从两会看车圈新趋势：多位大佬呼吁高阶智驾落地，如何解决关键技术瓶颈？

作者 ｜  Juice
编辑 ｜  志豪

车东西3月11日消息，就在今天，为期一周的十四届全国人大三次会议落下帷幕，在过去的七天时间内，多个热门话题轮番成为讨论的焦点。

多位车圈大佬如雷军、朱华荣、何小鹏等都在两会期间带来了自己的提案，高阶智能驾驶商业落地、智能驾驶保险、低速场景下的无人驾驶落地、人形机器人等提案都引发了公众的集体关注。

这其中多位代表都不约而同说到了高阶智能驾驶量产的话题，这也是今明两年汽车行业的一个核心议题，不少车企都已经公布了其L3级智能驾驶的落地时间表，最早今年下半年可能就会有产品落地。

为了实现L3级高阶智能驾驶的落地，主流车企和智驾公司都转向了端到端大模型的研发，而这对于算力资源、智驾研发工具链、优质数据等方面的要求也在进一步提升。

同时智能网联汽车也成为了今年政府工作重点项目之一，这也将会对车企产生新的影响，加速智能化产品的落地也成了重中之重。

这个过程中，云厂商的重要性开始凸显，可以提供更强的算力支撑、优质的数据资源，给智能驾驶的训练和迭代带来全面的提升。

目前百度智能云汽车云已经升级到了3.0版本，针对端到端智能驾驶进行了重点的适配，可以更好的推动端到端智能驾驶的量产进程，为实现L3级智能驾驶保驾护航。

▲百度智能云汽车云3.0版本最新特性

而借助于文心大模型的能力，百度智能云也能够帮助车企实现智能化的快速跃升。

可以说，在全面建设智能网联汽车的道路上，以百度智能云为代表的云厂商已经提前一步落子了。

两会期间，有代表提出希望加快推进智能驾驶汽车全国性测试验证，并且希望可以明确智能驾驶汽车量产时间预期等。针对智能驾驶的后续发展情况，也有一些相关的提案被提出，比如智能驾驶汽车专属保险；智能驾驶事故的责任划分等。

整体来看，智能驾驶已经成为两会代表们非常关注的内容了，而这几乎也代表了汽车行业下一个大趋势：智能驾驶加速量产上车。

事实上，2025年春节复工以来，智能驾驶就已经成为汽车行业一个大的热点事件了，多家车企加入全民智驾普及战、L3级智能驾驶频繁被提及、特斯拉FSD进入中国等行业热点一个连着一个。

在众多行业热点中，高阶智能驾驶的落地仍是重中之重，为了实现这一目标，行业内也发生了一场深刻的技术变革。在过去的智能驾驶发展中，以规则算法驱动是最常见的模式，通过不断完善规则来实现对更多Corner Case的覆盖，最终实现智能驾驶的落地。

但是随着智能驾驶进入到更多场景，Corner Case很难被穷尽，端到端大模型为代表的技术就应运而生了，通过端到端的技术方案，让智能驾驶系统具备拟人化的思考能力，实现自主决策，从而实现对Corner Case的覆盖。

现在国内头部车企和智能驾驶公司都已经转向了端到端大模型的研发之中。

然而技术的变革并非一蹴而就，这个过程中也要面临更多的挑战，为了提升端到端大模型的稳定性，算力和数据的重要性越发突出，足够大的算力和量大且优质的数据才能提升大模型的上限。而模型训练过程中的稳定性也是提升训练效率的关键。

车企和智能驾驶公司在这方面却并不擅长，拥有大量的算力储备和技术基础的云厂商们自然而然成为最合适的合作对象之一。

国内头部的云计算玩家百度智能云已经开始通过自己的能力来帮助车企提升这方面的能力了。

在算力方面，当前基础大模型所需要的AI算力集群规模已经从千卡规模提升到了万卡规模，这对于企业来说是不小的挑战，一方面不同的GPU芯片的能力表现不同，另一方面GPU芯片的限制销售问题依然存在，如何提升算力资源是一个非常急迫的需求。

百度智能云则完美的解决了这个问题。百舸4.0作为整合异构算力资源的算力平台，可以兼容英伟达GPU H800/H20/L40/4090全系列、百度昆仑芯P800，以及同步支持各种国产算力芯片，从根本上解决了芯片供应链安全的问题。

▲百度百舸4.0算力平台

同时百度百舸4.0也克服了多芯片混合训练的难题，将万卡集群算力损失控制在了3%以内。通过软硬件联合优化与中间件加速，提高算力了利用率和优化算力成本。

▲百度百舸4.0算力平台稳定支持万卡集群

目前百度智能云已经开始帮助车企去解决算力上的问题了，去年3月份，百度智能云携手重庆长安汽车股份有限公司（简称“长安汽车”）共建了智算中心。

解决了算力资源不足的问题后，百度百舸4.0也通过采用叠加多重优化技术，包括并行优化、显存优化、算子优化、存储优化和网络优化等技术，实现了训练和推理的全链路优化。

▲百度百舸4.0实现训练和推理全链路优化

同时，百度智能云也通过多维故障感知、多维容错处理、高可靠checkpoint处理等措施保障了训练过程中的稳定性，进一步提升训练效率。

除了算力之外，端到端大模型对于数据的要求也非常高，只有高质量的数据喂养才能不断提升端到端大模型的上限。

针对这方面需求，百度智能云也提供了一套完整的解决方案。

首先百度智能云在工具链的数据管理平台上，增加了数据智搜的功能，可以更加精准的寻找到特定的驾驶场景，从而将这部分片段作为智能驾驶的训练数据。

▲百度智能云数据智搜的功能

针对企业收集到的海量数据库，百度智能云也打造了智驾数据挖掘大模型，通过复杂文本检索、空间关系组合以及精细化搜索等多种方式，可以对一些复杂的场景进行定性挖掘，将无序的数据变成宝贵的训练资源。

此外，通过收集真实的驾驶场景数据很难做到对Corne Case的完全覆盖，为了解决这一难题，百度智能云引入了NeRF与3DGS等先进技术，借助于原始数据来构建新的长尾场景，比如针对固定的场景，通过消除动态要素、调节主车视角、修改天气环境和叠加虚拟元素等方式，以较低的成本构建出新的场景，更好满足端到端大模型训练过程中对于不同数据的需求。

更重要的是，百度本身就已经掌握了超过百城的真实路网、千万公里的场景数据，车企可以通过百度智能云的能力，在云端进行不同城市场景下智能驾驶能力的验证和测试，显著降低训练研发成本。

▲百度掌握超过百城真实数据

整体来看，百度智能云可以在车企的模型训练阶段、模型验证阶段和量产应用阶段都提供足够的底层技术支撑，正成为车企端到端智能驾驶量产的“加速器”。

对智能驾驶的关注只是两会期间的一个缩影，进一步提升汽车行业的智能化转型才是最终的目标。在2025年政府工作任务中明确了今年要将大力发展智能网联新能源汽车。

智能网联汽车的落地离不开汽车的全面智能化，智能驾驶带来了车辆行驶过程中的智能化，而智能座舱则将车辆的传统交互模式进行了全面升级。

与智能驾驶一样，座舱的智能化升级也成为了车企目前的重点工作之一，多模态大模型上车正是目前最火热的技术突破。

百度作为国内最先布局多模态大模型的企业之一，在这方面也有先发优势。

百度智能云目前已经和蔚来汽车合作，借助文心大模型打造了蔚来座舱AI，首批已经上线了蔚来NT2.0/2.2平台所有车型，累计上车数十万辆。

在文心大模型的加持下，蔚来的语音助手NOMI也变得更加拟人化，可以提供百科问答、出行攻略、学习创作、无限趣聊、趣味表情、魔法氛围和用车回答等多种个性化功能，让语音助手不再像一个没有感情的机器人，而是变成了能思考，可以主动跟用户交流的智能小伙伴。

▲蔚来的语音助手NOMI

同时，百度智能云千帆AppBuilder也在近期完成了对DeepSeek模型的全面接入，具备联网搜索及其他组件调用能力，RAG、Agent以及工作流等功能，也均实现了对DeepSeek模型的全链路支持。

▲百度智能云千帆AppBuilder接入DeepSeek模型

千帆AppBuilderRAG本身就已经支持多知识库调用和全网信息智能融合，叠加DeepSeek的思考能力，其智能化能力也得到了进一步的提升，越来越像一个超级大脑。

而这些能力也将会帮助车企进一步提升智能座舱的好用程度。

除了智能驾驶和智能座舱这两个车辆本身的功能升级，车路云协同也是实现智能网联汽车的一条关键路径，通过将车端、路端和云端打通，让车辆可以和道路、交通信号灯等边缘设施产生交流，同时云端也可以将更多的路况和环境信息同步到车端。

▲百度智能云建立车路云联盟

这样一来，车辆就不再仅仅是交通工具了，而是更显一个具备自主思考能力的道路参与者。

反过来，车辆收集到的一些路端数据也可以回传到云端，去不断完善车辆本身的驾驶模型，实现数据的良好闭环。

而在车路云协同布局方面，百度智能云也是国内走的最快的企业之一。

可以说，在追求智能网联汽车真正落地的过程中，百度智能云已经做了大量的准备工作，智能驾驶、智能座舱、车路云一体化等核心方面都有很深的技术积累，未来百度智能云也将会继续发挥自己的优势，帮助智能网联汽车真正落地。

今年的两会和政府工作报告都将智能网联汽车作为全年的重点方向之一。

而从具体的现实来看，车企也确实在这方面加快了脚步，智能驾驶方面，全民智驾和高阶智驾无疑会成为贯穿全年的两个大方向，开年以来，长安汽车、比亚迪、吉利先后在智驾平权方面放出大招，将智能驾驶直接拉到了10万级别的市场中。

同时不少新造车玩家也在紧紧盯着L3，不少玩家已经喊出了要在下半年落地L3的目标。

智能座舱方面，大模型上车的进度会进一步加快。春节期间，DeepSeek震惊了科技圈之后，其影响力也已经辐射到汽车行业，目前已经有超过20家车企纷纷宣布接入DeepSeek，座舱领域的智能化变革显然已经提速了。

在汽车行业往智能网联汽车方面转变的过程中，对于算力、数据、模型训练方面的要求正在进一步提升，因此云能力的重要性也开始凸显出来。

不夸张的说，云已经成为智能网联汽车时代的水电煤，成为了重要的基建。

这样的趋势下，百度智能云已经完成了快速迭代，从汽车云1.0升级到了3.0，在智能驾驶和智能座舱方面都有强大的技术能力支撑，在行业变革的当下已经抢先落子，而这将会帮助行业加速转型。