文 | 趙盼盼、嚴方

視覺設計|星船知造

正文共計：6930字

預計閱讀時間：8分鐘

2024年，汽車智能進化之路變得更為復雜和殘酷。你爭我趕的新品戰(zhàn)中，粹煉出極速迭代的能力。你死我活的價格戰(zhàn)中，激發(fā)出技術致勝的覺悟——也終于明確解題思路：

整個產(chǎn)業(yè)將在更“輕”的同時更“重”。

更“重量級”的云——通過建設云端強大的數(shù)據(jù)閉環(huán)和算力能力，車端因進化迭代所面臨的技術與算力瓶頸被打破，“云”成為智能汽車進化路上強大的底層基建。

更“輕盈”的車——借助云端支持實現(xiàn)技術與成本減負，智駕等技術得以被普及到更低價格段的車型上。正攀登L4這座智駕珠峰的玩家，能夠不斷通過“技術進步+成本降低→產(chǎn)品落地”，來獲得更大的市場。

我們判斷，未來只有車、云攜手進化，更能形成“以質換量”與“以量換質”的正向循環(huán)。

也正因為如此，“車云一體”成為了智能駕駛必然的走向。

騰訊智慧出行副總裁鐘學丹的觀點，代表了業(yè)內的一個普遍共識：“隨著數(shù)據(jù)規(guī)模、算力需求的指數(shù)級增長，構建車云一體的數(shù)據(jù)閉環(huán)，對海量數(shù)據(jù)進行更高效的收集、存儲、處理和分析，將成為智能汽車的核心增長飛輪?！?/p>

一切的變化，要先從端到端的爆發(fā)說起。

端到端、大模型能力成為劃分第一梯隊的分水嶺

如果給智能汽車找一個2024年度關鍵詞，“端到端”當之無愧。

倒不是因為特斯拉分別在年初和年尾發(fā)布了現(xiàn)階段對于端到端技術而言里程碑式的FSD V12和FSD V13，而是因為，后文中我們將聊到的幾乎所有與今年智能汽車相關的熱詞——“純視覺方案”“云端算力”“無圖化”“車位到車位”等，都與端到端技術密切關聯(lián)。

眾多車企今年重倉押注的端到端技術及基于端到端的AI大模型，將成為劃分智駕第一梯隊的分水嶺——

誰掌握了更先進的端到端技術，誰就掌握了L2增長密碼與L3乃至L4優(yōu)先通行證。不但可以吃下更多市場空間，更可以優(yōu)先把更高級別的智駕從測試場帶到真實路面。

source：pexels

什么是端到端？

“端到端”的兩個“端”，指的是感知端和決策端。

過去：研發(fā)者需要分別設計感知、預測、規(guī)劃、控制四個部分的小模型。再根據(jù)具體功能效果，人力寫成應對各種情況的代碼。也就是說，從汽車感知路況，到做出反應，中間要經(jīng)歷若干個模塊化設計好的步驟。

這種模式的主要缺點是，信息在傳遞和處理的過程中可能出現(xiàn)誤差、遺漏和延誤。有點像綜藝節(jié)目里常見的傳話游戲，中間傳話人越多，原話被歪曲的程度就越大。

端到端：從感知端直接進入輸出端，省略中間過程，實現(xiàn)無損信息傳遞。就像人類神經(jīng)網(wǎng)絡的工作模式一樣，觀察到周圍路況環(huán)境，直接做出反應。

前者讓汽車像一個執(zhí)行復雜指令的機器人。而端到端技術爆發(fā)靠的是人工智能技術的進化——有望隨著訓練量的增加，使智駕系統(tǒng)成長為一名經(jīng)驗豐富的“老司機”。

source：unsplash

2024年，玩家加速卷向端到端。

3月，特斯拉開始在一定范圍內推送FSD V12，宣告端到端技術正式落地。

5月，特斯拉基于“端到端”的FSD V12在數(shù)月的訓練時間內，超過了數(shù)年積累的V11。12月，F(xiàn)SD V13.2版本亮相，其最大的亮點是“從停車位到停車位”（Park 2 Park）的端到端駕駛模式。

這一過程要求車輛能在城市復雜多變的路況下應對自如。是對車企自動駕駛系統(tǒng)的環(huán)境感知、決策規(guī)劃、執(zhí)行控制能力最好的“活廣告”——眾多車企卷入車位到車位的競賽中，作為展示其端到端的規(guī)格標準。

2024年國內官宣端到端落地部分智駕玩家：

華為：華為在9月宣布推出ADS 3.0，端到端架構商用落地，實現(xiàn)了從車位到車位的高階智能駕駛能力。

小鵬：特斯拉FSD V12版本推送后，小鵬汽車創(chuàng)始人何小鵬在美國體驗，并稱其“表現(xiàn)極好”。作為端到端技術的擁護者，小鵬在5月20日正式發(fā)布了“國內首個量產(chǎn)上車”的端到端大模型——神經(jīng)網(wǎng)絡XNet+規(guī)控大模型XPlanner+大語言模型XBrain。

理想：2024年7月，理想在推送“全國都能開”的無圖NOA的同時，發(fā)布了基于端到端模型、VLM視覺語言模型和世界模型的全新自動駕駛技術架構。11月底，OTA 6.5版本車機系統(tǒng)推送，其中涵蓋了“車位到車位”功能。

Momenta、商湯：10月智己汽車聯(lián)手Momenta推出采用“一段式端到端”架構的智駕方案——IM AD 3.0。商湯絕影于11月底發(fā)布采用一段式端到端技術的AD Ultra，預計明年年底實現(xiàn)端到端智駕方案量產(chǎn)落地。

小米：2024年11月16日，小米汽車宣布其智能駕駛系統(tǒng)HAD（Xiaomi Hyper Autonomous Driving）將搭載在小米SU7 Pro、SU7 Max和SU7 Ultra車型上。升級最大的亮點是接入了端到端大模型技術。

2024年，伴隨著端到端技術C位出道，車企從智駕硬件、地圖方案，到算力部署，全都被攪動起來。

source：giphy

硬件上，隨著更大規(guī)模的“端到端”落地，“去激光雷達”趨勢更加明顯：

與端到端技術深度綁定在一起的，是“純視覺方案”。

●純視覺方案：指汽車主要依賴攝像頭獲取和處理周圍環(huán)境信息。非常依賴算法能力的支撐。

●與之相對的，是使用激光雷達、毫米波雷達等硬件來裝備汽車感知端。

眾多車企在今年發(fā)布“去激光雷達”方案：華為在今年發(fā)布的問界M7 PRO基礎版的智駕方案中去掉了激光雷達；小鵬推出了全新一代AI鷹眼視覺方案，首發(fā)搭載在小鵬P7+上；前不久暴雷的極越，在8月份發(fā)布了“純視覺+端到端大模型”的智駕方案ASD。

車企這么做的原因有二：

一是技術層面，相關算法和大模型日漸成熟，尤其是端到端技術的突破，使得車載攝像頭敢于騎在激光雷達頭上“仗勢欺人”。

二是市場層面，攝像頭比激光雷達更便宜，拿出純視覺方案，就是拿出成本優(yōu)勢。

●普通環(huán)視車載攝像頭模組通常單價在150-200元之間，行車ADAS（Advanced Driver Assistance System 高級駕駛輔助系統(tǒng)）車載攝像頭模組則在300-500元之間。

●相比之下，單顆激光雷達價格即達數(shù)千乃至數(shù)萬元。因此在過去多年里，激光雷達都只配備在中高端車型上。

“去激光雷達”的“純視覺”及“視覺+毫米波”方案，成為了智能駕駛“殺”向下沉市場關鍵利器。

這也是為什么李斌一邊強調“說激光雷達沒用的，非蠢即壞”，一邊蔚來旗下品牌推出了搭載純視覺方案的樂道L60車型。定價二十余萬的樂道L60，正是蔚來系中最便宜的車型之一。

智能汽車感知端不斷革新

地圖方案上，隨著更大規(guī)模的“端到端”落地，2024年加速了“去高精地圖”趨勢：

高精地圖即絕對位置精度接近1m，相對位置精度在厘米級別的地圖。在車內預置一套高精地圖，相當于不僅有了路線地圖，也將車道線、人行道、車站、紅綠燈、綠化帶等種種路況信息一并收入囊中。同時具備全天候、不間斷的特點。

2024年“去高精地圖”趨勢背后有兩個原因。

一是高精地圖眼下存在幾座難以翻越的幾座大山：采集成本高、審核時間長、更新時效慢等。

成本：一輛測繪車的成本高達數(shù)百萬元至千萬元級別。分米級地圖的測繪效率約為每天每車500公里道路，成本達每公里10元左右，而厘米級地圖的測繪效率約為每天每車100公里道路，成本達每公里千元左右。

更新效率：不少圖商只能做到3個月更新一次高精地圖。用華為余承東的說法就是：高精地圖的數(shù)據(jù)采集更新速度趕不上中國的城市建設速度。

對于很多車企玩家而言，不是高精地圖不香了，而是在激烈的市場競爭中，等不了了。

二就是我們上文說的，“純視覺+端到端大模型”的技術路徑已經(jīng)逐漸成熟：汽車無需高精地圖，靠車端視覺感知系統(tǒng)和大模型提供的決策能力就能搞定自動駕駛。

換言之，智駕成功的關鍵要素，已經(jīng)從從車端裝載的高精地圖，轉向了云端訓練的大模型。讓擺脫高精地圖成為可能。

騰訊“多圖合一”生產(chǎn)模式

目前不少玩家采取的方案，是在大多數(shù)簡單的路段采用導航地圖，部分復雜路段則掛接輕高精地圖來保障體驗。較為激進的無圖化方案中，則連輕地圖也一并不用，僅使用導航地圖。

●所謂“輕高精地圖”或“輕地圖”，是一種折衷方案。

其精度和信息量介于導航地圖與高精地圖之間，是綜合平衡整體感知定位效果與地圖成本之后的結果。

2024年，華為、小鵬、比亞迪、理想、小米都先后推出了各自的無圖化方案。

針對于此，作為圖商的騰訊提供了更靈活的解決方案——“多圖合一”的模式。

騰訊做到也業(yè)內首個一體化生產(chǎn)體系，把標準地圖(SD Map)、輔助駕駛地圖(ADAS Map)、高精地圖(HD Map)等不同精度等級的地圖數(shù)據(jù)融合在一起，按需靈活使用，讓不同地圖的功能實現(xiàn)優(yōu)勢互補。

與傳統(tǒng)的不同地圖先獨立制作再互相關聯(lián)的做法不同，騰訊的“一張圖”生產(chǎn)模式做到了數(shù)據(jù)同源、解決了重復投入、數(shù)據(jù)不匹配、更新頻率難統(tǒng)一等問題。

2024年另一地圖趨勢是“加速入云”。

例如，騰訊的智駕云圖，是將車端實時感知數(shù)據(jù)、駕駛行為經(jīng)驗信息和車企自有數(shù)據(jù)資產(chǎn)等上傳云端，實現(xiàn)云端多程建圖。

云端建圖的另一個好處，是幫助車企將自有數(shù)據(jù)與云圖提供的數(shù)據(jù)信息融合使用，更好地發(fā)揮數(shù)據(jù)價值。騰訊將智駕地圖分成多個圖層，包含基礎地圖圖層、運營圖層等，車企可以根據(jù)自身需求靈活配置并管理圖層，并通過和車企自身數(shù)據(jù)圖層結合，搭建適合自身的數(shù)據(jù)驅動運營平臺。

通過高鮮度的地圖數(shù)據(jù)，及時有效的環(huán)境信息和動態(tài)交通信息，車企也可以在云端訓練出“駕駛經(jīng)驗”更加豐富的大模型，加速智能化進程。

地圖信息采集

很明顯，隨著端到端的加速落地，車端正在“變輕”——去高精地圖也好，去激光雷達也好——車端成本的降低，得以讓智駕等技術被普及到更低價格段的車型上。

但新的挑戰(zhàn)也隨之出現(xiàn)：

上文所述，誰先掌握更先進的端到端技術，先一步訓練出一個能像人一樣決策的AI大模型，誰就在智駕路上獨占鰲頭。但一是端到端技術及各種大模型都十分依賴算力和數(shù)據(jù)。車端無法承載超高算力和海量數(shù)據(jù)。二是專注模型和算法的迭代極度燒錢。

除了“硬件減負”，車端還必須在算力、模型上變得更輕盈——才能在持久戰(zhàn)上形成市場和技術的正循環(huán)。

更輕的車，需要更“重倉”的云

AI大模型的成長，必須擁有承載海量數(shù)據(jù)的能力，即龐大的算力和數(shù)據(jù)閉環(huán)能力。

2024年，智駕領域數(shù)據(jù)采集和處理走向2.0時代：從采集車采集到量產(chǎn)車采集；從標簽搜索到大模型挖掘；從人工標注到自動化標注；從路側測試到仿真測試，再到大規(guī)模并行仿真測試。

數(shù)據(jù)與算力能力帶來的“馬太效應”也在加劇，車企迎來“以質換量”與“以量換質”相輔相成、不斷循環(huán)的時代。

理想總工程師馬東輝這樣形容未來智駕競爭模式：從端到端開始，才是真正使用人工智能的方式做智駕。而人工智能需要大量的數(shù)據(jù)和算力，會讓具備高階智駕車輛保有量以及充足研發(fā)投入的企業(yè)，在智能駕駛方面的優(yōu)勢增加，并且實實在在地促進銷量提升，而銷量提升又會帶來保有量和研發(fā)投入的提升，形成滾雪球過程。

何小鵬的觀點如出一轍：車企要贏得進入未來競爭的入場券，至少每年要銷售100萬輛AI 汽車，數(shù)據(jù)積累量的差異會讓產(chǎn)品與產(chǎn)品、企業(yè)與企業(yè)之間的差距越來越大。

所有人都意識到，圍繞算法、算力、數(shù)據(jù)的底層能力，是未來拉開差距的關鍵。

智駕“卷”向云端，從“再現(xiàn)”到“訓練”

但車端的“三個難題”正影響競速的步伐。

一是在大模型的訓練上，車端算力相對“捉襟見肘”。某車企提到，其云端大模型的參數(shù)量將多達車端參數(shù)量80倍。

同時目前市面上的汽車芯片，有不少性能虛高，算力不足，而真實算力強的，往往功耗居高不下，散熱困難。

二是成本問題。汽車芯片太過“燒錢”。如英偉達Orin-X的單芯片價格達400美元左右，約合人民幣2800元，雙芯片方案約合人民幣5600元，四芯片方案則達到了1.12萬元。

三是不少車企和自動駕駛 Tier1遇到的數(shù)據(jù)難題——

●數(shù)據(jù)采集方面，車輛分布廣、數(shù)據(jù)收集難：

如前所述，數(shù)據(jù)采集來源已經(jīng)逐步從傳統(tǒng)的采集車過渡到上千萬量級的量產(chǎn)車，龐大的采集量對網(wǎng)絡的接入質量、穩(wěn)定性能、分布式云的能力提出了考驗。

●數(shù)據(jù)存儲方面，數(shù)據(jù)容量大：僅一輛汽車單日產(chǎn)生的數(shù)據(jù)量，就是TB級的。

●數(shù)據(jù)處理方面，處理難度大，模型復雜度高：由于數(shù)據(jù)量和系統(tǒng)極為龐大，每次改動涉及到的的模塊可能都是上百乃至上千。如何評測每個模塊的代碼質量，如何檢驗各模塊之間是否有沖突，都極為復雜。需要有對應的工具能快速串聯(lián)數(shù)據(jù)接入-標注-訓練-評測等環(huán)節(jié)。

●數(shù)據(jù)采集和使用的過程中，政策法規(guī)多、合規(guī)約束嚴：我國汽車行業(yè)的安全合規(guī)要求正不斷完善，已經(jīng)陸續(xù)頒布了數(shù)十項規(guī)定。不是誰都有資格進行數(shù)據(jù)采集。

這也意味著，智駕汽車進行數(shù)據(jù)采集，需要擁有相應的測繪資質，或借助有資質的供應商來實現(xiàn)合規(guī)。

一切都指向了云端算力和“車云一體”的數(shù)據(jù)閉環(huán)能力——車企把算力布局的更多注意力和重心放到云端。把云端構造的智能化成果輸送回車端，靠的就是“車云一體”方案。

數(shù)據(jù)閉環(huán)五大支柱

先看云端算力增長能帶來多大的技術迭代效率提升——

大洋彼岸，特斯拉早已重倉云端，并在2024年算力飆升。

2020年，特斯拉每輛賣出的車上都搭載Autopilot輔助駕駛功能，并在同年積累了30億英里Autopilot行駛里程。特斯拉依靠云端超算中心處理這些數(shù)據(jù)。

2022年，特斯拉將其最大超算中心規(guī)模擴充到了7360張 A100 GPU。車端大量數(shù)據(jù)+云計算能力，讓特斯拉在一眾智駕玩家中率先形成“車云互通”的數(shù)據(jù)閉環(huán)。這是其得以在2024年最先卷出FSD智能駕駛算法的前提。

2024年，特斯拉算力規(guī)模迎來近乎90度的陡然飆升。

圖源：特斯拉

國內以華為為例。目前華為智能駕駛云端算力達 5E FLOPS，支撐“華為ADS”每日3500萬公里仿真訓練里程。

再看“車云一體”的數(shù)據(jù)閉環(huán)能力。即：從車端的數(shù)據(jù)采集，到通過網(wǎng)絡傳輸上云，再到云端進行數(shù)據(jù)和算法的處理，進而迭代新的能力再下發(fā)到車端，實現(xiàn)功能升級。

“車云一體”的數(shù)據(jù)閉環(huán)所帶來的，就是整個數(shù)據(jù)鏈路的運行效率提升：降低開發(fā)運維難度和成本、加速應用創(chuàng)新和發(fā)布速度、降低實施落地的風險。

再強大的算力和數(shù)據(jù)量，如果缺少這種能力，就像廚房里準備好了豐富食材，卻沒有好用的廚具和技術高超的廚師，食材無法有效利用。

車端部署小模型，云端訓練大模型這種車云一體循環(huán)，是一種必然的趨勢。

如騰訊智慧出行副總裁鐘學丹所說，車云一體化的連接，是讓車端變得更輕、更可靠，通過云端來獲得無限的擴展空間和快速的迭代能力，讓用戶體驗持續(xù)煥新。

“造車”的成敗關鍵，再次回到“基建”上。只不過智駕的新基建，不在地面，而在云端。

誰更專注新基建？

捋清“車輕云重”的趨勢后，一個更大視角下的事實也呼之欲出：

中國汽車在電動化轉型的浪潮中已經(jīng)拔得頭籌

●至2023年，我國新能源汽車產(chǎn)銷連續(xù)8年全球第一。

●2024年11月14日，我國新能源汽車年產(chǎn)量首次突破1000萬輛。是全球首個新能源汽車年度達產(chǎn)1000萬輛的國家。

它離不開我國強大的供應鏈網(wǎng)絡優(yōu)勢。

中國新能源汽車擁有全球最完善的供應鏈體系，比如全球 75% 以上的鋰電池在中國生產(chǎn)；配套設施方面，今年7月底，全國充電樁數(shù)量突破千萬，其中公共充電樁320.9萬臺，而歐洲公共及半公共充電樁到7月份僅90萬根，美國公共充電樁僅20萬根。

從材料研發(fā)、工程設計到制造管理、總裝集成，中國新能源汽車已形成一批契合“國內大循環(huán)為主體、國內國際雙循環(huán)相互促進”要求的汽車產(chǎn)業(yè)集群布局。

而到了汽車產(chǎn)業(yè)從電動化往智能化疾跑的當下，中國互聯(lián)網(wǎng)企業(yè)帶來的“數(shù)智化基建”正形成我們的新助力。

source：pexels

過去多年里，騰訊、阿里、百度等企業(yè)均構建出成熟完整的業(yè)務體系。當互聯(lián)網(wǎng)大廠齊齊進入智能汽車產(chǎn)業(yè)鏈時，卻選擇了兩條不同的路徑：

一條是既造車，又提供技術服務。另一條是專注做好汽車智能化的基礎設施工作。

前者的代表是百度和阿里——百度、阿里各自通過合資的方式下場造車。這條路徑也意味著，在智能汽車產(chǎn)業(yè)中，互聯(lián)網(wǎng)與車企既是提供技術的甲乙方、又是競爭對手。在合資造車的同時也需要平衡與其他合作企業(yè)間的關系。

后者的代表是騰訊——主要以“數(shù)智化助手”身份進入智能汽車產(chǎn)業(yè)鏈，不造車，而是提供云、地圖、AI等技術，以及社交、娛樂、出行、協(xié)同辦公等生態(tài)服務。

而當“端到端”、“車云一體”成為行業(yè)大趨勢后，人們更多把目光聚焦于——中國互聯(lián)網(wǎng)企業(yè)將如何以云、圖等技術為基礎，為產(chǎn)業(yè)伙伴帶來基于云端的更低研發(fā)成本和更多產(chǎn)業(yè)創(chuàng)新。

source：giphy

華為將其云服務貫穿于企業(yè)造車（數(shù)字化研發(fā)、生產(chǎn)、供應鏈管理）、賣車（數(shù)字化營銷）、出行服務（車聯(lián)網(wǎng)、地圖導航、內容生態(tài)）全價值鏈。百度一邊造車，一邊也將力量放在了供應鏈與自動駕駛相關服務上。過去幾年，阿里云在自動駕駛算法上的投入與研發(fā)在近兩年未到看到大進展，開始逐步將重心更多轉向自動駕駛云開發(fā)平臺服務與算力支持。

騰訊的戰(zhàn)略定位比較克制——1）目前為止，騰訊堅持不造車，定位于車企及Tier1供應商的伙伴。2）騰訊云的服務除了貫穿汽車全價值鏈外，專注于智能汽車“冰山下的基建”。

相較于其他供應商，騰訊更早把針對智駕的云服務從眾多行業(yè)中單獨劃分出來。

●2024年6月，騰訊在上海專門建設了智能汽車云專區(qū)，被認為是業(yè)界第一個建設汽車專區(qū)的云廠商。

同時發(fā)布一站式智能汽車云解決方案，也是行業(yè)首個專為智能駕駛打造的一站式云。

這種“埋頭搞基建”的專注力讓騰訊逐步在自動駕駛云等領域取得一定優(yōu)勢。

比如提供車云一體的數(shù)據(jù)閉環(huán)能力上——騰訊云可提供車端的數(shù)據(jù)解決方案、云基礎設施、云上的數(shù)據(jù)平臺、AlInfra算力平臺，以及端到端的安全及合規(guī)五大核心能力。

再以合規(guī)舉例——數(shù)據(jù)在車端采集之后，還涉及到一系列數(shù)據(jù)安全相關環(huán)節(jié)環(huán)節(jié)，包括分類分級、脫敏、加密等流程。騰訊的優(yōu)勢在于——同時坐擁“甲級測繪資質圖商”和“國內一流云服務商”雙重身份，并通過組織架構設計，確保云業(yè)務與地圖業(yè)務同屬一個事業(yè)群，技術融合與業(yè)務協(xié)同十分高效，面對智駕政策法規(guī)等變化，合規(guī)響應及時到位。

《星船知造》了解到，已有車企和騰訊云合作，已經(jīng)端到端打通了整個鏈路,云端能實現(xiàn)秒級捕捉變化、分鐘級下發(fā)更新，通過云端成圖釋放車端算力，并結合多乘大數(shù)據(jù)融合算法，進一步提升地圖準確率。在測試中，復雜路口的智駕通過率提升了20%。

算力方面，端到端所需要的AI算力集群規(guī)模，已從單一集群千卡逐步提升至萬卡量級。騰訊可以提供高性能的算力集群，并且全面適配異構芯片，通過多芯混用的集群來為自動駕駛提供更大的算力，進而減少對單一芯片的依賴。同時，車企大模型訓練提供了完備的工程工具，如開箱即用的機器學習TI平臺，全面支持一鍵調用多種領域的預訓練大模型并且能夠通過技術優(yōu)化，實現(xiàn)2倍以上的推理加速。

source：pixabay

據(jù)騰訊集團副總裁、騰訊智慧出行總裁鐘翔平介紹，目前已經(jīng)有九成車企選擇騰訊云，覆蓋100多家車企和出行科技公司。

獲得廣泛合作的背后，其實與騰訊不投機、做好“數(shù)字化新基建”的定位、以及騰訊本身的企業(yè)基因都有關系——

雖然騰訊至今堅持不造車，但其實騰訊是一家在社交、娛樂、辦公、AI大模型、出行服務、生活服務、金融服務等各個賽道，都有頭部產(chǎn)品的互聯(lián)網(wǎng)企業(yè)。而其專心搞汽車數(shù)字化基建的態(tài)度，正把其重連接、強生態(tài)的企業(yè)基因和強大的技術實力共同釋放。

如蔚來CEO李斌所說，借助騰訊在行業(yè)內領先的云、圖等能力，蔚來與騰訊實現(xiàn)的，是雙方資源的高效整合，從而在智能座艙應用、自動駕駛等領域，為用戶提供超越期待的產(chǎn)品體驗。

中國的互聯(lián)網(wǎng)企業(yè)正回到它們的初心上來——做好數(shù)字基建、連接價值、共創(chuàng)生態(tài)。這將成為中國智能汽車產(chǎn)業(yè)的強大優(yōu)勢，在全球市場不僅“卷”贏銷量與硬件品質，也將贏得汽車智能化的下半場。

主要參考資料：

[1]智能駕駛走向十字路口 純視覺路線“異軍突起”，激光雷達未到“拋棄”時.每日經(jīng)濟新聞

[2]騰訊發(fā)布車云一體數(shù)據(jù)閉環(huán)方案和智駕地圖8.0，加速智能汽車演進

本文基于訪談及公開資料寫作，不構成任何投資建議

本文為星船知造原創(chuàng)內容

未經(jīng)授權，禁止轉載