自动驾驶行业：云服务新引擎，高效驱动自动驾驶数据闭环发展白皮书

u《云服务新引擎，高效驱动自动驾驶数据闭环发展白皮书》简介 自动驾驶发展已进入“下半场”，高等级自动驾驶将逐步迈进现实，海量数据处理及高效挖掘成为企业必须解决的头等难题，数据闭环因此越来越受到重视，主机厂及Tier1纷纷搭建起了自己的数据闭环体系。与此同时，大模型的爆发赋予了自动驾驶更多想象空间，并成为数据闭环发展的充要条件。然而，无论是高效数据闭环构建还是大模型赋能，都仍处在发展初期，技术演进留有空白，竞争格局未有定数。行业内众参与者百舸争流各显其长，纷纷入局。 在此洪流中，云服务商因其智能化的基因与强大的数据处理能力，成为了现阶段自动驾驶产业发展的重要力量，以“第三方服务商”的身份与自动驾驶产业“双向奔赴”。通过云底座核心能力和云端大模型深度赋能数据处理全流程，构建全栈式自动驾驶开发平台，为主机厂、Tier1等企业提供更智能、更高效率的数据及AI服务，强化数据驱动能力，加速数据闭环，助力客户实现自动驾驶开发降本增效和量产落地。 亿欧智库联合华为云共同发布白皮书，深入洞察自动驾驶数据闭环发展，详细拆解数据闭环各环节，从技术、产品、商业模式等多个角度，分析数据闭环发展现状，同时探索具备专业积累及强大感知、计算、处理、存储等能力的云服务商可赋予各环节的价值。在高速发展的中国汽车产业背景下，车企及相关供应商应进一步开放合作，携手共建盛世繁荣的产业生态。 u《云服务新引擎，高效驱动自动驾驶数据闭环发展白皮书》核心观点 中国智能汽车逐步向高等级自动驾驶发展，数据驱动开发模式下，构建高效数据闭环刻不容缓； 自动驾驶数据闭环发展主要面临海量数据处理能力弱、基础设施研发成本高和数据安全合规保障难三大挑战。云服务商凭借高效的计算、存储、训练、网络通信等能力赋能数据闭环，为自动驾驶研发提供完整有效的解决方案； 云服务搭载大模型深度赋能数据闭环各个环节，如clip内容理解、自动标注、加速模型训练、生成高质量训练场景库与仿真场景库等； 华为云从技术、服务、生态三方面构建自动驾驶数据闭环新范式。通过全面接入大模型、搭建底层AI算力，并提供模块化合作服务模式、助力中国车企出海，未来将进一步通过路端大生态的打通，构建基于云服务更大的数据闭环。 自动驾驶发展机遇与挑战 1.1自动驾驶产业发展洞察 1.2自动驾驶产业发展面临新挑战 1.3自动驾驶发展需要更加高效的数据闭环 云服务赋能自动驾驶数据闭环 2.1自动驾驶数据闭环发展痛点分析2.2自动驾驶数据闭环需要云服务赋能2.3云服务加速数据闭环各环节高效运转2.4自动驾驶数据闭环产业图谱及分析 云服务助力构建自动驾驶数据闭环新范式 3.1云服务助力构建自动驾驶数据闭环新范式综述3.2云服务助力构建自动驾驶数据闭环新范式解析 自动驾驶发展机遇与挑战 1.1自动驾驶产业发展洞察 1.2自动驾驶产业发展面临新挑战 1.3自动驾驶发展需要更加高效的数据闭环 云服务赋能自动驾驶数据闭环 2.1自动驾驶数据闭环发展痛点分析2.2自动驾驶数据闭环需要云服务赋能2.3云服务加速数据闭环各环节高效运转2.4自动驾驶数据闭环产业图谱及分析 云服务助力构建自动驾驶数据闭环新范式 3.1云服务助力构建自动驾驶数据闭环新范式综述3.2云服务助力构建自动驾驶数据闭环新范式解析 1.1.1自动驾驶发展进入下半场，技术逐步向高等级自动化发展 u自动驾驶产业经过高速发展已进入逐步泛化阶段，高等级自动驾驶正逐步落地，海量数据处理与多元场景应用成为未来产业发展的核心。也正是因为数据量的累积，对算力、算法以及商业模式提出考验，大模型的研发与应用恰逢其时，将从用户体验、技术研发等多个方面赋能自动驾驶产业发展。 亿欧智库：自动驾驶产业发展速度示意图 大模型势头正盛，助推自动驾驶向高等级发展 数据与算力互促互进，助推行业智能化发展 亿欧智库：自动驾驶数据及算力增长速度曲线示意图 2023年，城区自动驾驶成为主要发力方向，多家 Tier1、科技企业发布应用于自动驾驶和智能座舱的大模型，通过深度学习与反复 自动驾驶发展前期，数据量从TB级增长至PB级，数据增长速度快于算力。 中后期随着AI大模型的发展，算力等级将高速提升，远快于数据增长速度。 远期，随着AI技术的成熟，数据将创造更多的数据，算力应与AI技术良好结合，才能发挥出最优解。 训练，助推高等级自动驾驶。 信息来源：华西证券、中金证券、亿欧智库 1.1.2汽车系统快速迭代，高阶智驾方案量产加速布局 u软件定义汽车如今已经成为业内共识，智能汽车软件系统持续快速更新迭代。以特斯拉为例，其智驾系统经历了数次更新迭代，近期FSD升级版也即将面向中国开放。另一方面，在“重感知轻地图”的争议之下，BEV融合方案的出现赋予了不依赖高精地图的更大可能。亿欧智库注意到，国内自主品牌已经纷纷开启L4级自动驾驶量产落地计划，向城市级应用进发。 汽车智驾系统快速发展，BEV融合方案助力城市NOA规模化落地 提供全局视野：俯视图视角少有遮挡，算法也可以对被遮挡区域进行预测，同时引入时序信息，让感知结果更连续稳定 特征级融合：减少层层处理以及先验规则带来的信息丢失，让多模态数据特征在同一空间中融合，信息关联性更强 4D数据：静态道路信息与动态道路参与方统一在同一个坐标系下，通过实时感知与转换，在行驶中即可实时生成“活地图” Ø近几年，“重感知轻地图”的争议一直未有定论，随着BEV方案的出现，车企看到了不依赖高精地图的可能性，即通过GPS、IMU、轮速计以及导航地图，实现精准定位；通过BEV+Transformer，提升车辆感知和决策能力。 亿欧智库：特斯拉自动驾驶系统更新周期及FSD版本迭代周期 亿欧智库：部分自主品牌车企智驾功能量产落地规划 1.1.3政策引导助推自动驾驶产业升级，城市落地验证新兴技术应用发展 u发展新能源汽车同时还具有高度的战略意义。中央及地方多方位立体式引导新能源汽车产业各环节高质量发展，进一步延长新能源汽车车辆购置税减免政策至2027年底，从供需两端推动产业迭代升级。“车-路-云”一体化融合发展也将成为未来产业推进的关键所在，完善的云控基础平台及云端计算能力，能够从多方面推进智能网联以及高等级自动驾驶大规模、高质量发展。 u具体到城市层面，国内多个城市已开辟路测及试点区域，对道路设备进行装配升级，推动智能网联汽车落地应用。芯片、云基础设施、操作系统、大模型算法等关键技术的研发均受到城市级关注。国外相关政策也积极推动自动驾驶城市级应用的落地推广。 2023年6月21日国务院政策例行吹风会：促进新能源汽车产业高质量发展 国内外自动驾驶相关落地政策及城市应用最新进展 开放路网里程：1143.8 km发放牌照：600+个 全国已建成17个测试示范区、16个“双智”试点城市、7个国家车联网示范区完成了7000多公里道路智能化升级改造，装配路侧网联设备7000余台套 2022年具备组合辅助驾驶功能的L2级乘用车新车渗透率达到了34.5% 开放路网里程：1500.0 km发放牌照：200+个 开放路网里程：1800.0 km发放牌照：600+个长沙 启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持L3及更高级别自动驾驶功能商业化应用 开放路网里程：1486.8 km发放牌照：60+个 开放路网里程：317.0 km发放牌照：55+个 开放路网里程：1749.8 km发放牌照：220+个 开放路网里程：201.4km发放牌照：260+个 进一步完善网联基础设施 加快C-V2X、路侧感知、边缘计算等基础设施建设，建立基于边缘云、区域云和中心云三级架构的云控基础平台，形成统一接口、数据和通信标准，提升网络感知、云端计算能力 《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》 北京市科委、中关村管委会发布北京市首批人工智能行业大模型应用案例 “建设数据要素创新研究院，支持数据驱动的科学研究。探索打造数据训练基地，促进研发自然语言、多模态、认知等超大规模智能模型。” 自动驾驶大模型DriveGPT示范应用：毫末智行、长城汽车城市大脑大模型示范应用：科大讯飞、中科大脑公司 支持重点大企业牵头，大中小企业参与，开展跨行业跨领域协同创新。加快关键芯片、高精度传感器、操作系统等新技术新产品的研发和推广应用，提升产业发展内生动力 英国允许无人驾驶汽车商用：2023年6月，英国初创公司ImperiumDrive推出无人驾驶汽车租赁项目，该项服务通过操作员远程驾驶将待租车辆交付给用户，这也是英国首次允许无人驾驶汽车商用 硅谷Robotaxi不受限运营： 2023年8月，加州议会的公共 事务委员会宣判，允许谷歌旗下Waymo和通用旗下Cruise的Robotaxi在旧金山不受限制载客。7x24小时、区域不限、全无人、可收费 信息来源：公开资料、国务院新闻办、各城市智能网联汽车测试工作小组、亿欧智库 1.1.4国际市场逐年拓展，汽车及相关供应链企业出海大势在即 u中国车企出海已经不止于面向海外售卖整车及零部件产品，而是进入价值链全球化进程，在云服务的加持下，通过技术出海、服务出海、品牌出海、生产出海等多种方式，中国品牌以产品、服务及投资在全球各区域打造多样化服务生态圈，有望实现汽车生态的落地生根。 亿欧智库：2018-2022中国纯电动、插电混动乘用车 整车出海，带动“全链”，电动化、智能化多领域迈向国际市场 出口额及纯电动出口额占比 1.1.5多维因素助推自动驾驶产业迈向高等级发展阶段 u如前述分析，在技术、商业、政策、出海等多维度的推动下，自动驾驶产业近些年发展迅速，已迈向产业发展阶段的“下半场”，大量的数据收集与应用支撑产业的高速发展，未来很长一段时间，自动驾驶产业的竞争重点将聚焦在基于海量数据之上的智能化及量产落地上。 1.2数据处理问题成为高等级自动驾驶需要解决的“头等难题” u随着自动驾驶的级别提高、应用范围扩大，数据量急剧提升，相应的训练、传输、存储成本也大幅提升。海量数据规模以及自动驾驶性能提升，不仅对数据处理的效率提出要求，同样也为安全保障带来巨大挑战。 高等级自动驾驶数据特点—— 1.3.1高效挖掘、有效利用是自动驾驶面对海量数据的必选项，数据闭环因此逐步落地 u从车端数据采集，到处理后形成有效数据集，再通过云服务器进行存储、运输，经过算法模型训练、验证后，将有效数据成果部署上车，各环节相互连接，形成自动驾驶数据闭环。未来发展成熟的数据闭环能够有效提高数据传输、处理效率，增强可控性，同时数据安全也更有保障。 亿欧智库：自动驾驶数据闭环图示 亿欧智库：成熟的自动驾驶数据闭环特征 环节流程完整、数据全程跑通、真值不丢失、反复循环进行训练，实现不断地、持续的数据循环 海量数据与算法能够双向赋能，以算法处理数据，数据训练算法，有效循环、高速迭代 成熟的数据闭环将更多的使用自动化工具和算法对数据进行处理、清洗和转换，以减少人工干预 亿欧智库：自动驾驶数据闭环定义 通过专业测试车队和社会化量产车辆采集成数据集，经过清洗、标注 其行驶数据、位置轨迹、路况数据、场景数据等多种数据信息，处理 等，基于智能云底座进行传输、存储 场景，在输入-训练-部署-验证 的循环反复中，对自动驾驶算法进行迭代和升级，覆盖更多corner case，推动自动驾驶解决方案向成熟进阶，提升自动驾驶能力的快速闭环迭代，加速自动驾驶规模化量产落地。 1.3.2技术发展推进数据闭环不断升级，大数据与多场景逐步落地应用 u自动驾驶数据闭环建设并非一日之功，从仅限在少部分的测试车上开始，闭环通路1.0就已经初步构建完成，能够实现简单的问题反馈循环机制； 随着技术的升级，自动驾驶进入高等级发展阶段，数据闭环的打造也顺势升级进入2.0阶段；未来，将向大规模量产的3.0阶段发展。 u如今，中国自动驾驶数据闭环已经走过了初步构建的第