从「BEV+Transformer」成为公认的算法架构开始，算法壁垒其实在被逐渐打破，曾经神秘的端到端范式，也在一点点揭开技术面纱。

  以蔚小理为代表的新势力车企躬身入局，华为、博世等供应商们也纷纷亮出了端到端智驾大模型。

  可以看到，各家都到了端到端模型的落地阶段，这时比的是谁迭代速度更快，谁上车体验更像「老司机」。

  英伟达无人驾驶负责人吴新宙认为，数据闭环慢慢的变成了实现高阶智驾的「华山一条路」，没有一家车企可以绕开。

  车端与云端形成闭环，车端将数据反馈给云端，在云端集中进行无人驾驶模型的训练与仿真，再把模型数据发回车端，进行 OTA 部署及更新，两端进行协同互补，由此完成了智驾技术的迭代与进化。

  而端到端的技术架构，从感知到规控端串联成一整个 AI 神经网络，要让 AI 像人一样思考、决策，则意味着云端的训练数据足够大且精，算力足够大，算法足够强，否则泛化性、准确率和召回率就难以保障。

  这也意味着，在AI 定义汽车的时代，智能化竞争的重心，集中到了车端到云端的数据闭环上。

  往更深层次着眼，数据闭环的落地，又需要强大的工程化能力进行支撑，即数据从采集、传输到存储、训练、优化的全流程环节，要形成一套完整的技术体系与工具链。

  由此，围绕这条自下而上的方法论，智驾玩家们都开始从基本的建设着手，与云服务商在「相辅相成」的关系中紧密绑定。

  比如，博世近期就宣布与腾讯深化战略合作伙伴关系，在无人驾驶公有云、专有云领域开展进一步合作。

  近两年，国内智驾肥沃的土壤，已经生长出不少技术、量产能力过硬的智驾玩家。

  一是市场竞争残酷，在国内智能驾驶、智能座舱领域，它至少面临 200 个竞争对手；

  二是容易水土不服，这家以硬件著称的老牌企业，到达了用软件厮杀的新赛道，要重新建立优势。

  比如在组织架构层面，为顺应「软硬全栈」的发展的新趋势，博世成立了智能驾驶与控制事业部，在年初，又整合成「博世智能出行集团」，正式在软件领域走上正轨。

  当然，博世也并非完全从零开始，百年积攒下的工程化思维已经构建成量产能力，它需要的是在软硬件适配基础上，先搭建出高阶智驾的方案体系。

  在底层能力建设上，博世则找到了腾讯，为其搭建了一条稳定、完整的开发工具链。重点是，依托腾讯提供的云与合规一体化方案，攻克了数据合规难题。

  对于这家德国企业而言，合规问题一直贯穿数据采集、处理、训练、存储的全链路，相关法规要求也愈发严苛，由此，从腾讯借力是一个有效方式。

  腾讯在这方面，本身有图商资质兜底，同时独家开设了华东、华北两地的无人驾驶云专区，专门为无人驾驶开发创造了一个端到端、全程合规的数据闭环服务。

  博世智能驾控事业部中国区总裁吴永桥表示，腾讯相当于充当一个警察角色，帮助其在数据处理、筛选、标注等工作上完成了合规任务，很大幅度提升了开发效率。

  目前，博世已经取得了第一阶段成果，用 18 个月时间，将高阶智驾方案量产部署在奇瑞星纪元车型上。

  按照博世规划，下一站是继续沿着模型轨迹，量产两段式端到端后，在 2025 年过渡到一段式端到端方案，最后在 2026 年完成世界模型的搭建。

  在这个过程中，对于数据、算法、算力的需求愈发增强，换言之，博世需要更强大的底层工具链进行稳定支撑。

  吴永桥认为，未来端到端大模型走多快，多远，比拼的重要的条件是高质量的数据。

  对于智驾供应商而言，数据资源更是极为可贵，因此，不仅要采集并积累大量、有用的数据，还要让这一些数据得到高效利用，以满足快速迭代的算法训练需求。

  这意味着，博世需要从底层工具链上，构建起对这一些数据资产的管理能力，即如何对数据来进行有效分类、调度、训练。

  在腾讯的存算一体解决方案中，提供了相应开发工具。数据提前被分类为热点、非热点，然后储存在不同的程序中，可以被系统迅速调度出来并使用。

  这样下来，既保证了极致的响应时延和成本优化，助力训练任务充分释放出 GPU 的算力，又保障了高带宽和超大的容量需求，让 AI 训练可靠、高效。

  博世还通过腾讯云向量数据库，对海量的图片、视频、点云等非结构化数据来进行快速、准确处理。

  比如，在无人驾驶系统把车尾灯倒影判断为障碍物，导致没办法行驶的场景下，通过一张简单的截图来提取关键特征，基于图像检索就可以从腾讯云向量数据库中几乎即时地搜索到大量相关的数据，极大的提升了博世算法团队算法优化的效率。

  需要强调的一点是，腾讯在与 Tier1 博世的合作中，专注扮演好了 Tier2 的角色。

  腾讯智慧出行副总裁刘澍泉在采访中表示，腾讯云偏向于提供通用技术，比如在数据清洗层面模糊敏感信息，而博世靠近业务领域，在仿真训练等方面有更精深的理解，双方始终做好相互配合。

  基于此，博世能够在与腾讯 1+1 大于 2 的合作伙伴关系中，迅速跟上国内端到端技术浪潮，完成高阶智驾的关键一跃。

  在高精地图时期，图商往往仅需交付出一个「黑盒子」式的方案，供车企、智驾供应商量产上车，但成本高、鲜度低、覆盖度低，已经不适用于城区智驾。

  并且，随着从「BEV+Transformer」再到端到端的技术架构演进，车端感知能力随着模型训练不断强化，这在某种程度上预示着对于高精地图的依赖会大幅度弱化。

  因为无人驾驶的根本任务不会改变，即从 A 点行驶到 B 点，这注定离不开地图。

  只不过，智驾玩家们对于地图的需求，转变为依赖怎样的地图，以及依赖程度有多深。

  吴永桥提到，目前在测试很多无图方案过程中，都会发现「复杂路口车道识别困难」的问题。

  这可以总结为两个方向，一边是在云端层面提供更强大的算力支持，供模型完成优化训练；一边是给地图加上「补丁」，满足无人驾驶地图数据实时更新的需求。

  这也指明了，从高精地图到无图的过程中，存在一些中间状态，一定要通过轻地图方案进行过渡，增加安全冗余。

  腾讯最大限度地考虑到了这点，首创「一张图」地图生产模式，即融合标准地图（SD Map）、辅助驾驶地图（ADAS Map)、高精地图（HD Map)等不同精度等级的地图数据，做到数据同源、质量同级，把数据资源放到一个池子内消化、更新。

  先看HD Air 轻高精地图，它介于导航地图与高精地图之间，保留了城区智驾所需的基础要素，卸下了很多不必要的地图数据负担，更轻量化表达，降低建图成本。

  同时，在更新频率上保证周级更新，通过提供实时准确的数据，帮助敏捷应对快速变化的城市场景。

  基于云管端的模式，智驾云图能结合动态交通信息、环境信息、用户驾驶经验和车企自有数据资产，进行云端多程建图，实现要素级、最快分钟级的在线更新。

  这种云图能力，能配合车企、智驾供应商完成无图方案的整体构建，帮助端到端大模型在各种极端场景下稳定运行。

  某种程度而言，当「轻图」、「无图」成为进入智驾第一梯队的入场标准时，行业愈发看中图商技术创新、数据管理、合规保证的能力。

  因此，腾讯在该层面积攒的经验已经转化成了优势。博世也将凭借腾讯云图一体的能力搭建底层桥梁，将「端到端+无图」方案快速推向市场。

  吴永桥认为，在智能化下半场，10-15 万的车没有高速 NOA，必然不会有消费者愿意购买。他预测，中阶智驾在 10-15 万市场占有率将很快达到 60%。

  这种渗透速度，基本指向了一场车企、智驾供应商之间的竞速赛，关乎模型迭代、量产上车、性能体验。

  实际上，从开城到无图，再到端到端浪潮，带来的不止于技术洗礼，还有对基础结构乃至组织层面的重塑。

  比如博世、小鹏，都在组织层面进行统一动作，即将算法团队一分为二，一部分团队专注算法研发，另一部分专注工程化落地、交付。

  端到端技术路径让数据驱动成为共识后，各家都在最大限度调度资源，试图掌握更多的算力、数据、算法筹码。

  开发理念慢慢的出现分歧，一种是基于巨人的肩膀做创新，另一种是重新造一个巨人的地基。

  尤其是高效，刘澍泉认为，企业最后竞争的是效率，企业效率越高，迭代的越快，盈利能力越好。

  因此，通过与云服务商的合作，无人驾驶企业能够在开发层面获得大量的计算资源，以供数据存储或训练。

  某种程度上，「开放」一词放在腾讯身上，意味着生态共享，包括腾讯云、腾讯地图，甚至微信关联的智能座舱，都将被进一步融合在一起，提供给智驾企业更深度、广泛的服务。

  最新数据是，腾讯云合作已覆盖超过 100 家车企和出行科技公司，其中，有九成车企首选腾讯作为汽车云服务伙伴。

  刘澍泉直言，以腾讯云为代表的云服务商，正身处于百亿级别的蓝海，市场空间呈指数级不断扩大。

  当智驾进入白热化竞速阶段，马太效应也会愈发强烈，再回归到效率、成本、体验的三角关系中，对于车企、智驾供应商而言，选择稳定、合适的供应链伙伴，往往代表了一种更可观的经济效益。

  毫无疑问，汽车上云，扩充并强化「冰山之下」的底层技术储备，将成为未来「冰山之上」智驾显性能力的决胜关键。