近期，汽车领域大佬们关于“自动驾驶是不是忽悠”的隔空互怼火爆出圈，引来行业对自动驾驶的讨论再次刷屏。
自动驾驶曾经被认为是汽车行业的未来而备受追捧。如今十年过去，自动驾驶技术虽有取得明显进步，但路上能够看到的主要还是L2级别的辅助驾驶，L3以上的高阶自动驾驶始终难以落地。资本也在重新审视自动驾驶的前景，当初的期待有多高，如今的疑虑就有多深。眼下，“活下去”成了高阶自动驾驶企业的首要问题。
行业已从一味追求高指标或者高性能的自动驾驶的功能模块，转向兼顾性能与性价比，显示市场正在回归理性。业内的关注点重新回到对L2+智能驾驶技术的打磨、成本与价格的控制上，力求在实现商业闭环的同时，推动高级辅助驾驶技术向高阶发展。
或许有一天，高级辅助驾驶技术与高阶自动驾驶将会在某个点相遇，走向融合。
数据驱动轮子带来新的挑战
即便是现在，无人驾驶也并非完全是“皇帝的新装”。在某些局部区域，比如港口、园区等已经实现，只是在更广阔、复杂的场景里还需要更多的调试和打磨。
当前全球汽车正处于百年变革的关键节点，汽车的“新四化”(电动化、智能化、网联化和共享化)革命为业内每个参与主体同时带来了前所未有的挑战与机遇。如今电动化、网联化已经顺利形成，智能化将在汽车产业变革的下半场上演，是整个行业普遍的认知。
尽管关于自动驾驶的口水仗频频登上热搜，但在智能化这个无人敢忽视的趋势面前，大家的身体都非常诚实。
在近期的上海车展上可以看到，除了小鹏、蔚来、问界等造车新势力们在智能化系统配置及辅助驾驶能力方面持续升级，包括沃尔沃、劳斯莱斯等传统车企也推出了具备高阶智能驾驶辅助的产品。一贯被认为对于新技术更加保守的丰田，也展出了和中国自动驾驶公司小马智行合作的车款。
可能让大家想不到的是，其实比亚迪还是自动驾驶的先行者。早在2013年，比亚迪就推出了线控自动驾驶汽车，2018年又推出开源车载智能开发平台“比亚迪D++开发生态”;2021年，比亚迪先与汽车智能芯片企业地平线达成合作，后与自动驾驶公司Momenta合资成立自己控股的自动驾驶公司，布局高阶自动驾驶;从2023年起，比亚迪又引入了英伟达的自动驾驶芯片(DriveOrin)和自驾平台(DRIVEHyperion)。
2023年车市，量产车的电动化、智能化汽车带来的将是市场更激烈的淘汰赛。
百度集团资深副总裁、智能驾驶事业群组总裁李震宇近日公开表示，“2026年，当智能化完成市场‘跨沟’后，没有智能驾驶能力的汽车将难以进入用户的购车清单。”他认为，未来3年是智能化的关键窗口期。
在这个过程中，智能化正在成为车企比拼差异化优势的核心要素。当汽车变成一个多功能的互联网终端入口，一辆车上的软件价值占比将超过65%，软件定义了汽车。一方面，软件所带来的性能和体验对汽车用户体验的影响越来越关键;另一方面，就像特斯拉所展示的，软件价值量提升为车企带来更多样化的收费模式，延长了汽车的生命周期和价值周期。
无论是软件的运行、迭代还是针对用户行为的智能化学习，都离不开数据要素的支撑。同样的硬件，数据的丰富性和处理效率决定了用户的体验。
而围绕数据的采集、存储、价值挖掘、安全管理等问题，成为行业发展的关键。
不同于传统汽车，智能网联汽车既通过车内外传感器采集大量的行驶数据、环境数据和行为数据，又采集海量操作系统的用户行为数据，这些海量数据维持着车辆日常的运行。一辆L4高等级自动驾驶汽车每天会产生的数据量能达到10TB，是传统汽车的近10倍。
如何安全、有效、合规地采集、存储和分析使用这些数据，涉及算力、存储、系统、技术、监管等诸多方面的问题。
以算力为例。根据《汽车数据安全若干管理规定(试行)》，要求汽车数据处理者尽可能对数据进行匿名化、去标识化等处理，即“脱敏处理原则”，且除非确有必要，汽车数据的处理者不向车外提供汽车数据，应在车内完成数据存储、数据脱敏，以及算法训练、数据销毁及数据使用等处理活动，即“车内处理原则”。这些要求需要让海量数据必须在车内完成闭环，不仅对存储能力提出巨大的挑战，更会占用较高算力且提高整车算力峰值，增加对芯片的需求，进而导致成本升高。目前车企按照峰值计算方式进行统计，部分车型L2/L3级自动驾驶功能消耗车端算力大概占到50%-60%，最高可消耗近90%的算力，留给数据脱敏的算力空间本就不多。同时，汽车数据脱敏处理流程非常复杂，涉及数据预处理，敏感区域定位，匿名化处理等操作，也会增加对算力的需求。
此外，由于不同厂商的软件系统标准不统一，产生的数据也存在不同标准，要想实现跨终端打通，往往没有现成方案，需要自己去全链布局。这对汽车生态链上任何一家企业而言，都意味着长周期、重投入和无数技术的铜墙铁壁。
焦虑困扰整个产业链
面对上述挑战，市场上出现三种实现自动驾驶的路径：一是车企坚定全栈自研，完全自主掌控自动驾驶能力;二是汽车公司与自动驾驶公司通过组建合资公司等方式深度绑定;三是汽车公
