欢迎关注ૄ“新浪科技”的微信订阅号：techsinaࢮ
♥
欢迎关注“新浪科技”的微信订阅号：tecૉhsina&nbÍsp;
∠ 文c8;/古月″
来源：锦缎ća;（ID:jid3;nduan006)
定义未来汽车产Φ业发展的“新四化”分别为：电动化憨、智能化、网联化、共享化。迄今为止，这一逻辑线仍属产业共识。
全球范围内，特斯拉拔得头筹，在其中的bc;电动σ化（三电系统）和智能化（FSD服务）领域均处于领先。
É
´ 作为目前能在销量上和特斯拉掰掰手腕的比亚迪，也已经在电动化 上取得了普遍认同，下一步的整体进阶，必然要求它在智能化上有所突破。
从微观视角延伸至宏观视角，中国新能源车集群，已阶段性夺得电动化全产业链的先发优势，但在以自动驾驶为核心'的智能化价值链维度，则正面临以特μ斯拉为首的海外军团的深度压力。
这也意味着，在即将到来的20હ23年， 智能化将成为新能源赛道核心看点，一场不可避免的全面战争即将开场。
´ ☞01ñ
▦ Œ噪音τ
近期围૧绕自动驾驶公司“折戟”的讨论氛围甚浓，智能化长੦期ਫ਼以来的悬浮感开始令市场陷入迷茫。
Ì
â ટ 例如：
10月底，英特尔将旗下资产MOBILEYE以17 0亿美元再度上市，而2017年英৻特尔却是以153亿美元将其η私有化，期间MOBILEYE的估值还一度膨胀至超500亿美元；
因福特决定停止对Argo AIƎ的投入，曾以至少70亿美元估值并计划IPO的L4自动驾驶公司Ar੧go AI日前宣布倒逼，未来福特将集中资源在L2+级别的智能驾驶的开发上；સ
背靠谷歌的行ਫ਼业先行者Waymo曾估值高º达1750亿美元，现已跌至300亿美元，并且每年至少消耗谷歌母公司至少10亿美元的运营支出，而从2Ù018年率先取得凤凰城和旧金山的Robotaxi运营许可后，其商业化推进速度受到质疑；
而依靠通用和本田输∴血的Cruise也在Robotaxi业务（也从2018þ年开始）上录得近50亿美元的亏损，并且其未 来商业化盈亏点仍然模糊；
国内专注于L4级自▦动驾驶公司如百度∑、小马智行等也同样面临着持续巨额投入和商业化难题，自Φ动驾驶变成了难以实现的梦境；
全球范围内自动驾驶的龟速匍匐，甚至令“自⇑动驾驶之父”——莱万多夫斯基发出如此感叹：“忘掉利润吧，所有☜的自动驾驶的士、自动驾驶货૩车或者诸如此类的公司的总收入是多少？有百万美元吗？也许吧，但我认为零收入的可能性更大。”
以L4级自动驾驶为代表的智能化道阻且长ù，直接原因当然还是在于政策法规层面的限制，背后是小概率事件所隐含的道德难题，当然也包括车企在ਭ其中需要承担的事故责任等，根本原因还在于技术上⌉没有取得显著突破。
似乎，自动驾驶的普遍发展困境使其成为了一场海市蜃楼，构建的愿景઼虽美好，但要落地又显得不Ν真è实。
但，特斯拉在自动驾驶上却表现出十足的坚定和信心，宣布放弃激光雷达进入纯视觉感知方案后，展现出一套全栈全自研全产的全链路自动驾驶软硬件构架，并基于现阶段L2自动辅助驾驶的运行表现不断地训练迭代自己∂的纯视觉体系ο效←果。
虽然，特斯拉还远未达到实现自动驾驶的水平，但基于每次beΨta的迭代都有相应的提升，相较之下，逐步的效果ઘ优化令市场开始对纯视觉方案抱有更开放的态度，也加深了市场对特斯拉“智能ℜ化”的标签认知力。
◙ ਲ਼02&¯nbsp;
ζ
à ਬ视觉方案
从大的方向看，自动驾驶的实现路径分为单车智能和车路协同，前૪者又可分为以激光雷达为主的传感器感知方案，以及以摄像头为主的视觉感知方案。除了特斯拉之外，几乎所有主机厂和自动驾驶公司都选择了单车激∗光ચ雷达方案，并且国内在激光雷达方案的基础之上，同步在推进车路协同的基础建设。
之所以大多数厂商都τ选择了成本要高得多的∇激光雷达方案♡，是因为传感器天然就具备向量空间的探测感知能力，而激光雷达则能够应付高速实时条件下还原路况信息的必要要求，但传感器也面临多信号融合问题，并且容易受天气状况的影响。
而摄像头无法直接还ⓞ原三维空间信息，需要智能算法的大量学习过程后转化来解读，并且视觉方案对算力和算法延时的要求极高。视觉方案最大的难点在于这个系统拟人化的智能程度，例如基于开车经验为基础的预测能力以及ਊ举一反三的泛化能↵力。
车路协同，虽然能够在一定程度上降低单车的智能程度和算力要求，但另一方面则需要大规模新基建（如高精地图、5G、云计算、∧大数据、物联网等）的推进，所以短期内，车路协同的落地主要将依托于试运行区域的效果而定，目前离确定路径和大规模推广还相差甚远。
目前从L2级的使用Ç体验看，特斯拉自能驾驶辅助系统autopilot″的使用体验优异，大概Ċb;不输于任何一辆量产车的智能辅助系统表现。特斯拉用一套低成本的方案，最终获得了规模上的先发优势。
随着其交付量的显∪著增加（大概400万辆特斯拉车和约10%的搭载FSD的车辆），以及背后基于正常激活运转和“影子模式”运转不断学习优化的一整套自动驾驶系统，其autopilot和FSD都在齐头并进做优化迭代。
在઼获得全球最多路况数据量后，特Η斯拉需☎要做三件事：
一是将2D路宽数据3D化，完成数据信息的格式化和标准化Œ，这一⊆过程的工作量极大，特斯拉除了ä有上千人组成的数据标注团队之外，还为此开发了自动化数据标注工具；
二是导入加工后←的β数据，训练控制决策系统的“聪明度”。为此特斯拉近年来重写了FSD基础构架，并用蒙特卡洛树搜索+神经网络相结合的方式，不断地读数据、看路况，挑出复杂路况或事故问题路况，模拟比对决ࢵ策结果，再在虚拟环境中模拟构建现实世界的复杂路况，尽可能多的覆盖长尾路况信息，进一步训练决策系统应对小概率事件的从容度；
三是需要一个强大的算力模块及Ζ系统构架，为此特ⓒ斯拉研制基于分布式架构的Dojo芯片ય，并且优化了芯片间的通讯带宽（即缩短延时），理论上能够实现无上限的算力拓展，这将随着数据量和算力的需要同步扩容。
为了大幅精ćf;进这三件事情，特斯拉的核心聚ઝ焦点放在了AI领域，所以今年AI day的目的就是广泛的招贤纳士。§
Æ客观上，特斯拉有一套系统化的自动驾驶方法论，由于摄像头拥有标准的数据格式和通用数据接口，特斯拉只需要完成软件端的突破即可；但多传感器融合面临通用化和标准化的难点，其中激光雷达仍在机械、半固态、固态的路线争论中，加之车企和硬件供应商之间有强耦合的关系，‚会面临同步ς协调的系统性问题。
ઍ所以，在某种程度上，路径问题也可以简化成另∗一个问题，到底是一个人跑得快or一群ⓘ人跑得快？
⇒ 0É3σ
中国需要Ν跟注ઝ
很多车企都宣Γ称自身的“智能化”程度不输于特斯拉，或宣称已具备L4级的硬件基础及能力，未来将通过OTA方式来更新系统与之适Ô配。
ૄ 但相比于特斯拉的“全链路自主可控”ì，大部分车企的智能化都需要供应商的先行，如果在底层基础不稳的情况¢下，车企也是难有大的突破表现。
现阶段，国内厂商¸的智能化语境基本都是一个ઐ模板的产物，例如在支持OTA、芯片算力、语音交互、摄像头分辨率、激光雷达、驾驶辅→助能力、及潜在的自动驾驶能力等多个维度上刷数据，其实仍侧重于“推配置”的表达方式，基本区别于特斯拉对“智能化”的理解与表达。
ª
当然，在法律法规的约束窗口期内，市场也很难真正认清究∈竟孰优孰劣。
但如果以自动驾驶为代表的智能化终将落地，并且是以特િ斯拉的方式率先突围，那么将拖累我国整体汽车“新四化”的进程。
电动化化的渗☼透，主要依托于制造业产能扩张的客观规律，周期较长，我们尚且还能够依靠大市场和产业体系进行有效追赶甚至是取得先发优势。但智能化将区别于自动化的进程周期，一旦智能化开始落地，特别是以更具单车性价比的纯视觉方案落地，短期内将虹吸所有红利，并°且也牢牢掌握未来推进网联化、共Θ享化的主动权。
这意味着，无论是对品牌车企、供应商，还是以汽车产业为基础的国别竞争，拿下自ੇ动化只是一场卡位晋级的战斗，而智能化才是覆盖整个新能源车战争的高地战役，战略意义至关重Β要。
为此，我们不应该⌉满足于自动化在全球范围内的率先表达，而¨智能化则绑定产业系Œ统一同踏步，我们应该要效仿特斯拉，至少也要下注纯视觉方案，让自动驾驶能够尽可能“脱钩”硬件维度的束缚。
在接下来窗口期内，国内能够在短期内撬动“智能化”Π标签最大效用杠Ρ杆¦的，就只有拥有最大产能与销量的比亚迪。
ća;
ćd; 0a1;4
♪ 现实抉Η择
一来在于比亚迪β是国内唯一盈利的新能源车企；二是多年来的电动化深º耕让他成为了全球最具产业链纵深的电动车企；三是它的规模化已不仅仅局限在国内市场，已成为我国最具出海竞争力的新能源车企代表—≥—而自动驾驶破局之路最关键的要素便是数据，以及更多的数据。
但§众所周知，比亚迪的智能化表现落后于国内新势力。为弥Ąe;补这一劣势，近年来比亚迪已经触达过多轮供应商。
ąc; 2020年推出DiPilot辅助驾驶系统，博世是这套L☻2系统的供应商，但随后没有更新迭代；
2021年比亚迪ਠ推出自研操ⓔ作系统νBYD OS，开始自己整合关于自动驾驶辅助系统的供应方案；
同年，比亚迪开始投资芯片供应商地平线、激光雷达供应商腾聚创、自动驾驶Āf;解决方案商Moδmenta；
2022年，Ād;比亚迪联合百度ⓘ为其提供ANP（城市智能辅助驾驶产品）以及百度地图，ćc;并宣布与自动驾驶芯片供应商英伟达合作，未来将采用英伟达的自动驾驶平台，之后比亚迪还与华为传出合作，也将引进华为MDC计算平台及自动驾驶解决方案。
显然，广撒网的♠策略目的是让未来的产品在智能维度上具备行业竞争力，看似多方押注万无一失，但长远来看，这样的操作过于被动，未®来也恐怕难以建立&#ffe1;智能化的竞争壁垒。由电动化转向智能化，价值链亦必然将向后者转移。而一旦特斯拉率先打通的自动驾驶的任督二脉，比亚迪刚刚建立起的销量优势恐将不保。
所以，在保持自身销量优势的基础下Υ，覆盖特斯拉的智能化发展路径，是比亚∑迪卡位下一阶段行业竞争的一个合理选ćb;项。
那么³第一步，比亚迪要做的就是储备并试验全栈自动驾驶解决方હ案（包括软件算法、硬件配置、数据处理等维度）。这牵涉的最大问题是汽车行业的智能化空窗期究竟还有多ç久。
∪如果没有期限限制，相信比亚迪未来能够通过招人和研发投入实现全栈自研，并装配在量产车上，再通过大规模的数据“喂养”不断精进自身的辅助驾驶系统表现以及未来自动驾驶的潜在能力；但如果特斯拉凭一己之¯力加快行业迈入智能化阶段的时间进度，那么特斯拉将再次远远甩开比亚迪，并且实现在全球范围内更大规模的市场收割，这极有可能削弱我国在汽车“新四化”过程中的ö话语影响力。
事实上，这不应该是一道选择题，“高端制造”是未来中国之于世界经ƿ济体系的重要定位和身份≥标签，汽车产业无疑是展示这一战略定位的根基，所谓“国之大者”，中国车企必然是要攀登并且站上汽车¾智能化的高地。
现阶段参与到“智能化”的ς公司大体可以分为三类，一类是如长城汽车与毫末智行的关系，属于大型车企独立孵化的智能驾驶公司，主要为母公司车型的智能驾驶服务；另一类是以科技公司的身份切入∴到智能化供应商的领域，如百度、华为、小马智行等，主要向车企提供整体解决方案；还有一类是电动化先行车企“蔚小理”这类的自બ研公司。
从∑公司背景、定位、运营情况等角度看，小鹏汽车的智能化理念是离特斯拉相对较近的公司。但今年其产品的市场销售表现出现一定颓势，导致其开始明显掉队，无论是在Þe;行业、市场、资本、或是舆论的处境中，小鹏正变得愈发艰难。
在国内，小鹏汽车身上的智能化标签受市场接受度较高，可惜在于其品牌价格的定位和类SaaS—的商业模式。但这对于制造业和电动化经验丰富的比亚迪而言，却非常契合未ø来³智能化的需要。
虽然小鹏汽车走的并不是单车纯视觉的路线，但其全栈自研的自动驾驶系统架构于特斯拉的很相似。小鹏在高速NGP场景中，ચ采用的是高精地图的策略ó，但进入城市NGP阶段，将采取视觉Þ感知为主的方案，并且当下小鹏也在致力于打通“高速、城市、泊车”三种驾驶系统的使用场景，真正实现“端到端”的一体式系统集成，这可能需要类似特斯拉2020年的重写FSD代码的工作。
如果比亚迪能够与小鹏构成深度Γ合作，那将会对比亚迪的智能化进程助推动力，以应对特斯拉可能率先掀起的智能化自动驾驶浪潮。但前提还在ਫ਼于小鹏是否能够′接受“为他人做嫁衣”的局面。
ੈ 当然，比亚迪另一重要选项还包括百度。在自动驾驶领域浸淫近10年的百度，被认为是最懂自动驾驶的中国公司。特别是百度方面的解决方案选择ભ余地更多，其本身就ð是车路协同与视觉两条腿走路。
汽车“新ćd;四化”的进程必然是会带来市场格局的重构，却也是大浪淘沙的过程。而车企间也不永远只是单一∏的竞争关系，在更大的使命和责任面前，有远见的车bd;企需要达成竞合的默契。
往 期 推 荐ë
íćb;
∈
‹
ત
੦
അ
（声明：本文仅代表作者观点，不代表新浪网立场。）
ૄ
文章关键词Ċb;：
Κ ࠷ 网络文化
用微信扫′描二维码
分∏享至好友和朋友૧圈
\’ + _substr(૦Þe;uids[i].name, 0, 14) + \’
\’ + _su♨bstr(uids[i].v_reason, 0,◑ 16–) + \’
憨
新ੋ浪科ઞ技意见反ê馈留言板
400-052-0066 欢੦迎批评▥指正
Copyright © 199ⓠ6-2022 SINAશ Co•rporation
Å
ôAll Rights ReÛserved 新浪公司 版权所有
