三大要素促自動駕駛加速落地

    龔夢澤

    在2025年國際消費類電子產(chǎn)品展覽會（CES 2025）上，AI大模型在智能座艙、車控，尤其是自動駕駛領域實現(xiàn)全面應用，智能化技術給行業(yè)帶來了顛覆式變化，自動駕駛行業(yè)呈現(xiàn)明顯復蘇之勢，并邁向技術迸發(fā)和商業(yè)化落地的拐點。

    單從技術的維度分析，促成自動駕駛普及需要三大要素：一是領先的算法；二是足夠大的算力；三是豐富的數(shù)據(jù)。目前來看，以上條件剛剛齊備。

    算力層面，兩年前，自動駕駛芯片的市場宣傳主要還是按照AI算力、功耗、制程等參數(shù)進行對比，但如今，主控芯片的算力已經(jīng)從個位TOPS（每秒萬億次浮點運算）暴漲到幾百上千TOPS。業(yè)內預測，隨著算力提升的速度加快，以及硬件成本的下降，未來或將出現(xiàn)通過更換運算模塊來進行算力提升的場景。

    工程能力方面，經(jīng)過幾年的競爭和訓練，頭部自動駕駛公司普遍具備了將技術轉化為可落地產(chǎn)品的能力，通過上萬億公里海量數(shù)據(jù)的積累和“投喂”，全域全時、低成本、可量產(chǎn)、車規(guī)級的自動駕駛方案不斷出現(xiàn)。

    算法方面，深度學習算法正在重塑各行各業(yè)，對自動駕駛產(chǎn)業(yè)更是如此。隨著多模態(tài)大模型，包括“端到端2.0”VLA（視覺語言動作模型）等新算法框架出現(xiàn)，在數(shù)據(jù)量、計算資源和模型復雜度的邊界上表現(xiàn)出持續(xù)的性能提升。可以極大地減少重復的數(shù)據(jù)和計算資源，同時降低模型復雜度，真正讓智能駕駛技術實現(xiàn)從量變到質變的飛躍。

    筆者認為，自動駕駛作為一個復雜的系統(tǒng)研發(fā)，需要堅實的科研工程團隊以持之以恒的心態(tài)，不斷積累經(jīng)驗，還要能及時吸收最新技術并理解技術的邊界，才能讓技術創(chuàng)新一步步邁入現(xiàn)實。