在CES上秀AI技术，魏牌蓝山凭什么？

蓝山亮相CES，它代表的是中国车企的AI水平。敢在CES上秀智驾和智舱技术，蓝山凭什么？

当车圈都在讨论AI的时候，正对应了那句话，汽车的下半场是智能化。

去年，智驾经历了三个阶段。分别是高精地图开城，无图NOA+规则，以及端到端大模型。

长城走的路线很有意思，它是端到端大模型+规则兜底，官方有一个很形象的解释，这等于是给大模型系上安全带。对比华为去掉BEV只留下GOD网络方案，以及理想的端到端+VLM方案（视觉大模型），长城的技术路线是独特的。

首先，有能力的汽车企业都选择端到端模型。简单解释，端到端模型就是把感知、决策规控融入一个模型，通过给模型观看视频进行学习训练，再进行部署。对比无图规则时代，端到端模型，可以少写很多规则代码，而且它的成长性很快。

那端到端这么好，长城还要在端到端基础上加上手写规则呢？这个很好理解，因为端到端模型，需要学习很多优质数据进行训练，但是这些数据部署完的驾驶习惯是不是适合你？那就另说了。还有一种说法是，端到端模型上限高，下限低，这个说法也对。

比如有些老司机喜欢效率优先，它的很多做法虽然通勤高效，但是可能不合规，这时候就需要加入一些手写规则，让车辆遵纪守法是第一位。

数据固然重要，但是有不少车企有数据如果训练不好，形成不了闭环那结果一样糟糕。吴会肖认为，当前数据本身并不稀缺，关键是如何有效提取，未来智驾的竞争就是数据的竞争，谁的数据闭环更高效，谁就能持续领先。

所以，长城给数据挂上了身份证。如何理解呢？长城在车端标签方面设置超500种触发事件标签，并在云端模型方面采用“8D标签+AI特征”的数据档案身份证技术，用于提升数据闭环的自动化水平，这使得数据处理周期效率提升数十倍。

车企做不好端到端大模型，还有一个原因，那就是云端算力不够。目前，九州超算中心的算力规模达到1.64EFLOPS，实现5T/秒的高性能存储和通信带宽3.7TB/秒的高性能网络。

我预计，云端算力还会继续提升，并且马上会达到10EFLOPS。这相当于军事储备，谁的云端算力大，理论上迭代效率就更高。

正是有了上述技术背书，所以魏建军才会公开表示，蓝山智能驾驶就是行业第一，也才会在保定、重庆挑战无图NOA。