2024年，汽车行业的史册上将被镌刻下浓墨重彩的一笔。这一年，智能驾驶技术从基础辅助跃升至高阶智能，成为各大车企竞相追逐的焦点。
在武汉的街头，萝卜快跑自动驾驶出租车吸引了公众的目光，与此同时，特斯拉的无人驾驶出租车Robotaxi也揭开了神秘面纱。中美两国企业在智能驾驶赛道上全速前进，展开了激烈的竞争。
地平线、黑芝麻智能、文远知行、小马智行等智能驾驶领域的领军企业纷纷启动IPO进程，“端到端”自动驾驶算法得以落地。城市NOA、大模型、车路云协同、自学习、数据闭环等技术不断加码，各企业在智能驾驶领域初步确立了自身的地位。然而，巨大的路线分歧也随之浮现，纯视觉与激光雷达、端到端一段式与两段式、单车智能与车路云协同等技术路径的争议，将智能驾驶行业推向了选择的十字路口。
智能驾驶的发展历经多个阶段，从早期的硬件堆砌、单纯比拼单车感知硬件与智能驾驶芯片算力，到人海战术阶段对开城数量的竞争，如今已进入AI驱动的高阶智能驾驶时代。2024年末，大部分主流车企已经实现了无高精度地图全国行驶的能力。而第一梯队的玩家，则从以规则为主的算法框架，向以神经网络模型为主的新架构切换，即“端到端”技术。这一技术标志着车辆智能化水平迈入了全新阶段。
“端到端”大模型的引入，改变了传统智能驾驶系统的模块化架构。传统架构中，感知、预测、规划三方分立为独立模块进行处理，存在数据传递和处理延迟、信息损耗等问题。而端到端模型将这三个独立的模型合并，通过大规模数据训练，能够直接从传感器数据中生成控制指令，避免了中间环节的延迟和误差累积。这一特质使端到端系统具备应对多变和复杂场景的能力，车辆可以在没有预先设定路线的情况下，根据实时感知到的环境进行自主判断和规划行驶轨迹。
随着技术的不断进步，智能驾驶功能逐渐从高端市场向中低端市场渗透，成为未来汽车市场的标配。同时，车路云一体化的大规模建设，为智能驾驶行业增添了新的变量。2024年7月，工信部、交通运输部等五部门联合发布了智能网联汽车“车路云一体化”应用试点城市名单，包括北京、上海和重庆在内的20个城市（联合体）入选。
车路云一体化通过增添路侧和云端设施，加强了车辆与路侧、其他车辆、云端之间的数据信息交互。云端能够依托车辆的当前情况以及交通环境的动态变化，做出最为合理的协同决策，推动车辆从被动的预警功能向主动控制、提前规避潜在风险转变。这一趋势不仅在我国受到重视，美国和欧洲多国也意识到车路云一体化在未来智能驾驶领域中的重要性。
然而，智能驾驶的完美状态并非一蹴而就。理想状态是车和路都达到较高的智能化水平，实现无缝协同。但现实情况是，并非每一台车都具备足够高的智能化水平，规模庞大的存量非智能车仍是主体。因此，不能仅依靠单车的智能化，更多是要靠提升车路云的整体协同能力。
在车路云一体化的建设过程中，数据质量是关键。高质量数据是车路云一体化规模化应用的前提和基础。提升数据质量的核心在于系统和算法，而非单纯的硬件设备。车路云一体化需要一整套操作系统来整合和驱动摄像头、激光雷达、通信计算的硬件，并通过操作系统中的AI算法模型对数据进行处理。
为了提升用户体验，各大车企在“车位到车位”功能层面展开了竞争。所谓“车位到车位”智能驾驶，就是车辆能够自主从车位开出，自主进出园区和识别闸机抬杆，无论是在城市道路还是高速路，包括城市环岛、掉头等复杂场景，都能自主行驶，并最终自主泊入目的地车位。这一功能的实现标志着智能驾驶从点到点的简单辅助迈向全场景无缝衔接的新阶段，极大提升了日常驾驶的便利性。
在这场高阶智能驾驶的比拼中，技术、工程和产品成为核心要素。高阶智能驾驶要实现好用、爱用，需要关注性能提升和场景泛化两个维度。同时，随着VLA（视觉-语言-动作）等新技术的陆续登场，以及对AI资源消耗的需求进一步攀升，高阶智能驾驶的里程碑被全面刷新，竞争将更加激烈。
车路云一体化成熟度很大程度上取决于“智能新基建”的升级进度。其中，路侧基础设施的建设升级是焦点。高质量数据是车路云一体化规模化应用的前提和基础，把有价值的数据提取出来给车企使用是最核心的环节。未来，车路云一体化网络将让车辆融入到一个更大范围的智能交通生态系统中，为车辆提供超视距感知和强大的后盾支持，显著提升交通系统的智能化和响应效率。
新的一年，中国智能驾驶产业的竞争将不再局限于技术的比拼，更是生态系统与商业模式的博弈。如何将车路云一体化这个关键变量转化为产业发展的最大增量，是每个参与者需要深入思考的问题。在智能化下半场，智能驾驶行业的故事将会更加精彩。
