目前,自动驾驶技术已经走出实验室,进入量产落地的阶段,也成为了各大车企,零部件供应商,高科技公司争相进入的领域,竞争空前激烈。
自动驾驶驾驶技术这一轮的爆发,很大程度上取决于两点:
-
大算力计算平台在消费端取得的突破,为人工智能领域提供了基础算力。
-
深度学习在计算机视觉领域取得的突破,这也是自动驾驶视觉感知的基础。
目前,基于英伟达、高通、Mobileye、地平线、华为的自动驾驶芯片,做多芯片集成开发出来的计算平台整体算力最高已经达到上千 Tops,这为高阶自动驾驶提供了算力保障。
但在算法和算力之间,技术既深度耦合又相互促进,安霸半导体中国区总经理冯羽涛说过:
「自动驾驶所需要的算力不会无限扩展下去,算力要随着算法和数据的能力增长而增长,以目前各家算法技术来说,市面上主流的大算力芯片已经足够,而算法才是接下来竞争的重点,除非算法和数据与算力之间的耦合达到一个瓶颈点,那再去做更大算力的平台才有意义。」
在 1 月 27 日,中金发布了一份名为《人工智能十年展望(三):AI 视角下的自动驾驶行业全解析》的研究报告。报告指出,「深度学习是自动驾驶技术发展的分水岭及底层推动力,算法是各厂商接下来应该重点布局的核心能力,同时,数据是决定自动驾驶量产能力的胜负手」。
也就是说,算力性能已经到了阶段性的平稳发展期,「算法能力 + 数据能力」会成为自动驾驶领域里的各个公司之间竞争谁能胜出的关键。
来源:焉知智能汽车
- L2强标之思:莫让纸箱困住自动驾驶的星辰大海
2025-10-23
- E-NCAP对事故信息附加数据的要求
2025-10-23
- 特斯拉FSD如何“听声辨位”?揭秘紧急车辆识别黑科技
2025-10-23
- 特斯拉将为FSD系统新增15种可视化模型
2025-10-17
- 线束屏蔽效能混响室法 测试能力简介
2025-10-14
- RainSense:带有降雨雨强标签的自动驾驶环境感知数据集
2025-10-14
- 特斯拉全自动驾驶(FSD)工作原理3️⃣
2025-10-14
- 特斯拉如何利用模拟数据提升FSD
2025-10-13
- SACHS空气悬挂支柱总成 - 高端驾乘体验的全新解决方案
2025-09-26
- E-NCAP2026对前向碰撞避免的要求V1.0 1️⃣
2025-09-25



