文｜談擎說AI主編 鄭開車
硝煙彌漫的電動汽車行業，即將在一片新的戰場開戰：汽車云。
9月6日，百度針對汽車行業正式推出集團云、網聯云和供應鏈協同云三朵云。不止是百度，在去年6月，字節跳動被曝組建汽車云團隊；去年11月，騰訊云官宣推出汽車云，今年6月又宣布戰略升級，提出“車云一體化”；今年5月，華為云宣布拿下中國汽車云市場第一；8月底，阿里云和小鵬汽車聯手落成駕駛智算中心“扶搖”......
至此，包括阿里、騰訊、華為、字節跳動在內的頭部企業，已全部入局“汽車云”戰場。值得深思的是，為何汽車云成為了電動汽車的兵家必爭之地？電動汽車的下半場汽車云又將扮演什么角色？
“瘋狂”的汽車云，“瘋狂”的科技巨頭
隨著電動汽車的發展，對云化服務的需求正呈指數級上升，接入云服務成為電動汽車新勢力不約而同的選擇。
據《2021年中國汽車云市場追蹤報告》顯示，2021年汽車云行業整體市場規模高達335.2億元，2026年，中國汽車云市場規模可能突破800億元。汽車正從機械工具轉變為智能移動設備，汽車行業的核心競爭力也隨之而改變，從機械移動能力轉變為軟件服務能力。
從“機械定義汽車”到“軟件定義汽車”，中國軟件行業協會智能網聯汽車行業分會秘書長張健給出了可以量化比較的數字，他表示，一輛2025年生產的智能汽車代碼量預計將達到 7億行，相較于2022年將增加2.3倍。
驅這一行行代碼運行的是算力，而算力自然離不開云計算的助力。汽車云伴隨著汽車智能化提速，將發揮汽車行業數字化底座和基礎設施的作用，提升汽車的智能化、生態對接能力，并進一步提升智能汽車的用戶體驗。
具體來看，汽車智能化，一個是智能座艙的廣泛應用，另一個是自動駕駛的飛速發展落地。智能座艙的云計算需求相對來說更容易滿足，關鍵還是在于自動駕駛。
自動駕駛的發展過程同樣是汽車行業數據大爆炸的過程。
要實現自動駕駛，離不開對于路況信息的獲取，靠的是搭載攝像頭、毫米波雷達、激光雷達等高精度傳感器實現，主機廠往往采納多傳感器融合方案。
而傳感器作為明面的汽車產品科技實力，已經成為車企競爭的重要維度，目前主流車型的傳感器數量已經超過 30 個。甚至傳感器在車企當中已經形成了一種鄙視鏈。什么？你搭載兩個激光雷達，那我就裝三個，然后有汽車品牌發話了：四顆以下，請別說話。
智能汽車未來搭載的傳感器可能越來越多，這背后有自動駕駛技術發展的原因，也有產品營銷方面的考量。但不管出于何種目的，最后帶來的結果必然是汽車產生的數據如同爆炸一般，將會逐漸膨脹，最終超出車企的利用能力以及控制范圍。
對于車企來說，數據多固然是好事，但也足夠讓人頭疼，尤其是傳統車企，自然就帶來了汽車云的需求。
那么，汽車云為什么選擇了今天這樣一個時間節點開始爆發？原因或許在于，自動駕駛技術已經走到了從輔助駕駛跨越到完全無人駕駛的關鍵時期。
注意，有可能不是過渡，而是真正的跨越。在9月1日的2022世界人工智能大會(WAIC)上，李彥宏判斷，L2之后率先進入商用的很可能是L4，而不是L3。確實，包括傳統主機廠和造車新勢力在內，已經有很多車企宣布放棄L3，直接跨越到L4。
自動駕駛技術的跨越，也將帶來算力的跨越。
中科院戰略咨詢院產業科技創新中心汽車行業特聘研究員鹿文亮曾表示，“目前自動駕駛80%的技術問題都得到了解決，剩下20%的長尾問題，常被稱為corner case。
高階自動駕駛技術區別于低階自動駕駛技術的關鍵一點就是，能夠解決海量的各種特殊、復雜長尾場景，這背后離不開汽車云的幫助。
比如對自動駕駛場景的仿真測試，即借助計算機虛擬技術對實際交通系統進行某種層次的抽象。
行業普遍觀點認為，自動駕駛系統至少需要100億英里（約合161億公里）的試駕數據，以確保車輛上路的行駛安全，僅憑測試車很難做到這一點，仿真測試就成了自動駕駛研發的重要環節。據天眼查專業版APP顯示，“汽車仿真”相關企業信息已多達18721條。
當前，幾乎每家自動駕駛公司或涉及相應業務的公司都在進行仿真相關的工作。最出名的是特斯拉仿真，其影子模式、車隊學習一直為人所津津樂道。未來業界主流方案將是通過使用云資源進行并行計算，大規模云仿真以提高測試效率。
簡而言之，如果算力不足，有可能導致電動汽車在完全無人駕駛階段發展停滯并走進一個死循環。
汽車云產業的“三角模型”
對于阿里、百度、華為等科技巨頭來說，發展汽車云已經不是可選題，而是必答題。
首先，從這些大廠財報數據來看，由于外部監管不斷加強，互聯網流量紅利見頂，普遍面臨主營業務增長趨緩的困境，而云計算業務成為了企業業績增長的動力所在。
根據阿里2023財年Q1財報，阿里云成為阿里第二大營收來源，其市場份額在中國云計算市場上已不容忽視；百度2022年Q1財報中，智能云業務的增速為45%，高于行業平均水平；騰訊發布的2022年Q2財報顯示，To B業務是唯一處于增長態勢的業務板塊，已經成為騰訊繼增值服務之后的第二大營收支柱。
云計算與自動駕駛技術的發展路徑非常相似，雙方的共同點在于：一是燒錢，二是前期很難盈利。
相比造車，云計算的燒錢程度同樣不遑多讓。而且，云計算想要持續保持領先優勢，不僅要高強度投入，還需要長期保持。
比如2020年，阿里云提出未來3年投入2000億的目標。亞馬遜在今年Q1業績電話會上表示，期望2022年資本投資中基礎設施占比能達到一半，而截止Q1的12個月，亞馬遜資本投資總計610億美元，其中約40%投向以AWS主的基礎設施領域。
在國內云計算產業發展早期，也曾經歷大幅降價以及“一元標”等現象。比如國內規模最大的阿里云，曾在2016年進行過十幾輪降價。2016、2017年國內甚至出現過中國移動一元中標溫州政務云平臺項目、騰訊云一分錢中標廈門政務云項目等事件。
高成本的投入再加上早期的激烈競爭，讓云計算廠商迫切尋找贏利點以回收投資。幸運的是，相比造車，國內云計算廠商已經度過了行業開荒階段，已經走到了盈利的關口。比如阿里云，在2022財年首次實現了年度盈利。
云計算成為科技企業的重點發展目標，而汽車智能化發展存在明顯的云計算需求以及算力缺口，兩者可以說是一拍即合，汽車云由此開始蓬勃發展。
根據汽車云發展現狀，談擎說AI為科技企業入局汽車云，搭建了一個行業三角模型，可以從這三個維度評判科技企業在汽車云產業的優劣勢。
首當其沖的，就是安全與合規維度。
自動駕駛的大量路測，關乎國內城市街道數據，未來成熟落地后，也將帶來大量消費者出行數據，數據安全的重要性不容小覷。云計算作為底層基礎設施，面臨著更高的合規顧慮。
因此，車企選擇汽車云時，必然會提前考慮到如何保證數據安全合規使用，如何不逾越紅線。在這方面，亞馬遜云、微軟云顯然無法和國內云計算企業競爭，而天翼云、移動云、聯通云等具備國資背景的運營商云顯然更具備優勢。
現階段在傳統業務市場飽和的大背景下，三大運營商的傳統業務（移動和寬帶業務）同樣面臨增長難題，也在積極發力云計算。雖然其云計算業務體量尚小，但增長勢頭迅猛。
其次，是云計算廠商對于汽車產業的理解程度。這既包括對傳統汽車制造業數字化的理解，也包括對汽車智能化發展的云服務布局。從這一角度來看，優勢企業是阿里和百度。
在研發制造端，阿里云提供了CAE仿真、工業大數據解決方案，借助混合云統一調度計算資源，賦能車型的高效研發和生產。據阿里官方披露，阿里云服務了光伏、橡膠、新能源、鋼鐵等數個工業細分領域，因此，也有足夠的經驗幫助汽車行業數字化改造，降本增效。
百度云OS此前一度暫停運營，后百度發布基于百度智能云的“Apollo(阿波羅)”平臺，開始將云計算提升到戰略高度。可以說，百度的云計算業務更像是為了打造智能汽車而復活。
最后一個評估維度在于，汽車云企業是否入局造車。這里的“造車”是指，除了汽車云之外，其他一切與造車相關業務。
這仍然關乎企業核心的數據安全，不過主要表現在商業競爭領域。如果一個汽車云企業同時下場造車的，相當于既當裁判，又當運動員，車企有可能擔心自家技術流失，因此很難信任這家汽車云企業。
在這方面，顯然騰訊和阿里更具備優勢。馬化騰曾表示，“騰訊要在2B這一塊扮演小助手的角色。在汽車行業，騰訊也是以這樣的角色來切入。”
基于騰訊對車廠需求的理解，騰訊云推出了車企微服務框架TFS（Tencent Service Framework），它結合了車廠相關業務的特點和模型，關鍵是能夠把帳號體系打通，對所有的應用進行全生命周期管理、監控。
尋找電動汽車下半場的“基石”
在談擎說AI看來，汽車云對于汽車產業的變革，本質上分為數字產業化落地和產業數字化改造兩大部分。
以百度發布的集團云、網聯云和供應鏈協同云等三朵云為例。
據介紹，集團云面向車企集團自身的數字化底座建設，覆蓋了整車的研發、生產、交付、營銷等全部流程；供應鏈協同云則是打通車企與上下游配套企業，保障產業鏈的安全穩定；網聯云為車企提供在自動駕駛和智能座艙層面的智能云解決方案，幫助車企進行數據采集，車輛狀態監控和遠程升級，提高汽車的智能交互和云端協同能力。
可見，集團云和供應鏈協同云都是對汽車產業的數字化改造，通過應用數字技術和數據資源為汽車產業帶來產出增加和效率提升，從而將數字技術與實體經濟進行融合；而網聯云則完全服務于汽車智能化落地，相當于汽車領域的數字產業化落地，提供完全依賴于數字技術、數據要素的云解決方案。
按照當前趨勢，數字產業化落地帶動產業數字化改造，或許將成為汽車產業數字化轉型的最有效路徑。
那么，汽車云廠商在汽車產業發展中扮演的角色將有多重要？談擎說AI認為，堪比鋰礦廠商在電動汽車產業中的地位。
在電動汽車發展的上半場，鋰電池成為了汽車電動化的重要基石。
近年來，電動汽車的發展帶動鋰電池的需求激增，供不應求的結果就是市場情緒不斷升溫，導致上游鋰資源價格不斷上漲。就連鋰電池企業寧德時代也只能將壓力轉嫁給下游車企。
以至于有車企高聲放話，怒噴電池價格過高，稱自己是在給鋰電池廠商打工。可以看出，在電動汽車產業鏈中，大部分利潤都流向了更上游的鋰礦廠商以及相應加工商。
接下來可以思考一個問題，支撐電動汽車下半場智能化的基石，又會是誰？會出現在汽車產業鏈的哪一個部分？這個答案或許就是汽車云廠商。
汽車智能化所依賴的有三個要素：數據、算法、算力。
上文已經提到過，未來汽車產業的發展將是一個數據大爆炸的過程，因此，未來汽車智能化絕對不會缺乏數據，關鍵在于車企能否有效利用數據；至于算法，從目前國內車企智能化發展現狀來看，至少在汽車智能化的重頭戲自動駕駛技術上，算法實際上大同小異，差距較小。
因此，算力或許將是電動汽車下半場競爭的關鍵，而算力主要來源于云。在談擎說AI看來，電動汽車發展到最后拼的其實就是兩種資源，一種是鋰，一種是算力。
汽車云的本質，就相當于一座座的算力礦，只不過相對于鋰礦，云資源可以人工生成。云的重要性不言而喻，汽車云的開戰也就不足為奇了。
在電動汽車的下半場，競爭邏輯已經發生了劇烈變化，從傳統汽車時代圍繞動力、操控、空間的競爭，到電動汽車上半場圍繞電池、鋰資源的競爭，接下來電動汽車下半場將對汽車云、智能芯片、汽車數據等智能化要素提出更高的要求。接下來圍繞算力、算法、數據將共同組成電動汽車新的產業鏈生態。