作者 | 德新

编辑 | 王博

2025年的车市即将迈入「金九银十」，各家头部车企在关键的辅助驾驶竞争上也摩拳擦掌，酝酿各自年度的大版本更新。

华为ADS4即将推送，并升级到WEWA架构；小鹏、理想、元戎选择了VLA，已经或者马上在新车推出新版大模型；地平线、Momenta则更强调强化学习，前者HSD新车马上要量产了，后者正准备R6大模型上车。

华为ADS4 WEWA架构， HiEV拍摄

如果用一句话来总结辅助驾驶在今年的趋势，那就是全面进入了「GPT时代」。这一代的辅助驾驶系统，普遍在车端的模型参数规模上已经超过了十亿参数门槛（1B），云端模型参数规模更是接近千亿级（100B）。

当然，与大语言模型相比，今天辅助驾驶「大模型」还在非常早期的阶段。但针对模型训练所需的数据规模，以及算力投入已经在显著地增长。头部的车企，包括吉利、理想、奇瑞等在内，云端算力储备已经超过10EFlops，各大车企加码云端算力以EFlops计算；头部公司今年增加的辅助驾驶里程，将以10亿公里计算。

在辅助驾驶的研发上，大模型主导的技术路线已经非常明确，车企的挑战从路线的摸索，转向对新范式下研发组织的变革以及效率打磨。

一、辅助驾驶进入GPT时代

在整个大AI领域，Scaling Law模型参数规模带来的算法性能收益仍在持续，辅助驾驶也追随这一定律。

OpenAI刚刚在8月初发布了GPT-5，其早前历代的大版本——GPT-2是15亿参数，GPT-3跃升至1750亿，而GPT-4达到了1.8万亿。历代模型随着参数加大，每代模型的能力都令人刮目相看，模型的训练成本也是直线飙升。

我们没有最新的GPT-5的数据，但是据此前Deep Trading创始人Yam Peleg爆料：GPT-4大约在2.5万张A100上训练了90 - 100天，利用率在32%到36%之间。业界估算训练算力成本将近8000万美元，耗电超过2亿度。

目前，就辅助驾驶的模型参数规模，进到端到端大模型后有显著的提升，车端参数规模在10亿级（几B），云端参数规模已经达到百亿级（几十B）。头部公司小鹏公布其在训练的云端辅助驾驶基座模型参数规模为72B，理想VLA的VL基座模型达到32B。

纯从参数规模角度，辅助驾驶云端大模型现在的发展阶段，介于GPT-2和GPT-3之间。

X

模型参数规模的增长，在车企的研发上是全链路的挑战。

车端视角下，过去BEV + Transformer的范式，需要的车端算力规模大概在100 Tops，现在需要数百甚至1000 Tops级的车端算力；典型的11V 800万像素摄像头，每天采集到的数据是数个TB。

云端投入也在高速增长期。吉利的星睿智算目前算力规模超过23 EFlops，理想最近公布云端算力超13 EFlops，奇瑞的天穹智算算力也超过了13 EFlops。光这3家加起来就接近50 EFlops，之前有行业预测称2028年国内车企总算力规模达到100 EFlops，如今看已经太保守。

除了资源上的压力，头部公司也在面临新的问题，比如MPI的增速放缓，又比如在超过10亿级里程积累后挖到有价值数据的难度越来越大，模型训练的周期也在被拉长。

总之，辅助驾驶在从70、80分，向100分挺进的路上，车企开始踏上最难的一段坡

二、车企破局「大模型」开发

在2025年轰轰烈烈的「全民辅助驾驶」运动里，保守估计国内市场至少50%以上的新车会搭载L2辅助驾驶系统，也就是一年1000万台级的增量。

尤其对传统厂商来说，今年会压力陡增，一个是车企的用户基数大，另一个是因为今年他们的辅助驾驶配置率拉得很快。比如长安汽车现在大概有2000多万的车主，奇瑞有超过1600万，长安预期今年会有数百万台的增量，而奇瑞则谈到今年辅助驾驶里程增加在20亿公里以上。

除了堆更高的车端算力，大模型带来的挑战大部分聚焦在云端的工作，比如训练算力、数据挖掘、模拟仿真等等。

以长安汽车为例，长安今年选了华为云CloudMatrix384超节点来做辅助驾驶的云端模型训练；前不久的智能汽车大会2025上，搭载华为云 CloudMatrix384超节点的长安天枢智驾重磅发布。

华为云CloudMatrix384超节点首创将384颗昇腾NPU和192颗鯤鹏CPU，通过全新高速网络Matrixlink全对等互联，形成一台「超级 AI服务器」，单卡推理吞吐量跃升到2300 Tokens/s。针对今年汽车行业大模型的趋势，华为云专门跟主流车企做了专项深度的优化，尤其是针对端到端和VLA的大模型。

前面我们提到过GPT-4在训练时，2.5万张A100利用率是32 - 36%，什么意思呢？这实际上是说，此时GPU的算力是够的，但因为一些原因没有「喂饱」浪费掉了，可能的瓶颈包括显存带宽、通信带宽等等。

而华为云CloudMatrix384超节点将算子从CPU向NPU下发，使用的不是传统的PCIe，而是华为自建的UB（Unified Bus），可以大幅加快算子的下发速度；而在显存带宽上，CM384是GB200 NVL72的2.1倍。

显存高就是在模型的训练过程中，可以喂得更快、算得更快，模型的参数规模也可以更大；对车企来说，就是同样电费，迭代更快，训得的模型更大。

在模型训练，除了计算之外，还有一大瓶颈是存储。

华为云在CloudMatrix384超节点的机柜中部署了AI-Native智算存储节点，是专为AI 全生命周期设计的存储解决方案，也是辅助辅助驾驶开发的加速器。

通过向量检索，其每次检索能返回的条数高达10万条；AI-Native智算存储还提供大模型训练所需的高缓存容量和带宽，到年底，其高性能缓存容量将增长到128PB，高性能缓存带宽将提升到12TB/s。

所谓「向量检索」，比如高速场景中会搜集海量数据，想找到「 前车车尾伸出了一根长长的钢管」，要从海量的场景中找到对应的数据堪称「大海捞“帧”」；使用传统的检索方法每次只能反馈一千条的结果，而华为云通过AI存储和向量检索结合，一次可以返回十万条的结果，大幅提高数据挖掘的效率。

目前，长安与华为云开展深度合作，基于华为云CloudMatrix384超节点及华为云高带宽、大容量的存储集群，成功实现了长安汽车自动驾驶模型的高效训练。双方已进行了VLA、端到端等多种自动驾驶模型的适配。

华为云通过AI上饱和式的投入，以及CouldMatrix384超节点、AI-Native存储等核心技术的创新，正在成为车企布局大模型的首选伙伴。

三、辅助驾驶，如何驶向更安全的未来？

伴随着开年的「全民辅助驾驶」运动，今年对辅助驾驶安全的关注也是空前的。

前不久在贵阳，华为云发布了全国首个具备大规模超节点的汽车专区 —— 华为云贵安汽车专区。

华为云贵安汽车专区发布，企业官方

华为云贵安汽车专区是专为汽车行业打造的云基础设施，依托分布式接入架构与全国高可用布局，实现低时延就近接入，保障用户在自驾游等跨区域出行场景中，都能享受到一致的智能辅助驾驶体验。

同时，多专区多活架构让系统可靠性大幅提升，实行车云时延降低60%，可用性达99.999%，让智能辅助驾驶体验更流畅、更可靠。

此前，华为云已建成业内首个 「 三可用区（3AZ）」乌兰察布专区，此次贵安专区上线标志着其第二大汽车专区落地。后续芜湖汽车专区上线后，华为云即将完成业内首个三专区上线。

未来，三大专区协同联动，将为智能辅助驾驶技术研发提供安全合规、低时延、高可用的基础设施保障，支持分布式全国就近接入，显著提升用户体验。

据了解，中国最大的智能驾驶辅助企业引望跑在昇腾云上，引望使用云上算力已支持100万辆车智能飞驰。

华为云在辅助驾驶的体验上还有一个重要的创新思路是，以云助车。

「 以云助车」方案为复杂的智能辅助驾驶场景提供澎湃动力，已帮助车企落地泊车与低速巡航场景：一方面将难例泊车成功率提升15%，另一方面借助云端大模型辅助优化端到端泊车效率，让准备出行的用户享受更轻松的驾驶过程。

真正「大模型」时代对车企的挑战是日新月异的，用华为云中国区Marketing与解决方案销售部部长刘飞的话「华为云帮助车企造更智能的车」。目前，已有5000万辆智能网联汽车由华为云提供服务。