导读
一、AI正成为汽车行业竞争焦点
汽车行业竞争正快速迁移，从电动化、智能化转向AI化。曾经“一招鲜吃遍天，一款产品打天下”的竞争模式已难以适应如今快速迭代、瞬息万变的时代，行业呈现竞争加速、技术和投资门槛升高的特点。从企业竞争力迁移的阶段来看，大致可分为以下三个阶段：
在汽车AI化发展新阶段，汽车的竞争将从产品竞争转向产业链竞争，传统汽车生态将拓展至以数据和服务为核心的新生态，不仅需要模型、算力、数据等基础底座支撑，也需要芯片制造商、云服务提供商、软件算法开发商等多方主体参与。
我国汽车数据产业生态已初具规模。目前，围绕汽车数据已经形成全新的产业链，包括生成、采集、存储、加工、分析、服务、安全等多个环节，参与方主要包括车企、行业机构等，如长安成立子公司安驿，将数据采集、加工环节标准化，使数据采集成本降低40%，综合标注成本下降35%。华为、恺望数据、蚂蚁集团、海天瑞声等聚焦自身优势，为车企提供不同类型数据闭环服务。数据存储是底层基础设施，为企业提供数据汇集、合规等服务，主要包括公有云和私有云，代表企业包括腾讯云、华为云、百度云、火山引擎等。
AI驱动下的智能驾驶让车更“好开”。当前量产车型主要采用基于规则的智能驾驶方案，感知、决策和控制分为独立的模块，每个模块分别负责不同任务，但这种方式无法覆盖所有特殊情况（Corner Case），系统的泛化性较差，驾驶能力上限较低。端到端技术将推动高阶智能驾驶跨越体验拐点，该技术通过AI发掘海量数据中隐藏的行驶规则，让机器拥有自主学习、思考和分析的能力，能加速突破边缘场景难题，能够覆盖更广泛的行车场景。因此，国内外主流车企和智驾供应商纷纷发力端到端方案。特斯拉最早于2023年8月在FSD v12 测试版（Beta版）中实现，并在2024年上半年完成向美国全量FSD用户推送；国内企业小鹏、蔚来、理想、华为、长城、商汤绝影、元戎启行、地平线等积极跟进，先后推出了面向量产的端到端自动驾驶解决方案和车型，将陆续于2024年下半年至2025年上市。
AI将提升智能座舱交互能力，让汽车更“好玩”。当前汽车座舱电气化、智能化发展更多是硬件和功能的集成与堆叠，靠乘客主动发起实现“被动式交互”，未实现真正的个性化与智能化。AI大模型具有强大的数据生成与处理能力、多模态交互能力，通过融合语音、视觉、手势等多种交互方式，形成主动式互动体验。如智能座舱能提供千人千面的语音识别、娱乐信息及驾驶辅助，并将功能向更个性化的环境控制、健康管理、娱乐信息与车辆状况监测等场景拓展，让汽车成为会思考、懂用户的AI汽车。目前车企大多从语音交互入手，利用AI大模型实现智能座舱更准确、更强大、更丰富的语音助手能力，并逐渐通过AI大模型实现语义识别、多模态交互等功能。海外车企大众、奔驰、宝马、标致雪铁龙，以及国内车企广汽、比亚迪、长城、长安、吉利、理想、蔚来、小鹏等已先后宣布将在座舱中接入大模型。
三、我国AI汽车发展面临的挑战及建议
智能算力供给不足，AI算法训练受限。2023年，中国智能算力需求约为124EFLOPS，但国内供给仅为70EFLOPS，智能算力供应面临严峻挑战。
一方面，国内智能“成熟”算力难增长，现存算力利用不充分。英伟达GPU生态成熟是全球AI算力建设的首选，但受美国出口管制影响，我国难以获得英伟达高性能GPU，只能使用存量芯片计算。而AI模型训练需要将先进芯片集约化利用，马斯克旗下x.AI的100EFlops，而我国企业倾向于建设私有化算力，如华为车BU（7.5E）、百度极越（5.5E）、长城（1.64E）、蔚来（1.4E）、理想（5.39E）、小鹏（2.51E）等均远低于特斯拉。
数据“孤岛效应”明显，尚未发挥应有价值。
车端基础软硬件体系仍不完备，AI新应用“上车”慢。
目前汽车行业仍处于智能阶段向AI阶段过渡时期，软硬件的协同与适配存在较大问题，如英伟达、高通、地平线等不同企业AI算力上的芯片架构不同，操作系统、中间件等基础软件对AI算力调用的适配不完善，不同车企不同型号的系统接口开放性差异较大等。智能驾驶与智能座舱的AI技术在上车应用中需匹配不同算力芯片、操作系统、车端系统接口，不仅增加了适配工作的难度，也提升了工程实施的复杂性。尚不完备的软硬件体系进一步阻碍了AI大模型技术的车端部署与应用。
END
（添加请备注公司名和职称）
导读
一、AI正成为汽车行业竞争焦点
汽车行业竞争正快速迁移，从电动化、智能化转向AI化。曾经“一招鲜吃遍天，一款产品打天下”的竞争模式已难以适应如今快速迭代、瞬息万变的时代，行业呈现竞争加速、技术和投资门槛升高的特点。从企业竞争力迁移的阶段来看，大致可分为以下三个阶段：
在汽车AI化发展新阶段，汽车的竞争将从产品竞争转向产业链竞争，传统汽车生态将拓展至以数据和服务为核心的新生态，不仅需要模型、算力、数据等基础底座支撑，也需要芯片制造商、云服务提供商、软件算法开发商等多方主体参与。
我国汽车数据产业生态已初具规模。目前，围绕汽车数据已经形成全新的产业链，包括生成、采集、存储、加工、分析、服务、安全等多个环节，参与方主要包括车企、行业机构等，如长安成立子公司安驿，将数据采集、加工环节标准化，使数据采集成本降低40%，综合标注成本下降35%。华为、恺望数据、蚂蚁集团、海天瑞声等聚焦自身优势，为车企提供不同类型数据闭环服务。数据存储是底层基础设施，为企业提供数据汇集、合规等服务，主要包括公有云和私有云，代表企业包括腾讯云、华为云、百度云、火山引擎等。
AI驱动下的智能驾驶让车更“好开”。当前量产车型主要采用基于规则的智能驾驶方案，感知、决策和控制分为独立的模块，每个模块分别负责不同任务，但这种方式无法覆盖所有特殊情况（Corner Case），系统的泛化性较差，驾驶能力上限较低。端到端技术将推动高阶智能驾驶跨越体验拐点，该技术通过AI发掘海量数据中隐藏的行驶规则，让机器拥有自主学习、思考和分析的能力，能加速突破边缘场景难题，能够覆盖更广泛的行车场景。因此，国内外主流车企和智驾供应商纷纷发力端到端方案。特斯拉最早于2023年8月在FSD v12 测试版（Beta版）中实现，并在2024年上半年完成向美国全量FSD用户推送；国内企业小鹏、蔚来、理想、华为、长城、商汤绝影、元戎启行、地平线等积极跟进，先后推出了面向量产的端到端自动驾驶解决方案和车型，将陆续于2024年下半年至2025年上市。
AI将提升智能座舱交互能力，让汽车更“好玩”。当前汽车座舱电气化、智能化发展更多是硬件和功能的集成与堆叠，靠乘客主动发起实现“被动式交互”，未实现真正的个性化与智能化。AI大模型具有强大的数据生成与处理能力、多模态交互能力，通过融合语音、视觉、手势等多种交互方式，形成主动式互动体验。如智能座舱能提供千人千面的语音识别、娱乐信息及驾驶辅助，并将功能向更个性化的环境控制、健康管理、娱乐信息与车辆状况监测等场景拓展，让汽车成为会思考、懂用户的AI汽车。目前车企大多从语音交互入手，利用AI大模型实现智能座舱更准确、更强大、更丰富的语音助手能力，并逐渐通过AI大模型实现语义识别、多模态交互等功能。海外车企大众、奔驰、宝马、标致雪铁龙，以及国内车企广汽、比亚迪、长城、长安、吉利、理想、蔚来、小鹏等已先后宣布将在座舱中接入大模型。
三、我国AI汽车发展面临的挑战及建议
智能算力供给不足，AI算法训练受限。2023年，中国智能算力需求约为124EFLOPS，但国内供给仅为70EFLOPS，智能算力供应面临严峻挑战。
一方面，国内智能“成熟”算力难增长，现存算力利用不充分。英伟达GPU生态成熟是全球AI算力建设的首选，但受美国出口管制影响，我国难以获得英伟达高性能GPU，只能使用存量芯片计算。而AI模型训练需要将先进芯片集约化利用，马斯克旗下x.AI的100EFlops，而我国企业倾向于建设私有化算力，如华为车BU（7.5E）、百度极越（5.5E）、长城（1.64E）、蔚来（1.4E）、理想（5.39E）、小鹏（2.51E）等均远低于特斯拉。
数据“孤岛效应”明显，尚未发挥应有价值。
车端基础软硬件体系仍不完备，AI新应用“上车”慢。
目前汽车行业仍处于智能阶段向AI阶段过渡时期，软硬件的协同与适配存在较大问题，如英伟达、高通、地平线等不同企业AI算力上的芯片架构不同，操作系统、中间件等基础软件对AI算力调用的适配不完善，不同车企不同型号的系统接口开放性差异较大等。智能驾驶与智能座舱的AI技术在上车应用中需匹配不同算力芯片、操作系统、车端系统接口，不仅增加了适配工作的难度，也提升了工程实施的复杂性。尚不完备的软硬件体系进一步阻碍了AI大模型技术的车端部署与应用。
END
（添加请备注公司名和职称）
