2025年智能驾驶智算数据平台发展研究报告

微信扫码，打开到小程序

智能驾驶智算数据平台发展研究报告 2025 年 8 月 I 发起单位 中国汽车工程学会人工智能分会 中国智能网联汽车产业创新联盟人工智能工作组 联合牵头单位 清华大学 北京工业大学 国家智能网联汽车创新中心 北京万界数据科技有限责任公司 参研单位 中国软件评测中心（工业和信息化部软件与集成电路促进中心） 中国信息通信研究院 重庆大学 比亚迪汽车工业有限公司 同济大学 电子科技大学 国汽大有时空科技（安庆）有限公司 国汽智控（北京）科技有限公司 课题工作支持单位 吉林大学 北京车网科技发展有限公司 蔚来汽车科技（安徽）有限公司 广州汽车集团股份有限公司 智能汽车安全技术全国重点实验室 长城汽车股份有限公司 广州小鹏汽车科技有限公司 浪潮电子信息产业股份有限公司 华为云计算技术有限公司 上海临港绝影智能科技有限公司 蘑菇车联信息科技有限公司 首链（广州）区块链科技有限公司 II 顾 问 李 骏 中国工程院院士 清华大学车辆与运载学院教授 中国汽车工程学会名誉理事长、人工智能分会名誉主任委员 中国智能网联汽车产业创新联盟理事长 指导专家 李 升 波 清华大学车辆与运载学院长聘教授 中国汽车工程学会人工智能分会主任委员 中国智能网联汽车产业创新联盟人工智能工作组组长 公 维 洁 中国汽车工程学会副秘书长 中国智能网联汽车产业创新联盟秘书长 国家智能网联汽车创新中心副主任 编写人员 陈 晨 赵 晓 华 边 扬 陈 桂 华 杨 志 成 孙 宫 昊 王 瑶 裴 世 康 沈 修 齐 白 文 静 张 晋 崇 刘 震 刘 会 会 刘 高 阳 邹 博 松 曾 庆 双 洪 启 安 李 金 华 高 锋 詹 光 伦 朱 福 堂 张 潮 张 伟 伟 余王鹏飞 陈 虹 李 庆 建 胡 宝 宝 魏 文 萱 高 博 麟 赵 睿 路 鹏 飞 周 毅 龚 诚 王 代 涵 苗 成 生 任 祥 云 张 瀛 王 潼 程 智 峰 贺 翔 潘 鹏 杜 君 黄 清 成 侯 大 卫 王 金 兰 何 英 琪 黄 家 威 I 目 录 1 智能驾驶智算数据平台定义及预期功能 ............................................................... 1 1.1 智能驾驶智算数据平台定义 ..................................................................... 1 1.2 行业级智能驾驶智算数据平台预期功能 ................................................. 2 2 智能驾驶智算数据平台发展现状分析 ................................................................... 2 2.1 国外现状分析 ............................................................................................. 2 2.2 国内现状分析 ............................................................................................. 4 2.3 国内智能驾驶基础资源情况调研 ............................................................. 6 3 基于调研的行业痛点问题及需求分析 ................................................................... 8 3.1 行业痛点问题 ............................................................................................. 8 3.2 行业需求及解决方案 ................................................................................. 9 4 汽车行业级智算数据平台建设关键问题思考 ..................................................... 10 4.1 平台建设必要性 ....................................................................................... 10 4.2 平台总体定位、建设目标及内容 ........................................................... 12 4.3 平台建设风险分析 ................................................................................... 14 4.4 平台建设难点 ........................................................................................... 15 5 汽车行业级智算数据平台建设模式及规划 ......................................................... 16 5.1 平台建设模式分析 ................................................................................... 16 5.2 平台阶段性建设规划 ............................................................................... 19 附录 1：国内智算中心建设情况 ............................................................................... 21 附录 2：国内智能驾驶基础资源现状调研分析图 ................................................... 23 智能驾驶智算数据平台发展研究报告 1 1 智能驾驶智算数据平台定义及预期功能 1.1 智能驾驶智算数据平台定义 端到端自动驾驶要求海量高价值数据、超大规模算力和专业适配算法作为支 持。自动驾驶领域数据类型多样、格式复杂、算力分散，且以 Transformer 为基 底的人工智能网络模型结构在智能驾驶领域的适应性尚未被充分验证。建立行业 级智能驾驶智算数据平台，有望集中行业力量，建立高质量自动驾驶数据集、集 中算力资源、合力研发适用于端到端自动驾驶的算法模型，是推动人工智能技术 融入智能驾驶领域，破解我国智能驾驶相对落后局面、实现赶超的最有潜力途径。 “智能驾驶智算数据平台”是指服务于汽车智能驾驶模型开发及测试的数据、 算力和算法综合服务平台，通常可分为企业级平台和行业级平台。其中，“智能 驾驶模型（智驾模型）”是指可具备感知、预测、决策、规划、控制等功能、可 驱动自动驾驶车辆安全、高效运行的分块化或一体化神经网络载体模型。 图 1 行业级智能驾驶智算数据平台示意图 智算数据平台一般由大算力 GPU 或专用人工智能芯片并行集群为主要计算 硬件，可以服务于人工智能深度学习模型的设计与训练，自动驾驶算法在各类数 据基础上不断地重复训练与验证，推动车辆对环境感知、路径规划等的认知水平 逐渐趋近于真实驾驶场景。 行业级智能驾驶智算数据平台旨在为行业内整车企业、智驾供应商、研究机 构及高校等主体的智能驾驶模型开发和应用提供基础数据、算力和算法服务，并 智能驾驶智算数据平台发展研究报告 2 协调上述单位及相关数据算力供应商开展智能驾驶研发基础资源的汇聚和流通。 1.2 行业级智能驾驶智算数据平台预期功能 行业级智能驾驶智算数据平台预期将在数据、算力、算法三大人工智能支柱 方面提供行业级服务。 （1）数据服务。提供行业级数据服务能力，包括但不限于数据的汇聚与传 输、确权与鉴权、存储与管理、分类和分级、合规与脱敏、清洗与预处理、质量 评估与价值定义、可视化与分析、机器学习平台集成、交易与共享等。 （2）算力服务。提供行业级算力服务能力，包括但不限于算力资源跨地域 汇聚、异构算力支持、资源隔离与调度、高可用性与容错性、性能监控与分析等。 （3）算法服务。提供行业级算法服务能力，包括但不限于基础算法库、算 法开发与优化工具、数据标注基础模型、智驾模型训练与测试环境、智能驾驶基 础模型、剪枝压缩部署工具等。 2 智能驾驶智算数据平台发展现状分析 2.1 国外现状分析 2.1.1 国外企业及项目建设情况 （1）智能驾驶开发商及汽车厂商 智能驾驶技术在国外发展较早，出现了特斯拉、Waymo、Wayve 等智能驾驶 开发商。在数据驱动的端到端自动驾驶系统展现强大的驾驶能力后，各自动驾驶 开发商以及宝马、奔驰等传统汽车厂商也开始积极进行探索和积累。 特斯拉在数据、算力和算法方面均处于国际领先地位。数据方面，特斯拉通 过保持少量标准化的车型并搭载“影子模式”，采集格式统一的道路交通和驾驶 行为数据，数年来累积了大量的高价值数据。算力方面，特斯拉 2024 年底平台 算力总规模扩大到相当于 30 万块 A100 显卡的总算力，约为 100 EFLOPS（FP16）。 算法方面，特斯拉引领了 BEV、占据网络以及数据闭环端到端等自动驾驶技术 研发，并且开发了高度真实的仿真平台，兼具 WorldSim 和 LogSim 仿真能力。 Waymo 的主要优势之一在于可依托 Google 在全球的用户网络，通过用户的 机器人验证进行道路交通对象数据标注，帮助 Waymo 建立高质量数据集。此外， Waymo 还通过高保真模拟驾驶环境用于补充真实世界的数据。 Wayve 积极利用人工智能算法开展自动驾驶系统开发。2023-2024 年，Wayve 发布多模态生成式世界模型 GAIA-1、混合模型 LINGO-1、WayveScenes101 数据 集、自动驾驶仿真软件 PRISM-1。 智能驾驶智算数据平台发展研究报告 3 奔驰采用谷歌云 Vertex AI 平台用于挖掘客户信息以提供个性化内容服务， 同时在构建下一代高级驾驶辅助系统时采用谷歌云平台作为算力中心；采用 NVIDIA DRIVE Sim 仿真软件对智能驾驶功能进行测试验证。 宝马集团与亚马逊云科技开展战略合作，开发定制云软件用于宝马车辆的数 据管理和分发，支持包括分析、机器学习、数据库、存储和计算等功能。 英伟达已开发端到端自动驾驶汽车开发平台 NVIDIA Drive、针对深度学习 应用的 NVIDIA DGX-1 超级计算机、用于智能座舱的开放和可扩展的软件框架 NVIDIA DRIVE IX、端到端自动驾驶仿真平台 NVIDIA DRIVE Sim。 （2）联盟/行业项目 ① GAIA-X GAIA-X 是一个旨在建立欧洲数据和云主权的倡议，由德法联合牵头，欧盟 27 个成员国参与，覆盖 378 家企业，目标是构建一个真正属于欧洲的开放的数 据基础设施，以实现数据和服务的透明度、可控性、可移植性和互操作性，成为 欧盟的“母云端”，并创立通用云标准、参考云架构和互操作性要求等。GAIA-X 的架构设计包括数据共享的共同标准、最佳实践、工具和治理机制，以支持数据 共享和跨公司合作。 GAIA-X 的核心是提供一个共享的数据和服务平台，使公司更有效地使用资 源，并提高价值创造过程的透明度和弹性。它遵循国际数据空间协会（IDSA）的 国际数据空间（IDS）标准，确保数据交换基于欧洲价值观，如数据保护和安全、 通过联合设计确保平等机会以及为数据创造者保证数据主权和参与者间的信任。 此外，GAIA-X 信任框架（Trust Framework）定义了一套规则，以确保参与 者遵守政策规则，如安全、隐私、透明度和互操作性。GAIA-X 标签（GAIA-X Labels）是服务提供商的可选方案，以确保透明度和互操作性的共同水平，同时 限制市场参与者的监管负担。 ② Catena-X Catena-X 是欧盟数据战略框架下德国主导的汽车行业共享数据生态系统，旨 在创建一个开放的、协作的数据生态系统，以促进整个汽车价值链上的数据共享 和合作。成员覆盖汽车制造商、材料与零部件供应商、数字基础设施运营商、公 共研究机构等。该项目开发了行业级数据共享平台，制定了数据标准与规则。 Catena-X 基于 GAIA-X 和 IDSA 的欧洲原则，致力于解决汽车行业中的挑 战，如供应链韧性、合规性、可持续性和监管需求。通过构建端到端的数据链， 使企业能够轻松连接到新的业务应用程序，并实现合规、弥合信息差距。项目的 技术基础包括一系列核心服务，如身份和访问管理、数据交换、以及数字孪生注 册表等，旨在促进数据的标准化和互操作性，同时确保数据主权和安全性。 智能驾驶智算数据平台发展研究报告 4 Catena-X 得到了德国联邦经济事务和气候行动部资助，并且与 GAIA-X 倡 议紧密相连。通过 Catena-X，企业可以提高供应链的透明度，优化质量和物流流 程，并实现更高的二氧化碳减排透明度，同时简化主数据管理。Catena-X 的主要 应用领域为汽车行业的供应链数据共享与交换，遵循去中心化分散型系统和中立 治理原则，为自动驾驶数据的共享流通提供了借鉴价值。 2.1.2 国外现状小结 从已有资料来看，国外智能驾驶开发商中，特斯拉和英伟达是智能驾驶技术 开发的引领者。前者长期处于领先并在数据、算力和算法方面全方位累积了大量 资源；后者以算力芯片和 AI 架构制造和开发商的身份介入智能驾驶领域开展系 统研发，提供计算平台、系统框架、仿真生成等多种智能驾驶基础功能服务，并 与奔驰等企业达成合作，竞争优势显著。除此之外，其他国外智驾供应商相对于 国内企业，其主要优势仍然在于算力资源获取上，数据方面从公开信息上来看并 未具有显著优势，算法层面也未有突出领先优势。行业合力方面，GAIA-X 和 Catena-X 等项目为智能驾驶领域的数据信息沟通和资源交换奠定了良好基础。 2.2 国内现状分析 2.2.1 国内智算中心建设情况 下述智算中心算力规模情况等信息详见附录 1。 （1）整车企业与智驾供应商智算中心 随着智能驾驶技术的快速发展，越来越多的整车企业和智驾供应商开始重视 智能驾驶智算中心的建设，算力规模不断提升，为智能驾驶模型的开发和测试提 供了强大的算力支持，有力地推动了智能驾驶技术的发展和应用。 （2）互联网科技厂商智算中心 除了智能驾驶智算中心外，互联网科技厂商、大模型厂商等均开展算力投资， 以争夺人工智能算力的战略高地，腾讯、百度、阿里、字节跳动、商汤等公司积 极部署智算中心。其中，阿里的张北超级智算中心建设规模达到 12 EFLOPS；百 度和腾讯也已在广州、上海、北京等多地建立了智算中心；字节跳动则通过与润 泽科技等公司的合作，加大在智算中心相关 IDC 领域的投资力度。 （3）政府智算中心 2023 年以来，政府智算中心建设的规模与节奏显著提升，在建及规划项目 较多。随着 AI 带动算力需求的提升，单个智算中心的体量提升，2023 年下半年 之后建设与投运的智算中心出现较多 1000P 以上的算力规模，大型和超大型数 据中心成为主流。 智能驾驶智算数据平台发展研究报告 5 （4）智能网联先导示范区数据算力平台 目前，全国共建设 17 个国家级智能网联汽车测试区、7 个车联网先导区、 16 个“双智”试点城市，确定 20 个城市（联合体）为智能网联汽车“车路云一 体化”应用试点城市。上述智能网联示范区、先导区、试点城市等通过路侧感知 设施构建，汇聚了海量道路车辆运行数据；多地开展云控基础平台建设。 2.2.2 国产生态现状及薄弱环节 （1）国产 AI 算力芯片技术水平快速发展，智算中心国产化率不断提升 近年来，我国国产 AI 算力芯片的设计和制造技术发展迅速，取得了巨大突 破。目前，常用 AI 算力芯片以 GPU 为主，国内华为、天数智芯、摩尔线程、中 科曙光、燧原科技等企业纷纷布局研发，已有量产产品。此外，其他 AI 算力芯 片，如 TPU、FPGA、ASIC、NPU 等也在快速发展，我国企业也有所布局。 但需要指出的是，除华为昇腾外，目前大多数 AI 芯片厂商还无法实现规模 化出货。国产芯片在 AI 计算框架方面成熟不足，端到端自动驾驶要求厂商快速 构建便捷可用的算力，因此当前的智驾算力平台仍以英伟达相关产品来构建 AI 算力的主体，同时通过加入海光、寒武纪等国产芯片以及加速卡来构建 AI 算力。 （2）国外 AI 计算框架占据市场主流，国产适配性框架处于起步阶段 目前全球 GPU 市场的绝对份额被英伟达和 AMD 占据，其中英伟达之所以 能够成为 GPU 全球头号玩家，主要源于其在先发优势下建立的 CUDA 生态。 在 AI 框架方面，华为针对 AI 应用场景，设计了功能类似英伟达 CUDA 的 异构计算架构 CANN 以及帮助开发者孵化各种 AI 创新算法和应用的 AI 计算框 架 MindSpore。但与主流框架（如 TensorFlow 和 PyTorch）相比，MindSpore 的 市占率和社区规模较小，在开发者习惯、工具链兼容性、深度学习算子完备性、 技术文档丰富性等方面仍需提升。特别是在软硬件适配方面，MindSpore 对华为 昇腾芯片的高度优化虽然是其优势，但也限制了对其他主流硬件的适配能力。 （3）我国智能驾驶数据集开放程度不佳 目前，国外智能驾驶领域拥有丰富的数据集资源，例如 nuPlan、Ar