3 月 30 日，中国电动汽车百人会论坛（2025）在北京圆满落幕。
3 月 30 日，中国电动汽车百人会论坛（2025）在北京圆满落幕。在大会 AI 汽车论坛上，腾讯智慧出行解决方案总经理费玉霞发表了题为《云图一体，助力自动驾驶落地》的主题演讲。她指出，随着智能汽车迈入「AI 驱动」时代，数据闭环能力已成为核心增长引擎，腾讯整合了算力、网络、数据、安全等方面的先进技术和产品，助力汽车行业构建新一代的车云一体化数据闭环。
费玉霞表示：「车企在智能汽车发展上聚焦在智能驾驶、智能座舱、EE 架构等核心领域构建自己独特的优势和用户体验，这些是冰山之上的部分，在冰山之下其实还有一个庞大的体系，就是数据闭环的能力。腾讯致力于为车企解决好冰山下的底座能力，让大家全力聚焦在核心业务上面。「
数据闭环是横跨车端和云端的一个复杂体系，整个链路非常长且复杂。为了支持好数据闭环的落地，腾讯构建了五大基础能力，分别是车端数据解决方案、云网络解决方案、数据平台解决方案、模型训练解决方案和全链路安全合规方案。
目前，腾讯已经具备「一云多芯」能力来帮助车企管理异构算力，向上提供统一的入口，向下屏蔽不同芯片之间的差异，混合算力集群利用率可以达到 98.4%。在训练和推理方面，腾讯为车企、科技公司提供一站式的工具，开箱即用，模型训练提效 30% 以上，推理效率提升最高 2.5 倍，推理运行过程中 GPU 利用率能提升 60%，帮助客户用好每一张卡。
以下为演讲实录：
过去几年智能汽车蓬勃发展，腾讯也深度参与其中。我们在过去有很多落地的实践，在这个过程中也遇到很多挑战，也有了一些解决方案，今天和大家做一个分享和汇报。希望在今天的交流互动中能和大家看到新的场景，共同探索新的可能性。
2025 年我们有三个热词：1、端到端大模型；2、VLM；3、VLA。按照我们开玩笑一句话，这辆汽车很快就能变成汽车人了，实际上这件事情是有可能发生的，我们正在助力它进一步发生。
当我们谈到大模型不得不关注底层算力，今天大模型底层算力从千卡级别跃升到万卡甚至十万卡级别，我们目前有类似的客户集群规模到了七八万卡。面对这么大算力集群的时候，一个最显著的问题就是我们集群里面有非常多种类型的算力卡在里面，这时候会对模型训练造成巨大的挑战，因为每个芯片提供的算力是不一样的。整个行业都在呼吁具备多种芯片管理能力的云平台尽快出现。
今天，腾讯在提供算力的同时，也在积极解决这个问题，我们全面适配市面上各种类型的芯片。向上我们提供统一的入口，向下屏蔽不同芯片之间的差异。腾讯自研的大模型——混元，其实底层也有多种类型的 GPU 卡组成。腾讯在混合训练平台里面结合云端「一云多芯」能力，混合算力集群利用率可以达到 98.4%。
第二，除了异构算力之外，我们还需要进一步提升训练和推理效率。我们为车企、科技公司提供一站式的工具，开箱即用。在这个工具里面内置很多预训练的大模型。同时，我们提供了训练加速和推理加速套件，在训练的过程中，我们能对训练进行 30% 的提效，在推理过程中，我们能让推理效率提升最高 2.5 倍，在推理运行过程中 GPU 利用率能提升 60%，帮助我们客户用好每一张卡。
在算力平台之上，我们构建端到端的数据闭环，在这个体系之上，我们可以帮助车企在上层应用方面充分利用好数据，构建车企自身的模型和算法，加速迭代。
在算法演进同时，数据闭环也是其中关键的一环。数据闭环离不开云底座的支撑，腾讯在全球范围运营 21 个地理区域，58 个可用区，全球范围 3200 个加速节点，可以为遍布全球的智能汽车提供高质量的就近接入服务。在公有云之外，腾讯云按照自然资源部对地理信息数据的要求构建了两个专属的云专区，分别位于华东（上海）和华北（河北怀来），这两个云专区的网络既独立于公有云，与互联网物理隔离，满足合规要求，又沿用了公有云相同的产品和技术架构。腾讯也是业界第一个建设自动驾驶专有云的厂商，至今为止也是唯一能够提供「两地三中心」自动驾驶云解决方案的云厂商。
先发优势让我们结识很多行业伙伴，也有很多落地实践，在服务行业客户的过程中，我们积累了全面的服务能力，囊括了自动驾驶方方面面的需求，包含数据采集、数据注入、数据脱敏、数据标注、数据管理、模型训练、仿真验证等。与此同时，我们也看到行业里面对高质量数据的大规模的要求。2023 年，把我们的地图数据以服务的形式开放出来，到今天为止有很多 OEM 和科技公司都采购了我们的地图数据服务，用于自动驾驶研发和自动驾驶量产运营，效果也非常的不错。在今年仍有很多旺盛的需求出现。
要落实数据闭环能力就绕不开两件事情：1、合规，因为自动驾驶涉及大量的地理信息数据；2、安全，这也是我们绕不开的。合规约束的引入有可能会拖慢业务迭代的效率，如何兼顾合规和效率是一大课题。与此同时，车企进行体系化的安全建设，同样会带来体系的复杂性，如何既落实全栈安全，又能让安全更加简单可靠是另外一大命题。但是我们已经很好解决了这个问题。至于我们是怎么做的，说起来简单做起来复杂。简而言之，我们会深入客户的业务场景中，这意味着我们的架构师、交付工程师需要深刻理解自动驾驶研发的方方面面才能深入每一个细节，才能让我们的合规和安全贴合业务，我们这样的做法和方案也获得广泛的认可，从 2022 年到今天我们服务了很多的车企和科技公司。
腾讯在整合算力、网络、数据、安全等方面的先进技术和产品，助力行业构建新一代的车云一体化数据闭环，目前已经和很多车企都做了落地。车企在智能驾驶发展上聚焦在智能驾驶、智能座舱、EE 架构等核心领域构建自己独特的优势和用户体验，这些只是冰山之上的部分，在冰山之下其实还有一个庞大的体系，这个庞大的体系就是数据闭环的能力，是冰山之上所有能力的核心。今天腾讯致力于为车厂解决好冰山下的底座能力，让大家全力聚焦在核心业务上面。
数据闭环是横跨车端和云端的一个复杂体系，我们打开一个车企的数据闭环团队可以发现，涉及到各类团队，有算法、数据、Infra 等等，这个体系涉及到车端的数据采集、网络传输上云，再到云端进行数据处理、算法优化、新的能力下发到车端实现功能升级，整个链路非常长且复杂。为了支持好数据闭环的落地，我们构建了五大基础能力，分别是车端数据解决方案、云网络解决方案、数据平台解决方案、模型训练解决方案和全链路安全合规方案。
提到数据闭环不得不提到数据的车端方案，刚才我们看到数据入车和出车是两个难题，车端的感知数据和用户数据都会涉及到安全合规约束。这给车端数据处理带来非常大的挑战，腾讯提供了丰富的车端数据解决方案，其中包含数据采集、数据脱敏处理、数据上行、数据下行等全链路解决方案，可以在车云两端进行高效数据交换。腾讯的车端解决方案具备很多优势：
1、广泛的兼容性，通过项目和各类不同的操作系统包括芯片架构进行了适配；
2、我们的方案适用面也很广，对于回传文件的大小可以做自适应兼容，最大可以支持 30G 的单文件的传输，在传输过程中也支持断点续传、动态分片。在实际项目里面即便在 5% 丢包量、300 毫秒延迟的弱网环境下，数据依然可以可靠地传到云端上来；
3、腾讯的车端数据解决方案对资源占有限，效率也很高，我们就以加密为例，非对称加密性能提升 50%，对称加密性能提升 1.87 倍。
4. 最后在合规方面腾讯有全链路解决方案，可以一站合规。
在云端的处理环节，我们现在认为有两个非常基础也非常典型的挑战。
第一，大规模数据的交付周期长、成本非常高，因为我们要让车去路端去采集，硬盘快递的方式送到云上来，这个过程非常耗时，也会存在非常大的交付风险。尤其在智能驾驶当下集体卷的时候，经常成为算法迭代的瓶颈。为了解决这个挑战，我们做了一件事情，我们把腾讯地图采集的数据进行了预处理、加工和适配，这些数据可以用于标注也可以用于自动驾驶训练。从 2023 年年底到现在，我们服务了很多客户。以我们的真实数据为例，在自动化标注场景里能提升 10 倍效率，把成本降低 90%。
第二个挑战，如何从海量数据中高效挖掘高质量的数据，我们推出两款产品和服务：1、数据万象；2、向量数据库。数据万象是多模态的 SaaS 型产品，基于视觉大语言模型构建，它的泛化性非常好，所以非常适合 Conercase 的挖掘，实测结果是准召率超过 95%。第二个产品是向量数据库，非常适合基于向量数据的挖掘，向量数据库可以支撑千亿级向量规模，支持 500 万 QPS 峰值，和目前行业水平来看我们性能有 1.5 倍提升，这些不仅能降本也能增效。
以上是腾讯在过去多年的积累和实践经验。我们始终专注于做好「冰山之下」的基础设施，让汽车行业伙伴能够更专注于上层的智能化应用创新，专注于模型和算法的迭代，专注于用户体验的持续完善，让我们一起携手迈向 AI 汽车新时代。谢谢！
来源：互联网
