本報記者 龔夢澤

    “過去一款車的上市周期是48個月，之后縮減到36個月甚至24個月。時至今年，很多的車型從立項到上市只需要18個月，甚至個別激進的廠商僅需12個月就完成了新車的上市，這是現在行業里已經發生的事情。”在近期舉辦的“2023全球智能汽車產業大會”上，百度智能駕駛事業群組（IDG）智能汽車業務部總經理蘇坦對如今新車上市周期縮短感觸頗深。

    蘇坦在接受《證券日報》記者采訪時表示，在合作邊界清晰、產品迭代速度不斷加快的今天，此前談論頗多的主機廠與軟件商的“靈魂”論調已鮮被提及。不斷加速的造車速度正在帶動全產業鏈內卷的加劇。

    談及在智能汽車領域依然風頭無兩的自動駕駛時，蘇坦認為，一方面，自動駕駛雖然在整個資本圈很熱，但落地量產的速度比想象中還是偏慢。另一方面，今年有大量新產品開始大規模量產。這為自動駕駛企業提供了絕佳的用戶口碑閉環和商業化閉環的機會。

    自動駕駛加速破冰迎來商業化良機

    得益于市場的快速發展，2023年自動駕駛行業迎來了爆發式的產品應用上車量產，商業化落地閉環的曙光似乎從未如此之近。

    “我自己強烈地感覺到自動駕駛行業的拐點正在非常快速地推進。”蘇坦在接受《證券日報》記者采訪時表示，中國自動駕駛上車的速度正以一種洶涌的姿態向我們走來，L2市場已經開始朝著標配化的趨勢發展。而L2.5市場正在快速地破冰，在行業里現在非常多的具有高性價比，且用戶體驗比較過硬的產品，在今年開始大規模的量產了。

    蘇坦向記者透露，以前的自動駕駛產品難于推廣在于用戶并沒有把它作為購車的首要決策因素，但是這件事情通過行業共同努力，已經開始出現了破冰的跡象。

    “今年的一份調研顯示，智駕在購車決策重視因素的占比中已經有了大幅度提升，占到了10%。”蘇坦認為，雖然自動駕駛在所有購車因素中看似只占一成比例，但是這種快速提升的趨勢，讓我們看到未來自動駕駛會成為汽車行業核心購車決策因素的一個關鍵項，這個時日不遠了。

    除了消費觀念的轉變，核心智駕滲透率的快速提升也將自動駕駛迅速推向前臺。蘇坦稱，在15萬元-30萬元的廣闊區間里，智駕滲透率幾乎是以兩年翻倍的速度在提升。這件事情給自動駕駛企業提供了非常多的產品應用、上車量產的機會，并極大有助于實現良好的用戶口碑和商業化落地閉環。

    蘇坦指出，從百度的行業實踐來看，明顯感到汽車的駕駛，從過去分布式的架構，迅速朝著功能整合的方向發展，初階的行泊一體和進階的行泊一體產品已經進入行業并被充分認知，而且可以持續迭代。與此同時，無論是在今年9月份已經量產上市的嵐圖汽車，還是最近上市的極越01，都讓百度Apollo對于搭載裝車信心十足。

    蘇坦告訴記者，從橫向市場看，百度Apollo的速度并不慢。行業里面現在已經能夠成熟量產，并且應用的以科技公司提供方案的案例實際并不多。

    據其透露，今年就會把入門級的行泊一體，從AEB、ACC、LCA加上泊車基于座艙域控制器和頭部車企在10月份正式量產上市。“今年是百度Apollo面向ToB領域的大年，每個季度都有類似量產車型落地，我們也希望通過相關的產品，可以讓中國的整個汽車的智能化水平和自動駕駛在終端的應用水平進一步得到提升。”蘇坦表示。

    百度智駕定義為能力提供者和體驗定義者

    此前一段時間，關于智能駕駛企業和主機廠“靈魂論”的討論不絕于耳。對此，蘇坦表示，現在和主機廠很少討論這個問題，因為在過去的實踐中已經解決了這個問題，百度和主機廠之間的關系，實際上是能力的提供者和體驗的定義者：百度為主機廠提供快速迭代的基礎能力，并且幫助主機廠一起打造上層的相關的體驗。

    比如，基于百度提供的智能座艙行業大模型，OEM可以再進一步去打造自己的品牌大模型，因此，工作效率可以獲得大幅度的提升。同時，百度也為OEM搭建自己品牌大模型提供完善的開放工具鏈。

    談及華為、小鵬等友商已經發力無圖智駕、全面開城的話題時，蘇坦表示，智駕到底是無圖還是去激光雷達等，本質上是要解決兩個問題。一是怎么樣把智能駕駛場景盡可能快地應用到更大范圍；二是怎么樣把整個智能駕駛的系統在體驗有保障的情況下把成本降下來，讓更多的車能用上去。

    “華為和小鵬的去高精地圖實際上是在解決一件事，就是怎么樣把成本降下去的同時，讓自動駕駛的范圍能夠擴大。”蘇坦稱，百度現在的方案是“重感知輕地圖”。

    在蘇坦看來，“輕圖”最大的好處第一個是生產成本和使用成本都比較低。第二個它提供了對于整個智駕系統非常好的底層支撐，運用范圍極大。同時他坦言，行業里面很多“無圖方案”本質上也是“輕圖”方案，這個沒有太大的區別和路線爭議。

    當記者問到大模型如何賦能智能駕駛時，蘇坦表示，從某種意義上來看，百度是最早在全球范圍內完成了從算力到框架，到模型，到應用，四層架構全棧布局的廠商。在百度集團內部，每個業務線都在思考，自己所在的領域如何通過大模型給行業更好的賦能。

（編輯 袁元）