0
“如果让你重回过去，在自动驾驶行业创一次业，你会怎么做？”面对雷峰网发出的这一设问，智驾创业者们给出了近乎一致的答案：
在2023年之前，疯狂融资，守着金库什么都不做，广积粮，缓称王，耐心等到“端到端”来的那天。毕竟之前的几次技术路径几乎都被端到端推倒了重来，之前的领先优势也会因为新技术路径的切换而不复存在；
等到2023年时，花高价招聘四五百个高阶AI人才，all in端到端。与此同时，深度绑定一家训练过超大模型、深谙汽车行业know-how的云厂商，一起把“数据驱动的飞轮”打磨到极致。
无独有偶，另一位智驾技术高管也曾向雷峰网(公众号：雷峰网)谈到，早期，业内大多用C++来实现智驾软件的各种功能，开始向AI化演进，几十万行的代码逐渐被各种模型所替代，随之带来的是自动驾驶对智能云的依赖空前强化。
随着智驾工程的AI化，数据的重要性也愈发凸显，并在端到端爆发后，达到了顶峰。
有高管坦言，眼下，各家智驾模型网络之间虽有差异，但并不重要，比起网络结构，优质数据才是更关键的决胜因素，与在地图测绘、智驾数据采集分析上有行业know-how的云厂商深度合作已成必然。
在这些企业决策者们看来，当前自动驾驶公司每年平均1/10的收入都要支付给云计算公司，而3年后，这一数字将会增加到1/5，甚至更多。智驾公司要把云厂商当成自家的核心职能部门，已然成了不可避免的趋势。
这些技术变化、行业变化都对云厂商提出了更高的要求：不能只做同质化的IaaS层资源商，而要做云智一体，甚至云、智、驾一体的，面向智驾行业的真正的基建者。
“自动驾驶行业正在出现一种新的‘摩尔定律’。”不少智能驾驶CEO都曾向雷峰网表达过类似的观点。
在他们看来，国内自动驾驶技术范式正在加速迭代，短短几年间，已经历了四代，且每一代的迭代时间都比前一代缩短了一半，可称之为新的摩尔定律。
在众多的交流中，雷峰网了解到，前些年，国内智驾还处早期阶段，依赖于各类传感器，如毫米波雷达、激光雷达、单目双目摄像头等，在车辆行驶过程中感知环境、收集数据，识别并追踪物体，进行辅助驾驶。
彼时，各类传感器方案商备受追捧，包括纵目、速腾等都获得了不菲的融资和估值。
第二阶段是高精地图时期。蔚小理等新势力车企购买了大量的高精地图，并基于这些地图做自驾研发。但这种方法有个很大的弊端：地图测绘不仅成本高，而且还无法覆盖各种“Corner Case”。
于是在2022年到2023年左右，行业进入了第三代，即城市自动驾驶阶段。
为了降低对高精地图的依赖，一些专家提出，让车辆大范围地跑，通过“重感知+新地图”或纯感知路线，覆盖更多的道路和场景，也能实现更好地自动驾驶。一时间，蔚小理们竞相开启了“城市扫描”。
每家车企的城区NOA开城数量，从单季度的十几个，逐渐扩张到计划中的几百个，卷到后期，华为也加入进来，直接喊出了“全国都能开”的口号。
但到了2024年，一切都变了。
2024年初，特斯拉开始大规模推送FSD V12，直接带火了“端到端”模式。
与此前把智驾过程切割成一个个模块，用“算法+人工”的方式来实现所谓的“自动驾驶”不同，端到端是更加深度的AI化，用一个全栈Transformer大模型，实现感知决策一体化，从传感器输入数据，到决策端直接输出行为轨迹。
特斯拉FSD V12的效果震惊了业界，国内车企纷纷跟进，宣布推出自家的端到端方案，智驾技术由此迈入4.0阶段。
但这时候带来了两个问题：
其一，智驾技术的迭代速度，让车企们难以招架。为了不掉队，不被时代淘汰，车企纷纷转型。但各家车企由于情况不同，导致需求各异，呈现出复杂性。
有研发能力的车企如蔚小理等，需要的是算力支持和优化。而传统车企，不仅需要算力资源，还需要智驾研发、数据工具及实践know-how的支持。这就要求云厂商最好是一个足够能打的“全能型”选手。
其二，进入“端到端”时代后，车企的能力要升级，云厂的能力更要升级。
端到端的特点是：大数据，大计算，大模型。大计算，非云不可。而且要是“云智一体”的云，这样才能最大限度优化算力。大数据，非优质数据不可。在大模型时代，数据的重要性犹如传统软件时代里的“源代码”。
车企沉淀了很多数据，但在降本增效的大背景下，如何用好数据，将原始数据“点石成金”却是另一回事。这时候，只有亲自下场研发过智驾，一线摸爬滚打过，在PaaS、SaaS上都有丰富行业know-how的云厂商，才有能力帮助车企更好地避坑。
云计算发展至今，业内早已形成共识：没有“智”，云就还是传统的ECS，赋能有限的同时，还极易陷入同质化内卷。但有了“智”也还不够，云智一体在落地时，还需要“行业化”，要融合行业know-how，才能真正帮到客户。
现阶段的智驾行业正是如此。汽车云厂商们仅仅提供算卡、算力等同质化的基础设施，已愈发不够，还需要在“云、智、驾”深度融合、三位一体的基础上，从更高、更深维度上赋能中国车企，做真正的行业“基建者”。
一直以来，能力整合都是各大云厂业务发展的关键一环，为此，云厂们也做了诸多创新尝试，引发了不少碰撞与故事，相关内幕欢迎添加作者微信 xf123a 交流。
所谓基建，所谓底座，不是将一些通用产品线打包起来，套个统一的外壳对外销售，因为这样的“底座”看似完整，但其内部往往是割裂的、碎片化的。这种“底座”对服务商来说是轻松了，却把更多的难题留给了客户。
真正的底座，一定是基于打破部门墙，组织、业务融合，以及实际场景锻造等的保障，实打实让各种产品、各种技术深度耦合，进能提供全栈融合方案，退能提供“懂场景、懂用户”的模块化产品工具。这才是底座的“灵魂”所在。
而这首先要有组织层面的保障。
从这个角度看，目前在市场上，百度可以说是最早、最彻底地打通了云、智、驾三大体系的汽车云服务商。
雷峰网曾在《三年了，「云智一体」终成共识》一文中详细描述过百度是如何最先在业内一步步将云与AI相融合的。而这其中，组织层面的整合起到了关键作用。
2020年初，百度宣布将原AIG（AI技术平台体系）、TG（基础技术体系）、ACG（百度智能云事业群组）整体整合为“百度人工智能体系”（AIG），从组织层面为“云智一体”战略的顺利推行打下了前提基础。
有了组织保障，在其后的2020-2022年间，百度“云智一体”以一年一级的频率完成了从1.0到3.0的架构升级。
1.0到3.0的升级，不仅技术架构、业务架构的迭代，更是百度To B在落地垂直行业、赋能实体产业方面的不断深化。各类人才融合交汇，不仅支持了百度对各类产业场景的打深打透，也让百度在IaaS、PaaS、SaaS层面沉淀了丰富全面的通用产品，真正实现了云、智、行业之间的融合互促。
比如，百度自2020年发布云智一体1.0架构起，就明确了其核心目的是通过云与智深度融合的方式，便捷、高效地支持千行百业里的智能化应用。
当2021年云智一体进化至2.0版本，战略也随之细化为“适合跑AI的云”和“懂场景的AI”，以此来解决企业两大核心诉求：一是帮助企业减轻算力负担；二是降低企业开发门槛，让各行各业可以在云端搭建属于自己的AI能力。
到了2022年，云智一体再次升级至3.0，初步形成了“芯片-框架-大模型-行业应用”的智能化闭环路径。伴随这一闭环建立，百度To B的核心战略也进化为“云智一体，深入产业”。
当时业内普遍认为，百度对“深入产业”的明确强调，表明其已完成了从“资源销售商”到“基建赋能者”的蜕变，正式迈入产业支持的深水区。这也为百度后续在汽车云领域里的“云、智、驾”一体化，提供了范例和基础。
实际上，百度在智驾领域里的探索很早，早在2013年，百度就成立了相关研发团队，可以说是国内最早一批涉足该领域的企业。伴随着百度在To B底座上的一次次进化，其对智驾等行业的思考也在不断深入。2022年百度以云智一体3.0深入产业后，智驾领域的云服务也在酝酿升级。
于是到了2023年下半年，为了进一步优化资源配置，提升服务效率，百度适时展开组织调整，成立了“百度智能云汽车业务部”，实现了百度内部自动驾驶、云、AI三大板块的打通。
“整合后的百度有了一个能提供IaaS、PaaS、SaaS完善服务的汽车云板块。”百度智能云汽车业务部总经理高果荣向雷峰网介绍道。
组织整合为技术交融、资源共享铺平了道路，人员流动背后是经验能力的融合。
雷峰网此前曾在不少组织调整文章中分析过人员流动、组织融合的好处。可以说，一场合理有效的架构调整，就如同一次及时的经络疏通，让公司面对新市场、新挑战，能快速响应，找到锚点和打法。
在汽车云领域里，亦是如此。有云、智、驾融合经验的云厂商，往往有着更多维的视角，更实战的经验，更深刻的场景理解，以及更全面的需求支持。
雷峰网了解到，目前在百度智能云汽车业务部里，汇集了来自百度IDG、ACG工业线、AI线、汽车行业等各类人才，他们曾参与过百度搜索、INF基础设施、自动驾驶研发、智慧交通、行业云等多项业务，对汽车云有着深入实战的理解。
“没亲身做过智驾研发，想短期内建成相关的数据闭环工具并不容易。”高果荣坦言，“百度过去多年专研自动驾驶，走了很多路，也踩了不少坑，但如今这些经历都转化成了宝贵经验，沉淀在数据和工具里。”
实际上，过去几年各家云大厂的汽车业务线在产研架构、销售组织上，都经历了不少迭变，为其当前境遇和未来走向埋下诸多因果，此间详情，欢迎添加作者微信 xf123a 交流。
更具体来说，百度这种云、智、驾一体的模式，究竟能为市场带来哪些助益？
在高果荣看来，百度汽车云的核心优势主要有两个，一是深度用云能力，二是拥有一套齐全的行业know-how。也只有这样，才能真正发挥好云、智、驾一体的优势。
眼下，车企们正在面临一种“新型的”算力短缺困境。
与前几年因国际因素导致的算卡短缺不同，当前这波算力紧张更多是源于内因。
尽管“端到端”是智驾领域当红炸子鸡，但由于国内端到端技术还欠成熟，国内大部分的量产车上，很大一部分还是传统智驾系统，于是车企们既要维持原有业务，又要投入新技术研发，双管齐下的结果就是算力变得紧张，导致各部门陷入资源的争抢与扯皮之中。
这种情况下，首先要做的是尽可能提高已有算卡的利用率，降本增效并举。
这方面百度推出的主打产品是百舸异构计算平台。据了解，该平台可以实现异构计算资源协同工作，并支持软硬件联合优化与中间件加速，进而提高算力利用率和优化算力成本。
目前该平台已迭代到最新的4.0版本，可以实现万卡规模下的多芯混合训练，且能将万卡集群算力损失控制在5%以内，并实现有效训练时长占比99.5%以上，从而给企业们提供高性能的算力集群。
除算力紧张外，从与一些传统车企从业人的交流中，雷峰网还发现，很多传统车企由于在智驾领域起步晚，技术储备稍显薄弱，倾向与拥有丰富智驾行业know-how的公司一起合作，来加速自身智驾能力的建设。这时候，做过智驾研发，亲自下场踩过坑的云服务商往往更获他们的青睐。
尤其是端到端兴起后，智驾研发从原来的人力密集型转向算力密集型、数据密集型，尤其数据基础设施的门槛，被大幅提高，智驾行业know-how的重要性愈发突显。
“以前业内做自动驾驶，一个Conner Case来了之后，大家要么标数据、要么调模型。还是“人工+智能”的打法。但端到端来了之后，这种打法就行不通了。”
高果荣告诉雷峰网，端到端模式下，一个Conner Case过来后，工程师们首先要弄清楚的是缺陷在哪里，知道缺陷在哪后，不会想着先去调参、调网络结构，而是想：要解决这个缺陷，我需要的数据在哪。
这就涉及到去哪里找更多的数据，数据怎么生成。而这背后需要一个沉淀了深厚行业know-how的数据工具链的支持。
这一工具链起码要能在三方面帮到客户：
一是能检索或生成优质数据，提高仿真训练的质量和效率；
二是不以牺牲成本为代价，而要求得成本效益最大化；
三是最好能结合测绘等资质，从车端采集到车端验证，帮客户做真正的端到端的数据闭环。
具体而言，眼下，国内的很多量产车已经积累了大量数据，但并不意味着要把所有数据都一股脑地扔进模型里去训练。如何找到“最有用的”数据，实现低成本、高效率的训练，才是关键。
比如研发场景中，车企们经常面对一些“两难之选”。例如想在已有场景库中找这样一类数据：前边路面遗撒了一个小于20cm的遗撒物。这类数据在场景库中通常较少，刻意采集的话，成本较高不说，采集时的情况往往也与实际情况有所不同。
这时候，更划算的方案是拿已有数据来进行合成。而选用哪些数据，如何合成，如何尽可能促成对验证结果的正反馈，这些都需要对场景、对数据有经验性的理解和判断。
这些理解和判断的具象化的载体就是一套沉淀了行业know-how的数据工具链。而这套工具，如果车企自己从零开始做，很难。
据高果荣介绍，不久前，百度汽车云升级到了3.0版本，这一版本的核心亮点之一便是在真实数据训练的基础上加入了虚拟场景数据，提质增效，最大程度解决“训练数据量”的问题。
据了解，3.0版本下的新系统的真实数据仿真测试已达到了“百城覆盖”的范围，同时也能够从原始数据中构建出长尾场景，为端到端智驾测试场景的生成提供有力支撑。
不仅如此，对于很多车企来说，数据闭环也是一大核心需求，这就要求云服务商有测绘资质，能做数据合规，从源头上做到真正的端到端数据闭环。
这一闭环会细化到：从车端的数据采集开始，哪里能采，哪里不能采，如何做到既合规，又成本最优；采集来的数据车端脱敏、云端脱敏；脱敏后进入数据平台做分析；分析完了投入训练；训练完了做验证和优化；并通过OTA能力不断推送到车上看效果，以此往复。
不难看出，这套闭环不是离线环境下的“端到端”，而是实时在线的，从车端出发再回到车端，不断验证、迭代的“端到端”。
数据、云、AI大模型，以上这些技术或工具单独拎出一项或几项，可能并不出奇，但如果兼备，就会构成一个紧密耦合，互相驱动的飞轮，进而形成一种强大势能——这正是“云、智、驾”一体的关键优势所在。
回顾国内智驾行业发展的这些年，技术范式的转变，调整着行业的一次次走向。
从早期依靠人海战术的代码工程，到后来逐步实现一个模块一个模块的AI化替代，再到现如今端到端技术的“飞跃式”突破，自动驾驶终于走出了一条愈加明朗的道路。
而行业迭代的“明线”背后，是另一条技术融合的“暗线”：当大模型技术在智驾这一垂直行业里落地越来越深时，云计算、AI、大模型、智驾经验的交互融合成为必然，独属于智驾行业的真基建——“云、智、驾”一体底座，正在形成。
对于赛道中的参与者们来说，谁能率先搭好这一底座，谁就能抢占先机，在眼下的淘汰赛中拥有更大的胜出几率。
正如特斯拉，凭借在智驾车队、算力集群、AI模型、芯片等方面自成一体的优势，形成了强大的“飞轮效应”，在不到一年的时间里，又发布了FSDV13.2，并完成了首批交付，再次刷新了行业标杆。这也意味着新一轮赛局的发令枪正在打响，留给中国玩家们的时间已然紧迫。
云计算赛道真的没有新东西了吗？非也。深入产业看，云计算才刚刚开启了他的第二春。眼下，全球前三云大厂无不重押行业化，行业化已成全球趋势，而国内云厂商过去几年在区域线、行业线上也是几经变化，探索不止。近期雷峰网将围绕“云计算行业与区域之争”议题推出相关文章，欢迎添加作者微信 xf123a 交流。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
