智能駕駛市場規模已經進入高速增長時期。有數據顯示，2024年1-5月，我國L2級新乘用車滲透率突破50%。而端到端大模型等新技術的涌現，也將大幅推動效率提升，加速技術泛化。

當下，自動駕駛已經實現由規則驅動向數據驅動轉變，數據閉環能力將成為汽車智能化的關鍵。依托“車云一體”的數據閉環，形成“車端推理+云端訓練”的開發模式，將顯著加速模型及算法的迭代和進化。

如果將自動駕駛用一座冰山來比喻，在水面之上，是目前大家更關注的智能駕駛功能表現和安全體驗，而在水面之下，還涉及了大量的數據相關的收集、存儲處理和模型訓練等工作。這些“冰山之下”的平臺工具，是支撐上層算法和體驗不斷優化的關鍵底座。

近期，智駕網獨家訪談了騰訊智慧出行副總裁劉澍泉。劉澍泉表示，當前，云已經成為智能汽車的生產力。在智能汽車市場，騰訊專注提供好云、地圖、AI等工具和平臺。“我們更希望的是有人挖礦，而騰訊則是在淘金時代去賣牛仔褲、賣水，賺賣鏟子的錢。”

以下為對話實錄：

數據能力是智能汽車的關鍵

智駕網：騰訊智能汽車云被稱為行業首個針對智能駕駛打造的專有云。這個針對自動駕駛專門打造的云，和普通的云有什么區別嗎？

劉澍泉：我覺得其實最大的幾個區別：第一個，我們是針對于自動駕駛的合規。因為大家都知道，在中國做自動駕駛離不開數據，所有的數據又都和地圖相關，地圖又屬于測繪法所管轄的范圍。所以針對于如何去自動化的獲取數據、自動化的去處理數據以及更合理、合規的使用數據，整套的數據的生態鏈，是安身立命之本。我們可以做到整個自動駕駛數據流程里面的合規。

第二個區別，針對于自動駕駛所特有數據的一些高效使用。這些特有的數據，和手機的數據不一樣。自動駕駛的傳感器里邊所去產生出來的數據，不管是激光點云數據還是圖像點云數據，因為傳感器不一樣，所以它數據的種類不一樣，數據的形態不一樣，所以針對于這些數據，整個生命周期管理上面所需用到的存儲、查詢的數據庫以及后面去進行數據生命周期管理的工具鏈都不一樣。騰訊智能汽車云針對于整個自動駕駛特有的數據處理流程，進行了成本的優化。

第三點區別，是數據訓練不一樣。因為數據在哪訓練，算力就應該在哪。現在大家都在面臨的行業困難，實際上是屬于算力稀缺，我們如何能夠去把網絡、存儲、算力集合在一起。騰訊致力于去提供一個，應該說是AI infra的環境，在有限的資源里邊，幫助客戶獲取更大的算力資源，然后去提高整個效率。

智駕網：那這個算力解決需要像很多這個人工智能的算力一樣，會有這種芯片的稀缺性的問題嗎？

劉澍泉：也有。

智駕網：那咱們怎么解決呢？

劉澍泉：我們實際上是通過多種算力資源的補充去進行解決的。除了像我們現在用的主流芯片一些庫存以外，我們也在引進新的一些算力資源，我們也有一些替代性的國產芯片。同時，我們自己優化了我們的網絡架構，比如vRDMA這樣的一些網絡能力，能夠通過物理網卡模擬RDMA網卡的性能，然后去把整個的網絡和計算的配比做了更好的優化，能夠讓GPU運算效能提得更高一些。

智駕網：我看到今天咱們會分享一個觀點，就是說大家關注的自動駕駛、智能座艙體驗，可能只是冰山之上的一部分，而冰山之下的基礎設施能力、云基礎設施、工具鏈合規和地圖數據的能力、數據閉環的能力，決定了智能汽車的迭代速度。怎么來理解這句話？

劉澍泉：如果大家把時間軸推到10年前，我們再去看手機，或者說整個移動互聯網興起的時候，那個時候數據也是滿天飛。大家也都在說，今天芯片、算力，整個數據量有多大，但是我們那時候流行的有一句話叫大數據煉金，但是真正有多少人煉出金了嗎，對吧？存活下來的主流的廠商其實是非常少的，那個時候我們會發現練內功才是很重要的。也就是說，今天芯片你只要有足夠的資本，沒有政策法規上的這些限制的話，基本上都可以買到，你在同一個起跑線上。

然后，數據的部分，你能采了我也能采，大家也在同一個起跑線上，那你的差異在哪？有很多人認為是算法上的差異，但是今天有了Transformer以后，你會發現，數據加上算力的暴力破解以后，其實算法上的差異也沒有那么大。所以當大家差異都不大的時候，你會發現內功反而是最重要的，也就是我如何用一套軟件的服務能力，去把我整個的效率給它提升起來。

我們都需要芯片，也都需要數據，但是我怎么能夠用一套工具鏈，能夠快速的獲取數據，能夠快速的把最有價值的數據去把它提取出來。我如何快速的進行這種場景分析，去進行模型迭代，就是企業長久競爭的最根本的東西。MLops就是基于這個machine learning（機器學習）里面的這一套的操作系統，那它有的叫數據飛輪，有的說我需要數據閉環這樣一些系統,它的核心就是，我如何更快速地獲取數據去完成模型的迭代，然后去把更新以后的算法下放，這樣一個過程。

你的迭代的效率越快，你越能夠去領先市場，但是你要想迭代起來的時候，你是需要整套的工具鏈出來的，這套工具鏈就是從最開始的，我剛才所說的數據獲取到模型評價到模型下發的整體的過程。

智駕網：行業老有靈魂和軀殼論，智能駕駛的靈魂，那是不是就意味著掌握在你的手里頭？

劉澍泉：我認為這個不對，因為今天來去看的話，什么是靈魂、什么是軀殼？其實騰訊所去扮演的，實際上是提供了一個更通用的框架，然后每一個人都會在基礎的框架上面去做調優。這就好像是你用了LLaMA開源大模型，你去建立一個對話機器人，你一定會根據你的語言特性、你的用戶特點去進行調優的。我認為這個調優的過程，它會是靈魂的過程，而這個通用的東西，其實它是一個開源的環境所去建設的，因為它解決的更通用的一個問題。

智駕網：感覺騰訊在汽車云這個領域布局非常大，咱們內部評估過，它的市場容量達到什么規模呢？

劉澍泉：我們其實兩三年前，有了一個淺淺的規劃，我認為應該在25年的時候，整個在市場應該是一個百億級左右的這樣一個規模。

智駕網：每年百億級？

劉澍泉：對，然后還會持續往上去，還會往上去漲，我感覺可能今年就應該能夠達到這個級別。

智駕網：那五年之后會達到什么規模？

劉澍泉：這個不好預計，今天大家已經走到了一個端到端的這樣的架構，也就是說，通過數據驅動來去解決今天自動駕駛的長尾問題，然后再去解決自動駕駛的泛化問題。越來越多的這些車企再去走到這條路上來，實際上是對于數據的訴求以及對于算力的訴求，會是比較爆炸式的增長。所以今后5年確實不大好說，我認為肯定不是線性的，而是指數級的。

騰訊不造車、不做硬件、專注提供云和地圖

智駕網：現在業內有這種共識，就是生成式AI和端到端正在重塑智能駕駛，就這些技術的變化對咱們推出業務，比如說云端存儲、算力和網絡能力的要求，相比以前會有什么變化沒有？

劉澍泉：這個變化還是非常大的。如果把時間軸再推回到2020年或者2019年左右，那個時候其實在國內也有很多自動駕駛企業基本上都是在強調端上的能力，每家都在說我的計算平臺是什么，我今天實現了什么樣的功能，甚至有的說你看我的實時成圖做的多好。但是今天來去看的話，其實端上更多的是一個蒸餾好的一個小模型放在上面，而整個模型的大模型的訓練，都是在云端去完成的，所以這一塊它的變化是非常大的。

那個時候是做這種以規則型為代表的這種自動駕駛，其實在云端的算力訴求并不大。今天來去看的話，對于任何一家做端到端自動駕駛的這個企業，在云端的訴求都是巨大的，可能這個企業十年的花費，才能夠頂現在一年的花費。

智駕網：剛才說的這個100億市場規模，我們理解就是和造車的基數不是一個級別。但是騰訊過去兩年不斷向汽車行業喊話“不造車、不做硬件、不做自動駕駛全棧算法”，不造車、不做硬件能理解，為什么不做自動駕駛這個全棧算法？這是出于什么考慮？會不會錯過這個具身智能這個時代機遇？

劉澍泉：那這個就是剛才你說的，靈魂和身體之爭，我們如果做了這個算法，那不就跟別人去爭靈魂了嗎？就是今天我提供的，還是基礎的資源，不管是算力也好，還是數據也好，還是地圖也好，這些都是最基礎的這一層。最基礎一層抽象完了以后，包括我的供給鏈都是抽象完的東西給到你，但是在上面最后去畫龍點睛這一筆實際上是每家特有的靈魂。

也就是說，比如說您是A車企用戶，可能他的性格就是屬于開起來以后比較猛，喜歡超車。那我是B車企的用戶，我的特點可能就是屬于比較平穩。實際上，算法它會根據你的特點、你的車主畫像去進行調優。這個算法調優的過程，騰訊是不碰的。

智駕網：邊界也確立的特別明確。

劉澍泉：對。

智駕網：我們看到，部分車企在為L3的落地進行準備，國家相關部門也在進行法律法規的準備。騰訊智能汽車業務有沒有對未來到來的L3的事故認定、法律法規的這個界定，有沒有進行類似的測試和準備？

劉澍泉：我們現在是這么去考慮L3這件事情，L3它實際上可能和L4的難度比起來，可能還會再大一些。因為L3里面，它是要求在事故產生的時候，有一個責任人能夠去接管這輛車。但是在事故產生的時候，人還能夠有能力去接管嗎？如果人不接管的時候，就是在責任認定上面特別大的一個難度。比如說像剛才所說的L3的路段，我們可以在騰訊地圖上面就把它明確的標示出來，給法律、法規界定的時候提供數據依據。包括軌跡的判定，這些我們都可以做，但是剛才所說的故障怎么認定，這個過程可能騰訊做不了。

智能汽車操作系統也可以建立在云端

智駕網：現在包括這個車企開始很多在自研“全棧智能汽車操作系統”，就是打造一個涵蓋智駕、智艙和智控的操作系統，這樣系統有可能會建立在云端嗎？因為很多年前，其實在PC端有一個提法，就像谷歌曾經提出采用云操作的PC。在智能汽車時代，可能車企把它的云操作系統放在咱們騰訊的云上，這個未來可能存在嗎？

劉澍泉：這個是有可能存在的。因為操作系統這個定義其實非常的廣泛，有很多事情最后都會演變成這是一個操作系統。操作系統最核心的定義，它實際上是兼容所有的這些硬件，然后對于上面的軟件這一層的話提供一個通用的接口，你可以去調用，在上面可以去構建應用生態，所以這是最經典的這樣一些描述。

今天你的任務調度應該怎么去做，然后你的存儲應該怎么去做，打造全棧的這種智能汽車的操作系統，這件事情如果，它只可能發生在云端去定義。因為你要去定義這些東西，就是剛才所說的智艙、智駕然后加上智控，這些所有的東西，你只要去升級、只要去優化，都會涉及到云端。你只是在車端把你的當時的這個版本，把它下載下來就可以。

智駕網：但其實PC的這個云端的操作系統這么多年沒有實現。

劉澍泉：PC的操作系統也不能說沒有實現吧，它實際上是共融的過程。今天我們來去看的話，有多少人在用Google Doc,有多少人在用騰訊文檔,如果大家拋開了比較狹義的說法，什么叫PC、什么叫云端，其實我們和云端操作系統，這種親和度已經非常高了。

舉一個簡單的例子，今天你寫文檔的時候，用云端文檔才會有一個高效協同的效率。如果你用桌面端郵件，它永遠會有一個郵箱的上限，你用云端的郵件的話，它是無限的，而且它也不會丟。不會說因為你的這個PC壞了，你的郵件就丟了。

其實我們現在是處在，一個沒有人再去把這個口號翻過來再去看的一個過程，我們其實已經默認接受了。其實在這里邊有一個很重要的玩家叫微軟，微軟應該是在PC時代最受益的一方，Windows、office，這些都是PC時代最大的一個產物，但是今天不管是Windows也好，還是office也好,是不是全部云化了。

智駕網：你再回到這個智能駕駛，就有種說法像無圖啊、端到端啊，這種智駕都是通過增強車端的感知能力和計算能力來實現的，和咱們強調的汽車智能云，強調云端安全和算力，這個趨勢上是不是有點相悖呢？

劉澍泉：我認為這個沒有背離。你車端算力越強，對于云端的這個訴求也是越強的，它是相輔相成的。就是我車端算力越強的時候，我能夠承載參數越大的模型，那這個參數越大的模型從哪來的，它絕對不是單車訓練出來的，對吧，它一定是云端訓練出來的，所以它對于云端這一塊，那我需要一個更大參數的模型的時候，那是不是需要算力更大，然后它需要的數據量更大，所以它是一個相輔相成的過程。

智駕網：其實核心的就是，單車智能的這個能力提升和云的能力提升是一個相輔相成的。

在智能汽車市場“淘金”， 騰訊只賺賣鏟子錢

智駕網：騰訊幫助中國汽車出海，很大的一個業務就是完成這個合規這條線。目前這個咱們中國汽車出海的幾個市場，就關于合規和中國本土的這個合規有什么不同嗎？

劉澍泉：每一個地方都不一樣。其實所謂的合規，就是每一個地方都要單獨的去解讀，我們在出海的過程中也是針對于中國客戶的一些訴求，以及我們自身在海外本地的業務成熟度，聯合我們一些本地的合作伙伴去做一些在云之上的一些合規處理。

可能當地的政府對于這些中國車的到來，也有不同的訴求，有的地方可能希望你越智能化越好，有的地方希望你今天能夠替代燃油車，能夠讓人開就好了，其實這個里邊就會針對不同的訴求去提供方案。

實際上首先騰訊云是一個基礎，騰訊云會做到基礎合規，比如說我在歐洲開服也好東南亞開服也好，我們是保證了云首先是滿足了歐洲的、東南亞的、中東的對于云這一層的基礎合規，然后再往上來去看今天你要去做到汽車領域里邊的，其實這是行業合規。行業合規的話我們會找到當地的合作伙伴，跟我們一起去梳理這些行業合規應該如何去做，然后再往上的話應用合規，那就是誰去建設這個應用？誰擁有這個應用？誰要去承擔這個合規的這樣一個責任，所以其實是幾層。

智駕網：騰訊擔不擔心在智能汽車時代可能不會出現一個像手機時代微信這么一個全民應用的這種程序，而在這個智能汽車時代隱藏在幕后這種感覺有沒有擔心的？

劉澍泉：我們并不擔心，騰訊做“數字化助手”的角色是非常明確的，我們更希望的是在淘金時代有人去挖礦，我們去賣牛仔褲、賣水，賺這個賣鏟子的錢。

智駕網：你怎么評價這段時間以來云在對智能汽車行業的一個影響。

劉澍泉：今年來看的話，如果正經算云計算的話，我從業十年。我認為云對于這個領域的改變，實際上才剛剛開始。因為云它實際上是一個迭代效率的象征，我們很多的東西，如果沒有云計算，其實也能做。就是你今天要算力，你可以買機器，你今天要數據，可以采數據，你今天說我要交付資源，我可以買網絡，但是云它實際上是改變了一種計算的交付形式給到了客戶，然后把這些問題簡化了，簡化完了以后提高的是效率，就是原來我可能半年辦成的事，今天我一天就可以辦成了。

如果我們說開通一個云計算服務，我可以現場購買、現場使用，這就是效率的區別，當有這個效率區別的時候，你就會發現企業最后的競爭就是效率，你效率越高你的企業迭代越快，你的盈利能力就越強，所以我們回到原來有一句話叫做：天下武功唯快不破。這個“快”實際上解釋成這個標準的話，就是效率，效率越高你就越能夠生存下來這是我的觀點。