竞争越来越卷，企业越来越难，市场处于混乱期。对于大多数供应商来讲，穿越新周期的战略一定是先有规模（市场份额），然后才是利润。

在6月8日召开的2023（第十四届）高工智能汽车开发者大会上，高工智能汽车研究院（GGAI）独家首发了《 2023-2025年中国汽车市场智能驾驶产业链市场预测报告 》。报告指出，几大细分机会值得关注。

(资料图)

首先来看，新能源汽车领域是智驾重点板块。2023年1-4月， 中国新能源车型L2（含L2+） 搭载率51.46%。已经远远超过传统燃油车的搭载率30%左右。这其中，例如广汽、吉利、长安、长城等传统自主品牌值得各大供应商重点关注。

其次在智驾市场，不同价位的车型区间L2级别辅助驾驶搭载率也表现了明显的分层，这其中，15万以下的车型市场搭载率有着极大的增长空间，这将是一个千万辆级别的市场洼地。

而伴随着电子电气架构的进一步集中式进化，跨域融合趋势也逐渐清晰，高工智能汽车研究院指出，随着英伟达、高通中央计算平台的落地，2024年将是跨域（区域+中央计算）元年；预计到2030年，多域多架构路线并存。

一、多级分化新周期

中国智驾市场已经进入多极分化新周期，对各个赛道的供应商来说，新周期应该清楚客户在哪里，市场在哪里。

高工智能汽车研究院数据显示，2022年1-12月，L2级辅助驾驶（含L2+）前装标配也出现明显的多极分化。其中15-25万价格区间的搭载率达到42.14%，25万-35万区间车型搭载率高达49.72%；而15万以下车型搭载率仅为14.57%。

面向这一市场洼地，极致性价比1V（1R/3R）的入门级L2方案将成为主流。而在15-30万价格区间，NOA/行泊一体方案为主；在35万以上车型市场，将以硬件预埋，软件收费模式为主。

2023高工智能汽车开发者大会上， 吉利汽车智能驾驶中心功能开发部部长侯立升 在演讲时指出，当前高速、城市 NOA已经成为多场景智能驾驶竞争力的体现。

侯立升表示，要让用户为智能驾驶服务买单，就需要实现高安全、体验领先的智驾功能体验。同时他强调，当前主机厂能否实现与现有的L2级实现本质性差别的驾驶体验，是车企在这一轮竞争周期中胜出的关键。并且基于L2、L2+级方案实现极致性价比才是主机厂的主流选择。

在去年，吉利博越L率先搭载了NOA智驾领航系统量产，直接将NOA搭载车型价格拉低至15万级别，这也代表了在新势力之后，传统车企大厂已经面向高阶智能驾驶赛道全面发力并表现出极大的爆发力。

今年开始，“卷”已经成为了智能汽车市场的关键词，从传感器、芯片、NOA\行泊一体等各赛道的卷度还在升级，从全国产化替代到单芯片方案，从硬件复用到全栈自研技术创新，各家供应商给出了不同的方案思路。

2023年1月， 知行科技 的高性价比行泊一体域控制器方案iDCMid已经向头部车企量产供货，采用单TDA4 VM芯片方案，无独立MCU；可实现L2行车，高速NoA, HPA, RPA, APA, AVM等功能。得益于硬件、基础软件、中间件、算法的全栈自研能力，知行科技还推出了多样性的自动驾驶域控制器方案，可以满足客户不同的成本及技术要求。

目前知行科技已与多家知名国内及国际OEM开展合作，已获得吉利、长城、奇瑞、东风、极星等客户的量产定点。

与此同时，外资Tier 1也关注到了中国市场的需求变化，进行了一系列的本土化方案落地部署。

博世智能驾驶与控制事业部高阶智驾系统架构专家王存跃 在演讲中表示，博世已经实现了高阶智驾功能各场景全面覆盖。并且针对中国市场推出的本土的高阶自驾方案，从前期场景的设计，行为的设计，到最后传感器的选型等均实现了本地开发，同时全球提供支持。

除了传感器、覆盖感知、决策和控制的软件系统，其新一代的软件架构还包括强大的中间件平台，覆盖了数据据的采用、挖掘、训练等部署，包括整个的仿真和回放。并且针对中国市场，还拓展了国产计算平台。

安波福 ADAS 工程总监张磊 介绍了安波福第6代ADAS平台，该平台引入入了自研的第七代毫米波雷达，应用人工智能（AI）和机器学习（ML）来进一步提高性能，相比以视觉为中心的同类系统，平台估计成本效益能够高出25%，能效高出65%。

采用机器学习的先进混合雷达跟踪算法、基于雷达的高精度定位技术、以及成熟先进的运动规划功能，可以充分应对包括城区、高速等各类极具挑战性的驾驶场景。安波福还借助软件能力，充分发掘传感器的能力降低系统成本等等。

高工智能汽车研究院认为，未来行业一定会走全新的分工，并且接下来几年市场波动明显，对于供应商来讲，新周期的竞争压力加剧，需要具备全栈能力则成为抗风险能力的重要指标。

二、构建高效的数据闭环成为关键

BEV+Transformer正在快速推动高阶智能驾驶开发模式升级，自动驾驶技术进入了数据驱动时代，主机厂对于数据的获取能力和使用能力成为了新周期下的挑战，构建高效的数据闭环系统成为了当务之急。

为应对大模型训练对算力的需求，已经有头部主机厂开始自建超算中心，同时各大公司也开始关注这一热门新赛道，数据闭环工具链、数据平台运营与服务等等开始快速涌现。

今年年初，吉利汽车自建的星睿智算中心正式上线，据 吉利汽车智能驾驶中心功能开发部部长侯立升 介绍，吉利去年量产车型已经使用了数据闭环技术，通过在车端部署自研的数据采集SDK，将车辆行驶过程中的数据上传到星睿数据中心，在数据中心内进行数据清洗、数据标注、数据训练等一系列操作以后，生成最新的数据及算法软件包，通过OTA的方式下载回车端，形成数据闭环，以实现更优的驾驶体验。

在星睿智算中心的加持下，吉利汽车智能驾驶模型训练速度提升了200倍，1000个智能驾驶模型的研发训练只需要8小时。预计到2025年，星睿智算中心的计算能力可支撑的在线车辆并发数将达到350万辆，数据存储规模将达EB级别。

“自动驾驶逐步由基于规则的算法向端到端的数据驱动算法演变，”广汽研究院智能网联中心自动驾驶总师王明明在演讲中表示。 他指出，接下来提升优质数据规模，提升数据闭环的效率变得至关重要，而对于数据闭环的工具链打磨，将是提升自动化率和开发效率的关键所在。

目前广汽已经推出面向智能汽车的EEA3.0平台，基于集中的域控架构+高速以太网连接，提供车端平台数据采集、算力支持，满足业务高频、大量的数据采集需求。

“在数据爆炸时代，对工具链产品提出了更高要求。” 小马智行产品总监王嘉增 表示，自动驾驶系统产生海量数据，如何分别有效数据，标注数据、移植到训练模型、模拟仿真、到实车训练和算法迭代各个环节，都需要强大的工具链来支撑。

对于这些痛点， 小马智行推出了自动驾驶数据闭环工具链产品苍穹；在成本可控的情况下充分发挥数据的价值。

据介绍，苍穹产品包含三大模块：一是车云协同的大数据平台，可提供车端、云端数据采集挖掘工具，同时也支持数据采集分析等等；二是云端大规模仿真平台，从场景编辑、挖掘，到高并发仿真架构，完善的仿真评测，加之自研smart agent交互式验证；第三是自研的AI研发平台，包括标注和训练平台等。

而在当前NOA量产关键期，各大主机厂降本的需求进一步凸显，寻求如何在高速NOA场景，尽量不依赖高精度地图的方案，而BEV+Transformer的加持，在一定程度上已经可以解决问题。

觉非科技 推出了基于BEV的城市道路数据闭环解决方案，基于量产车BEV的实时感知结果实现，拥有完整的感知、决策和高精道路数据闭环解决方案和能力，可满足城市NOA、记忆通勤/泊车和大模型训练的需要。

在会议现场，觉非创始人与技术合伙人刘斌宣布发布《面向高速NOA的地图定位量产方案》，该方案融合了定位Air方案与地图定位Live方案，特点是有图、轻图和众源。

刘斌介绍，以上量产方案仅需要基于J3、TDA4这类低成本L2级SOC，基于1V或2V的前视感知方案，可实现周级更新的高速公路众源地图，并配合低成本的卫惯模块，实现更低成本和更高可用性的高速NOA方案。同时通过将感知数据上传到云端做地图拼接和更新，配合高速公路数据制图工具链等等，可实现高速高速公路数据闭环，最终不再依赖高精地图。

路特斯机器人市场与策略总监张栋 指出，智能驾驶行业进入高速发展阶段，智能驾驶工具链服务重要且充满挑战，功能模块不闭环、海量数据处理难、数据标注成本高、仿真测试效率低等等。

路特斯推出的ROBO Galaxy智能驾驶云端数据工厂，作为智能驾驶领域的工具链解决方案，可以提供数据采集、数据合规、数据标注、数据训练、数据仿真、数据管理和数据监控等全流程的闭环服务。

长安汽车智能化研究院智能驾驶所 长黎平介绍，长安汽车正在构建端云一体的全链路数据闭环，千人同时在线标注+高水平自动化标注，形成年产亿级标注的能力，助推标注产量提升10倍以上。每日收集900例以上CornerCase，驱动7类12项智驾算法进化，每月优化100项以上用户体验。

“我们认为，智能汽车下半场竞争肯定是数据的竞争，车厂一定会把数据闭环工作做扎实。”黎平最后表示。

文章源自互联网，不作任何商业用途，如有侵权，请联系删除。内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。