何为汽车智能化「终局」？规模化进阶背后的新故事

智能电动汽车，一定不是稀有物，终局仍是规模。不管是软件付费订阅，还是出行服务，「规模」交付是任何一家车企无法回避的问题。

在今年特斯拉第一家欧洲（德国柏林）工厂开业前一天，该公司CEO埃隆·马斯克在推特上暗示，公司将继续扩张，尤其是在全球汽车供应链危机中，如何继续扩大制造和保障供应链安全的战略。

按照计划，特斯拉的欧洲第一家工厂每年生产50多万辆电动汽车（目前产能已经爬坡到25万辆/年）；此外，截至今年上半年，上海工厂全年产能超过75万辆，并计划进一步提升至110万辆。同时，特斯拉美国加利福尼亚工厂年产能为65万辆，得州工厂还有25万辆年产能。

公开信息显示，目前，特斯拉已经实现150万辆的年产能，复合年均增长率超过70%。马斯克此前透露，预计今年年底，特斯拉年产能有望达到200万辆。

这意味着，2023年，特斯拉有可能进入全球前十汽车制造商的行列。而在中国市场，以今年1-10月乘用车交付数据为口径，特斯拉以33.79万辆排名第14位。明年，也是大概率会进入前十行列。

同时，新能源+智能化，成为今年的主旋律。

高工智能汽车研究院监测数据显示，2022年1-10月中国市场（不含进出口）新能源汽车前装标配搭载L2级辅助驾驶交付上险167.51万辆，前装搭载率首次突破40%，达到41.93%；同期，燃油车市场前装搭载率仅为23.42%。

而在高工智能汽车研究院看来，车队（用户）规模和智能化带来的数据积累/训练/迭代，是构建汽车制造商+科技公司的唯一出路，从而有能力加速向可持续进化的商业模式过渡。

同时，随着L4级自动驾驶逐步回归到从智能驾驶前装量产并逐步迭代升级的主流赛道，对于汽车制造商以及系统供应商来说，这是一种合理的方式，可以看到投资的阶段性回报。

目前，传统汽车阵营，丰田+大众+BBA，是毫无疑问仍然具备抗衡新势力能力的车企。以大众品牌为例，ID系列纯电动车在今年1-10月交付上险为11.47万辆，排名已经跻身第六位，超过哪吒、小鹏和蔚来。

接下来，丰田比亚迪合资公司也将开始在2023年陆续开启交付纯电动车型，其中，作为首款交付车型，bZ3同样配备最新的TSS智行安全系统，纵置中控大屏、无线充电、车机互联等智能化配置和功能集成一体。

而不管是大众ID，还是丰田比亚迪，主打车型均是主攻20-25万元区间，同时覆盖15-20万、25-30万，而15-30万区间（以今年1-10月数据口径）目前的新能源车占比接近30%。

同时，对于仍处于规模化早期的新势力车企来说，智能化的标配是唯一出路。这一条路，至少到目前为止，特斯拉已经帮大家做了验证。尤其是数据的大量积累，使得特斯拉具备了足够的供应链灵活度，甚至在硬件配置方面，可以做到不断的优化调整。

在中国市场，理想汽车也是坚定这条路线的代表企业。“做好自动驾驶的本质，其实就是对数据闭环的有效运营，”这也是理想汽车选择全系车型标配智能驾驶功能的重要原因。

公开数据显示，到今年6月，道路数据方面，理想汽车用户驾驶总里程已达30.6亿公里，辅助驾驶总里程达到2.9亿公里，NOA驾驶总里程达到2462万公里，而有效学习场景总里程达到1.9亿公里。

样本类型方面，理想汽车已收集15万个AEB场景，超300个道路施工场景。从不同的场景库中，理想汽车已收集3.3亿帧原始数据，其中锥形桶308万帧、施工标识255万帧、异形车辆144万帧。

同样，丰田，大众也在加快数据采集进程。比如，丰田旗下丰田通商，主营业务之一就是支持中国大陆的图像数据采集和现场测试（道路驾驶测试）。

此前，丰田旗下自动驾驶研发子公司Weave Planet公开表示，通过使用低成本的摄像头来收集数据，并有效地训练自动驾驶系统，将有助于降低成本，更好地扩展丰田的自动驾驶技术。

而在今年刚成立的大众汽车集团旗下全新软件公司CARIAD的中国子公司，也将开发合规的数据后端，即数据采集、上传、训练、迭代、下载的相关通道应用。

这意味着，接下来智能化的竞争，不仅仅是技术，而是规模。「数据采集的质量、有效数据提取效率和训练速度，将决定车企能否打赢智能驾驶的2.0战役」，标配硬件（影子模式）交付量*单车行驶里程*有效数据采集量，将是车企智能化的核心指标。

“我们需要大量的数据。仅仅从小批量的车辆中收集少量数据是远远不够的，”Weave Planet工程副总裁表示，“相反，数据竞争，可以释放丰田和其他传统大型汽车制造商所拥有的规模优势。”

这意味着，智能化的下一个竞争周期，关键词就是「规模」。

这也给产业链带来了新的机会。

比如，智协慧同去年推出了首个适用于量产的灵活高精数据采集解决方案，快速达成了多个量产车型合作。今年，公司联合生态合作伙伴陆续推出了多个解决方案，如：自动驾驶数据闭环、智能诊断、智能空调、智能底盘、智能热管理、精准续航预测等，这些解决方案都正逐步上车。

其中，在自动驾驶赛道，公司通过打造可轻量化部署的自动驾驶数据闭环方案，为车企的“影子模式”落地及Corner Cases场景数据采集提供了新的解决方案，在一定程度上填补了市场空白，目前已与多家车企展开量产落地合作。

IAE智行众维，也是一家构建智能网联仿真测试的技术闭环和数据闭环体系的公司，基于云计算的分布式概念能够帮助自动驾驶仿真测试系统实现数据驱动、场景覆盖的目标，可以实现高达数百万甚至千万公里/天的虚拟里程仿真测试水平。

该公司的“水木灵境”场景工场，目前已构建超过8000组实际可用的仿真场景库，涵盖城市级数字孪生、自然驾驶、国内外法规标准、CIDAS 交通事故复现、预期功能安全、V2X等等。

在智驾科技MAXIEYE创始人周圣砚看来，自动驾驶行业的第一增长曲线主要基于算法、技术和经验，在L2向L3突破的阶段，企业需要在原本的算法基础上，以数据驱动的方式进入第二个增长曲线。

另一家国内头部智能驾驶解决方案提供商—福瑞泰克也在今年正式发布ODIN智能驾驶数智底座，基于自研的软硬协同、软硬一体化的技术平台，搭建一个全堆栈、全周期的可持续数据迭代进化平台。

按照该公司的说法，数智底座致力于助力车企智能化转型，一方面帮助车企统筹规划实现技术、业务的深度融合，另一方面构建出稳定与敏捷兼备的技术平台，则能够担负起技术迭代变化和保障业务平稳运行的需求。

而大量实际道路数据的产生，也驱动后端数据标注赛道重燃战火。这个过去大部分服务于L4级自动驾驶项目预研的行业，真正进入大规模前装量产的大市场周期。

比如，成立于1996年的澳鹏Appen，作为一家人工智能辅助数据标注平台、一体化的AI数据及资源管理平台，也推出了MatrixGo企业级AI数据标注平台，支持丰富的图像与视频标注工具，包括对象追踪、像素级语义分割以及图像转写。

MatrixGo最重要的亮点是工作流调度，面向海量任务支持高并发呑吐架构，平台上单点能够支持每秒3万任务的吞吐量，还可无限自动横向扩容。

针对新的行业周期，澳鹏Appen也给出了自己的答案：由于深度学习算法是算力与大数据的产物，因此深度学习算法模型的工业化优化，也就需要AI数据供应链的工业化。

"数据服务2.0时代"，也是澳鹏Appen给出的新定义。

过去，数据标注多数只服务于自动驾驶POC项目，属于"一锤子买卖"。而在2.0时代，软件定义汽车带来了对功能迭代升级频率的高要求，背后则是每家车企积累的数据资产的价值竞争，并直接影响汽车智能化的功能优化和体验升级能力。

而从高工智能汽车研究院监测数据显示，自动驾驶数据闭环平台的设计、搭建及维护也成为当下智能驾驶系统方案商、车企等产业链核心企业的热招岗位，月工资从30K-100K不等。