中国汽车工程学会：智能驾驶智算数据平台发展研究报告

　　

　　该报告由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等联合发起，清华大学、国家智能网联汽车创新中心等牵头编制，聚焦智能驾驶智算数据平台的定义、现状、痛点及建设路径，旨在通过行业级平台整合数据、算力、算法资源，破解智能驾驶研发瓶颈，核心内容如下：

　　智能驾驶智算数据平台是服务于智能驾驶模型开发与测试的 “数据 - 算力 - 算法” 综合服务平台，分为企业级（单一主体自用）与行业级（跨主体共享）两类：

　　核心目标：解决智能驾驶领域 “数据碎片化、算力分散、算法适配不足” 问题，支撑端到端自动驾驶模型的训练、测试与落地；

　　技术底座：以 GPU / 专用 AI 芯片并行集群为硬件核心，支持深度学习模型开发，推动车辆感知、决策、规划等能力趋近线. 行业级平台预期功能

　　数据服务：数据汇聚与传输、确权鉴权、清洗脱敏、质量评估、交易共享等，解决 “数据孤岛” 与合规流通问题；

　　算力服务：跨地域算力汇聚、异构算力支持（GPU/TPU/FPGA）、资源隔离调度、性能监控，优化算力资源配置；

　　算法服务：基础算法库、数据标注模型、仿真测试环境、模型训练 / 剪枝工具，降低企业研发成本，统一技术标准。

　　特斯拉：通过 “影子模式” 采集标准化数据，算力规模达 100 EFLOPS（FP16），引领 BEV、端到端技术，兼具高保真仿真能力；

　　Waymo：依托 Google 用户网络实现数据标注，高保真仿真补充真实数据；

　　英伟达：推出 Drive 系列平台（含仿真工具 DRIVE Sim），与奔驰等车企合作，提供全栈式智驾研发支持。

　　GAIA-X（欧盟）：构建欧洲数据主权基础设施，制定数据共享标准与信任框架，保障数据可控性与互操作性；

　　Catena-X（德国主导）：聚焦汽车供应链数据共享，基于 GAIA-X 原则建立端到端数据链，为智驾数据流通提供借鉴。

　　企业端：整车企业（吉利、小鹏、理想等）、智驾供应商（商汤、华为）、互联网厂商（阿里、百度、腾讯）纷纷布局智算中心，例如阿里张北智算中心规模达 12 EFLOPS，商汤绝影算力达 23 EFLOPS；

　　政府端：2023 年起政府智算中心加速建设，多地规划 1000P 以上算力（如甘肃庆阳 3500PFLOPS），17 个国家级智能网联测试区、7 个车联网先导区积累海量路侧数据；

　　示范区端：20 个 “车路云一体化” 试点城市推动路侧感知与云控平台协同，为数据 / 算力汇聚奠定基础。

　　国产算力 / 框架适配不足：AI 算力以英伟达 GPU 为主，国产芯片（华为昇腾、寒武纪）规模化出货有限；AI 框架（如华为 MindSpore）市占率低，工具链兼容性、算子完备性落后于 TensorFlow/PyTorch；

　　数据共享机制缺失：公开数据集（如 nuPlan、Waymo Open Dataset）远少于国外，企业数据格式不统一，Corner Case（极端场景）数据占比不足 5%，且确权、定价、合规流通规则模糊；

　　人才与技术路径瓶颈：AI 与汽车复合型人才缺口大（预计 2030 年需求 600 万，供给仅 200 万），端到端架构（分块式 / 一体式）技术路径不明确，模型结构、高价值数据不足制约研发。

　　高价值数据稀缺：常规驾驶数据充足，但事故数据、Corner Case 数据占比极低，仿真场景生成依赖手动设计，无法支撑复杂场景模型训练；

　　成本与流通难题：数据采集 / 标注成本占比高（人工核验率仍高），企业间数据格式不统一，敏感数据（舱内 / 地理信息）合规边界模糊，共享意愿低；

　　安全与确权空白：数据加密、追踪技术不成熟，产权界定与定价机制缺失，担心数据泄露或被无偿使用。

　　国产生态弱势：自建算力中心中国产 AI 卡占比低于 10%，面临框架适配、大规模调度难题，依赖英伟达产品存在 “卡脖子” 风险；

　　资源分配不均：整车企业 / 头部供应商算力基本满足需求，高校与中小企业算力严重不足，制约技术研发进度。

　　技术路径不确定：70% 企业已启动端到端模型训练，但整车企业倾向分块式（加速量产）、智驾供应商倾向一体式（长期潜力），模型结构与训练算法尚未定型；

　　平台建设顾虑：企业支持行业级平台建设，但担忧资金投入大、商业模式不清晰，且需国家层面突破合规与流通机制。

　　机制层面：搭建行业协作平台，联合攻克感知、决策等技术难题，加速智能驾驶商业化；

　　数据层面：建立可信数据交易平台，疏通高价值数据流通渠道，释放数据资产价值；

　　总体定位：汽车行业 AI 关键要素流通的 “依托服务机构”，打造公信力强的行业基础设施；

　　风险点：资金需求大（单一主体难支撑）、技术迭代快（平台可能落后于需求）、政策不确定（数据合规 / 自动驾驶政策未明晰）、市场认可度不足（企业观望态度）；

　　公信力技术：需突破资源标准化、质检、数据安全（隐私计算 / 区块链）技术；

　　依托现有资源：以智能网联示范区、车路云试点城市为基础，整合路侧 / 车端 / 云端数据与算力，快速搭建核心功能；

　　重点突破：制定数据存储 / 格式标准，接入标注、仿真等基础服务，推动设备互联互通。

　　机制创新：搭建行业级数据交易系统（确权 / 定价 / 追踪）、算力调度平台（闲置算力有偿共享）、算法授权市场；

　　生态扩展：联合头部企业、高校开展技术攻关，举办行业竞赛，推动数据 / 算力 / 算法跨区域流通，形成开放共赢生态。

　　生态：建立数据 / 算法商业化模式，举办行业竞赛，参与国家标准制定，实现收支平衡。

　　报告指出，行业级智能驾驶智算数据平台是破解我国智能驾驶 “数据孤岛、算力不均、生态薄弱” 的关键基础设施。需以 “数据为核心、算力为支撑、算法为辅助”，通过 “国家推动 + 市场运作” 模式，分阶段突破标准规范、资源整合与商业化难题，最终构建自主可控的智能驾驶生态，助力我国从 “跟跑” 向 “领跑” 转变，加速高级别自动驾驶的研发与落地。