智能驾驶行业的风向变化之快，令人咋舌。去年，特斯拉凭借BEV+Transformer和OCC占用网络等技术，引领了车企的技术追逐潮流。而到了今年，特斯拉的端到端技术又成为整个智能驾驶行业的标配，受到广泛追捧。
然而，令人意想不到的是，特斯拉这个曾经的“领路人”，如今却开始反过来向“蔚小理”等中国车企学习。特斯拉在北美发布的FSD V13版本，实现了“车位到车位”（Park 2 Park）的智能驾驶功能。而这一功能，最初是由华为提出的，随后理想和小鹏等车企也迅速跟进，将其纳入研发日程。在“车位到车位”功能的落地方面，华为、理想和小鹏已经走在了特斯拉的前面。
智能驾驶功能的不断迭代，也推动着行业对于算法的探索不断深入。从“一段式端到端”和“两段式端到端”两大阵营的竞争，到VLA（视觉语言动作）模型的横空出世，智能驾驶算法已经进入了2.0时代。车企们之所以在“车位到车位”和端到端智能驾驶算法上展开竞速赛，是因为这些能力已经成为能否进入智能驾驶第一梯队的关键。
然而，要迈过这一分水岭，除了追逐技术趋势之外，还需要在“冰山之下”的算力和数据方面下足功夫。因此，“蔚小理”等众多车企纷纷卷入了对算力和数据的“军备竞赛”。与此同时，腾讯等科技大厂也推出了智能汽车云相关产品，为智能驾驶训练提供云端算力。
随着算力和数据规模的不断增大，如何获取高质量数据，并使其更有效率和低成本地“流动”起来，以推动算法的快速迭代，成为整个行业亟待解决的问题。腾讯在这个问题上提出了自己的解决方案。早在2022年，腾讯就开始了对算力、数据和算法“冰山之下”基础设施的长期投入，并率先提出了“车云一体”和数据驱动闭环的概念。基于这一概念，腾讯在今年9月推出了“车云一体数据闭环”的解决方案，帮助车企和自动驾驶企业实现“冰山之上”功能和体验的进化。
腾讯智慧出行副总裁钟学丹认为，随着汽车进入“AI驱动”的时代，数据的质量和规模直接影响到汽车的智力水平，数据闭环能力成为汽车智能化的核心“增长飞轮”。英伟达自动驾驶负责人吴新宙也持有相似观点，他认为数据闭环已经成为实现高阶智能驾驶的必经之路，没有一家车企可以绕开。
“车位到车位”功能的出现，以及VLA模型的横空出世，标志着智能驾驶行业进入了一个新的阶段。特斯拉虽然在这个领域起步较早，但在“车位到车位”功能的落地上已经落后。华为、理想和小鹏等车企在这个功能上迅速跟进，将智能驾驶的竞争推向了一个新的高度。
为了提升智能驾驶的能力，车企们不仅在算法层面进行探索，还在算力和数据方面进行了大量投入。特斯拉通过建立名为“Cortex”的超算集群，支持FSD和Optimus的算法训练。而腾讯等科技大厂也提供了强大的云端算力支持，帮助车企和自动驾驶企业进行算法训练。
然而，仅有算力和数据是不够的，还需要建立车云一体的数据闭环能力。腾讯提出的“车云一体数据闭环”解决方案，就是要在车端和云端之间建立一个体系化的闭环，让数据在车端和云端之间高效流动。通过这一解决方案，车企和自动驾驶企业可以获取高质量的数据，进行高效的算法训练，从而推动智能驾驶技术的迭代和进化。
在数据获取方面，腾讯通过预处理加工过程，形成资料类的数据产品，直接用于真值训练。这大大提高了车企的智驾研发效率和降低了成本。同时，腾讯云向量数据库的检索式数据挖掘能力，也帮助车企在海量的数据中快速找到所需数据，进行算法训练。
地图数据在智能驾驶中也至关重要。腾讯通过融合不同精度等级的地图数据，打造出了智驾云图、轻高精地图等产品形式。这些产品可以提供更新更快、更灵活的地图数据支持，帮助车企在复杂的驾驶场景中做出更优的决策。
腾讯还为智驾行业开设了自动驾驶云专区，提供全栈数据与公有云物理上隔离的端到端和全程合规的数据训练闭环服务。这可以帮助车企和自动驾驶企业在数据处理、筛选、标准乃至之后的训练与储存上提供自动化的合规保护，大幅提升算法研发效率。
基于腾讯在车云一体数据闭环能力上的长期布局和优势，腾讯已经与蔚来、奔驰、长安、博世等100家车企与出行科技公司展开合作。腾讯的解决方案在行业内获得了广泛欢迎和认可。
智能驾驶行业的竞争已经进入了一个新的阶段，车企们不仅需要在算法功能和体验上进行比拼，还需要在“冰山之下”的基础设施能力上打下坚实基础。只有这样，才能真正推动智能驾驶“爱用”时代的到来，助力我国在全球智能驾驶竞逐赛中获得更大的胜算。
