上世紀90年代的上海，第一輛桑塔納轎車駛下生產線，那是中德合資的產物，風頭一時無兩。那是“市場換技術”的代表作。隨後更多國際汽車品牌進入中國，合資品牌成為中國汽車市場的主導者。弊端逐漸暴露。外方以保證汽車質量為由，對合營公司的技術研發採取了嚴格的控制策略，合營公司對汽車沒有修改權，所有國產化過程中的問題都需要經過外方批准。至1990年，中國幾個主要合資品牌汽車的國產化率最高為60%，最低不過13%，遠遠低於預期。市場讓出去了，技術卻沒有換回來。而且，跨國車企熱衷將過時車型投放到中國市場進行傾銷。於是，技術被控制，市場被瓜分，利潤被分走。中國汽車一度陷入茫然。直到新能源汽車出現。避開傳統燃油車技術壁壘，中國新能源汽車聚焦電動化、智能化（智能輔助駕駛、車聯網），以科技體驗和性價比打破品牌認知慣性，快速搶佔市場。而國外品牌受制於燃油車包袱、供應鏈依賴和轉型遲緩，被中國借助產業革命窗口期實現彎道超車。2024年，全國新能源汽車保有量達到3140萬輛，從年產百萬輛，到成為全球首個年產突破1000萬輛的國家。曾經被詬病“低質廉價”的中國品牌，如今在全球電動車市場獨佔鰲頭。所以，市場並能換來技術，恰恰相反，只有自主掌握技術，才能贏得市場。市場之爭，本質上是技術領先之爭。而今，對全球汽車產業來說，又迎來了新的戰場：智能輔助駕駛。彎道再現汽車產業正經歷從電動化向智能化躍遷的關鍵階段。2025年上半年，中國L2級及以上智能輔助駕駛裝車率達到67.8%，智能化成為產業核心驅動力。“我們迎來了第二個彎道——智能輔助駕駛，但這次的賽道更加艱險。”中國汽車產業從業者秉持相似的觀點。然而，面對L3級有條件智能輔助駕駛的更高要求，EB級資料的採集與管理如同大海撈“幀”；百Eflops算力的需求讓最先進的伺服器都喘不過氣；模擬百億公里級的測試場景來驗證系統可靠性；未來千萬輛智能汽車同時營運的安全保障；還有技術生態的持續創新與協同......這些都是橫亙在“智能輔助駕駛技術超車”道路上的崇山峻嶺。曾經的學生，現在成了老師的競爭對手，中國汽車從追趕者變成了領先者，中國汽車產業要付出更多，才能保持領先。於全球市場觀察，海外汽車產業已將智能輔助駕駛視為未來產業競爭的“制高點”。美國通過《自動駕駛法案》加州、內華達州等開放全無人測試許可，聯邦政府將智能輔助駕駛納入國家交通戰略。歐盟以《通用安全法規》強制新車標配L2級輔助駕駛功能，並設立專項資金支援L4級技術研發；日本通過《道路運輸車輛法》修訂加速L3/L4商業化；韓國政府投資千億韓元建設智能交通示範區。傳統車企如豐田、大眾、通用等，每年投入數十億美元研發預算，通過自研或合作方式建構技術壁壘。網際網路巨頭Google、蘋果和亞馬遜也在跨界，以AI和資料優勢切入，倒逼傳統車企轉型。更別提車載晶片、雷射雷達、高精地圖等，各個環節都有強敵環伺。彎道來了，但不知超車的會是誰？為什麼需要雲智能輔助駕駛時代，傳統汽車產業的競爭維度從機械性能、供應鏈效率，轉向了以資料為燃料、以演算法為引擎、以雲平台為底座的智能化角逐。車百會研究院副理事長、車百智庫研究院院長師建華表示，隨著汽車與AI技術深度融合，汽車行業對AI算力需求顯著提升。輔助駕駛技術快速迭代，推動了對靈活可調配的集中式雲端算力的指數級需求增長，該領域已成為全國雲端算力市場中僅次於大模型的重要增長點。車企AI化轉型不斷深入，正驅動算力加速上雲，逐步建構起企業在AI時代的核心資產。智能輔助駕駛催生了車企上雲的需求，雲端算力也反向推動了智能輔助駕駛的進化。以資料為例，為提升汽車的智能化水平，車企不斷加大車上感知終端的精度，攝影機像素從800萬提升到6400萬，汽車端產生了大量的資料。同時，智能網聯汽車的銷量預計年底增加到500萬輛，大量汽車每日行駛在路上，持續產生資料。為了讓車載模型更智能，模型參數也從十億級演變到千億級，從端到端向VLA（視覺語言動作）和世界模型轉變，這進一步加劇了資料量的增長。車企積累的資料將從PB級到EB級。以智能輔助駕駛的corner case場景為例，路上突然掉落一根鋼管，汽車能否智能避障等，這些場景數量眾多，匯聚起來可達幾千萬個，它們都需要被模型進行訓練，以實現合理地感知、預測、規劃和控制，需要澎湃的算力來支撐訓練叢集。未來，汽車很快要從L2級向L3、L4級智能輔助駕駛演進。在這個過程中，對於模型的要求是能夠快速沉澱每天路上遇到的難例場景，及時進行訓練，明確模型的更新方向，並且模型更新周期將以天為維度。這對算力的即時性和充足性提出了極高的要求。車端算力越來越難以滿足上述日益增長的智能化需求。為解決這一問題，車企有不同的投資方向，一種是在車上放置兩塊晶片來增加算力，但是如此一來整車成本上漲了25%，另一種則是尋求外部算力支援。相較之下，車載晶片一旦固化，其算力上限便被鎖定，無法跟上演算法模型和業務場景的快速演進，而云端算力具備近乎無限的擴展性和強大的迭代靈活性，可以不斷整合最新、最強大的AI計算晶片，車輛在整個生命周期內都能持續獲得全球領先的算力支援，無需更換硬體即可享用最新、最複雜的智能輔助駕駛和智能座艙應用，真正實現“軟體定義汽車”的願景。中國知名的智能輔助駕駛輔助企業引望，就大量使用了華為雲的昇騰雲服務。據瞭解，引望使用雲上算力已支援100萬輛車智能飛馳，以目前比較典型的停車場景為例，通過連結雲端算力，一方面將難例泊車成功率提升15%，另一方面借助雲端大模型輔助最佳化端到端泊車效率，使用者可以獲得更好的體驗。系統性超越第一次彎道超車解決了汽車的“心臟”和“身體”問題，實現了動力系統的跨越，這不是簡單的市場勝利，而是一場由技術自主創新驅動的、從追趕者到並跑者甚至領跑者的系統性超越。那麼，第二次彎道超車則是要賦予汽車“大腦”和“神經”，實現決策能力的領先。這場競爭的核心，已經從硬體的製造轉向了軟體的迭代和資料的驅動，其根基正是以雲端運算為核心的自主創新體系。智能輔助駕駛的本質是“即時感知-決策-執行”的閉環，其背後需要處理海量多模態資料（攝影機、雷達、雷射雷達等感測器資料）、訓練複雜深度學習模型（如BEV感知演算法、路徑規劃模型），並實現低延遲的雲端協同控制，雲端運算平台的能力直接決定了智能輔助駕駛系統的智力上限。因此，華為將其在通訊、雲端運算、晶片等領域的深厚積累凝結，為每一輛車提供全端智能解決方案，最終以華為雲CloudVeo智能駕駛雲服務的方式輸出。華為自 2009 年啟動車載模組研發，2013 年佈局車聯網實驗室，多年來持續深耕智能汽車領域並加大投入。截至目前，華為已居中國汽車雲服務提供商前列：全國超 100 萬輛智能輔助駕駛車輛在華為雲上飛馳，5000 萬輛智能網聯汽車由華為雲提供服務。IDC資料顯示，2022-2024年，華為雲已連續三年位居中國汽車雲市場份額第一。這也表明，中國汽車產業有機會將本土市場規模和場景複雜性的劣勢，轉化為資料優勢和迭代速度的優勢，雲廠商的核心競爭力也在於此。以算力為例，輝達專為中國市場定製的H20晶片爆出存在安全後門，晶片安全保障及資料主權存疑，沒有一家車企希望自己受制於人。華為雲CloudMatrix384每卡性能可達輝達H20三倍，是更適合智能輔助駕駛模型訓練的算力平台。實際測試結果顯示，在E2E、VLA模型上，華為雲CloudMatrix384超節點性能已超過H100。相對車端算力，雲端算力普遍延時高，華為雲的做法簡單直接卻又對資源投入要求高，華為雲貴安汽車專區正式上線，與烏蘭察布專區、以及未來的蕪湖汽車專區相呼應，華為雲即將完成業內首個三專區上線，每一個汽車專區承載著成千上萬台伺服器，支撐著毫秒級的服務。車離雲越來越近了，在華為雲的汽車專區上，智能既可以在訓練之後湧現，也可以無時不刻提供近似於本地的體驗，車雲時延大幅降低60%，可用性達99.999%，智能輔助駕駛體驗也更流暢、更可靠。剛剛經歷重組的“新長安汽車”早已與華為雲展開深度合作，華為雲支撐了長安汽車智能輔助駕駛模型的高效訓練，雙方已進行了VLA、端到端等多種智能輔助駕駛模型的適配。此外，長安天樞智能輔助駕駛背後是CloudMatrix384超節點，長安也是首個應用該超節點、以國產算力開展智能輔助駕駛研發的車企。造一輛好車，還是營運一個能持續學習、不斷進化的智能系統，更多車企都看到了中國汽車的未來，基於雲原生平台、以資料為燃料、以AI演算法為引擎的全面競爭，大幕掀開。從仰望西方技術到自主創新引領，中國汽車產業走過了曲折而輝煌的道路。那些曾經的技術壁壘，正在被一一攻克，那些曾經的夢想，正在變為現實。 (環球時報)