自動駕駛過冬，需要點燃“降本增效”的爐火_風聞

進入2023年，人們還在等待這個冬天的第一場雪，同時也在感嘆暖冬已經成為了新的常態。但對自動駕駛產業而言，這個冬天似乎並沒有那麼暖。

回顧2022年，全球自動駕駛行業裁員、倒閉、部門裁撤的消息不絕於耳。資本市場也逐漸放棄了自2021年初開始對高級別自動駕駛的投資狂熱，整體市場泡沫開始破裂。有業內人士認為，如果資本持續轉冷，將有90%左右的自動駕駛項目，在大規模商用落地前就宣告失敗。

但另一方面，自動駕駛又確實在技術、應用上取得了長足的進展，成為各大企業，乃至全球各個國家與地區認可、篤定的發展方向。無論是走Robotaxi路線與產業合作路線的科技公司，還是將自動駕駛技術作為主要賣點的新能源汽車企業，以及紛紛走上智能化、電動化道路的老牌車企，都在自動駕駛領域持續投入，以期抵達寒冬之後註定會來到的黎明。

在這種情況下，自動駕駛項目如何過冬，成為了全球車企都在關注和探索的問題。

自動駕駛的發展動力充足但波折不斷

自動駕駛的發展動力充足，社會和市場對自動駕駛的接受程度正在達到新的高度。2022年4月，交通運輸部、科技部公開發布了《“十四五”交通領域科技創新規劃》，系統謀劃了“十四五”期間以自動駕駛為代表的交通科技發展方向。2022年11月，工信部發布了《關於開展智能網聯汽車准入和上路通行試點工作的通知(徵求意見稿)》，宣佈將對L3、L4自動駕駛車輛進行准入管理，並展開試點工作。

在如火如荼的產業推助力之下，沒有企業會低估自動駕駛的長期未來。但在眼下，自動駕駛產業卻在全球範圍內遭遇了一定程度的波折。在2022年，福特投資的自動駕駛公司Argo AI宣佈失敗，曾經一度吸引全球關注的Aurora股價大跌，市值縮水超過9成，行業頭部公司Mobileye估值也從此前的500億美元縮水至170億美元。而在中國市場方面，根據相關數據，2022年自動駕駛領域的融資額對比2021年同期下降了60%左右。出行項目失利、股價大跌、投融資遇冷等問題的背後，是自動駕駛產業根深蒂固的一大頑疾：成本膨脹。

自動駕駛過冬，關鍵在於成本

目前為止，我們似乎很難找到一家車企，還不研究自動駕駛技術的。但自動駕駛研發高昂的成本，確實已經成為拖累自動駕駛項目進入高潮的關鍵節點。車企迫切需要在自動駕駛研發路途中點燃“降本增效”的爐火。在今天，如何降低研發成本，已經成為自動駕駛領域一個不可忽視的問題。

由於高等級自動駕駛需要長期發展，且場景化的細分市場難以快速打開成規模的商業空間。因此絕大部分自動駕駛項目都處在長期投資，但難以獲得等比例商業回報的階段。隨着自動駕駛研發的持續性投入，相關數據不斷累計、測試需求更加多樣，反而造成了研發綜合成本的持續上升。

但自動駕駛的確定性，又讓車企為代表的汽車行業難以割捨相關項目。這樣來看，緩解自動駕駛項目壓力，幫助車企度過短期資本寒冬的方式，關鍵在於如何降低研發成本。

接下來我們不妨深入一個自動駕駛項目，從具體的技術流程與研發環節中探尋，為什麼自動駕駛會有如此巨大的研發成本問題？這些問題又該如何解決？

抽絲剝繭：一個自動駕駛項目的研發成本探尋

我們的故事擬定在歐洲一家汽車製造業企業。這家企業擁有悠久的乘用車製造歷史，以及強大的供應鏈管理能力。但對於AI算法開發、海量數據管理、自動駕駛測試等數字化、智能化技術則缺乏經驗與基礎。但在目前階段，自動駕駛已經成為了這家車企的必選項，否則很有可能面臨在下一週期被市場淘汰的風險。

根據估算，這家車企評定出了自動駕駛項目的研發流程。其中包括數據採集、數據導入、預處理標註等前期數據工作，以及自動駕駛算法訓練、仿真測試、數據歸檔等中期工作，算法部署、實路測試、算法迭代等後期工作。根據這家車企的數據量預判，這樣一個自動駕駛項目，其研發週期大概在60個月左右。也就是説，有至少五年的時間企業必須持續投入，很難見到商業回報。在實際執行自動駕駛項目之後，這家車企很快發現了一系列成本難題，其中的代表有數據存儲成本、數據使用成本、技術研發成本。

1．數據存儲帶來的成本壓力。

L4級自動駕駛研發每天都將產生海量的數據，尤其在實路測試階段，每一輛測試車每天將收集大約60TB的數據。僅僅一天一車的數據存放，就需要一筆硬盤開銷。與此同時，這些數據經過提煉得到的Corner Case也並不是可以低效率存放的“冷數據”，而是要經常進行應用，因此數據調取效率也是一個不小的挑戰。這家車企估算，隨着業務的推進，自動駕駛相關項目將收集超過1000PB以上的數據，且至少需要保存30年以上。這帶來的數據存儲成本壓力不可小覷。

2.數據流通與應用中產生的綜合成本挑戰。

自動駕駛研發會產生大量非結構數據。比如傳感數據、攝像頭數據、激光雷達點雲數據等，且需要進行大量AI標註訓練。車企傳統使用的數據基礎設施，很難適應多樣化數據與AI開發的需求。

同時，就像上文所説的那樣。自動駕駛開發要經歷數據採集、導入、預處理、訓練、仿真、部署等多個環節，自動駕駛數據要在眾多流程環節之間流動。每個環節需要的數據類型、負載類型、訪問協議類型都不同。業界的普遍做法是每個環節的數據單獨存儲，這樣車企開發人員需要在不同環節不同存儲設備之間頻繁拷貝、調用數據，導致寶貴的開發時間大量浪費。在這些流程中，根據這家車企的統計，數據拷貝和管理的時間大約佔據了整體開發時間的25%，極大拖慢了開發效率。這些數據流通、轉化能、應用造成的成本，雖然看似微小，但累計下來的壓力卻大得驚人。

3.技術理解、研發相關成本激增。

數據難題之外，自動駕駛項目還面臨着其他難題。比如説，自動駕駛的業務流程非常複雜，涉及的相關技術也多種多樣。諸如視頻編解碼、雷達點雲、地理信息、車載傳感器、車載控制器、AI、大數據、OTA等，都是車企此前並不涵蓋的業務範疇。這些技術都需要車企從頭開啓研發與探索，着實造成了巨大的研發成本擴張。

自動駕駛的基本實現方式是深度學習，需要利用車輛的感知+決策能力來實現去司機化的車輛行駛，而這就導致AI算法開發成為了自動駕駛研發的核心。傳統車企對大量AI開發與訓練並不熟悉，對AI開發所需的數據、算力、網絡基礎設施也比較陌生，自行摸索搭建AI研發體系，這也是自動駕駛研發成本高的一大原因。

當然，在這三點之外自動駕駛項目還有很多成本壓力，比如説測試成本、AI算力成本等等。至此，我們瞭解了一家車企的自動駕駛研發成本問題。而想要幫助自動駕駛產業跨越寒冬，良性發展，歸根結底也要從這些具體的問題入手，幫助車企降本增效，給冬天帶來温暖與力量。

點亮“降本增效”的爐火：自動駕駛路上的華為價值

整體而言，車企的自動駕駛之路已經來到了至關重要的階段，需要跨越必須經歷的冬天。這個時候，具有技術與解決方案優勢的企業，需要更多貢獻自己的價值，幫助車企降低自動駕駛的研發成本。尤其要避免車企大量進行重複造輪子的工作，將先進、可用的行業共性開放出來，降低車企的重複開發。

如上所述，車企的自動駕駛項目“成本膨脹”，具體分為三層：1.基礎設施成本激增。2.技術研發成本過重。3.適配自動駕駛新戰略的企業綜合成本拉昇。

想要解決自動駕駛項目“成本膨脹”的問題，也就不能頭疼醫頭，腳疼醫腳。而是需要從這幾個層級的需求綜合入手，整體化推動自動駕駛項目成本回歸合理。

在這種多層級、多目標的降低成本需求下，華為的價值優勢就顯現了出來。華為具有端到端的自動駕駛解決方案，集成了數十年積累的網絡、存儲、計算、AI、大數據、雲相關經驗。既可以解決企業在數字化基礎設施、技術獲取方面的難題，也可以幫助車企完成適配新階段、新目標的整體智能化轉型，最終從三大層面為車企帶來綜合的“降本增效”價值，幫助車企温暖這個冬天。

第一層，是數字化基礎設施成本的大幅下降。

以我們上面説過的數據問題為例。華為擁有業界領先的存儲技術，其先進的多協議互通技術，可以用一套存儲方案支撐全流程數據存儲，從而避免數據頻繁拷貝。這一點正好應對了自動駕駛的研發難題，車企可以藉此提升25%的研發效率，從而加速研發進程，降低整體成本。與此同時，華為的超高密度存儲，和對冷熱數據自動分級處理技術，可以有效降低20%的TCO成本。同時支持大帶寬和高OPS場景，更加符合自動駕駛研發海量數據的歸檔、整理、調用需求。

第二層，是幫助車企獲得成熟的自動駕駛技術與工具，儘量避免重複開發。

華為自動駕駛開發平台，可以帶來一系列自動駕駛工具與平台價值。比如其專屬雲合規採集測繪，可以幫助車企實現靈活算力調度，助力自動駕駛項目更加便捷、靈活地完成高精地圖測繪工作。

自動駕駛的海量數據，可能給車企帶來大量的人工標註、清洗數據難題。為此，華為自動駕駛開發平台提供海量數據快速、高效清洗與篩選能力。通過自動化數據標註實現低門檻、高效率的數據處理，性能高出業界20%。

車企獲得自動駕駛相關能力升級、服務升級的最短路徑，就是從雲服務平台獲取相關價值。為此，華為雲提供了一系列專注於自動駕駛能力的賦能與支持。比如説，AI算法開發是車企最大的技術挑戰，其門檻高、週期長、不確定性大。為此，華為雲提供一站式AI開發平台，可以大幅度降低平台搭建難度和成本，讓車企聚焦算法開發和模型訓練核心能力。

第三層，是幫助車企構建自動駕駛生態，進一步完成數字化轉型。

華為雲攜手產業各界，構建了生態開放的自動駕駛研發平台，開放了自動駕駛研發平台解決方案的開源代碼庫Ploto，支撐專業軟件服務商部署和對接，幫助車企快速準確找到相關技術與生態合作機遇。

通過整合華為的技術與經驗優勢，華為云為車企提供了8大關鍵能力，包括：數字化轉型經驗、智能製造能力、全球化經驗、云云協同能力、自動駕駛方案、安全合規方案、底層技術創新、以及開放生態合作能力。既能夠滿足車企的自動駕駛研發“降本增效”，同時也能夠幫助車企適應數字化、智能化的發展趨勢，提升產業效能。

在華為提供的端到端自動駕駛能力加持下，我們可以看到大量自動駕駛研發成本都有可能得到降低與節約。車企可以更加從容、高效地應對挑戰，更加篤定自動駕駛這條必然之路。

寒冬將過，萬里復甦。人類21世紀第一個偉大變革——自動駕駛的黃金時代，顯然就快到來。