另據(jù)公安部發(fā)布的數(shù)據(jù)顯示，截至今年8月底，公安機關(guān)已累計發(fā)放自動駕駛汽車測試號牌1.6萬張，開放公共測試道路3.2萬公里，有力支撐自動駕駛技術(shù)驗證和迭代更新。

業(yè)內(nèi)普遍認為，汽車產(chǎn)業(yè)新能源是上半場，智能化是下半場，以自動駕駛為核心的AI汽車則是終極目標。在自動駕駛到來之前，AI汽車為人們的生活帶來了切實的安全性和便利性。

為此，中國電動汽車百人會日前發(fā)布了研報《人工智能賦能新能源智能汽車發(fā)展》，對此進行了剖析，并提出了一系列建議。

新質(zhì)生產(chǎn)力的關(guān)鍵驅(qū)動

今年的《政府工作報告》指出，要大力推進現(xiàn)代化產(chǎn)業(yè)體系建設(shè)，加快發(fā)展新質(zhì)生產(chǎn)力；充分發(fā)揮創(chuàng)新主導作用，以科技創(chuàng)新推動產(chǎn)業(yè)創(chuàng)新，加快推進新型工業(yè)化，提高全要素生產(chǎn)率，不斷塑造發(fā)展新動能新優(yōu)勢，促進社會生產(chǎn)力實現(xiàn)新的躍升。

在清華大學計算機科學與技術(shù)系教授鄧志東看來，自動駕駛無疑屬于創(chuàng)新驅(qū)動發(fā)展先進生產(chǎn)力的典型代表，是建設(shè)交通強國、加速發(fā)展人工智能新質(zhì)生產(chǎn)力的關(guān)鍵驅(qū)動。

鄧志東解釋道，自動駕駛作為一項顛覆性的重大前沿技術(shù)，具有原創(chuàng)性、高效能與高質(zhì)量的內(nèi)涵特征，能夠帶來交通與出行方式的重大變革，也會帶來出行服務質(zhì)量、安全性與整體交通運輸效率的大幅度躍升，同時符合綠色、低碳、共享等新發(fā)展理念。

Momenta CEO曹旭東也表示，自動駕駛是人工智能上的感知智能和認知智能的結(jié)合，對于AI能力是非常好的應用，并且會牽引著技術(shù)進一步的提升，無疑是新質(zhì)生產(chǎn)力的代表。“新質(zhì)生產(chǎn)力對技術(shù)的牽引，以及由此帶來的技術(shù)升級，能夠給消費者和社會創(chuàng)造價值。”

有從業(yè)人員認為，目前L2+級自動駕駛對自己的吸引力不大，因為功能不夠完善，在城市通行過程中肯定不會把車輛的控制權(quán)完全交給它，只是偶爾使用能夠節(jié)省一定精力；但如果到了L3級別能實現(xiàn)點到點的完全操控，將會有很大的吸引力。

制約因素

雖然，AI汽車整個產(chǎn)業(yè)鏈都在突飛猛進的發(fā)展，但不可否認的是，制約因素仍然很大。

中國電動汽車百人會研報《人工智能賦能新能源智能汽車發(fā)展》顯示，智能算力基礎(chǔ)設(shè)施的不足，是智能網(wǎng)聯(lián)汽車加速發(fā)展的主要制約因素。汽車與AI深度融合，端到端智能駕駛、座艙大模型等加速上車，對智能算力的需求快速增長。智能駕駛端到端技術(shù)路線所需算力為1 EFLOPS起，理想算力需達100 EFLOPS以上；座艙基礎(chǔ)AI大模型訓練需10 EFLOPS算力以上，垂類模型訓練及微調(diào)需數(shù)百到數(shù)千PFLOPS。

算力供給方面，我國車企算力平均僅為3 EFOLPS左右，相較于特斯拉的100 EFLOPS差距巨大；移動、電信、聯(lián)通三大運營商規(guī)劃算力也僅為53 EFLOPS（至2024年底）。智能算力供給不足將制約我國汽車智能化算法的快速迭代。

“成熟”算力難增長，新增算力“不成熟”。“成熟”算力指英偉達的“有芯片、有軟件生態(tài)”智能算力，但受美國出口管制影響，我國只能使用存量芯片進行AI計算，“成熟”算力總量受限。

“不成熟”算力指華為昇騰、寒武紀、海光、摩爾線程等的“有芯片、缺軟件生態(tài)”的智能算力，此類芯片已初步形成供應能力，但各家硬件架構(gòu)不一，軟件生態(tài)覆蓋、兼容算法尚不完善，軟件開發(fā)人員使用困難導致算力基礎(chǔ)設(shè)施拓展緩慢，算力應用效率偏低。需豐富“不成熟”算力軟件、生態(tài)，減少算力硬件“卡脖子”的問題。

建議

那么，該如何破解這些制約因素呢？

中國電動汽車百人會研報《人工智能賦能新能源智能汽車發(fā)展》建議：

1.加強人工智能賦能汽車產(chǎn)業(yè)的政策支持，構(gòu)建開放包容的監(jiān)管環(huán)境

當前，汽車產(chǎn)業(yè)的競爭戰(zhàn)略正在從電動、智能為主的競爭向AI領(lǐng)域快速轉(zhuǎn)移，過去電動化領(lǐng)域的支持政策已不適應AI發(fā)展的需求。

在基礎(chǔ)技術(shù)方面，應盡快出臺支持汽車產(chǎn)業(yè)與AI深度融合發(fā)展的政策，加強對基礎(chǔ)大模型、AI訓練芯片及工具鏈生態(tài)、萬卡及以上算力集群、數(shù)據(jù)閉環(huán)工具、AI原生操作系統(tǒng)等底層基礎(chǔ)技術(shù)的研發(fā)攻關(guān)，構(gòu)建自主技術(shù)體系。

在監(jiān)管環(huán)境方面，AI大模型與汽車產(chǎn)業(yè)融合仍處于初期，應堅持以鼓勵應用、安全底線的原則，適當放寬對新技術(shù)的容忍度，可充分借鑒歐美關(guān)于信息安全、數(shù)據(jù)安全的法規(guī)標準認證制度，鼓勵AI更好發(fā)展。

2.推動智能算力共建共享

隨著大模型的快速發(fā)展與應用，行業(yè)對智能算力的需求快速增長。國際上，基礎(chǔ)大模型科技巨頭智算能力已達到百萬塊GPU（以A100為單位）的能力，而國內(nèi)巨頭智能能力僅達到數(shù)萬到數(shù)十萬塊GPU，與國際上存在數(shù)量級差距?；诖?，應推動政府和行業(yè)機構(gòu)牽頭，推動國內(nèi)存量英偉達GPU等“成熟”算力資源集中共享，保障基礎(chǔ)大模型的訓練迭代速度，減少重復建設(shè)帶來的資源浪費。

針對使用華為昇騰、寒武紀、壁仞科技、摩爾線程等國產(chǎn)AI訓練芯片的“不成熟”算力共建，通過實際應用迭代工具鏈和生態(tài)，加速國產(chǎn)AI訓練芯片的成熟與規(guī)?；瘧谩?/span>

3.提升高質(zhì)量數(shù)據(jù)供給能力

AI大模型上車應用對高質(zhì)量數(shù)據(jù)要求很高，尤其是端到端智能駕駛領(lǐng)域，數(shù)據(jù)量和質(zhì)量已成為決定智駕體驗最主要的因素。國內(nèi)車企獨立采集數(shù)據(jù)、獨立訓練的模式很難和特斯拉等國際巨頭競爭。在端到端訓練數(shù)據(jù)方面，國內(nèi)車企智能駕駛訓練數(shù)據(jù)僅在百萬Clips級別，遠低于特斯拉超1000萬Clips的數(shù)據(jù)量。因此，國內(nèi)應盡快統(tǒng)一汽車數(shù)據(jù)采集、標注、傳輸及加密標準規(guī)范，加快制定數(shù)據(jù)定價、權(quán)責劃分、流通交易等制度，為構(gòu)建數(shù)據(jù)共享平臺奠定基礎(chǔ)。建議地方政府先行先試，探索敏感數(shù)據(jù)合法合規(guī)流通路徑，構(gòu)建開源智能駕駛數(shù)據(jù)集共建平臺，以形成場景覆蓋全面、采集成本最低的數(shù)據(jù)供給體系。

4.堅定跨界融合發(fā)展戰(zhàn)略，加速賦能車企智能化、AI化轉(zhuǎn)型發(fā)展

汽車進入智能化、AI化發(fā)展階段，底層技術(shù)、研發(fā)模式、人才結(jié)構(gòu)等相比電動化階段發(fā)生巨大變化，傳統(tǒng)車企單純依靠自身力量很難實現(xiàn)轉(zhuǎn)型。要堅定跨界融合發(fā)展的戰(zhàn)略路線，鼓勵車企和芯片、操作系統(tǒng)、智能駕駛解決方案等供應商深度合作，如投資入股、成立合資公司、共研核心技術(shù)等方式，構(gòu)建車企具備主導能力的產(chǎn)業(yè)生態(tài)。加快構(gòu)建跨界創(chuàng)新平臺，制定跨界產(chǎn)品上車應用的產(chǎn)品及技術(shù)標準、檢測認證體系等，解決新技術(shù)上車“最后一公里”的問題。

5.完善大模型標準及評價體系

大模型在智能座艙領(lǐng)域的應用呈現(xiàn)加速態(tài)勢，人機交互體驗顯著提升，但同時，大模型在訓練數(shù)據(jù)合規(guī)性與可靠性、數(shù)據(jù)傳輸階段的泄露等數(shù)據(jù)安全方面，在生成內(nèi)容存在的偏見、幻覺、虛假信息等內(nèi)容可控方面，在對語言的理解能力、邏輯推理、信息歸納等場景應對能力等方面仍存在隱患。

下一步要盡快建立大模型上車與評價標準體系，一是針對人機交互、車輛控制等強需求領(lǐng)域，基于差異化場景制定大模型上車標準；二是加強大模型基礎(chǔ)理論研究，不斷拓展大模型與汽車產(chǎn)業(yè)融合應用的標準體系，加快明確大模型透明度和可解釋性；三是明確大模型數(shù)據(jù)安全、模型訓練、模型使用等環(huán)節(jié)的安全要求，完善大模型安全評估的流程、方法、工具。