腾讯智慧出行副总裁刘澍泉：智能汽车“淘金潮” 腾讯赚卖铲子的钱

智能驾驶市场规模已经进入高速增长时期。有数据显示，2024年1-5月，我国L2级新乘用车渗透率突破50%。而端到端大模型等新技术的涌现，也将大幅推动效率提升，加速技术泛化。

当下，自动驾驶已经实现由规则驱动向数据驱动转变，数据闭环能力将成为 汽车 智能化的关键。依托“车云一体”的数据闭环，形成“车端推理+云端训练”的开发模式，将显著加速模型及算法的迭代和进化。

如果将自动驾驶用一座冰山来比喻，在水面之上，是目前大家更关注的智能驾驶功能表现和安全体验，而在水面之下，还涉及了大量的数据相关的收集、存储处理和模型训练等工作。这些“冰山之下”的平台工具，是支撑上层算法和体验不断优化的关键底座。

近期，智驾网独家访谈了腾讯智慧出行副总裁刘澍泉。刘澍泉表示，当前，云已经成为智能汽车的生产力。在智能汽车市场，腾讯专注提供好云、地图、AI等工具和平台。“我们更希望的是有人挖矿，而腾讯则是在淘金时代去卖牛仔裤、卖水，赚卖铲子的钱。”

以下为对话实录：

数据能力是智能汽车的关键

智驾网：腾讯智能汽车云被称为行业首个针对智能驾驶打造的专有云。这个针对自动驾驶专门打造的云，和普通的云有什么区别吗？

刘澍泉：我觉得其实最大的几个区别：第一个，我们是针对于自动驾驶的合规。因为大家都知道，在中国做自动驾驶离不开数据，所有的数据又都和地图相关，地图又属于测绘法所管辖的范围。所以针对于如何去自动化的获取数据、自动化的去处理数据以及更合理、合规的使用数据，整套的数据的生态链，是安身立命之本。我们可以做到整个自动驾驶数据流程里面的合规。

第二个区别，针对于自动驾驶所特有数据的一些高效使用。这些特有的数据，和 手机 的数据不一样。自动驾驶的传感器里边所去产生出来的数据，不管是激光点云数据还是图像点云数据，因为传感器不一样，所以它数据的种类不一样，数据的形态不一样，所以针对于这些数据，整个生命周期管理上面所需用到的存储、查询的数据库以及后面去进行数据生命周期管理的工具链都不一样。腾讯智能汽车云针对于整个自动驾驶特有的数据处理流程，进行了成本的优化。

第三点区别，是数据训练不一样。因为数据在哪训练，算力就应该在哪。现在大家都在面临的行业困难，实际上是属于算力稀缺，我们如何能够去把网络、存储、算力集合在一起。腾讯致力于去提供一个，应该说是AI infra的环境，在有限的资源里边，帮助客户获取更大的算力资源，然后去提高整个效率。

智驾网：那这个算力解决需要像很多这个人工智能的算力一样，会有这种芯片的稀缺性的问题吗？

刘澍泉：也有。

智驾网：那咱们怎么解决呢？

刘澍泉：我们实际上是通过多种算力资源的补充去进行解决的。除了像我们现在用的主流芯片一些库存以外，我们也在引进新的一些算力资源，我们也有一些替代性的国产芯片。同时，我们自己优化了我们的网络架构，比如vRDMA这样的一些网络能力，能够通过物理网卡模拟RDMA网卡的性能，然后去把整个的网络和计算的配比做了更好的优化，能够让GPU运算效能提得更高一些。

智驾网：我看到今天咱们会分享一个观点，就是说大家关注的自动驾驶、智能座舱体验，可能只是冰山之上的一部分，而冰山之下的基础设施能力、云基础设施、工具链合规和地图数据的能力、数据闭环的能力，决定了智能汽车的迭代速度。怎么来理解这句话？

刘澍泉：如果大家把时间轴推到10年前，我们再去看手机，或者说整个移动 互联网 兴起的时候，那个时候数据也是满天飞。大家也都在说，今天芯片、算力，整个数据量有多大，但是我们那时候流行的有一句话叫大数据炼金，但是真正有多少人炼出金了吗，对吧？存活下来的主流的厂商其实是非常少的，那个时候我们会发现练内功才是很重要的。也就是说，今天芯片你只要有足够的资本，没有政策法规上的这些限制的话，基本上都可以买到，你在同一个起跑线上。

然后，数据的部分，你能采了我也能采，大家也在同一个起跑线上，那你的差异在哪？有很多人认为是算法上的差异，但是今天有了Transformer以后，你会发现，数据加上算力的暴力破解以后，其实算法上的差异也没有那么大。所以当大家差异都不大的时候，你会发现内功反而是最重要的，也就是我如何用一套软件的服务能力，去把我整个的效率给它提升起来。

我们都需要芯片，也都需要数据，但是我怎么能够用一套工具链，能够快速的获取数据，能够快速的把最有价值的数据去把它提取出来。我如何快速的进行这种场景分析，去进行模型迭代，就是企业长久竞争的最根本的东西。MLops就是基于这个machine learning（机器学习）里面的这一套的操作系统，那它有的叫数据飞轮，有的说我需要数据闭环这样一些系统,它的核心就是，我如何更快速地获取数据去完成模型的迭代，然后去把更新以后的算法下放，这样一个过程。

你的迭代的效率越快，你越能够去领先市场，但是你要想迭代起来的时候，你是需要整套的工具链出来的，这套工具链就是从最开始的，我刚才所说的数据获取到模型评价到模型下发的整体的过程。

智驾网：行业老有灵魂和躯壳论，智能驾驶的灵魂，那是不是就意味着掌握在你的手里头？

刘澍泉：我认为这个不对，因为今天来去看的话，什么是灵魂、什么是躯壳？其实腾讯所去扮演的，实际上是提供了一个更通用的框架，然后每一个人都会在基础的框架上面去做调优。这就好像是你用了LLaMA开源大模型，你去建立一个对话机器人，你一定会根据你的语言特性、你的用户特点去进行调优的。我认为这个调优的过程，它会是灵魂的过程，而这个通用的东西，其实它是一个开源的环境所去建设的，因为它解决的更通用的一个问题。

智驾网：感觉腾讯在汽车云这个领域布局非常大，咱们内部评估过，它的市场容量达到什么规模呢？

刘澍泉：我们其实两三年前，有了一个浅浅的规划，我认为应该在25年的时候，整个在市场应该是一个百亿级左右的这样一个规模。

智驾网：每年百亿级？

刘澍泉：对，然后还会持续往上去，还会往上去涨，我感觉可能今年就应该能够达到这个级别。

智驾网：那五年之后会达到什么规模？

刘澍泉：这个不好预计，今天大家已经走到了一个端到端的这样的架构，也就是说，通过数据驱动来去解决今天自动驾驶的长尾问题，然后再去解决自动驾驶的泛化问题。越来越多的这些车企再去走到这条路上来，实际上是对于数据的诉求以及对于算力的诉求，会是比较爆炸式的增长。所以今后5年确实不大好说，我认为肯定不是线性的，而是指数级的。

腾讯不造车、不做硬件、专注提供云和地图

智驾网：现在业内有这种共识，就是生成式AI和端到端正在重塑智能驾驶，就这些技术的变化对咱们推出业务，比如说云端存储、算力和网络能力的要求，相比以前会有什么变化没有？

刘澍泉：这个变化还是非常大的。如果把时间轴再推回到2020年或者2019年左右，那个时候其实在国内也有很多自动驾驶企业基本上都是在强调端上的能力，每家都在说我的计算平台是什么，我今天实现了什么样的功能，甚至有的说你看我的实时成图做的多好。但是今天来去看的话，其实端上更多的是一个蒸馏好的一个小模型放在上面，而整个模型的大模型的训练，都是在云端去完成的，所以这一块它的变化是非常大的。

那个时候是做这种以规则型为代表的这种自动驾驶，其实在云端的算力诉求并不大。今天来去看的话，对于任何一家做端到端自动驾驶的这个企业，在云端的诉求都是巨大的，可能这个企业十年的花费，才能够顶现在一年的花费。

智驾网：刚才说的这个100亿市场规模，我们理解就是和造车的基数不是一个级别。但是腾讯过去两年不断向汽车行业喊话“不造车、不做硬件、不做自动驾驶全栈算法”，不造车、不做硬件能理解，为什么不做自动驾驶这个全栈算法？这是出于什么考虑？会不会错过这个具身智能这个时代机遇？

刘澍泉：那这个就是刚才你说的，灵魂和身体之争，我们如果做了这个算法，那不就跟别人去争灵魂了吗？就是今天我提供的，还是基础的资源，不管是算力也好，还是数据也好，还是地图也好，这些都是最基础的这一层。最基础一层抽象完了以后，包括我的供给链都是抽象完的东西给到你，但是在上面最后去画龙点睛这一笔实际上是每家特有的灵魂。

也就是说，比如说您是A车企用户，可能他的性格就是属于开起来以后比较猛，喜欢超车。那我是B车企的用户，我的特点可能就是属于比较平稳。实际上，算法它会根据你的特点、你的车主画像去进行调优。这个算法调优的过程，腾讯是不碰的。

智驾网：边界也确立的特别明确。

刘澍泉：对。

智驾网：我们看到，部分车企在为L3的落地进行准备，国家相关部门也在进行法律法规的准备。腾讯智能汽车业务有没有对未来到来的L3的事故认定、法律法规的这个界定，有没有进行类似的测试和准备？

刘澍泉：我们现在是这么去考虑L3这件事情，L3它实际上可能和L4的难度比起来，可能还会再大一些。因为L3里面，它是要求在事故产生的时候，有一个责任人能够去接管这辆车。但是在事故产生的时候，人还能够有能力去接管吗？如果人不接管的时候，就是在责任认定上面特别大的一个难度。比如说像刚才所说的L3的路段，我们可以在腾讯地图上面就把它明确的标示出来，给法律、法规界定的时候提供数据依据。包括轨迹的判定，这些我们都可以做，但是刚才所说的故障怎么认定，这个过程可能腾讯做不了。

智能汽车操作系统也可以建立在云端

智驾网：现在包括这个车企开始很多在自研“全栈智能汽车操作系统”，就是打造一个涵盖智驾、智舱和智控的操作系统，这样系统有可能会建立在云端吗？因为很多年前，其实在PC端有一个提法，就像谷歌曾经提出采用云操作的PC。在智能汽车时代，可能车企把它的云操作系统放在咱们腾讯的云上，这个未来可能存在吗？

刘澍泉：这个是有可能存在的。因为操作系统这个定义其实非常的广泛，有很多事情最后都会演变成这是一个操作系统。操作系统最核心的定义，它实际上是兼容所有的这些硬件，然后对于上面的软件这一层的话提供一个通用的接口，你可以去调用，在上面可以去构建应用生态，所以这是最经典的这样一些描述。

今天你的任务调度应该怎么去做，然后你的存储应该怎么去做，打造全栈的这种智能汽车的操作系统，这件事情如果，它只可能发生在云端去定义。因为你要去定义这些东西，就是刚才所说的智舱、智驾然后加上智控，这些所有的东西，你只要去升级、只要去优化，都会涉及到云端。你只是在车端把你的当时的这个版本，把它下载下来就可以。

智驾网：但其实PC的这个云端的操作系统这么多年没有实现。

刘澍泉：PC的操作系统也不能说没有实现吧，它实际上是共融的过程。今天我们来去看的话，有多少人在用Google Doc,有多少人在用腾讯文档,如果大家抛开了比较狭义的说法，什么叫PC、什么叫云端，其实我们和云端操作系统，这种亲和度已经非常高了。

举一个简单的例子，今天你写文档的时候，用云端文档才会有一个高效协同的效率。如果你用桌面端邮件，它永远会有一个邮箱的上限，你用云端的邮件的话，它是无限的，而且它也不会丢。不会说因为你的这个PC坏了，你的邮件就丢了。

其实我们现在是处在，一个没有人再去把这个口号翻过来再去看的一个过程，我们其实已经默认接受了。其实在这里边有一个很重要的玩家叫微软，微软应该是在PC时代最受益的一方，Windows、office，这些都是PC时代最大的一个产物，但是今天不管是Windows也好，还是office也好,是不是全部云化了。

智驾网：你再回到这个智能驾驶，就有种说法像无图啊、端到端啊，这种智驾都是通过增强车端的感知能力和计算能力来实现的，和咱们强调的汽车智能云，强调云端安全和算力，这个趋势上是不是有点相悖呢？

刘澍泉：我认为这个没有背离。你车端算力越强，对于云端的这个诉求也是越强的，它是相辅相成的。就是我车端算力越强的时候，我能够承载参数越大的模型，那这个参数越大的模型从哪来的，它绝对不是单车训练出来的，对吧，它一定是云端训练出来的，所以它对于云端这一块，那我需要一个更大参数的模型的时候，那是不是需要算力更大，然后它需要的数据量更大，所以它是一个相辅相成的过程。

智驾网：其实核心的就是，单车智能的这个能力提升和云的能力提升是一个相辅相成的。

在智能汽车市场“淘金”， 腾讯只赚卖铲子钱

智驾网：腾讯帮助中国汽车出海，很大的一个业务就是完成这个合规这条线。目前这个咱们中国汽车出海的几个市场，就关于合规和中国本土的这个合规有什么不同吗？

刘澍泉：每一个地方都不一样。其实所谓的合规，就是每一个地方都要单独的去解读，我们在出海的过程中也是针对于中国客户的一些诉求，以及我们自身在海外本地的业务成熟度，联合我们一些本地的合作伙伴去做一些在云之上的一些合规处理。

可能当地的政府对于这些中国车的到来，也有不同的诉求，有的地方可能希望你越智能化越好，有的地方希望你今天能够替代燃油车，能够让人开就好了，其实这个里边就会针对不同的诉求去提供方案。

实际上首先腾讯云是一个基础，腾讯云会做到基础合规，比如说我在欧洲开服也好东南亚开服也好，我们是保证了云首先是满足了欧洲的、东南亚的、中东的对于云这一层的基础合规，然后再往上来去看今天你要去做到汽车领域里边的，其实这是行业合规。行业合规的话我们会找到当地的合作伙伴，跟我们一起去梳理这些行业合规应该如何去做，然后再往上的话应用合规，那就是谁去建设这个应用？谁拥有这个应用？谁要去承担这个合规的这样一个责任，所以其实是几层。

智驾网：腾讯担不担心在智能汽车时代可能不会出现一个像手机时代 微信 这么一个全民应用的这种程序，而在这个智能汽车时代隐藏在幕后这种感觉有没有担心的？

刘澍泉：我们并不担心，腾讯做“数字化助手”的角色是非常明确的，我们更希望的是在淘金时代有人去挖矿，我们去卖牛仔裤、卖水，赚这个卖铲子的钱。

智驾网：你怎么评价这段时间以来云在对智能汽车行业的一个影响。

刘澍泉：今年来看的话，如果正经算云计算的话，我从业十年。我认为云对于这个领域的改变，实际上才刚刚开始。因为云它实际上是一个迭代效率的象征，我们很多的东西，如果没有云计算，其实也能做。就是你今天要算力，你可以买机器，你今天要数据，可以采数据，你今天说我要交付资源，我可以买网络，但是云它实际上是改变了一种计算的交付形式给到了客户，然后把这些问题简化了，简化完了以后提高的是效率，就是原来我可能半年办成的事，今天我一天就可以办成了。

如果我们说开通一个云计算服务，我可以现场购买、现场使用，这就是效率的区别，当有这个效率区别的时候，你就会发现企业最后的竞争就是效率，你效率越高你的企业迭代越快，你的盈利能力就越强，所以我们回到原来有一句话叫做：天下武功唯快不破。这个“快”实际上解释成这个标准的话，就是效率，效率越高你就越能够生存下来这是我的观点。