智能駕駛智算數(shù)據(jù)平臺發(fā)展研究報(bào)告2025年8月II發(fā)起單位中國汽車工程學(xué)會(huì)人工智能分會(huì)中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟人工智能工作組聯(lián)合牽頭單位清華大學(xué)北京工業(yè)大學(xué)國家智能網(wǎng)聯(lián)汽車創(chuàng)新中心北京萬界數(shù)據(jù)科技有限責(zé)任公司參研單位中國軟件評測中心（工業(yè)和信息化部軟件與集成電路促進(jìn)中心）中國信息通信研究院重慶大學(xué)同濟(jì)大學(xué)電子科技大學(xué)國汽大有時(shí)空科技（安慶）有限公司國汽智控（北京）科技有限公司課題工作支持單位吉林大學(xué)北京車網(wǎng)科技發(fā)展有限公司蔚來汽車科技（安徽）廣州汽車集團(tuán)股份有限公司智能汽車安全技術(shù)全國重點(diǎn)實(shí)驗(yàn)室長城汽車股份有限公司廣州小鵬汽車科技有限公司浪潮電子信息產(chǎn)業(yè)股份有限公司華為云計(jì)算技術(shù)有限公司上海臨港絕影智能科技有限公司蘑菇車聯(lián)信息科技有限公司首鏈（廣州）區(qū)塊鏈科技有限公司IIII顧 問李 駿 中國工程院院士清華大學(xué)車輛與運(yùn)載學(xué)院教授中國汽車工程學(xué)會(huì)名譽(yù)理事長、人工智能分會(huì)名譽(yù)主任委員中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟理事長指導(dǎo)專家李升波 清華大學(xué)車輛與運(yùn)載學(xué)院長聘教授中國汽車工程學(xué)會(huì)人工智能分會(huì)主任委員中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟人工智能工作組組公維潔 中國汽車工程學(xué)會(huì)副秘書長中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟秘書長國家智能網(wǎng)聯(lián)汽車創(chuàng)新中心副主任編寫人員陳晨趙曉華邊揚(yáng)陳桂華楊志成孫宮昊王瑤裴世康沈修齊白文靜張晉崇劉震劉會(huì)會(huì)劉高陽鄒博松曾慶雙洪啟安李金華高鋒詹光倫朱福堂張潮張偉偉余王鵬飛陳虹李慶建胡寶寶魏文萱高博麟趙睿路鵬飛周毅龔誠王代涵苗成生任祥云張瀛王潼程智峰賀翔潘鵬杜君黃清成侯大衛(wèi)王金蘭何英琪黃家威II目 錄智能駕駛智算數(shù)據(jù)平臺定義及預(yù)期功能 1智能駕駛智算數(shù)據(jù)平臺定義 1行業(yè)級智能駕駛智算數(shù)據(jù)平臺預(yù)期功能 2智能駕駛智算數(shù)據(jù)平臺發(fā)展現(xiàn)狀分析 2國外現(xiàn)狀分析 2國內(nèi)現(xiàn)狀分析 4國內(nèi)智能駕駛基礎(chǔ)資源情況調(diào)研 6基于調(diào)研的行業(yè)痛點(diǎn)問題及需求分析 8行業(yè)痛點(diǎn)問題 8行業(yè)需求及解決方案 9汽車行業(yè)級智算數(shù)據(jù)平臺建設(shè)關(guān)鍵問題思考 10平臺建設(shè)必要性 10平臺總體定位、建設(shè)目標(biāo)及內(nèi)容 12平臺建設(shè)風(fēng)險(xiǎn)分析 14平臺建設(shè)難點(diǎn) 15汽車行業(yè)級智算數(shù)據(jù)平臺建設(shè)模式及規(guī)劃 16平臺建設(shè)模式分析 16平臺階段性建設(shè)規(guī)劃 19附錄1：國內(nèi)智算中心建設(shè)情況 21附錄2：國內(nèi)智能駕駛基礎(chǔ)資源現(xiàn)狀調(diào)研分析圖 23智能駕駛智算數(shù)據(jù)平臺發(fā)展研究報(bào)告智能駕駛智算數(shù)據(jù)平臺發(fā)展研究報(bào)告PAGEPAGE10智能駕駛智算數(shù)據(jù)平臺定義及預(yù)期功能智能駕駛智算數(shù)據(jù)平臺定義Transformer為基（智駕模型”是指可具備感知、預(yù)測、決策、規(guī)劃、控制等功能、可驅(qū)動(dòng)自動(dòng)駕駛車輛安全、高效運(yùn)行的分塊化或一體化神經(jīng)網(wǎng)絡(luò)載體模型。圖1行業(yè)級智能駕駛智算數(shù)據(jù)平臺示意圖GPU逐漸趨近于真實(shí)駕駛場景。協(xié)調(diào)上述單位及相關(guān)數(shù)據(jù)算力供應(yīng)商開展智能駕駛研發(fā)基礎(chǔ)資源的匯聚和流通。行業(yè)級智能駕駛智算數(shù)據(jù)平臺預(yù)期功能方面提供行業(yè)級服務(wù)。評估與價(jià)值定義、可視化與分析、機(jī)器學(xué)習(xí)平臺集成、交易與共享等。礎(chǔ)模型、剪枝壓縮部署工具等。智能駕駛智算數(shù)據(jù)平臺發(fā)展現(xiàn)狀分析國外現(xiàn)狀分析國外企業(yè)及項(xiàng)目建設(shè)情況智能駕駛開發(fā)商及汽車廠商開發(fā)商以及寶馬、奔馳等傳統(tǒng)汽車廠商也開始積極進(jìn)行探索和積累。2024300100EFLP（P16算法方面，特斯拉引領(lǐng)了BEVLogSim仿真能力。GoogleWaymo還通過高保真模擬駕駛環(huán)境用于補(bǔ)充真實(shí)世界的數(shù)據(jù)。2023-2024GAIA-1LINGO-1WayveScenes101數(shù)據(jù)PRISM-1。AI平臺用于挖掘客戶信息以提供個(gè)性化內(nèi)容服務(wù)，同時(shí)在構(gòu)建下一代高級駕駛輔助系統(tǒng)時(shí)采用谷歌云平臺作為算力中心；采用NVIDIADRIVESim仿真軟件對智能駕駛功能進(jìn)行測試驗(yàn)證。據(jù)管理和分發(fā)，支持包括分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫、存儲和計(jì)算等功能。英偉達(dá)已開發(fā)端到端自動(dòng)駕駛汽車開發(fā)平臺NVIDIADrive、針對深度學(xué)習(xí)應(yīng)用的NVIDIADGX-1超級計(jì)算機(jī)、用于智能座艙的開放和可擴(kuò)展的軟件框架NVIDIADRIVEIX、端到端自動(dòng)駕駛仿真平臺NVIDIADRIVESim。聯(lián)盟/行業(yè)項(xiàng)目①GAIA-XGAIA-X27378共享和跨公司合作。GAIA-X此外，GAIA-X（TrustFramework）標(biāo)簽（GAIA-XLabels）限制市場參與者的監(jiān)管負(fù)擔(dān)。②Catena-XCatena-X共研究機(jī)構(gòu)等。該項(xiàng)目開發(fā)了行業(yè)級數(shù)據(jù)共享平臺，制定了數(shù)據(jù)標(biāo)準(zhǔn)與規(guī)則。Catena-XGAIA-XIDSACatena-XGAIA-X倡Catena-X治理原則，為自動(dòng)駕駛數(shù)據(jù)的共享流通提供了借鑒價(jià)值。國外現(xiàn)狀小結(jié)AI未具有顯著優(yōu)勢，算法層面也未有突出領(lǐng)先優(yōu)勢。行業(yè)合力方面，GAIA-X和Catena-X等項(xiàng)目為智能駕駛領(lǐng)域的數(shù)據(jù)信息溝通和資源交換奠定了良好基礎(chǔ)。國內(nèi)現(xiàn)狀分析國內(nèi)智算中心建設(shè)情況下述智算中心算力規(guī)模情況等信息詳見附錄1。整車企業(yè)與智駕供應(yīng)商智算中心供了強(qiáng)大的算力支持，有力地推動(dòng)了智能駕駛技術(shù)的發(fā)展和應(yīng)用?；ヂ?lián)網(wǎng)科技廠商智算中心12IDC領(lǐng)域的投資力度。政府智算中心2023年以來，政府智算中心建設(shè)的規(guī)模與節(jié)奏顯著提升，在建及規(guī)劃項(xiàng)目AI之后建設(shè)與投運(yùn)的智算中心出現(xiàn)較多1000P據(jù)中心成為主流。智能網(wǎng)聯(lián)先導(dǎo)示范區(qū)數(shù)據(jù)算力平臺17個(gè)國家級智能網(wǎng)聯(lián)汽車測試區(qū)、71620（設(shè)施構(gòu)建，匯聚了海量道路車輛運(yùn)行數(shù)據(jù)；多地開展云控基礎(chǔ)平臺建設(shè)。國產(chǎn)生態(tài)現(xiàn)狀及薄弱環(huán)節(jié)AI算力芯片技術(shù)水平快速發(fā)展，智算中心國產(chǎn)化率不斷提升近AIAIGPUAITPU、FPGA、ASIC、NPU等也在快速發(fā)展，我國企業(yè)也有所布局。AIAI構(gòu)建便捷可用的算力，因此當(dāng)前的智駕算力平臺仍以英偉達(dá)相關(guān)產(chǎn)品來構(gòu)建AIAI計(jì)算框架占據(jù)市場主流，國產(chǎn)適配性框架處于起步階段目前全球GPU市場的絕對份額被英偉達(dá)和AMD占據(jù)，其中英偉達(dá)之所以能夠成為GPU全球頭號玩家，主要源于其在先發(fā)優(yōu)勢下建立的CUDA生態(tài)。在AI框架方面，華為針對AI應(yīng)用場景，設(shè)計(jì)了功能類似英偉達(dá)CUDA的異構(gòu)計(jì)算架構(gòu)CANN以及幫助開發(fā)者孵化各種AI創(chuàng)新算法和應(yīng)用的AI計(jì)算框架MindSpore。但與主流框架（如TensorFlow和PyTorch）相比，MindSpore的市占率和社區(qū)規(guī)模較小，在開發(fā)者習(xí)慣、工具鏈兼容性、深度學(xué)習(xí)算子完備性、技術(shù)文檔豐富性等方面仍需提升。特別是在軟硬件適配方面，MindSpore對華為昇騰芯片的高度優(yōu)化雖然是其優(yōu)勢，但也限制了對其他主流硬件的適配能力。我國智能駕駛數(shù)據(jù)集開放程度不佳nuPlanArgoverse和OpenDataset數(shù)據(jù)共享與開放機(jī)制不完善CornerCaseAI專業(yè)技術(shù)人才缺乏，校企合作存在工程化鴻溝近年來我國加速AI人才培養(yǎng)并取得顯著進(jìn)展，2024年我國AI產(chǎn)業(yè)人才約75萬人。然而，我國AI人才供需仍存在較大差距。2030AI600200AI技術(shù)的進(jìn)一步發(fā)展和創(chuàng)新能力的提升。AIAIAI技術(shù)人才（工程師等）缺口尤為嚴(yán)重，導(dǎo)致企業(yè)在技術(shù)研發(fā)中面臨較大的人才瓶頸。AI作往往停留在表面層次，缺乏針對產(chǎn)業(yè)需求的聯(lián)合培養(yǎng)計(jì)劃。國內(nèi)智能駕駛基礎(chǔ)資源情況調(diào)研數(shù)據(jù)平臺建設(shè)等問題，課題組針對不同類型調(diào)研對象分別開展了問卷調(diào)研。調(diào)研周期：2024年8月至2024年10月。/21份。以下分析基于調(diào)研結(jié)果整理得出，僅反映調(diào)研周期內(nèi)受調(diào)單位的整體情況。數(shù)據(jù)方面處理流程，并且開發(fā)有自動(dòng)化處理工具鏈。70%部認(rèn)為路側(cè)感知數(shù)據(jù)對提升智駕模型性能十分有效。有數(shù)據(jù)中，CornerCase5%以下。數(shù)據(jù)使用成本?？傮w來看，成本較高環(huán)節(jié)在于標(biāo)注以及采集/獲取。邊界不清晰。智駕供應(yīng)商還認(rèn)為數(shù)據(jù)產(chǎn)權(quán)和價(jià)值難以確定和追蹤也是關(guān)鍵問題。算力方面算力中心建設(shè)方式。整車企業(yè)傾向于采用租賃+自建的方式進(jìn)行，而智駕供應(yīng)商更多會(huì)選擇采用全部租賃的方式。國產(chǎn)卡使用情況。AI算力卡的70%AIAI算法模型方面70%以上的企業(yè)和機(jī)構(gòu)已建立端到端架構(gòu)并開始模型27%自稱采用分塊式架構(gòu)，45%在端到端架構(gòu)是否有可能實(shí)現(xiàn)高級別自動(dòng)駕駛的預(yù)測上，71%的企業(yè)和機(jī)構(gòu)持肯定態(tài)度，并且分塊式和一體式架構(gòu)占比相近。其中，CornerCase不足、常規(guī)駕駛數(shù)據(jù)不足。訓(xùn)練算法、算力方面反而并不是目前的關(guān)注點(diǎn)。行業(yè)級智能駕駛智算數(shù)據(jù)平臺建設(shè)態(tài)度方面平臺建設(shè)態(tài)度。針對是否有必要建立該平臺，總體來看業(yè)界較為支持，并期望突破標(biāo)準(zhǔn)規(guī)范、建立國產(chǎn)AI計(jì)算生態(tài)；同時(shí)對建立行業(yè)級數(shù)據(jù)交易平臺、輔助服務(wù)功能（數(shù)據(jù)標(biāo)注、測試評估）的期望較大。而部分車企和智駕供應(yīng)商認(rèn)為現(xiàn)階段不宜投入過大，僅需突破標(biāo)準(zhǔn)規(guī)范等來支持行業(yè)數(shù)據(jù)市場的順暢性即可。CornerCase是現(xiàn)階段面臨的最大短板。平臺功能建設(shè)。各類企業(yè)和機(jī)構(gòu)普遍認(rèn)為，平臺應(yīng)重點(diǎn)提供數(shù)據(jù)格式標(biāo)準(zhǔn)化幾乎所有企業(yè)和機(jī)構(gòu)均認(rèn)為平臺建設(shè)需要從國家層面AIAI度，要求具有明確的收益預(yù)期才可能愿意投入一部分資金支持平臺建設(shè)。以上的企業(yè)愿意加入行業(yè)級智算基于調(diào)研的行業(yè)痛點(diǎn)問題及需求分析行業(yè)痛點(diǎn)問題位面臨的痛點(diǎn)問題進(jìn)行分析，在一定程度上能夠反映行業(yè)整體情況。數(shù)據(jù)方面CornerCase數(shù)據(jù)積累較少。Case數(shù)據(jù)和CornerCase/接管/事故數(shù)據(jù)的需求較為強(qiáng)烈，甚至部分企業(yè)將其視為核心資產(chǎn)且不愿對（包括仿真數(shù)據(jù)能夠幫助模型提升在常規(guī)場景下的駕駛能力，但進(jìn)一步性能提升需要大量非常規(guī)駕駛數(shù)據(jù)支持。CornerCase場景生成仍依賴手動(dòng)設(shè)計(jì)除個(gè)別企業(yè)外，僅能夠大規(guī)模生成常規(guī)場景，CornerCaseCornerCase也希望智算數(shù)據(jù)平臺能夠提供高價(jià)值數(shù)據(jù)篩選功能。數(shù)據(jù)采集和標(biāo)注成本占比較高，自動(dòng)化水平較低。目前，數(shù)據(jù)采集和標(biāo)注占其中人工標(biāo)注/據(jù)泄露風(fēng)險(xiǎn)對數(shù)據(jù)共享造成的影響，以及應(yīng)采取何種技術(shù)措施。算力方面國產(chǎn)算力卡占有率極低，AI框架適配和算力調(diào)度是主要問題AI框架適配和算力調(diào)度問題，迫于產(chǎn)品壓力選擇使用更為成熟的AIPytorch。算法方面但仍表示模型結(jié)構(gòu)尚未完全確定，技術(shù)路線仍然不夠清晰。平臺建設(shè)方面服務(wù)的資金投入和商業(yè)模式有所擔(dān)憂。行業(yè)需求及解決方案據(jù)>算力>算法，這也是受調(diào)單位期望行業(yè)級智算數(shù)據(jù)平臺的優(yōu)先建設(shè)順序。確權(quán)和追蹤機(jī)制以及數(shù)據(jù)定價(jià)機(jī)制等。AI同時(shí)受到數(shù)據(jù)和算力限制，技術(shù)研發(fā)進(jìn)度落后于企業(yè)。也是各企業(yè)期望行業(yè)級智算數(shù)據(jù)平臺能夠提供的功能服務(wù)。風(fēng)險(xiǎn)，大規(guī)模的專門性技術(shù)開發(fā)可行性較差。因此，AIAI汽車行業(yè)級智算數(shù)據(jù)平臺建設(shè)關(guān)鍵問題思考平臺建設(shè)必要性行業(yè)級智能駕駛智算數(shù)據(jù)平臺的建設(shè)旨在著眼于智能駕駛領(lǐng)域的人工智能業(yè)向著更加智能化的方向前進(jìn)。當(dāng)前，智能駕駛領(lǐng)域端到端自動(dòng)駕駛技術(shù)發(fā)展如火如荼，各整車企業(yè)、智駕生態(tài)方面為我國智能駕駛技術(shù)的研發(fā)和落地應(yīng)用提供支持。AI技術(shù)爆炸，搭建行業(yè)協(xié)力平臺技術(shù)難題，促進(jìn)技術(shù)的快速推廣和應(yīng)用，加速智能駕駛技術(shù)的商業(yè)化進(jìn)程。規(guī)范方面：支持標(biāo)準(zhǔn)規(guī)范建設(shè)，突破機(jī)制制度瓶頸數(shù)據(jù)方面：開展數(shù)據(jù)流通試點(diǎn)，疏通資產(chǎn)交換渠道渠道，為高質(zhì)量駕駛數(shù)據(jù)篩選和利用積累經(jīng)驗(yàn)，充分釋放高價(jià)值數(shù)據(jù)潛力。算力方面：實(shí)現(xiàn)信息共享互通，優(yōu)化資源配置使用加速智能駕駛模型算法的研發(fā)和應(yīng)用。算法方面：提供共性基礎(chǔ)服務(wù)，推動(dòng)技術(shù)發(fā)展創(chuàng)新雖然以大模型為代表的人工智能技術(shù)在自然預(yù)言處理領(lǐng)域表現(xiàn)出強(qiáng)大的智面可建立標(biāo)準(zhǔn)化測試流程，為智能駕駛技術(shù)快速開發(fā)和安全應(yīng)用提供保障。生態(tài)方面：聚焦特定難題和場景，助力國產(chǎn)生態(tài)建設(shè)AI共同培養(yǎng)專業(yè)人才，推動(dòng)產(chǎn)學(xué)研深度融合，為國產(chǎn)生態(tài)的發(fā)展注入強(qiáng)大動(dòng)力。平臺總體定位、建設(shè)目標(biāo)及內(nèi)容平臺總體定位及建設(shè)目標(biāo)總體定位為具體而言，平臺的總體建設(shè)目標(biāo)包括：數(shù)據(jù)共享交易。據(jù)質(zhì)檢、確權(quán)、定價(jià)、交易等能力，支持不同主體間數(shù)據(jù)的安全和高效流通。算力資源配置。閑置算力資源信息的發(fā)布和供需配對服務(wù)，實(shí)現(xiàn)算力資源的最大化利用。算法基礎(chǔ)服務(wù)。括數(shù)據(jù)標(biāo)注、仿真生成、測試評估等，提供標(biāo)準(zhǔn)化、高性價(jià)比的基礎(chǔ)服務(wù)。AI數(shù)據(jù)方面建設(shè)內(nèi)容建設(shè)內(nèi)容包括算力方面建設(shè)內(nèi)容，重點(diǎn)關(guān)注全國范圍內(nèi)算力資源的信息公開和流通共用，充分利用閑置算主要建設(shè)內(nèi)容包括：算法方面建設(shè)內(nèi)容算法方面，行業(yè)級智算數(shù)據(jù)平臺仿真生成服務(wù)、智能駕駛模型標(biāo)準(zhǔn)化評價(jià)測試服務(wù)等。生態(tài)方面建設(shè)內(nèi)容生態(tài)方面，行業(yè)級智算數(shù)據(jù)平臺定，重點(diǎn)開展平臺建設(shè)風(fēng)險(xiǎn)分析平臺建設(shè)風(fēng)險(xiǎn)點(diǎn)資金風(fēng)險(xiǎn)單一資金來源（單一企業(yè)）難以支撐平臺建設(shè)和運(yùn)營；數(shù)據(jù)和算力需求持續(xù)增長帶來的持續(xù)投入風(fēng)險(xiǎn)；融資渠道的不確定性；分期建設(shè)帶來的財(cái)務(wù)平衡風(fēng)險(xiǎn)。技術(shù)風(fēng)險(xiǎn)平臺架構(gòu)設(shè)計(jì)的兼容性；人才風(fēng)險(xiǎn)AI和汽車技術(shù)的復(fù)合型人才不足，專業(yè)技術(shù)人才培養(yǎng)周期長；智能駕駛領(lǐng)域國際頂尖技術(shù)人才引進(jìn)難度大；現(xiàn)有人才流失風(fēng)險(xiǎn)；學(xué)術(shù)研究與產(chǎn)業(yè)需求脫節(jié)風(fēng)險(xiǎn)。政策風(fēng)險(xiǎn)數(shù)據(jù)合規(guī)、數(shù)據(jù)流通限制；高級別自動(dòng)駕駛相關(guān)政策尚不明晰，政策出臺或調(diào)整時(shí)間不確定；補(bǔ)貼和政府支持的波動(dòng)性；知識產(chǎn)權(quán)保護(hù)政策不足帶來的技術(shù)被侵權(quán)或盜用風(fēng)險(xiǎn)；標(biāo)準(zhǔn)政策滯后風(fēng)險(xiǎn)，缺乏統(tǒng)一標(biāo)準(zhǔn)可能導(dǎo)致資源浪費(fèi)和重復(fù)建設(shè)；國際環(huán)境變化，芯片制裁容易導(dǎo)致基于國產(chǎn)芯片的大模型出口受限。市場風(fēng)險(xiǎn)平臺建設(shè)初期企業(yè)認(rèn)可度不足的風(fēng)險(xiǎn)；平臺運(yùn)營及商業(yè)模式創(chuàng)新帶來的可持續(xù)發(fā)展風(fēng)險(xiǎn)；數(shù)據(jù)來源的可持續(xù)性風(fēng)險(xiǎn)；智能駕駛商業(yè)化進(jìn)程不確定性風(fēng)險(xiǎn)；市場需求與產(chǎn)品匹配風(fēng)險(xiǎn)?？傮w風(fēng)險(xiǎn)評估及預(yù)期總體來看，平臺建設(shè)難度較大，特別是政策、市場和技術(shù)等方面的阻礙復(fù)雜而交叉，互相掣肘。具體而言：模式能否保證持續(xù)性的多方共贏等問題需要商榷。再擴(kuò)大化建設(shè)的方案進(jìn)行規(guī)避。于技術(shù)發(fā)展進(jìn)度，而小規(guī)模的算法服務(wù)又難以吸引企業(yè)購買?？傮w來看，平臺建設(shè)難點(diǎn)確保公信力的技術(shù)能力技術(shù)難題以確保公信力。資源標(biāo)準(zhǔn)化服務(wù)能力。準(zhǔn)化服務(wù)，使其可以快速應(yīng)用于多種場景。資源質(zhì)檢能力。務(wù)，作為第三方中立機(jī)構(gòu)出具權(quán)威的檢測報(bào)告。數(shù)據(jù)安全與隱私保護(hù)。算、區(qū)塊鏈技術(shù)等，確保交易數(shù)據(jù)在流通過程中的不可篡改性和機(jī)密性?；A(chǔ)資源保有自有基礎(chǔ)資源的儲備和規(guī)模是平臺持續(xù)運(yùn)營的重要基石，資源不足或質(zhì)量不高將導(dǎo)致平臺難以吸引企業(yè)使用產(chǎn)品服務(wù)，平臺需在以下幾方面加強(qiáng)資源保有。高覆蓋率的駕駛場景數(shù)據(jù)資源。同時(shí)覆蓋多樣化條件；利用仿真生成技術(shù)創(chuàng)建無法輕易獲取的稀缺數(shù)據(jù)資源。國產(chǎn)算力資源。制和支持異構(gòu)計(jì)算模式；開發(fā)可供中小企業(yè)使用的經(jīng)濟(jì)型算力服務(wù)?；A(chǔ)功能服務(wù)資源。持智能駕駛技術(shù)開發(fā)的核心工具鏈。標(biāo)準(zhǔn)規(guī)范突破礙，形成科學(xué)、健全的標(biāo)準(zhǔn)規(guī)范體系?？缙脚_互通性標(biāo)準(zhǔn)?；ネㄐ詷?biāo)準(zhǔn)，這些標(biāo)準(zhǔn)需要支持跨廠商數(shù)據(jù)交易及多平臺算力共享。數(shù)據(jù)確權(quán)與定價(jià)標(biāo)準(zhǔn)。建立一套明確的數(shù)據(jù)確權(quán)流程與評估體系，記隱私與數(shù)據(jù)安全標(biāo)準(zhǔn)初始投入及可持續(xù)運(yùn)營業(yè)模式、資源優(yōu)化及市場拓展多方面入手，構(gòu)建完整的運(yùn)營體系。減少初始投入。儲備的企業(yè)支持平臺建設(shè)，以減少資金投入和硬件的重復(fù)建設(shè)。動(dòng)態(tài)激勵(lì)機(jī)制。調(diào)整資源貢獻(xiàn)獎(jiǎng)勵(lì)方式；對長期穩(wěn)定貢獻(xiàn)的企業(yè)提供優(yōu)惠或技術(shù)支持服務(wù)。商業(yè)化產(chǎn)品矩陣。求；此外，結(jié)合行業(yè)需求動(dòng)態(tài)更新服務(wù)模塊，保持產(chǎn)品競爭力。行業(yè)聯(lián)盟與生態(tài)擴(kuò)展。多方共贏的產(chǎn)業(yè)生態(tài)聯(lián)盟；同時(shí)推動(dòng)與上下游產(chǎn)業(yè)=的合作，擴(kuò)展平臺影響力。創(chuàng)新投資與合作模式?？膳c科研機(jī)構(gòu)聯(lián)合開展攻關(guān)項(xiàng)目，將最新科研成果迅速轉(zhuǎn)化為商業(yè)化產(chǎn)品。汽車行業(yè)級智算數(shù)據(jù)平臺建設(shè)模式及規(guī)劃平臺建設(shè)模式分析平臺總體建設(shè)模式場景。為確保平臺高效運(yùn)作和長期發(fā)展，需要對兩種模式進(jìn)行深入比較和分析，并結(jié)合硬件設(shè)施和軟件工具鏈建設(shè)的實(shí)際需求制定最優(yōu)方案。其中：集中化建設(shè)模式，是指由核心企業(yè)或行業(yè)聯(lián)盟牽頭，統(tǒng)一規(guī)劃、建設(shè)適用于大型企業(yè)集團(tuán)或行業(yè)聯(lián)合體。擴(kuò)展性，適合資源分布廣泛且需求差異化的行業(yè)環(huán)境。硬件資源建設(shè)模式儲設(shè)備和算力資源的部署模式。存儲資源建設(shè)模式問需求和數(shù)據(jù)安全性要求。存儲資源建設(shè)模式如下：（SAN集中管理所有數(shù)據(jù)資源，適合對數(shù)據(jù)安全性和快速訪問有較高要求的場景。現(xiàn)數(shù)據(jù)的統(tǒng)一管理。算力資源部署模式算力資源是支撐智能駕駛數(shù)據(jù)處理和模型訓(xùn)練的核心硬件。針對算力需求，平臺可選擇自建算力中心或租用云算力等模式。自建算力中心。企業(yè)自行投資部署高性能計(jì)算資源。云算力租賃。通過第三方云服務(wù)按需使用計(jì)算資源?；旌纤懔δＪ?。結(jié)合自建算力與云算力優(yōu)點(diǎn)，適用于多樣化計(jì)算需求。數(shù)據(jù)及軟件資源建設(shè)模式支撐數(shù)據(jù)管理、模型訓(xùn)練、資源流通等關(guān)鍵功能。數(shù)據(jù)資源建設(shè)模式率。平臺需在以下維度進(jìn)行模式選擇：自建數(shù)據(jù)采集。由平臺建立數(shù)據(jù)自采能力，如標(biāo)準(zhǔn)化數(shù)據(jù)采集車等，集限制，使得數(shù)據(jù)的共享共用存在巨大阻礙。軟件工具鏈建設(shè)模式工具鏈?zhǔn)侵С种悄荞{駛研發(fā)的基礎(chǔ)技術(shù)組件，包括數(shù)據(jù)采集、清洗、標(biāo)注、仿真和測試等模塊。工具鏈開發(fā)模式直接影響平臺的研發(fā)效率和使用便捷性。自主研發(fā)。完全掌控核心技術(shù)，平臺可根據(jù)自身需求定制功能，確保系聯(lián)合開發(fā)。融合多方技術(shù)優(yōu)勢，通過與科研機(jī)構(gòu)、技術(shù)供應(yīng)商合作，共平臺建設(shè)模式建議前期小規(guī)模、集中式建設(shè)試點(diǎn)既有基礎(chǔ)設(shè)施為支撐，快速搭建智算數(shù)據(jù)平臺的核心功能。具體而言：第一，車路云系統(tǒng)中的車端、路端和云端存儲設(shè)備已積累大量高價(jià)值數(shù)據(jù)，就數(shù)務(wù)。第四，推動(dòng)數(shù)據(jù)及軟硬件設(shè)施標(biāo)準(zhǔn)化，促進(jìn)不同設(shè)備和系統(tǒng)間的互聯(lián)互通。持續(xù)分布式、增量式建設(shè)運(yùn)營源的高效流動(dòng)。具體而言：第一，第接口協(xié)議、算法評測方法等標(biāo)準(zhǔn)化進(jìn)程，提升公信力和行業(yè)影響力。平臺階段性建設(shè)規(guī)劃短期目標(biāo)（12年：核心功能模塊建設(shè)核心模塊的部署和初步運(yùn)營。數(shù)據(jù)的歸集與分類，形成高效的多層次數(shù)據(jù)存儲結(jié)構(gòu)。撐簡單數(shù)據(jù)預(yù)處理和局部軟件服務(wù)功能。建立閑置算力信息發(fā)布系統(tǒng)。算法層面：提供基礎(chǔ)的模型訓(xùn)練支持，開發(fā)智能駕駛初級算法庫，包括數(shù)據(jù)標(biāo)注算法和測試評價(jià)功能，支持企業(yè)在平臺上進(jìn)行數(shù)據(jù)和場景驅(qū)動(dòng)的模型測試。托政策支持與資金補(bǔ)貼，為平臺建設(shè)提供資源與技術(shù)保障。中期目標(biāo)（35年：行業(yè)資源整合與機(jī)制優(yōu)化制，提升平臺的服務(wù)能力和影響力。數(shù)據(jù)生成工具，補(bǔ)充稀缺場景數(shù)據(jù)，豐富平臺數(shù)據(jù)資源池。（的開發(fā)和部署。開發(fā)仿真測試工具鏈，支持復(fù)雜場景下的模型驗(yàn)證。升平臺影響力。積極參與標(biāo)準(zhǔn)制定，包括數(shù)據(jù)格式、接口協(xié)議和評測方法等。長期目標(biāo)（5年以上：生態(tài)系統(tǒng)完善與商業(yè)化服務(wù)源協(xié)作網(wǎng)絡(luò)，實(shí)現(xiàn)行業(yè)內(nèi)外的廣泛連接。推動(dòng)國際化數(shù)據(jù)合作，探索跨境數(shù)據(jù)共享機(jī)制，擴(kuò)展平臺數(shù)據(jù)資源規(guī)模。練任務(wù)的靈活切換。海外平臺形成技術(shù)和資源互補(bǔ)，進(jìn)一步提升行業(yè)影響力。收支平衡預(yù)期短期內(nèi)難以實(shí)現(xiàn)盈利。服務(wù)、算力租賃和模型授權(quán)中增長，預(yù)計(jì)可實(shí)現(xiàn)盈虧平衡。覆蓋范圍，形成可持續(xù)發(fā)展的商業(yè)模式。附錄1：國內(nèi)智算中心建設(shè)情況1-1企業(yè)名稱算力規(guī)模（EFLOPS）信息公開時(shí)間吉利汽車1.22025E23.5（算力聯(lián)盟）2025.3小米汽車11.452025.3小鵬汽車102025.4理想汽車9.32025.4蔚來汽車1.42023.9長城汽車32025.2長安汽車1.422023.8商湯絕影232025.2華為車BU10+2024年底資料來源：根據(jù)公開信息整理1-2名稱地點(diǎn)建設(shè)內(nèi)容阿里云張北超級智算中心河北總建設(shè)規(guī)模為12000PFLOPS阿里云涿州智算中心河北規(guī)劃20萬臺服務(wù)器阿里飛天云智能華東算力中心上海二期5000個(gè)標(biāo)準(zhǔn)機(jī)架數(shù)阿里云烏蘭察布智算中心內(nèi)蒙建設(shè)規(guī)模為3000PFLOPS商湯科技人工智能計(jì)算中心上海一期5000個(gè)機(jī)柜，峰值訓(xùn)練算力3740PFLOPS商湯科技前海深港人工智能算力中心深圳一期建設(shè)算力達(dá)500PFLOPS萬界數(shù)據(jù)宜昌智算中心湖北規(guī)劃機(jī)架26400個(gè)，一期4400個(gè)，2500PFLOPS萬界數(shù)據(jù)鄂爾多斯智算中心內(nèi)蒙古建成3000PFLOPS算力萬界數(shù)據(jù)巴州智算中心新疆一期規(guī)劃5000PFLOPS，二期規(guī)劃15000PFLOPS萬界數(shù)據(jù)張掖高臺智算中心甘肅一二期建設(shè)7000PFLOPS，三期建設(shè)15000PFLOPS萬界數(shù)據(jù)咨陽智算中心四川一期規(guī)劃880PFLOPS華為云貴安數(shù)據(jù)中心貴州規(guī)劃百萬級服務(wù)器規(guī)模華為云烏蘭察布數(shù)據(jù)中心內(nèi)蒙古規(guī)劃百萬級服務(wù)器規(guī)模華為云蕪湖數(shù)據(jù)中心安徽規(guī)劃百萬級服務(wù)器規(guī)模百度智能云-昆侖芯（鹽城）智算中心江蘇算力規(guī)模達(dá)到200PFLOPS百度天津智算中心天津-百度沈陽智算中心遼寧規(guī)劃算力500PFLOPS，一期208PFLOPS百度濟(jì)南智算中心山東-騰訊長三角人工智能先進(jìn)計(jì)算中心上海目前已有1萬余臺服務(wù)器投入工作騰訊智慧產(chǎn)業(yè)長三角（合肥）智算中心安徽-潤澤（西南）國際信息港項(xiàng)目重慶規(guī)劃AIDC高等級智算中心機(jī)房8棟，單棟機(jī)房機(jī)柜數(shù)量為4184架，總機(jī)柜容量3.2萬架以上潤澤（廊坊）國際信息港新型智算中心河北容納16384臺超性能服務(wù)器并聯(lián)資料來源：根據(jù)公開信息整理附表1-3部分政府智算中心建設(shè)情況時(shí)間名稱城市算力芯片2019橫琴先進(jìn)智能計(jì)算中心廣東4EFLOPS寒武紀(jì)2020深圳鵬城云腦深圳1000PFLOPS一期：英偉達(dá)二期：昇騰2021武漢人工智能計(jì)算中心湖北200PFLOPS-2021南京智能計(jì)算中心江蘇1250PFLOPS寒武紀(jì)2021西安未來人工智能計(jì)算中心陜西一期300PFLOPS，總規(guī)劃1000PFLOPS昇騰2021中原人工智能計(jì)算中心河南一期100PFLOPS，總規(guī)劃300PFLOPS異騰2021昆山智能計(jì)算中心江蘇500PFLOPS寒武紀(jì)2022青島人工智能計(jì)算中心山東100PFLOPS昇騰2022成都智算中心四川300PFLOPS昇騰2022廣州人工智能融合賦能中心廣東總規(guī)劃1000PFLOPS昇騰2022大連人工智能計(jì)算中心遼寧100PFLOPS-2022重慶人工智能創(chuàng)新中心重慶總規(guī)劃1000PFLOPS昇騰2023北京昇騰人工智能計(jì)算中心北京短期400PFLOPS，遠(yuǎn)期1000PFLOPS昇騰2023天津市人工智能計(jì)算中心天津規(guī)劃300PFLOPS，首批100PFLOPS昇騰2023福建人工智能計(jì)算中心福建總規(guī)模400PFLOPS，一期105PFLOPS-2023長沙昇騰人工智能創(chuàng)新中心湖南1024PFLOPS昇騰2023沈陽智能計(jì)算中心遼寧總規(guī)劃500PFLOPS，一期208PFLOPS-2023甘肅慶陽算力中心甘肅3500PFLOPS，計(jì)劃6000PFLOPS英偉達(dá)，昇騰2023湖南人工智能算力數(shù)據(jù)中心湖南2000PFLOPS-2023河北人工智能計(jì)算中心河北規(guī)劃300PFLOPS，一期100PFLOPS昇騰2023濟(jì)南AI算力中心山東規(guī)劃1000PFLOPS-2023寧夏國產(chǎn)千卡智算集群建設(shè)項(xiàng)目寧夏-摩爾線程2023石家莊人工智能計(jì)算中心河北規(guī)劃500PFLOPS，一期100PFLOPS-2024北京亦莊人工智能公共算力平臺北京3000PFLOPS-2024連云港大數(shù)據(jù)中心江蘇2000PFLOPS-2024北京石景山智能算力中心北京投運(yùn)200PFLOPS，規(guī)劃610PFLOPS-資料來源：根據(jù)公開信息整理附錄2：國內(nèi)智能駕駛基礎(chǔ)資源現(xiàn)狀調(diào)研分析圖針對排序型問題，縱軸排序得分采用計(jì)算方法為：選項(xiàng)平均綜合得分＝（Σ頻數(shù)×權(quán)值）/本題填寫人次，反映重要性。1.781.571.781.571.331.421.001.050.670.750.880.680.750.810.450.550.600.500.430.280.210.070.190.00排序得分1.50排序得分1.000.500.00整車企業(yè) 智駕供應(yīng)商 高校和研究機(jī)構(gòu) 總體國外公開數(shù)據(jù)集 國內(nèi)公開數(shù)據(jù)集 自采數(shù)據(jù)集（實(shí)驗(yàn)車自采數(shù)據(jù)集（量產(chǎn)車）從供應(yīng)商購買 自動(dòng)駕駛仿真2-11.91.71.91.71.51.21.21.51.31.51.11.21.00.80.50.70.50.90.30.00.00.40.40.40.50.60.50.50.50.20.20.30.40.4排序得分1.5排序得分1.00.50.0

整車企業(yè)

智駕供應(yīng)商

高校和研究機(jī)構(gòu) 總體人駕常規(guī) 人駕事故 自駕路測常規(guī) 自駕路測CornerCase自駕失效/失敗/管 自駕事故 路側(cè)感知（時(shí)空異位）路側(cè)感知（時(shí)空同步）2-20.780.890.780.890.740.950.930.840.700.740.740.520.570.630.670.520.580.700.600.500.410.140.80排序得分0.60排序得分0.400.200.00整車企業(yè) 智駕供應(yīng)商 高校和研究機(jī)構(gòu) 總體明確采集