年月自动驾驶出租车(Robotaxi)商业化趋势展望多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新3第一章 变中求进：全球 Robotaxi 再掀热潮，商业化探索冷 静后提速 第二章 聚力共促：五大落地要素协同发展，推动商业化进程 稳步向前第三章 立根筑基：Robotaxi 运营复杂加剧，多元化能力 评价指引发展 041840目录*本报告中所述具体企业的相关数据信息均基于企业公开资料整理，数据及信息截止2023年11月2023年，Robotaxi和自动驾驶行业在经历低谷后重整旗鼓，年底诸多为行业铺垫基础的重要政策也为市场打下一针强心剂。纵使在低谷调整阶段，我们也可以看到Robotaxi的参与者在过去两年都没有放缓技术研究、产业合作、运营提升、体验创新、培育市场的探索步伐。拨云见日，全球各国对于Robotaxi产业推动凝心聚力的背景下，政策、技术、运营、成本、消费者等五大行业核心要素均有持续进展，中国也相应进入了Robotaxi商业化1.0的时代。罗兰贝格跟随行业趋势，对Robotaxi的商业化进程进行回顾跟踪和趋势展望，并总结五大行业发展要素的分阶段成熟度框架。同时，我们也抛砖引玉，提出Robotaxi运营主体商业化能力的评价体系，期望与行业和相关方共谋Robotaxi发展，在2024年继续携手推进Robotaxi商业化进程。序言自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新501行业回顾：行业低谷后的拐点临至自2022年开始，全球Robotaxi行业在经历了数年火热的市场追捧后，由于技术落地进展不及预期，短期难以实现规模化预期收益，行业关注度显著降温。资本市场对于Robotaxi产业链企业的投资收紧，态度整体较为保守，行业也相应进入了阵痛期。部分Robotaxi企业由于缺少持续“输血”而陷入经营困境，甚至背靠福特与大众两大巨头的自动驾驶明星公司Argo AI也被迫解散。进入2023年下半年，在经历了一波行业“重新洗牌”和“去弱留强”后，Robotaxi行业重新回归理性，伴随着诸多L3级别自动驾驶试点政策的推行，行业稳步向前发展。一方面，无人驾驶仍是未来改变交通和出行的大势所趋，自动驾驶技术公司1)不断完善自身自动驾驶方案的开发，并着力提升技术经济性，深度绑定整车厂，共同推进落地应用；另一方面，我们也看到多国政府在“碳中和”愿景的指引下，从政策端积极主导推动本国未来共享出行模式（包含Robotaxi）的发展，通过增发自动驾驶测试牌照、开放更多自动驾驶测试区域、甚至允许在特定区域内进行全无人自动驾驶的测试运营等政策动作，给予Robotaxi更大空间。作为商业化进展的“领航者”，中美两国已在各自境内指定城市面向公众开通Robotaxi收费服务，实现无主驾安全员的全面商业化运营。与此同时，全球其他国家也正沿着相似的Robotaxi商业化发展趋势向前迈进。变中求进：全球Robotaxi再掀热潮，商业化探索冷静后提速1.1 全球Robotaxi行业发展进程与关键趋势全球Robotaxi发展关键趋势动态：商业化进程到达关键节点，发展路径逐步趋同首先，从国家产业整体视角来看，各国政府对于Robotaxi的态度进一步放开，政策导向进一步明确，并开始注重落地后的实际表现。以往，由于自身发展或引入的Robotaxi相关技术尚未成熟，各国普遍仍停留在道路测试阶段，不完善的监管制度也倾向于一刀切，对未成熟的技术开启商业化持谨慎态度。如今，各国看到以美国头部玩家Waymo和Cruise为代表，在Robotaxi领域的技术能力不断提升、方案不断成熟，技术可靠性得到一定程度的印证，已经具备尝试商业化的基础，且监管层面也同步完善对Robotaxi商业化的运营监控，例如中国、韩国、德国等国均逐步开启小规模商业化试点，并根据试点效果平衡技术与社会实施成本。由此可见，当前全球的Robotaxi商业化走到了一个重要的节点，即以往脱离现实应用的单纯技术测试正逐步转向能够真正产生经济效益、为用户解决出行问题的商业化服务。其次，从行业生态玩家视角来看，各国的商业化发展路径逐渐趋同并形成“专业化分工 深度合作绑定”的共识，更多地转向“金三角”协作模式，即由自动驾驶技术公司推动Robotaxi自动驾驶技术发展，整车厂主导开发自动驾驶整车平台，专业出行服务平台负责Robotaxi的运营服务。参考美国Waymo和Cruise的领先实践，其在推进Robotaxi商业化进展中经历过多个角色的试错，对于不同角色的专业性壁垒和自身的定位独特性逐渐有了深刻理解，也带动其他行业玩家积极寻找最适配的角色定位，并将推进Robotaxi商业化主动列入自身发展战略中。例如，以Uber和Lyft为代表的专业运营平台，更加聚焦自身客户流量和服务运营方面的优势，完成自身再定位，积极加入Robotaxi的商业化进程。罗兰贝格观察到，“金三角”的协作模式，正逐渐被越来越多的国家所采纳并应用至其自身的Robotaxi商业化进展中。未来，角色分工模式将引导各类企业最大化发挥自身长处，并与行业内其他专业角色深度绑定，形成更多的“金三角”以共同前进，而其中的每一个核心角色都不可或缺。1）本报告中所提及的自动驾驶技术公司均特指以乘用车自动驾驶应用为主且当前处于正常经营中，不含以低速无人车、Robotruck等非乘用车自动驾驶应用为主或已出现经营困难/停止营业的公司。自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新76商业化试验阶段0.0蓬勃发展多点开花阶段1.0规模化发展效益向好阶段2.0成熟稳定精细化运作阶段3.0第一梯队无主驾安全员的小规模商业化试验第二梯队有主驾安全员的小规模商业化试验第三梯队道路测试阶段第一梯队无主驾安全员的正式商业化运营(限定区域)第三梯队道路测试阶段 中美多个城市开启全无人Robotaxi收费运营，抢先进入“1.0”阶段 更多国家正式开启有主驾安全员的小规模商业化试验迈进迈进下一阶段下一阶段2022年2023年第二梯队有主驾安全员的小规模商业化试验迈进迈进下一阶段下一阶段各国Robotaxi商业化进展动态01 第一梯队国家持续引领，发展路径求同存异作为去年第一梯队的中美两国，在商业化进展上继续保持领先态势，更进一步迈入1.0阶段。在发展路径上，中美两国虽都选择了通过政策监管层面的放宽推动技术进步，但在政策放宽的尺度和标准上却又结合了各自Robotaxi商业化进展的特征，因而存在如下差异：中国对于Robotaxi的商业化落地严格遵循“循序渐进、稳扎稳打”的发展态度，在技术可靠性得到验证后，监管酌情放开给予技术发展的空间，反哺技术迭代，持续“螺旋式”前进路径取得成功。美国则对于Robotaxi的商业化采取了更加开放的发展态度和“跨越式、快节奏”的发展方式。为了实现技术领先、快速迭代，部分城市的监管层面大胆放开、一路绿灯给予Robotaxi最大的发展空间。例如，Cruise在道路测试和商业化试运营阶段验证成熟后，立即在旧金山向当地监管机构抢先申请全无人自动驾驶的商业化运营资质。同样，政府也希望通过开放更广泛的区域场景帮助Cruise完成数据积累和技术优化，使最终商业化的落地能够使旧金山市民得益。对比中美两国发展路径的异同，罗兰贝格认为在Robotaxi的商业化进展中，采取跨越式发展需秉持谨慎态度，寻找合适的跨越点，避免冒进或将带来的额外风险。一方面，我们应该正确认识到，当前的L3级别自动驾驶技术并不能够支持全无人自动驾驶的开放式场景运营。另一方面，技术的可靠性尚较难保障Robotaxi的高效、安全运营。因此，政策监管的开放程度仍需和技术发展的成熟度需要互相适配，避免失衡。2023年，美国本土头部领先的自动驾驶技术公司Cruise和Waymo相继获得了旧金山全天候商业运营无人驾驶出租车的运营牌照。该牌照的发放是自动驾驶行业史无前例的重大里程碑，标志着完全开放的Robotaxi商业化正式开始在美国乃至全球首发落地。其中，对于正积极扩展海外业务的Cruise而言，牌照的颁发也在一定程度上展示了其技术形象，获得其他国家政府的信任，为其核心的全球化战略提供了有利支撑。公开资料显示，自2023年8月开启运营后，Cruise获准在旧金山市区道路，以不超过45英里/小时（约合72公里/小时）的速度运营，旧金山民众可以通过手机App自行叫车完成服务。在运营时间和规模上，Cruise获准24小时全天候运营，夜间可运营300辆Robotaxi，白天可运营100辆。然而，在短短三个月的实际运营中，却暴露出一些问题。首先，Cruise车队需人工频繁介入，平均约每行驶4-5英里（约合6-8公里）即需触发一次远程介入。如此频繁的人工远程介入在影响效率的同时也带来一系列运营相关问题，部分难以远程解决的问题甚至还需员工到现场操作方向盘开走车辆。这也明显反映出Cruise的车辆技术水平和自动驾驶运营服务尚未能达到复杂行车场景无安全员的要求。其次，Cruise在实际运营中问题频发。一方面，Cruise的Robotaxi对于复杂长尾场景和道路突发事件尚未有能力有效理解和处理。例如，对于在执行任务中闯红灯的消防车辆，Cruise未能理解此特殊情景并实施躲避措施，导致十字路口碰撞事故的发生；另一方面，Cruise对于复杂道路交通交互信号仍未能实现准确识别，例如交警的手势和指挥等，造成道路交通堵塞。除此以外，出现问题后缺乏迅速应对对策，例如在夜间车辆出现无法熄火、无法行驶等问题，且远程资料来源：罗兰贝格全球各国Robotaxi商业化进展动态2022年，在罗兰贝格与如祺出行联合发布的自动驾驶出租车（Robotaxi）商业化前景展望报告中，基于成本、技术、服务、监管和市场接受度等具体要素的相应发展和支撑作用，定义了Robotaxi的商业化发展阶段。此外，鉴于全球不同国家政府的政策开放、投资支持力度，以及行业生态玩家的专业化能力、Robotaxi启动时间差异等，将Robotaxi商业化发展划分为多个梯队。今年，报告将继续沿用关于商业化发展阶段和梯队的定义，对各国Robotaxi商业化进展现状进行重新观察与评估。纵览全球各国Robotaxi商业化进展现状，并对比2022年同期商业化水平，我们观察到两大关键趋势：一是部分已在商业化发展进程中的国家实现成功突破进而迈入下一全新阶段；二是有新国家已完成技术储备和验证，正在积极迈入Robotaxi商业化进程领域。01 注：基于公开资料整理注：基于公开资料整理自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新98对于美国而言，2023年Robotaxi的商业化进展在经历了一定程度的失衡后，“跨越式、快节奏”的发展方式告一段落。作为另一家领先自动驾驶玩家，Waymo在Cruise的前车之鉴后，放缓商业化扩张的速度，基于现有技术的能力和可靠性采取偏向稳定的发展态度。Waymo在经历从早年间布局Robotaxi的全产业链，造车、技术、运营一把抓，到自动驾驶技术聚焦的发展轨迹后，在战略及商业化扩张方面较Cruise更为保守。2023年，Waymo退出了自动驾驶卡车业务，全面聚焦Robotaxi。在城市拓展节奏上采取循序渐进的方式，不过分急于扩大运营区域和规模，充分依据城市政策发展、出行需求、气候情况、道路复杂度等考量并决策，尽量最小化安全事故的负面影响。与此同时，2023年Waymo积极迈出与运营平台合作商业化落地的步伐，与Uber和捷豹三方合作在旧金山、菲尼克斯实现Robotaxi正式收费运营；推动模式上，在菲尼克斯从Uber Eats送餐服务切入，得到验证和认可后转入Robotaxi商业化运营。Waymo的商业模式转型让其他行业跟随者相继效仿，行业玩家在美国纷纷开启“技术 整车 平台”的“金三角”合作模式，例如：出行服务运营商整车厂自动驾驶技术公司捷豹汽车现代汽车通用汽车丰田汽车WaymoCruiseMotionalAuroraAutoXZoox克莱斯勒Robotaxi“金三角”UberLyft美国Robotaxi“金三角”生态合作关系03资料来源：公开资料，罗兰贝格 Cruise宣布召回Robotaxi车辆，并宣布暂停与通用、本田合作开发的自动驾驶车Origin的生产 Cruise宣布暂停员工股票套现计划，联合创始人兼CEO凯尔沃格特引咎离职，而后联合创始人兼首席产品官丹尼尔坎也宣布离开2023年获得牌照8月 Cruise正式得到监管部门批准，允许在旧金山全天候商业运营Robotaxi问题频现10月2日危机发酵11月 Cruise的一辆Robotaxi在旧金山发生重大交通事故 Cruise在第二天提交的行车记录视频中，选择性删除了拖拽行人的部分关键内容，直到9天后才披露全部视频牌照吊销10月24日 加州机动车管理局宣布吊销Cruise的自动驾驶运营牌照许可Cruise商业化进展“滑铁卢”时间轴:02资料来源：公开资料，罗兰贝格介入难以解决时，无法协调公司人员快速到达现场解决问题，长时间堵塞造成群众抱怨和公共管理麻烦。由于事故频发，Cruise被强制要求大幅度缩减车队规模，而后更被收回Robotaxi商业化无人运营牌照。Cruise被迫暂停其旧金山的Robotaxi业务也意味着失去了政府和当地用户对其技术可靠性的认可。与此同时，一系列公司管理危机接踵而至，其海外业务的快速扩张亦蒙上阴影。由于危机波及后续的L4级别自动驾驶车辆Origin量产计划，导致未来Cruise在迪拜和日本的商业化进展存疑。2023年，本田宣布与Cruise和通用计划在明年建立无人驾驶出租车服务合资公司，并于2026年在东京率先开展无人驾驶出租车业务。此外，Cruise也与迪拜政府达成了协议，在迪拜部署并试运营自动驾驶出租车。但随着Origin的量产受阻，相关海外业务计划或将受到影响。02 Cruise、通用、Lyft三方合作在旧金山实现Robotaxi正式收费运营；Motional、现代汽车、Uber/Lyft三方合作正在拉斯维加斯进行小规模商业化试运营，预计2024年正式开启规模化收费运营；Aurora、丰田、Uber三方合作正处于出租车队测试阶段；Zoox与丰田合作，正处于技术验证和测试阶段，暂未接入运营平台；AutoX与克莱斯勒合作，正在硅谷地区通过生鲜运送场景进行技术测试，暂未接入运营平台。03 在中国，政府监管与技术发展继续呈“螺旋式”前进，以技术可靠性换取宽松的监管政策环境，同时监管政策放开后反哺技术的进一步迭代优化。“金三角”既各司其职，又紧密绑定协作。与此同时，随着政府针对无人驾驶一系列政策出台，并加大对智能交通管理系统、高精地图等自动驾驶基建的投资，Robotaxi先后在北京、上海、广州、深圳、武汉、重庆等地开始进行收费模式商业化运营。开通服务的城市数量和订单量仍在不断上升，商业化规模增长较快。总结而言，过去一年来，中国Robotaxi行业整体发展亮点频出。政策端，我国自动驾驶政策重心已由过去鼓励扩大路测与试点范围，转向支持车型量产和商业化运营落地，以推动高级别自动驾驶技术和创新商业模式加速成熟。技术端，自动驾驶平台和整车架构两个层面均有显著升级，实现了复杂场景的突破和技术可靠性的同步提升。技术提升的同时，成本端，Robotaxi整车生产制造的降本已成为行业关注方向。运营端，出行服务和车辆服务运营的模式与细节注：基于公开资料整理注：基于公开资料整理自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新1110进一步得到探索或精耕，提升效率和体验的新方案层出不穷。受上述多方面的积极推动，最终在用户端实现对Robotaxi整体认知和接受度的提升。第二梯队国家小步快跑，寻求突破除了中美两国持续发力，保持第一梯队的领先地位外，我们也看到去年处于第二梯队的国家在这一年也有着诸多行动和探讨，纷纷从道路测试阶段转向开启小规模商业化试验并不断扩大试验范围，完善技术验证。其中，中东地区的阿联酋今年在Robotaxi领域有较多行动，推动相关商业化进展加速向前迈进。阿联酋作为中东国家中商业化进程的领跑者，在政府政策与资金的双重加持下，已从去年的道路测试阶段快速迈入有主驾安全员的小规模商业化运营试验阶段，率先将迪拜和阿布扎比两座主要城市用于Robotaxi测试示范城市，并由阿联酋政府出资提供相应的基建和道路环境支持。作为欧美领先自动驾驶玩家代表的Cruise，在其战略重心转移至美国本土外的市场扩展后，进一步提速在迪拜的Robotaxi商业化布局。今年Cruise运营的5辆Robotaxi在迪拜Jumeirah区内的8km试验区内，已经开展小规模商业化试运营。预计到 2030 年，将在阿联酋迪拜和阿布扎比实现4,000辆Robotaxi商业化运营。中国自动驾驶玩家也正积极布局阿联酋的Robotaxi商业化运营。公开资料显示，文远知行的Robotaxi车辆在阿布扎比部分路段在完成超过一年的公开道路测试后，已于今年年中获批了阿联酋首个Robotaxi商业化运营牌照，这也是中东地区颁布的首个国家级全域自动驾驶相关的运营牌照。获此牌照意味着将被允许在阿联酋开展各类自动驾驶车辆的路跑测试和商业化运营。今年，文远知行在阿布扎比萨迪亚特岛和亚斯岛开展了小规模的Robotaxi的商业化测试，当地用户可以免费自主叫车体验Robotaxi服务。与此同时，以韩国、西欧等发达国家为代表的其余第二梯队国家也在纷纷持续推进自身的Robotaxi商业化进程，以审慎选择区域或人群覆盖、场景覆盖的方式，在2023年取得相应的推进成果：韩国：在2022年9月正式发布Robotaxi全局规划和政策后，仍处于小规模商业化试验阶段；韩国政府为表示对于Robotaxi的支持态度，于今年开放了更多的试运营区域，如年初将首尔清溪川地区纳入Robotaxi试运营区域。德国：今年由Mobileye主导在慕尼黑和达姆施塔特两个区域开展Robotaxi有主驾安全员的小规模试点商业化运营，用户可通过Sixt和Moovit应用程序使用Robotaxi服务。法国：Mobileye正在与巴黎地铁运营商 RATP合作布局Robotaxi商业化进程。老佛爷百货公司员工可使用Moovit应用程序叫到Robotaxi车辆实现无人驾驶通勤。每辆车一次能够运送两名乘客，外加一名Mobileye安全驾驶员和一名RATP副驾驶员除此之外，部分第三梯队国家以较为激进的方式加速投资和商业化迈进。例如，沙特政府将Robotaxi的落地应用作为构建未来沙特先进交通系统的重要部分，并加大投资力度，全力支持。2023年4月，沙特交通和物流服务部启动了Robotaxi道路试验。10月，某中国领先自动驾驶技术公司与沙特阿拉伯王国新未来城（NEOM）及旗下投资基金NIF（NEOM Investment Fund）成立合资公司，计划在沙特西北部的新未来城落地Robotaxi车队、自动驾驶生产制造及研发中心。由此可见，各国的Robotaxi商业化进展均来到了从技术准备迈向实际商业化运营的关键节点，在全球范围内形成了多点开花的局面，也成功使全球Robotaxi行业走出行业低谷、重新回暖。罗兰贝格观察到，在Robotaxi商业化领先国家逐渐形成共识的发展路径后，既增加了技术验证的信息，同时为后续发展国家起到了很好的示范作用。当其他国家看到Robotaxi的技术可靠性逐一得到验证并走出一条高效的发展之路后，也纷纷酝酿加入Robotaxi的商业化大军，为行业整体发展提供持续前进的动力。在 2022自动驾驶出租车（Robotaxi）商业化前景展望报告 中，罗兰贝格提出实现商业化五大核心要素及不同商业化阶段的要素成熟状态，即政策监管、技术、成本、运营及服务、市场接受度，并重点展开以下四个方面的阐述：定义了Robotaxi商业化：Robotaxi商业化应是基于场景化自动驾驶技术和运营能力实现基础之上，规模化创新共享出行服务的商业化运营。定义了Robotaxi商业化阶段及里程碑：从0.0阶段的商业化试验，到1.0至3.0三大商业化阶段，以及各个阶段对应的关键里程碑。明确了Robotaxi商业化阶段的衡量方式：应围绕上述五大要素衡量商业化成熟度。基 于上 述 定 义，得出中 国 在 2 02 2 年处 于从Robotaxi商业化试验向蓬勃发展多点开花的商业化1.0阶段迈进的过程。1.2 中国Robotaxi商业化正式迈入1.0阶段前期今年，罗兰贝格对五大要素成熟度进一步量化评估，针对每个要素提出1至5分（1分代表商业化相对初级状态，5分则代表行业终局状态）的成熟度判定标准，以相对定量化的视角试图准确描述中国Robotaxi商业化发展各阶段的特征和各要素的成熟状态，以作为持续跟踪中国Robotaxi商业化发展进程的有效方法。04 在商业化0.0阶段，五大要素的成熟度普遍为1分甚至不到1分，处于商业化尚未起步状态。进入商业化1.0阶段后，技术升级推进政策配套，并通过商业化试运营反哺技术进步，以解决长尾场景问题，实现技术层面突破，为未来大规模开展商业化提供先决条件。因此，该阶段的政策监管、技术、运营及服务三大要素走在前列，成熟度可普遍达到2分至3分水平；然而，成本和市场接受度两大要素，由于需要更长时间、更先进技术的沉淀和转化，成熟度相对滞后。注：基于公开资料整理自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新1312?Robotaxi?L4?L4?Robotaxi?Robotaxi?(?)?(?)?L4?,?/?,Robotaxi?Robotaxi?/?Robotaxi?(?)?L3?Robotaxi?Robotaxi?Robotaxi?Robotaxi?/?Robotaxi?Robotaxi?Robotaxi?Robotaxi?Robotaxi?Robotaxi?5?4?3?2?1?罗兰贝格Robotaxi商业化“五要素”成熟度评分04资料来源：罗兰贝格自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新1514下一步迈入商业化2.0阶段后，技术安全已得到市场验证，盈利模式更加清晰，有了大规模商业化的先决条件和基础，得以逐步降低造车成本并提高运营效率。此外，随着商业模式和规则区域成熟，相应的政策监管逐渐趋于完善，有利于市场接受度的相应提升。因此，该阶段的政策监管、技术、运营及服务三大要素，继续稳步向前，位于前列，成熟度可普遍达到3-4分水平；同时，成本和接受度两大要素成熟度虽仍落后，但相较于前一阶段已有显著提升，可以达到2-3分水平。未来迈入商业化3.0阶段的行业终局，产业链各环节打通，盈利模式已极具吸引力，进而更多参与方大举进入，市场格局逐步定型。该阶段技术安全和经济性得到充分验证，配套基础设施和相关政策监管完善，主要由综合服务运营能力主导，无人车的运营成本较有人车更具竞争力。每增加一台无人车运力，出行服务运营商输出的单位服务成本优化，出行服务运营商实现可观盈利。因此，该阶段的政策监管、技术、成本、运营及服务、市场接受度五大要素成熟度均已达到至少4分或非常接近5分水平。我们基于此商业化评分表及各阶段的五大要素成熟度，对中国当前的Robotaxi商业化进展阶段进行评估，从更加量化可视的视角，描述中国市场当前的阶段现状和特征。05基于行业成熟度模型，我们欣喜地看到，中国当前的Robotaxi商业化已经基本迈入1.0阶段，并在过去一年中产生了较多行业发展的“亮点”，尤其是在政策监管和技术领域方面有了显著突破，同时商业化运营的范围也明显拓宽。但同时我们也意识到，中国Robotaxi商业化刚刚起步，意味着即使在领先领域仍有很大的提升空间，且其他领域的短板更将成为行业在接下来一年中需要重点突破的方向。我们将上述五大要素成熟度进行逐一评估和阐述：一、政策监管成熟度评价标准：1分-高级别特定城市指定区域内(中心城区外)发放路测牌照，但产品准入、安全责任划分等核心规则尚未定义2分-高级别特定城市数量增加，指定区域范围拓展（中心城区外），发放并控制试运营和全无人牌照，产品准入、安全责任划分等核心规则初步定义3分-更多城市开放试点区域(中心城区外)，运营要求逐步放松(如限速等)，产品准入、安全责任划分等规则定义清晰成本政策监管技术运营及服务市场接受度商业化0.0阶段测试期商业化1.0阶段运营政策赋能期商业化2.0阶段驾驶技术成熟期商业化3.0阶段成本效率优势期各要素成熟水平时间段2022-2023年2023-2026年2026-2032年2032年后城市覆盖一二线城市一二线城市一二线为主，低线城市参与全面推广覆盖渗透率5%城市内划定试运营范围5-10% 城市内划定试运营范围20-60%扩展到更大的城市区域，包括市中心80% 几乎全程覆盖要素成熟状态当前阶段政策监管技术成本运营及服务市场接受度 政策监管层积极开放，扩大路测范围，发放试运营牌照，并对产品准入、商业化运营相关核心规则作初步定义2分 在自动驾驶感知大模型、整车架构、复杂场景突破等领域实现重大突破，单车L4智能水平显著提升2分 行业核心参入者正逐步推动技术突破、优化供应链、维持有效的投入产出水平，促使Robotaxi单位服务成本逐步下降1分 出行服务运营和车辆服务运营正持续验证与迭代，但车辆资产运营当前仍处于早期阶段1分 消费者对这项颠覆式创新服务的期盼，且领先的运营商也在积极尝试推广以占领消费者心智，中国用户对于Robotaxi的接受度有了明显提升1分中国Robotaxi商业化阶段与“五要素”成熟度现状05资料来源：罗兰贝格4分-试点区域大范围向中心城区拓展，运营环节限制取消，形成较明确的监管方案，全面支持商业化运营落地5分-运营区域完全开放，行业准入、安全责任、技术标准、运营标准、风险机制完善在政策监管层面，2023年中国Robotaxi商业化阶段成熟度已达到2分水平。2022年以前，政策核心目标是加强无人驾驶道路测试的宽度和深度，但关于量产与商业化的详细规则未清晰定义。进入2023年，政策监管层积极开放，除了扩大路测城市和区域范围，还向技术已得到充分验证的领先玩家发放试运营牌照和全无人牌照，从而实现全国多个核心城市开启Robotaxi商业化运营蓬勃发展的景象。此外，基于过往实践的总结归纳，政策监管逐步形成并完成政策框架，且对产品准入、商业化运营相关核心规则做出初步定义。2023年11月，四部委发布 关于开展智能网联汽车准入和上路通行试点工作的通知，正式对L3/L4级别自动驾驶车型的准入规范、使用主体、上路通行、暂停与退出、数据安全与网络安全等方面提出具体要求，同时规定汽车生产企业和使用主体可组成联合体申报，并要求各参与主体明确权责划分。2023年12月，交通部发布 自动驾驶汽车运输安全服务指南（试行），首次明确定义了高级别自动驾驶车辆载客经营活动的行业标准，规范化引导并约束Robotaxi商业化运营。总体而言，过去一年中国Robotaxi的相关政策监管弥补了过往较长时间内针对高级别自动驾驶车型准入与量产、商业化运营规范标准的政策空白。同时，将行业监管法规梳理形成框架，以更加有序的方式指导行业发展。未来，中国的Robotaxi监管政策将在现有框架下逐步完善，并不断细化定义相关准则要求，继续向下一阶段迈进。二、技术成熟度评价标准：1分-单车基础的L3自动驾驶技术实现，解决有限区域内的基本场景问题，运营需车上安全员2分-单车智能水平提升，解决部分复杂场景问题，可在不需安全员的情况下远程监控/介入实现有限区域的安全运营3分-准L4平台的单车技术，解决大多数复杂场景,可在适当介入的情况下支持复杂路段/突发场景的无人驾驶运营4分-基于L4平台的单车技术，高效解决复杂长尾场景，远程介入有限5分-完全的全场景L4自动驾驶，基本无需远程介入在技术层面，2023年中国Robotaxi商业化阶段成熟度已达到2分水平。2022年，中国单车智能水平可实现在部分限定场景下的无主驾安全员运营，但对于复杂场景还有较多的难点尚未攻克。而进入2023年后，中国Robotaxi行业玩家先后在自动驾驶感知大模型、整车架构、复杂场景突破等领域实现重大突破。因此，我们看到单车的L4级别自动驾驶智能水平在新技术、新架构的加持下显著提升。在北京亦庄的Robotaxi运营区域内，首发落地可在无需车内安全员的情况下远程监控/介入实现商业化安全运营，后续真正的全无人Robotaxi商业化运营也将陆续在上海、广州、深圳、武汉等城市逐步落地。同时，针对高速、城区中的多种复杂长尾场景进行了重点攻破。首先在自动驾驶平台层面，今年多家自动驾驶技术公司上线BEV Transformer感知模型方案，采用“鸟瞰图”形式，实现多方位视觉感知图像的重合拼接和识别结果优化，进而为解决行车应用中的变道、高速公路上下匝道，以及泊车应用中的极近场景下周视行人低密输出提供强有力的技术支持。此外，整车厂紧密配合自动驾驶技术公司升级整车架构平台，共同推动前装方案的落地部署。整车厂今年在整车网络架构上开始着手升级，从原先CAN为主的方案全面转向以太网方案，整车架构平台升级为高级别自动驾驶落地量产提供有力支持。有了自动驾驶技术和整车架构的双重升级支持，自动驾驶技术公司自今年以来在复杂长尾场景突破上取自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新17得显著成绩。针对相对成熟的行车应用高速场景，已解决了其中超99.7%（3）的复杂长尾场景问题，例如，上下匝道、识别长挂车等非标车型、其他非标障碍物（如掉落木箱碎片等）等，并能够实现盲点长尾场景的自主识别，该场景下的自动驾驶应用已趋于成熟。同时，针对行车应用中另一重要的城区场景，也已解决了其中超95.4%（2）的复杂长尾场景问题，提升了无保护路口左转、小半径右转、交通信号识别等复杂应用的成功率。未来，在不断优化现有场景长尾问题的同时，将形成体系化解决方案，复制到雨天、雾天、雪天等更加复杂的场景应用。总体而言，今年中国自动驾驶技术突破的亮点频出。可以预见，作为商业化阶段进展的核心推动力，未来，技术成熟度将会加速提升。三、成本成熟度评价标准：1分-为满足技术和商业化运营实现，Robotaxi的单车成本和运营成本不受明确限制2分-自动驾驶系统成本和安全运维成本进入明确下降路径，逐渐至核心参与者全面增强有效投入意愿及水平3分-自动驾驶核心软硬件等系统成本显著下降至可支持资产大规模投放水平，安全运维成本仅剩余必须部分,Robotaxi单位服务成本与有人网约车持平4 分 规 模 经 济 成 为 成 本 优 化 的 核 心 驱 动 因素，Robotaxi单位服务成本较有人网约车更具竞争力，支持资产规模大幅度增加并加速替代有人网约车5分-能支持资产方、运营方及产业链上其他重要行业参与者的全面规模化持续盈利在成本层面，2023年中国Robotaxi商业化阶段成熟度处在1分水平。2022年，行业整体处于技术应用落地验证阶段，为满足技术实现，Robotaxi的单车成本和运营成本较难控制，且前装方案未得到有效落实和广泛应用，进而导致Robotaxi成本高居不下。进入2023年，因自动驾驶技术尚未成熟且Robotaxi车型尚未规模化前装量产，整车制造成本和运营成本仍然高企，但行业核心参与者正逐步推动技术突破、优化供应链、维持有效的投入产出水平等，促使Robotaxi单位服务成本逐步下降。当前，Robotaxi单位服务成本仍远高于同级别网约车，预计随着技术突破、前装方案优化和规模化运营，成本曲线将在未来数年显著优化。面向持续扩大的运营范围、持续增加的多样运行路况和持续迭代的整车技术开发和制造，预计成本挑战在2026-2028年间仍然存在，而在2030年前后整体成本与有人网约车可比：一方面，随着自动驾驶技术方案完善、核心硬件供应链成熟等，整车制造成本预期将实现超过50%的下降幅度(对比目前前装车型成本)；另一方面，运营成本优化的关键在于安全员由车内转向远程，且人车配比持续降低，从而显著降低安全运维成本。整车技术成本、运营服务成本、能源成本、监管成本等多样成本要素的持续优化将支撑Robotaxi实现更高的运营效率和经济效益。四、运营及服务成熟度评价标准：1分 出行、车辆、资产运营起步，接入Robotaxi的试点运营、示范运营及展开基本的商业化运营2分-包含调度、监管、客服、安全兜底等核心活动的Robotaxi出行运营体系完整建立，通过座舱功能和服务的升级提供车内体验，车辆和资产服务随车辆数量增多展开多模式探索3分-运营体系完善，车辆数量加快增长，出行效率提升，与有人网约车相比提供乘客认可的Robotaxi特有体验，成熟的车辆和资产服务模式随车辆运营规模化跑通4分-车辆资产服务模式完善，结合出行服务的体系升级完成整体运营效率进一步提升，从而实现Robotaxi的使用场景（如跨城等）延伸，乘车体验实现明确的差异化、优越性和客户满意5分 出行服务运营、车辆服务运营和车辆资产运营皆达到产业可持续和客户满意水平在运营及服务层面，2023年中国Robotaxi商业化阶段成熟度处在1分水平，并向2分稳定前进中。2022年，行业整体初步接入Robotaxi的试点和基础商业化运营。进入2023年，Robotaxi运营体系的三大核心中，出行服务运营和车辆服务运营正持续验证与迭代；同时，领先玩家们也基于自身资源与能力优势，采取不同模式推动运营并探索向其他模式迁移拓展。相对来说，车辆资产运营当前仍处于早期阶段，主要由于Robotaxi车型尚未大规模量产，车队规模较小，车辆资产管理需求仍待激发。针对出行服务和车辆服务运营，过去一年来行业领先玩家正逐步在人车交互和车辆服务与售后运维两大领域寻求突破。当前，Robotaxi自动化服务和智能座舱功能概念丰富，但因技术完善需循序渐进，相关功能的开发与提升尚待逐步进行；而Robotaxi与外界元素的交互层面，因道路基建的智能化改造进程存在挑战，车路协同模式进展较慢，但依靠单车智能的Robotaxi与其他交通参与者的信息交换相对成熟，如通过智慧大灯投射信息与道路行人的互动等；而Robotaxi与执法交管的互动仍处于探索阶段，无论是感知准确性还是安全性，均待继续优化。在车辆服务与售后运维领域，领先玩家尝试在特定区域布局综合性的Robotaxi运营服务中心，功能覆盖Robotaxi全生命周期内绝大部分维修需求，同时针对车辆调度、远程监控、安全兜底等核心机制正逐步构建与完善，期待未来综合性中心将实现跨区域复制，并通过精细化运营提升盈利性。然而，由于当前Robotaxi车队整体规模仍较小，售后服务需求体量不高，带来的经济效益也有限，大部分运营商仍依赖现有社会资源满足Robotaxi车队日常服务运营需求。整体而言，运营及服务层面的提升存在巨大机会，并将基于进阶性的技术突破和运营能力精细化来实现。五、市场接受度成熟度评价标准：1分-公众认知度低，整体对于Robotaxi安全性、效率存在较大疑虑2分-公众认知度提高，对Robotaxi的主要疑虑减轻，尤其是安全性方面的疑虑3分-公众普遍知晓，对Robotaxi在安全、效率、体验方面的主要疑虑消除并发现其价值，在一定情景或需求下可能使用Robotaxi服务，但不将其视为常规交通方式4分-公众完全知晓，认可Robotaxi在安全、效率、体验方面的独特价值，目标用户群体接受Robotaxi为常规可选交通方式之一5分-公众对Robotaxi的安全、效率、体验高度认可，认同Robotaxi为主要/优先考虑的交通方式之一在市场接受度层面，2023年中国Robotaxi商业化阶段成熟度，处在1分水平，并向2分稳定前进中。2022年，中国用户对于Robotaxi仍相对陌生，且对于其安全性、可靠性及实际可提供的服务和体验均持怀疑态度。进入2023年，尽管Robotaxi仍然受到技术不成熟、小范围试点等限制因素的影响，且绝大部分中国消费者仍未亲身体验过Robotaxi服务，但这并不影响消费者对这项颠覆式创新服务的期待。同时，领先的运营商也在积极尝试推广，以便抢先占领消费者心智。因此，中国用户对于Robotaxi的接受度有了明显提升。当前阶段，市场教育的重点在于提 升消费者对Robotaxi服务的认知，并传递Robotaxi服务独特的核心价值。未来，在市场接受度提升上，需要其他维度要素的合力推动，在潜移默化中提升消费者对于Robotaxi的信心进而加速其商业化进程。自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新191802聚力共促：五大落地要素协同发展，推动商业化进程稳步向前中国的自动驾驶相关政策整体求稳，而部分城市或地区则呈现政策先行、更积极支持探索的姿态，且国家与地方层面政策相辅相成。通常地方政策更开放、管控更宽松的原因在于部分高线级城市汽车工业和汽车智能化产业基础深厚，且当地企业自动驾驶与Robotaxi业务创新探索的诉求旺盛，因而地方政策支持力度高，像北上广深、重庆、武汉等。同时，这些城市也作为中国自动驾驶和Robotaxi运营的先锋城市，通过在当地设立示范区试点，充分验证技术安全性和商业运营可行性，而国家相关部委在此基础下将发布面向全国范围适用的政策与行业标准规范，以支持量产和规模化推广。例如，广州先于国家和其他主要城市要求Robotaxi运营商完成测试车辆准入(相关车型纳入广州市 智能网联汽车（自动驾驶）示范运营车型目录)并获得试运营许可，完善Robotaxi商业化运营的政策规范。整体而言，以往政策核心目标是不断强化自动驾驶道路测试的宽度和深度；而进入2023年，我们则欣喜地看到国家和地方政府积极为自动驾驶规模化量产和商业化运营提供政策支撑。随着更多城市发放无人驾驶道路测试牌照或扩展试点区域范围，而北京上海广州等先锋城市则在2022年开始支持乘用车“方向盘后无人化”路测；自2023年起，在领先玩家充分验证无人驾驶技术能力的基础上，北京率先颁布政策支持“车内无人”商业化运营试点。3月，北京亦庄特定区域成为国内首批支持“车内无人”载客示范应用区域；7基于罗兰贝格对五大要素在当前阶段中国市场的成熟度评估，本章节我们将对五大要素展开细致分析，重点关注在2023年，五大要素分别取得怎样进展与突破，行业内玩家针对这五大要素又有何种动态与举月，北京发布 北京市智能网联汽车政策先行区自动驾驶出行服务商业化试点管理细则（试行），明确支持合格企业可在北京政策先行区内面向公众提供常态化的Robotaxi付费服务。此外，同样具有划时代意义的政策包括高级别自动驾驶车型的准入规范落地，以及颁布高级别自动驾驶车型载客运输安全指南等。高级别自动驾驶车型准入政策靴子落地，智能汽车量产就绪。2023年11月，四部委联合发布 关于开展智能网联汽车准入和上路通行试点工作的通知（以下简称 准入通知），正式对L3/L4级别自动驾驶车型的准入规范、使用主体、上路通行、暂停与退出、数据安全与网络安全等方面提出具体要求。中央层面发布准入通知 意味着高级别自动驾驶车型研产技术已得到较充分验证，其量产和销售上获得政策允许。此前大量车企和科技公司出于宣传自有技术先进性而不断创造新名词，诸如L2 /L2.999等，并宣称尚未能真正实现L3或更高级别车型量产的掣肘在于暂无明确的准入要求；然而，随着准入规则明确，政策障碍被扫清，行业重回研发技术与量产能力的比拼淘汰赛。此外，最受业内关注的事故责任划分规则也得到初步明确。准入通知 要求汽车生产企业和使用主体组成联合体申报，其中，使用主体若从事运输经营，则需要具备运输经营资质，并要求各方签署协议明确权责划分，而非简单地将事故责任归为一方或多方，根据措，以支持中国Robotaxi商业化进入1.0阶段。同时，对五大要素的发展进行前瞻性的展望，立足现状的同时，寻找商业化继续迈进的方向2.1 政策进入2023年，我国自动驾驶政策重心已由过去鼓励扩大路测与试点范围，转向支持车型量产和商业化运营落地，以推动高级别自动驾驶技术和创新商业模式加速成熟。自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新2120实情判定主责方并支持主责方向其他方追偿。准入通知 要求多方联合申报，展现了政策端鼓励多方充分利用各自资源禀赋，充分协作以提速Robotaxi商业化进程（包括车企、自动驾驶技术公司、出行平台等），也体现政策端对自动驾驶商业化采取的策略 先通过B端使用主体验证技术和运营，如出行平台运营共享出行服务可实现风险可控，而当产品成熟且技术完善、风险可控程度达到现有可比出行方案的相似水平时，再放开面向C端商业化推广。准入通知还明确规定了事故发生时车辆应记录和储存的数据信息维度1），在事故发生后2小时内自动驾驶汽车生产方和使用主体应将相关信息向上传至地方平台，并向交管部门提交事故报告。此外，还规定使用主体应落实对数据安全和网络安全的主体责任，并与汽车生产企业、当地政府配合，遵守相关应急预案做好处置工作。此举旨在避免因信息隐瞒等情况导致的行业信任缺失，从而影响自动驾驶商业化落地进程。未来随着自动驾驶汽车规模化上路且运营场景愈发复杂，当前 准入通知 的权责划分规则必然无法全面覆盖复杂的事故情景，因而政策制定方也会参照运营过程中积累的多样化事故场景，持续细化补全相关规则。高级别自动驾驶车辆载客经营活动的行业标准首次被明确定义，规范引导并约束Robotaxi商业化运营。2023年12月由交通部发布的 自动驾驶汽车运输安全服务指南（试行）（以下简称 服务指南）明确定义了使用高级别自动驾驶汽车在机动车可通行的各类道路上从事城市公共交通和出租汽车客运服务的行业规范，规则涉及对车型配置、经营资质申请及获取、适用道路状况、运营监管等多项要求。同时，服务指南 为了确保守住载客运营的安全底线，严格要求自动驾驶出租车必须配备安全员。L4级别自动驾驶车型在日常运营中应配备1位安全员，而L5级或完全自动驾驶的车型则可配备远程安全员，比例不低于1:3。值得注意的是，交通部发布的 服务指南 是针对现阶段robotaxi服务运营商在全国范围内使用量产车型开展规模化商业运营时应达到的安全标准，要求相对严苛，也符合国家层面以安全为重、求稳务实的整体政策方向；而针对地方特定示范区域内试运营项目，地方规定要求则相对宽松，旨在基于安全风险可控的前提下，鼓励运营主体积极尝试，以真实运营数据反哺技术与商业模式走向成熟。例如，在北京亦庄的政策先行区，部分领先运营服务主体已获批准对L4 级别测试车型即可采用远程安全员方案，人员配比约1:5。整体而言，近几年国家和地方政府频繁发布行业支持政策和规范条例，尤其是2023年年底发布的 准入通知 和 服务指南，弥补了自动驾驶技术萌芽以来，较长时间内针对高级别自动驾驶车型准入与量产、商业化运营规范标准的政策空白。064.商业化运营服务规范3.智能网联汽车准入1.牌照发放2.试点区域划分包括路测牌照、试运营牌照、全无人牌照等如示范区、先行区等，名称存在地域差异2023年取得突破政策类别为在城市道路商业化运营提供规范标准，包括城市公交、出租车、载货等应用运营主体可实施路测或试运营的许可，代表其技术和运营能力得到监管层认同且风险可控当地政府根据道路实际承载力划定试点区域，为商业化提供空间和道路设施支持为高级别自动驾驶车型准入、量产和日常上路提供政策依据，并明确各方责任界定政策意义准入资质基建支持量产要求行业规范推动Robotaxi商业化进程的核心政策及2023年突破性政策06资料来源：罗兰贝格当前政策类别已包括牌照发放、试点区域划分、智能网联汽车准入、商业化运营服务规范四方面，实现对Robotaxi商业化发展的三大关键阶段的全面覆盖，即路测与试点、车型量产、规模化运营。此外，现有政策组合也对不同阶段下参与主体的行为进行规范与约束，如路测与试点阶段的主导方自动驾驶技术公司、车型量产阶段的主导方车企，以及在规模化运营阶段自动驾驶技术公司、车企、出行服务运营商三方紧密合作形成的“金三角”商业主体。与此同时，鼓励地方政府为推动自动驾驶技术和商业化进程而提供空间和道路基建支持的政策也贯穿始终。因而，我们认为当前政策组合已能较充分支持现阶段在特定范围区域内小规模Robotaxi车队开展商业化运营试点，且为即将到来的高级别自动驾驶车型量产与上市销售提供较完整的政策规范基础。我们判断，未来政策将在现有的逻辑框架下持续完善。顶层架构设计将坚持安全为底线的同时逐步开放，而开放的前提是在部分先锋城市或区域内充分试点并完成技术与运营验证，因而地方政策将持续先行且更为激进。具体到不同政策类别，我们则认为，随着自动驾驶技术和Robotaxi运营的商业模式不断成熟和完善，将有更多城市开放牌照发放并扩展试点区域，尤其是更多低线级城市的地方政策也将逐渐补齐和完善，以满足低线城市改善交通运输效率和终端居民出行体验提升的诉求；而智能网联汽车准入相关法规除了在积累量产经验过程中对高级别自动驾驶车型准入规范、使用主体、暂停与退出等方面的具体要求进行完善外，也将进一步精细化扩充对事故长尾情形下的权责划分规则，以应对未来日趋复杂的自动驾驶交通出行场景下的风险管理。最后，商业化运营服务规范则将随着技术进步和运营模式的成熟而不断迭代优化，以支持提升终端消费者体验和商业主体的运营效率，如进一步放开对安全员配置的硬性要求，以满足商业主体的盈利性要求等。07?Robotaxi相关政策间的关系07资料来源：罗兰贝格1.准入通知要求车辆自动记录事故发生前至少15秒（或自动驾驶系统激活时刻，两者可取较晚时刻）和事故发生后至少5秒（或自动驾驶系统退出时刻，两者可取较早时刻）的视频信息上传至地方平台自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新2322Robotaxi产业技术链条全景Robotaxi产业技术链条各环节的发展突破为其在中国的快速商业化落地起到了有力的支撑作用。纵览Robotaxi产业技术链条全景，罗兰贝格按照技术的实现功能和应用场景，将技术按照上、中、下游进行归类。上游主要定义为通用技术层，主要指为产业提供通用的底层工具技术，以支持自动驾驶应用功能的研发、测试、优化等各个环节。工具技术的使用可以帮助技术人员提升自动驾驶应用功能研发效率和应用准确性。中游主要定义为核心功能技术层，是Robotaxi能够实现应用落地的“中流砥柱”，主要包括自动驾驶和整车架构两个层面的技术，这两个层面的技术协同构建了Robotaxi应用运行的最核心功能，是整个技术产业链最不可或缺的关键一环。它既依赖于上游底层工具技术的支持以完成研发构建，又决定了下游面向终端的上层运营应用端可实现的功能基础。下游主要定义为上层运营应用层，是Robotaxi实现商业化运营相关的生态技术支撑。它能够实现Robotaxi的技术功能与商业化运营的有机串联，同时配合实现中游自动驾驶核心技术功能向出行服务的落地转化。082.2 技术2023年是Robotaxi相关技术不断完善，且在酝酿大变革的一年。罗兰贝格观察到中国Robotaxi在技术层面“亮点频发”，技术进步涉及产业技术全链条，硬件软件多方面。基于中国Robotaxi产业技术玩家推动的关键变革进展，我们重点对自动驾驶技术与整车架构的提升，自动驾驶应用场景的完备，以及Robotaxi技术可靠性的提升进行探讨。上游：工具技术层软件硬件中游：功能技术层下游：应用技术层出行运营服务其他生态服务自动驾驶技术公司上游工具/技术/部件供应商整车厂出行服务商其他生态服务商产业链关产业链关键角色键角色产业链关产业链关键技术键技术高精地图线控底盘感知类硬件(如车载摄像头)域控制器芯片人机交互算法智能座舱娱乐系统数据标注云平台V2X通讯仿真测试自动驾驶感知算法发单派单路径规划动态定价线上支付数据安全协议智慧停车维保服务快充服务Robotaxi产业链技术全景图08资料来源：罗兰贝格2027-2028自动驾驶算法层面整车架构层面20232030时间线行车感知融合具备L4级别自动驾驶功能Robotaxi车型落地云端智能迈向更高阶的自动驾驶迈向更高阶的自动驾驶BEV Transformer方案行车感知融合泊车感知融合PNC规划控制中央控制架构超高算力芯片完全线控底盘单车智能万兆以太网络2025-2026行车感知融合泊车感知融合具备完整、完善的L3级别自动驾驶功能Robotaxi车型前装量产现有车型改装1)Robotaxi技术落地路线图与关键里程碑09资料来源：罗兰贝格1)以加装感知设备和替换高性能芯片为主，不涉及整车架构的完全变革上、中、下游三个层级的技术环环相扣，共同支撑Robotaxi的落地应用和持续迭代。同时，每个环节技术能力的提升突破，都将对下游技术的发展产生重要推动。最终，整个技术链条的升级将反映在Robotaxi的性能边界提升、技术与产品开发周期缩短、安全冗余提升等多方面，并推动行业发展、保障行业运作、提供基础设施或多元化商业模式。与此同时，技术-运营-政策螺旋式地相互促进方可有效运行，通过上述技术提升实现运营范围扩展及水平进步，从而推动数据的收集和技术的开发，再次促使整体技术链条的升级。Robotaxi技术落地路线图与关键里程碑技术链条上、中、下游的突破升级推动了自动驾驶算法和整车架构的进一步发展。展望未来Robotaxi的技术发展前景，罗兰贝格观察到，中国自动驾驶技术公司和整车厂对于未来Robotaxi车型的两条落地路线图形成共识：第一种“短平快”路线，是由自动驾驶技术公司推动整车厂基于现有车型适配改造，将整车架构与自动驾驶技术融合适配，快速推动Robotaxi车型的落地应用。由于现阶段Robotaxi仍在限定区域行驶，且需要部署车内/后台安全员监控，因而当前的整车架构技术水平尚能支持。除此之外，自动驾驶技术公司也迫切需要车辆能够尽快上路行驶，帮助进行数据积累和模型训练。另一种“循序渐进”路线，是自动驾驶技术公司联合整车厂共同推动合作研发新的车型，逐步实现能够完备支撑Robotaxi车型落地应用的自动驾驶算法和适配的整车架构。按照此路线演进，行业先行者正加速推进Robotaxi前装量产落地，预计在2025-2026年前后会落地下线具备完整、完善的L3级别自动驾驶功能的前装量产车型，相较于当前已量产的L3级别自动驾驶功能车型，将在整车电子电气架构、芯片算力、网络架构等方面实现升级，以支持更多不限定、复杂场景的应用。随着Robotaxi商业模式的逐步优化，以及行业先行者在自动驾驶领域技术的持续突破，预计在2027-2028年前后会落地下线可用于更多城区内运营场景，且具备L4级别自动驾驶功能的前装量产车型。具体而言，可从自动驾驶算法和整车架构两个层面来看：09自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新2524首先，从自动驾驶算法层面来看，到L4级别自动驾驶功能完全实现落地前，罗兰贝格认为行业发展在2023年、2025-2026年、2027-2028年将出现三个关键节点，依次实现从行车架构感知融合BEV Transformer方案，到行泊统一架构感知融合BEV Transformer方案，再到包含感知融合和PNC规划控制的全套End-to-End方案的三大里程碑。2023年以来，领先中国自动驾驶技术公司正逐步完善感知融合BEV Transformer方案。该方案的完善能够大幅提升行车过程中复杂长尾场景（如高速公路上下匝道等）的处理能力和效率。下一步，到2025-2026年前后，领先中国自动驾驶技术公司将能够落地完成行泊统一架构感知融合BEV Transformer方案。该方案的成功落地，将标志着自动驾驶泊车能力的大幅提升，并在纳入统一架构后，未来技术方案的更新升级将更加高效，同时实现行泊统一节奏发展。最终，到2027-2028年前后，领先中国自动驾驶技术公司将能够实现将感知融合和PNC规划控制模块统一纳入大模型中，实现End-to-End，正式标志着L4级别自动驾驶功能的完全落地。其次，从整车架构平台层面来看，到具备完全L4级别自动驾驶功能的车型正式实现落地前，罗兰贝格认为行业发展在2023年、2025-2026年、2027-2028年将出现三个关键节点。2023年领先整车厂采用基于现有整车架构平台进行硬件（主要为感知类、运算类硬件）改装，使其成为具备L3级别自动驾驶功能的前装量产车。到2025-2026年前后，领先整车厂将基于下一代整车电子电气架构、高算力芯片、以太网络架构等实现具备完整、完善的L3级别自动驾驶功能的前装车型量产。到2027-2028年前后，领先整车厂将完成中央控制架构、超高算力芯片、完全线控底盘、万兆以太网络架构四大核心硬件部署。此外，展望2030年，领先整车厂可实现单车智能向云端智能的迁移。L4级别自动驾驶落地需要具备全域集中式控制能力、高算力要求、完备线控能力、高速数据互传等，而现有的整车架构较难支撑。因此，整车厂在开发全新的整车架构时需在硬件层面逐级迭代。2027-2028年前后，随着新技术成熟、量产成本降到合理区间，将完成上车。第一，在整车控制上，整车厂将从当前的分布式/分区域控架构全面转向中央控制架构，实现一个中央大脑主导运算。第二，中央控制架构的成功部署也是得益于芯片算力的支持，实现感知、决策、控制等全方位的运算。第三，在底盘线控上，核心的油门、转向、制动线控等功能完全成熟，其余底盘功能也全面从机械控制转向线控模式。第四，整车网络架构将从当前CAN主导转向万兆以太网，支持L4级别自动驾驶大数据量和高速的传输互动。更进一步，到2030年，随着云端算力的迭代升级，整车厂将主要把PNC规划控制模块保留在车端，而将大部分感知融合算力转移至云端，车辆也不再需要传统的方向盘等配置，推动单车生产制造成本不断降低。基于共识的落地路线图，自动驾驶技术公司和整车厂将依据自身Robotaxi业务定位和整体的战略发展目标，选择适配自己的路线推动自身Robotaxi的商业化落地。技术提升亮点展望未来，我们看到了Robotaxi未来清晰的实现路径。与此同时，回顾2023年以来Robotaxi行业的技术发展，我们也同样看到三大亮点值得关注。技术升级，夯实基础2023年，在Robotaxi产业技术链条中的中游环节出现两大关键性技术升级BEV Transformer大模型应用和线控底盘控制精度提升，推动单车智能化程度升级。这既为复杂场景的突破提供强有力的技术支持，也提升了自动驾驶的技术可靠性，可以在无需车内安全员的情况下远程监控/介入实现安全运营。罗兰贝格认为，技术升级为中国过去一年的Robotaxi商业化进程做出了重要贡献。首先，行车架构感知融合BEV Transformer大模型的应用取代了传统的2D CNN算法，显著提升自动驾驶的感知能力和泛化能力，赋能车端智能运算的感知和预测环节，加速对于长尾场景的数据挖掘和问题解决，对于推动自动驾驶向L3乃至L4级别自动驾驶升级具有重要意义。一方面，大模型采用“鸟瞰图”形式，可以提供全局视角，并消除图象数据之间的遮挡和重叠问题，提高车外物体检测和跟踪的精度，实现多方位视觉感知图像的重合拼接和识别结果优化。另一方面，大模型采用了数据自动标注的方法，通过自身运算实现全局理解的特征提取，自主理解被识别物体的类别并构建逻辑关系，实现主动式的数据归纳总结学习。其次，线控底盘的控制精度提升，在车辆的执行端为Robotaxi在自动驾驶过程中的安全性提供重要保障，提升技术可靠性。通过优化线控底盘的信号传导机制和相应精度，实现更加精细化的线控换挡、线控油门、线控悬架、线控转向和线控制动五大关键环节，对于降低自动驾驶途中驾驶员接管次数发挥重要推动作用。与此同时，当前整车厂也在逐步开放线控底盘的接口，自动驾驶技术公司有更多机会在前期研发测试环节，更加深度参与整车层面的优化调整，使得自动驾驶技术执行算法与整车硬件层面实现更加流畅的配合。今年的技术发展成果显著，新技术也正逐渐发展成为行业主流趋势。罗兰贝格认为，未来技术层面仍将持续推陈出新，自动驾驶算法软件层面与整车架构硬件层面都将得到全面发展，为实现高阶自动驾驶的落地应用提供有力支撑。场景完备，拓展应用过去，自动驾驶应用的长尾场景一直是亟待解决和优化的突出难点。然而，随着自动驾驶感知、决策和执行端技术升级提供的有力支撑，以及更丰富的实际道路数据积累的获得，今年中国自动驾驶技术公司针对一些典型的复杂长尾场景取得了重要突破和功能层面的优化与提升。以下，我们将针对行车应用中的场景和泊车应用中的场景逐一总结亮点。首先，在行车应用中，已经相对成熟的高速场景已基本完成超过99.7%（3）的长尾场景的解决和优化，其中典型长尾场景（如主动变道超车、上下匝道、故障车辆避让等）的自动驾驶识别精确度和处理效率均取得显著优化提升。在解决和优化已知典型长尾场景的同时，得益于大模型算法加持，能够自主发现自动驾驶算法处理盲点，如自动驾驶车辆容易追尾长挂车、无法避让掉落的纸片和木箱碎块等小体积障碍物等。这些新的长尾场景的处理解决基于当前的技术能力仍有一定挑战，但随着后续感知、决策端算法技术的不断升级，未来将逐渐形成自主发现问题和解决优化的闭环。其次，城市道路作为行车应用的另一重要场景，也实现了场景优化的重大突破。其中已基本完成超过自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新272695.4%（2）的复杂长尾场景的解决和优化，典型长尾场景（如红绿灯信号识别、无保护路口左转、小半径右转、复杂路况路口掉头等）的自动驾驶识别精确度和处理效率均取得显著优化与提升。行业领先企业可实现七成以上成功率（即无需人为接管的次数占比）。然而，我们也应清楚认识到，距离完全解决这些长尾场景仍有较大差距，未来待自动驾驶技术的进一步提升，以及结合更多场景数据的训练，如强光环境下的红绿灯信号识别、行人与非机动车混合的复杂路况等，实现成功率和自动驾驶流畅感受将逐步得到改善。通过不断提升车辆的智能水平，使其能够自主判断，以进行更优、更合适的路径选择、速度控制等。最后，针对相对复杂的泊车应用场景，自动驾驶技术公司在过去一年中也取得了一定突破。例如，结合BEV“鸟瞰图”的应用，对于进出停车库、停车场抬杆识别、自动寻找车位停靠等典型长尾场景实现了优化与提升。长尾场景的解决和优化能够在一定程度上为Robotaxi车辆在上下客、充电、维保等涉及泊车应用场景中减少人为干预，提升Robotaxi整体的运营效率。我们看到，技术的升级对于复杂长尾场景的解决程度起到了显著支撑作用。同时，能够解决更多的复杂长尾场景，意味着在Robotaxi实际运营中效率更优，通过人为接管次数的不断降低，彰显自动驾驶技术公司的领先技术水平。可靠提升，初见成效随着技术的提升和复杂长尾场景的持续优化与提升，技术可靠性逐步提升。Robotaxi能够在道路环境稳定、场景标准的情况下，以较少的人工接管次数，实现自动驾驶运营。以Robotaxi行业通用的MPI（Miles Per Intervention,即每次人为干预行驶的里程数）指标来看，在今年11月举行的第三届智能网联汽车驾驶大赛（广州）-广州混行运营测试GMOT中，领先自动驾驶技术公司可以在路况相对标准和规范的情况下，实现在400公里左右的连续运营中总接管次数少于5次，且超过80%的情况发生在启停点和低速运行中，意味着在正常行驶中可达到超过200公里以上才需人为接管1次的可靠表现。2023年广州混行运营测试GMOT在广州市工信局的支持下，广州混行运营测试组织委员会发起创立了广州混行运营测试，通过构建完善的自动驾驶科技能力及商业化运营能力的指数评价体系和举办自动驾驶混行运营大赛等活动，致力于公平公正地评价各自动驾驶产业公司的混行运营能力现状。测试情况-比赛时间共4天，3天正常赛的比赛时间为10:00-16:00，1天高压赛的比赛时间为08:00-19:00，包含交通高峰期-在广州核心城区的完全开放道路进行，覆盖公立医院、展会展馆等易拥堵路段；道路双向里程约47公里，道路条件良好，交通标识清晰，道路治理规范-成绩评审指标包括运营能力、技术能力和服务体验能力三大方面自动驾驶大赛中的表现与技术和场景的突破高度关联。启停点（如充电、上下客等）和低速运行（如泊车过程等）因涉及泊车相关的复杂场景，当前对于长尾场景的优化程度仍明显低于行车应用，技术可靠性有待提升。未来，技术可靠性的提升将与技术进步和场景突破保持线性同步增长。当前，领先玩家得益于技术实力的提升，已在技术可靠性上取得了初步成效。罗兰贝格认为，针对目前相对优异的行车应用表现，技术可靠性仍将不断优化与提升。同时，针对泊车应用相关的难点，随着技术迭代升级，将在未来取得显著成效。数据采集方案制定数据预处理(清洗、合规)数据存储数据集管理corner case挖掘数据标注训练数据集管理训练管理模型提取场景库构建仿真测试仿真评价封闭场地开放场地模型封装OTA发布数据采集数据生产模型训练模型验证实车测试发布部署如祺已有能力如祺与战略伙伴共建数据闭环能力：如祺出行案例分享10资料来源：如祺出行，罗兰贝格产业链数据闭环支持随着Robotaxi商业化初步发展，以数据闭环驱动算法更新迭代的逐步落地将成为有效挖掘和利用数据的核心手段。尤其针对支持L3-L4级别自动驾驶算法，为推动BEV Transformer方案，整车厂支持持续的大规模、高质量数据来源，以及更多真实、复杂场景的验证，闭环迭代必不可少。一个完整的数据闭环通常包括数据、生产、模型训练、测试验证等环节，环环相扣，各环节的重要性都显而易见。进入L3级别自动驾驶阶段，各自动驾驶相关企业都在试图打造自己的数据闭环系统，或尝试自身覆盖多个环节，或借助“金三角”的能力分工捕捉产业链价值。整车厂作为真实车辆数据的整车方案最终输出窗口，根据自身实际能力与资源侧重决策布局方式，在实现数据供应链安全的同时，向外输出重要数据，用于自动驾驶进一步开发，也获取到更多更有效的数据。由于Robotaxi的商业化需推动L4级别自动驾驶技术落地，如此的考量和分工将在Robotaxi商业化前中期得以延续。10数据采 集和生产是数据闭环的上游环节，目前Robotaxi的发展阶段在成本和效率上具备较高的产业链优先级。领先企业持有测绘资质，依靠自身布局和广泛合作，业务覆盖数据采集和生产的核心环节，并开发一站式解决方案，提升了产业效率。其中，同时拥有网约车平台运营能力的企业，可链接有人车和Robotaxi的数据源，实现更大范围内的内部能力协同。而Robotaxi技术上游本身也面临着技术快速更新迭代。以数据标注为例，从过去基本的场景和元素向更复杂的标注任务发展（如4D标注等）发展，更精确地跟踪和记录动态对象的运动轨迹、姿态变化以及速度等信息；在预标注等方案中，机器学习算法先提供初始的“最佳预测”假设，再由标注员进行标注，准确率也在过去一年快速发展，达到近半水平。自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新2928Robotaxi全生命周期运营总成本整车制造成本安全运营成本运力运营成本自动驾驶模块成本整车其他模块成本 包括硬件(如芯片、激光雷达等)、软件成本安全员成本其他安全运营成本售后维保成本其他运力运营成本 安全员薪水、培训总成本，现阶段为车上安全员，逐步转向远程安全员 如远程监控平台运维成本、数据平台和云服务成本分摊等 包括底盘、车身、动力、智能座舱系统等成本 包括Robotaxi定期维护、机修、钣喷等成本 包括牌照、保险、资产管理服务费等补能成本 包括充电、换电所支付的电费与服务费Robotaxi单车全生命周期运营总成本组成11资料来源：罗兰贝格Robotaxi全生命周期运营总成本决定了Robotaxi资产规模可否持续扩张、商业化运营可否持续实施，从而对两个方面产生深刻影响：一是“金三角”各方合作稳定性，二是消费者购买意愿。首先车企、自动驾驶技术公司、出行平台之间明确分工推动小范围试点，但随着运营范围扩大，更大规模车辆的购置与持有将为运营商带来不小的压力，因而车辆购置成本持续下降才能保证扩张节奏。而且，当前因成本高企，车企对于推动L4级别车型量产进程较缓，因而自动驾驶技术公司致力于通过技术迭代实现整车持续降本，试2.3 成本当前，Robotaxi单车全生命周期运营总成本1)(下称“Robotaxi单车总成本”)仍显著高于同级别网约车，预计成本挑战在2026年前仍将存在。未来，随着自动驾驶研发技术突破、供应链成熟、运营模式变革等因素驱动，Robotaxi总成本的三个方面均将持续优化，以确保实现更高的运营效率和经济效益。11图提升商业化速度和车企积极性。此外，从消费者购买意愿视角来看，若Robotaxi总成本高企导致其服务费用无法下降以达到与网约车接近甚至更低的水平，则消费者用Robotaxi替代网约车作为主要出行方式的动力将明显不足，我们的消费者调研也证实了这一点。12当前Robotaxi相比网约车服务单价更高（不考虑运营商推广优惠），也直接阻碍消费者使用其作为常规出行方式的意愿度 即使保证安全和效率，52%的受访者表示要等到Robotaxi比网约车服务更便宜时他们才愿意作为常规出行方式，而35%的用户表示Robotaxi跟网约车相当或仅贵10%以内，才可以接受Robotaxi。这也体现了消费者的理性看待，除去小部分极客尝鲜人群更多以技术创新的触发点体验Robotaxi外，对于公众人群而言，Robotaxi作为出行方案的选择之一仍需具备相对于网约专快车的价格竞争力，方可成为主流选择。经过多年Robotaxi整车研发试验，无论是从技术成熟度还是供应链角度来看，以Robotaxi前装车型推动整车制造成本降低和规模化量产已成为共识。并且随着L2 级别自动驾驶的加速渗透应用，高级别自动驾驶方案的核心部件广泛量产与应用也将促进供应链完善，推动L3级别自动驾驶车型研发加速进入降本通道。2023年因自动驾驶技术尚未成熟、L3/L4级别自动驾驶车型未规模化量产，Robotaxi单车总成本等仍在高位。假设不考虑分摊运营网络建设的投入与设备折旧，且在车内配有安全员的情形下，若采用自动驾驶组件前装车型，纯电Robotaxi单车单公里的出行服务成本（以下简称单位服务成本）相较同级别有司机的纯电网约车型高25-30%；若选择自动驾驶组件后装改造车型，则其单位服务成本更是高达超过40%。首先，高企的整车制造成本是当前推高单位服务成本核心原因，而这主要是由于当前主流Robotaxi车型采用依赖高精地图和激光雷达的感知技术方案，需装配全套数颗高价值的激光雷达，而自动驾驶高算力芯片供给紧缺导致价格提升，也抬高了Robotaxi整车制造成本。其次，当前Robotaxi安全运营成本中占比最高项目是安全员成本，因为在自动驾驶技术仍在发展阶段的当下，运营商仍需在车内安排1名安全员以应对车辆需人接管的情况。最后，对比普通网约车，Robotaxi运力运营成本需额外增加针对自动驾驶作标定、自动驾驶系统维护工作，且需缴纳更高的保费。然而，我们对Robotaxi单位服务成本下降持有乐观的预期。预计2030年前后将降至1元以下，而部分产业先行者能低至0.7-0.8元。整体而言，降本的关键在于整车制造成本、安全员成本、其他运维成本的优化。13随着自动驾驶技术方案完善、核心硬件供应链成熟，预计至2030年整车制造成本相较前装Robotaxi车型将下降近50-65%，尤其是未来普遍采用半固态激光雷达方案，减少了昂贵的旋转轴的装配需求。而自动驾驶芯片未来主流架构方案中的关键组件ASIC芯片虽然成本较低，但国产替代仍存掣肘，未来通过规模化量产以实现降本仍存在较大的不确定性。安全员也将逐步由车上转为远程安全员，且人车比持续下降，从而显著降低安全相关运维成本。当前部分运营商的远程安全员需掌握代码能力，以通过525%7%5%必须等Robotaxi比网约车更便宜时Robotaxi与网约车相当，或贵10%以内Robotaxi比网约车贵10%-50%以内Robotaxi比网约车贵大于50%也愿意N=1000问题：若保障安全和效率，Robotaxi单程费用与普通网约车比在什么差异范围内，你愿意使用Robotaxi作为常规出行方式？12资料来源：罗兰贝格1.Robotaxi单车全生命周期运营总成本，包括整车制造成本、安全运营成本、车服运营成本自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新3130编程对出现故障且无法用设定好的程序进行调度的Robotaxi展开临时管控，因而这些远程安全员薪酬水平比车上安全员略高，但未来相关Robotaxi监控和调度的程序将持续优化，以降低对安全员技术能力的要求。当前 服务指南要求远程安全员的人车比不低于1:3，即1个远程安全员最多监控3辆车，但随着单车智能与远程监控技术进步，Robotaxi受人为干预的频率逐步下降，对远程安全员数量要求也将逐步下降。预计在2030年人车比将为1:15 至1:20甚至更低，这样单车分摊的安全运营成本与设置1个车上安全员相比显著下降。运力运营成本包括能源成本、售后成本、保险成本和其他能保证稳定运力的相关运营成本。能源成本优化可通过精准车辆调度使得Robotaxi在夜间集中补能，充分利用波谷时段电费更低的优势，而换电模式可确保电池在换电站电池仓库中统一管理并夜间充电，也可通过慢充和电池持续监测以延长电池寿命、提升电池残值，间接提升Robotaxi资产管理的收益。售后成本的优化则是随着规模提升、配件供应链成熟，以及更高的服务效率使得售后体系内所需的人工减少，因而降低场站运营成本的同时降低售后服务成本。高效的车辆服务运营还将提升车辆的上线时间，从而间接提升单车经济效益。整体而言，短期内Robotaxi前装车型的整车制造成本随着技术突破和规模量产而在短期内率先进入下降通道，但由于此时自动驾驶技术尚不成熟，多数情形下仍需安排1名安全员上车，安全运营成本较高使得Robotaxi单位服务成本仍大幅高于网约车，Robotaxi缓慢渗透；随着2028年前，Robotaxi对网约车替代进程启动，这主要是因为随着车上安全员普遍转为远程安全员，安全运营成本显著降低，此时 Robotaxi单位服务成本已无限接近有驾驶员的纯电网约车；中长期至2030年后，随着远程安全员人车比下降，叠加整车制造成本和其他运维成本进一步优化，运营商的盈利性提升，Robotaxi成为出行的主流模式之一。整车制造成本安全运营成本运力运营成本单车总成本(2023)整车制造成本下降单车总成本(2026)整车制造成本下降安全运营成本下降单车总成本(2028)整车制造成本下降安全运营成本下降运力运营成本下降单车总成本(2030)2023年有人出租车年有人出租车(纯电纯电)单位服务成本，预计在单位服务成本，预计在2028年前后年前后Robotaxi与之相当与之相当中国Robotaxi单车全生命周期运营总成本下降路径图(示意)13资料来源：罗兰贝格1)假设不考虑Robotaxi运营体系建设投资的分摊(如售后网络、数据平台等)，仅考虑由技术进步、商业模式成熟等因素推动的主动降本项目2)车服运营成本中包括：Robotaxi售后运维成本、补能成本、保险成本等1)消费需求端不同颜色示意不同消费者（群体）运营模式1.0阶段，Robotaxi玩家有三类主流模式，即聚合型平台模式、混合型平台模式和自运营模式：聚合型平台模式：该类玩家作为聚合平台，既是需求端流量入口，同时也连接多方运力和运营资源，核心作用是实现流量与运力的精准匹配与分发，但平台本身不具备运力管理能力；平台既提供有人网约车服务，也提供Robotaxi服务；混合型平台模式：该类玩家作为混合平台，既自持运力资源，也可整合并介入管理其他运力资源，再将流量按需分配；平台也同时提供有人网约车和Robotaxi服务；自运营模式：该类玩家自持Robotaxi核心技术与运力资源，仅提供Robotaxi服务；但当前阶段不作为平台整合社会运力资源。142.4 运营与服务Robotaxi运营包含出行服务运营、运力运营和车辆资产运营。随着试点范围扩大，领先玩家以三类模式推动运营发展；然而，当前Robotaxi仍未规模化量产和销售，车辆资产运营尝试尚未有显著突破，因而在1.0阶段将重点关注出行服务运营和运力运营，其中出行服务运营聚焦人车交互，而运力运营则聚焦车辆服务与售后运维。自有Robotaxi运力外部Robotaxi运营商1外部Robotaxi运营商2外部网约车运营商1外部网约车运营商2聚合平台聚合平台外部Robotaxi运营商1外部网约车运营商1运力资源端消费需求端运力资源端消费需求端运力资源端消费需求端自有Robotaxi运力自有网约车运力混营平台混营平台聚合型平台模式混合型平台模式自运营模式Robotaxi三类主流运营模式14资料来源：罗兰贝格自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新3332当前阶段，不同Robotaxi运营商根据自身战略需求与资源优势，采取不同运营模式发展探索。聚合型平台模式借助客户流量优势，将Robotaxi作为多样化出行服务的可选项之一，供消费者自主选择。我们可以预见到，当Robotaxi成为成熟的出行方案后，聚合类出行平台对流量的掌握度和需求精准匹配的能力优势将进一步凸显；但是，考虑到目前Robotaxi的车辆运营、用户服务和安全监管等仍处于持续发展阶段，相对于出租车和快车等“接近标准化服务”，Robotaxi特定的运营管理挑战是流量类聚合平台不可忽视的问题。采取自运营模式的玩家以Robotaxi技术公司为主，现阶段因缺乏运力运营和服务经验，故通过自营模式强化必要的能力，同时积累各类关于车、用户的真实数据以优化算法和大模型等核心技术，也为未来迁移至平台化模式积累运营经验，提升议价权。混合型平台模式自2023年试行后，在行业内和用户端得到较大关注。首先，混合运营模式下平台能保持对外开放且兼容稳定，在运力资产对接与管理、服务标准构建与优化、数字化系统与监控平台的迭代均有行业领先性；同时基于网约车业务已掌握坚实的用户基盘和真实场景的运营经验和数据资产，能使长尾和边缘场景数据得到有效收集和闭环反馈，促进自动驾驶技术成熟，并通过真实用户需求形成精准的用户洞察，长期持续地培育市场。出行服务运营和车辆服务运营在Robotaxi商业化1.0阶段将持续验证并快速迭代，推动运营模式优化与创新，而其中Robotaxi人车互动将是运营的关键。人车互动Robotaxi作为载客服务工具将通过智能座舱系统代替司机持续与乘客产生互动，提升乘客的乘车服务体验；同时，Robotaxi作为道路交通直接参与者，应与其他交通参与者(如有人驾驶车辆、非机动车、行人等)共同守护交通秩序，并服从交管方的监管与指挥，这要求Robotaxi与车外其他交通参与者以及执法交管持续交互。未来随着单车智能和互联技术的持续迭代进步，交互将更加复杂化、拟人化和情感化。因而,构建Robotaxi与其他交通参与者互联互通的基础网络，并持续运营，以实现流畅交互至关重要。车内：座舱与乘客交互在初始阶段，Robotaxi不仅能满足消费者的好奇心，更要能让消费者在颠覆式体验中坚信其是未来变革方向。Robotaxi要能聪明地服务乘客，例如自动确认乘客身份、自动开关车门窗等，而将这些全自动化功能呈现在消费者面前，强化其对无人化技术的信心。同时，Robotaxi也因创造“无外人”私密空间，将从乘坐空间进化为功能型空间，如办公会议室、私人影院等，而座舱系统也将提供丰富的内容服务生态，还能实现车内氛围定制调节、语音陪聊等，实现个性化服务。随着商业化进程的推动，Robotaxi也应自适应不同客户的多元化需求。Robotaxi未来或广泛出现单乘客用车的情景，倘若出现极端情形，如乘客将个人物品或宠物遗留车内，或乘客健康出现状况需Robotaxi临时更改路线去救护中心，座舱系统应能精准识别异常情况并及时向远程监控人员通报乘客状况并寻求协助处理。实现更好的座舱与乘客交互，需要在1.0阶段构建用户数据体系，夯实用户数据积累与分析，反哺车型研发与座舱新功能开发。运营主体应构建自有用户ID和用户画像体系，持续记录并更新每一个ID所对应用户的需求偏好，同时也可考虑与合作生态服务商的用户ID体系打通，匹配相同用户的偏好信息，以丰富Robotaxi用户画像，提升对用户需求的精准识别与预判，提供更具个性化的服务，后续可尝试为用户提供个性化推荐服务，为用户创造惊喜，提升用户体验和粘性以保证持续复购。车外：车与外界元素交互当前单车智能水平尚未充分成熟，且相关部件成本高企，在这样的限制条件下，可利用车和交通基建设施、通讯设备的互联技术，加快自动驾驶水平提升和商业化进程。技术视角下，除了车自带的感知单元，Robotaxi还能随时接受路、其他车、信号灯等多来源信息，以验证单车感知结果，以“上帝视角”去弥补单车智能的不足；同时与云端互联，即使自身算力不足，也能通过接收云端决策并实行。成本视角下，由于Robotaxi身处一个完善的智能化联网体系内，对于自身智能化单元要求无需过高，这样也能降低单车制造成本，从而加快商业化推广。除了与道路端智能设备互联，Robotaxi也需与周边其他非联网的交通参与者持续互动以及时互换信息，避免因信息传递不畅而导致事故风险。Robotaxi作为全新物种，短期内其他交通参与者难以全面理解其“行为习惯”和行驶轨迹，如道路行人、其他非联网汽车的司机等；与此同时，不同于有人驾驶车辆，Robotaxi与这些交通参与者的互动无法基于口头对话、手势等人性化的方式，也无法通过V2X互联技术实现信息互通，因而需要Robotaxi依靠更高的单车智能水平保证信息有效传递与接收。此外，鉴于自动驾驶技术仍在持续迭代过程中，仍存在大量未有效解决的长尾场景，若当下道路状况复杂、行人较多，Robotaxi发生决策失误等情况，将导致严重事故从而带来社会安全风险。因此，为解决Robotaxi与其他非联网交通参与者的信息互动困难，可在Robotaxi上加装显示和传播信息的智能化硬件，及时提示周边行人注意避让，如在后挡风玻璃和车窗加载显示屏，或装载车外扬声器以及时播报Robotaxi变道信息，亦可通过加装智慧大灯和尾灯，在夜间路况下能够向前后方路面投射清晰的文字信息和警示标志，以使行人和其他司机能够及时采取行动配合Robotaxi的行驶轨迹。车外：车与交通管制方互动Robotaxi作为道路交通参与者中的“新物种”应接受严格管制，以在发生无人驾驶系统失灵、道路状况临时变化等长尾情景时避免Robotaxi对整体交通秩序及其他交通参与者产生的负面影响，将损失降至最低。然而当前阶段，自动驾驶技术尤其在感知和决策层面仍不完善，频繁发生Robotaxi“不服管”的情况。2023年，美国Robotaxi就多次与交警“对峙”，包括谷歌Waymo和Cruise在内的Robotaxi均在开放道路行驶时被交警要求靠边停下。然而，Robotaxi虽因识别出前方有人而刹车，但似乎并未理解交警的手势，而是停在了马路中间与交警僵持超过一分钟，造成交通堵塞。事后人们怀疑称，Robotaxi其实并未识别出对方是交警，更无法理解交警手势的指令性含义。尽管这类事件没有造成人员伤亡或直接经济损失，但视频在网络疯传引来诸多行业内外的质疑与思考 Robotaxi应如何应对与交管层面的互动。当前，Robotaxi与交管方精准互动存在三重挑战。首先，交警无法时刻保证能显著体现其身份（如警服穿着不规范、警服上的执法标志持续露出，甚至可能是便衣交警执法等），因而车辆感知系统无法第一时间捕捉相关特征而精准识别对方身份；其次，尽管交警执法时应按照一套标准的手势、语言发布指令，但不同交警手势幅度、角度等存在较大个体差异，且交警从不同方向或角度对Robotaxi进行干预均会造成车端感知系统因捕捉的交警图像千差万别而无法精准判断；相反而言，人类驾驶员凭借丰富的驾驶经验和情绪感知或能领悟交警并不标准的手势指令，但Robotaxi作为“驾龄不久”的马路新手则难以自觉领悟。此外，环境因素也会造成Robotaxi对交管识别的误差，如雨、雪、雾等特殊天气也会对车辆感知系统产生干扰，以降低识别精准度，从而无法进入决策与执行的阶段。然而，我们认为这些挑战随着技术的进步将逐个得到解决。技术人员也正积极探索在综合考虑技术与成本的情况下，结合单车智能和互联技术实现突破。短期在Robotaxi感知技术和硬件量产成本挑战尚未彻底解决时，可通过V2X技术强化车辆与交管端的信息互联；中期则通过运营方的车辆监控平台与交管监管平台间信息共享并，从而实现对车辆控制；长期随着单车智能水平提高，AI等技术能够实现近似人类的识别判断能力，从而赋能Robotaxi与交通管制方产生精准互动。短期来看，由于Robotaxi仅能在特定区域内试点或运营，道路和空间环境不确定性因素较少，因而可利用V2X技术助力Robotaxi感知提升。可能的方案例如，在交警穿戴衣饰、执法工具，或临时路障、路锥等加装传感器和通讯设备，向Robotaxi发送标准信号以辅助其识别道路情况和基础指令，以帮助无人车辆在部分简单情景下进行信息接收和执行决策（如道路临时封闭、指定车道引导等），这是综合技术、成本和运营自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新3534挑战后得出的可行方案；同时，应加快建设交管监管平台的信息化和数字化能力，实现交管侧与Robotaxi运营主体的车辆远程监控平台基础信息互通。而到了中期，可进一步加深运营方与交管方监管平台的互通互联。必要时双方可加强协同配合，共享Robotaxi行程轨迹信息，一旦交管发现车辆出现违规或其他风险，可实时将警示信息传输至车辆和远程监控平台，结合后续干涉行动减少事故发生。这将要求交管监管平台与运营方的远程监控平台在部分功能上实现接口打通，且在充分保证网络安全和数据安全的前提下进行。同时，我们认为提升Robotaxi感知能力仍十分重要。一方面，随着Robotaxi运营规模扩大、道路范围拓宽，交警对Robotaxi的管制需求也将更加多样化，单凭临时信息交互设备难以完全满足复杂情况下的指令交互。另一方面，Robotaxi依靠自身感知模块迅速传递信息激活后续决策和执行模块，亦能进一步提升效率。在此阶段，可在相关试点区域内强化对交警的培训，要求其在识别出Robotaxi时采用更标准的手势，使Robotaxi更容易识别，并辅助后台技术人员对感知算法的优化。长期展望，我们对单车智能充满信心，预计在2030年前，AI大模型技术将赋能Robotaxi精准识别道路上99%以上的行人和事物。AI大模型可以根据指令快速泛化出原本不存在的图像，那么未来AI大模型也能够通过标准手势泛化出不标准手势的图案，从而进一步学习理解这些非标准手势背后的含义。同时，技术进步也将提升智能感知配件与模块的应用渗透率，从而通过规模化量产促进供应链的成熟以进一步实现降本，提升技术方案的性价比，形成正向循环支持量产车型的应用。因而，通过更高能的车辆感知技术，赋能Robotaxi对交警和相关指令实现更精准的感知与处理，将在长期成为行业的主流议题。车辆服务与售后运维Robotaxi车辆服务与售后运维技术门槛较普通网约车更高，现有汽车售后资源难以充分满足Robotaxi运营商对售后服务高效性、可靠性和经济性的需求，因而领先运营商正积极尝试自建或主导建立专业化Robotaxi车辆服务与售后运维体系。现阶段Robotaxi保有量较低，车辆售后服务需求尚不旺盛，无法产生较高的经济效益，而第三方汽车售后服务运营商也缺乏投资动力新建专业化Robotaxi售后场站，因而当前Robotaxi运营商主要依赖现有社会资源，与其他非自动驾驶车队共享售后服务设施，包括网约车售后网点、车企经销商、本地修理场等。然而Robotaxi车辆服务基于当前售后资源，面临多重挑战。首先，Robotaxi自动驾驶核心部件的参数标定、功能验证、维修服务等项目的技术壁垒较高，自动驾驶技术公司和配件供应商不会随意分享给第三方。此外，大部分普通汽修门店技师也难以通过培训迅速掌握必备的维修技术。因而现阶段Robotaxi自动驾驶系统一旦失灵且无法通过远程OTA更新得以修复，通常需要技术公司派遣技术人员专程前往服务站点进行维修；而对于地处偏远的示范园区，则需要将整个模块拆卸送往技术公司进行返厂的售后维修流程，不仅给运营方带来巨大的额外成本投入，且运营也将中断超过一周甚至数月。因而，尽管自动驾驶核心部件故障率相对较低，但一旦发生故障，借助现有汽车售后体系，仍会耽误大量时间，直接导致运营效率下降。在Robotaxi专业化车辆服务与售后运维需求日渐凸显的背景下，部分领先Robotaxi运营商为了提升运维效率，开始尝试建造专业化Robotaxi运营服务中心，一方面满足现有Robotaxi车队全生命周期的售后需求，另一方面则通过综合服务运营中心的形态将试运营范围拓展至覆盖Robotaxi售后全部核心项目，以验证并积累专业化Robotaxi服务所需的关键能力与经验。多样化Robotaxi售后网络形态和功能全景根据所覆盖Robotaxi车辆服务和售后运维功能的差异，专业化Robotaxi服务站点的形态可分为三类，即综合运营中心、快修站、补能站。其中，综合运营中心是当前领先运营玩家重点发力建设和试运营的先行形态，目的是充分尝试Robotaxi全生命周期内各项售后服务需求的运营；同时，由于Robotaxi专业化维修难度高且需获取车辆和自动驾驶系统真实数据并进行验证，因而在自建的综合服务运营中心中既可保障数据安全，又能充分验证维修流程和验收标准。Robotaxi综合服务运营中心将覆盖Robotaxi全生命周期内售后运维的全部功能。除车辆基础保养维修和补能外，综合中心还能满足复杂事故维修与钣喷需求、针对自动驾驶套件和核心部件的维修需求、其他核心系统的维修需求等，如智能座舱系统、三电系统等。其中，自动驾驶核心部件的技术趋势将向模块化、集成化的方向进一步发展，因而相关维修服务也将以更换整个模块为主，而非拆件维修，这要求综合运营中心构建针对自动驾驶核心部件的全新供应链和仓储体系。除此以外，综合运营中心也应搭配Robotaxi远程监控平台和大数据平台，以实现车辆数据实时收集与分析、车辆精准调控、网络安全监控、云代驾等功能。相关运营团队除了必要的维修、清洁工人外，也要求核心技术人员具备代码编程和精细化运营的能力，以完成车辆远程监管与调度、数据网络安全运维等工作。15 Robotaxi快修站应满足车辆基础保养维修需求，并可扩展自动驾驶系统标定、软件OTA等服务能力。这些服务通常无需对自动驾驶模块作拆包或物理干预，更多是通过软件层面的排查刷新完成功能修缮，因而需要配备专职软件技术人员。若软件层面无法彻底解除故障，快修站点应配合完成自动驾驶模块“拆卸-打包-物流-收取-安装”整套返厂流程，以避免使用拖车等更低效的维修方案。Robotaxi补能站应满足车辆快速补能需求，未来将广泛布局。当前，国内领先Robotaxi运营商逐步接纳并考虑换电模式，以实现提升运营效率，我们认为未来补能站将采用“光储充换一体”模式。一方面，可通过800V 超充方式或换电模式实现极速补能，以充分保障运营效率；另一方面，充分利用光电系统获取并存储太阳能，以更好地满足运营方“碳中和”目标的实现。然而，当前快修站和补能站尚未进入广泛建设布局的阶段，在一段时期内会以现有车队的后市场服务网点的协同复用为主。改装工区功能包括线线控改装、参数标定与控改装、参数标定与校准、可靠性校准、可靠性验证等验证等对车辆全方位检验和故障排查全方位检验和故障排查，判定维修需求判定维修需求，并将车辆数据提取备份，同时负责数据安全与网络安全管理远程监控平台实时追踪实时追踪道路侧车辆，当结果显示需返厂维护时作精准精准调度调度基础服务工区基础服务工区，满足补能、传统维修、清洁卫生等需求Robotaxi综合服务运营中心与功能全景图15资料来源：罗兰贝格1)本图为功能全景图展示，实际布局和流程动线仅作示意自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新3736 有人参与当前仍是关键尽管Robotaxi可在道路上“自由驰骋”，但进入售后服务站场却稍显“手足无措”。现有汽车售后站场的服务流程标准、数字化系统均按普通私家车或网约车的服务场景设计，司机和站场人员交互是推动服务流程的关键，但Robotaxi尚不能像司机那样快速学习并适应服务流程与标准。一方面，全服务流程自动化对Robotaxi单车智能水平提出极高的要求，而更高的单车智能水平将推升整车制造成本和单车总运营成本；另一方面若依赖远程监控平台与站点数字化系统打通来调度和控制车辆，涉及大量系统开发与测试工作，而鉴于当前Robotaxi保有量规模仍较小，打造其专属服务流程和供应链体系的投资回报周期漫长，因而背后的投资风险未必是运营方和售后服务方愿意承担的。相反，若现阶段弱化对Robotaxi站场内的智能化水平要求，而依托站场工作人员介入以完成服务，将是更快落地且更具性价比的方案。以Robotaxi到站停泊为例，当前自主泊车套件成本较高，且技术尚无法适应所有复杂场景和动线路径，因而搭载自主泊车模块对推动Robotaxi商业化难以起到正向作用；但若Robotaxi驶入站场后直接由站场人员接管车辆驶入检测工位或停车场等候，再到确认服务项目、执行服务、结算离场，出错率较Robotaxi自动执行方案更低或可及时纠偏，也在前期节省了大量智能化研发投资和时间成本。Robotaxi综合服务运营中心的构建方式Robotaxi综合服务运营中心单站投资建设成本高，且对专业化服务和运营能力要求严格，因而需“金三角”协同出力并整合多方优质资源。其在当前阶段主要由自动驾驶技术公司和出行平台主导推动探索，而车企有一定参与意愿但需等候时机着手实践。自动驾驶技术公司：掌控自有Robotaxi车队并需对车辆全生命周期数据进行强管控，包括售后运维环节的数据，以充分验证并迭代自动驾驶关键技术，因而其存在较强动力自建并运营综合服务运营中心。然而，由于其短期内欠缺专业化售后服务能力和站点运营经验，现阶段多选择与专业化运营公司合作；而长期待充分积累运营经验且服务能力成熟时，将寻求外部合作方投资建站，以关键技术和运营经验赋能站点运营，以降低自身运营成本和风险管控。出行平台：以Robotaxi为未来战略发展重心的出行服务平台，其核心优势在掌握较强的车辆运营和服务能力；为了将网约车时代的能力禀赋迁移至未来Robotaxi业务，以延续其重运营体验和效率的行业领先地位，出行平台现阶段自建并试运营Robotaxi综合服务运营中心的动力强劲。车企：高级别自动驾驶车辆的日常运行、故障和事故等相关数据归其所有，且承担智驾功能故障诊断和修复的直接责任，并将通过车辆数据平台实现远程监控与诊断。然而，短期内车企广泛投资建设Robotaxi综合服务运营中心的动力不强，主要原因在于当前Robotaxi保有量规模不大，自建的投资回报风险较高，同时车企可利用现有的售后网络资源满足相关需求，即使单车运维成本较高，但整体成本仍低于建设综合中心。整体而言，对于Robotaxi服务与售后运维网络的构建，我们认为应综合考虑运营效率和投资回报要求，循序渐进，在商业化早期以多方资源协同保障为主。当前，获得Robotaxi试运营牌照的运营商屈指可数，车队规模有限，且试运营覆盖的城市数少、区域主要集中于人口相对稀疏的郊区，因而绝大多数消费者对Robotaxi的认知仍普遍停留在新闻报道或科幻电影中，尚无法在日常生活中切身体验。然而，我们的调研显示，在保证安全的前提下，仍有超过60%的受访者对Robotaxi服务有兴趣并表示愿意体验。16随着Robotaxi商业化进程进入1.0阶段，领先运营主体在积极推动技术、成本与运营服务进步的同时，也试图强化市场推广以拓宽消费者基盘、抢占消费者心智。在这一阶段，市场教育的重点在于提升消费者对Robotaxi服务的认知，并传递Robotaxi服务独特的核心价值。认知提升由于当前运营覆盖面有限，且未全面开展面向消费者的品牌营销，Robotaxi服务品牌在中国消费者心中仍未留下深刻印象。试运营阶段所覆盖城市和区域有限，道路场景较为单一且多在高速、园区等远离城市核心区，与普通消费者日常使用共享出行服务的真实场景距离较远，因而难以让消费者通过切身体验实现品牌推广。同时，Robotaxi运营商品牌建设的重点仍在于强化下游B端客户、合作方层面的品牌认知，以满足规模扩张和生态圈构建的业务发展需求，因而当前运营商的品牌定位和价值导向均难以让C端消费者认为相关出行服务品牌与Robotaxi深度关联。2.5 用户接受度由于自动驾驶技术尚未成熟、试点范围有限等因素影响，绝大部分中国消费者仍未亲身体验Robotaxi服务，但并不影响其对这项颠覆式创新服务的期待，而领先的运营商也在积极尝试推广，以便抢先占领消费者心智。24b%技术还远不能保障安全，当前不愿意尝试Robotaxi技术还未成熟，当前对体验Robotaxi存在迟疑当前愿意深度体验RobotaxiN=1000问题：基于您所了解的高阶自动驾驶技术和Robotaxi运营水平，当前您愿意深入体验Robotaxi吗？16资料来源：罗兰贝格1)数据来源为2023年罗兰贝格 自动驾驶出租车服务消费者调研自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新3938希望针对Robotaxi有专门的平台/APP，凸显Robotaxi运营的专业性希望Robotaxi在网约车APP中有专门的入口或选项，自己在出行平台中选择有人车/Robotaxi更在乎出行的便捷，对接驾车辆是否有人或自动驾驶均可接受，但希望平台在派车时能够告知或要求确认更在乎出行的便捷，对接驾车辆是否有人或自动驾驶均可接受25&98&%9 2220232023年调研N=1000；2022年调研N=564问题：未来几年内，您对有人驾驶出租车/Robotaxi的选择方式持怎样的态度？17资料来源：罗兰贝格然而，领先运营商已经意识到教育消费者将正向推动商业化进程。在线上渠道，中国运营商已积极向现有网约车用户推广Robotaxi服务，并利用网约车服务APP为Robotaxi服务引流，以实现教育市场并转化潜在用户的目标。领先运营商在自有出行APP的启动画面内插入Robotaxi服务宣传广告或动态视频，并将Robotaxi服务入口放在上海品茶菜单醒目位置，第一时间告知消费者相关服务可用。同时，Robotaxi服务界面设计成深色且带有渐变效果，体现出独特的科技感和未来感，紧抓消费者眼球。17用户调研显示，近四成的消费者偏好在成熟出行APP上设置Robotaxi服务入口，以供其选择出行方式。另外，有27%的消费者表示对有人出租车或Robotaxi的出行方式不太在意，但需要被告知。对比2022年和2023年，相关数据差异性不大。除线上外，运营企业也真正开始铺开Robotaxi的线下曝光场景。在交通枢纽处，运营企业建立Robotaxi候车室，通过指示牌引导传播推广运营信息，并开放给社会大众进入休憩，观看他人乘坐Robotaxi以强化感知印象；在运营区域和路线上，建立实体化的Robotaxi车站，针对过往车辆、行人进行直接有效地宣传。领先运营商更是在车展售票厅投放Robotaxi品牌和服务宣传材料，并在场内设置单独展位，精准获得汽车从业者或对汽车兴趣浓厚的消费者的关注。此外，政府也联合行业协会、领先企业开展Robotaxi技术进步的测试与宣传。第三届智能网联汽车驾驶大赛（广州）-广州混行运营测试GMOT配置了更长的比赛路段和运营时段，并增加了路况更复杂的赛事路段，真正意义上起到了对Robotaxi商业化各相关要素完整地演练和评测效果。基于运营、技术、体验三维的测评体系在公开道路完成从接单到乘客上车，再到完成行程下车的全流程运营测试，利用比赛结果向公众展现当前Robotaxi上路、处理复杂路况的能力。55G870#%7%1%Robotaxi 安全性更高高级别自动驾驶技术座舱内无他人，私密性空间座舱舒适性更高Robotaxi 出行效率更高Robotaxi 带来 颠覆式人机交互体验座舱娱乐生态丰富有趣其他更环保、更低碳N=1000问题：您认为Robotaxi服务推广时应突出什么优势或特点，才能提升您的使用兴趣？18资料来源：罗兰贝格价值传递在提升消费者认知的基础上，Robotaxi运营商还应加强对Robotaxi优势与核心价值的传播，从而消除消费者的顾虑，提升对Robotaxi服务优势与价值的认可度，并建立产品服务的品牌差异化，为商业化推进打下基础。Robotaxi对未来出行格局和人类经济生活带来重要的变革意义，如更高的安全性、更高的出行运输效率等，即使当前还未能实现，也应在早期市场教育的过程中将其绑定。为消除消费者顾虑，运营商在品牌和服务宣传时，应着重展示其未来目标预期、为解决现有技术和运营短板所做的努力，与取得的阶段性成果，并利用真实运营数据作支撑。同时，可与其他具有强公信力的单位机构合作获得相关背书，如地方政府、专业检测机构、知名学府和研究院等。根据我们的调研数据显示，中国消费者当前最认同的Robotaxi的核心优势包括安全性、高级别自动驾驶技术、座舱私密性、座舱舒适性、更高的出行效率。18在技术和商业化成熟阶段，Robotaxi核心价值将包括通过高阶自动驾驶技术带来更高安全性、更高出行效率。理论上，Robotaxi通过更精准的感知和决策算法技术实现对车辆更有效的控制和调度，同时结合车路协同技术，Robotaxi的安全性应高于有人驾驶的网约车，而当高阶自动驾驶车型渗透率较高时，整体道路拥堵时间更短，从而显著提升出行效率。美国领先Robotaxi运营商皆发布 安全报告，详细描绘安全对企业发展的战略意义，安全理念如何融入企业的产品设计、公司运营治理等方面，并用大众可理解的通俗语言突出Robotaxi更安全的基本技术原理。同时，基于测试和运营环节积累的无人驾驶运营数据结果及背后原因分析（如无醉驾、疲劳驾驶、分心驾驶等），充分传达Robotaxi能够避免人为失误并更快对潜在碰撞做出反应，从而降低事故率及事故伤亡率，因此具备更高安全系数的结论，强化市场及消费者信心。此外，无人驾驶座舱也为乘客带来更私密的空间，乘客在座舱内可尽情享受丰富的座舱娱乐内容与功能，并体验颠覆式的人机交互模式，以获得极大的体验满足感。未来，Robotaxi运营商可重点突出对安全性和高效性的宣传，凭借充分运营数据支撑（如在试点区域事故率下降、单程出行时长更短等），充分让消费者信服，将其作为最核心价值与Robotaxi绑定；而在无人干扰的私密空间内享受更丰富的座舱娱乐和全新人机交互模式是消费者可直观感受的Robotaxi优势，因而可采用更显性的视频方式，穿插在社交媒体平台、手机APP启动画面等渠道，使消费者通过观看加深印象。1)数据来源为2023年罗兰贝格 自动驾驶出租车服务消费者调研1)数据来源为2023年罗兰贝格 自动驾驶出租车服务消费者调研自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新414003立根筑基：Robotaxi 运营复杂加剧，多元化能力评价指引发展随着中国Robotaxi商业化进程进入1.0阶段，政策（监管）、技术、成本、运营和服务、用户接受度五个核心发展要素，将呈现不同成熟化节奏；而不同Robotaxi运营实体也将根据自身发展诉求和资源禀赋差异，对不同要素选择差异化投资与发展策略组合，以采取独特的推进路径，实现业务突破和健康发展。为了持续在同一时间点上衡量各运营实体的商业化进程、评估其核心能力，我们需要形成一套全面、标准、通用的评价体系，同时这套评价体系也适用于多种类型的运营主体，既包括实践Robotaxi服务运营的单个企业，如车企、自动驾驶技术公司、以Robotaxi为战略发展重点的出行平台，以及三方共同组成的“金三角”等，也将适用于未来可能演变出的新玩家类型。整体而言，设计这套评价体系的核心目标在于：为实现对各Robotaxi运营主体经营活动和能力的持续追踪提供理论框架基础，以全面展现行业领先玩家的商业化关键举措和成果，总结最佳实践及成败核心因素；通过可量化的指标评估不同运营实体的核心能力，以支撑对其差异化发展战略的分析，同时指标力求能够被长期追踪并持续更新，以保证评价体系的连贯性；为产业各方构建全面展示、充分交流与开放合作的理论基础，推动行业对Robotaxi商业化的交流和观点创新。3.1 评价体系的意义与目标推动Robotaxi商业化进程需要多方参与紧密协作，并实现资源共享，而不同的Robotaxi运营商则在技术路线、资源禀赋等方面存在差异，因而呈现出不同的商业化节奏和路径。为了后续能够更好地观察和追踪Robotaxi行业玩家在商业化发展所拥有的水平，并细致了解领先玩家的关键商业举措、衡量其核心能力水平，我们提出设计一套完整的Robotaxi运营主体商业化进展和核心能力评价体系，以Robotaxi运营主体的视角切入，结合五大关键要素，评估其关键能力的成熟度和对核心资源的掌控度这套衡量Robotaxi运营主体商业化进程的评价体系将由四个核心方面组成，即技术与安全、运营与服务、商业与推广、生态与合作，以横向比较不同企业差异化发展路径和核心能力；同时，四个方面也分别对应政策(监管)、技术、成本、运营和服务、用户接受度等五个要素中的一个或多个，以体现运营实体在不同方面与行业整体商业化进程的差异性。19此外，该评价体系反映运营实体在Robotaxi业务上的商业价值，且能从城市、车辆两个视角出发。城市视角下的Robotaxi业务价值可由“运营覆盖城市规模 乘以 单个城市经济价值”得出，而车辆视角下可由“车队规模 乘以 单车经济价值”得出，而本评价体系内的多项指标可为价值估算提供技术参数支撑。同时，本评价体系也横跨Robotaxi运营价值链的全部核心环节，包括供给侧从整车与自动驾驶关键技术，到外部生态合作，再到服务运营和车辆运营，而需求侧则关注消费者使用Robotaxi服务体验的多个关键环节。另外，评价体系中还包括多项财务指标，可用来评估运营实体盈利性。3.2 评价体系的组成细节自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新4342商业与推广生态与合作技术与安全运营与服务财务类指标 整车技术“4大维度12层面30 指标”综合衡量罗兰贝格Robotaxi运营主体的商业化进程与关键能力评价体系19资料来源：罗兰贝格针对四大核心维度，我们做出进一步细化和归类，以12层面的30 指标体现运营实体的关键能力：技术与安全方面重点关注整车技术和自动驾驶技术 整车技术：整车平台支持冗余设计方能满足Robotaxi对驾驶安全的高要求，同时整车平台也有利于提升车型开发迭代效率，加快上市节奏，并通过提升零配件通用化率以降低整车制造成本，提速商业化进程。自动驾驶技术：不同玩家采取多样化的自动驾驶技术路线，单纯比较软硬件参数难以真实反映其技术领先性和完整度，因而本评价体系将重点关注与整体技术水平正相关的一系列指标（如复杂场景成功率、每公里接管数等），而安全运营总里程数则能够反映自动驾驶技术在安全方面的水平。运营与服务方面重点关注运营效率、运营成本、运营体系成熟度和服务体验 运营效率：车辆若不发生故障或故障得到及时解决，以及持续保障数据安全和网络安全，将极大地提升车辆上线率，保障高运力水平从而提升潜在经济收益。自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新4544 运营成本：单车平均运营成本由运营总成本除以车队规模可得，是反映平台运营质量和盈利性的财务指标；此外，由于安全员成本是单车平均运营成本中最大占比项，而若车上安全员转为远程安全员，且若远程安全员对应车数量进一步得到提升，将显著降低单车运营成本，因而与安全员相关的指标也可直观体现运营成本的高低。运维体系成熟度：体现Robotaxi车辆服务和运维的质量，直接关系到Robotaxi的上线率，可关注售后人员与车辆规模的比例与车服运维活动的平均工时数（平均工时越短则效率越高）。服务体验：从消费者端出发衡量运营服务能力，可关注直观反映用户满意度的NPS指标，也可关注其他影响用户体验的关键因素，包括等候接驾时间（即从下单到上车的时间），这与上线Robotaxi数量以及车辆调度水平直接相关；而平均车速则反映Robotaxi服务效率，从而影响消费者体验。商业与推广方面重点关注运营准许、规模与区域覆盖、品牌推广、盈利水平 运营准许：获取运营许可（试运营和全无人运营牌照）的时间先后，以及在哪些城市获得，可体现Robotaxi商业主体相关技术和运营能力是否被当地监管单位认可，也能体现其当地政府关系维护能力，为未来扩大Robotaxi商业化规模打下坚实的基础。规模与区域覆盖：除有效单量指标可直接衡量运营规模，还可关注区域覆盖和资产规模情况，如实际运营覆盖的城市数、运营面积/里程、车队规模等。品牌推广：随着行业逐步成熟、玩家数量提升，相关行业协会和知名媒体会对领先品牌的知名度进行评估，并发布具有较高公信力的排名报告。盈利水平：盈利水平则反映运营实体造血能力，只有在商业化过程中不断成功造血、实现盈利，方可持续进行规模扩张或业务创新。生态与合作方面重点关注补能生态、用户运营、智能座舱与软件生态 补能生态：补能虽为Robotaxi运维的刚需环节，自建网络的经济效益较低，运营主体可广泛与外部合作，采用高效补能技术，如换电模式、高压超充等，并尝试创新运营模式，提升补能效率。用户运营：作为直面C端的业务，Robotaxi业务应积极开拓新用户基盘同时高效运营存量用户，提升用户活跃度(如DAU/MAU)，以增强用户粘性和复购比例。智能座舱与软件生态：智能座舱内的丰富娱乐内容生态，以及颠覆式的人机交互模式将提升乘客在Robotaxi内的乘坐体验，从而为运营商提供了获取软件生态收入的机会。我们希望本套针对Robotaxi运营主体商业化进程和关键能力的评价体系，将向行业呈现可持续追踪更新并总结行业领先玩家关键举措和阶段性成果的方法论和基础数据库，也为行业玩家的商业决策和估值融资等经营活动提供理论依据，从而为进一步推动Robotaxi在全国范围内的商业化进程、巩固全球领先地位做出贡献。郑赟罗兰贝格全球高级合伙人吴钊罗兰贝格全球合伙人蒋华如祺出行CEO孙雷如祺出行副总裁作者欢迎您提出问题、评论与建议本报告仅为一般性建议参考。读者不应在缺乏具体的专业建议的情况下，擅自根据报告中的任何信息采取行动。罗兰贝格管理咨询公司将不对任何因采用报告信息而导致的损失负责。2023 罗兰贝格管理咨询公司版权所有.罗兰贝格蒋洪阳及如祺出行COO韩锋、CTO宋德强对本报告亦有贡献。2024年将是Robotaxi厘清方向，蓄力发展，有望开创新局的一年。在今年商业化进入1.0阶段后，五大要素的突破方向将逐渐清晰，行业玩家也将在政策加持、行业复苏的背景之下重新建立信心，继续披荆斩棘，共同助力Robotaxi商业化更进一步。罗兰贝格亦将持续关注行业发展，与行业伙伴持续探讨。自动驾驶出租车（Robotaxi）商业化趋势展望2024 -多元共进，聚变开新46罗兰贝格亚太总部中国上海市山西北路99号苏河湾中心办公楼23层200085 86 21 5298-6677 如祺出行如祺出行由广汽集团和腾讯等共同投资，是广州市智能网联汽车示范区运营中心理事单位，广州市自动驾驶应用示范运营专业委员会主任单位，名列福布斯中国独角兽及胡润全球独角兽榜。如祺坚持合规运营，聚焦品质服务，业务涵盖出行服务、技术服务和生态服务。作为国内领先的出行科技与服务公司，如祺出行推出了全球首个全开放自动驾驶运营科技平台，成为全球首个推出有人驾驶网约车与Robotaxi服务商业化混合运营的出行平台，并发挥自身出行场景和海量数据优势，推出了涵盖数据标注平台、高精地图工具链、智驾仿真平台三大板块的自动驾驶解决方案，以数据为核心驱动自动驾驶闭环迭代，打造行业领先的自动驾驶引擎。罗兰贝格罗兰贝格是全球顶级咨询公司中唯一一家源自欧洲的管理咨询公司，具有强大的国际影响力。作为一家由合伙人共有的独立咨询机构，我们在全球主要市场设有51家分支机构。我们的3,000名员工真正理解客户，并为其提供独特的分析方法。我们遵循三大核心价值观：创业之基、卓越之范、共赢之道，并且坚信世界需要一个可持续发展新模式，以将整个价值循环周期考虑在内。我们的跨职能团队来自所有相关行业与业务功能，为客户提供最佳专业知识以应对当今和未来的严峻挑战。关于我们

0人已浏览 2024-01-03 24页 5星级

数据驱动时代数据驱动时代“车路云一体化”加速自动驾驶商业化进程“车路云一体化”加速自动驾驶商业化进程前瞻产业研究院出品目录目录CONTENT01 自动驾驶从“规则驱动”进入“数据驱动”时代自动驾驶从“规则驱动”进入“数据驱动”时代03“车路云一体化”加速自动驾驶商业化进程“车路云一体化”加速自动驾驶商业化进程02 数据闭环能力成为自动驾驶规模化落地关键因素数据闭环能力成为自动驾驶规模化落地关键因素04 数据驱动时代，自动驾驶代表企业实践数据驱动时代，自动驾驶代表企业实践011.1 自动驾驶技术架构演变历程自动驾驶技术架构演变历程1.2“规则驱动”核心要素“规则驱动”核心要素1.3“数据驱动”核心要素“数据驱动”核心要素1.1.1 仍处于自动驾驶初始阶段，随着等级提升算力要求成倍提升资料来源：SAE；汽车驾驶自动化分级（GB/T 40429-2021）；智能网联汽车技术路线图2.0；前瞻产业研究院整理02243204000 完全自动驾驶L5高度自动驾驶L4有条件自动驾驶L3部分自动驾驶L2辅助驾驶L1辅助信息交互网联协同感知网联决策控制网联化网联化智能化智能化L1单车智能 车内交互L2单车智能 车外交互L3车队智能 网联协同智能化为主智能化为主智能化与网联化融合L4/L5车流智能 网联协同智能化与网联化深度融合当前所处发展阶段特定场景下自动驾驶2025年年当前当前2030年年2035年年自动驾驶发展目标自动驾驶发展目标TELOPSTELOPSTOPSTOPS10 x10 x10 x1.1.2 自动驾驶技术开始步入数据驱动时代资料来源：前瞻产业研究院整理自动驾驶行业可以被分成三个时代：1.0时代是硬件驱动，主要依靠激光雷达和人工规则的认知方式提供自动驾驶方案；2.0时代是软件驱动，特点是传感器单独输出结果，用小模型和少数据的模式提供自动驾驶方案；3.0时代是数据驱动时代，采用多模态传感器联合输出结果，用大模型大数据的模式提供自动驾驶方案。硬件驱动时代硬件驱动时代（自动驾驶（自动驾驶1.0）软件驱动时代软件驱动时代（自动驾驶（自动驾驶2.0）数据驱动时代数据驱动时代（自动驾驶（自动驾驶3.0）里程规模：100万公里感知方式：激光雷达认知原则：人工规则里程规模：100万-1亿公里感知方式：传感器单独输出结果认知原则：人工规则应用模型：小模型小数据里程规模：1亿公里以上感知方式：多模态传感器联合输出结果认知原则：可解释的场景化驾驶常识应用模型：大模型大数据1.2.1“规则驱动”的硬件基础雷达通过发射无线电波，检测反射信号来感知周围环境，适用于自动驾驶中的距离测量和物体检测。雷达传感器雷达传感器激光雷达通过激光束扫描物体，收集反射光信息，实现高精度三维成像，用于自动驾驶的实时地图构建和物体识别。激光雷达传感器激光雷达传感器摄像头捕捉二维图像，通过图像处理算法分析物体形状、颜色和运动状态，用于自动驾驶中的道路线识别和车辆检测。摄像头传感器摄像头传感器毫米波雷达利用电磁波在毫米波段的高分辨率，实现远距离和高精度的目标检测，适用于自动驾驶的巡航控制和盲点监测。毫米波雷达传感器毫米波雷达传感器超声波通过发射和接收声波，测量距离和速度，适用于自动驾驶中的近距离物体检测和停车辅助功能。超声波传感器超声波传感器自动驾驶汽车感知更加精准，离不开车载摄像头、毫米波雷达、超声波雷达、激光雷达等感知硬件，其中，超声波雷达、毫米波雷达和激光雷达主要用于测量距离、速度和障碍物，车载摄像头主要用于图像采集和识别，感知硬件各司其职，让自动驾驶汽车可以获取更多的道路信息。1.2.2“规则驱动”的软件基础规则驱动自动驾驶的软件基础除了底层驱动和实时操作系统外,上层应用主要包括感知层、规划层和控制层等程序。在技术上，以各类感知算法、定位算法和规控算法为核心。路径路径/轨轨迹规划迹规划行为决行为决策策横纵向横纵向解耦控解耦控制制横纵向横纵向协同控协同控制制规控规控绝对定绝对定位位定位定位融合定融合定位位相对定相对定位位感知感知融合感融合感知知直接直接/间间接感知接感知独立感独立感知知全球卫星定位系统GNSS，如GPS、北斗等，可以辅助车辆确定其在地球上所处位置，但其精度一般是米需级，不能满足车辆自动驾驶厘米级要求，一般要RTK差分技术辅助，才能实现厘米级定位精度。定位算法定位算法目前应用最广的方法是间接感知，即通过感知周围物体的距离、速度、形状等，构建驾驶态势图，进行规划、控制，间接作用于驾驶操作系统。感知算法感知算法规划、控制的目的，一是对车辆远动进行全局规划、行为决策、局部规划；二是精准控制车辆按规划轨迹行驶。全局路径规划、后部轨迹规划，本常用的搜索算法为A*算法；控制算法，最常用的是经典控制算法PID控制。规控算法规控算法1.3.1 软件算法大模型式演化，自动驾驶进入3.0时代能力突破与模型统一能力突破与模型统一 在云端实现感知大模型和认知大模型的能力突破 车端各类小模型逐步统一为感知模型和认知模型 控制模块AI模型化大模型化大模型化 车端智驾系统全链路模型化 小模型逐渐统一到大模型内模型提升模型提升 云端大模型逐步提升车端感知能力自动驾驶大模型铺开自动驾驶大模型铺开 端到端的自动驾驶大模型在车端、云端全面铺开自动驾驶3.0时代与2.0时代相比，其开发模式和技术框架都将发生颠覆性的变革。在自动驾驶2.0时代，以小数据、小模型为特征，以Case任务驱动为开发模式。而自动驾驶3.0时代，以大数据、大模型为特征，以数据驱动为开发模式。资料来源：毫末智行 前瞻产业研究院整理控制算法车端控制模型规控算法车/云端认知模型感知算法车端感知模型规模规模围绕真实道路场景，数据规模更大、多样性更充分，行驶里程将迈进1 亿公里级。感知感知以大模型AI为基础，雷达、视觉等传感器联合工作，多模态共同输出结果。认知认知在各类场景下模拟人的认知行为，结合人类的驾驶常识决策，提高行车舒适性。1.3.2 数据闭环是自动驾驶3.0的核心要素数据闭环是指从从车端数据采集，到处理后形成有效数据集，再通过云服务器进行存储、运输，经过算法模型训练、验证后，将有效数据成果部署上车，各环节相互连接，形成的自动驾驶数据循环。资料来源：华为、亿欧智库、前瞻产业研究院整理自动驾驶数据闭环自动驾驶数据闭环数据数据采集采集数据数据传输传输数据数据存储存储数据数据处理处理数据数据挖掘挖掘数据数据清洗清洗数据数据标注标注仿真仿真场景场景模型模型训练训练模型模型优化优化模型模型验证验证模型模型部署部署智能电动车数据集云存储算法模型 车载摄像头 激光雷达 传感器 总线通信 无线通信 本地存储 云存储 数据检索 数据分组 在线挖掘 离线挖掘 人工标注 自动标注 检测模型 分割模型.NAS 量化 成熟的自动驾驶数据闭环特征成熟的自动驾驶数据闭环特征过程完整且循环过程完整且循环数据采集和应用流程完整，且“数据流”过程可重复，实现数据全跑通、数据全循环。流程高效且自动流程高效且自动海量数据可以被高效的处理，同时以自动化工具和算法数据可减少人工干预，加快数据的加工。结果可追溯预测结果可追溯预测对于产生的数据结果是可以追溯到不同的环节，同时可根据数据进行一定的结果预测。022.1 数据闭环发展历程数据闭环发展历程2.2 数据闭环核心技术数据闭环核心技术2.3 数据闭环发展痛点数据闭环发展痛点2.1 自动驾驶数据闭环发展历程自动驾驶数据闭环从2013年开始初露头角，但由于当时仅有部分测试车上路，数据量较少，仅能实现简单的反馈循环机制。随着自动驾驶技术从L0迈入L2/L3，早期的数据闭环难以满足自动驾驶的需求，数据闭环从1.0迈向2.0，未来也将朝着更商业化的3.0迈进。目前我国的自动驾驶数据闭环正处于高效驱动升级的第二阶段，未来的数据处理能力和自动运转能力将大幅提升，商业落地效益更好，生态建设更完善。资料来源：亿欧 前瞻产业研究院整理自动驾驶数据闭环的发展历程自动驾驶数据闭环的发展历程1.0 阶段：阶段：2017-2017闭环通路初步构建2.0 阶段：阶段：2018-2024数据驱动闭环升级3.0 阶段：阶段：2025-2030场景丰富商业生态自动驾驶初期的数据闭环较简单，一般仅有通路构建，后在测试车上发现问题并上传。由工程师们分析错误报告，并找出原因，由此修改代码并在下次更新后子以解决。初期的闭环较为传统和简单，同时效率较低，多个环节需要人工辅助出现问题上传错误数据分析数据重写代码运行测试上线应用自动驾驶初始数据闭环体系自动驾驶初始数据闭环体系随着技术的进步和自动驾驶等级的发展，传统的数据闭环已经完全不能适应快速迭代的自动驾驶产业和处理指数级增长的数据量。这一阶段，面向更大规模数据的闭环及相应技术和服务被车企及供应商广泛应用。数据分析数据分析异构计算灵活高效数据标注数据标注算法辅助自动标注模型训练模型训练数据驱动自动迭代测试验证测试验证数据驱动自动迭代数据采集数据采集车端筛选覆盖长尾数据回流数据回流回收处理安全存储未来，自动驾驶数据闭环将进一步迭代升级，逐步从测试车小规横量产大规模量产进行稳步应用，面流畅、安全的赋能多样化自动驾驶场景，从车、路、云多端助力自动驾驶的终极目标实现。自动驾驶初始数据闭环体系自动驾驶初始数据闭环体系云服务赋能底座云服务赋能底座车端闭环车端闭环路端闭环路端闭环车路协同一体化车路协同一体化测试场景测试场景高速场景高速场景低等级自动低等级自动驾驶场景驾驶场景高等级自动高等级自动驾驶场景驾驶场景2.2.1 数据闭环核心技术云服务平台随着数据量的激增，自动驾驶下的存储面临海量数据传输、数据处理、数据合规等问题，而自动驾驶的云服务平台包括数据采集、数据管理、数据标注、模拟仿真、算法迭代等。目前国外车企基本使用的是微软云，而国内车企主要使用阿里云、腾讯云、百度云和华为云。资料来源：阿里云 亿欧 腾讯云 前瞻产业研究院整理自动驾驶存储面临的挑战自动驾驶存储面临的挑战数据数据传输传输每天庞大的数据量，人工扛硬盘的方式不可取，长距离数据传输成了大问题。数据数据处理处理小文件高吞吐处理，如某碰撞仿真业务可持续产生10GB/s的数据读写，如何保障吞吐与性能。高额高额成本成本高性能读写 永久保存的数据带来高昂的存储成本数据数据合规合规因地理信息管制，自动驾驶采集的数据需满足法规约定的标准自动驾驶云平台架构自动驾驶云平台架构自动驾驶云服务应用情况自动驾驶云服务应用情况自动驾驶云平台服务自动驾驶云平台服务数据采集数据采集数据管理数据管理专业采集众包采集量产回传数据合作数据清洗场景提取场景库数据回放数据标注数据标注算法训练算法训练模拟仿真模拟仿真仿真模板算法导入场景导入并行仿真任务模板资源管理多引擎联合仿真仿真评测仿真评测算法迭代算法迭代RD功能乘客体验行车安全法律法规OTA规模路测Corner Case数据合规处理数据合规处理调度、服务、标准化调度、服务、标准化分布式存储分布式存储内置场景库内置场景库标注成果库标注成果库生产数据生产数据自动驾驶容器服务平台Kubernetes/DockerGPU、CPU存储、高速网络2.2.2 数据闭环核心技术数据标注数据标注对于自动驾驶技术的发展非常重要，只有通过大量的数据标注才能训练出高质量的自动驾驶模型。相较于传统的纯人工标注方式，可以节省30-40%的成本，并提高30%的处理效率。以3D图片为例，其AI全自动标注的日均产能为20K张，比AI辅助标注的日均产能高5K张，比人工标注的日均产能高10K张。Appen、海天瑞声、数据堂在2021-2022年间智能驾驶数据标注业务涨幅极高，表明行业需求旺盛。标注方式标注方式解析解析车道线标注车道线标注是一种对道路地面标线进行的综合标注，包括了区域标注、分类标注以及语义标注,应用于训练自动驾驶根据车道见则进行行驶。2D车辆/行人标框标注 主要应用于对车辆与行人的基础识别。车辆多边形标注主要应用用于对车辆类型的识别,例如面包车、卡车、大客车、小轿车等,训练自动驾驶在道路行驶时选择性跟车或者变道操作。指示牌/信号灯标注标注包括区域标注、分类标注以及语义标注区域分割标注包括了区域标注、分类标注以及语义标注行进方向标注应用于训练自动驾驶判断行人或车辆前进方向，规避行人或车辆。3D雷达标注主要应用在自动驾驶虚拟现实(VR)训练场景的搭建。3D车辆标注主要应用于训到练自动驾驶对会车或超车车辆的体积判断。视频跟踪标注将视频数据按照图片帧抓取进行标框标注,标注后的图片帧按照顺序重新组合成视频数据训练自动驾驶。资料来源：前瞻产业研究院整理常见自动驾驶标注方法常见自动驾驶标注方法不同标注之间的对比不同标注之间的对比人工标注人工标注AI辅助标注辅助标注AI全自动标注全自动标注固定人员300人人 2D日均50k张张3D日均10k张张2D日均75k张张3D日均15k张张2D日均100k张张3D日均20k张张2.2.3 数据闭环核心技术仿真测试自动驾驶仿真测试以场景库作为基础，仿真平台作为核心，评价体系作为关键，应用构成三者紧密相连且相互促进，场景库的建设需要仿真平台和评价体系作为指导，仿真平台的发展进化需要场景库和评价体系作为支撑，而评价体系的建立和完善也需要以现有的场景库和仿真平合作为参考基础。根据ICVTank的数据，到2025年全球自动驾驶仿真平台的规模将达到200亿美元。资料来源：PLUG&PLAY CHINA,ICVTank 前瞻产业研究院整理自动驾驶仿真测试应用构成自动驾驶仿真测试应用构成5005002020202120222023E2024E2025E2020-2025年全球自动驾驶仿真市场规模（亿美元）年全球自动驾驶仿真市场规模（亿美元）据ICVTank估计，全球自动驾驶仿真市场规模将出现爆发式增长，由2020 年的5 亿美元增长至至2025 年至少年至少200 亿美元亿美元，5 年年CAGR 为为109%。010302仿真测试评分体系评分体系仿真平台仿真平台场景库场景库数据来源：数据来源：真实数据、模拟数据以及根据真实场景数据合成的仿真数据典型测试场景典型测试场景：自然驾驶场景、危险工况场景、标准法规场景、参数重组场景场景库场景库仿真平台一般包括仿真框架、物理引擎和图形引擎。仿真框架是平台软件平台的核心仿真框架是平台软件平台的核心，支持传感器仿真、车辆动力学仿真、通信仿真、交通环境仿真等。仿真平台仿真平台评价维度分为真实性和有效性真实性和有效性。真实性评价主要是针对场景库真实合理性的评价，分为场景信息真实度、场景分布真实度两个方面。而目前国内尚未统一的有效性评价标准。评价体系评价体系2.3.1 自动驾驶数据规模指数级增长资料来源：亿欧 前瞻产业研究院整理自动驾驶数据与车联网数据存在众多差异，因此需要针对自动驾驶数据的特点进行分级分类以全面考量其安全威胁及保障手段。综合考虑自动驾驶的人工智能属性以及自动驾驶数据多样性、规模性、非结构性、流动性的特点。除此之外，自动驾驶车辆还具有汽车本身的安全属性和智能网联下跨产业技术融合的特点。随着自动驾驶级别的提高，所属的数据规模也呈指数规模的增长。所需空间(4(4-10PB)10PB)L1L2L3L4L5所需空间(50(50-100PB)100PB)所需空间(4 4-5TB)5TB)所需空间(3EB )(3EB )自动驾驶级别与数据规模关系自动驾驶级别与数据规模关系不仅包括汽车基础数据,也包括基础设施、交通数据、地理信息数据以及车主大量用户身份类数据、用户状态数据、行为类数据等数据多样性数据多样性融合了来自汽车、道路、天气、用户、智能计算系统等多方面的海量数据涉及数据类型多，需要统计分析的数据总量大。数据规模性数据规模性不同来源的数据格式不同，数据的非结构性和非标准性对数据聚合或拆分技术以及权限管理和安全存储都带来了巨大的挑战。数据非结构性数据非结构性用户端、车端、云端等多场景的交互使得数据的流动性增大。此外，自动驾驶数据还具有跨行业共享交换的问题。数据流动性数据流动性自动驾驶过程中采集的大量地理信息数据可能涉及涉密测绘成果，需遵守中华人民共和国保守国家秘密法中的相关规定。数据涉密性数据涉密性自动驾驶数据类型及特点自动驾驶数据类型及特点天气数据道路数据交通数据电桩数据车场数据手机数据保养数据事故数据用户数据违规数据车压数据电机数据大灯数据娱乐数据电池数据2.3.2 数据闭环发展难点完整的数据驱动闭环是指从量产、采集车在路端实地采集的交通场景，通过技术手段还原成仿真场景，进入测试环节用于算法测试，再更新和升级量产车的过程。但在此过程中由于关键链路涉及多个环节与领域，当前行业内（包括数据采集商、软硬件供应商、车厂、算法公司等在内）尚未出现能提供统一视野、融合所有车的环节、一体化打通整条链路的产品或者平台。数据驱动数据驱动闭环闭环量产车量产车数据采集数据采集算法学习算法学习场景挖掘与场景挖掘与数据转换数据转换不同的供应商，拥有不同的数据采集方案和存储格式以及仿真数据管理真实场景信息如何转换为统一数据真实场景信息如何转换为统一数据原始数据在加工时会产生各种误差和噪声；复杂场景会大大增加数据挖掘的难度信息提取手段缺失信息提取手段缺失大数据时代带来的海量数据是传统软件开发和数据处理方法难以承受的；同时，传统的人工数据标注成本也十分高昂海量数据处理的“高本低海量数据处理的“高本低效”效”负责数据采集与算法研发的团队较为割裂，缺乏高效的数据处理和挖掘能力上下游链路割裂，数据流转困难上下游链路割裂，数据流转困难资料来源：亿欧 前瞻产业研究院整理2.3.3 车路云一体化实现多源数据采集助力技术演化车路云一体化是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间融合为一体，基于系统协同感知、决策与控制，实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。车路云一体化系统充分融合了车端、路端、云端信息，实现车端、路端多源数据融合，数据规模更大，多样性更充分，通过堆叠数据集，支持AI 大模型进行快速迭代。资料来源：中国智能网联汽车产业创新联盟 前瞻产业研究院整理通信网通信网卫星通信光承载网C-V2X其他专有网网联车辆附能类应用平台交通管理与控制类应用平台交通数据附能类应用平台云控应用云控应用云控基础平台云控基础平台中心云区域云边缘云平台能力标准化分级共享接口融合感知、协同决策、协同控制、云网一体化底座全流程工具库支撑平台支撑平台交管急救地图定位气象路况应急其他云控平台云控平台路侧基础设施路侧基础设施感知设施通信设施数字化交通设施车辆及其他交通参与者车辆及其他交通参与者车路云一体化系统车路云一体化系统数据数据传输传输数据数据处理处理数据数据标注标注模型模型训练训练模型模型优化优化033.1“车路云一体化”为自动驾驶最佳落地方案“车路云一体化”为自动驾驶最佳落地方案3.2 中国“车路云一体化”项目落地主要解决方案中国“车路云一体化”项目落地主要解决方案3.1.1 政策支持“车路云一体化”发展资料来源：政府官网 公开资料整理 前瞻产业研究院整理从2020年2月发改委、工信部等11部委联合印发智能汽车创新发展战略文件，表示到2025年，新车基本实现智能化，高级别智能汽车实现规模化应用，“人车路云”实现高度协同；到2023年国家车联网产业标准体系建设指南（智能网联汽车）（2023版），公路工程设施支持自动驾驶技术指南等政策的发布，近3年来中共中央、国务院、各部委累计出台包含自动驾驶、车联网（智能网联汽车）、车路协同、交通新基建等相关政策达30余项，全面支持“车路云一体化”自动驾驶的快速发展与落地。中国“车路云一体化”相关政策梳理中国“车路云一体化”相关政策梳理2020.02智能汽车创新发展战略智能汽车创新发展战略到2025年，新车基本实现智能化，高级别智能汽车实现规模化应用，“人车路云”实现高度协同2023.07国家车联网产业标准体系建设指南（智能网联汽车）（国家车联网产业标准体系建设指南（智能网联汽车）（20232023版）版）以智能网联汽车为核心载体和应用，牵引“车-路-云”协同发展。2023.07公路工程设施支持自动驾驶技术指南公路工程设施支持自动驾驶技术指南通过自动驾驶云控平台、交通感知设施、交通控制与诱导设施、通信设施、定位设施、路侧计算设施、供配电设施、网络安全设施等联合或单独实现支持自动驾驶的功能。2023.11关于全面推进城市综合交通体系建设的指导意见关于全面推进城市综合交通体系建设的指导意见推进智慧城市基础设施与智能网联汽车协同发展，改造升级路侧设施，建设支持多元化应用的智能道路，在重点区域探索建设“全息路网”。2023.11关于开展智能网联汽车准入和上路通行试关于开展智能网联汽车准入和上路通行试点部工作的通知点部工作的通知探索新型试点机制，引导高阶自动驾驶功能规范应用3.1.2 数据在“车路云一体化”系统不同组成部分之间进行交互随着自动驾驶算法不断迭代，自动驾驶的发展正逐渐由“规则驱动”向“数据驱动”转化。自动驾驶的落地需要大量数据的支持，而车路云一体化方案，充分融合了车端、路端、云端信息，实现车端、路端多源数据融合，数据规模更大，多样性更充分，通过堆叠数据集，支持AI大模型进行快速迭代。同时以大模型AI为基础，车端、路端多角度，雷达、视觉等传感器联合工作，多模态共同输出结果，通过基于“大数据 大模型”的AI，海量大数据自训练，结合人类的驾驶常识决策，从而加速自动驾驶技术演化。“车路云一体化”实现多源数据收集“车路云一体化”实现多源数据收集面向“车路云一体化”的数据交互面向“车路云一体化”的数据交互车载终端设备路侧单元路侧计算单元路侧感知设备交通信号设施中心云区域云边缘云在车路云一体化系统中，车端、路段、云端数据相互融合，打破了原有道路交通系统之间的信息孤岛，使面向车路云一体化的数据具有交互特性，即在不同主体之间进行数据采集传输、加工、处理等过程面向车路云一体化的数据面向车路云一体化的数据具有具有交互特点交互特点资料来源：中国汽车工程学会 公开资料整理 前瞻产业研究院整理云端云端车端车端路端路端车端实时运行状态及感知数据局域动态交通感知数据3.1.3 预计到2030年，“车路云一体化”相关市场规模超14万亿车路云一体化涉及汽车、交通、通信等产业领域，市场渗透率加速，市场规模巨大。具体来看，中国智慧交通市场规模当前约4亿元，至2030年快速发展并预计超过6.5万亿元。根据赛迪的数据，2022年中国智能网联车市场规模接近6000亿元，随着智能网联技术的进步，产品迭代升级与普及率的提升，2030年有望突破5万亿元。中国车联网市场规模成快速发展趋势，预计2030年将突破2万亿元。预计到2030年，“车路云一体化”相关市场规模超14万亿元，市场规模巨大。2021-2023年中国智慧交通市场规模（单位：亿元，万亿元，年中国智慧交通市场规模（单位：亿元，万亿元，%）2021年年3640亿元亿元6.7万亿元万亿元2030年年ECAGR=38%资料来源：赛迪 前瞻产业研究院整理2020-2030年中国智能网联车市场规模（单位：亿元）年中国智能网联车市场规模（单位：亿元）2646722020202120222023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E2021-2030年中国车联网市场规模（单位：亿元）年中国车联网市场规模（单位：亿元）222545202120222023E2024E2025E2026E2027E2028E2029E2030E3.2.1“车路云一体化”服务商技术方案对比百度致力于自动驾驶软件研发-车联网-智交通解决方案，从车端、路端、云端、服务平台到终端运营，提供一体化解决方案：蘑菇车联从战略层面出发，致力于构建智慧交通体系，在提供自动驾驶解决方案的同时，构建智慧交通整套体系，并通过运营数据的反持续更迭，优化算法，最终提供一整套交通运营营理服务；华为则提供了“传感器-芯片-操作系统-算法与开发应用-云服务”的生态布局，倾向于从车端打造车、路、云一体化解决方案。服务商服务商车端车端路端路端云端云端平台平台车辆类型车辆类型百度百度 Apollo领航辅助驾驶 Apollo Parking实现全场景泊车自由 小度车载OS 小度车载语音SDK ACE智能交通引擎 Apollo Air：纯路侧L4级车路协同技术方案 智能信控解决方案网联云平台萝卜快跑RobotaxiRobobusApollocop蘑菇车联蘑菇车联自研多类别L4级自动驾驶车辆及核心软硬件 蘑菇汽车大脑MOGO AUTO BRAIN 车身底盘域 自动驾驶域 智能座舱域 L4级自动驾驶软件系统MOGO AP 蘑菇AI数字道路基站（MOGO AI Station）蘑菇路侧系统 Mogo Road System（MRS）包含感知、融合、预测、高精地图引擎和车路协同模 块基于车路云一体化交通大模型的AI云平台MOGO Cloud 蘑菇数字底座（DMP）蘑菇云控平台（Zion）蘑菇交通大脑（Matrix）mogopilot 蘑菇畅行RobotaxiRobobusRoboSweeper自动驾驶巡逻车自动驾驶售卖车自动驾驶牵引车等华为华为 ADS 2.0高阶智能驾驶系统 MDC是华为智能驾驶计算平台：MDC 210/MDC 300F/MDC 610/MDC 810 鸿蒙OS智能座舱 C-V2X车路协同解决方案 开放技术架构“高速智能体”华为云/资料来源：各公司官网 前瞻产业研究院整理3.2.2“车路云一体化”服务商解决方案对比以项目落地能力角度看，百度、蘑菇车联与华为的特点各不相同。百度是“单车智能 网联赋能”路线的拥趸，以广州黄埔区开发区的智慧交通项目为代表；蘑菇车联强调“车路云一体化”，以自动驾驶、车路协同、智慧交通AI云平台的整套方案帮助城市打造智慧交通体系，加速与地方政府合作打造智慧城市与智慧交通；华为更侧重于构建智慧交通体系并落地多个城市。服务商服务商落地标杆项目落地标杆项目合作内容合作内容百度百度2020年8月，广州黄埔区广州开发区智慧交通项目（4.6亿元）2021年9月，沧州经开区自动驾驶与车路协同示范项目（1.67亿元）2021年9月，山西省阳泉市车城网-车路智行新生态项目一期（1.56亿元）2021年12月，北京市高级别自动驾驶示范区建设项目2.0阶段路侧智能基础设施建设（3.16亿元）广州黄埔：车路协同路网基础设施、智能信号灯控制系统、智能停车泊车、百度Apollo智能汽车生态基地以及Apollo自动驾驶运营基地河北沧州：自动驾驶与车路协同基础设施建设、智慧城市平台建设山西阳泉：车路协同智能基础设施、自动驾驶车辆运营、智慧交通服务北京市：高级别自动驾驶示范区建设、智能化基础设施建设、车载智能终端推广加装、云控平台建设和正式运营蘑菇车联蘑菇车联2019年10月，北京顺义5G商用智慧交通车路协同项目2021年3月，湖南省衡阳市自动驾驶项目（5亿元）2022年1月，云南大理车路协同自动驾驶智慧景区项目（10亿元）2022年7月，四川成都建设网联综合应用示范项目（30亿元）2022年8月，无锡市智能网联创新应用标杆项目（20亿元）2022年8月，北京市通州区“数字通州”项目（16亿元）2022年12月，湖北鄂州“车路云一体化”自动驾驶智慧交通项目（11.14亿元）2023年，深圳龙华区“科技 时尚”智能网联汽车特色示范项目2023年6月，沈阳大东区打造东北首个智能网联汽车先导区项目北京顺义：对路段内的18个路口实施了智能化升级改造湖南衡阳：主干道路的智能网联化升级，智能网联汽车试运行云南大理：智能网联及车路协同新型基础设施升级与建设，投放自动驾驶游客观光车、接驳车、垃圾环卫车、巡逻车等，打造“车路云一体化”系统四川成都：车路协同、智慧交通AI云平台、自动驾驶系统等新型基础设施江苏无锡：道路智能网联化升级、建设自动驾驶运营中心、规模化运营自动驾驶车辆等北京通州：道路的智能化改造升级、自动驾驶商业化运营、构建城市级智慧交通大脑等湖北鄂州：道路智能化改造升级、自动驾驶商业化运营等深圳龙华：道路智能化升级改造辽宁沈阳：自动驾驶及车路协同的落地及应用华为华为2019年12月，长沙望城区新型智慧城市建设（4.4亿元）2020年12月，许昌新型智慧城市建设之城市数字平台、智慧交通项目（3.21亿元）2021年1月，华为联合体中标深圳交通运输一体化智慧平台一期项目（9.7亿元）长沙：交警大队指挥管控中心、交通信号控制系统等许昌：城市数字平台、智慧大脑、互联网 政务、12345热线、智慧交通、智慧停车、企业服务一体化等深圳：交通运输一体化智慧平台资料来源：各公司官网 公开资料整理 前瞻产业研究院整理3.2.3“车路云一体化”城市典型案例资料来源：公开资料整理 前瞻产业研究院整理沈阳智能网联汽车先导区沈阳智能网联汽车先导区项目项目阳泉市车城网阳泉市车城网-车路智行新车路智行新生态项目生态项目湖北鄂州智慧交通项目湖北鄂州智慧交通项目“数字通州”项目“数字通州”项目3.2.3“车路云一体化”高速公路典型案例资料来源：公开资料整理 前瞻产业研究院整理京港澳高速扩建项目京港澳高速扩建项目河北雄安新区交通强国建设试点项河北雄安新区交通强国建设试点项目目清傅高速智慧交通建设项目清傅高速智慧交通建设项目四川交通强国试点项目四川交通强国试点项目3.2.5“车路云一体化”园区景区典型案例资料来源：公开资料整理 前瞻产业研究院整理云南洱海智慧旅游景区云南洱海智慧旅游景区天津张家窝镇产业园天津张家窝镇产业园山东国际零碳岛山东国际零碳岛世界大学生运动会世界大学生运动会044.1 特斯拉：特斯拉：FSD（Full Self-Driving）V12系统系统4.2 华为：基于云服务构建自动驾驶数据闭环生态系统华为：基于云服务构建自动驾驶数据闭环生态系统4.3 蘑菇车联：“车路云一体化”系统方案蘑菇车联：“车路云一体化”系统方案4.1 特斯拉：FSD（Full Self-Driving）V12系统2023年8月，马斯克开启了一场特斯拉FSD V12版本的路测直播，马斯克在试驾直播中表示，FSD Beta V12是有史以来第一个端到端AI自动驾驶系统（Full AI End-to-End），从头到尾都是通过AI实现。据Not A Tesla App报道，FSD V12已经开始了内部部署。这个新系统的最大变化是消除了超过30万行此前控制车辆FSD功能的代码，进一步依赖神经网络。这意味着系统减少了对硬编码编程的依赖，转而更加依赖人工智能技术进行驾驶决策。端到端方案中神经网络是关键端到端方案中神经网络是关键原理原理与模块化方案相比，端到端自动驾驶方案将感知、规划、控制各环节一体化，去除了各模块基于规则的代码，将传感器收集到的信息直接输入神经网络，经过处理后能够直接输出自动驾驶指令，使得整个系统端到端可导优点优点 能够降低对激光雷达、高精地图、人工的依赖，减少中间环节的成本；模型上限高，可以得到近似全局最优解缺点缺点模型能力起步较慢，解释简单场景不如模块化架构，模型下限低；中间“黑盒”解释性差特斯拉特斯拉FSDFSD Beta V10Beta V10至至V12V12的架构变化的架构变化感知感知 PerceptionPerception规划规划 PlanningPlanning控制控制 ControlControlV10神经网络 Bag-o-bits转换器（Bag-o-bits包括停车标志、车道线、限速牌等）人工规则为主，有神经网络参与人工规则V11神经网络（Bag-o-bits转换器与感知神经网络合并为一个单一的神经网络，直接输出向量空间）神经网络 人工规则神经网络 人工规则V12神经网络神经网络传感器传感器执行器执行器感知感知决策规划决策规划控制控制端到端自动驾驶端到端自动驾驶模块化自动驾驶模块化自动驾驶模块化和端到端自动驾驶系统原理模块化和端到端自动驾驶系统原理资料来源：公司官网 前瞻产业研究院整理4.2 华为：基于云服务构建自动驾驶数据闭环生态系统华为云ModelArts平台提供Data Turbo、Train Turbo、Infer Turbo 3层加速，分别提供数据加载、模型训练、模型推理三方面服务，能够助力数据读取时间缩短50%、训练效率提升40% 。华为云还将数据生产线和AI生产线融合到一起，通过统一的数智融合开发平台，实现数据的无缝流转造，同时利用盘古大模型深度赋能数据闭环核心场景。资料来源：华为、亿欧智库云服务新引擎，高效驱动自动驾驶数据闭环发展白皮书 前瞻产业研究院整理华为云坚持开放生态，打造全栈自动驾驶开发平台华为云坚持开放生态，打造全栈自动驾驶开发平台 为车企提供一站式平台：开发测试商用，实现按需使用、即插即用数据驱动闭环“自研”AI数据标注与挖掘平台精准仿真 评价预测功能安全 为车企提供模块化解决方案：数据驱动的自动驾驶开发、测试、仿真的闭环方案感知算法增量数据集模型数据服务数据服务训练服务训练服务仿真服务仿真服务实车测试数据上云数据处理大屏展示场景挖掘难例挖掘数据标注数据回放虚拟场景库华为云采用存储华为云采用存储-缓存缓存-计算三层分离架构，打造数智融合平台，计算三层分离架构，打造数智融合平台，利用盘古大模型深度赋能数据闭环核心场景利用盘古大模型深度赋能数据闭环核心场景全局数据地图全局数据地图资产搜索定位全局血缘分析数据资产热搜分析统一元数据服务统一元数据服务统一元数据数据访问控制数据生命周期管理数据闭环场景数据闭环场景数据预处理数据回收场景标签化难例挖掘数据标注数据生成KPI指标分析统一计算服务统一计算服务实时计算引擎批量计算引擎交互处理引擎AI计算引擎数据缓存统一存储服务统一存储服务原始数据脱敏后数据场景数据标注数据集训练数据仿真数据集KPI数据盘古大模型盘古大模型场景生成大模型场景理解大模型预标注大模型多模态检索大模型深度赋能华为云华为云数智融合平台架构数智融合平台架构存储存储-缓存缓存-计算三层计算三层分离分离统一元数据管理全统一元数据管理全局数据地图局数据地图工作流程统一编排工作流程统一编排海量数据，类型丰富汇聚全域自动驾驶车辆信息和AI数字道路基站信息，数据来源全面、类型丰富，仅衡阳38公里数字道路日均采集数据量达5PB，居行业领先。4.3.1 蘑菇车联：全栈自研“车路云一体化”系统方案蘑菇车联自研“车路云一体化”自动驾驶系统，应用融合感知、融合决策控制、高精地图、高精定位、AI、仿真系统、云 边缘计算、实时大数据等前沿技术，深度融合自动驾驶 车路协同 AI云平台三大板块，满足不同场景、不同车型的需求，核心技术指标行业领先。蘑菇车联车路云一体化系统蘑菇车联车路云一体化系统资料来源：蘑菇车联 前瞻产业研究院整理多项核心算法世界排名第一 运动目标分割算法、激光雷达语义分割算法、多模态融合三维多目标跟踪算法等，在KITTI、nuScenes等世界权威数据集排名第一。“车路云一体化”系统核心零部件全栈自研 包括蘑菇大脑、车身底盘域、自动驾驶域、智能座舱域和L4级自动驾驶软件系统MOGO AP。车路云全链路贯通，整体链路时延小于0.1秒 自研云算法和系统（交通大脑），全面联接人、车、路、云、网、图等全要素，感知算法性能远超行业C4指标，全链路时延小于0.1秒。海量数据，类型丰富 汇聚全域自动驾驶车辆信息和AI数字道路基站信息，数据来源全面、类型丰富，仅衡阳38公里数字道路日均采集数据量达5PB，行业领先。具备L4级自动驾驶整车研发、生产能力 已推出全球首款搭载车路协同系统的自动驾驶前装量产车MOGO BUS M1和MOGO BUS B2。4.3.2 蘑菇车联：业内首套“车路云一体化”标准化产品包蘑菇车联推出业内首个车路云一体化标准产品蘑菇标准产品包（MOGOPackage）。这是全球首套能完整覆盖“车、路、云”三端、软硬件一体、高集成度、可模块化快速部署的标准产品。车端：全品类的车端：全品类的L4级自动驾驶车辆级自动驾驶车辆资料来源：蘑菇车联 前瞻产业研究院整理多类型自动驾驶车辆多类型自动驾驶车辆蘑菇汽车大脑蘑菇汽车大脑路端：路端：AI数字道路基站数字道路基站云端：智慧交通云端：智慧交通AI云平台云平台赋能赋能L0-L4级智能网联车辆级智能网联车辆蘑菇数字底座（蘑菇数字底座（DMP）蘑菇云控平台（蘑菇云控平台（Zion）蘑菇交通大脑（蘑菇交通大脑（Marix）自动驾驶模型训练自动驾驶模型训练路侧数据集仿真模拟海量数据，助力模型训练4.3.3 蘑菇车联：提供全面多元化的运营服务基于全场景车辆的研发和生产能力，以及成熟的车队运营经验，蘑菇车联在城市开放道路、高速公路、景区、园区、机场等场景开展多样化的自动驾驶运营业务。为行驶在蘑菇车联“数字道路”上的各类型交通参与者，包括L1-L4各级别智能网联车辆、非智能网联车辆及终端用户，提供多样化数据信息服务，让交通更安全、更高效。用户可通过MogoPilot 小程序呼叫Robotaxi及查询Robobus、Sharing-Van的运营状态。目前MOGO GO已在衡阳、大理等城市投入测试或运行。用户出行应用用户出行应用由蘑菇车联自研，包括自动驾驶清扫车、自动驾驶零售车、自动驾驶巡逻车、自动驾驶牵引车等城市服务车队级运营服务。公共服务应用公共服务应用ToG：为交通管理部门提供交通参与者行为预判信息，提升城市通行效率、降低事故率；提升违法行为监控力度、降低取证难度等，助力交通治理数字化。多样化数据服务多样化数据服务ToB：为环卫、安防、景区园区管理等城市服务集团提供自动驾驶车队作业、V2X、全流程监控、高精度导航等服务；为车企提供车辆智能化数据运营服务。ToC：为高级别智能网联车辆提供自动驾驶信息数据，使其实现L4级自动驾驶；为L0-L3级智能网联车辆提供车道级驾驶信息辅助、数字道路全域动态信息推送和事件类服务。扫码获取更多免费报告产业规划产业规划复合型专业团队1300余项目案例产业研究产业研究持续聚焦细分产业研究22年细分产业报告、产业图谱、课题研究、专项调研园区规划园区规划首创招商前置规划法 独有园区招商大数据IPOIPO咨询咨询IPO募投可研IPO细分市场研究研究底稿碳中和研究碳中和研究战略咨询、课题研究技术咨询服务、碳中和商学院产业链招商产业链招商产业规划 招商策划 落地 资源导入政府产业规划资深智库企业产业投资专业顾问中国产业咨询领导者投资/决策你需要前瞻的眼光！解读全球产业变迁趋势深度把握全球经济脉动100000 资讯干货 一手掌控10000 行业报告 免费下载1000000 行业数据 精准把握500 资深研究员 有问必答10000 全球产业研究 全面覆盖365 每日产经动态 实时更新扫码下载APP全球产业分析与行业深度问答聚合平台全球产业分析与行业深度问答聚合平台看 懂 未 来 新 十 年！前瞻产业研究院是中国产业咨询领导者！隶属于深圳前瞻资讯股份有限公司，于1998年成立于北京清华园，主要致力于为企业、政府、科研院所提供产业咨询、产业规划、产业升级转型咨询与解决方案。前瞻产业研究院前瞻产业研究院前瞻经济学人APP是依托前瞻产业研究院优势建立的产经数据 前沿科技的产经资讯聚合平台。主要针对各行业公司中高管、金融业工作者、经济学家、互联网科技行业等人群，提供全球产业热点、大数据分析、行研报告、项目投资剖析和智库、研究员文章。前瞻经济学人前瞻经济学人让你成为更懂趋势的人报告制作：前瞻产业研究院联系方式：400-068-7188更多报告：https:/无无无无无无无无主创人员：岑晓天/成招荣/朱茜产业规划咨询：无无无无无无无无

0人已浏览 2023-12-30 35页 5星级

1 智能驾驶计算芯片性能评测 标准化白皮书 2023.9 2 目 录 一、智能驾驶计算芯片产业现状.3 1、国内外智能驾驶计算芯片发展情况.3 2、智能驾驶计算芯片应用需求.7 3、智能驾驶计算芯片标准需求.8 二、智能驾驶计算芯片标准与评测.9 1、智能驾驶计算芯片国内外政策和标准现状.9 2、智能驾驶计算芯片性能评测标准.11 3、智能驾驶计算芯片标准典型应用案例.16 三、总结与展望.28 四、参考文献.29 3 一、一、智能驾驶计算芯片产业现状智能驾驶计算芯片产业现状 汽车产业正在被人工智能技术重构。如同蒸汽机之于工业革命的意义，智能驾驶已经成为人类社会自发明汽车以来的一大颠覆性创新，持续推动汽车产品、整车市场格局和产业链变革，而数据和算力是驱动汽车智能化加速的两大动力。关于智能驾驶发展的趋势，业内普遍认同的观点是：智能驾驶汽车将在2025年前后开始一轮爆发式增长。智能驾驶汽车在传统驾驶的电子电气架构基础上，引入基于智能驾驶芯片的智能驾驶模块，搭载各类车载传感器、控制器、执行器等装置，并融合了现代通信、网络和计算技术，使得车辆具备复杂环境感知、智能决策、协同控制等功能，从而大大提升驾驶的自动化和智能化。未来，汽车将从最常用的交通工具变成最大的智能终端，具备高度电动化、网联化、智能化、共享化的特征，传统汽车企业势必将重新定义和塑造自身的商业模式，传统汽车行业的市场也将向芯片厂商、互联网科技公司、造车新势力等逐步打开，生态格局不断走向开放。1、国内外智能驾驶国内外智能驾驶计算计算芯片发展情况芯片发展情况车载计算芯片成车载计算芯片成为行业竞争热点，国内外企业竞相发力为行业竞争热点，国内外企业竞相发力 随着智能驾驶技术的不断发展和汽车市场的逐渐开放，作为汽车智能化的核心，智能驾驶芯片的发展在全球范围内日益瞩目，市场也呈现出井喷式的增长态势。除了传统的汽车制造商，科技公司也开始在智能驾驶芯片市场布局。例如，英伟达的智能驾驶芯片“Drive”已经被包括奔驰、特斯拉和沃尔沃在内的多家汽车制造商采用。此外，谷歌旗下的Waymo、苹果、百度和滴滴也都在智能驾驶芯片领域进行了大量尝试。可以预见的是，智能驾驶芯片市场的竞争将愈演愈烈。整车厂商对高算力智能驾驶芯片的需求使得芯片厂商间的竞争也进入白热化，近年来高算力智能驾驶芯片迭代速度显著加快。Mobileye、英伟达、高通等主流外资厂商相继推出能够满足L4级智能驾驶的芯片产品，特斯拉也有自研计算芯片。国内华为、地平线、黑芝麻等也在不断推出自己的智能驾驶芯片。英伟达、高通在高端市场发力，以高算力芯片抢占高级别智能驾驶赛道。英伟达2019年发布的旗舰产品Orin，称其具备254TOPS的高AI算力，凭借领先的AI 4 算力，Orin成为国内新势力车企下一代旗舰车型的主流选择，2022年蔚来、小鹏、理想等均将推出基于Orin的量产车型。高通于2020年发布Snapdragon Ride平台，称其能够匹配从L1/L2级辅助驾驶至L4/L5级智能驾驶的场景需求，提供高能效、性价比出众的系统级解决方案。长城、宝马等车企已宣布与高通合作，预计2023年进入量产阶段。特斯拉作为全球智能驾驶领军车企，采取了自研芯片的路径以满足其对于智能驾驶的高性能需求，2019年4月正式发布FSD自研芯片及计算平台，称其单颗芯片算力达72TOPS，成为当时算力最高的量产芯片，为特斯拉全系车型的智能驾驶功能提供算力支持。国内华为、地平线、黑芝麻等芯片厂商自主研发高算力智能驾驶芯片，部分产品已实现量产上车。华为发布的MDC 610，称其算力达200TOPS，MDC系列产品已与多家主机厂展开合作，在多款新能源智能汽车上实现量产商用；地平线发布的征程系列第五代，称其算力达128TOPS，征程系列产品与比亚迪、一汽等展开合作；黑芝麻发布的华山A1000系列芯片中A1000和A1000pro算力分别达58TOPS和106TOPS，华山A1000系列芯片产品已与吉利、东风、江汽、一汽红旗、合创等车厂展开深度合作。此外，芯驰科技、超星未来、爱芯元智等AI芯片企业也迎来了新机遇，纷纷推出自动驾驶芯片方案；国外瑞萨、意法半导体、恩智浦等传统车规级MCU大厂，也在极力巩固各自的行业地位，正在筹算着切入AI汽车芯片领域；还有部分主机厂选择自主研发智能驾驶计算芯片，如零跑汽车、百度（集度汽车）等，自动驾驶芯片将呈现百放齐放的局面。国内外典型智能驾驶计算芯片相关信息见表1。5 表表 1 1 国内外典型智能驾驶计算芯片国内外典型智能驾驶计算芯片 企业企业 芯片芯片 量产量产 时间时间 算力算力（TOPSTOPS）功耗（功耗（W W）能效能效比比（TOPTOPS/WS/W）制程制程（nmnm）适用适用 智能智能 驾驶驾驶级别级别 应用情况应用情况 特斯拉 FSD（HW3.0）2019 年 72 72 1 14 L3 自用 FSD（HW4.0）2022 年 216-7 L4/L5 英伟达 Xavier 2020 年 30 30 1 12 L2/L3 博世、小鹏等 Orin 2022 年 254 45 6 7 L4/L5 百度、通用、谷歌、小马智行、亚马逊、滴滴、比亚迪、小鹏、理想、蔚来上汽、奔驰、奥迪等 Atlan 2025 年 1000-L4/L5-Mobileye EyeQ 4 2018 年 2.5 3 0.83 28 L1/L2 吉利、上汽、广汽、大众、哪吒、长城、理想、蔚来等 EyeQ 5 2021 年 24 10 2.4 7 L2/L3 宝马、吉利等 EyeQ 6 2023 年 128 40 3.2 7 L4/L5-EyeQ Ultra 2025 年 176-5 L4/L5-高通 SM8540 SA90 2022 年 360 65 5.5 7 L2/L3/L4 长城、宝马等 瑞萨 R-CAR V3U 2023 年 60-12 L2/L3-Ti TDA4VM 2020 年 8 5-20 0.4-1.6-L2/L3 百度等 6 企业企业 芯片芯片 量产量产 时间时间 算力算力（TOPSTOPS）功耗（功耗（W W）能效能效比比（TOPTOPS/WS/W）制程制程（nmnm）适用适用 智能智能 驾驶驾驶级别级别 应用情况应用情况 华为 昇腾 610 2020 年 200 60 3.3-L3-L4-地平线 征程 2 2019 年 4 2 2 28 L1/L2 长安、奇瑞、广汽等 征程 3 2020 年 5 2.5 2 12 L2 理想、哪吒、上汽 征程 5 2022 年 128 30 4.3 16 L4 比亚迪、一汽等 黑芝麻 A1000 2021 年 58 18 3.2 16 L2/L3 吉利、东风、合创、江汽等 A1000L 2021 年 16 15 1.1 16 L2/L2 一汽红旗等 A1000Pro 2022 年 106 25 4.2 16 L4 一汽等 A2000 2025 年 250 -7 L4/L5-芯驰 V9T 2021 年 1-16 L2-V9P/U 2022 年-16 L2-V9S 2023 年-16 L4/L5-7 2、智能驾驶智能驾驶计算计算芯片应用需求芯片应用需求智能驾驶业务多样化和智能驾驶业务多样化和复杂场景，需要高性能复杂场景，需要高性能计算计算芯片芯片 智能驾驶业务是智能网联汽车最复杂的高价值应用，但也是最难度最大的应用。智能驾驶业务多样化、场景复杂，对智能驾驶芯片在感知、决策、和控制的能力提出很高的要求。（1）感知系统）感知系统 感知系统是利用车载传感器，及车联网技术来获取道路、车辆位置、障碍物、车辆自身位置等信息，并将获取的这些信息传输给车载控制中心，给自动驾驶汽车提供决策依据。感知系统的对象可以分为两类：一类是静态对象，即道路、交通标识、静态障碍物等；另一类是动态对象，即车辆、行人、移动障碍物等。对于动态对象，除了要了解对象的具体类别，还需对位置、距离、速度、加速度、方向等信息进行追踪，并需要根据追踪结果来预测对象的接下来的预计位置。为了实现感知环境的任务，越来越多的传感器应用于高阶智能驾驶汽车。例如，特斯拉Model Y有20个传感器。问界M5智驾版27个传感器；小鹏G6共30个传感器。越来越多的传感器输入，对智能驾驶芯片的性能提出更高要求。（2）决策系统）决策系统 智能驾驶决策系统对汽车的速度、方向及车灯等进行控制。传统理解中，决策系统涵盖了环境预测、动作规划、路径规划、行为决策等。环境预测不仅仅局限于物理规律，还需通过对感知时车辆、行人等的瞬时动作，判断其下一步的动作，如速度、位置、方向等。动作规划根据对环境预测的结果，完成诸如转弯、避让、超车等动作。同时对于交通的动作规划也必不可少，如在限速路段的车速控制、红绿灯情况下的停车行车、潮汐车道的车道线选择等，均需要提前进行规划。自动驾驶汽车还需要完成对行驶路径的规划不仅要耗时短，还要满足乘客需求，实现路径自定义。行为决策则是对自身的实时位置、速度、方向等信息，与环境预测中获取的交通信息、动作规划中完成的路径规划等进行参照，让自动驾驶汽车预判可能发生的危险及即将需求的动作，让自动驾驶汽车可以对自身动作进行调整。更智能的决策系统，对芯片算力要求越高。8（3）控制系统）控制系统 控制系统跟踪决策规划的轨迹目标，控制车辆的油门、刹车和转向等驾驶动作，调节车辆行驶速度、位置和方向等状态，以保证汽车的安全性、操纵性和稳定性。相对于传统的控制方法，智能控制方法主要体现在对控制对象模型的运用和综合信息学习运用上，主要有基于模型的控制、神经网络控制和深度学习方法等，目前这些算法已逐步在汽车控制中广泛应用。实时准确的控制效果，需要更快、更高性能的智能驾驶芯片支持。由上可以看出，要满足智能驾驶业务的多样化和复杂场景，需要高性能的智能驾驶计算芯片。3、智能驾驶计算芯片标准需求智能驾驶计算芯片标准需求性能评价缺少共性能评价缺少共识，亟待识，亟待产业联合研究产业联合研究 当前智能驾驶行业普遍以“TOPS”为单位来评估自动驾驶芯片的理论峰值算力，各大芯片厂商也在通过不断刷新算力峰值彰显各自的技术实力，但各家算力的计算方法却不尽一致，且声称算力与智能驾驶场景的算法评价性能也不能形成一一对应。以英伟达为首的芯片厂商多以“稀疏算力”声称，该计算方法会比“稠密算力”多出约1倍的算力数据。具体来说，稀疏算力把矩阵计算中部分数据值变为0，最终使矩阵乘法计算减半，从而提升算力表现数据。“稀疏算力”的计算量实为标称算力的一半，算力声称值比“稠密算力”多出约1倍的算力数据。“稀疏算力”本质上是对算法计算的优化，但此种优化方式只对特定的几个算子有效。智能驾驶场景中，稀疏化方法对摄像头数据优化优先，性能仅有约57%提升，远低于稀疏算力100%提升预期。除了算力的“稀疏”和“稠密”的区别，采用不同计算数据类型也会造成算力表征的差别。大多数芯片公司一般采用INT8或者INT16作为统计算力的数据类型，少部分会采用INT4类型。相对而言，采用INT4数据类型能够实现的模型推理准确度相对较低，在将较大规模的神经网络转到更小的神经网络时的准确度损失相对较高；采 9 用INT8或者INT16数据类型的算力值相对较低，准确度损失也较低，在智能驾驶芯片计算时使用更为广泛。综上所述，算力标注的概念混淆、芯片价格混乱的主要原因是算力声称没有统一的标准，缺乏能够更客观的对比智能驾驶芯片能力的公正的测试基准算子或模型。因此，发展智能驾驶芯片测评标准与规范车载计算芯片标准迫在眉睫，这是车载芯片企业、整车企业以及正在生态体系的共同需求。此外，评价智驾芯片的目标是为了了解芯片应用在智能驾驶场景的真实性能。那么适配应用场景的算法模型，才是评价智能驾驶芯片的最合理方式。按照智能驾驶的使用，算法可以区分为：图像/点云分类、图像/点云目标检测、深度估计、图像/点云分割等。再从各分类算法，选出更适用智驾场景的算法。用多维度算法模型，公开公正测试智能驾驶芯片，才能分辨智能驾驶芯片的真实性能。二、二、智能驾驶计算芯片标准与评测智能驾驶计算芯片标准与评测 1、智能驾驶计算芯片国内外政策和标准现状智能驾驶计算芯片国内外政策和标准现状（1）国外政策）国外政策 自2015年以来，各国相继探索出台了自动驾驶相关的政策或者高级别自动驾驶运营许可，纷纷加速行业变革和商业化落地。从2016年开始，日本针对智能驾驶进行相关法律的修订，以推动智能驾驶制度的逐步完善，是全球第一个法律明确规定允许L3级智能驾驶汽车上路的国家。2017年5月，德国颁布了首部针对智能汽车的法律道路交通法（第八修正案），助力智能汽车在德国落地。2020年初，美国交通部公布了最新的智能驾驶汽车准则4.0，为各州和地方政府、汽车测试商以及所有利益相关者提供了统一指导。2021年1月11日，美国交通部发布智能驾驶汽车综合计划报告，是智能驾驶汽车准则4.0的延伸和落实，旨在确保其智能驾驶的全球领先地位，进一步明确了美国智能驾驶汽车产业发展的三大目标、五大优先领域及三类公共平台。2020年6月，联合国通过了自动车道保持系统（ALKS）法规（以下简称“ALKS法规”），作为“L3级”自动化驾驶第一份具有约束力的国际法规，这标 10 志着智能驾驶技术发展的重要一步。2021年，德国奔驰成为全球首个获得联合国ALKS法规“自动车道保持系统认证”的汽车企业。（2）国内政策）国内政策 我国高度重视智能网联汽车法规政策推进、技术标准制定、产业生态建设，已在积极探索智能驾驶汽车上路法规的制定，并采取了地方试验立法在先，中央总结立法在后的模式。2021年7月，工信部发布关于加强智能网联汽车生产企业及产品准入管理的意见，规定了智能驾驶汽车及其生产企业的准入管理要求，为L3及L4级智能驾驶汽车的规模化量产做准备。2022年11月，工信部会同公安部组织起草的 关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿），将首次为开展智能网联汽车准入和上路通行试点工作提供政策依据。在测试示范方面，我国采取地方先行先试的模式。目前，北京、上海、深圳等多个城市已发布相关的道路测试与示范应用管理法规，其他城市相关细则也持续推进。2023年3月28日，工业和信息化部公开征求对国家汽车芯片标准体系建设指南（2023版）（征求意见稿）的意见，在该征求意见稿中，推荐制定智能驾驶计算芯片相关的行业标准，主要规范汽车用于人机交互、视觉融合处理、智能规划、决策控制等领域执行复杂逻辑运算和大量数据处理任务的芯片的技术要求及试验方法。2023年7月26日，工业和信息化部、国家标准化管理委员会印发国家车联网产业标准体系建设指南（智能网联汽车），其中谈及2025年标准体系建设目标时也专门提及要制定高性能计算芯片标准，以满足智能网联汽车技术、产业发 展和政府管理对标准化的需求。（3）标准现状）标准现状 虽然国内外高度重视智能驾驶产业的发展，并纷纷出台相应政策，但是在智能驾驶计算芯片的“智能”评测相关标准上仍属空白，国内外尚无相关标准发布。在我国，2022年7月，中国电子技术标准化研究院牵头制定了面向自动驾驶应用的计算芯片 系列团体标准，并在中国电子工业标准化技术协会正式立项，在2023年4月发布了该系列团体标准的征求意见稿，并拟于2023年发布该系列标准。该系列标准包含技术要求、车载异构计算测评规范、人工智能应用工具链、11 传感器接口要求等四个部分。此标准是国内外首系列针对智能驾驶场景对芯片的“智能”需求，完整的构建了智能驾驶计算芯片技术要求、测试方法、智能工具链和整体生态诉求等，及时填补了国内外智能驾驶计算芯片应用场景下“智能”领域的标准空白，使得智能汽车产业链内的企业在技术研发、标准选择、产品生产等流程上有章可依。在国家汽车芯片标准体系建设指南（2023版）（征求意见稿）等国家政策的指导下，基于上述系列团体标准，2023年4月，全国集成电路标准化技术委员会正式立项了中国电子技术标准化研究院牵头制定的 面向自动驾驶应用的计算芯片系列行业标准，并在工业和信息化部工业和信息化部2023年第一批行业标准制修订和外文版项目计划中正式下达，该系列行业标准是目前智能驾驶芯片领域的唯一一份行业标准，意义重大。一方面，可以更好地助力智能汽车产业链各单位对智能驾驶计算芯片的应用需求，提高智能汽车行业的技术水平、促进产品质量的提升；另一方面，可以助力我国智能驾驶芯片标准相关重要政策、法规的落地，推进我国智能网联汽车的落地和应用。2、智能驾驶计算芯片智能驾驶计算芯片性能评测性能评测标准标准 面向智能驾驶应用的计算芯片 系列团体标准详细描述了面向自动驾驶应用的计算芯片主要涉及的产品本身、AI应用工具链、传感器接口生态等技术领域及其异构计算测评等四个关键环节。其中，“第1部分：技术要求”规定了面向自动驾驶应用的计算芯片的可靠性和基本技术要求、软硬件要求以及功能、性能要求：硬件系统：应包括部分或全部以下硬件单元：a)通用处理器CPU，执行通用计算及控制程序；b)AI加速单元NPU，执行矩阵或向量密集的AI计算；c)图形处理单元GPU，执行图形生成、渲染等图形计算；d)微控制器MCU，执行实时运算和控制；e)数字信号处理单元DSP，执行数字信号处理；f)机密计算引擎Secure Engine，执行加解密计算，并支撑实现安全启动；12 g)内存控制器，访问片外主内存；h)视频/图像加速单元，完成视频/图像的编解码、图像缩放等处理；i)图像信号处理单元ISP，处理片外摄像头采集到的图像信号；j)音频处理单元，处理片外音频信号；k)PCIe总线，与片外的PCIe设备相连；l)片上缓存，作为高速缓存保存SoC计算过程产生的中间数据；m)片上互连总线，应符合ASIL标准；n)CAN、SPI、以太网、闪存等控制器。图 1 智能驾驶计算芯片硬件系统参考架构 软件系统 面向自动驾驶应用的计算芯片应包括部分或全部以下软件系统：a)安全驾驶系统；b)数据处理系统；c)仪表显示域；d)虚拟化软件系统。13 图 2 智能驾驶计算芯片软件系统参考架构 此外，“第3部分：人工智能工具链”规范了面向自动驾驶应用的计算芯片配套工具链应包含的内容、功能等基本要求及其可靠性要求；“第4部分：传感器接口要求”重点考虑了智能驾驶芯片生态角度的需求，规范了面向自动驾驶应用的计算芯片对适配的各类型传感器的基本要求和接口要求。通过对工具链和接口要求等生态性指标的衡量和规范，有助于智能驾驶计算芯片软硬件的进一步完善和应用。图 3 智能驾驶计算芯片人工智能工具链参考架构 14“第2部分：车载异构计算测评规范”规定了对面向自动驾驶应用的计算芯片进行不同关键模块的异构计算功能、性能测试的测试指标、测试方法和测试要求：通过该标准，重点评估以下三个维度的芯片综合性能：（1）以）以INT8数据类型的稠密数据类型的稠密算力为代表评估芯片算力性能算力为代表评估芯片算力性能 算力主要采用TOPS作为单位：TOPS（Tera Operations Per Second），即每秒钟进行一万亿次（=1012）运算次数，1TOPS表示芯片每秒进行1012次运算。行业内各单位标称的算力不少为稀疏算力，但是稀疏化带来两个问题：1）稀疏化会到来准确度的下降，需要复杂的重训练来对准确度进行补偿；2）这种稀疏化只对部分算子有效，其他算子无法采用这种稀疏化的方法。因此，推荐使用稠密算力方式对芯片算力进行评估，稠密算力相比稀疏算力，并不是只针对特定算法性能表现好，而是更具有普适性，且稠密算力普遍更容易满足计算准确度的要求，避免了稀疏算力的准确度补偿训练。另外，计算使用的数据类型有：INT4，INT8，INT16，FP16，FP32，BF16，TF32等。当前，在智能驾驶领域，INT4数据类型能够实现的准确度和范围较低，限制了其在神经网络计算的使用，会产生性能损失。FP32数据类型能够实现的准确度较高，但因为计算量较大，实际应用的效率较低。而INT8能够更好的兼顾效率和泛用性，被大多数芯片厂家采用，推荐以INT8数据类型为代表测试芯片算力，对齐算力标准，同时兼顾其他量化精度类型的算力，并标明测试结果的精度类型。综上，在本评测标准中，为了规范业内各种智驾芯片的算力对比，结合大多数芯片厂家的做法，明确指出统一采用INT8稠密算力为代表，兼顾其他量化精度类型算力的方式来对芯片的算力进行整体性评估（见表2），对智能驾驶产业更有意义，可有效防止算力虚标和对比条件不统一造成业界困扰的问题。表 2 数据类型、算力和利用率参考表 数据类型 算力 算力利用率 INT4、INT8、INT16、FP16、FP32、BF16、TF32 TOPS 百分比 15（2）采用推理吞吐率（）采用推理吞吐率（FPS）作为智能驾驶场景）作为智能驾驶场景AI性能的主要评价方法性能的主要评价方法 智能驾驶芯片的性能发挥看的是软硬件协同后的实际能力，而不是单纯取决于绝对算力数值，芯片厂商应更注重在最大硬件算力的前提下，在特定智能驾驶场景下是否可以达到较高的芯片使用效率。由于推理吞吐率是针对具体模型的测试结果，更能反映车载智能芯片的真实计算性能。在智能驾驶场景下，可以选取智能驾驶场景中最经典、最通用、业界关注度最高的模型（见表3）来进行性能测试，从而真实反映智能驾驶平台软硬协同的整体处理性能。表 3 测试网络模型列表（参考）序号 网络名称 场景类别 1 ResNet50 图像分类 2 VIT 图像分类 3 DETR 图像检测 4 Efficientdet 图像检测 5 Regnet 图像检测 6 DETR3D 基于BEV的检测 7 SSD 目标检测 8 FCN8 语义分割 9 DeepLabV3 实例分割 10 MonoDepth 单目深度估计 11 SFA3D 点云检测 12 Pointpillar-YoloV5 点云检测 13 PV-RCNN 3D物体检测 14 RangeNet 点云分割 15 PointTrack 点云跟踪、分割 （3）兼顾）兼顾AI性能和整体端到端数据流整体处理能力性能和整体端到端数据流整体处理能力 AI计算单元不是智能驾驶系统的全部，AI算力也不能成为评价智能驾驶芯片的唯一标准。一般来说，智能驾驶系统包含通用计算单元、AI计算单元、图像处理单元以及互联单元等，其中，AI计算单元是智能驾驶系统中的主要处理单元，但整个芯片平台在智能驾驶场景中的性能发挥必须依仗各部分的协同才能实现。车企在选择智能驾驶芯片时会对多项关键性指标进行综合性评估。芯片的AI算力高低固然重要，但主机厂在开发量产车型的过程中不会一味追求高算力的 16 芯片或平台，而是需要综合考虑智能驾驶芯片的算力和算效、适配性、软件开发难度、车规级安全认证等级、灵活性和全面性以及能效比等指标，最终根据车型的价位选择最具性价比的芯片。本系列标准还明确指出，智能驾驶计算芯片平台的关注维度不但要兼顾AI性能和整体端到端数据流整体处理能力，同时也要兼顾安全和效率。兼顾AI性能和整体端到端数据流整体处理能力意味着不仅仅关注智能驾驶计算芯片中AI处理单元的算力指标，更要着眼于车企和消费者更关注的整体智驾体验。同时，由于智能驾驶计算芯片的应用场景较为特殊，本标准除了关注智能驾驶计算芯片的性能，还要关注功能安全。在信息安全和车辆安全遵循国际汽车芯片主流标准的基础上，本标准牵引智能驾驶计算芯片在可信计算环境的基础上，支持国密认证、安全启动、硬件加解压等功能，以满足智能驾驶计算芯片平台对相关能力的要求。总之，整体端到端数据流处理能力和智驾体验才是最靠近整车厂最终诉求的智能驾驶计算芯片评价指标，在车企的实际采购和使用中起到更好的参考和指导作用。本次测评暂不含端到端测试。端到端评测结果将在以后的活动中进一步展开和发布。3、智能驾驶计算芯片标准智能驾驶计算芯片标准典型典型应用应用案例案例 依据面向自动驾驶应用的计算芯片系列标准，本白皮书选用国内外代表性的智能驾驶计算芯片应用案例。（1）国外代表国外代表 1）英伟达英伟达 2019年英伟达发布车规级芯片Orin并在2022年完成量产，其L2 级SoC，宣称采用全新的NVIDIA GPU及12核ARM CPU，功率45W，254TOPS算力；L5级别的全自动驾驶可以使用2路DRIVE AGX Orin 2组GPU的方案，性能可达2000TFLOPS，系统功耗能达到750W。17 图4 英伟达Orin SoC的系统架构示例 使用市场上采购的Orin开发平台套件，基于Nvidia JetPack 5.1.1-b56软件栈，在Ubuntu 20.04.5 LTS系统上对面向自动驾驶应用的计算芯片系列标准中的部分典型场景用神经网络模型进行了性能测试，测试结果如表4所示：表表4 英伟达英伟达Orin开发平台开发平台部分部分典型场景性能典型场景性能 序序号号 模型模型 数据集数据集 英伟达英伟达 Orin 开发开发平台平台典型场景典型场景 性能性能(FPS)推理推理 准确度准确度 原始模型原始模型 推理准确度推理准确度 1 resnet50 ImageNet 1335.65 0.778(top1)0.793(top1)2 vit ImageNet 144.98 0.217 0.801(top1)3 yolov3 COCO 181.85 0.464(0.5:0.558(0.5:18 0.95mAP)0.95mAP)4 yolov5m COCO 257.35 0.434(0.5:0.95mAP)0.501(0.5:0.95mAP)5 efficentdet-D0 COCO 248.23 0.361(0.5:0.95mAP)0.389(0.5:0.95mAP)6 detr COCO 59.88 0.376(0.5:0.95mAP)0.377(0.5:0.95mAP)7 segformer-B1 Cityscapes 27.97 71.93(mIoU)72.84(mIoU)8 rangenet KITTI 222.30 0.289(IoU)0.305(IoU)9 pointpillar KITTI 66.92 64.62(3d mAP)70.75(3d mAP)2）高通）高通 2020 年 1 月，高通发布了全新的自动驾驶平台 Snapdragon Ride，预计 2024 年将用于自动驾驶量产汽车中；随着高通加大在智能驾驶领域的投入力度行业竞争趋于激烈。高通第一代Ride SoC是SA8540P。高通的第二代Ride以SA8650为代表，这是完全针对自动驾驶的设计，SA8650可能有两个版本，宣称低版本的AI算力是50TOPSINT8，高算力是100TOPSINT8。19 图5 高通Ride芯片示例 基于该系列芯片的Snapdragon Ride平台覆盖可扩展SoC、集成式AD软件栈和开发平台、工具，从而提供面向L2-L3级别自动驾驶的解决方案。Snapdragon Ride视觉系统预计将搭载于2024年量产的汽车中面市。利用已发布的Snapdragon Ride软件开发套件（SDK），汽车生态系统可进行下一代ADAS和AD解决方案及其驾驶策略的开发。长城汽车、通用汽车、宝马等车企已经宣布搭载Snapdragon Ride计算平台。该平台在场景应用时，可结合面向自动驾驶应用的计算芯片 系列标准，规范其应根据 面向自动驾驶应用的计算芯片 第一部分：技术要求具体来看，或宜提供的人工智能工具链，如高通Ride具备的软件系统、中间件、工具链、开发环境和各种算子库。3）德州仪器）德州仪器 德州仪器是全球第一大模拟电路元件和数字信号处理器制造商，其模拟和数字信号处理芯片技术在全球处于领先地位，而其推出的TDA4系列芯片被许多汽车厂商和一级供应商选为计算平台，TDA4VM是面向新一代智能驾驶应用所推出的车规级芯片，主打高阶自动驾驶市场。TDA4VM可实现多级处理，支持深度学习和实时图像处理；同时在性能和功耗方面都有较大提升，可以提供8TOPS算力。20 配有包括Cortex A72、Cortex R5F、DSP、MMA等在内的不同类型处理器，由对应的核或者加速器处理各自擅长的任务，让计算平台的效率得以提高。此外能够在单芯片上接入并处理4到6个三百万像素摄像头的数据，增强车辆感知能力和环视处理功能。2023年2季度量产的TDA4VH和TDA4AH是TDA4系列的旗舰产品，根据 面向自动驾驶应用的计算芯片 第一部分：技术要求具体来看，宣称具备32TOPS的AI算力，100K DMIPS的CPU算力，16K DMIPS的MCU算力，320 GFLOPS的DSP算力，4个4K60显示，内置4口以太网交换，2口PCIe交换。图6 德州仪器TDA4VM芯片架构示例 21 4）Mobileye Mobileye是英特尔2017年收购的列自动驾驶汽车技术公司，发布的EyeQ系列芯片EyeQ系列芯片产品截止2021年底已经总计出货接近一亿片。尽管在L3/L4领域被英伟达和高通压制，但是在主流的L2级别ADAS市场，仍然是霸主，其市场占有率高达75%。2021年出货量高达2810万片。至今已经完成了超1亿件EyeQ芯片的出货。而其22年发布的EyeQ Ultra是一款专为端到端自动驾驶而打造的单封装自动驾驶汽车集成芯片超级计算平台。EyeQ Ultra基于经过验证的Mobileye EyeQ架构，通过优化算力和效能，宣称可达到176TOPS，功耗低于100w。在未来这款芯片很有可能搭载在吉利极氪的全系车型之上。根据 面向自动驾驶应用的计算芯片 第一部分：技术要求 具体来看，EyeQ Ultra采用一组包含四类专有加速器的设计，每一类都针对特定任务而设计。这些加速器与其它CPU、ISP和GPU相配合，构成了一个高能效的解决方案，能够同时处理来自两个传感子系统（包括一个纯摄像头子系统和一个整合了雷达和激光雷达的子系统）以及车辆的中央计算系统、高清地图和驾驶决策软件的输入数据。图7 Mobileye的EyeQ Ultra芯片示例 22 （2）国内代表国内代表 1）华为华为 2018年10月，华为发布了自研的达芬奇架构AI芯片昇腾910和昇腾310。华为MDC计算平台的核心AI芯片采用的就是昇腾系列芯片。针对ADAS 与L4 并行的自动驾驶战略，华为相继推出多款不同的计算平台，其中MDC 610的算力宣称为200TOPS。为了进一步推动MDC 产品的系列化，以满足不同客户的多样化需求。在已经亮相的华为MDC智能驾驶计算平台解决方案上，集成了自研的Host CPU芯片、AI芯片、ISP芯片与SSD控制芯片。图8 华为昇腾310芯片架构示例 华为MDC智能驾驶平台，已经与18家主流车企、Tier 1建立合作，智能驾驶的应用场景则覆盖了乘用车、商用车、特种车作业车等。使用华为MDC 610平台，基于华为MDC Core软件栈，在该平台上对面向自动驾驶应用的计算芯片 系列标准中的部分典型场景用神经网络模型进行了性能测试，测试结果如表5所示：表表5 华为华为MDC 610平台平台部分部分典型场景性能典型场景性能 序序号号 模型模型 数据集数据集 华华为为 MDC 610 性能（性能（FPS）推理准确度推理准确度 原始模型原始模型 准确度准确度 23 1 resnet50 ImageNet 2764.80 0.793(top1)0.793(top1)2 vit ImageNet 303.59 0.801(top1)0.801(top1)3 yolov3 COCO 373.74 0.545(0.5:0.95mAP)0.558(0.5:0.95mAP)4 yolov5m COCO 665.90 0.479(0.5:0.95mAP)0.501(0.5:0.95mAP)5 efficentdet-D0 COCO 385.99 0.374(0.5:0.95mAP)0.389(0.5:0.95mAP)6 detr COCO 196.15 0.375(0.5:0.95mAP)0.377(0.5:0.95mAP)7 segformer-B1 Cityscapes 39.89 72.74(mIoU)72.84(mIoU)8 rangenet KITTI 463.78 0.293(IoU)0.305(IoU)9 pointpillar KITTI 156.68 69.37(3d mAP)70.75(3d mAP)10 SCNN CULane 319.95 80.2(F1)81.9(F1)2）地平线地平线 地平线面向智能驾驶领域，推出征程系列芯片，自2018年4月发布征程1芯片至今，量产产品已迭代至第三代征程5。征程5芯片是地平线推出的第三代芯片产品，采用台积电16nm制程工艺。采用8核心ARMCortex A5核心，支持 16 路感知摄像头、激光雷达、毫米波雷达等感知接入。目前征程5芯片已在理想L8 Pro和Air上实现量产上市，同时获得比亚迪、红旗、北汽、上汽多个定点项目。其中理想L8 Pro和Air车型上搭载的基于征程5打造的理想AD Pro驾驶辅助系统，已于2023年2月OTA推送NOA领航辅助驾驶系统。地平线相继推出基于征程2、征程5芯片的Matrix 2与Matrix 5计算平台，其中Matrix 5可满足ADAS、高阶自动驾驶、智能座舱等多种场景需求，根据面 24 向自动驾驶应用的计算芯片 第四部分：传感器接口要求具体来看，其支持48GMSL2摄像头输入通路，最高支持多路8MP30fps、多路毫米波雷达、4D成像雷达、激光雷达、超声波及麦克风阵列的接入。图9 地平线Matrix 计算平台示例 3）黑芝麻黑芝麻 黑芝麻是行业领先的智能汽车计算芯片和平台研发企业，专注于车规级高性能计算芯片与平台技术领域的高科技研发。其研发的华山系列芯片不少款已经实现量产和商业化落地。根据面向自动驾驶应用的计算芯片 第一部分：技术要求具体来看，华山 A1000 采用 16nm 车规工艺，并可处理多达 16 路高清摄像头输入，支持 L2 至 L3 自动驾驶集成泊车及驾驶的单芯片解决方案以及支持多个自动驾驶场景；华山 A1000L 为 L2 及 L2 自动驾驶设计，为华山 A1000 的轻量版，采用 16nm FFC 车规工艺，并可处理 8 路高清摄像头输入，也支持集成泊车及驾驶的单芯片解决方案，为入门级自动驾驶汽车提供高性价比方案；华山 A1000pro支持多达 20 路高清摄像头输入，支持从城市道路及高速公路驾驶到泊车的多种自动驾驶应用场景无缝集成。黑芝麻基于 A1000 系列芯片打造的 Drive Sensing 解决方案是可量产搭载单SOC 芯片的高阶行泊一体方案，搭配一个 MCU，实现单 SOC 支持 10V 的高阶行泊一体方案，支持 L2 行车领航 NOA、泊车 HPA/AVP、3D 360 环视全景、多路 DVR 等功能。25 图 10 华山 A1000 外部系统方案框图 图 11 华山 A1000 内部功能模块框图 黑芝麻智能与东风集团、江汽集团、一汽集团、上汽集团、上汽通用五菱、博世、曹操出行、吉咖智能、亚太、保隆集团、经纬恒润、均联智行、所托瑞安、联友科技等在 L2、L3 级ADAS 和自动驾驶感知系统解决方案上开展了一系列商业合作。2023年，搭载华山A1000系列芯片的量产车将陆续发布，包括江淮、吉利、东风旗下品牌等更多车型。4）超星未来超星未来 26 超星未来由清华大学电子工程系与车辆学院跨学科联合成立，以软硬件协同优化为核心思想，主要面向智能驾驶前装量产场景和边缘侧AI场景，提供芯片产品和行业解决方案。图12 超星未来惊蛰R1芯片示意图 根据面向自动驾驶应用的计算芯片 第四部分：传感器接口具体来看，惊蛰R1可提供多传感器接入能力和灵活的连接性，支持多路MIPI以及以太网接入，用户可以根据使用场景自由设计多摄像头、激光雷达以及毫米波雷达的接入，打造不同能力等级的智能驾驶系统。根据面向自动驾驶应用的计算芯片 第三部分：人工智能应用工具链，基于惊蛰R1和开发工具链“鲁班”，超星未来打造的智能计算平台开发套件“NE100”。全面支持各类传感器输入，适配多种深度学习算法框架，可高效实现感知、融合、预测、规划、控制等功能，帮助客户快速进行L2 智能驾驶、特定场景L4、路侧感知等场景原型系统的开发及验证。同时，“NE100”可以部署超星未来自研的应用层算法，助力客户进行特定模块的研发。基于惊蛰R1打造的边缘计算模组“NM10”，算力为16TOPSINT8，可提供SODDIM 260PIN接口，在电气属性和结构上兼容Xavier/Orin NX SOM模组。“NM10”能够快速实现终端设备和边缘端设备的AI应用部署，应用于智慧交通、智能电网、智慧制造、智慧金融、无人机等边缘计算场景。27 5）爱芯元智爱芯元智 爱芯元智基于其两大自研核心技术爱芯智眸AI-ISP和爱芯通元混合精度NPU，采用算法和芯片协同设计理念，已完成四代多颗芯片产品的研发和量产工作。车载芯片业务定位Tier2，主要为车企提供高性能低功耗AI SOC，为车载前视一体机、行泊一体域控制器、CMS、DMS/OMS等提供全系列解决方案，同时提供工具链、软件开发平台、面向应用的参考设计。根据 面向自动驾驶应用的计算芯片 系列标准具体来看，爱芯的首颗ADAS芯片M55H（又名AX720A），自研Proton AI ISP技术在暗场和HDR等方面进行了延时优化，并可支持RGB-IR双光融合，以满足车载各场景需求。其自研Neutron Npu 可以支持低位宽混合精度，提供高性能工具链支持，可满足AI算法的不断演进需求。具备4K30fps 编解码能力。图13 基于M55H的智能系统示意图 第二代芯片M76H，集成了异构多核的爱芯通元NPU v3 架构，可支持低位宽混合精度，其张量核针对CNN优化、加速Transformer以及BEV应用，针对Transformer优化，具备灵活的编程性，辅以SDMA和异构多核硬件协同，通过CV算子做前后处理提升感知性能。可同时处理多路大分辨率的视频流，支持应用于全时行泊一体系统的完整解决方案，实现高速NOA，城市ICA以及自动泊车，记忆泊车等功能。目前,爱芯 M55H（又名 AX720A）芯片，通过和 Tier1 华锐捷合作，成功于 28 2023 年 3 月在国内某知名新能源车企顺利量产数万片，此外，爱芯元智已与更多 tier1 达成合作，后续也会在更多车型实现批量应用。此外，本系列标准还在对更多的智能驾驶计算芯片及平台进行应用与验证，通过对国内外典型智能驾驶计算芯片及平台的应用，为汽车企业和零部件供应商提供参考，其可根据自身应用算法模型和应用场景选择更有利于自身研发需求的车载计算芯片产品。除此之外，在后续的工作中还将对更多智能驾驶计算芯片及平台的算力、模型和端到端性能进行更全面、丰富的测评与研究，助力产业链中应用单位选型，促进智能驾驶产业进一步发展。三、三、总结与展望总结与展望 近十年来，在“双碳”背景下的转型关键时期，汽车产业正在从传统工业向数字化、智能化加速变革，不断抢占新赛道。国内外从政策支持到法规保障、从技术创新到产业协同、从传统车企到科技公司，政府、产业、学术机构等各方持续高度关注，不断让创新形成合力，推动智能驾驶技术进步，形成全新的产业形态突破。智能驾驶芯片是智能汽车技术中皇冠上的明珠。在电动汽车智能化转型过程中起着关键的作用。但是目前行业内针对芯片的宣称规格差异大，无统一性能评测标准，给客户选择带来困惑。在智能驾驶芯片快速发展的背景下，需要牵引国产芯片向高质量、高竞争力发展，在统一的标准下评测，避免宣传乱象。由中国电子工业标准化技术协会牵头，邀请行业内专家广泛研究，提出来 面向智能驾驶应用的计算芯片系列团体标准，规范算力宣称，并且选取智能驾驶场景中最经典、最通用、业界关注度最高的模型制定评测标准。在自动驾驶技术分级的情况下，智能驾驶计算芯片也不是只追求高性能、大算力。在以后的测评活动中，加入更种类和等级的芯片，定期发布评测结果。助力智能驾驶计算芯片“上车”，使得产业链内的企业在产品选型、技术研发、测试验证等流程上有章可依。期待智能驾驶计算芯片系列标准在产业各界的努力下不断完善、升级，助力智能驾驶汽车以及智能驾驶计算芯片产业的发展、繁荣，为我们创造更安全、更美好的“智能驾驶”的未来。29 四、四、参考文献参考文献 1.国家汽车芯片标准体系建设指南（征求意见稿）2.国家车联网产业标准体系建设指南（智能网联汽车）（2023 版）3.面向自动驾驶应用的计算芯片 第 1 部分：技术要求 4.面向自动驾驶应用的计算芯片 第 2 部分：车载异构计算测评规范 5.面向自动驾驶应用的计算芯片 第 3 部分：人工智能应用工具链 6.面向自动驾驶应用的计算芯片 第 4 部分：传感器接口要求

0人已浏览 2023-12-25 29页 5星级

0华为自动驾驶技术详解华为自动驾驶技术详解功力深厚显真章功力深厚显真章证券研究报告|行业深度汽车整车2023年12月11日证券分析师证券分析师姓名：陆强易资格编号：S01邮箱：1. 

0人已浏览 2023-12-14 41页 5星级

 2023 年深度行业分析研究报告 正文目录正文目录 AI 大模型加速无人驾驶发展大模型加速无人驾驶发展.5 模型：大模型如何赋能智能驾驶？模型：大模型如何赋能智能驾驶？.7 数据：虚拟仿真、影子模式、.

0人已浏览 2023-12-14 43页 5星级

自驾游正全面重塑中国主流车市汽车自驾游洞察报告(2023版)易车研究院2023年11月22日团队成员周 丽 君高英院长/首席分析师行业分析师石 本 雅行业分析师疫情防控彻底放开的2023年，自驾游瞬间超越上下班，成为中国车市“第一购车诉求”，该突变会如何重塑中国主流车市？数据来源：易车研究院 在2020-2022年的三年疫情防控期间，虽然各种不确定性或长期化的封控政策，严重制约了中国车市用户的驾驶渴望与用车场景，严重束缚了车企的正常产销和战略优化，但中国车市的内在诉求演变非常剧烈，自驾游强势触底反弹。2022年自驾游诉求占比升至33.03%，十分逼近上下班，2023年加速释放，升至49.06%，一举超越上下班，摇身一变为中国车市的“第一购车诉求”；任何一个购车诉求，都有对应的消费特征，“第一购车诉求”对应主流车市消费特征，随着自驾游快速成为“第一购车诉求”，更好满足自驾游诉求将成为中国主流车市的核心特征，成为主流车企优化顶层战略、产品布局、品牌建设等的核心逻辑；目前，部分车企完全没有意识到自驾游诉求会如此快速爆发，根本没有针对性的战略规划与产品布局，等于一个木头人0 0P 18-2023年中国车市自驾游、上下班的购车诉求走势自驾游上下班0 %自驾游上下班代步接送孩子日常更换2023年中国用户购车诉求TOP52007年之前，中国主流车市以先富群体与单位用户为主，用车场景聚焦公商务，涌现了奥迪A6L、雅阁、帕萨特等高端车型05000250030002000-2022年中国乘用车终端销量走势(万辆)中国主流车市第一阶段特征 核心场景：公商务 核心用户：先富群体与单位用户 代 表车 型：奥迪A6L、雅阁、帕萨特等高端产品；受益企业：以海外品牌绝对为主中国主流车市第一阶段代表车型 上世纪末本世纪初，以先富群体为主的私人用户加速涌入中国车市，他们多数是首购用户，购车的核心目的是服务生意，再结合政府、国有企业、军队等单位用户，共同组成了中国主流车市第一阶段的消费主体。当时如果发生撞人事件，受害者一般不敢吭声，一是担心被打，二是担心赔钱。因为车里的非富即贵，就怕还有暴力倾向，经常能在电视新闻里看到山西煤老板或温州暴发户下车打人的画面，一般老百姓真惹不起；由于中国主流车市第一阶段的核心场景是公商务，以领导、客户等关键用户的接送为主，用户在购车时非常注重品牌、品质、空间等，涌现了奥迪A6L、雅阁、帕萨特、老桑塔纳等高端车型，也诞生了有中国特色的“L车”，成就了奥迪、大众、丰田、本田等一批有强大品牌号召力的全球车企。当时，吉利、长城、比亚迪、奇瑞等一大堆中国品牌，挣扎于低端、低价、低质之边缘车市，还在“猥琐发育”雅阁奥迪A6L桑塔纳帕萨特2007-2018年，中国主流车市以首购青年家庭用户为主，用车场景聚焦上下班，涌现了朗逸、轩逸、哈弗H6等入门车型05000250030002000-2022年中国乘用车终端销量走势(万辆)中国主流车市第一阶段特征 核心场景：公商务 核心用户：先富群体与单位用户 代 表 车 型：奥迪A6L、雅阁、帕萨特等高端产品 受益企业：以海外品牌绝对为主中国主流车市第二阶段代表车型中国主流车市第二阶段特征 核心场景：上下班 核心用户：首购青年家庭用户 代表车型：朗逸、速腾、轩逸、哈弗H6等入门产品 受益车企：海外品牌为主，中国品牌为辅 2007-2008年左右，大量以结婚购车为主的80后首购青年家庭用户快速涌入中国车市，瞬间成为中国主流车市第二阶段的消费主体。购车主体成了娶妻生子的青年用户后，下车打人的少了，因为买车为了结婚生子，打什么架呀，但碰瓷的多了，觉得涉世不深的青年用户好忽悠、好欺负；中国主流车市第二阶段的核心场景是上下班，非常注重车子的实用、经济与品牌等，涌现了中庸设计、拉长空间等独特卖点，培育了朗逸、速腾、轩逸、哈弗H6等大量入门车型，滋润了大众、丰田、本田、日产、别克、现代等众多全球车企。在第二阶段的中后期，吉利、长城(哈弗)、长安等少部分中国品牌快速崛起，分到一杯羹朗逸轩逸速腾哈弗H62019-2022年，中国主流车市快速向再购中年家庭用户和自驾游场景倾斜，初期涌现了理想ONE、坦克300等多元化车型05000250030002000-2022年中国乘用车终端销量走势(万辆)中国主流车市第三阶段(初期)代表车型中国主流车市第三阶段(初期)特征 核心场景：自驾游 核心用户：再购中年家庭用户 代 表 车 型：坦 克300、理 想 one、Model Y、宋PLUS等多元化产品 受益车企：中国品牌为主，海外品牌为辅中国主流车市第一阶段特征 核心场景：公商务 核心用户：先富群体与单位用户 代 表 车 型：奥迪A6L、雅阁、帕萨特等高端产品 受益企业：以海外品牌绝对为主中国主流车市第二阶段特征 核心场景：上下班 核心用户：首购青年家庭用户 代表车型：朗逸、速腾、轩逸、哈弗H6等等入门产品 受益车企：海外品牌为主，中国品牌为辅 2019-2022年，过去首购青年用户的年龄纷纷超过35岁，甚至40岁，摇身一变为典型的大叔用户，不仅油腻了，而且不按套路出牌，一直被边缘化的自驾游诉求快速爆发，曾经热销的朗逸、轩逸、哈弗H6、奥迪A6L、帕萨特等，要么大规模降价促销，要么销量大幅下滑，理想ONE、坦克300、Model Y、宋PLUS等原本属于非主流车市的产品，倒反更容易爆款。这几年，碰瓷的明显减少了，因为油腻大叔见多识广；2017-2019年，随着中国车市的快速趋冷，别克、雪佛兰、大众等不少主流车企，纷纷制定了新战略，且大众SUV战略等成效显著。2019-2022年，原本属于中国车市战略转型的关键期，诸如大众SUV战略抓紧向节能化转型升级、别克雪佛兰进一步整合大车战略。谁知半路杀出个“程疫情”，2020-2022年的严格封控，迫使多数车企停滞有本土特色的转型方案，机械式照搬欧美纯电战略，多数车企快速脱节于中国车市演变节奏坦克300Model Y理想one宋PLUS2023年自驾游一举超越上下班成为中国车市“第一购车诉求”，把中国主流车市的新场景正式推向自驾游主导的新时代0 0P 0218-2023年中国车市自驾游、上下班的购车诉求走势自驾游上下班中国主流车市第一阶段特征 核心场景：公商务 核心用户：先富群体与单位用户 代 表 车 型：奥 迪A6L、雅阁、帕萨特等高端产品；受益车企：以海外品牌绝对为主中国主流车市第二阶段特征 核心场景：上下班 核心用户：首购青年家庭用户 代表车型：朗逸、速腾、轩逸、哈弗H6等入门产品 受益车企：海外品牌为主，中国品牌为辅中国主流车市第三阶段(初期)特征 核心场景：自驾游 核心用户：再购中年家庭用户 代 表车 型：坦克300、理想one、ModelY、宋PLUS等多元产品 受益车企：中国品牌为主，海外品牌为辅 2023年自驾游一举超越上下班成为中国车市新“第一购车诉求”，具有重要的行业价值，该现象不仅承袭了2020-2022年自驾游诉求触底反弹的走势，而且明确了未来几年中国车市的演变趋势；基于再购占比、中年化等不断强化的趋势，易车研究院判断自驾游诉求的快速主导并非偶然，而是趋势，2019-2022年是该趋势的初期酝酿期，2023年正式定型，我们把2019年起统称为中国主流车市的第三阶段，一个更优质、更多元化的阶段，也可能是中国品牌的黄金发展阶段。至于第三阶段何时结束，目前无法有效预判数据来源：易车研究院家庭自驾游是车企角逐第三阶段中国主流车市的核心突破口，中国式自驾游以家庭成员、短距离、短时间、观光休闲为主0P0%夫妻孩子父母朋友亲戚同事情侣同学独自一人宠物2023年自驾游主要陪伴人员分布TOP100P0%周末小长假大长假寒暑假随时年假调休出差其它2023年自驾游主要进行时间分布0 0P公里内50-100公里101-200公里201-500公里500公里以上2023年自驾游主要行驶半径分布0 %半天及以内1天2-3天4-7天7天以上2023年自驾游主要行驶时长分布0P0%观光自驾游休闲自驾游亲子自驾游兴趣自驾游长途自驾游极限自驾游其它2023年自驾游主要游玩类型分布 中国车市蓬勃发展的自驾游诉求，具有自身鲜明特征：同行人员以家庭成员为主，2023年夫妻同行占比超70%，孩子同行占比超60%，父母同行占比超30%；以家庭成员为主，使得出游时间集中周末、小长假和大长假，2023年三者占比分别为66.86%、49.75%和37.60%；出游时间集中周末和小长假，使得出游天数集中2-3天和1天，2023年占比分别为40.98%和32.49%；出游天数集中三天即以内，使得出游半径集中50-100公里和101-200公里，2023年占比分别为27.03%和24.01%；出游半径集中200公里以内，使得游玩类型集中观光自驾和休闲自驾，2023年两者占比分别为65.49%和61.90%家庭成员为主、短距离、短时间、观光休闲环环相扣，共同铸就了中国式自驾游家庭自驾游，与欧美的长途游、挑战游等形成鲜明区别数据来源：易车研究院车企角逐自驾游车市的落脚点在产品，中国式自驾游更关注空间、安全、能耗，更偏好多功能，更倾向越野硬朗与大气高端 家庭为主的中国式自驾游的特殊性，最后都会体现在产品层面：从关注点看，中国式自驾游非常注重空间，占比高达82.26%，如果说之前车企关注L车型，接下来就要积极研发2L车型，甚至是3L车型，日后类似“大平层”概念会屡见不鲜，会投放更多中大型、大型等大车。其次是安全、舒适与能耗，这些都是家庭用户的核心关注点。动力、操控、通过性等彰显个性的传统自驾游的核心关注点，在以家庭为主的中国式自驾游的关注排行中都比较靠后；由于空间是中国式自驾游的核心关注点，提升了MPV、SUV等多功能品类和越野硬朗、大气高端等类型产品的诉求。进入自驾游主导的时代，轿车份额大概率会不断萎缩，由主流品类成为非主流品类；车企无论角逐哪个阶段的主流车市，核心竞争力都在产品。车企能否脱颖而出于中国式自驾游车市，关键看能否提供有竞争力的MPV、SUV等多功能产品，和越野硬朗、大气高端等类型产品，以及相关产品能否全面突出空间、安全、舒适与能耗等优势0 VEREVPHEV2023年不同预购新能源自驾游购车诉求0 23年不同预购级别自驾游购车诉求0 0Pp%MPVSUV轿车跑车2023年不同预购品类自驾游购车诉求0 0Pp 23年主流预购产品类型自驾游购车诉求0P0%空间安全舒适能耗配置动力操控价格通过性品牌2023年预购自驾游车型的购车关注诉求排行TOP10数据来源：易车研究院聚焦家庭自驾游与凸显节能、多功能的腾势、坦克、理想，领衔2023年主流品牌的自驾游诉求排行榜 2023年，腾势私人用户的自驾游诉求的渗透率高达72.84%，非常适合家庭自驾游的腾势D9是核心推动者与受益者，月销量快速突破万辆，角逐自驾游没有特别优势的N7、N8则出师不利。腾势仅用一年时间，就从正反两面充分论证了中国车市的自驾游趋势，希望这能为2024年N8 MAX和N9两款同样适合家庭自驾游的新产品，创造良好的战略氛围。2024年起，除了腾势，魏牌、岚图、捷途(山海)、奇瑞(风云)、比亚迪(高端产品)等一大堆类似品牌，都会积极布局自驾游车市；2023年，坦克以70.37%位居自驾游诉求第二，截至2023年11月底，性价比突出的坦克300表现依旧稳定，全系主打节能且性价比突出的坦克400和坦克500渐入佳境，坦克品牌充分尝到了中国式自驾游爆发的甜头。2024年起，除了坦克，方程豹、北汽越野、丰田(新普拉多)等一大堆类似品牌，都会积极布局自驾游车市；理想以68.78%，位居主流品牌自驾游诉求排行榜第三，从理想L7/8/9到大型纯电MPV MEGA，几乎都是为有中国特色的家庭自驾游用车场景量身打造的。但增程、非硬派等，也是理想汽车的明显短板，部分论证了主打插混的腾势与主打硬派的坦克的自驾游诉求为何会小幅高于理想。如果易车研究院建议理想汽车研发PHEV，相信会被嗤之以鼻，不过研发硬派产品的建议，我们想提一提，哪怕是基于增程的硬派产品。通过构建L系与硬派系两大差异显著的产品体系，做深做精以自驾游为主的中国新主流车市，期待未来五年理想汽车的国内年销量可以实现200万辆72.84p.37h.78e.32b.70a.61.63.06X.82V.52V.35T.55T.19S.80S.65R.89Q.61P.60P.28I.56%腾势坦克理想汽车北京越野上汽大通福特广汽传祺路虎林肯捷途哈弗领克星途别克丰田沃尔沃凯迪拉克宝马魏牌吉利2023年中国车市主流品牌自驾游购车诉求TOP20数据来源：易车研究院；主流品牌：2023上半年在华终端销量超过1万辆2023年，坦克、魏牌、哈弗加速节能化转型，2024年起长城具备角逐以自驾游场景为主的新主流车市领导者的潜质 2023年是长城汽车加速新能源转型的关键年：蓝山、高山助力魏牌基本实现新能源转型；主打混动的400、500助力坦克加速向节能化转型升级；大狗、二代大狗与猛龙，助力哈弗积极开拓硬派新蓝海，并助推节能化 坦克、魏牌与哈弗的战略优化，凸显了硬派、节能与高端几个关键字，这些关键字正是角逐以自驾游为主的新主流车市的核心卖点。2023年，坦克、哈弗、魏牌三大主打混动的品牌(不含纯电欧拉)，均位列主流品牌自驾游诉求TOP20。2024年产品结构进一步优化后，相信还有提升空间；长城的战略优化与中国车市新演变趋势相得益彰，充分体现了战略家老魏的价值。只要战略方向没问题，设计、定价等战术层面的优化就容易多了，甚至都不需要麻烦战略家老魏，让专业人士干专业的事，共同助力长城汽车称雄以自驾游为主的中国新主流车市0 0Pp0 23年前三季度坦克、哈弗、魏牌新能源占比走势哈弗魏牌坦克数据说明：横轴为车长mm，纵轴为中位价万元，圆圈大小为2023年前三季度终端销量数据来源：易车研究院0P0%腾势坦克理想汽车北京越野上汽大通福特广汽传祺路虎林肯捷途哈弗领克星途别克丰田沃尔沃凯迪拉克宝马魏牌吉利2023年中国车市主流品牌自驾游购车诉求TOP20哈弗H5哈弗猛龙哈弗大狗哈弗二代大狗哈弗H9哈弗C级SUV哈弗H6坦克300坦克400坦克500坦克700(限量版)坦克700(走量版)高山X山蓝山摩卡-555754400460048005000520054002023年前三季度哈弗、坦克、魏牌主流产品布局坦克硬派战队突出价格优势与基于Hi4-T加速节能化转型，积极角逐高端家庭自驾游车市魏牌高端战队除加速节能化转型，努力突出品质、空间与性价比等优势，积极角逐高端家庭自驾游车市哈弗主流战队基于大狗、二狗与猛龙等新产品，突出硬派风格与节能卖点，积极角逐普通家庭自驾游车市2023年比亚迪刚称雄，2024年又得马不停蹄转战以自驾游为主的新主流车市，方程豹、腾势、比亚迪高端产品被给予厚望2022年比亚迪国内销量超160万辆，紧逼丰田、大众。2023年，比亚迪全球销量有望挑战300万辆，国内有望挑战270万辆，瞬间超越大众、丰田，称雄中国车市；在比亚迪快速称雄中国车市之际，中国主流车市也在快速演变，瞬间由上下班主导转向自驾游，快速暴露了比亚迪称雄中国车市的隐患：2023年前三季度，比亚迪销量仍集中紧凑型及以下级别，虽然秦、宋对比亚迪2023年称雄中国车市功不可没，但两者不是角逐新主流车市的拳头产品；2023年前三季度，原本被寄予厚望的唐、汉不同程度遭遇挑战，部分说明唐与汉的定位与造型设计，也不是角逐新主流车市的拳头产品；2021-2023年前三季度，比亚迪低级别产品的市占率提升幅度强于高级别产品，客观上不利于比亚迪角逐以自驾游为主的新主流车市腾势D9的快速爆款、方程豹5的快速爆红等，反向论证了以自驾游为主的新主流车市的快速崛起，并说明了比亚迪加速布局新主流车市的迫切性；2024年，方程豹、腾势、比亚迪高端产品等将被寄予厚望，但上述品牌与序列的既定产品规划需要进一步优化：方程豹的战略中轴线应是豹5和豹8，基于此积极开发衍生产品，如豹5L(类似宋L)、豹5 MAX(类似宋MAX)、豹8L、豹8 MAX等，以及豹3混动版。上述产品渐入佳境后，再考虑跑车、豹3 EV等新产品也不迟；N7和N8的出师不利，进一步论证了D9的价值，N8 MAX和N9的权重理应高于轿车项目快速称雄后，正常情况下，车企产品布局的核心思维一定是多元化，构建更多的护城河。该战略思维的前提条件是，主流车市维持不变，如未来主流车市仍以秦和宋主导的上下班场景为主。但2023年中国的新主流车市瞬间转向了自驾游场景，即2024年起比亚迪还得马不停蹄去攻占新主流车市，且打法不一样，产品布局的重点得由之前上下班场景加速转向自驾游场景，不变的是，产品布局思维仍是聚焦再聚焦。目前，2024-2025年比亚迪产品布局，更多是基于2021-2022年的背景制定，不幸中的万幸是，“快速调整”正是王总领导下的比亚迪的核心竞争优势之一0 0 23年腾势、比亚迪自驾游的购车诉求与方程豹预判数据来源：易车研究院0P0%腾势坦克理想汽车北京越野上汽大通福特广汽传祺路虎林肯捷途哈弗领克星途别克丰田沃尔沃凯迪拉克宝马魏牌吉利2023年中国车市主流品牌自驾游购车诉求TOP200 0Pp0 21-2023年前三季度比亚迪乘用车(比亚迪 腾势)各级别终端销量占比走势大型中大型中型紧凑型微小型0%5 % 21-2023年前三季度比亚迪乘用车(比亚迪 腾势)在中国各级市占率走势微小型紧凑型中型中大型大型奇瑞较早洞悉到国内自驾游机遇，2024年三箭齐发，重点在节能大车，奇瑞有可能成为角逐新主流车市中半路杀出的程咬金 奇瑞就像一只猎犬，嗅觉比谁都灵敏，早早就洞悉到了国内自驾游的机遇，2018年推出与2021年独立的捷途，就率先定位旅行 。但率先发现机遇的，未必就能成为最大受益者，过去20年，奇瑞没少遭遇这种尴尬。2023年，捷途与星途仅位居主流品牌自驾游诉求排行榜的第10和第13，奇瑞品牌都不在TOP20。2021-2023年前三季度，奇瑞乘用车在各级别市占率最高的，仍是微小型；2024年起，捷途的山海系、星途的星纪元系和奇瑞的风云系将三箭齐发(ICAR主打纯电)，杀气腾腾，产品布局的重点都在节能大车，论规模恐怕连比亚迪、长城、长安等劲敌都难以匹敌，奇瑞有可能成为角逐中国新主流车市中半路杀出的程咬金。如2024年海外车市仍能独领风骚，奇瑞将对比亚迪引领中国品牌的位置构成巨大挑战；虽然战略层面到位了，但捷途的山海系、星途的星纪元系和奇瑞的风云系三大军团在战术层面仍需细细打磨。还是那句话，奇瑞在战略层面几乎没输过(处于领先位置)，但在战术层面几乎没赢过(复制、跟随较多)0 0P 23年奇瑞、捷途和星途自驾游的购车诉求0P0%腾势坦克理想汽车北京越野上汽大通福特广汽传祺路虎林肯捷途哈弗领克星途别克丰田沃尔沃凯迪拉克宝马魏牌吉利2023年中国车市主流品牌自驾游购车诉求TOP200 0Pp0 21-2023年前三季度奇瑞所有品牌乘用车的各级别终端销量占比走势大型中大型中型紧凑型微小型0%1%2%3%4%5%6%7%8%9 21-2023年前三季度奇瑞(奇瑞 奇瑞新能源 捷途 星途)各级市占率走势微小型紧凑型中型中大型大型数据来源：易车研究院对比长城、比亚迪与奇瑞，吉利角逐以自驾游为主的新主流车市的潜力是最大的，前三者几乎都是明牌了 从吉利到领克再到极氪，吉利汽车的自驾游属性不是太明显：吉利多品牌矩阵在2023年主流品牌自驾游诉求TOP20的排行也不是特别显著，领克位居12，吉利位居20；吉利的大车、硬派、节能等标签不是特别突出；2023年被寄予厚望的银河系列的L7、L6和E8三款产品的核心场景都不是自驾游；2021-2023年前三季度，吉利销量重心仍是紧凑型及以下产品，占比仍高达90 23年，围绕角逐以自驾游为主的新主流车市，吉利的核心竞品长城、比亚迪、奇瑞等，都已基本完成调兵谴将与排兵布阵，2024年都会强势发力；理论上，自驾游场景更有利于释放吉利的雷神动力、领克08等新技术与新产品的潜能在角逐以自驾游为主的中国新主流车市中，期待吉利厚积薄发0 0P%领克吉利极氪2023年吉利、领克和极氪自驾游的购车诉求0P0%腾势坦克理想汽车北京越野上汽大通福特广汽传祺路虎林肯捷途哈弗领克星途别克丰田沃尔沃凯迪拉克宝马魏牌吉利2023年中国车市主流品牌自驾游购车诉求TOP200 0Pp0 23年吉利、领克和极氪终端销量新能源占比走势吉利领克极氪0 0 23年吉利汽车(吉利、领克和极氪)终端销量各级别占比走势大型中大型中型紧凑型微小型数据来源：易车研究院对比纯电M系，硬派(风格)增程产品更有利于理想汽车角逐以自驾游为主的新主流车市，全面挑战BBA与不断夯实高端车市 2022年理想汽车位居中国主流品牌自驾游诉求的榜首位置，2023年，随着腾势D9、坦克500 Hi4-T等的强势发力，腾势、坦克的自驾游诉求快速超越理性汽车。不过自己和自己比比，理想汽车的自驾游诉求仍呈现增长走势，由理想ONE主导的2022年63.73%，升至由理想L7/8/9主导的2023年68.78%；如自驾游成为新主流车市核心场景的判断经得起推敲，理想夯实高端家庭车市的战略，约等于不断挖掘高端自驾游潜力。其中MEGA为代表的纯电M系列是一种选择，但未必是最好选择，基于增程等现有技术，硬派(风格)可能更值得考虑。基于理想汽车注重细节打磨与突出差异化的企业理念，极有可能在硬派车市又能玩出不少新花样，对BBA等传统高端品牌形成更大挑战；截至2023年11月，理想汽车是极少数能将战略规划与战术安排有机结合的车企。优秀车企的领导者，不仅需要方向之类的战略思维，也需要产品之类的战术思维理想L7理想L8理想L9理想M7理想M8理想M9理想L6理想L5理想MEGA00704700480049005000554002023年理想汽车产品布局模拟图0 0Pp 2220232022-2023年预购理想汽车的自驾游购车诉求走势数据说明：横轴为车长mm，纵轴为中位价万元；未上市车型数据为预判数据来源：易车研究院L系能源：增程风格：稳重、大气M系能源：纯电风格：豪华、流线硬派系能源：增程风格：硬朗、性能0P0%腾势坦克理想汽车北汽越野上汽大通福特广汽传祺路虎林肯捷途哈弗星途别克丰田沃尔沃凯迪拉克极氪宝马魏牌吉利2023年中国车市主流品牌自驾游购车诉求TOP200 0P000250030002000-2027年中国乘用车终端销量与自驾游购车诉求走势(万辆)终端销量自驾游诉求中国主流车市第三阶段(初期)特征核心场景：自驾游核心用户：再购中年家庭用户代表车型：坦克300、理想one、ModelY、宋PLUS等多元化产品受益车企：中国品牌为主，海外品牌为辅中国主流车市第一阶段特征核心场景：公商务核心用户：先富群体与单位用户代表车型：奥迪A6L、雅阁、帕萨特等高端产品受益企业：以海外品牌绝对为主中国主流车市第二阶段特征核心场景：上下班核心用户：首购青年家庭用户代表车型：朗逸、速腾、轩逸、哈弗H6等等入门产品受益车企：海外品牌为主，中国品牌为辅中国主流车市第三阶段(成熟期)特征核心场景：自驾游核心用户：再购中年家庭用户代表车型：？受益车企：？未来十年自驾游将全面重塑中国主流车市，目前越来越多的车企已意识到自驾游的重要性，且少部分车企已开始积极布局 过去十多年，中国主流车市以首购青年家庭为主，聚焦上下班场景，多数车企习以为常，甚至觉得这就是中国车市的常态，导致战略陷入呆滞；近三四年，自驾游诉求加速释放，原本是广大车企积极应对新诉求的关键期，但偏偏来了个新冠疫情，车企不得不忙于疫情防控与生产保供，让原本战略呆滞再次陷入战略停滞，尤其是海外车企。疫情快速放开的2023年，多数车企瞬间遭遇了“战略脱节”的巨大挑战；2023年，自驾游诉求一举超越上下班，使得中国新主流车市的演变方向更加明确，理想、腾势、坦克等部分品牌率先受益，越来越多的车企也意识到了自驾游的重要性，少部分开始针对性布局；2024-2027年，基本预判中国车市的自驾游诉求仍会持续释放，诉求占比有望逼近60%，车企的战略优化务必要围绕有中国特色的家庭式自驾游展开，聚焦大气高端、越野硬朗、主流品质等产品，与SUV、MPV等多功能产品，努力突出空间、安全、节能、品质等卖点；哪些车型、哪些车企会最终受益，目前都是未知数。中国品牌虽然率先受益，但只要战略调整得当，相信海外车企仍有机会数据来源：易车研究院中国主流车市第三阶段(成熟期)代表车型虚拟待位虚拟待位虚拟待位虚拟待位版权声明本报告为易车研究院制作，报告中所有的文字、图片、表格均受有关商标和著作权的法律保护，部分文字和数据采集于公开信息，所有权为原著者所有；没有经过本公司许可，任何组织和个人不得以任何形式翻版、复制、发表或引用；如有转载或引用，需及时与我们联系并注明出处，且不得进行任何有悖原意的引用、删节和修改。易车研究院定位：非商业数字化车市智库易车研究院使命：助力易车客户更好读懂中国车市目前易车研究院不做商业报告，全力为车企、经销商等易车客户赋能基于易车的数据优势，易车研究院的核心特征，就是用数据说话，就事论事，有一说一我们观点未必对，行业分析仁者见仁智者见智，不足之处，大家多指点与批评，让我们求同存异传播（媒体等）提炼（调研/咨询/协会/投行等）受众（车企/经销商/投资等）获取基础信息获取核心观点分享智慧与机遇获取信任与用户新物种(非商业数字化智库)优点：高效/专业缺点：封闭/功利性质：商业项目效用：提升决策/背锅侠优点：广而告之缺点：深度有限性质：流量转换效用：促进销售优点：取长补短；缺点：合作有限性质：观点传播；效用：提升影响媒体正努力强化数据分析与行业权威性，提升与车企的合作高度，如易车成立易车研究院等咨询等机构正强化数据挖掘能力与行业权威性，提升行业公信力与客户影响力，如麦肯锡的季刊车企、经销商等正强化自身数据体系建设与行业洞察能力，减少对外依赖，抢夺存量先机，如目前各大主机厂正抓紧建设各自的用户数据体系与打通各部门数据价值：对大众媒体圈有引导价值，实现长效互动；对商业提炼圈有合作价值，促成长效配合；对客户受众圈有信任价值，构建长效合作；特征：传播意识、提炼能力、受众基础汽车行业分析系列书籍见微知著截至2023年10月，本轮价格战已持续一年，这是非常不正常的。本轮价格战究竟有哪些特殊性？会如何重塑中国车市？传统价格体系会不会被推倒重来？深陷价格战泥潭的多数车企何去何从上述一系列追问，正是见微知著2023下重点探究的获取方式：车企、经销商等易车广大客户，可向易车服务人员索取；非易车客户的读者，可联系易车研究院(微信号：yicheresearch)汽车行业巡回交流项目洞若观火2023年12月-2024年1月，易车研究院将正式启动第七期“洞若观火”汽车行业走势分析巡回交流项目，本期的核心主题为“探究有中国特色的汽车消费”，助力车企避免简单的拿来主义与机械式的对标思维交流对象：以车企等易车客户为主，一对一交流交流主题：探究有中国特色的汽车消费交流时间：2023年12月-2024年1月报名方式：微信号yicheresearch（请提供姓名 职务 企业 手机）

0人已浏览 2023-12-12 19页 5星级

 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2023.12.04 十年磨一剑，十年磨一剑，FSD 迎来迎来快速列装期快速列装期 自动驾驶行业专题研究报告自动驾驶行业专题研究报告 . 

0人已浏览 2023-12-08 20页 5星级

智能驾驶系列报告之二：政策法规标准逐步成熟，L3 自动驾驶到来可期 Table_Industry 汽车行业 Table_ReportDate2023 年 12 月 1 日 请阅读最后一页免责声明及信.

0人已浏览 2023-12-05 15页 5星级

1/39 2023 年年 11 月月 27 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 智能驾驶行业智能驾驶行业深度：深度：发展现状、市场空间发展现状、市场空间、产业链产.

0人已浏览 2023-12-01 39页 5星级

红旗新能源HDNGQI人工智能在自动驾驶决策中的应用与思考中国一汽研发总院刘斌(首席）2023年06月10日红旗新能源背景分析HDNGCI1.1人工智能在自动驾驶中的应用人工智能的出现，使得图像的输入.

0人已浏览 2023-11-21 26页 5星级

证券研究报告行业深度报告电子 东吴证券研究所东吴证券研究所 1/37 请务必阅读正文之后的免责声明部分请务必阅读正文之后的免责声明部分 电子行业深度报告 华为赋能自动驾驶，国内智驾产业发展加速华为赋能.

0人已浏览 2023-11-10 37页 5星级

0特斯拉FSD自动驾驶方案深度解析证券分析师姓名：俞能飞资格编号：S03邮箱：证券研究报告|行业深度汽车整车2023年11月7日1请务必阅读正文之后的信息披露及法律声明。0102.

0人已浏览 2023-11-09 53页 5星级

迈向智能世界白皮书自动驾驶网络联接 智能加速迈向高阶自智网络华为技术有限公司深圳市龙岗区坂田华为基地电话:(0755)28780808邮编:免责声明本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不构成任何要约或承诺，华为不对您在本文档基础上做出的任何行为承担责任。华为可能不经通知修改上述信息，恕不另行通知。版权所有 华为技术有限公司 2023。保留一切权利。非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复制本手册内容的部分或全部，并不得以任何形式传播。商标声明 ，是华为技术有限公司的商标或者注册商标，在本手册中以及本手册描述的产品中，出现的其他商标、产品名称、服务名称以及公司名称，由其各自的所有人拥有。目录章节一自智网络产业概览01章节五展望及倡议 4722章节四华为自动驾驶网络解决方案4.1 华为自动驾驶网络架构及价值主张4.2 华为自动驾驶网络解决方案全景19章节三自智网络实施方法体系（ANF）03章节二趋势及建议2.1 趋势一2.2 趋势二2.3 趋势三2.4 趋势四2.5 趋势五2.6 趋势六2.7 趋势七01自智网络产业概览2世界各国都在致力于推进数字经济，利用人工智能加速信息和通信技术的创新。目前，数字化转型的重点正在从提高效率转向创造价值，从企业内部转向产业链、价值链协同。5G的大规模部署以及生成式人工智能等新技术的应用正在帮助运营商和企业加速数字化转型，系统地推动网络向自动化和智能化演进，从而提高业务创新和运营服务能力。运营商希望通过以平台和服务为导向的业务和能力，如网络即服务（NaaS)，为数字经济赋能，进一步释放网络潜力，拓展业务市场。自智网络2019年由TM Forum联合产业伙伴共同提出，旨在引领网络基础设施和运营体系的自动化、智能化转型。经过4年多的发展，自智网络已形成体系化的理念、标准、实现方法和应用案例，在产业共识、标准制定、实践部署等方面取得显著成果。（1）产业共识：Zero-X/Self-X愿景、L0-L5分级、三层四闭环架构、单域自治-跨域协同、意图驱动-全栈AI等诸多理念成为广泛的产业共识；（2）标准制定：TM Forum、3GPP、CCSA、ETSI等9大标准组织聚焦5大标准方向，累计立项/发布80多个标准/研究课题，并依托多标准组织M-SDO，确保架构同源、标准统一；（3）实践部署：中国移动、中国电信、中国联通、德国电信、沃达丰等14家领先运营商将自智网络纳入集团战略，以商业价值和运营成效为牵引，朝着2025-2027年L4级自智的目标，迭代开展分级评估和自智能力规划建设。2023年9月发布的自智网络白皮书5.0参与伙伴数量，已经从最初白皮书1.0的7家，发展到现在的66家，自智网络产业已经从愿景战略走向部署实践，生态日益繁荣、标准体系逐步完善、更多运营商开展规划部署、技术和应用创新大量涌现，产业的发展正在推动ICT基础设施向自动化、智能化、融合化、绿色化发展，全面提升网络的平台化、服务化供给水平，为全球数字经济的快速发展构筑坚实底座。TM Forum 2023年9月发布自智网络白皮书5.0，参与伙伴数量已经从2019年的7家，发展到现在的66家66家运营商14家领先运营商将自智网络纳入集团战略14家自智网络产业概览01自智网络产业概览2世界各国都在致力于推进数字经济，利用人工智能加速信息和通信技术的创新。目前，数字化转型的重点正在从提高效率转向创造价值，从企业内部转向产业链、价值链协同。5G的大规模部署以及生成式人工智能等新技术的应用正在帮助运营商和企业加速数字化转型，系统地推动网络向自动化和智能化演进，从而提高业务创新和运营服务能力。运营商希望通过以平台和服务为导向的业务和能力，如网络即服务（NaaS)，为数字经济赋能，进一步释放网络潜力，拓展业务市场。自智网络2019年由TM Forum联合产业伙伴共同提出，旨在引领网络基础设施和运营体系的自动化、智能化转型。经过4年多的发展，自智网络已形成体系化的理念、标准、实现方法和应用案例，在产业共识、标准制定、实践部署等方面取得显著成果。（1）产业共识：Zero-X/Self-X愿景、L0-L5分级、三层四闭环架构、单域自治-跨域协同、意图驱动-全栈AI等诸多理念成为广泛的产业共识；（2）标准制定：TM Forum、3GPP、CCSA、ETSI等9大标准组织聚焦5大标准方向，累计立项/发布80多个标准/研究课题，并依托多标准组织M-SDO，确保架构同源、标准统一；（3）实践部署：中国移动、中国电信、中国联通、德国电信、沃达丰等14家领先运营商将自智网络纳入集团战略，以商业价值和运营成效为牵引，朝着2025-2027年L4级自智的目标，迭代开展分级评估和自智能力规划建设。2023年9月发布的自智网络白皮书5.0参与伙伴数量，已经从最初白皮书1.0的7家，发展到现在的66家，自智网络产业已经从愿景战略走向部署实践，生态日益繁荣、标准体系逐步完善、更多运营商开展规划部署、技术和应用创新大量涌现，产业的发展正在推动ICT基础设施向自动化、智能化、融合化、绿色化发展，全面提升网络的平台化、服务化供给水平，为全球数字经济的快速发展构筑坚实底座。TM Forum 2023年9月发布自智网络白皮书5.0，参与伙伴数量已经从2019年的7家，发展到现在的66家66家运营商14家领先运营商将自智网络纳入集团战略14家自智网络产业概览4随着5G网络的规模部署，网络直播的用户体验得到了极大提升，网络直播行业迎来高速发展。截止到2022年12月，中国网络直播用户高达7.51亿，占网民整体的70.3%，网络主播账号超过1.5亿，全球TikTok的活跃用户突破15亿。在网络直播规模高速增长的同时，网络直播的内容和场景也向着多元化发展，不仅是在室内固定场景直播带货和游戏竞技，而且延伸到户外的移动场景，如乡村田间的公益直播、网红景点的打卡直播、桥洞街头的演艺直播、热点事件的实况直播等，网络直播的场景日趋丰富多样。伴随着网络直播场景的多样化，用户的行为向着高动态化和多点聚集两个方向变化。高动态化：用户行为由于直播场景的多样性，随时随地发生大规模大容量的诉求，难以预测。而适配这种用户高动态的网络保障则变得越来越复杂，对智能化的需求也越来越高。02趋势及建议2.1 趋势一：网络直播快速发展，从室内到室外，从单点到多点，带来全新用户行为特征和网络诉求多点聚集：由于一些突发事件，用户的行为从原来的均匀分散变为聚焦到一个集中地点，这时网络也从均匀分散的单用户高带宽需求，突变为单一节点的多用户群体大并发超高带宽需求。趋势及建议4随着5G网络的规模部署，网络直播的用户体验得到了极大提升，网络直播行业迎来高速发展。截止到2022年12月，中国网络直播用户高达7.51亿，占网民整体的70.3%，网络主播账号超过1.5亿，全球TikTok的活跃用户突破15亿。在网络直播规模高速增长的同时，网络直播的内容和场景也向着多元化发展，不仅是在室内固定场景直播带货和游戏竞技，而且延伸到户外的移动场景，如乡村田间的公益直播、网红景点的打卡直播、桥洞街头的演艺直播、热点事件的实况直播等，网络直播的场景日趋丰富多样。伴随着网络直播场景的多样化，用户的行为向着高动态化和多点聚集两个方向变化。高动态化：用户行为由于直播场景的多样性，随时随地发生大规模大容量的诉求，难以预测。而适配这种用户高动态的网络保障则变得越来越复杂，对智能化的需求也越来越高。02趋势及建议2.1 趋势一：网络直播快速发展，从室内到室外，从单点到多点，带来全新用户行为特征和网络诉求多点聚集：由于一些突发事件，用户的行为从原来的均匀分散变为聚焦到一个集中地点，这时网络也从均匀分散的单用户高带宽需求，突变为单一节点的多用户群体大并发超高带宽需求。趋势及建议651、针对用户的场景化需求提供差异化的网络套餐产品和电商化的自助服务，实现零等待、零接触、零故障的用户体验；2、提高网络资源部署和调度的灵活度和及时性，提高网络资源利用率预判的准确性，以确保高动态化和多点聚集特征下的用户体验。趋势及建议趋势及建议1、高动态化行为的直播用户网络体验保障变得愈发困难。2023年2月至4月，随着淄博烧烤成为引爆全网话题的第一顶流，吸引大批游客“进淄赶烤”，淄博通信网络流量激增。据某运营商统计，在淄博92个大型烧烤集中点，4月日均流量达43T，单日流量增幅最高达40%，总流量相比于2月初增长41.8%。4月份，八大局便民市场在抖音爆火后，各大主播蜂拥而至，城区热点区域和烧烤摊集中区，短视频和网络直播又成为网络最重要流量，面向移动用户的网络上行体验保障和直播流畅无卡顿，成为运营商网络保障的重心。4月27日5月3日，淄博烧烤节海月龙宫体验地3万平方米会场开放使用，面临同时容纳近万人通话、上网和直播诉求。3、提供直播用户的差异服务，抓住直播时代的新商机。某运营商省公司基于5G网络QoS机制，面向看直播和主播人群的大流量和高品质需求，开发出“5G直播套餐”，通过设定更高的网络优先级，满足视频博主通过抖音、快手、哔哩哔哩等平台进行视频直播的需求，流量提升50%，上行速度提升4倍，并享受VIP服务级别提升3级。该套餐2022年推出，一年内成功吸引了超过19万名用户，其中70%从存量客户套餐升级而来，客户支出增加50%以上。由于这一直播服务套餐的商业成功，该运营商已决定将其从一个省试点，扩大到整个中国市场。同时，针对不同直播方式下的用户特色化需求，该运营商还计划开发5G直播“加速卡”、电竞直播低时延套餐等新服务，让更多的人享受网络直播带来的乐趣和商业转化机会。2、突发的多点聚集行为对网络资源的提前准备和动态调度提出更严苛要求。网络直播主要占用网络上行带宽，普通手机采用720P分辨率，需要10Mbps以上的上行带宽，才能确保用户能够观看到流畅的直播视频。同时，电商、演艺、教育类网络直播，还要求将端到端网络延时控制在100ms以内，以满足多个主播之间、主播和用户之间的实时互动诉求，确保体验舒适度。而当前运营商网络设计，以满足看视频、浏览网页、下载等普通的用户上网行为为主，这些应用主要占用网络下行带宽。因此，运营商带来的挑战和机遇：网络在规划和设计上，一直将更多的资源分配给下行，网络下行峰值速率和容量远大于上行，例如，典型的4G/5G网络下行和上行的时隙配比模式采用8D:2U或7D:3U。因此，当大量网络直播流量，突发聚集到少数几个热点区域时，就会对这几个热点区域的网络产生很大的上行流量压力，这种流量具有突发性强、短时间聚集形成峰值特点，或者具有潮汐效应特点。这给网络的规划、设计和动态优化调度提出更严苛的要求，对于可预测的场景，需要压缩规划、部署周期，提前精准准备网络资源；而对于无法预测场景，则需要提升网络用户体验的快速感知能力和动态调度应对的灵活性。651、针对用户的场景化需求提供差异化的网络套餐产品和电商化的自助服务，实现零等待、零接触、零故障的用户体验；2、提高网络资源部署和调度的灵活度和及时性，提高网络资源利用率预判的准确性，以确保高动态化和多点聚集特征下的用户体验。趋势及建议趋势及建议1、高动态化行为的直播用户网络体验保障变得愈发困难。2023年2月至4月，随着淄博烧烤成为引爆全网话题的第一顶流，吸引大批游客“进淄赶烤”，淄博通信网络流量激增。据某运营商统计，在淄博92个大型烧烤集中点，4月日均流量达43T，单日流量增幅最高达40%，总流量相比于2月初增长41.8%。4月份，八大局便民市场在抖音爆火后，各大主播蜂拥而至，城区热点区域和烧烤摊集中区，短视频和网络直播又成为网络最重要流量，面向移动用户的网络上行体验保障和直播流畅无卡顿，成为运营商网络保障的重心。4月27日5月3日，淄博烧烤节海月龙宫体验地3万平方米会场开放使用，面临同时容纳近万人通话、上网和直播诉求。3、提供直播用户的差异服务，抓住直播时代的新商机。某运营商省公司基于5G网络QoS机制，面向看直播和主播人群的大流量和高品质需求，开发出“5G直播套餐”，通过设定更高的网络优先级，满足视频博主通过抖音、快手、哔哩哔哩等平台进行视频直播的需求，流量提升50%，上行速度提升4倍，并享受VIP服务级别提升3级。该套餐2022年推出，一年内成功吸引了超过19万名用户，其中70%从存量客户套餐升级而来，客户支出增加50%以上。由于这一直播服务套餐的商业成功，该运营商已决定将其从一个省试点，扩大到整个中国市场。同时，针对不同直播方式下的用户特色化需求，该运营商还计划开发5G直播“加速卡”、电竞直播低时延套餐等新服务，让更多的人享受网络直播带来的乐趣和商业转化机会。2、突发的多点聚集行为对网络资源的提前准备和动态调度提出更严苛要求。网络直播主要占用网络上行带宽，普通手机采用720P分辨率，需要10Mbps以上的上行带宽，才能确保用户能够观看到流畅的直播视频。同时，电商、演艺、教育类网络直播，还要求将端到端网络延时控制在100ms以内，以满足多个主播之间、主播和用户之间的实时互动诉求，确保体验舒适度。而当前运营商网络设计，以满足看视频、浏览网页、下载等普通的用户上网行为为主，这些应用主要占用网络下行带宽。因此，运营商带来的挑战和机遇：网络在规划和设计上，一直将更多的资源分配给下行，网络下行峰值速率和容量远大于上行，例如，典型的4G/5G网络下行和上行的时隙配比模式采用8D:2U或7D:3U。因此，当大量网络直播流量，突发聚集到少数几个热点区域时，就会对这几个热点区域的网络产生很大的上行流量压力，这种流量具有突发性强、短时间聚集形成峰值特点，或者具有潮汐效应特点。这给网络的规划、设计和动态优化调度提出更严苛的要求，对于可预测的场景，需要压缩规划、部署周期，提前精准准备网络资源；而对于无法预测场景，则需要提升网络用户体验的快速感知能力和动态调度应对的灵活性。871、构筑体验可感知的确定性目标网，提升网络感知能力，在网元层提升业务识别和体验感知能力，在网络层提供体验分析和预测能力，从带宽可保障升级为体验可保障；2、提供体验可保障的差异化网络服务，提升网络服务化能力，针对上行、下行、时延、抖动、SLA保障等按客户场景化需求可以灵活定制产品和服务，进一步提升NaaS能力。过去十几年，日益增多和普及的智能手机是移动通信产业持续演进发展的基础。但据报告显示，2022年全球智能手机出货量同比下降11.3%，2023年第一季度同比下降14%，智能手机市场出现大幅萎缩。市场呼唤新型智能终端出现，来给消费者用户带来全新的体验创造更多的价值，推动行业取得更新的发展。2023年，裸眼3D终端和内容端到端成熟形成趋势。3D终端成本大幅度降低，各大公司纷纷推出全新的裸眼3D手机、平板、显示器、笔记本等商用终端。谷歌也在5月的年度I/O大会上展示了光场投影设备Starline，在电视大小的设备上，通过3D远程呈现技术实现拟真的面对面交谈。它提供的真实感让人感觉更像是在咖啡店或办公室里与人聊天，而不是远距离的线上沟通。除了技术突破和体验提升外，随着AI的加持，2D内容转3D内容的成本也百倍下降，内容不再成为瓶颈，用户甚至可以根据喜好实时切换2D或3D的观看模式。与此同时，2023年苹果公司也发布了混合现实（MR）头戴式设备“Apple Vision Pro”，预计将于2024年初开售。它涵盖了虚拟现实（VR）和增强现实（AR），可以让消费者沉浸于高清的虚拟世界，能够以全新的方式使用各类应用程序，包括视频、游戏等。2.2 趋势二：新的3D终端出现，激发新应用以及网络保障诉求在新冠疫情发生之后，自动化在全球范围内掀起了巨大的浪潮，对企业的增长和发展周期产生了重大影响。智能自动化、超级自动化、聊天机器人等自动化趋势正被企业广泛用于处理海量数据、自动化业务操作，并使其更快、更高效。不断变化的客户需求促使企业加倍投入交付工作重新关注运营效率、生产力和弹性。德勤最近的一份报告指出，53%的组织已经开始实施机器人流程自动化(RPA)。此外，Gartner预测，到2024年，超级自动化将使组织的运营成本降低30%。到2025年，超级自动化软件的市场规模将达到近8600亿美元。当今2.3 趋势三：全球自动化 智能化需求从未如此迫切，自智网络进入实质部署阶段3D新终端和应用的涌现，带来了全新的用户交互体验和企业生产力效率的提升，也对网络连接的质量提出了更加严苛要求，万兆接入速率、低时延、大上行流量成为差异化的网络刚需，如何保障新的业务体验和提供差异化服务也成为网络演进的新焦点。1、网络容量和上行流量可能爆发，满足8K视频/XR观影会议等新诉求。以苹果Vision Pro举例，在观影场景下从原来的1路4K/10Mbps视频流，提升到5路8K/500Mbps视频流，网络流量提升250倍，在不久之后510Gbps带宽将成为保障业务体验的必须。2、低时延高可靠网络成为必须，以保障XR等业务的愉悦体验。XR大规模实时渲染和3D重建将通过超宽带低时延高可靠网络，传递到云端进行处理。这一重要方向将驱动计算和网络架构的变革，超宽带低时延可靠的网络成为趋势，要达到XR愉悦体验，要求泛在千兆带宽，毫秒级时延的网络能力。3、高价值客户的SLA保障和差异化服务，将成为未来网络服务新商机。XR专线自助服务、SLA可承诺可保障，“预测式”质量保障服务等软实力将成为新的网络商机。带来的挑战和机遇：企业需要的是敏捷性，自动化方面的创新将使组织能够重用其现有的基础设施，以适应不断变化的客户需求，并帮助他们以具有成本效益的方式获得客户忠诚度。自智网络自从2019年提出以来，得到了产业组织、标准组织、运营商、供应商、分析机构等全行业伙伴的积极响应和倾力投入，在不到4年的时间里，便完成了从理念提出到产业孵化、从愿景展望到实践部署。第三方报告显示，在被调研对象中有91%的运营商已启动自智网络，并将持续扩大投入，全球十多个头部运营商已经发布了2025-2027年实现L4的目标。最新的TM Forum自智网络白皮书5.0参与伙伴已达66家，自智网络产业进入实质部署和快速发展的关键时期。趋势及建议趋势及建议871、构筑体验可感知的确定性目标网，提升网络感知能力，在网元层提升业务识别和体验感知能力，在网络层提供体验分析和预测能力，从带宽可保障升级为体验可保障；2、提供体验可保障的差异化网络服务，提升网络服务化能力，针对上行、下行、时延、抖动、SLA保障等按客户场景化需求可以灵活定制产品和服务，进一步提升NaaS能力。过去十几年，日益增多和普及的智能手机是移动通信产业持续演进发展的基础。但据报告显示，2022年全球智能手机出货量同比下降11.3%，2023年第一季度同比下降14%，智能手机市场出现大幅萎缩。市场呼唤新型智能终端出现，来给消费者用户带来全新的体验创造更多的价值，推动行业取得更新的发展。2023年，裸眼3D终端和内容端到端成熟形成趋势。3D终端成本大幅度降低，各大公司纷纷推出全新的裸眼3D手机、平板、显示器、笔记本等商用终端。谷歌也在5月的年度I/O大会上展示了光场投影设备Starline，在电视大小的设备上，通过3D远程呈现技术实现拟真的面对面交谈。它提供的真实感让人感觉更像是在咖啡店或办公室里与人聊天，而不是远距离的线上沟通。除了技术突破和体验提升外，随着AI的加持，2D内容转3D内容的成本也百倍下降，内容不再成为瓶颈，用户甚至可以根据喜好实时切换2D或3D的观看模式。与此同时，2023年苹果公司也发布了混合现实（MR）头戴式设备“Apple Vision Pro”，预计将于2024年初开售。它涵盖了虚拟现实（VR）和增强现实（AR），可以让消费者沉浸于高清的虚拟世界，能够以全新的方式使用各类应用程序，包括视频、游戏等。2.2 趋势二：新的3D终端出现，激发新应用以及网络保障诉求在新冠疫情发生之后，自动化在全球范围内掀起了巨大的浪潮，对企业的增长和发展周期产生了重大影响。智能自动化、超级自动化、聊天机器人等自动化趋势正被企业广泛用于处理海量数据、自动化业务操作，并使其更快、更高效。不断变化的客户需求促使企业加倍投入交付工作重新关注运营效率、生产力和弹性。德勤最近的一份报告指出，53%的组织已经开始实施机器人流程自动化(RPA)。此外，Gartner预测，到2024年，超级自动化将使组织的运营成本降低30%。到2025年，超级自动化软件的市场规模将达到近8600亿美元。当今2.3 趋势三：全球自动化 智能化需求从未如此迫切，自智网络进入实质部署阶段3D新终端和应用的涌现，带来了全新的用户交互体验和企业生产力效率的提升，也对网络连接的质量提出了更加严苛要求，万兆接入速率、低时延、大上行流量成为差异化的网络刚需，如何保障新的业务体验和提供差异化服务也成为网络演进的新焦点。1、网络容量和上行流量可能爆发，满足8K视频/XR观影会议等新诉求。以苹果Vision Pro举例，在观影场景下从原来的1路4K/10Mbps视频流，提升到5路8K/500Mbps视频流，网络流量提升250倍，在不久之后510Gbps带宽将成为保障业务体验的必须。2、低时延高可靠网络成为必须，以保障XR等业务的愉悦体验。XR大规模实时渲染和3D重建将通过超宽带低时延高可靠网络，传递到云端进行处理。这一重要方向将驱动计算和网络架构的变革，超宽带低时延可靠的网络成为趋势，要达到XR愉悦体验，要求泛在千兆带宽，毫秒级时延的网络能力。3、高价值客户的SLA保障和差异化服务，将成为未来网络服务新商机。XR专线自助服务、SLA可承诺可保障，“预测式”质量保障服务等软实力将成为新的网络商机。带来的挑战和机遇：企业需要的是敏捷性，自动化方面的创新将使组织能够重用其现有的基础设施，以适应不断变化的客户需求，并帮助他们以具有成本效益的方式获得客户忠诚度。自智网络自从2019年提出以来，得到了产业组织、标准组织、运营商、供应商、分析机构等全行业伙伴的积极响应和倾力投入，在不到4年的时间里，便完成了从理念提出到产业孵化、从愿景展望到实践部署。第三方报告显示，在被调研对象中有91%的运营商已启动自智网络，并将持续扩大投入，全球十多个头部运营商已经发布了2025-2027年实现L4的目标。最新的TM Forum自智网络白皮书5.0参与伙伴已达66家，自智网络产业进入实质部署和快速发展的关键时期。趋势及建议趋势及建议1091、加速产业代际定义：共同定义高阶自智网络目标，明确代际特征和成效指标，牵引产业发展方向；2、加速产业标准制定：共同制定自智网络各级各场景分级标准，定义高阶能力接口，促进产业高效协同；3、加速核心技术突破：共同推动融合感知、数字孪生、AI大模型、智能决策等自智网络核心技术突破，驱动产业技术跃升；4、加速商业创新实践：共同探索商业应用场景，聚焦价值创造，实践端到端流程创新，加速商业价值闭环。自智网络已经从理念战略阶段进入实践部署阶段，且已经初步显著成效。但自智网络是一个系统工程，不能一蹴而就，在迈向高阶自智网络的道路上仍旧面临诸多挑战。带来的挑战和机遇：第二次工业革命过程中，传统蒸汽作业工厂的电气化改造，曾经历了从单一设备汽改电的点级改造，到围绕一个设备或一条生产线的应用级改造，最终实现所有设备、所有生产线，乃至整个工厂的系统性、全面电气化转型的过程，这是一个逐步深入的渐进演进过程。Power and Prediction:The Disruptive Economics of Artificial Intelligence一书中，作者Ajay Agrawal等认为：AI应用于各行各业，也会经历一个类似的过程：从点级方案创新，到应用级方案创新，最后实现系统级方案变革。点级方案创新：AI解决非常具体的问题，用于改进现有流程且可独立部署，不改变系统。应用级方案创新：AI解决一系列问题，使能独立可部署的新流程，也不改变系统。系统级方案变革：AI能够同时改进多个现有流程，或者通过改变相互依赖的流程使能多个新流程。过去几年，全球运营商自智网络创新实践过程，基本都是从网络运维过程的“点级方案”Use case创新开始，即围绕数十个运维任务，识别出几百个能力点，通过AI替代和改造来迭代改进。随着自智网络实践深入，领先运营商开始引入面2.4 趋势四：AI的商业进程正在由“点级”向“应用级”和“系统级”逐步深入1、急需构建产业统一的分级和成效衡量标尺，凝聚产业合力共同演进。运营商纷纷制定分级和成效衡量标尺，但产业标准尚未形成，不利于产业合力创新、统一代际演进和对标提升。2、如何挖掘归类市场需求，以牵引自智应用创新和能力规划建设。如何更好地挖掘、归类行业客户和消费者对通信网络性能、业务品质和服务体验的诉求，为全产业伙伴开展自智应用创新指3、加速自智网络价值转化需要端到端打通、跨层互操作、跨专业协同。需要将自智能力转化为对运营商/客户/行业的价值。自智能力持续向L5迭代演进，赋能运营商商业成功，加速转化为对网络提质，业务创收、降本增效的价值。赋能行业数字化，云网按需便捷获得、SLA可保障、自主可视管控，赋能消费者数字生活，数字业务、高品质网络、智慧家庭、极致体验。向成效驱动的机制，把商业场景和成效价值作为驱动创新的源动力，通过“应用级”和“系统级”方案创新，逐渐摆脱现有业务流程的约束，通过运营商网络、客户市场等跨部门协作，以自顶向下Top-Down方式设计和重构现有流程。引方向，并牵引运营商网络的自智升级，值得全产业伙伴共同探索和研究。“应用级”和“系统级”的自智网络创新实践过程，需要运营商从组织设计、流程穿越、成效指标设置、目标架构等多个视角，全方位重新审视现有网络自动化智能化短板，进行面向目标的改造，其创新难度远比点级方案大。带来的挑战和机遇：缺少科学合理的成效指标体系作为自智网络创新的牵引：运营商当前不同部门和专业的KPI/KQI目标设定，主要以面向运营商内部网络运维效率提升为主，缺乏面向客户体验提升和创造商业价值的目标牵引，体现最终网络运营效果的成效指标不够体系化。网络业务和技术越来越复杂，运营商内部组织分工细，跨组织、跨技术域协作困难：运营商客户和市场部门，聚焦客户需求满足度/投诉率、商业变现目标、市场增长目标。而网络部门则按照技术域分工细致，关心各自领域内的网络运行质量和业务SLA承诺目标达成。趋势及建议趋势及建议1091、加速产业代际定义：共同定义高阶自智网络目标，明确代际特征和成效指标，牵引产业发展方向；2、加速产业标准制定：共同制定自智网络各级各场景分级标准，定义高阶能力接口，促进产业高效协同；3、加速核心技术突破：共同推动融合感知、数字孪生、AI大模型、智能决策等自智网络核心技术突破，驱动产业技术跃升；4、加速商业创新实践：共同探索商业应用场景，聚焦价值创造，实践端到端流程创新，加速商业价值闭环。自智网络已经从理念战略阶段进入实践部署阶段，且已经初步显著成效。但自智网络是一个系统工程，不能一蹴而就，在迈向高阶自智网络的道路上仍旧面临诸多挑战。带来的挑战和机遇：第二次工业革命过程中，传统蒸汽作业工厂的电气化改造，曾经历了从单一设备汽改电的点级改造，到围绕一个设备或一条生产线的应用级改造，最终实现所有设备、所有生产线，乃至整个工厂的系统性、全面电气化转型的过程，这是一个逐步深入的渐进演进过程。Power and Prediction:The Disruptive Economics of Artificial Intelligence一书中，作者Ajay Agrawal等认为：AI应用于各行各业，也会经历一个类似的过程：从点级方案创新，到应用级方案创新，最后实现系统级方案变革。点级方案创新：AI解决非常具体的问题，用于改进现有流程且可独立部署，不改变系统。应用级方案创新：AI解决一系列问题，使能独立可部署的新流程，也不改变系统。系统级方案变革：AI能够同时改进多个现有流程，或者通过改变相互依赖的流程使能多个新流程。过去几年，全球运营商自智网络创新实践过程，基本都是从网络运维过程的“点级方案”Use case创新开始，即围绕数十个运维任务，识别出几百个能力点，通过AI替代和改造来迭代改进。随着自智网络实践深入，领先运营商开始引入面2.4 趋势四：AI的商业进程正在由“点级”向“应用级”和“系统级”逐步深入1、急需构建产业统一的分级和成效衡量标尺，凝聚产业合力共同演进。运营商纷纷制定分级和成效衡量标尺，但产业标准尚未形成，不利于产业合力创新、统一代际演进和对标提升。2、如何挖掘归类市场需求，以牵引自智应用创新和能力规划建设。如何更好地挖掘、归类行业客户和消费者对通信网络性能、业务品质和服务体验的诉求，为全产业伙伴开展自智应用创新指3、加速自智网络价值转化需要端到端打通、跨层互操作、跨专业协同。需要将自智能力转化为对运营商/客户/行业的价值。自智能力持续向L5迭代演进，赋能运营商商业成功，加速转化为对网络提质，业务创收、降本增效的价值。赋能行业数字化，云网按需便捷获得、SLA可保障、自主可视管控，赋能消费者数字生活，数字业务、高品质网络、智慧家庭、极致体验。向成效驱动的机制，把商业场景和成效价值作为驱动创新的源动力，通过“应用级”和“系统级”方案创新，逐渐摆脱现有业务流程的约束，通过运营商网络、客户市场等跨部门协作，以自顶向下Top-Down方式设计和重构现有流程。引方向，并牵引运营商网络的自智升级，值得全产业伙伴共同探索和研究。“应用级”和“系统级”的自智网络创新实践过程，需要运营商从组织设计、流程穿越、成效指标设置、目标架构等多个视角，全方位重新审视现有网络自动化智能化短板，进行面向目标的改造，其创新难度远比点级方案大。带来的挑战和机遇：缺少科学合理的成效指标体系作为自智网络创新的牵引：运营商当前不同部门和专业的KPI/KQI目标设定，主要以面向运营商内部网络运维效率提升为主，缺乏面向客户体验提升和创造商业价值的目标牵引，体现最终网络运营效果的成效指标不够体系化。网络业务和技术越来越复杂，运营商内部组织分工细，跨组织、跨技术域协作困难：运营商客户和市场部门，聚焦客户需求满足度/投诉率、商业变现目标、市场增长目标。而网络部门则按照技术域分工细致，关心各自领域内的网络运行质量和业务SLA承诺目标达成。趋势及建议趋势及建议12112022年4月，Gartner在一篇针对医疗看护领域的案例分析报告中，提出在AI模型可解释性（Explainability）无法获得的情况下，尝试通过不同类型案例（Cases）的分阶段积累，帮助人们从商业价值视角，提升对AI系统的“可信度（Credibility）”。而在自动驾驶汽车领域，最核心的ISO 21448道路车辆预期功能安全标准于2022年6月正式发布，其核心是解决因设计不足或性能局限导致的整车行为安全问题，牵引智能化汽车达到“设计即正确”、“行为安全”的系统可信赖目标。类似地，随着AI在通信网络的应用范围，从危害度（Criticality）较低的辅助性应用，如网络故障检测与根因分析、网络流量预测、网络状态感知等，逐步向决策类、配置指令下发类应用延伸，自智网络也面临系统可信赖这一挑战性难题。以数据中心网络为例，随着互联网业务和公有云业务的快速发展，单个Region内的交换机规模，已经从2018年的千级，快速增长到2023年的万级，预计到2028年将会进一步增长到十万级。为防止网络变更配置错误、维护和扩容不当，引发严重的网络中断事故，运营商已尝试在数据中心网络规划正确性、配置正确性检查和校验、网络设计隐患识别等过程中，通过系统可信赖技术，应对网络变更、扩容过程中的业务复杂性和配置正确性难题。2.5 趋势五：网络AI创新场景从辅助网络感知和分析，开始向支撑网络决策延伸，亟待AI系统可信赖、决策正确性取得技术突破自顶向下实现流程穿越，设计和重构现有流程挑战大：网络现有存量客户的体验、业务SLA不能受到影响。重构前后的流程及数据，可平滑迁移和升级。网络技术演进快，现有流程需要兼容存量设备和业务，历史包袱重，流程分支多。AI技术在通信网络的应用，包括对既有信息的理解，如针对确定性的网络参数智能感知，也包括网络基础知识的理解，如针对网络形态的业务SLA智能预测，同时也包括开放式的、复杂关键场景的智能决策，这是一个渐进和长期的系统性工程，其关键要保证它能在任何情况下都能做出公正和安全的决策。通信网络的特征是大规模的、复杂的、动态且不确定的，这就使得AI系统的可靠性变成难以评估。AI对网络趋势的预判更多的是一种基于有限条件下的判断，人类运维人员如何认识并信赖这个结果，如何对其发生的概率进行理解和决策，特别是如何协调AI的判断与人类运维人员判断之间的矛盾，这些都会带来AI系统的信任问题。AI系统的可信赖度（Trustworthiness），主要包括两部分：系统的可解释性（Explainability），通过信用值（Credit）的持续积累得到的系统可信度（Credibility），具体可以用以下公式表达：联合定义科学合理的成效指标体系：通过产业协作分享成效指标优秀实践，借助标准组织，联合定义通用的网络成效指标体系、分享定义方法；通过跨部门联合团队创新：围绕提升客户体验和价值创造，实现商业正循环开展创新活动，商业使能、流程穿越、技术架构评估同步进行，组织设计和优化也是创新的重要环节。趋势及建议趋势及建议AI系统可信赖度（Trustworthiness）12112022年4月，Gartner在一篇针对医疗看护领域的案例分析报告中，提出在AI模型可解释性（Explainability）无法获得的情况下，尝试通过不同类型案例（Cases）的分阶段积累，帮助人们从商业价值视角，提升对AI系统的“可信度（Credibility）”。而在自动驾驶汽车领域，最核心的ISO 21448道路车辆预期功能安全标准于2022年6月正式发布，其核心是解决因设计不足或性能局限导致的整车行为安全问题，牵引智能化汽车达到“设计即正确”、“行为安全”的系统可信赖目标。类似地，随着AI在通信网络的应用范围，从危害度（Criticality）较低的辅助性应用，如网络故障检测与根因分析、网络流量预测、网络状态感知等，逐步向决策类、配置指令下发类应用延伸，自智网络也面临系统可信赖这一挑战性难题。以数据中心网络为例，随着互联网业务和公有云业务的快速发展，单个Region内的交换机规模，已经从2018年的千级，快速增长到2023年的万级，预计到2028年将会进一步增长到十万级。为防止网络变更配置错误、维护和扩容不当，引发严重的网络中断事故，运营商已尝试在数据中心网络规划正确性、配置正确性检查和校验、网络设计隐患识别等过程中，通过系统可信赖技术，应对网络变更、扩容过程中的业务复杂性和配置正确性难题。2.5 趋势五：网络AI创新场景从辅助网络感知和分析，开始向支撑网络决策延伸，亟待AI系统可信赖、决策正确性取得技术突破自顶向下实现流程穿越，设计和重构现有流程挑战大：网络现有存量客户的体验、业务SLA不能受到影响。重构前后的流程及数据，可平滑迁移和升级。网络技术演进快，现有流程需要兼容存量设备和业务，历史包袱重，流程分支多。AI技术在通信网络的应用，包括对既有信息的理解，如针对确定性的网络参数智能感知，也包括网络基础知识的理解，如针对网络形态的业务SLA智能预测，同时也包括开放式的、复杂关键场景的智能决策，这是一个渐进和长期的系统性工程，其关键要保证它能在任何情况下都能做出公正和安全的决策。通信网络的特征是大规模的、复杂的、动态且不确定的，这就使得AI系统的可靠性变成难以评估。AI对网络趋势的预判更多的是一种基于有限条件下的判断，人类运维人员如何认识并信赖这个结果，如何对其发生的概率进行理解和决策，特别是如何协调AI的判断与人类运维人员判断之间的矛盾，这些都会带来AI系统的信任问题。AI系统的可信赖度（Trustworthiness），主要包括两部分：系统的可解释性（Explainability），通过信用值（Credit）的持续积累得到的系统可信度（Credibility），具体可以用以下公式表达：联合定义科学合理的成效指标体系：通过产业协作分享成效指标优秀实践，借助标准组织，联合定义通用的网络成效指标体系、分享定义方法；通过跨部门联合团队创新：围绕提升客户体验和价值创造，实现商业正循环开展创新活动，商业使能、流程穿越、技术架构评估同步进行，组织设计和优化也是创新的重要环节。趋势及建议趋势及建议AI系统可信赖度（Trustworthiness）1413开展网络 AI 系统可信赖关键技术探索，解决网络变更、扩容等关键场景下的决策、配置正确性难题：需要学术界、产业界、标准组织协作，联合探索系统化的设计方法、流程、工具，并通过标准牵引产业方向；通过持续创新和实践，积累网络 AI 应用案例，提升网络 AI 系统的可信度（Credibility）：通过产业协作，分享创新和实践方法，增强网络 AI 信心。随着AI技术快速发展，AI模型越来越大、越来越复杂的同时，AI模型的可解释性（Explainability）问题也变得更具挑战性，短期内很难取得理论和技术上的突破。AI系统面临如下挑战：带来的挑战和机遇：随着ChatGPT的出现，掀起全球新一轮AI发展热潮，一方面各大科技公司基于自己的大算力、算法能力构建基础大模型，同时各行各业基于业务数据构建行业大模型，大模型出现百家争鸣时代，并开始为各行各业进行赋能，掀起生产力变革。经过快速的探索和发展，大模型当前已不仅仅只是会聊天的工具，而是逐渐进入各种行业活动，为业务生产带来巨大价值。在气象领域，气象大模型能够提供全球气象秒级预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等，且预测结果表现优异，对于防灾减灾、保障人民生命财产安全有重要意义。在药物研发领域，AI大模型可以预测化合物的ADME/T（吸收、分配、代谢、排泄、毒性）属性、生成高结合能的化合物，甚至预测靶点与潜在药物之间的相互作用，平均可以缩短70%的药物研发周期，大幅降低药物设计成本，且将药物研发成功率提升10倍以上。在电信领域，基于海量数量构建的大模型，泛化能力好，能够屏蔽局点差异实现AI的快速部署和应用，同时大模型在意图理解方面的优点，让具备海量电信知识的大模型能够通过北向接口控制、使用、配置和管理网络设备，加速网络走向自智。当前大模型在电信行业的应用探索如火如荼。2.6 趋势六：大模型走向分层构建模式，集成电信知识的通信大模型将会掀起电信行业生产力变革缺少面向高危害度（Criticality）类别应用的网络系统架构设计方法、工具，帮助实现AI系统的可解释、可验证：通过严谨的架构设计，如数字化的系统目标、行为、动态环境建模方法，将AI关在笼子里，而不是依靠AI模型自身可解释。缺少网络应用危害度（Criticality）分类评估和动态度量方法：不同危害度类别的网络应用，采用不同的系统设计方法。网络应用的危害度，会跟随场景、环境状态变化而动态改变。一方面各电信厂家基于大模型推出各种应用方案，思科发布NetworkGPT插件，用于分析日志、识别隐患/故障等；Juniper和ChatGPT对接，推出Marvis VNA助手，实现VNA聊天助手，用于跨域故障根因分析、推荐故障处理优先级，以及分析Zoom会议性能等；亚信基于开源/商业大模型开发网络运维数智应用，通过AIGC问答支撑网络运维生产。运营商也开始构建和发布自己的大模型，中国移动发布“九天”行业大模型，其中的九天客服大模型，主要是用于重新定义客户服务模式，提升客服效率；中国电信发布TeleChat 大模型，主要是用于注智数据中台、智能客服、智慧政务；中国联通发布鸿湖大模型，定位为增值业务大模型，可以实现文本生成图像、视频剪辑和图像生成图像等功能。2023年7月华为正式发布华为云盘古大模型3.0，并提出L0基础大模型、L1行业大模型、L2场景模型的三层发展架构。针对电信行业，华为基于L0基础盘古大模型之上，结合电信领域的百亿语料和数万名专家经验，打造通信大模型，并在此之上提供意图驱动的对话式运维和基于专家级经验的网络自优化等大模型应用。趋势及建议趋势及建议1413开展网络 AI 系统可信赖关键技术探索，解决网络变更、扩容等关键场景下的决策、配置正确性难题：需要学术界、产业界、标准组织协作，联合探索系统化的设计方法、流程、工具，并通过标准牵引产业方向；通过持续创新和实践，积累网络 AI 应用案例，提升网络 AI 系统的可信度（Credibility）：通过产业协作，分享创新和实践方法，增强网络 AI 信心。随着AI技术快速发展，AI模型越来越大、越来越复杂的同时，AI模型的可解释性（Explainability）问题也变得更具挑战性，短期内很难取得理论和技术上的突破。AI系统面临如下挑战：带来的挑战和机遇：随着ChatGPT的出现，掀起全球新一轮AI发展热潮，一方面各大科技公司基于自己的大算力、算法能力构建基础大模型，同时各行各业基于业务数据构建行业大模型，大模型出现百家争鸣时代，并开始为各行各业进行赋能，掀起生产力变革。经过快速的探索和发展，大模型当前已不仅仅只是会聊天的工具，而是逐渐进入各种行业活动，为业务生产带来巨大价值。在气象领域，气象大模型能够提供全球气象秒级预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等，且预测结果表现优异，对于防灾减灾、保障人民生命财产安全有重要意义。在药物研发领域，AI大模型可以预测化合物的ADME/T（吸收、分配、代谢、排泄、毒性）属性、生成高结合能的化合物，甚至预测靶点与潜在药物之间的相互作用，平均可以缩短70%的药物研发周期，大幅降低药物设计成本，且将药物研发成功率提升10倍以上。在电信领域，基于海量数量构建的大模型，泛化能力好，能够屏蔽局点差异实现AI的快速部署和应用，同时大模型在意图理解方面的优点，让具备海量电信知识的大模型能够通过北向接口控制、使用、配置和管理网络设备，加速网络走向自智。当前大模型在电信行业的应用探索如火如荼。2.6 趋势六：大模型走向分层构建模式，集成电信知识的通信大模型将会掀起电信行业生产力变革缺少面向高危害度（Criticality）类别应用的网络系统架构设计方法、工具，帮助实现AI系统的可解释、可验证：通过严谨的架构设计，如数字化的系统目标、行为、动态环境建模方法，将AI关在笼子里，而不是依靠AI模型自身可解释。缺少网络应用危害度（Criticality）分类评估和动态度量方法：不同危害度类别的网络应用，采用不同的系统设计方法。网络应用的危害度，会跟随场景、环境状态变化而动态改变。一方面各电信厂家基于大模型推出各种应用方案，思科发布NetworkGPT插件，用于分析日志、识别隐患/故障等；Juniper和ChatGPT对接，推出Marvis VNA助手，实现VNA聊天助手，用于跨域故障根因分析、推荐故障处理优先级，以及分析Zoom会议性能等；亚信基于开源/商业大模型开发网络运维数智应用，通过AIGC问答支撑网络运维生产。运营商也开始构建和发布自己的大模型，中国移动发布“九天”行业大模型，其中的九天客服大模型，主要是用于重新定义客户服务模式，提升客服效率；中国电信发布TeleChat 大模型，主要是用于注智数据中台、智能客服、智慧政务；中国联通发布鸿湖大模型，定位为增值业务大模型，可以实现文本生成图像、视频剪辑和图像生成图像等功能。2023年7月华为正式发布华为云盘古大模型3.0，并提出L0基础大模型、L1行业大模型、L2场景模型的三层发展架构。针对电信行业，华为基于L0基础盘古大模型之上，结合电信领域的百亿语料和数万名专家经验，打造通信大模型，并在此之上提供意图驱动的对话式运维和基于专家级经验的网络自优化等大模型应用。趋势及建议趋势及建议16151、大模型可以考虑和认知智能结合，通过认知智能实现知识数据的融合、知识表示和推理、知识决策等，并且能够被大模型能够进行高效调用，认知智能作为大模型的有效助手，帮助大模型给出的结论更可靠；2、在业务模式可以进行创新尝试，模型即服务有可能成为未来的一种重要业务模式，由于大部分企业缺乏能力去构建大模型，但具有丰富的数据，基于大模型“大规模预训练微调”的范式可以满足AI产业链各行业的应用需求，这些企业可以通过MaaS服务基于科技领头企业提供的基础大模型，快速构建自己的行业/场景大模型。从当前研究和实践效果来看，相对于传统AI模型，大模型在意图理解、判断决策等方面表现优势明显，考虑到电信网络的高要求和可靠性，大模型在电信行业可能会率先从一些人机交互的低风险场景实现应用，如运维、网设、客服、营销等：带来的挑战和机遇：（1）故障运维场景：基于大模型实现对话式运维，将运维工作转化为运维人员与机器的对话交互，通过意图理解实现问题的识别和诊断，指导运维人员快速完成故障处理。对话式运维不仅可以提高运维效率，还可以减少人工操作的错误率。（2）网络分析及预警：收集用户反馈、系统日志等信息进行全面的综合分析，发现异常通过提（3）网络方案设计：通过智能辅助、人机协同互动的方式，实现聊天即设计方案。方案输入自动化存档，实时打点，做到信息输入可溯源；任务管理方面，可以实现任务分解、自动派发和跟踪，主动提醒，实现设计方案的质量闭环。（4）客服场景：客服场景依赖海量的业务知识和服务经验，结合AIGC大模型展现出惊人的语义感知和生成智能能力，可根据用户提供的自然语言描述，解析用户问题并快速提供答案，大幅减少应答时间。（5）自主营销&推广：现阶段的AIGC在长文本处理、场景及意图理解、上下文连续对话方面的强大能力，根据用户的喜好行为、网络体验反馈等，基于生成式AI下实现营销内容的个性化定制，借助客服等各种触点构建营销场景，让更个性化、有温度的营销和推广活动成为可能。同时看到，大模型在电信行业得到广泛应用，还面临一系列挑战：1、大模型未来在电信网络会发挥越来越大的作用，在意图理解方面表现出众，但在面对思考、推荐、决策、联想等复杂“认知”问题时，仍无法较好的完全满足应用要求。2、大模型在电信行业应用能否充分发挥价值，需要结合厂家、运营商上下游合作，在商业上要考虑如何实现有效闭环，驱动行业各方形成合力识别更多价值场景，打造更多大模型创新应用。醒方式，让业务人员关注设备性能异常或故障，并及时进行处理，让电信网络更加安全和稳定。L2场景模型L1行业大模型电力巡检辅助客服电力大模型CV大模型NLP大模型科学计算大模型多模态大模型气象大模型药物大模型金融大模型电信大模型台风预测海浪预测药物筛选小分子优化.财务分析网点助手性能优化运维助手L0基础大模型趋势及建议趋势及建议图2-1 大模型分层架构16151、大模型可以考虑和认知智能结合，通过认知智能实现知识数据的融合、知识表示和推理、知识决策等，并且能够被大模型能够进行高效调用，认知智能作为大模型的有效助手，帮助大模型给出的结论更可靠；2、在业务模式可以进行创新尝试，模型即服务有可能成为未来的一种重要业务模式，由于大部分企业缺乏能力去构建大模型，但具有丰富的数据，基于大模型“大规模预训练微调”的范式可以满足AI产业链各行业的应用需求，这些企业可以通过MaaS服务基于科技领头企业提供的基础大模型，快速构建自己的行业/场景大模型。从当前研究和实践效果来看，相对于传统AI模型，大模型在意图理解、判断决策等方面表现优势明显，考虑到电信网络的高要求和可靠性，大模型在电信行业可能会率先从一些人机交互的低风险场景实现应用，如运维、网设、客服、营销等：带来的挑战和机遇：（1）故障运维场景：基于大模型实现对话式运维，将运维工作转化为运维人员与机器的对话交互，通过意图理解实现问题的识别和诊断，指导运维人员快速完成故障处理。对话式运维不仅可以提高运维效率，还可以减少人工操作的错误率。（2）网络分析及预警：收集用户反馈、系统日志等信息进行全面的综合分析，发现异常通过提（3）网络方案设计：通过智能辅助、人机协同互动的方式，实现聊天即设计方案。方案输入自动化存档，实时打点，做到信息输入可溯源；任务管理方面，可以实现任务分解、自动派发和跟踪，主动提醒，实现设计方案的质量闭环。（4）客服场景：客服场景依赖海量的业务知识和服务经验，结合AIGC大模型展现出惊人的语义感知和生成智能能力，可根据用户提供的自然语言描述，解析用户问题并快速提供答案，大幅减少应答时间。（5）自主营销&推广：现阶段的AIGC在长文本处理、场景及意图理解、上下文连续对话方面的强大能力，根据用户的喜好行为、网络体验反馈等，基于生成式AI下实现营销内容的个性化定制，借助客服等各种触点构建营销场景，让更个性化、有温度的营销和推广活动成为可能。同时看到，大模型在电信行业得到广泛应用，还面临一系列挑战：1、大模型未来在电信网络会发挥越来越大的作用，在意图理解方面表现出众，但在面对思考、推荐、决策、联想等复杂“认知”问题时，仍无法较好的完全满足应用要求。2、大模型在电信行业应用能否充分发挥价值，需要结合厂家、运营商上下游合作，在商业上要考虑如何实现有效闭环，驱动行业各方形成合力识别更多价值场景，打造更多大模型创新应用。醒方式，让业务人员关注设备性能异常或故障，并及时进行处理，让电信网络更加安全和稳定。L2场景模型L1行业大模型电力巡检辅助客服电力大模型CV大模型NLP大模型科学计算大模型多模态大模型气象大模型药物大模型金融大模型电信大模型台风预测海浪预测药物筛选小分子优化.财务分析网点助手性能优化运维助手L0基础大模型趋势及建议趋势及建议图2-1 大模型分层架构 推进 NaaS 平台接口标准化：加快满足不同业务场景的 Service API,Network API 和 Roaming APIs 定义和标准化，消除设备供应商、运营商和地域差异，降低API 编排和调用门槛；探索能力开放新业务场景：5G/5.5G 为代表的通信网络蕴含着极大的商业潜力。运营商、OTT、设备供应商应该协同，提升 E2E 网络切片、5G 新通话、云网专线BoD、OTN 低时延专线、云 网融合业务、边缘能力等复杂场景下综合调用能力，以加速通信网络变现。自智网络的目标愿景之一就是为网络用户，提供“零等待、零接触、零故障”的新型数字化高品质信息通信服务，是运营商转型为NaaS提供商和综合数字服务提供商的必由之路。然而，要彻底改变网络的使用和运维模式，并非易事。对于那些在家办公的员工或企业的小型分支机构来说，NaaS可能是理想的选择，但将一个大型企业园区或数据中心网络迁移到NaaS将是非常具有挑战性的。带来的挑战和机遇：1817行业数字化转型加速，从IT支撑系统逐渐进入到生产环节和决策系统等企业核心领域，催生出如企业分支互联、多云连接、安全性、硬隔离和SLA可保障等多样化的网络能力和增值服务新诉求，通信产业积极探索新的商业范式，通过挖掘和开放自身网络能力，在帮助传统企业数字化和商业创新过程中，实现商业增收。在2023年伊始，NaaS再次成为行业热点，标准组织、开源组织、运营商、设备供应商等纷纷启动新一轮的NaaS技术和商业研究，尝试通过利用新的途径提升网络的变现能力和服务能力。2023年巴展，GSMA联合21家移动运营商发起Open Gateway全行业倡议计划。目标是通过网络能力的开放，探索新的业务增长点。希望能像36年前实现语音漫游一样，通过API漫游，实现数字业务的漫游。欧洲Top运营商Telefonica、德国电信、Orange、沃达丰等联合设备供应商、云服务商，联合发布API创新案例，首批推出QoD、号码验证等8个通用网络API，未来将聚焦5G和更复杂的网络能力调用，如切片能力、5G新通话能力、专线/专网能力。同时，GSMA联合Linux基金会成立CAMARA开源项目，提出面向开发者和最终消费者的统一2.7 趋势七：各大运营商积极构筑网络能力开放新生态，推进网络API标准化和商业化，借助网络即服务(NaaS)实现商业增收标准化Service API，聚焦接口定义与代码开源，联合TM Forum等行业组织梳理API分层定义，设计NaaS实现架构。一方面，屏蔽复杂的技术细节，将网络能力以简单易用的API、开发者友好的方式开放出来；另一方面，号召行业伙伴，包括云服务商、OTT、企业客户等，基于网络能力探索新的商业场景，扩大新的市场商机。NaaS的平台化和标准化要进一步规范统一：一方面NaaS平台南向Network APIs和东西向接口Roaming APIs目前尚未标准化，跨运营商、跨技术域的产业多方协作效率不高。一方面从千数量级原子APIs到百数量级的Network APIs，需要基于场景分类、定义与收敛，各厂家网络Network APIs协议七国八制，也急需进一步规范化和标准化。复杂业务场景下缺乏综合调用变现能力：目前NaaS的变现能力还比较单一，在复杂业务场景下多能力综合调用的能力还有待提升。趋势及建议趋势及建议 推进 NaaS 平台接口标准化：加快满足不同业务场景的 Service API,Network API 和 Roaming APIs 定义和标准化，消除设备供应商、运营商和地域差异，降低API 编排和调用门槛；探索能力开放新业务场景：5G/5.5G 为代表的通信网络蕴含着极大的商业潜力。运营商、OTT、设备供应商应该协同，提升 E2E 网络切片、5G 新通话、云网专线BoD、OTN 低时延专线、云 网融合业务、边缘能力等复杂场景下综合调用能力，以加速通信网络变现。自智网络的目标愿景之一就是为网络用户，提供“零等待、零接触、零故障”的新型数字化高品质信息通信服务，是运营商转型为NaaS提供商和综合数字服务提供商的必由之路。然而，要彻底改变网络的使用和运维模式，并非易事。对于那些在家办公的员工或企业的小型分支机构来说，NaaS可能是理想的选择，但将一个大型企业园区或数据中心网络迁移到NaaS将是非常具有挑战性的。带来的挑战和机遇：1817行业数字化转型加速，从IT支撑系统逐渐进入到生产环节和决策系统等企业核心领域，催生出如企业分支互联、多云连接、安全性、硬隔离和SLA可保障等多样化的网络能力和增值服务新诉求，通信产业积极探索新的商业范式，通过挖掘和开放自身网络能力，在帮助传统企业数字化和商业创新过程中，实现商业增收。在2023年伊始，NaaS再次成为行业热点，标准组织、开源组织、运营商、设备供应商等纷纷启动新一轮的NaaS技术和商业研究，尝试通过利用新的途径提升网络的变现能力和服务能力。2023年巴展，GSMA联合21家移动运营商发起Open Gateway全行业倡议计划。目标是通过网络能力的开放，探索新的业务增长点。希望能像36年前实现语音漫游一样，通过API漫游，实现数字业务的漫游。欧洲Top运营商Telefonica、德国电信、Orange、沃达丰等联合设备供应商、云服务商，联合发布API创新案例，首批推出QoD、号码验证等8个通用网络API，未来将聚焦5G和更复杂的网络能力调用，如切片能力、5G新通话能力、专线/专网能力。同时，GSMA联合Linux基金会成立CAMARA开源项目，提出面向开发者和最终消费者的统一2.7 趋势七：各大运营商积极构筑网络能力开放新生态，推进网络API标准化和商业化，借助网络即服务(NaaS)实现商业增收标准化Service API，聚焦接口定义与代码开源，联合TM Forum等行业组织梳理API分层定义，设计NaaS实现架构。一方面，屏蔽复杂的技术细节，将网络能力以简单易用的API、开发者友好的方式开放出来；另一方面，号召行业伙伴，包括云服务商、OTT、企业客户等，基于网络能力探索新的商业场景，扩大新的市场商机。NaaS的平台化和标准化要进一步规范统一：一方面NaaS平台南向Network APIs和东西向接口Roaming APIs目前尚未标准化，跨运营商、跨技术域的产业多方协作效率不高。一方面从千数量级原子APIs到百数量级的Network APIs，需要基于场景分类、定义与收敛，各厂家网络Network APIs协议七国八制，也急需进一步规范化和标准化。复杂业务场景下缺乏综合调用变现能力：目前NaaS的变现能力还比较单一，在复杂业务场景下多能力综合调用的能力还有待提升。趋势及建议趋势及建议自智网络实施方法体系（ANF）20运营商网络数字化转型需要一套行之有效的体系框架，以指导推进自动化、智能化转型从战略到执行的全过程，通过自我迭代的持续演进，不断获取价值。为此，TM Forum充分吸收各大运营商的自智网络实践经验，在已有的自智网络四要素方法论的基础上进一步优化，升级为更为系统全面的自智网络体系框架（Autonomous Networks Framework/ANF）。希望基于此框架，形成一套专门指导运营商网络自动化、智能化转型的、开箱即用实施指南和工具包，助力运营商更高效、更体系化的规划和实现自智网络。该框架由自智网络四要素、运营商实践和产业评估与认证三部分组成。其中，由成效指标、分级标准、目标架构及自智地图组成的四要素已经在全球达成共识；运营实践将支撑运营商制定AN战略和持续迭代提升AN能力；而产业评估与认证则可对运营商的服务水平和厂商解决方案能力进行测评。03自智网络实施方法体系（ANF）图3-1 自智网络体系框架（ANF）商业迭代（AN Journey）基本主张核心要素运营实践收益演进架构代际特征价值主张架构原则成效指标分级标准目标架构单域自治/跨域协同全栈AI、意图驱动通用 领域商业 社会业务架构 技术架构指标框架 参考指标集ANL 评估方法/工具流程方法自智地图运营流价值场景框架 场景集实施组织能力保障：决策组、规划组、专题组变革：组织、流程、人员等业务战略高层要求产业标准前沿技术AN战略管理层承诺AN蓝图规划产业策略和贡献技术创新分级标准成效指标自智地图目标架构战略规划（ANSP）方案设计基线评估演进闭环L1 Lx基于场景短板分析开发部署自智网络体系框架（ANF）服务体验网络能力行业测评认证愿景：Zero-X/Self-X自智网络实施方法体系（ANF）20运营商网络数字化转型需要一套行之有效的体系框架，以指导推进自动化、智能化转型从战略到执行的全过程，通过自我迭代的持续演进，不断获取价值。为此，TM Forum充分吸收各大运营商的自智网络实践经验，在已有的自智网络四要素方法论的基础上进一步优化，升级为更为系统全面的自智网络体系框架（Autonomous Networks Framework/ANF）。希望基于此框架，形成一套专门指导运营商网络自动化、智能化转型的、开箱即用实施指南和工具包，助力运营商更高效、更体系化的规划和实现自智网络。该框架由自智网络四要素、运营商实践和产业评估与认证三部分组成。其中，由成效指标、分级标准、目标架构及自智地图组成的四要素已经在全球达成共识；运营实践将支撑运营商制定AN战略和持续迭代提升AN能力；而产业评估与认证则可对运营商的服务水平和厂商解决方案能力进行测评。03自智网络实施方法体系（ANF）图3-1 自智网络体系框架（ANF）商业迭代（AN Journey）基本主张核心要素运营实践收益演进架构代际特征价值主张架构原则成效指标分级标准目标架构单域自治/跨域协同全栈AI、意图驱动通用 领域商业 社会业务架构 技术架构指标框架 参考指标集ANL 评估方法/工具流程方法自智地图运营流价值场景框架 场景集实施组织能力保障：决策组、规划组、专题组变革：组织、流程、人员等业务战略高层要求产业标准前沿技术AN战略管理层承诺AN蓝图规划产业策略和贡献技术创新分级标准成效指标自智地图目标架构战略规划（ANSP）方案设计基线评估演进闭环L1 Lx基于场景短板分析开发部署自智网络体系框架（ANF）服务体验网络能力行业测评认证愿景：Zero-X/Self-X04华为自动驾驶网络解决方案21自智网络体系框架主要包括四大核心要素、运营实践和行业测评认证三大块内容：四大核心要素：从自智网络能带来哪些收益、如何逐步演进、如何协作分工、实施落地范围等核心问题出发，针对性的定义自智网络四大核心要素，即成效指标、分级标准、目标架构和自智地图。行业测评认证：含服务体验和网络能力测评。服务体验测评是行业客户视角，对运营商网络和服务进行黑盒测试及分级认证，助力运营商更好地拓展和服务行业客户；网络能力测评是面向自智运营的需求，开展多厂家、多场景、多专业的解决方案的分级测评，牵引自治能力升级，促进厂家/专业协同、打通E2E商业流程。行业测评认证，有助于对标提升，有利于提升公信力，加速商业共赢、促进产业繁荣。运营实践：基于核心要素，体系化地开展自智网络实践，包括AN战略规划（ANSP）、AN迭代循环实施（AN Journey）及组织能力。自智网络实施方法体系（ANF）04华为自动驾驶网络解决方案21自智网络体系框架主要包括四大核心要素、运营实践和行业测评认证三大块内容：四大核心要素：从自智网络能带来哪些收益、如何逐步演进、如何协作分工、实施落地范围等核心问题出发，针对性的定义自智网络四大核心要素，即成效指标、分级标准、目标架构和自智地图。行业测评认证：含服务体验和网络能力测评。服务体验测评是行业客户视角，对运营商网络和服务进行黑盒测试及分级认证，助力运营商更好地拓展和服务行业客户；网络能力测评是面向自智运营的需求，开展多厂家、多场景、多专业的解决方案的分级测评，牵引自治能力升级，促进厂家/专业协同、打通E2E商业流程。行业测评认证，有助于对标提升，有利于提升公信力，加速商业共赢、促进产业繁荣。运营实践：基于核心要素，体系化地开展自智网络实践，包括AN战略规划（ANSP）、AN迭代循环实施（AN Journey）及组织能力。自智网络实施方法体系（ANF）24华为的愿景和使命是把数字世界带入每个人，每个家庭，每个组织，构建万物互联的智能世界。实现万物互联智能世界的过程，也是帮助各行各业实现数字化转型目标的过程。华为致力于在云服务、人工智能、网络、低碳发展四大领域持续创新以加快数字化发展，推动人类文明的再一次飞跃，激发行业创新、产业升级和社会发展。让网络走向自动驾驶、让云服务无所不在、让人工智能无所不及、以数字技术助力低碳发展是华为持续创新的方向。自动驾驶网络（ADN）是华为自智网络产业的解决方案实现，也是华为通信网络2030的核心战略。旨在基于联接 智能，打造一张自动、自愈、自优、自治的网络，通过单域自治、跨域协同，与运营商和企业共同构建网络“自配置、自修复和自优化”能力，从而为消费者和政企客户提供“零等待、零接触、零故障”的极致体验。在TM Forum自智网络体系框架指导下，华为在融合感知、数字孪生、智能决策和人机共生等多项关键技术方面取得关键突破，构建高阶的自智网络底座，加速迈向高阶自智网络。23网络基础设施的智能化是实现高阶自智网络的根本，网络设备要引入更多的实时感知器件和AI推理能力，不但要增强对资源、业务及周边环境的数字化感知能力，还要具备包括分析、决策和执行的边缘智能能力。网络管控单元需要通过网络数字建模方法，将离散的网络资源、业务、状态数据关联起来，建立完整的域内网络数字化高清地图，集网络数据采集、网络感知、网络仿真、网络决策和网络控制与一身，实现单域的自治闭环，让网络连接质量连接时效可承诺可保障。通信网络要想实现高阶自智网络目标，需要一个清晰的，可供产业参考、形成为共识的业务架构来指导生产实践落地。基于此架构，运营商可以自上而下系统性地评估和梳理现有OSS系统、综合网管、厂家网管/控制器和网络设备在内的现有架构，由此制定满足自身实际需要的，切实可行的演进路标。华为参考TM Forum IG1218的业务架构建议，结合丰富全球客户联合创新实践，提出图4-1的自动驾驶网络业务架构。4.1 华为自动驾驶网络架构及价值主张4-1 网络管控单元（Y域）自动驾驶网络架构单域自治业务跨域单元网络管控单元（X域）跨域协同单域自治网网络网络基础设施传送华为自动驾驶网络解决方案华为自动驾驶网络解决方案融合感知：通过网络的高精度、实时的数据为上层的自动化提供基础。如：光功率感知从现有的15分钟周期，提升到毫秒级；数字孪生：基于融合感知的丰富数据，生成高精数字孪生，可以实现在线实时网络仿真，为网络的规、建、维、优、营提供支撑；如：在线仿真，可以有效防止甚至消除人为配置错误引发的网络故障；智能决策：基于高精数字孪生，注入智能算法，可以从全局角度实现智能的网络级决策；如：从单一目标的专项优化，提升到多目标协同优化，同时兼顾网络的能耗、速率、覆盖等多目标；人机共生：依托华为盘古通用语言大模型，叠加电信语料、标准文稿、案例总结等专业知识，打造通信大模型，给人机交互模式带来重大改进；如：运维助手可以提供普通工程师水平的协助，有了大模型能力的加持，可以提供相当于高级专家水平的互动式协助。24华为的愿景和使命是把数字世界带入每个人，每个家庭，每个组织，构建万物互联的智能世界。实现万物互联智能世界的过程，也是帮助各行各业实现数字化转型目标的过程。华为致力于在云服务、人工智能、网络、低碳发展四大领域持续创新以加快数字化发展，推动人类文明的再一次飞跃，激发行业创新、产业升级和社会发展。让网络走向自动驾驶、让云服务无所不在、让人工智能无所不及、以数字技术助力低碳发展是华为持续创新的方向。自动驾驶网络（ADN）是华为自智网络产业的解决方案实现，也是华为通信网络2030的核心战略。旨在基于联接 智能，打造一张自动、自愈、自优、自治的网络，通过单域自治、跨域协同，与运营商和企业共同构建网络“自配置、自修复和自优化”能力，从而为消费者和政企客户提供“零等待、零接触、零故障”的极致体验。在TM Forum自智网络体系框架指导下，华为在融合感知、数字孪生、智能决策和人机共生等多项关键技术方面取得关键突破，构建高阶的自智网络底座，加速迈向高阶自智网络。23网络基础设施的智能化是实现高阶自智网络的根本，网络设备要引入更多的实时感知器件和AI推理能力，不但要增强对资源、业务及周边环境的数字化感知能力，还要具备包括分析、决策和执行的边缘智能能力。网络管控单元需要通过网络数字建模方法，将离散的网络资源、业务、状态数据关联起来，建立完整的域内网络数字化高清地图，集网络数据采集、网络感知、网络仿真、网络决策和网络控制与一身，实现单域的自治闭环，让网络连接质量连接时效可承诺可保障。通信网络要想实现高阶自智网络目标，需要一个清晰的，可供产业参考、形成为共识的业务架构来指导生产实践落地。基于此架构，运营商可以自上而下系统性地评估和梳理现有OSS系统、综合网管、厂家网管/控制器和网络设备在内的现有架构，由此制定满足自身实际需要的，切实可行的演进路标。华为参考TM Forum IG1218的业务架构建议，结合丰富全球客户联合创新实践，提出图4-1的自动驾驶网络业务架构。4.1 华为自动驾驶网络架构及价值主张4-1 网络管控单元（Y域）自动驾驶网络架构单域自治业务跨域单元网络管控单元（X域）跨域协同单域自治网网络网络基础设施传送华为自动驾驶网络解决方案华为自动驾驶网络解决方案融合感知：通过网络的高精度、实时的数据为上层的自动化提供基础。如：光功率感知从现有的15分钟周期，提升到毫秒级；数字孪生：基于融合感知的丰富数据，生成高精数字孪生，可以实现在线实时网络仿真，为网络的规、建、维、优、营提供支撑；如：在线仿真，可以有效防止甚至消除人为配置错误引发的网络故障；智能决策：基于高精数字孪生，注入智能算法，可以从全局角度实现智能的网络级决策；如：从单一目标的专项优化，提升到多目标协同优化，同时兼顾网络的能耗、速率、覆盖等多目标；人机共生：依托华为盘古通用语言大模型，叠加电信语料、标准文稿、案例总结等专业知识，打造通信大模型，给人机交互模式带来重大改进；如：运维助手可以提供普通工程师水平的协助，有了大模型能力的加持，可以提供相当于高级专家水平的互动式协助。2625业务跨域单元提供商业智能创新、客户体验提升、业务与网络运维保障三大能力以及应用设计开发的平台与云服务，面向聚焦运维及商业流程的打通和灵活的业务编排，允许根据自身网络特点，快速迭代开发新的业务模式、运维流程、业务应用及商业产品和服务，这是运营商实现业务/商业敏捷的关键，同时赋能新型运维人员、商业设计人员的技能提升。网络人工智能单元一方面作为网络AI设计和开发的基础平台，支持对各种通信网络数据，持续进行AI训练和知识提取生成AI模型和网络知识成果，并可注入到其它三个单元中，让网络越用越智能。另一方面作为运营商AI的资产中心，面向规、建、维、优过程开发和训练出来的各种AI模型、网络知识等成果在网络人工智能单元统一管理，充分共享和重复使用，减少重复开发和训练。商业价值是自智网络部署与推进的关键驱动力，华为将会聚焦商业、体验、效率、能效四大价值构筑产品和解决方案竞争力，助力整个产业加速迈向高阶自智网络。通过聚焦四大商业价值，华为整体解决方案正在逐步使能L4高阶自智网络，从机器辅助人到人辅助机器。在L2-L3的阶段，人是运维的主体，通过命令行、GUI来操作机器，通过自然语言和其他人交互，来共同完成任务。在L4的高阶自智网络阶段，是由机器作为运维的主体。当机器使用生成式大模型来了解人的意图，生成下一步网络规划和优化的建议，使用决策式大模型来做智能决策的时候，就实现了以机器为主的自智网络。业务敏捷 ：通过提升网络服务化能力助力客户提升商业变现能力，使能NaaS，实现零等待业务开通，提升产品TTM；客户体验 ：通过提升业务质量达标率、投诉处理的及时率等关键指标，提升客户体验QoE主动优化，实现全生命周期极致体验；资源效率 ：一方面通过多维协同等多种手段降低网络设备的能耗；一方面通过数字化手段点亮哑资源，提升哑资源数据的准确性，保证网络资源精准调配；一方面通过优化网络路径，抑制网络拥塞，提升网络资源的利用率；运维效率 ：通过预测性维护、对话式运维等AI核心技术的深度应用，大幅减少人工作业量，降低单位作业时长，实现人员效率提升。维度零等待零故障零接触自配置自修复自优化L3/机器辅助人业务发放自动化体验可感可视可视配置自动下发精准诊断单目标专项优化L4/人辅助机器业务交付自动化体验预测预防可交互配置免人工审核隐患预测预防多目标协同优化代际特征表4-1：自智网络代际特征华为自动驾驶网络解决方案基于三零三自的愿景目标，以表4-1的代际特征为牵引，构建高阶自智的自动驾驶网络解决方案。以专线业务发放的零等待为例，在L3级别，专线业务发放是指由人完成了客户意图理解，资源勘查，多部门协同等工作后，通过API实现网络配置的E2E一键式下发。在L4级别，专线业务发放是由机器来理解客户意图，开展数字化勘查，甚至能完成多自智网络域的协同，全流程的专线业务自动化交付。自华为在2018 UBBF上首次提出自动驾驶网络的理念以来，经过多年的创新实践，华为已经成了系列化自动驾驶网络解决方案，涵盖无线、核心、接入、传输、IP、数据中心和企业园区多个领域。秉承Intelligence for ICT的理念，致力于把人工智能技术系统性应用于ICT基础设施自身，解决关键挑战，更好的支持智能世界愿景的实现。4.2 华为自动驾驶网络解决方案全景华为自动驾驶网络解决方案华为自动驾驶网络解决方案2625业务跨域单元提供商业智能创新、客户体验提升、业务与网络运维保障三大能力以及应用设计开发的平台与云服务，面向聚焦运维及商业流程的打通和灵活的业务编排，允许根据自身网络特点，快速迭代开发新的业务模式、运维流程、业务应用及商业产品和服务，这是运营商实现业务/商业敏捷的关键，同时赋能新型运维人员、商业设计人员的技能提升。网络人工智能单元一方面作为网络AI设计和开发的基础平台，支持对各种通信网络数据，持续进行AI训练和知识提取生成AI模型和网络知识成果，并可注入到其它三个单元中，让网络越用越智能。另一方面作为运营商AI的资产中心，面向规、建、维、优过程开发和训练出来的各种AI模型、网络知识等成果在网络人工智能单元统一管理，充分共享和重复使用，减少重复开发和训练。商业价值是自智网络部署与推进的关键驱动力，华为将会聚焦商业、体验、效率、能效四大价值构筑产品和解决方案竞争力，助力整个产业加速迈向高阶自智网络。通过聚焦四大商业价值，华为整体解决方案正在逐步使能L4高阶自智网络，从机器辅助人到人辅助机器。在L2-L3的阶段，人是运维的主体，通过命令行、GUI来操作机器，通过自然语言和其他人交互，来共同完成任务。在L4的高阶自智网络阶段，是由机器作为运维的主体。当机器使用生成式大模型来了解人的意图，生成下一步网络规划和优化的建议，使用决策式大模型来做智能决策的时候，就实现了以机器为主的自智网络。业务敏捷 ：通过提升网络服务化能力助力客户提升商业变现能力，使能NaaS，实现零等待业务开通，提升产品TTM；客户体验 ：通过提升业务质量达标率、投诉处理的及时率等关键指标，提升客户体验QoE主动优化，实现全生命周期极致体验；资源效率 ：一方面通过多维协同等多种手段降低网络设备的能耗；一方面通过数字化手段点亮哑资源，提升哑资源数据的准确性，保证网络资源精准调配；一方面通过优化网络路径，抑制网络拥塞，提升网络资源的利用率；运维效率 ：通过预测性维护、对话式运维等AI核心技术的深度应用，大幅减少人工作业量，降低单位作业时长，实现人员效率提升。维度零等待零故障零接触自配置自修复自优化L3/机器辅助人业务发放自动化体验可感可视可视配置自动下发精准诊断单目标专项优化L4/人辅助机器业务交付自动化体验预测预防可交互配置免人工审核隐患预测预防多目标协同优化代际特征表4-1：自智网络代际特征华为自动驾驶网络解决方案基于三零三自的愿景目标，以表4-1的代际特征为牵引，构建高阶自智的自动驾驶网络解决方案。以专线业务发放的零等待为例，在L3级别，专线业务发放是指由人完成了客户意图理解，资源勘查，多部门协同等工作后，通过API实现网络配置的E2E一键式下发。在L4级别，专线业务发放是由机器来理解客户意图，开展数字化勘查，甚至能完成多自智网络域的协同，全流程的专线业务自动化交付。自华为在2018 UBBF上首次提出自动驾驶网络的理念以来，经过多年的创新实践，华为已经成了系列化自动驾驶网络解决方案，涵盖无线、核心、接入、传输、IP、数据中心和企业园区多个领域。秉承Intelligence for ICT的理念，致力于把人工智能技术系统性应用于ICT基础设施自身，解决关键挑战，更好的支持智能世界愿景的实现。4.2 华为自动驾驶网络解决方案全景华为自动驾驶网络解决方案华为自动驾驶网络解决方案28274.2.1 IntelligentRAN无线自动驾驶网络解决方案作为华为自动驾驶网络解决方案在无线网络的承载，在产业迈向L4高阶自智的背景下，特别是3GPP R18开始L4标准制定，逐步从智能网元到完整的网络智能面。IntelligentRAN围绕L4价值场景智能化架构也不断演进，通过iMaster MAE（Mobile Automation Engine）实现单方案价值随着移动网络应用新业务的多样化和蓬勃发展，视频带宽要求到裸眼3D的带宽时延要求，以及行业应用对大上行、精准定位等要求，运营商对用户业务质量的多样性保障提出了更高的期望；同时无线网络的新站新频新技术的引入带来网络结构性挑战，频谱越来愈多（sub6G、C-band、毫米波、U6G等）、站点形态更加丰富（宏杆微），运维复杂度进一步提升，运营商为实现4-2 Huawei Cloud公有云企业DCComputingIntelligentStorageIntelligentFabricIntelligentOTNIntelligentWANAccessRouterMetroRouterCoreRouterIPv6 IPv6 NCE-IPAccessOXCMetroOXCCoreOXCNCE-T企业IntelligentCampusNetworkCPEWi-Fi5GPOLIPv6 个人IntelligentRANMAEMetaAAU家庭IntelligentFANNCE-FANDQ ODNFTTROLTIntelligentCoreMAE-CNMECMECSPCSVCIntelligentServiceEngine4-3 IntelligentRANIntelligentRANOSSFCAPSAI数据&平台网络数字孪生(Digital Twin)Entity/&ViewTopo/iAppiApp应用iAppiAppAI/数据建模L1 L2 L3 iMaster MAE基站OM1iRRM iRTT 234MIE“零”故障的愿景，需引入智能化进行故障的提前预防预测等。为了迎接这样的挑战，通过把智能能力融入无线网 络 业 务、体 验、运 维 和 绿 色 等 方 面，IntelligentRAN将助力运营商建设一张运维智简、网络智优、业务智营的无线L4高阶自智网络。域单厂家无线域基础运维，同时引入MIE(Mobile Intelligent Engine移动智能引擎)，协同内置智能化的网元gNB提供智能化UC。MAE和gNB通过数据和策略协同，并将能力意图开放给跨域平台（OSS/SMO），实现更高效的智能，真正融入运营商的生产服务场景中。华为自动驾驶网络解决方案华为自动驾驶网络解决方案28274.2.1 IntelligentRAN无线自动驾驶网络解决方案作为华为自动驾驶网络解决方案在无线网络的承载，在产业迈向L4高阶自智的背景下，特别是3GPP R18开始L4标准制定，逐步从智能网元到完整的网络智能面。IntelligentRAN围绕L4价值场景智能化架构也不断演进，通过iMaster MAE（Mobile Automation Engine）实现单方案价值随着移动网络应用新业务的多样化和蓬勃发展，视频带宽要求到裸眼3D的带宽时延要求，以及行业应用对大上行、精准定位等要求，运营商对用户业务质量的多样性保障提出了更高的期望；同时无线网络的新站新频新技术的引入带来网络结构性挑战，频谱越来愈多（sub6G、C-band、毫米波、U6G等）、站点形态更加丰富（宏杆微），运维复杂度进一步提升，运营商为实现4-2 Huawei Cloud公有云企业DCComputingIntelligentStorageIntelligentFabricIntelligentOTNIntelligentWANAccessRouterMetroRouterCoreRouterIPv6 IPv6 NCE-IPAccessOXCMetroOXCCoreOXCNCE-T企业IntelligentCampusNetworkCPEWi-Fi5GPOLIPv6 个人IntelligentRANMAEMetaAAU家庭IntelligentFANNCE-FANDQ ODNFTTROLTIntelligentCoreMAE-CNMECMECSPCSVCIntelligentServiceEngine4-3 IntelligentRANIntelligentRANOSSFCAPSAI数据&平台网络数字孪生(Digital Twin)Entity/&ViewTopo/iAppiApp应用iAppiAppAI/数据建模L1 L2 L3 iMaster MAE基站OM1iRRM iRTT 234MIE“零”故障的愿景，需引入智能化进行故障的提前预防预测等。为了迎接这样的挑战，通过把智能能力融入无线网 络 业 务、体 验、运 维 和 绿 色 等 方 面，IntelligentRAN将助力运营商建设一张运维智简、网络智优、业务智营的无线L4高阶自智网络。域单厂家无线域基础运维，同时引入MIE(Mobile Intelligent Engine移动智能引擎)，协同内置智能化的网元gNB提供智能化UC。MAE和gNB通过数据和策略协同，并将能力意图开放给跨域平台（OSS/SMO），实现更高效的智能，真正融入运营商的生产服务场景中。华为自动驾驶网络解决方案华为自动驾驶网络解决方案3029运维智简：基于预测预防的故障管理，故障处理从被动响应走向主动排障：5G时代，“业务永远在线”成为主流趋势，传统采用事后工单的响应式运维已经远远不能满足新业务的要求。围绕实现“零”故障的愿景，需要从原来的响应处理走向主动预测预防。利用RAN网管和网元协同的长短周期感知数据，对网络中软硬件故障和性能劣化（比如单板高温、光模块故障、备电时长等）进行预测和判断，提前发现80%以上隐患，有效地降低故障风险。以备电预测为例，通常备电原因导致的退服工单占比1530%，通过备电预测，可以大幅减少因这个原因导致的基站退服。4.2.2 IntelligentCore核心网自动驾驶网络解决方案随着核心网代际演进走向全融合、NFV从VM时代开始走向裸机时代，网络规模和复杂度持续增大，传统的运维模式已无法适应新时代网络运维要求，运维模式转型势在必行。同时，随着新通话，新通话、裸眼3D，XR等5G新的应用场景不断涌现，运营商迫切希望引入云原生优秀实践以支撑新业务敏捷上线，为用户提供优质体验的关键UC运维智简：从故障自诊断，走向故障预测预防，基于智能化解决方案，实现高温退服，光纤前传故障，以及备电系统故障等多种故障的预测能力；面向小区退服场景，基于智能覆盖补偿方案，快速补偿覆盖盲区，减少小区流量损失。助力运营商从响应式运维走向预测预防式运维，实现网络“零“故障。网络智优：从单独的网络性能优化，走向网络性能和节能协同优化，在网络优化能力上，推出了面向多频网络等不同场景的自适应优化方案，来进一步提升用户体验；并基于网络级智能引擎实现基于多意图多目标的智能协同，助力运营商从性能最优走向性能能耗双优。业务智营：从用户级业务调度走向应用级体验确定性保障。面向差异化业务SLA需求，通过用户级动态仿真，实现基于覆盖、速率、时延等多目标的精准网络规划，使能业务快速开通和发放；并基于预测能力，实现实时动态资源调度，实现网随业动，能提供确定性体验保障能力。网络智优：基于智能覆盖栅格实现多频载波智选，实现整网性能最优：在多频组网（F T，T F，F F等）场景下，为了获取更优的用户体验，通过构建覆盖栅格模型，基于预测结果替代异频测量结果，快速选择覆盖最优小区。在异频无覆盖场景下，吞吐率相比传统方式提升10%左右。在异频有覆盖的场景 下，切 换 流 程 相 比 传 统 下 时 延 缩 短300ms左右。基于多意图的多维协同节能，实现性能和节能双优：持续增长的网络规模和日益复杂的网络结构，对网络能耗和OPEX带来了更大的挑战，绿色节能仍然是运营商的关注重点。基于基站的负载、用户分布、覆盖、干扰、能耗等指标进行特征提取训练建模，精准地预测不同节能和性能策略的能耗和速率的变化，多目标协同达到最优。现网实际应用效果，不影响用户体验的情况下，网络级节能提升5%。业务智营：面向业务SLA的网络精准评估规划，助力业务精准快速开通：5GtoB业务种类多、SLA要求高、应用环境复杂，基于专家经验人工完成网络规划的传统模式难以满足千行百业的确定性网络规划要求。公网专用场景，通过准确评估指定区域的网络覆盖和速率，大大降低运营商上门实测评估的成本；行业专网场景，通过行业画像、环境建模、用户级仿真评估和实现基于业务SLA的精准规划，满足现网不同业务SLA需求，提升网络规划效率；基于预测的切片SLA保障，使能业务确定性体验：切片场景多样化的业务需求，比如直播业务，具备推流拉流的能力，但同时直播业务对移动网络的速率、分辨率、时延等有较高的要求。传统的切片SLA保障主要采用资源预留的方式，往往会预留实际需求数倍的资源。基于基站的功控、码率、帧率等参数特征提取构建虚拟速率栅格模型，精准地预测业务的速率变化，并进行提前优化调整。现网实际应用效果，直播用户体验速率提升5%。同时降低网络运维的复杂度。自动化、智能化是5.5G核心网的关键特征之一，已成为产业界应对5.5G网络运维复杂度挑战的共识。为了应对这些挑战，华为IntelligentCore在运维智能方面引入ICN Master解决方案，基于数字孪生，意图驱动，大模型等技术，助力运营商建设一张智简、高稳、质优的核心网L4高阶自智网络。华为自动驾驶网络解决方案华为自动驾驶网络解决方案3029运维智简：基于预测预防的故障管理，故障处理从被动响应走向主动排障：5G时代，“业务永远在线”成为主流趋势，传统采用事后工单的响应式运维已经远远不能满足新业务的要求。围绕实现“零”故障的愿景，需要从原来的响应处理走向主动预测预防。利用RAN网管和网元协同的长短周期感知数据，对网络中软硬件故障和性能劣化（比如单板高温、光模块故障、备电时长等）进行预测和判断，提前发现80%以上隐患，有效地降低故障风险。以备电预测为例，通常备电原因导致的退服工单占比1530%，通过备电预测，可以大幅减少因这个原因导致的基站退服。4.2.2 IntelligentCore核心网自动驾驶网络解决方案随着核心网代际演进走向全融合、NFV从VM时代开始走向裸机时代，网络规模和复杂度持续增大，传统的运维模式已无法适应新时代网络运维要求，运维模式转型势在必行。同时，随着新通话，新通话、裸眼3D，XR等5G新的应用场景不断涌现，运营商迫切希望引入云原生优秀实践以支撑新业务敏捷上线，为用户提供优质体验的关键UC运维智简：从故障自诊断，走向故障预测预防，基于智能化解决方案，实现高温退服，光纤前传故障，以及备电系统故障等多种故障的预测能力；面向小区退服场景，基于智能覆盖补偿方案，快速补偿覆盖盲区，减少小区流量损失。助力运营商从响应式运维走向预测预防式运维，实现网络“零“故障。网络智优：从单独的网络性能优化，走向网络性能和节能协同优化，在网络优化能力上，推出了面向多频网络等不同场景的自适应优化方案，来进一步提升用户体验；并基于网络级智能引擎实现基于多意图多目标的智能协同，助力运营商从性能最优走向性能能耗双优。业务智营：从用户级业务调度走向应用级体验确定性保障。面向差异化业务SLA需求，通过用户级动态仿真，实现基于覆盖、速率、时延等多目标的精准网络规划，使能业务快速开通和发放；并基于预测能力，实现实时动态资源调度，实现网随业动，能提供确定性体验保障能力。网络智优：基于智能覆盖栅格实现多频载波智选，实现整网性能最优：在多频组网（F T，T F，F F等）场景下，为了获取更优的用户体验，通过构建覆盖栅格模型，基于预测结果替代异频测量结果，快速选择覆盖最优小区。在异频无覆盖场景下，吞吐率相比传统方式提升10%左右。在异频有覆盖的场景 下，切 换 流 程 相 比 传 统 下 时 延 缩 短300ms左右。基于多意图的多维协同节能，实现性能和节能双优：持续增长的网络规模和日益复杂的网络结构，对网络能耗和OPEX带来了更大的挑战，绿色节能仍然是运营商的关注重点。基于基站的负载、用户分布、覆盖、干扰、能耗等指标进行特征提取训练建模，精准地预测不同节能和性能策略的能耗和速率的变化，多目标协同达到最优。现网实际应用效果，不影响用户体验的情况下，网络级节能提升5%。业务智营：面向业务SLA的网络精准评估规划，助力业务精准快速开通：5GtoB业务种类多、SLA要求高、应用环境复杂，基于专家经验人工完成网络规划的传统模式难以满足千行百业的确定性网络规划要求。公网专用场景，通过准确评估指定区域的网络覆盖和速率，大大降低运营商上门实测评估的成本；行业专网场景，通过行业画像、环境建模、用户级仿真评估和实现基于业务SLA的精准规划，满足现网不同业务SLA需求，提升网络规划效率；基于预测的切片SLA保障，使能业务确定性体验：切片场景多样化的业务需求，比如直播业务，具备推流拉流的能力，但同时直播业务对移动网络的速率、分辨率、时延等有较高的要求。传统的切片SLA保障主要采用资源预留的方式，往往会预留实际需求数倍的资源。基于基站的功控、码率、帧率等参数特征提取构建虚拟速率栅格模型，精准地预测业务的速率变化，并进行提前优化调整。现网实际应用效果，直播用户体验速率提升5%。同时降低网络运维的复杂度。自动化、智能化是5.5G核心网的关键特征之一，已成为产业界应对5.5G网络运维复杂度挑战的共识。为了应对这些挑战，华为IntelligentCore在运维智能方面引入ICN Master解决方案，基于数字孪生，意图驱动，大模型等技术，助力运营商建设一张智简、高稳、质优的核心网L4高阶自智网络。华为自动驾驶网络解决方案华为自动驾驶网络解决方案智简：通过意图驱动，CDCT等技术实现网络高效安全变更。在事前通过staging和操作仿真等提前识别变更风险；在事中通过意图翻译简化配置，并通过CDCT打通自动化流程，减少人工操作失误；在事后通过机器值守等手段实时监控变更效果，并通过智能化手段免人工保障。高稳：围绕客户日常运维的高频场景及问题的高频原因提供针对性的解决方案，提升运营商日常运维效率，保障网络高稳可靠。通过云网拓扑可视实时监控网络现状，并基于在线仿真评估提前识别网络瓶颈，变被动运维为主动预防。故障诊断从人工转为自动，缩短故障处理时长，减少故障发生概率。方案价值：质优：围绕业务体验保障，尤其是针对VoLTE及5G业务，聚焦语音和数据的质差实时监测、使得体验问题能够提前感知和快速优化，协助运营商进行主动客户关怀。网元自动化升级：通过工作流编排引擎的灵活调度，打通了手工断点，实现了核心网网元升级全流程自动化；通过归一化的操作界面完成核心网软件包一键式下载，风险自动排查及升级操作自动执行，人机交互次数从100 减少到10次，极大的降低了手工误操作引入的风险；升级过程中，通过智能机器值守实现对各类指标、异常告警进行自动监控和对比，提前识别异常并采取相应措施，防止异常逐渐扩大，引发网络故障。同时，通过异常回退功能，支持异常出现时人工介入，实现一键刹车，保障升级结果可靠。智能容灾辅助：基于自动仿真评估，智能流控参数寻优和倒换过程可视三大能力消除倒换过程风险，为容灾倒换保驾护航。1）变人工为自动，倒换前可以对网络进行自动在线仿真评估，实现分钟级向决策者呈现评估结果，使得运营商在倒换之前就对倒换后的信令冲击情况有预期，解决不敢倒换的问题；2）从单点最优到全局最优，基于业界领先的HEBO算法，可以生成全网最佳流控策略并自动下发到各网元，10分钟即可快速收敛；3）倒换过程从黑盒到白盒，容灾倒换全程可视可管，变黑盒为白盒，实时查看上线的用户量等，并实时监控指标，及时发现异常并干预，让倒换更加安心。信令风暴防控：隐患的预防是事故防控的有效手段，通过数字孪生，AI和仿真等技术，解决网络评估评的快，评的准，评的及时的问题。1）首先通过多维数据的准实时采集构建高精度孪生网络作为网络仿真评估的数据基础。2）其次基于AI对网络行为模型，终端行为模型和故障模型进行在线学习，保关键UC：障评估模型的准确性，目前已支持30个场景，覆盖节假日保障模型，现网故障模型等；3）最后基于智能浪涌仿真算法和智能流控参数寻优算法完成网络自动化例行在线仿真评估，动态识别瓶颈网元，瓶颈链路等网络隐患，指导网络扩容和调参，防微杜渐，保证网络时刻处于健康状态，同时拓扑流量视图可以展示全网流量情况，以及网元负荷情；在风暴回溯环节，可以进行全网流量回放和自动溯源，找到此次风暴的源头所在。智能故障诊断：针对高频的链路类问题，通过告警汇聚找到关键异常链路并提取本端及对端的故障网元信息，然后按照故障网元概率进行排序，最终定位到根因网元，实现从以往的小时级到5分钟自动定界，大幅提升定界效率；针对高危的KPI劣化类问题，基于业务流程网络模型和周期性指标数据，能够在线推理故障传播路径，实现5分钟从指标劣化到根因网元的快速定界；针对NFV跨层类问题，基于丰富的运维经验，通过内置9大类典型故障场景库进行智能化分析，同时向客户开放经验规则在线自定义编排，不断丰富故障定界场景，15分钟内就可以完成NFV跨层故障的自动快速定界，显著缩短跨层问题处理时长。业务体验优化：当出现质差问题时，通过采集CHR数据，以及对数据样本的智能分析，快速定位到最小单元，并识别出共性问题区域，对潜在投诉用户进行主动关怀，提升用户用网体验。从实际效果来看，我们可以提前3小时识别可能产生投诉的客户，主动进行质差问题处理与关怀，从而降低50%的客户投诉率。3231ICN MasterNWDAFMDAF执行/OMC订阅API 接口CDE订阅API 接口订阅API 接口统一数据仓库数字孪生体统一仿真数字孪生网络层OSS操作变更流意图翻译配置简化操作仿真智能值守监控排障流知识问答告警监控问题处理故障排障华为自动驾驶网络解决方案华为自动驾驶网络解决方案智简：通过意图驱动，CDCT等技术实现网络高效安全变更。在事前通过staging和操作仿真等提前识别变更风险；在事中通过意图翻译简化配置，并通过CDCT打通自动化流程，减少人工操作失误；在事后通过机器值守等手段实时监控变更效果，并通过智能化手段免人工保障。高稳：围绕客户日常运维的高频场景及问题的高频原因提供针对性的解决方案，提升运营商日常运维效率，保障网络高稳可靠。通过云网拓扑可视实时监控网络现状，并基于在线仿真评估提前识别网络瓶颈，变被动运维为主动预防。故障诊断从人工转为自动，缩短故障处理时长，减少故障发生概率。方案价值：质优：围绕业务体验保障，尤其是针对VoLTE及5G业务，聚焦语音和数据的质差实时监测、使得体验问题能够提前感知和快速优化，协助运营商进行主动客户关怀。网元自动化升级：通过工作流编排引擎的灵活调度，打通了手工断点，实现了核心网网元升级全流程自动化；通过归一化的操作界面完成核心网软件包一键式下载，风险自动排查及升级操作自动执行，人机交互次数从100 减少到10次，极大的降低了手工误操作引入的风险；升级过程中，通过智能机器值守实现对各类指标、异常告警进行自动监控和对比，提前识别异常并采取相应措施，防止异常逐渐扩大，引发网络故障。同时，通过异常回退功能，支持异常出现时人工介入，实现一键刹车，保障升级结果可靠。智能容灾辅助：基于自动仿真评估，智能流控参数寻优和倒换过程可视三大能力消除倒换过程风险，为容灾倒换保驾护航。1）变人工为自动，倒换前可以对网络进行自动在线仿真评估，实现分钟级向决策者呈现评估结果，使得运营商在倒换之前就对倒换后的信令冲击情况有预期，解决不敢倒换的问题；2）从单点最优到全局最优，基于业界领先的HEBO算法，可以生成全网最佳流控策略并自动下发到各网元，10分钟即可快速收敛；3）倒换过程从黑盒到白盒，容灾倒换全程可视可管，变黑盒为白盒，实时查看上线的用户量等，并实时监控指标，及时发现异常并干预，让倒换更加安心。信令风暴防控：隐患的预防是事故防控的有效手段，通过数字孪生，AI和仿真等技术，解决网络评估评的快，评的准，评的及时的问题。1）首先通过多维数据的准实时采集构建高精度孪生网络作为网络仿真评估的数据基础。2）其次基于AI对网络行为模型，终端行为模型和故障模型进行在线学习，保关键UC：障评估模型的准确性，目前已支持30个场景，覆盖节假日保障模型，现网故障模型等；3）最后基于智能浪涌仿真算法和智能流控参数寻优算法完成网络自动化例行在线仿真评估，动态识别瓶颈网元，瓶颈链路等网络隐患，指导网络扩容和调参，防微杜渐，保证网络时刻处于健康状态，同时拓扑流量视图可以展示全网流量情况，以及网元负荷情；在风暴回溯环节，可以进行全网流量回放和自动溯源，找到此次风暴的源头所在。智能故障诊断：针对高频的链路类问题，通过告警汇聚找到关键异常链路并提取本端及对端的故障网元信息，然后按照故障网元概率进行排序，最终定位到根因网元，实现从以往的小时级到5分钟自动定界，大幅提升定界效率；针对高危的KPI劣化类问题，基于业务流程网络模型和周期性指标数据，能够在线推理故障传播路径，实现5分钟从指标劣化到根因网元的快速定界；针对NFV跨层类问题，基于丰富的运维经验，通过内置9大类典型故障场景库进行智能化分析，同时向客户开放经验规则在线自定义编排，不断丰富故障定界场景，15分钟内就可以完成NFV跨层故障的自动快速定界，显著缩短跨层问题处理时长。业务体验优化：当出现质差问题时，通过采集CHR数据，以及对数据样本的智能分析，快速定位到最小单元，并识别出共性问题区域，对潜在投诉用户进行主动关怀，提升用户用网体验。从实际效果来看，我们可以提前3小时识别可能产生投诉的客户，主动进行质差问题处理与关怀，从而降低50%的客户投诉率。3231ICN MasterNWDAFMDAF执行/OMC订阅API 接口CDE订阅API 接口订阅API 接口统一数据仓库数字孪生体统一仿真数字孪生网络层OSS操作变更流意图翻译配置简化操作仿真智能值守监控排障流知识问答告警监控问题处理故障排障华为自动驾驶网络解决方案华为自动驾驶网络解决方案精准营销洞察：自动洞察用户宽带体验、体验瓶颈及组网，帮助运营商市场人员精准识别升套、家庭Wi-Fi组网/FTTR、场景化宽带等潜在用户，大幅提升营销成功率，促进宽带收入增长。高质量部署：通过装维APP，装维工程师5分钟内完成对宽带或FTTR组网业务设备、连接、体验的专业验收，并生成验收报告，确保一次性100%部署成功。极速故障处理：面向Call Center，常见问题一键实时诊断，快速拦截故障；远程分段测速、STA级应用体验分析及配置类问方案价值题远程调优帮助NOC人员快速处理业务网速慢、中断、卡顿等疑难杂症，减少上门并显著提升排障效率。用户体验可度量：面向网络部，对全网用户宽带体验进行数字化度量打分、排名、诊断及辅助优化整改，先于客户投诉发现并解决问题，提升客户满意度。极简自助服务：面向最终用户，用户APP提供青少年模式、一键测速、应用加速、自助运维等系列化的用户自助服务能力，进一步提升用户粘性。34334.2.3 IntelligentFAN 全光接入自动驾驶网络解决方案针对家宽体验不可视、家宽体验经营难、运维成本高三大挑战，华为全光接入自动驾驶网络解决方案以智能分布式接入网（FTTR/智能ONT、数字化ODN、智能OLT）及iMaster NCE智能管控析系统为核心，面向宽带运营中的关键角色（市场、装维、Call Center/NOC、网络部、最终用户），总结提出A-PRIME价值框架。该方案通过引入智能硬件及大数据智能分析能力，对网络及用户体验进行数字化建模，构建接入体验 数 字 化 平 台 及 五 大 场 景 化 价 值 能 力，把PRIME品质体验带给每一个人，使能宽带品质体验经营，帮助运营商增收、节流、稳客。架构图如下：业务运营平台Rest APIsA-PRIME智能分布式接入网三方BSS三方OSS品宽ADOA-接入体验数字化平台4-4 IntelligentFANODN数字化管理：网络资源利用率、一次性业务开通成功率、ODN管理运维效率均严重依赖于对ODN哑资源的精准管理。该功能针对华为预连接ODN网络，通过自带手机APP扫码及图像智能识别，快速收集ODN设备信息并自动还原连接关系，实现自动资源录入、100%资源准确；对于传统ODN网络，通过改造成支持光虹膜的分光器及引入OAI光智能测试单板，实现ODN拓扑自动还原，大幅提升资源准确率。ODN精准排障：基于OAI 光虹膜方案，自动识别光路性能劣化及中断故障，定界故障发生范围段（主光路、分支段或入户段）及实现分钟级、米级故障定位，将光路故障处理时长从小时级缩短到分钟级。关键UC 家宽潜客精准识别：针对传统方式下，因缺乏用户家宽体验的数据支撑，营销效率低下的问题，该功能基于对“宽带体验、体验瓶颈及组网”的全面深入洞察，识别用户的潜在诉求，生成100 潜客标签，帮助运营商市场营销人员识别升套、家庭Wi-Fi组网/FTTR、场景化宽带等潜在商机，显著提升营销成功率及促进家宽收入增长。P-精准营销洞察R-高质量部署I-极速故障处理M-用户体验可度量E-极简自助服务智能管控析系统单域自治HomeSME智能OLTDQ ODN应用智能边缘计算板智能光测试板光虹膜华为自动驾驶网络解决方案华为自动驾驶网络解决方案精准营销洞察：自动洞察用户宽带体验、体验瓶颈及组网，帮助运营商市场人员精准识别升套、家庭Wi-Fi组网/FTTR、场景化宽带等潜在用户，大幅提升营销成功率，促进宽带收入增长。高质量部署：通过装维APP，装维工程师5分钟内完成对宽带或FTTR组网业务设备、连接、体验的专业验收，并生成验收报告，确保一次性100%部署成功。极速故障处理：面向Call Center，常见问题一键实时诊断，快速拦截故障；远程分段测速、STA级应用体验分析及配置类问方案价值题远程调优帮助NOC人员快速处理业务网速慢、中断、卡顿等疑难杂症，减少上门并显著提升排障效率。用户体验可度量：面向网络部，对全网用户宽带体验进行数字化度量打分、排名、诊断及辅助优化整改，先于客户投诉发现并解决问题，提升客户满意度。极简自助服务：面向最终用户，用户APP提供青少年模式、一键测速、应用加速、自助运维等系列化的用户自助服务能力，进一步提升用户粘性。34334.2.3 IntelligentFAN 全光接入自动驾驶网络解决方案针对家宽体验不可视、家宽体验经营难、运维成本高三大挑战，华为全光接入自动驾驶网络解决方案以智能分布式接入网（FTTR/智能ONT、数字化ODN、智能OLT）及iMaster NCE智能管控析系统为核心，面向宽带运营中的关键角色（市场、装维、Call Center/NOC、网络部、最终用户），总结提出A-PRIME价值框架。该方案通过引入智能硬件及大数据智能分析能力，对网络及用户体验进行数字化建模，构建接入体验 数 字 化 平 台 及 五 大 场 景 化 价 值 能 力，把PRIME品质体验带给每一个人，使能宽带品质体验经营，帮助运营商增收、节流、稳客。架构图如下：业务运营平台Rest APIsA-PRIME智能分布式接入网三方BSS三方OSS品宽ADOA-接入体验数字化平台4-4 IntelligentFANODN数字化管理：网络资源利用率、一次性业务开通成功率、ODN管理运维效率均严重依赖于对ODN哑资源的精准管理。该功能针对华为预连接ODN网络，通过自带手机APP扫码及图像智能识别，快速收集ODN设备信息并自动还原连接关系，实现自动资源录入、100%资源准确；对于传统ODN网络，通过改造成支持光虹膜的分光器及引入OAI光智能测试单板，实现ODN拓扑自动还原，大幅提升资源准确率。ODN精准排障：基于OAI 光虹膜方案，自动识别光路性能劣化及中断故障，定界故障发生范围段（主光路、分支段或入户段）及实现分钟级、米级故障定位，将光路故障处理时长从小时级缩短到分钟级。关键UC 家宽潜客精准识别：针对传统方式下，因缺乏用户家宽体验的数据支撑，营销效率低下的问题，该功能基于对“宽带体验、体验瓶颈及组网”的全面深入洞察，识别用户的潜在诉求，生成100 潜客标签，帮助运营商市场营销人员识别升套、家庭Wi-Fi组网/FTTR、场景化宽带等潜在商机，显著提升营销成功率及促进家宽收入增长。P-精准营销洞察R-高质量部署I-极速故障处理M-用户体验可度量E-极简自助服务智能管控析系统单域自治HomeSME智能OLTDQ ODN应用智能边缘计算板智能光测试板光虹膜华为自动驾驶网络解决方案华为自动驾驶网络解决方案3635敏捷业务规建：面向市场及规划部，通过资源容量预警预测，提前识别网络瓶颈；在线扩容规划将规建时长从从周级缩短到小时级；多维专线业务推荐和业务敏捷开通，使能差异化SLA的专线产品快速变现，促进收入增长。极致SLA保障：面向网络部，通过光网时延/资源/可用率三大保障能力，打造高可用网络；基于业务SLA可视监控、业务故障隐患的主动识别与诊断分析，并给出优化建议，把品质业务体验带给每个最终用户。极速故障处理：面向维护人员，告警RCA方案价值从海量告警中自动识别出根因告警，智能故障诊断快速识别故障根因及给出修复建议，将故障定位时长从小时级缩短到分钟级。网络即服务：面向IT集成部，ACTN Rest北向接口继承老接口功能及新增支持场景化北向，极简集成，加速新业务上线及运维闭环自动化，大幅缩短集成时长、保护OSS集成投资。在线扩容规划：过去，波分OCh规划依赖于人工逐段资源核查、确认空闲路由，离线业务规划以及人工部署调测，效率低下；而且，规划/工程部署/现网数据的分散部署、关键UC家宽部署验收：通过LinkHome装维助手APP，实现对设备、连接、体验（速率/覆盖/漫游/干扰/时延）等指标进行一站式综合验收，同时自动生成验收报告，标准化组网，确保100%一次性部署成功。一键故障诊断：自动分析网络及宽带体验数据，识别出当前存在的问题隐患、自动诊断、并支持对Wi-Fi/软件配置类问题的远程调优，帮助Call Center实现快速故障拦截。远程故障诊断修复：当前，视频卡顿、网速慢是NOC维护人员主要面临的两类疑难问题。该功能通过分段测速，自动对网速慢问题进行4段定责（家庭侧/ODN光路侧/OLT/承载网及服务器侧），并结合质差事件识别、秒级采集分析、14天*24小时网络KPI及应用体验数据还原、Wi-Fi/配置类问题远程调优，帮助NOC人员实现远程快速故障诊断及修复。家宽CEI体验评估优化：过去，因缺乏有效手段，宽带体验不可视，宽带体验问题主要受用户投诉驱动，用户宽带体验及满意度难以保障。针对这一挑战，该功能基于对宽带卡、断、慢问题的建模分析，对全网用户体验进行数字化评估打分、诊断，并提供主动辅助优化整改，实现先于客户投诉发现及处理问题，助力客户满意度提升。用户自助服务：通过LinkHome用户APP，为用户提供家庭网络自助管理、家长控制/青少年模式/访客网络配置、一键网络检测、测速、应用加速、体验周报、自助运维等系列化的自助服务能力，进一步提升用户的上网体验。4.2.4 IntelligentOTN 全光传送自动驾驶网络解决方案华为全光传送自动驾驶网络解决方案以全光传送网络（OXC/OTN/.）及iMaster NCE智能管控析系统为核心，面向光网及光专线运营中的关键角色（市场、规划、网络、维护、IT），总结提出T-AUTO价值框架。该方案通过融合感知及大数据智能分析能力，对光网物理世界进行抽象建模并数字化，构建网络及业务分层多维可视的光网数字世界，并提供敏捷业务规建、极致SLA保障、极速故障处理、网络即服务四大场景化价值能力，构筑高效率、高可用的全光底座，为千行百业提供高品质的专线业务体验，助力运营商增收、节流、稳客。架构图如下：全光传送网络4-5 IntelligentOTN单域自治业务运营平台ACTN Rest APIsT-AUTO三方BSS三方OSSAUTINT-传送数字地图A-敏捷业务规建U-极致SLA保障T-极速故障处理O-网络即服务智能管控析系统华为自动驾驶网络解决方案华为自动驾驶网络解决方案3635敏捷业务规建：面向市场及规划部，通过资源容量预警预测，提前识别网络瓶颈；在线扩容规划将规建时长从从周级缩短到小时级；多维专线业务推荐和业务敏捷开通，使能差异化SLA的专线产品快速变现，促进收入增长。极致SLA保障：面向网络部，通过光网时延/资源/可用率三大保障能力，打造高可用网络；基于业务SLA可视监控、业务故障隐患的主动识别与诊断分析，并给出优化建议，把品质业务体验带给每个最终用户。极速故障处理：面向维护人员，告警RCA方案价值从海量告警中自动识别出根因告警，智能故障诊断快速识别故障根因及给出修复建议，将故障定位时长从小时级缩短到分钟级。网络即服务：面向IT集成部，ACTN Rest北向接口继承老接口功能及新增支持场景化北向，极简集成，加速新业务上线及运维闭环自动化，大幅缩短集成时长、保护OSS集成投资。在线扩容规划：过去，波分OCh规划依赖于人工逐段资源核查、确认空闲路由，离线业务规划以及人工部署调测，效率低下；而且，规划/工程部署/现网数据的分散部署、关键UC家宽部署验收：通过LinkHome装维助手APP，实现对设备、连接、体验（速率/覆盖/漫游/干扰/时延）等指标进行一站式综合验收，同时自动生成验收报告，标准化组网，确保100%一次性部署成功。一键故障诊断：自动分析网络及宽带体验数据，识别出当前存在的问题隐患、自动诊断、并支持对Wi-Fi/软件配置类问题的远程调优，帮助Call Center实现快速故障拦截。远程故障诊断修复：当前，视频卡顿、网速慢是NOC维护人员主要面临的两类疑难问题。该功能通过分段测速，自动对网速慢问题进行4段定责（家庭侧/ODN光路侧/OLT/承载网及服务器侧），并结合质差事件识别、秒级采集分析、14天*24小时网络KPI及应用体验数据还原、Wi-Fi/配置类问题远程调优，帮助NOC人员实现远程快速故障诊断及修复。家宽CEI体验评估优化：过去，因缺乏有效手段，宽带体验不可视，宽带体验问题主要受用户投诉驱动，用户宽带体验及满意度难以保障。针对这一挑战，该功能基于对宽带卡、断、慢问题的建模分析，对全网用户体验进行数字化评估打分、诊断，并提供主动辅助优化整改，实现先于客户投诉发现及处理问题，助力客户满意度提升。用户自助服务：通过LinkHome用户APP，为用户提供家庭网络自助管理、家长控制/青少年模式/访客网络配置、一键网络检测、测速、应用加速、体验周报、自助运维等系列化的自助服务能力，进一步提升用户的上网体验。4.2.4 IntelligentOTN 全光传送自动驾驶网络解决方案华为全光传送自动驾驶网络解决方案以全光传送网络（OXC/OTN/.）及iMaster NCE智能管控析系统为核心，面向光网及光专线运营中的关键角色（市场、规划、网络、维护、IT），总结提出T-AUTO价值框架。该方案通过融合感知及大数据智能分析能力，对光网物理世界进行抽象建模并数字化，构建网络及业务分层多维可视的光网数字世界，并提供敏捷业务规建、极致SLA保障、极速故障处理、网络即服务四大场景化价值能力，构筑高效率、高可用的全光底座，为千行百业提供高品质的专线业务体验，助力运营商增收、节流、稳客。架构图如下：全光传送网络4-5 IntelligentOTN单域自治业务运营平台ACTN Rest APIsT-AUTO三方BSS三方OSSAUTINT-传送数字地图A-敏捷业务规建U-极致SLA保障T-极速故障处理O-网络即服务智能管控析系统华为自动驾驶网络解决方案华为自动驾驶网络解决方案3837华为IP自动驾驶网络解决方案，核心部件包括智能IP网络路由器设备（NetEngine/NE/ATN/CX等）和iMaster NCE智能管控系统。iMaster NCE面向IP网络提供算路引擎、智能运维、网络开放可编程能力，实现对网络流量的全生命周期自动化调度，帮助运营商客户构建领先的下一代端到端智能IP网络。4.2.5 IntelligentWAN IP自动驾驶网络解决方案One NET one MAP，一张网一张图，围绕“高稳可靠”与“弹性超宽”两大方向，引领IP网络迈进智能时代。方案价值无法自动同步会造成较多数据冲突及规划返工。该功能通过规划/工程部署/现网数据同源、分钟级的资源端到端自动核查、在线规划设计及OCh的自动配置，实现资源零出错，规划“零”返工，规划部署时长从周级缩短到小时级。多维业务推荐：旨在满足DCI、企业互联、企业业务上云、算力应用等各行各业的差异化业务SLA（带宽、时延、可用率）诉求，该功能基于光网数字地图和自研星途算路算法，进行多因子智能算路并自动推荐最优业务路由，满足不同客户、不同场景的差异化SLA诉求，助力专线差异化SLA变现及实现一网多业务。业 务 敏 捷 开 通：支 持 业 务 全 场 景（Client/EOO/EOS/SDH/MPLS-TP）、端到端、按SLA诉求自动算路及发放；此外，CPE即插即用实现CPE自动上线、自动配置、远程验收，CPE安装部署上站次数从3 次减少到1次。业务SLA分析：业务性能（时延、带宽利用率、速率、抖动、丢包率/误码、可用率等）、业务质量（中断/闪断/SLA劣化/保护降级/隐患）可视可回放及智能诊断分析，实现对专线业务质量的主动运维，保障专线SLA体验及提升客户满意度。光网时延保障：提供微秒级、实时动态的网络级时延地图，将过去无法感知及准确度量的专线时延变成可感知、可精准度量，就像地图导航一样，运营商市场人员能通过时延地图来评估站点/业务间时延及带宽是否满足客户诉求，以便实现网络资源的快速匹配及专线业务差异化SLA的灵活变现。此外，支持三级时延覆盖在线评估、城市间/算力节点间主备路径时延矩阵化呈现及时延绕路分析，帮助对绕路场景的时延进行主动优化。光网可用率保障：从网络、业务两个层面保障可用率。首先，在网络层面，支持网元/波长/光纤可用率多维可视、网络可用率隐患自动分析识别，并给出优化建议，打造高可靠网络。在业务层面，自动统计现网业务的可用率，并对动态风险实时仿真评估，识别业务可用率风险隐患及自动给出优化建议，以支撑对可用率的主动优化整改，避免客户投诉。告警RCA：通过告警过滤、告警聚合、疑似根因告警识别三级智能压缩，从海量告警中识别出根因告警，识别准确率95%以上，显著提升故障识别效率。智能故障诊断：基于内置eOTDR及融合模式推理算法，自动定位光路故障根因并给出故障位置及修复建议，将故障定位时长从小时级缩短到分钟级；此外，针对单板/模块/风扇/电源等硬件类故障，自动精准定位到唯一的物理故障源，高效排障。Rest北向：面向IT集成部，ACTN Rest北向 接 口 全 面 开 放 网 络 能 力，并 继 承CORBA/XML老接口功能及新增支持故障、业务端到端等场景化北向，使能与上层OSS/BSS系统的极简集成，加速新业务上线及运维闭环自动化，大幅缩短集成时长、保护集成投资。公有云 SRv6 IFIT Slicing AI网络服务 APIsIPv6 精准控制云网一站式操作4-6 IntelligentWAN网络数字地图实时感知智能决策私有云混合云华为自动驾驶网络解决方案华为自动驾驶网络解决方案3837华为IP自动驾驶网络解决方案，核心部件包括智能IP网络路由器设备（NetEngine/NE/ATN/CX等）和iMaster NCE智能管控系统。iMaster NCE面向IP网络提供算路引擎、智能运维、网络开放可编程能力，实现对网络流量的全生命周期自动化调度，帮助运营商客户构建领先的下一代端到端智能IP网络。4.2.5 IntelligentWAN IP自动驾驶网络解决方案One NET one MAP，一张网一张图，围绕“高稳可靠”与“弹性超宽”两大方向，引领IP网络迈进智能时代。方案价值无法自动同步会造成较多数据冲突及规划返工。该功能通过规划/工程部署/现网数据同源、分钟级的资源端到端自动核查、在线规划设计及OCh的自动配置，实现资源零出错，规划“零”返工，规划部署时长从周级缩短到小时级。多维业务推荐：旨在满足DCI、企业互联、企业业务上云、算力应用等各行各业的差异化业务SLA（带宽、时延、可用率）诉求，该功能基于光网数字地图和自研星途算路算法，进行多因子智能算路并自动推荐最优业务路由，满足不同客户、不同场景的差异化SLA诉求，助力专线差异化SLA变现及实现一网多业务。业 务 敏 捷 开 通：支 持 业 务 全 场 景（Client/EOO/EOS/SDH/MPLS-TP）、端到端、按SLA诉求自动算路及发放；此外，CPE即插即用实现CPE自动上线、自动配置、远程验收，CPE安装部署上站次数从3 次减少到1次。业务SLA分析：业务性能（时延、带宽利用率、速率、抖动、丢包率/误码、可用率等）、业务质量（中断/闪断/SLA劣化/保护降级/隐患）可视可回放及智能诊断分析，实现对专线业务质量的主动运维，保障专线SLA体验及提升客户满意度。光网时延保障：提供微秒级、实时动态的网络级时延地图，将过去无法感知及准确度量的专线时延变成可感知、可精准度量，就像地图导航一样，运营商市场人员能通过时延地图来评估站点/业务间时延及带宽是否满足客户诉求，以便实现网络资源的快速匹配及专线业务差异化SLA的灵活变现。此外，支持三级时延覆盖在线评估、城市间/算力节点间主备路径时延矩阵化呈现及时延绕路分析，帮助对绕路场景的时延进行主动优化。光网可用率保障：从网络、业务两个层面保障可用率。首先，在网络层面，支持网元/波长/光纤可用率多维可视、网络可用率隐患自动分析识别，并给出优化建议，打造高可靠网络。在业务层面，自动统计现网业务的可用率，并对动态风险实时仿真评估，识别业务可用率风险隐患及自动给出优化建议，以支撑对可用率的主动优化整改，避免客户投诉。告警RCA：通过告警过滤、告警聚合、疑似根因告警识别三级智能压缩，从海量告警中识别出根因告警，识别准确率95%以上，显著提升故障识别效率。智能故障诊断：基于内置eOTDR及融合模式推理算法，自动定位光路故障根因并给出故障位置及修复建议，将故障定位时长从小时级缩短到分钟级；此外，针对单板/模块/风扇/电源等硬件类故障，自动精准定位到唯一的物理故障源，高效排障。Rest北向：面向IT集成部，ACTN Rest北向 接 口 全 面 开 放 网 络 能 力，并 继 承CORBA/XML老接口功能及新增支持故障、业务端到端等场景化北向，使能与上层OSS/BSS系统的极简集成，加速新业务上线及运维闭环自动化，大幅缩短集成时长、保护集成投资。公有云 SRv6 IFIT Slicing AI网络服务 APIsIPv6 精准控制云网一站式操作4-6 IntelligentWAN网络数字地图实时感知智能决策私有云混合云华为自动驾驶网络解决方案华为自动驾驶网络解决方案一、构筑高稳可靠IP网络4039【N】错误不入网（No Configuration Error）：高精度网络仿真，错误配置提前发现；【E】静默不沉默（Efficient Fault Removal）：全业务实时监控，丢包静默故障自动识别；【T】网络不拥塞（Traffic Congestion Free）：网络流量拥塞全场景免人工自动调优。二、构筑弹性超宽IP网络【M】超宽数字快线（MUX Digital Express）：T比特小时级送达，超大带宽多路全双工数据搬运，海量数据小时级送达；【A】应用弹性保障（Premium Deterministic Experience）：应用保障随呼随建，应用驱动网络按需保障，秒级建联；【P】优质确定体验（Application-Level Elastic Guarantee）：毫秒级时延承诺，业务时延可承诺并持续保障，确保业务的优质体验。网络数字地图：通过BGP-LS、BMP等标准协议，实现多厂商网络设备物理资源、切片、隧道、路由、VPN业务、应用等数据的实时采集；同时基于分布式网络性能采集框架，实时采集、呈现超大规模网络的时延、带宽、丢包、能耗等多维指标，具备交通地图导航式体验，实现网络全息可视，帮助客户看清全网，识别业务绕行等问题。基于业务意图匹配计算最优路径，智能云图算法可实现20 因子秒级算路，秒级感知业务质差、分钟级定位根因、分钟级自动优化、满足差异化的业务 SLA 保障需求。网络配置验证：以网络设备的变更配置、互联路由与流量作为输入，模拟网络协议、流量的状态和行为，仿真网络设备的路由表与转发表项，为网络变更风险评估提供真实、客观的基础数据。在设备的路由表、转发表及流量负载基础上，使用 CPV/DPV（Control Plane Verification/Data 关键UC Plane Verification）基于一定的规则，对网络风险进行评估。CPV（Control Plane Verification）可对控制面路由数量变化（路由数量突升、路由数量突降）、路由可达性、路由可靠性（路由黑洞、路由环路）进行形式化求解验证。DPV（Data Plane Verification）可对网络转发面路径的形式化求解验证。两项技术相辅相成，从而有效识别网络配置变更带来的变更风险，并能对错误配置进行有效地识别和拦截。网络配置验证目标是彻底解决运营商的“配置焦虑”，事先评估验证网络配置影响并成功拦截错误网络配置。品质数字快线：基于Yang模型驱动构建开放可编程的高性能高可靠的自动化引擎。通过积木式的极简编程，完成新业务快速开发上线，实现“一周原型、一月测试、一季度商用”的敏捷开发目标。同时，Easy-Mapping框架可通过内置的分解、编排、计算、回溯算法，自动将网络业务分解成网元配置，最终映射到网元级别的原子API，实现业务分钟级端到端的全自动化发放。自动化引擎使能多厂商设备网络的快速业务开通，解决了业务自动化面临的挑战。新设备适配纳管周期缩短至天级，设备适配效率提升90%；新业务开发由传统的 69 个月发布一个版本缩短至 1 个月敏捷按需发布，上线周期缩短80%。BGP路由分析：基于BMP协议实时获取BGP Peer邻居关系和状态，并针对BGP邻居采集Adj-RIB-In,Adj-RIB-Out和Loc-RIB路由，呈现BGP邻居及其路由的统计信息。针对全量BGP路由和重保BGP路由进行监控，对每个BGP Peer上的路由变化（包含：路由前缀发布和撤销、路由AS-Path和源AS变化等）从时间和空间维度进行分析、统计和呈现，识别路由劫持、路由泄露等异常并触发告警。对于重点保障路由，实时监控路由可达性及时延等性能统计，路由路径变化可回放，及时感知并修复BGP路由异常。网络拥塞分析：通过热力图展示基站流量压抑分布，可视化识别网络拥塞点，优先分析高价值区域，逐层放大定位到压抑基站，精准指导扩容。基于TWAMP/IFIT技术检测基站的SLA，从基站的丢包率和实际流量进行分析统计得到基站压抑流量并判定基站是否存在质差问题。基于基站压抑流量做全网E2E的压抑流量可视、区域压抑流量统计分析可视。展示基站业务的丢包情况分布，对单个基站业务按照不同的时间节点进行逐跳路径还原，分析链路SLA、链路带宽等对丢包的影响，实现精准的故障定界定位。智能故障分析：通过对网络事件、告警进行聚类及关联分析，减少冗余告警，有效减少网络工单数量，降低运维成本。事件聚类通过事件间的时间、拓扑关联分析和聚合，将由同一条故障引起的多条告警、事件汇聚成一条故障，并自动识别根因事件，实现了一故障一工单，减少了重复派单的问题。事件聚类和根因识别基于海量运维数据，融合了丰富的专家知识 AI算法，在缺少专家指导的情况下，仍可自动、快速地定位故障，对于人工处理有困难的故障也能够较快识别出根因事件，帮助用户更加全面、快速地解决故障。网络智能优化：基于BGP-LS快速感知网络拓扑变化，包括节点、链路故障以及链路带宽、时延变化等；基于IFIT的业务随流检测，通过Telemetry秒级上报机制，精确感知业务SLA，分层显示网络和业务质量。业务质量劣化自动触发IFIT逐跳检测，基于业务转发路径发现质差点，并可与网络拓扑结合，直观可视定界定位结果。基于业务的SLA质差定界定位结果，使用多因子云图算法重新计算网络路径，结合SR-TE、SR Policy等技术对网络路径进行重优化，引导流量避开质差点，持续保障业务SLA。绿色节能：通过节能监控仪表盘满足用户从网络级、网元级等多维进行功耗呈现。通过对多个不同维度功耗数据的组合分析，支撑网络部门完成功耗问题的定界定位；通过对网络中节能设备的节能收益预测，充分挖掘网络节能潜力，为制定节能策略提供可量化的评估依据。通过采集网络设备实际节省的能耗信息，绘制设备节能收益曲线；支持历史对比分析，做到设备节能收益可评估，节华为自动驾驶网络解决方案华为自动驾驶网络解决方案一、构筑高稳可靠IP网络4039【N】错误不入网（No Configuration Error）：高精度网络仿真，错误配置提前发现；【E】静默不沉默（Efficient Fault Removal）：全业务实时监控，丢包静默故障自动识别；【T】网络不拥塞（Traffic Congestion Free）：网络流量拥塞全场景免人工自动调优。二、构筑弹性超宽IP网络【M】超宽数字快线（MUX Digital Express）：T比特小时级送达，超大带宽多路全双工数据搬运，海量数据小时级送达；【A】应用弹性保障（Premium Deterministic Experience）：应用保障随呼随建，应用驱动网络按需保障，秒级建联；【P】优质确定体验（Application-Level Elastic Guarantee）：毫秒级时延承诺，业务时延可承诺并持续保障，确保业务的优质体验。网络数字地图：通过BGP-LS、BMP等标准协议，实现多厂商网络设备物理资源、切片、隧道、路由、VPN业务、应用等数据的实时采集；同时基于分布式网络性能采集框架，实时采集、呈现超大规模网络的时延、带宽、丢包、能耗等多维指标，具备交通地图导航式体验，实现网络全息可视，帮助客户看清全网，识别业务绕行等问题。基于业务意图匹配计算最优路径，智能云图算法可实现20 因子秒级算路，秒级感知业务质差、分钟级定位根因、分钟级自动优化、满足差异化的业务 SLA 保障需求。网络配置验证：以网络设备的变更配置、互联路由与流量作为输入，模拟网络协议、流量的状态和行为，仿真网络设备的路由表与转发表项，为网络变更风险评估提供真实、客观的基础数据。在设备的路由表、转发表及流量负载基础上，使用 CPV/DPV（Control Plane Verification/Data 关键UC Plane Verification）基于一定的规则，对网络风险进行评估。CPV（Control Plane Verification）可对控制面路由数量变化（路由数量突升、路由数量突降）、路由可达性、路由可靠性（路由黑洞、路由环路）进行形式化求解验证。DPV（Data Plane Verification）可对网络转发面路径的形式化求解验证。两项技术相辅相成，从而有效识别网络配置变更带来的变更风险，并能对错误配置进行有效地识别和拦截。网络配置验证目标是彻底解决运营商的“配置焦虑”，事先评估验证网络配置影响并成功拦截错误网络配置。品质数字快线：基于Yang模型驱动构建开放可编程的高性能高可靠的自动化引擎。通过积木式的极简编程，完成新业务快速开发上线，实现“一周原型、一月测试、一季度商用”的敏捷开发目标。同时，Easy-Mapping框架可通过内置的分解、编排、计算、回溯算法，自动将网络业务分解成网元配置，最终映射到网元级别的原子API，实现业务分钟级端到端的全自动化发放。自动化引擎使能多厂商设备网络的快速业务开通，解决了业务自动化面临的挑战。新设备适配纳管周期缩短至天级，设备适配效率提升90%；新业务开发由传统的 69 个月发布一个版本缩短至 1 个月敏捷按需发布，上线周期缩短80%。BGP路由分析：基于BMP协议实时获取BGP Peer邻居关系和状态，并针对BGP邻居采集Adj-RIB-In,Adj-RIB-Out和Loc-RIB路由，呈现BGP邻居及其路由的统计信息。针对全量BGP路由和重保BGP路由进行监控，对每个BGP Peer上的路由变化（包含：路由前缀发布和撤销、路由AS-Path和源AS变化等）从时间和空间维度进行分析、统计和呈现，识别路由劫持、路由泄露等异常并触发告警。对于重点保障路由，实时监控路由可达性及时延等性能统计，路由路径变化可回放，及时感知并修复BGP路由异常。网络拥塞分析：通过热力图展示基站流量压抑分布，可视化识别网络拥塞点，优先分析高价值区域，逐层放大定位到压抑基站，精准指导扩容。基于TWAMP/IFIT技术检测基站的SLA，从基站的丢包率和实际流量进行分析统计得到基站压抑流量并判定基站是否存在质差问题。基于基站压抑流量做全网E2E的压抑流量可视、区域压抑流量统计分析可视。展示基站业务的丢包情况分布，对单个基站业务按照不同的时间节点进行逐跳路径还原，分析链路SLA、链路带宽等对丢包的影响，实现精准的故障定界定位。智能故障分析：通过对网络事件、告警进行聚类及关联分析，减少冗余告警，有效减少网络工单数量，降低运维成本。事件聚类通过事件间的时间、拓扑关联分析和聚合，将由同一条故障引起的多条告警、事件汇聚成一条故障，并自动识别根因事件，实现了一故障一工单，减少了重复派单的问题。事件聚类和根因识别基于海量运维数据，融合了丰富的专家知识 AI算法，在缺少专家指导的情况下，仍可自动、快速地定位故障，对于人工处理有困难的故障也能够较快识别出根因事件，帮助用户更加全面、快速地解决故障。网络智能优化：基于BGP-LS快速感知网络拓扑变化，包括节点、链路故障以及链路带宽、时延变化等；基于IFIT的业务随流检测，通过Telemetry秒级上报机制，精确感知业务SLA，分层显示网络和业务质量。业务质量劣化自动触发IFIT逐跳检测，基于业务转发路径发现质差点，并可与网络拓扑结合，直观可视定界定位结果。基于业务的SLA质差定界定位结果，使用多因子云图算法重新计算网络路径，结合SR-TE、SR Policy等技术对网络路径进行重优化，引导流量避开质差点，持续保障业务SLA。绿色节能：通过节能监控仪表盘满足用户从网络级、网元级等多维进行功耗呈现。通过对多个不同维度功耗数据的组合分析，支撑网络部门完成功耗问题的定界定位；通过对网络中节能设备的节能收益预测，充分挖掘网络节能潜力，为制定节能策略提供可量化的评估依据。通过采集网络设备实际节省的能耗信息，绘制设备节能收益曲线；支持历史对比分析，做到设备节能收益可评估，节华为自动驾驶网络解决方案华为自动驾驶网络解决方案能效果可量化。全网资源的节能状态实时可视，通过节能收益的预测，可快速找到收益最高的可节能的资源，从而提高用户的策略制定效率。基于Netconf/Yang技术实现网络级节能策略部署，支持多台设备的一键式节能，提供便捷、流畅的节能策略下发体验，并且实时刷新设备节能状态。42414.2.6 IntelligentCampusNetwork 企业园区自动驾驶网络解决方案华为园区自动驾驶网络方案，通过园区iMaster NCE提供的基于人、事、物和网的四维网络数字地图，提供企业总部园区、生产园区到多个办公分支的从有线到无线全场景看的清，控得住，管得了的管控析融合管理平台，实现园区网络的全生命周期的自动化和智能化的管理和运维能力。4-7 IntelligentCampusNetwork网络层管控层应用层终端层AI推理数字孪生零等待：基于网络数字地图让网络管理从经验依赖到自动管理的转变，实现零等待网络开通，降低85%以上OPEX。零干预：终端接入策略控制，从人工管理到自动控制的转变，实现零干预的秒级无感接方案价值入和安全管理。零中断：网络运维，自动实现应用体验感知，从被动响应到自动优化的转变，实现零中断分钟级自动优化应用体验。意图开局：基于场景知识库和协同推荐算法，实现业务场景与网络模型精准映射和个性化推荐结合，为业务意图推荐最佳网络方案，降低网络开通对人员依赖，实现分钟级网络开通。网络数字地图：基于一张数字地图清晰呈现网元、用户、终端和应用四个维度的体验感知，200 典型问题主动分析，一键直达问题根因，省时省力，避免人工分析带来维护困扰；智能校验：通过仿真校验，实现连通性验证接入仿真，提高验证速度，缩短验证时间，解决传统方案中变更10分钟，验证4小时，验证不充分被重复投诉的问题，实现网络的零差错变更。关键UC业务随行：通过自然语言所见即所得编排，矩阵式极简管理、结合IP-Group技术跨厂商部署，一次配置策略随身，让用户在全无线园区内随时随地接入网络体验一致。终端智能管理：基于传统的终端指纹库和创新性应用聚类识别能力，已知类型识别在98%，新型未知识别在95%，精准识别接入网络的终端设备，进而对接入的终端设备分配对应网络，以及私接和仿冒识别，降低人工干预，实现终端零干预无感接入。应用和VIP重保：通过园区数字地图和随流检测，独家实现从无线空口到有线侧E2E关键应用体验测量，基于时间和空间维度快速定界定位，实时智能调优，端到端保障应用和VIP体验，智能网络调优，提升整网性能58%；华为自动驾驶网络解决方案华为自动驾驶网络解决方案数字地图能效果可量化。全网资源的节能状态实时可视，通过节能收益的预测，可快速找到收益最高的可节能的资源，从而提高用户的策略制定效率。基于Netconf/Yang技术实现网络级节能策略部署，支持多台设备的一键式节能，提供便捷、流畅的节能策略下发体验，并且实时刷新设备节能状态。42414.2.6 IntelligentCampusNetwork 企业园区自动驾驶网络解决方案华为园区自动驾驶网络方案，通过园区iMaster NCE提供的基于人、事、物和网的四维网络数字地图，提供企业总部园区、生产园区到多个办公分支的从有线到无线全场景看的清，控得住，管得了的管控析融合管理平台，实现园区网络的全生命周期的自动化和智能化的管理和运维能力。4-7 IntelligentCampusNetwork网络层管控层应用层终端层AI推理数字孪生零等待：基于网络数字地图让网络管理从经验依赖到自动管理的转变，实现零等待网络开通，降低85%以上OPEX。零干预：终端接入策略控制，从人工管理到自动控制的转变，实现零干预的秒级无感接方案价值入和安全管理。零中断：网络运维，自动实现应用体验感知，从被动响应到自动优化的转变，实现零中断分钟级自动优化应用体验。意图开局：基于场景知识库和协同推荐算法，实现业务场景与网络模型精准映射和个性化推荐结合，为业务意图推荐最佳网络方案，降低网络开通对人员依赖，实现分钟级网络开通。网络数字地图：基于一张数字地图清晰呈现网元、用户、终端和应用四个维度的体验感知，200 典型问题主动分析，一键直达问题根因，省时省力，避免人工分析带来维护困扰；智能校验：通过仿真校验，实现连通性验证接入仿真，提高验证速度，缩短验证时间，解决传统方案中变更10分钟，验证4小时，验证不充分被重复投诉的问题，实现网络的零差错变更。关键UC业务随行：通过自然语言所见即所得编排，矩阵式极简管理、结合IP-Group技术跨厂商部署，一次配置策略随身，让用户在全无线园区内随时随地接入网络体验一致。终端智能管理：基于传统的终端指纹库和创新性应用聚类识别能力，已知类型识别在98%，新型未知识别在95%，精准识别接入网络的终端设备，进而对接入的终端设备分配对应网络，以及私接和仿冒识别，降低人工干预，实现终端零干预无感接入。应用和VIP重保：通过园区数字地图和随流检测，独家实现从无线空口到有线侧E2E关键应用体验测量，基于时间和空间维度快速定界定位，实时智能调优，端到端保障应用和VIP体验，智能网络调优，提升整网性能58%；华为自动驾驶网络解决方案华为自动驾驶网络解决方案数字地图44434.2.7 IntelligentFabric 数据中心自动驾驶网络解决方案华为数据中心自动驾驶网络解决方案，核心部件包括CloudEngine数据中心交换机与iMaster NCE自动驾驶网络管理与控制系统，实现计算、存储、业务网络三网全IP架构并提供一致性网络体验，支持IPv6，并在业界率先实现L4自动驾驶网络能力，支持数据中心网络全生命周期自动化与全网智能运维运营，OPEX可降低30%，使能企业智能化升级。零等待：助力业务部署和上线时间缩短到分钟级，大幅缩减运作人员工作量，提升运维人员工作效率零失误：评估网络变更风险，建立预防由于方案价值人因引发故障的保障机制，杜绝人为操作差错，提升安全生产率零中断：预测网络趋势，预防网络质量劣化和故障，最大减少问题发生。一旦发生故障，极速定界定位和精确排障。意图驱动规划部署：iMaster NCE与客户业务结合，通过对客户业务和网络意图的理解和翻译，自动选择最佳网络部署方案，使能业务端到端自动化发，实现意图的全生命周期自动化闭环。网络变更仿真评估：以现网设备配置、拓扑和资源信息作为输入，通过网络建模和形式化验证算法，评估变更风险，彻底解决设计逻辑漏洞、配置误操作等人为问题，保障配置错误不入网。智能运维1-3-5：通过Telemetry技术实现对网络性能数据收集，基于业务体验全面评估网络健康度，1分钟主动识别60 隐患和风险、90 典型故障；基于知识图谱和华为独有AI算法进行故障聚合溯源，3分钟定位根因；再基于智能决策系统，分析故障影响并推荐优选故障处理方案，实现典型故障5分钟快速恢复。使能产业生态：能够无缝嵌入企业运维系统，成为运维流程的一个关键环节，助力数据中心全网实现自动化闭环。iMaster NCE北向通过Runbook业务设计器灵活编排业务流，与客户运维系统无缝对接；南向通过AOC开放可编程平台实现多厂商设备快速适配，从而实现多厂商多云异构网络分钟级全自动化开通；同时，开放全量网络数据服务，快速与业务性能监控系统集成，实现业务与网络一体化运维。多元算力网络加速：采用网络级NSLB算法，根据整网交换机节点流拥塞状态和全网拓扑进行全局算路，识别出最优路径，完成关键UC计算任务的路径分配，保证路径不冲突，实现通用计算、存储及AI智算等多元算力网络吞吐最优，大模型训练效率提升20%。应用网络一体化运维：通过xFlow智能全流分析方案，构筑覆盖DC内跨厂商跨Fabric跨异构组网的全路径、全流全包的应用流分析能力。基于应用网络数字孪生进行技术创新，构建出全网应用交互梳理、应用性能画像与异常检测、基于真实流的DC内全路径还原、应用故障智能定界、逐跳网络节点排障、应网融合根因溯源等6 项关键技术，实现业务报障一站式诊断、故障分钟级定位定界、重保应用质量实时感知。FinOps运营：将成本理念引入网络，从网络角度为运营的精细化管理提供数字化支撑，辅助运营进行成本核算、投资决策、降本增效等操作。对于企业的基础实施资源，智能感知全网资源使用，基于资源使用热力图，分析业务资源利用率高低，辅助决策业务的扩缩容处理，提供推荐方案，执行业务变更，一键式完成配置部署。4-8 IntelligentFabric业务设计平台企业ITSM通用网元模型统一数据底座Vendor AVendor B软件SDN多云网络硬件SDN多厂商设备传统网络华为自动驾驶网络解决方案华为自动驾驶网络解决方案44434.2.7 IntelligentFabric 数据中心自动驾驶网络解决方案华为数据中心自动驾驶网络解决方案，核心部件包括CloudEngine数据中心交换机与iMaster NCE自动驾驶网络管理与控制系统，实现计算、存储、业务网络三网全IP架构并提供一致性网络体验，支持IPv6，并在业界率先实现L4自动驾驶网络能力，支持数据中心网络全生命周期自动化与全网智能运维运营，OPEX可降低30%，使能企业智能化升级。零等待：助力业务部署和上线时间缩短到分钟级，大幅缩减运作人员工作量，提升运维人员工作效率零失误：评估网络变更风险，建立预防由于方案价值人因引发故障的保障机制，杜绝人为操作差错，提升安全生产率零中断：预测网络趋势，预防网络质量劣化和故障，最大减少问题发生。一旦发生故障，极速定界定位和精确排障。意图驱动规划部署：iMaster NCE与客户业务结合，通过对客户业务和网络意图的理解和翻译，自动选择最佳网络部署方案，使能业务端到端自动化发，实现意图的全生命周期自动化闭环。网络变更仿真评估：以现网设备配置、拓扑和资源信息作为输入，通过网络建模和形式化验证算法，评估变更风险，彻底解决设计逻辑漏洞、配置误操作等人为问题，保障配置错误不入网。智能运维1-3-5：通过Telemetry技术实现对网络性能数据收集，基于业务体验全面评估网络健康度，1分钟主动识别60 隐患和风险、90 典型故障；基于知识图谱和华为独有AI算法进行故障聚合溯源，3分钟定位根因；再基于智能决策系统，分析故障影响并推荐优选故障处理方案，实现典型故障5分钟快速恢复。使能产业生态：能够无缝嵌入企业运维系统，成为运维流程的一个关键环节，助力数据中心全网实现自动化闭环。iMaster NCE北向通过Runbook业务设计器灵活编排业务流，与客户运维系统无缝对接；南向通过AOC开放可编程平台实现多厂商设备快速适配，从而实现多厂商多云异构网络分钟级全自动化开通；同时，开放全量网络数据服务，快速与业务性能监控系统集成，实现业务与网络一体化运维。多元算力网络加速：采用网络级NSLB算法，根据整网交换机节点流拥塞状态和全网拓扑进行全局算路，识别出最优路径，完成关键UC计算任务的路径分配，保证路径不冲突，实现通用计算、存储及AI智算等多元算力网络吞吐最优，大模型训练效率提升20%。应用网络一体化运维：通过xFlow智能全流分析方案，构筑覆盖DC内跨厂商跨Fabric跨异构组网的全路径、全流全包的应用流分析能力。基于应用网络数字孪生进行技术创新，构建出全网应用交互梳理、应用性能画像与异常检测、基于真实流的DC内全路径还原、应用故障智能定界、逐跳网络节点排障、应网融合根因溯源等6 项关键技术，实现业务报障一站式诊断、故障分钟级定位定界、重保应用质量实时感知。FinOps运营：将成本理念引入网络，从网络角度为运营的精细化管理提供数字化支撑，辅助运营进行成本核算、投资决策、降本增效等操作。对于企业的基础实施资源，智能感知全网资源使用，基于资源使用热力图，分析业务资源利用率高低，辅助决策业务的扩缩容处理，提供推荐方案，执行业务变更，一键式完成配置部署。4-8 IntelligentFabric业务设计平台企业ITSM通用网元模型统一数据底座Vendor AVendor B软件SDN多云网络硬件SDN多厂商设备传统网络华为自动驾驶网络解决方案华为自动驾驶网络解决方案46454.2.8 IntelligentServiceEngine数智化运营运维解决方案随着5G网络、家宽的快速发展，大规模复杂网络以及多样化新业务，运营商面临着成本、效率、质量以及人才转型的多重运维挑战，运营商纷纷进行探索创新和实践，加速运维运营数智化转型，持续提升运维效率、为客户带来极致体验以及运营增值。华为提供跨域协同数智化运营运维解决方案，主要包括AUTIN智能运维、SmartCare极致体验以及ADO品质家宽。华为智能运维解决方案AUTIN，面向运维场景的提质、增效、加速人才转型三个关键诉求，助力运营商加速迈向三“零”的运维数智化转型。首先，面向提质：在5GC场景下，重大故障影响范围大、定界定位时间长。华为AUTIN，实现面向业务影响事件的智能预测，风险可提前预测，以及分钟级的机器自动诊断，重大故障MTTR缩短，成效显著；其次，面向增效：NOC网管中心日常70%以上为重复作业，效率低且依赖专家个人经验；华为AUTIN，帮助NOC实现监维一体自动化、诊断智能辅助，以及现场作业通过手机数字化辅助自助闭环，可实现故障自动诊断，故障自动闭环，降低每网元工单量，运维效率大幅提升；第三，面向运维人才转型：运维作业都自动化以后，传统的运维人才怎么办？华为开放平台和丰富的运维知识资产，提供可编排的低代码运维应用开发平台，降低运维人才转型门槛，提供体系化的人才转型伴飞和赋能服务，实现运维应用开发周期从月降到周，AUTIN智能运维SmartCare业务体验解决方案旨在瞄准支撑运营商网络NPS、客服投诉万投比等价值成效为目标，通过融合数据平台能力构建运营商的智能数据引擎，提供面向运营商的全业务体验管理服务解决方案，以体验驱动数字化运营转型，提升用户全生命周期价值，使能运营商从“以网络为中心”的运营，向“以用户为中心”的数字化运营转型。1、体验领域通过“三协同”转变，进一步提升用户体验，使能运营商数据价值变现SmartCare极致体验加速运维人才转型。通过持续的专家经验封装，以及华为持续迭代的领域自动化和数智化引擎，让智能化运维平台越用越自动化，越用越智能。1）体优协同：通过体验 性能数据精准入网格、精准入栅格、精准入3D建筑等核心技术，构建“体优协同”面向未来ADN的用户体验，以及业务质量精准可视可管、精确可定界定位能力，支撑运营商体验NPS提升；ADO品质宽带方案聚焦用户上网质量和满意度提升，对准两大价值场景：家宽上网质量提升，用户发展。1、以主动优化的策略助力运营商准确识别质差用户，对质差用户进行家庭侧、网络侧和资源侧的优化，提升网络质量、减少质差用户，提升客户满意度；ADO品质宽带通过分钟级、用户级、应用级体验数据进行质差建模，实现用户的真实上网质差感知，找出上网体验质差的用户；然后继续以体验数据为根本，结合PON网管性能和告警的数据对质差问题进行根因分析，实现端、管、云分段定界定位，实现质差诊断；通过主动优化的手段，对质差问题进行电话安抚，派单上门等手段进行问题整治，即质差优化；最后通过辅助运营、质差整治效果跟踪等形成做到质差闭环。2、业务体验DataOps能力：一站式的数据集成，开发，治理与可视。通过低码工具链，降低数据资产开发和数据消费的门槛，实现业务体验数据与无线、B域等 数 据 的 集 成 融 合，构 建 跨 域 D a t a DevOps能力，支撑多业务场景快速低成本定制开发上线的诉求；提供丰富的阈值数据模型资产，实现多场景专题业务分析，报表制作敏捷开发落地。提供元数据驱动的数据管理，数据质量，数据生命周期管理，数据安全管理，实现领域数据的透明，优质，高效，安全开放。2）体维协同：业务体验管理驱动运营商从NOC到SOC转型，实现“体维协同”，打通体验和故障的生产流，支撑运营商网络质量维护的高效识别、快速定界和闭环，支撑网络NPS提升；通过构建投诉前AI质差贬损分析和AI自动群障识别，投诉中基于跨域关联多数据源的故障树自动分析，提供从投诉预测预防，到投诉快速定界到投诉快度闭环等端到端服务能力，支撑运营商客服万投比下降；3）体业协同：基于O B S跨域数据源，通过构建精准灵活迭代的AI大数据模型，促进体验和业务协同，例如网红直播场景的加速用户获取，支撑移动运营商提升营销成功率，实现网络产品化变现。2、以O域数据加上B域数据为输入，潜客模型为基础支撑潜客识别，智能营销，实现价值运营，增值提收。对准挖掘潜在高价值用户（千兆，FTTR等），ARPU值提升的目标，利用O域数据进行建模分析，挖掘体验压抑、宽带诉求强、提速意愿高的潜在客户，提高潜客识别准确性和营销成功率。华为自动驾驶网络解决方案华为自动驾驶网络解决方案46454.2.8 IntelligentServiceEngine数智化运营运维解决方案随着5G网络、家宽的快速发展，大规模复杂网络以及多样化新业务，运营商面临着成本、效率、质量以及人才转型的多重运维挑战，运营商纷纷进行探索创新和实践，加速运维运营数智化转型，持续提升运维效率、为客户带来极致体验以及运营增值。华为提供跨域协同数智化运营运维解决方案，主要包括AUTIN智能运维、SmartCare极致体验以及ADO品质家宽。华为智能运维解决方案AUTIN，面向运维场景的提质、增效、加速人才转型三个关键诉求，助力运营商加速迈向三“零”的运维数智化转型。首先，面向提质：在5GC场景下，重大故障影响范围大、定界定位时间长。华为AUTIN，实现面向业务影响事件的智能预测，风险可提前预测，以及分钟级的机器自动诊断，重大故障MTTR缩短，成效显著；其次，面向增效：NOC网管中心日常70%以上为重复作业，效率低且依赖专家个人经验；华为AUTIN，帮助NOC实现监维一体自动化、诊断智能辅助，以及现场作业通过手机数字化辅助自助闭环，可实现故障自动诊断，故障自动闭环，降低每网元工单量，运维效率大幅提升；第三，面向运维人才转型：运维作业都自动化以后，传统的运维人才怎么办？华为开放平台和丰富的运维知识资产，提供可编排的低代码运维应用开发平台，降低运维人才转型门槛，提供体系化的人才转型伴飞和赋能服务，实现运维应用开发周期从月降到周，AUTIN智能运维SmartCare业务体验解决方案旨在瞄准支撑运营商网络NPS、客服投诉万投比等价值成效为目标，通过融合数据平台能力构建运营商的智能数据引擎，提供面向运营商的全业务体验管理服务解决方案，以体验驱动数字化运营转型，提升用户全生命周期价值，使能运营商从“以网络为中心”的运营，向“以用户为中心”的数字化运营转型。1、体验领域通过“三协同”转变，进一步提升用户体验，使能运营商数据价值变现SmartCare极致体验加速运维人才转型。通过持续的专家经验封装，以及华为持续迭代的领域自动化和数智化引擎，让智能化运维平台越用越自动化，越用越智能。1）体优协同：通过体验 性能数据精准入网格、精准入栅格、精准入3D建筑等核心技术，构建“体优协同”面向未来ADN的用户体验，以及业务质量精准可视可管、精确可定界定位能力，支撑运营商体验NPS提升；ADO品质宽带方案聚焦用户上网质量和满意度提升，对准两大价值场景：家宽上网质量提升，用户发展。1、以主动优化的策略助力运营商准确识别质差用户，对质差用户进行家庭侧、网络侧和资源侧的优化，提升网络质量、减少质差用户，提升客户满意度；ADO品质宽带通过分钟级、用户级、应用级体验数据进行质差建模，实现用户的真实上网质差感知，找出上网体验质差的用户；然后继续以体验数据为根本，结合PON网管性能和告警的数据对质差问题进行根因分析，实现端、管、云分段定界定位，实现质差诊断；通过主动优化的手段，对质差问题进行电话安抚，派单上门等手段进行问题整治，即质差优化；最后通过辅助运营、质差整治效果跟踪等形成做到质差闭环。2、业务体验DataOps能力：一站式的数据集成，开发，治理与可视。通过低码工具链，降低数据资产开发和数据消费的门槛，实现业务体验数据与无线、B域等 数 据 的 集 成 融 合，构 建 跨 域 D a t a DevOps能力，支撑多业务场景快速低成本定制开发上线的诉求；提供丰富的阈值数据模型资产，实现多场景专题业务分析，报表制作敏捷开发落地。提供元数据驱动的数据管理，数据质量，数据生命周期管理，数据安全管理，实现领域数据的透明，优质，高效，安全开放。2）体维协同：业务体验管理驱动运营商从NOC到SOC转型，实现“体维协同”，打通体验和故障的生产流，支撑运营商网络质量维护的高效识别、快速定界和闭环，支撑网络NPS提升；通过构建投诉前AI质差贬损分析和AI自动群障识别，投诉中基于跨域关联多数据源的故障树自动分析，提供从投诉预测预防，到投诉快速定界到投诉快度闭环等端到端服务能力，支撑运营商客服万投比下降；3）体业协同：基于O B S跨域数据源，通过构建精准灵活迭代的AI大数据模型，促进体验和业务协同，例如网红直播场景的加速用户获取，支撑移动运营商提升营销成功率，实现网络产品化变现。2、以O域数据加上B域数据为输入，潜客模型为基础支撑潜客识别，智能营销，实现价值运营，增值提收。对准挖掘潜在高价值用户（千兆，FTTR等），ARPU值提升的目标，利用O域数据进行建模分析，挖掘体验压抑、宽带诉求强、提速意愿高的潜在客户，提高潜客识别准确性和营销成功率。华为自动驾驶网络解决方案华为自动驾驶网络解决方案48面向未来万物互联、万物智能的智能时代，对网络管理提出了更高的要求：业务多样性，网络规模、运维复杂度、网络能耗等呈现指数级增长趋势，而运营商的运维人员数量基本不会增加。面对以上挑战，通信网络亟需系统性引入人工智能，并基于网络数字孪生的控制闭环和知识闭环，逐步打造一张自动、自愈、自优的自智网络。通过构建通信领域的数字员工、重构运维模式，系统性提升通信行业生产力水平。在迈向高阶自智网络的道路上，需要标准和产业组织、运营商、供应商、科研院所、行业管理部门等全产业共同努力，共同探索。在此我们倡议：05展望及建议展望及建议加速产业代际定义：共同定义L4目标，明确代际特征和成效指标，牵引产业发展方向；加速产业标准制定：推动制定L4自智网络分级标准，定义高阶能力接口，促进产业高效协同；加速产业技术突破：协同推动融合感知、数字孪生、AI大模型、智能决策等自智网络核心技术突破，驱动产业技术升级；加速产业创新实践：联合探索L4商业应用场景，聚焦价值创造，实践全流程创新，加速产业价值闭环。48面向未来万物互联、万物智能的智能时代，对网络管理提出了更高的要求：业务多样性，网络规模、运维复杂度、网络能耗等呈现指数级增长趋势，而运营商的运维人员数量基本不会增加。面对以上挑战，通信网络亟需系统性引入人工智能，并基于网络数字孪生的控制闭环和知识闭环，逐步打造一张自动、自愈、自优的自智网络。通过构建通信领域的数字员工、重构运维模式，系统性提升通信行业生产力水平。在迈向高阶自智网络的道路上，需要标准和产业组织、运营商、供应商、科研院所、行业管理部门等全产业共同努力，共同探索。在此我们倡议：05展望及建议展望及建议加速产业代际定义：共同定义L4目标，明确代际特征和成效指标，牵引产业发展方向；加速产业标准制定：推动制定L4自智网络分级标准，定义高阶能力接口，促进产业高效协同；加速产业技术突破：协同推动融合感知、数字孪生、AI大模型、智能决策等自智网络核心技术突破，驱动产业技术升级；加速产业创新实践：联合探索L4商业应用场景，聚焦价值创造，实践全流程创新，加速产业价值闭环。迈向智能世界白皮书自动驾驶网络联接 智能加速迈向高阶自智网络华为技术有限公司深圳市龙岗区坂田华为基地电话:(0755)28780808邮编:免责声明本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不构成任何要约或承诺，华为不对您在本文档基础上做出的任何行为承担责任。华为可能不经通知修改上述信息，恕不另行通知。版权所有 华为技术有限公司 2023。保留一切权利。非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复制本手册内容的部分或全部，并不得以任何形式传播。商标声明 ，是华为技术有限公司的商标或者注册商标，在本手册中以及本手册描述的产品中，出现的其他商标、产品名称、服务名称以及公司名称，由其各自的所有人拥有。

62人已浏览 2023-10-16 51页 5星级

施耐德电气 IACS 无人行车白皮书 融合创新，实现更安全，可靠，高效的智能库区管理 目录 前言 钢铁行业处于重要的战略调整时期 智能制造、融合创新将是钢铁行业未来的发展方向 第 1 章 智能制造为.

26人已浏览 2023-10-01 25页 5星级

高级别自动驾驶应用高级别自动驾驶应用 白皮书白皮书 编写单位：中国汽车工程研究院股份有限公司编写单位：中国汽车工程研究院股份有限公司 北京三快在线科技有限公司北京三快在线科技有限公司 北京百度网讯科.

92人已浏览 2023-09-26 51页 5星级

2023北京市高级别自动驾驶示范区数据分类分级白皮书2.02023年9月指导单位：北京市高级别自动驾驶示范区工作办公室编写单位：北京车网科技发展有限公司国汽(北京)智能网联汽车研究院有限公司参编单位：.

43人已浏览 2023-09-25 59页 5星级

自动驾驶未来今日如何通过人工智能、数字化和仿真技术的协同，加快实现对自动驾驶功能的高效验证？23513171819目录简介验证和确认生态系统的多个维度的集成人工智能和数字孪生对自动驾驶汽车认证的影响 .

130人已浏览 2023-09-11 21页 5星级

 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2023.09.04 高阶高阶智驾智驾的突破与挑战的突破与挑战 自动驾驶行业专题研究报告自动驾驶行业专题研究报告 吴晓飞吴晓飞(分析师.

28人已浏览 2023-09-06 17页 5星级

请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告|20232023年年0808月月0707日日超配超配智能驾驶行业专题智能驾驶行业专题算法篇：算法篇：AIAI 赋能背景下看汽车智能.

30人已浏览 2023-08-10 54页 5星级

面向新商业模式的高级别自动驾驶法律责任白皮书（2023）同济大学百 度2023 年 7 月 

88人已浏览 2023-08-01 50页 5星级