上世纪90年代的上海，第一辆桑塔纳轿车驶下生产线，那是中德合资的产物，风头一时无两。那是“市场换技术”的代表作。随后更多国际汽车品牌进入中国，合资品牌成为中国汽车市场的主导者。
弊端逐渐暴露。外方以保证汽车质量为由，对合营公司的技术研发采取了严格的控制策略，合营公司对汽车没有修改权，所有国产化过程中的问题都需要经过外方批准。至1990年，中国几个主要合资品牌汽车的国产化率最高为60%，最低不过13%，远远低于预期。
市场让出去了，技术却没有换回来。而且，跨国车企热衷将过时车型投放到中国市场进行倾销。于是，技术被控制，市场被瓜分，利润被分走。中国汽车一度陷入茫然。
直到新能源汽车出现。避开传统燃油车技术壁垒，中国新能源汽车聚焦电动化、智能化(智能辅助驾驶、车联网)，以科技体验和性价比打破品牌认知惯性，快速抢占市场。而国外品牌受制于燃油车包袱、供应链依赖和转型迟缓，被中国借助产业革命窗口期实现弯道超车。
2024年，全国新能源汽车保有量达到3140万辆，从年产百万辆，到成为全球首个年产突破1000万辆的国家。曾经被诟病“低质廉价”的中国品牌，如今在全球电动车市场独占鳌头。
所以，市场并能换来技术，恰恰相反，只有自主掌握技术，才能赢得市场。市场之争，本质上是技术领先之争。
而今，对全球汽车产业来说，又迎来了新的战场：智能辅助驾驶。
弯道再现
汽车产业正经历从电动化向智能化跃迁的关键阶段。2025年上半年，中国L2级及以上智能辅助驾驶装车率达到67.8%，智能化成为产业核心驱动力。
“我们迎来了第二个弯道——智能辅助驾驶，但这次的赛道更加艰险。”中国汽车产业从业者秉持相似的观点。
然而，面对L3级有条件智能辅助驾驶的更高要求，EB级数据的采集与管理如同大海捞“帧”;百Eflops算力的需求让最先进的服务器都喘不过气;模拟百亿公里级的测试场景来验证系统可靠性;未来千万辆智能汽车同时运营的安全保障;还有技术生态的持续创新与协同......这些都是横亘在“智能辅助驾驶技术超车”道路上的崇山峻岭。
曾经的学生，现在成了老师的竞争对手，中国汽车从追赶者变成了领先者，中国汽车产业要付出更多，才能保持领先。
于全球市场观察，海外汽车产业已将智能辅助驾驶视为未来产业竞争的“制高点”。美国通过《自动驾驶法案》加州、内华达州等开放全无人测试许可，联邦政府将智能辅助驾驶纳入国家交通战略。
欧盟以《通用安全法规》强制新车标配L2级辅助驾驶功能，并设立专项资金支持L4级技术研发;日本通过《道路运输车辆法》修订加速L3/L4商业化;韩国政府投资千亿韩元建设智能交通示范区。
传统车企如丰田、大众、通用等，每年投入数十亿美元研发预算，通过自研或合作方式构建技术壁垒。互联网巨头谷歌、苹果和亚马逊也在跨界，以AI和数据优势切入，倒逼传统车企转型。更别提车载芯片、激光雷达、高精地图等，各个环节都有强敌环伺。
弯道来了，但不知超车的会是谁?
为什么需要云
智能辅助驾驶时代，传统汽车产业的竞争维度从机械性能、供应链效率，转向了以数据为燃料、以算法为引擎、以云平台为底座的智能化角逐。
车百会研究院副理事长、车百智库研究院院长师建华表示，随着汽车与AI技术深度融合，汽车行业对AI算力需求显著提升。辅助驾驶技术快速迭代，推动了对灵活可调配的集中式云端算力的指数级需求增长，该领域已成为全国云端算力市场中仅次于大模型的重要增长点。车企AI化转型不断深入，正驱动算力加速上云，逐步构建起企业在AI时代的核心资产。
智能辅助驾驶催生了车企上云的需求，云端算力也反向推动了智能辅助驾驶的进化。以数据为例，为提升汽车的智能化水平，车企不断加大车上感知终端的精度，摄像头像素从800万提升到6400万，汽车端产生了大量的数据。
同时，智能网联汽车的销量预计年底增加到500万辆，大量汽车每日行驶在路上，持续产生数据。为了让车载模型更智能，模型参数也从十亿级演变到千亿级，从端到端向VLA(视觉语言动作)和世界模型转变，这进一步加剧了数据量的增长。
车企积累的数据将从PB级到EB级。
以智能辅助驾驶的corner case场景为例，路上突然掉落一根钢管，汽车能否智能避障等，这些场景数量众多，汇聚起来可达几千万个，它们都需要被模型进行训练，以实现合理地感知、预测、规划和控制，需要澎湃的算力来支撑训练集群。
未来，汽车很快要从L2级向L3、L4级智能辅助驾驶演进。在这个过程中，对于模型的要求是能够快速沉淀每天路上遇到的难例场景，及时进行训练，明确模型的更新方向，并且模型更新周期将以天为维度。这对算力的实时性和充足性提出了极高的要求。
车端算力越来越难以满足上述日益增长的智能化需求。为解决这一问题，车企有不同的投资方向，一种是在车上放置两块芯片来增加算力，但是如此一来整车成本上涨了25%，另一种则是寻求外部算力支持。
相较之下，车载芯片一旦固化，其算力上限便被锁定，无法跟上算法模型和业务场景的快速演进，而云端算力具备近乎无限的扩展性和强大的迭代灵活性，可以不断集成最新、最强大的AI计算芯片，车辆在整个生命周期内都能持续获得全球领先的算力支持，无需更换硬件即可享用最新、最复杂的智能辅助驾驶和智能座舱应用，真正实现“软件定义汽车”的愿景。
中国知名的智能辅助驾驶辅助企业引望，就大量使用了华为云的昇腾云服务。据了解，引望使用云上算力已支持100万辆车智能飞驰，以目前比较典型的停车场景为例，通过链接云端算力，一方面将难例泊车成功率提升15%，另一方面借助云端大模型辅助优化端到端泊车效率，用户可以获得更好的体验。
系统性超越
第一次弯道超车解决了汽车的“心脏”和“身体”问题，实现了动力系统的跨越，这不是简单的市场胜利，而是一场由技术自主创新驱动的、从追赶者到并跑者甚至领跑者的系统性超越。
那么，第二次弯道超车则是要赋予汽车“大脑”和“神经”，实现决策能力的领先。这场竞争的核心，已经从硬件的制造转向了软件的迭代和数据的驱动，其根基正是以云计算为核心的自主创新体系。
智能辅助驾驶的本质是“实时感知-决策-执行”的闭环，其背后需要处理海量多模态数据(摄像头、雷达、激光雷达等传感器数据)、训练复杂深度学习模型(如BEV感知算法、路径规划模型)，并实现低延迟的云端协同控制，云计算平台的能力直接决定了智能辅助驾驶系统的智力上限。
因此，华为将其在通信、云计算、芯片等领域的深厚积累凝结，为每一辆车提供全栈智能解决方案，最终以华为云CloudVeo智能驾驶云服务的方式输出。
华为自 2009 年启动车载模块研发，2013 年布局车联网实验室，多年来持续深耕智能汽车领域并加大投入。截至目前，华为已居中国汽车云服务提供商前列：全国超 100 万辆智能辅助驾驶车辆在华为云上飞驰，5000 万辆智能网联汽车由华为云提供服务。IDC数据显示，2022-2024年，华为云已连续三年位居中国汽车云市场份额第一。
这也表明，中国汽车产业有机会将本土市场规模和场景复杂性的劣势，转化为数据优势和迭代速度的优势，云厂商的核心竞争力也在于此。
以算力为例，英伟达专为中国市场定制的H20芯片爆出存在安全后门，芯片安全保障及数据主权存疑，没有一家车企希望自己受制于人。华为云CloudMatrix384每卡性能可达英伟达H20三倍，是更适合智能辅助驾驶模型训练的算力平台。实际测试结果显示，在E2E、VLA模型上，华为云CloudMatrix384超节点性能已超过H100。
相对车端算力，云端算力普遍延时高，华为云的做法简单直接却又对资源投入要求高，华为云贵安汽车专区正式上线，与乌兰察布专区、以及未来的芜湖汽车专区相呼应，华为云即将完成业内首个三专区上线，每一个汽车专区承载着成千上万台服务器，支撑着毫秒级的服务。
车离云越来越近了，在华为云的汽车专区上，智能既可以在训练之后涌现，也可以无时不刻提供近似于本地的体验，车云时延大幅降低60%，可用性达99.999%，智能辅助驾驶体验也更流畅、更可靠。
刚刚经历重组的“新长安汽车”早已与华为云展开深度合作，华为云支撑了长安汽车智能辅助驾驶模型的高效训练，双方已进行了VLA、端到端等多种智能辅助驾驶模型的适配。此外，长安天枢智能辅助驾驶背后是CloudMatrix384超节点，长安也是首个应用该超节点、以国产算力开展智能辅助驾驶研发的车企。
造一辆好车，还是运营一个能持续学习、不断进化的智能系统，更多车企都看到了中国汽车的未来，基于云原生平台、以数据为燃料、以AI算法为引擎的全面竞争，大幕掀开。
从仰望西方技术到自主创新引领，中国汽车产业走过了曲折而辉煌的道路。那些曾经的技术壁垒，正在被一一攻克，那些曾经的梦想，正在变为现实。
来源：环球时报 |
