导读：

去年以Argo AI公司的破产为标志，自动驾驶行业遭遇了“寒冬”，但这一挑战反而促使行业内企业回归根本，专注技术研发与产品打磨。今年，随着人工智能、半导体等关键技术的进步，自动驾驶领域正步入一个新的转折点。

自动驾驶行业的复苏迹象

尽管整个行业面临冷却，但在特定的应用场景中，自动驾驶技术仍在稳步前进。当前，自动驾驶已在矿山开采、港口作业、仓储物流以及城市（园区）环卫服务等领域实现商业化应用，并取得了一定规模的落地成果。例如，华为煤矿军团于2022年推出了面向露天矿山的全自研无人驾驶解决方案，已成功实现商业部署。

乘用车领域的进展

在乘用车领域，梅赛德斯-奔驰已在其车型中引入L3级自动驾驶系统，并在美国和德国获得了官方认证。预计到2025年，包括全自动停车、全高速自动巡航在内的L3级及更高级别的自动驾驶功能将在大众市场普及。

不同国家的发展路径

美国倾向于采用单车智能策略，通过摄像头、雷达等设备与高效算法提升车辆的自动驾驶能力；而中国则侧重于车路协同，将自动驾驶汽车深度整合进由“云-网-端”构成的智能路网系统，以此保障车辆的安全行驶。

政策与标准的引领

7月，工信部与国家标准化管理委员会联合发布了《国家车联网产业标准体系建设指南（智能网联汽车）（2023版）》，旨在构建与国际接轨的智能网联汽车标准体系，被视为智能网联汽车的“新国标”。

商业化落地加速

多个城市正在积极推动自动驾驶的商业化进程。北京已启动智能驾驶车内无人商业化试点项目；上海浦东新区向多家企业颁发了无驾驶人智能网联汽车道路测试牌照；深圳有望发放首张智能网联汽车正式号牌，并核发首张智能网联汽车出租车道路运输许可；苏州则开放了国内首个满足车路协同式自动驾驶等级的全息感知智慧高速，实现L4级别自动驾驶。

大模型在自动驾驶中的角色

在自动驾驶回暖的过程中，生成式人工智能的应用备受期待。特斯拉正在组建本地团队，推动其自动驾驶解决方案FSD在中国市场的落地，FSD V12版本采用了基础模型训练技术。百度、阿里、科大讯飞等国内大模型企业亦与汽车制造商合作，将其产品集成至智能汽车中。

智能汽车与AI的深度融合

对于自动驾驶来说，数据驱动是关键。大模型在智能汽车中的应用旨在解决自动驾驶的泛化问题，即面对未知情况时的应对能力。与人类学习驾驶时的通用能力相比，现有的自动驾驶训练缺少知识迁移能力。而大模型的应用可能有助于弥补这一不足。

芯片算力的需求

随着自动驾驶技术的演进，对芯片的算力需求日益增长。英伟达中国区汽车事业部总经理刘通指出，实现车端大模型部署，至少需达到300～500TOPS的算力水平。

正确的汽车架构设计

实现自动驾驶并非单纯依赖AI技术。恩智浦半导体执行副总裁兼首席技术官Lars Reger强调，正确的汽车架构设计应包含各种功能，如连接、信息娱乐、动力系统、车身电子、车内温控、驾驶辅助系统等，确保各子系统间的协调与兼容性。

迈向AI定义汽车时代

小鹏汽车嵌入式平台总经理余鹏预测，未来十年将是AI定义汽车的时代。这一时期将聚焦于大模型、云原生、数字孪生、城区领航辅助驾驶以及中低速L3/L4级别的自动驾驶技术。实现这些功能，需要强化软硬件协作，构建繁荣的产业生态。当前，汽车的电子架构正朝着中央计算+区域控制的方向发展，需要软硬件协同设计以实现开放性。

结论

自动驾驶行业正经历从技术探索到商业化应用的转变，AI技术的融入为这一过程注入了新的活力。未来，随着政策支持、技术创新与市场需求的共同推动，自动驾驶将逐步成为汽车行业的标配，引领出行方式的革新。