廣闊，有望實(shí)現(xiàn)十年十倍的發(fā)展。根據(jù)麥肯錫的調(diào)查報(bào)告，2024 年中國(guó)消 費(fèi)者對(duì)智駕的接觸、滿(mǎn)意度以及升級(jí)意愿較 2023 年提升明顯。消費(fèi)者對(duì)智能駕駛的接受 度提升，進(jìn)一步推動(dòng)了市場(chǎng)滲透率的增長(zhǎng)。而在車(chē)企技術(shù)迭代與應(yīng)用泛化加速背景下， 2025 年智駕滲透率有望跳躍式突破。根據(jù)波士頓咨詢(xún)研究，2025—2035 年智能駕駛汽車(chē) 的市場(chǎng)滲透率將從12.9%增長(zhǎng)到 24.8%，具備智能駕駛功能的汽車(chē)市場(chǎng)規(guī)模從 420 億美元增長(zhǎng)至 770 億美元。而從端側(cè) AI 角度出發(fā)，預(yù)測(cè)從 2022 年至 2032 年，全球端側(cè) AI 市場(chǎng)空間將從 152 億美元提升至 1,436 億美元，年復(fù)合增長(zhǎng)率達(dá) 25.9%。其中增長(zhǎng)將主要來(lái)自工業(yè)、汽車(chē)以及政府相關(guān)產(chǎn)業(yè)。
1）車(chē)企或以智能駕駛為錨點(diǎn)，進(jìn)行橫向應(yīng)用場(chǎng)景泛化或自下而上 構(gòu)筑 AI 生態(tài)；2）涉足汽車(chē)業(yè)務(wù)的消費(fèi)電子企業(yè)或更多從宏觀體系/生態(tài)出發(fā)，既有云側(cè) 通用 AI 的大力投入，也兼容智能駕駛等端側(cè) AI 應(yīng)用場(chǎng)景。
當(dāng)下汽車(chē)/涉足汽車(chē)的消費(fèi)企業(yè)不僅在智能駕駛這一端側(cè) AI 投入精力資源，正考慮不斷深化與融合大模型技術(shù)，或?yàn)槎藗?cè) AI 能力的泛化奠定基礎(chǔ)：車(chē)企進(jìn)軍無(wú)人駕駛、機(jī)器人 等，消費(fèi)電子企業(yè)構(gòu)建更全面的 AI 體系及終端生態(tài)。有別于生成式 AI 的內(nèi)容產(chǎn)出，智能駕駛的終端產(chǎn)出是實(shí)時(shí)執(zhí)行，這在現(xiàn)實(shí)物理世界或?qū)⒂懈S富的落地場(chǎng)景。
以自動(dòng)駕駛和機(jī)器人為例對(duì)比，兩者在技術(shù)框架上具備高度同源，汽車(chē)本身可視為一種非人形機(jī)器人。百度的自動(dòng)駕駛分為四層技術(shù)棧，包括：云服務(wù)平臺(tái)、開(kāi)源軟件平臺(tái)、參考硬件平臺(tái)和參考車(chē)輛平臺(tái)。而機(jī)器人的技術(shù)框架也包含類(lèi)似模塊，區(qū)別則在于基礎(chǔ)運(yùn)動(dòng)平臺(tái)（即運(yùn)動(dòng)基座不同）。從技術(shù)角度，當(dāng)前智能駕駛和機(jī)器人都采用了多傳感器融合、人工智能深度學(xué)習(xí)、規(guī)劃和運(yùn)動(dòng)控制的思路；從功能目標(biāo)上，都以智能體自主決策行動(dòng)和提高效率與安全為目的。不同點(diǎn)則在于應(yīng)用場(chǎng)景和對(duì)象，軟硬件配置和算法側(cè)重上也有一定區(qū)別。
消費(fèi)電子企業(yè)終 端產(chǎn)品更多、AI 落地內(nèi)容或更豐富。例如：1）智能手機(jī)：智能助手、圖像識(shí)別與處理、 語(yǔ)言翻譯、智能寫(xiě)作輔助等。2）智能家居：家電控制、安全監(jiān)控、能源管理等。3）智能 可穿戴設(shè)備：健康檢測(cè)、運(yùn)動(dòng)輔助、智能導(dǎo)航等。上述應(yīng)用場(chǎng)景也不僅局限于端側(cè) AI， 云側(cè) AI 的通用人工智能也可進(jìn)行終端部署。消費(fèi)電子企業(yè)的 AI 發(fā)展更多從體系生態(tài)角 度出發(fā)，終端設(shè)備僅是場(chǎng)景實(shí)現(xiàn)、交互的入口。
AI 時(shí)代，車(chē)企商業(yè)模式需要“升維”。隨著 AI 技術(shù)的深入應(yīng)用以及車(chē)企的布局延伸，我們預(yù)計(jì)車(chē)企商業(yè)模式將從硬件銷(xiāo)售逐步迭代至“硬件+軟件+服務(wù)”的綜合模式。
