當下，跨界造車正成為一種潮流?；ヂ摼W造車已過，家電業跨界造車來襲。繼小米宣布造車之后，格力、創維、美的、海爾等被曝光正在為新能源造車布局。

截止2021上半年，市場上跨界造車企業越來越多。從所屬行業分布來看，除了互聯網公司入局，家電、地產、通信、出行、科技制造，甚至白酒等行業巨頭也加入了造車的行列。其中包括華為、恒大、寶能、小米、OPPO、BAT、360、創維、格力、魅族、美的、富士康、大疆、滴滴、寧德時代、以及五糧液等。

第二波跨界造車，勝算幾何？

在過去幾十年里，造車這件事情，一直是傳統車企巨頭的游戲，車企巨頭把控著市場、技術、產業鏈，沒有一個明確的技術突破，跨界造車幾乎沒有任何機會。

在2003年，中國家電行業就曾掀起過一波“造車熱潮”。彼時正值家電市場競爭白熱化，美的、奧克斯、波導、夏新、新飛、格林柯爾等都曾通過并購方式進軍汽車業，謀求新的產業增長點。不過，當時跨界的企業低估了造車的難度，投入的資金就像無底洞，沒有能堅持下去，項目紛紛宣告破產或者被回購。

汽車制造產業鏈的復雜度高，不僅涉及設計方案、制造Demo，還需要考慮量化生產以及銷售售后等問題。如果費勁周折，造出一輛沒有足夠競爭力的車型，跨界造車也難以立足。

然而，特斯拉汽車的出現，開啟了汽車電動化、智能化的浪潮。電力驅動所帶來的能源革命催生了新的出行方式，智能化的升級給了全新的用戶體驗。不僅實現了零排放，特斯拉還將互聯網元素和智能理念融入到車輛，使它變得與眾不同。

之前從沒有一輛車，能夠通過車內大屏幕，控制互聯網瀏覽、空調、導航、媒體、燈光、電話、座椅加熱、天窗開關，充電，懸架，以及車輛狀況等各種信息。一時間，特斯拉市值一度超過了世界9大車企市值的總和，新能源汽車的未來不可估量。

與此同時，人們只能在影視劇里幻想的自動駕駛功能，并不再是遙不可及，具有L2級自動駕駛功能的Autopoilt，已經可以讓你謹慎地體驗一下松開手腳開車的感覺。滿懷夢想的自動駕駛企業，如春筍破土般，在全球市場上努力研發和測試，讓自動駕駛系統更加安全和穩定。自動駕駛技術正成為第二次跨界造車企業成功逆襲的機會。

自動駕駛是未來汽車“皇冠上的寶石”

智能化的汽車正在被市場逐步接受，我們已經不滿足于汽車僅能實現微信聊天和聽音樂等功能，享受汽車智能化便利的同時，也在為智能汽車提出進一步需求。我們在幻想著可以擺脫雙手雙腳，讓車輛自主行駛，甚至利用車內時間做其他事情，長途跋涉不再需要駕駛員，技術的進步給足了用戶的期待。

目前，智能駕駛輔助功能在新車中的裝載率越來越高，在商業競爭中，智能駕駛功能已然成為打造產品差異化的重要手段，一輛具有OTA智能升級的車型正在成為主流，而自動駕駛將成為未來的標配。

從技術發展角度看，未來的汽車將會以端云一體的自動駕駛功能為基礎，構建全新的多模式主動交互方式和功能。車云一體架構也將打通云端與車端服務，汽車的功能將大部分由軟件來定義。

基于無人駕駛技術和未來多模式主動交互方式和功能需求，要求汽車具備更大的算力和能源的支持。未來的汽車將會采用一個巨大算力的控制器來滿足整車所有功能的實現，這個控制器的算力或許將超過2000T，同時配合超大的通訊帶寬、面向服務化的軟硬件分離的架構，支持跨域的全場景功能的融合，這個時代的汽車可以稱之為四個輪子上的超級計算機。

自動駕駛不僅是智能汽車發展的方向，也是打造未來更安全、高效、節能的交通強國的重要手段。在國家交通部發布的《智能汽車創新發展戰略》中，提到“到2025年，自動駕駛基礎理論研究取得積極進展，道路基礎設施智能化、車路協同等關鍵技術及產品研發和測試驗證取得重要突破；在部分場景實現規?；瘧?，推動自動駕駛技術產業化落地。”

未來的汽車將會成為我們生活中的第三空間，滿足我們對空間想象的不同需求。到那時，汽車不僅可以用它來休閑娛樂、商務會議、晚間休憩，還將成為我們的購物空間、親子空間以及會客空間等。總之，未來智能駕駛和智能交互技術支撐起來的出行工具成為我們除辦公室和家庭之外停留時間最長的第三空間。

數據是實現自動駕駛的養料

自動駕駛技術作為人工智能的應用分支，即使是起步較早的公司也不過研究了五六年時間，而且目前所依賴的算法、傳感器甚至是技術路線，基本是大同小異。在同一起跑線上，誰先占據了自動駕駛的制高點，就能首先帶動汽車銷量的猛增。

華為王軍曾表示，真正能夠顛覆汽車行業生態和產業鏈的技術是自動駕駛。

自動駕駛從感知到決策，都離不開機器學習算法，而目前該算法主要是依靠數據去驅動的，比如對攝像頭中的圖像進行物體識別，就需要大量被標注了實體的圖像作為訓練數據，通過這種深度學習的方法，才能從新的圖像中識別出物體。

而機器學習在行為決策中的運用一般屬于強化學習的范疇，智能體需要與環境進行交互，智能體的每一步行為都會影響環境，同時環境的變化也會影響智能體的行為。從大量與環境交互的樣本數據中，學習到環境與行為的映射關系，智能體就能從每感知一次環境，就能“智能”地做出行為。

機器學習本質上就是依靠數據驅動的，車輛需要大量真實交通場景下的多維、長尾數據喂養，而且數據規模越大，算法就會進化的越智能。因此，高質量數據的獲取速度和規模很大程度上決定了自動駕駛技術落地的時間表和商業化體量。

誰能快速產生、篩選、處理高質量的數據，誰就掌握話語權。目前來看，通過依靠量產車型上車，拿到足夠多的攝像頭和激光雷達真值數據，并建立一套完整的數據獲取和數據分析的方案，實現真正的數據自動化，正成為自動駕駛公司建立“數據壁壘”的方式之一。

越來越多的跨界造車企業的加入當然是一件好事，說明汽車行業的未來潛力巨大，也有助于促進政策和規范的落地。企業官宣造車，如果不是為了抱著“拉動股價，PPT造車，貼牌造車或者靠造車圈地”等目的，只是虔誠地想為世人打造一款優質的交通工具，那么就需要規劃未來汽車發展的形態，而自動駕駛必然是繞不過去的。