百年工業啟示錄:華為云汽車專區為何是智能車云的 “費城時刻”？

近幾年，云計算廠商推出的汽車專區，是一個引人關注的新生事物，它實際上和我們每個駕駛者都有密切的關聯。

未來，不聯網、無智能的汽車，就不能稱為“活的汽車”，就像你拿著一臺不能上網的智能手機，幾乎不能產生任何應用價值一樣。

車需要智的價值，而云是智的路徑和生態力量之源，汽車專區則是這種“智”的能力的載體與引擎。

某種程度上可以說，華為云車云集中體現了華為公司在云計算、半導體、通訊技術、存儲能力、AI能力、大模型能力等方面的優勢，也是新質生產力的核心要素的匯聚。

但華為云本身并不能直接促進這種變化，它需要依托于新的伙伴、商業模式、賦能模式、應用范式等產業生態的合力，只有如此才能與大潮涌起的智能時代的發展相依相伴、互相促進。

汽車專區，因此而來，為我們每個人而來。

——導語

01

從費城百年博覽會到貴安汽車專區

1876 年的美國費城百年博覽會上，時任美國總統格蘭特親自拉動開關來啟動了當時最強悍的600噸柯立斯蒸汽機的總動力源。

費城博覽會在人類工業史上的突出地位，是第一次突出的按照分類體系（如勒普雷設計的 10 大門類、95 個領域）首次將工業產品按功能細分，反映出各行業已形成獨立技術路徑。

例如，貝爾的電話原型機、柯立斯蒸汽機（驅動全場機械）以及德國克虜伯公司的巨型鋼炮等，分別代表了通信、動力和軍工的專業化發展。

這種 “分門別類” 的展示方式，象征著工業革命從單一技術驅動轉向多賽道并行發展，也是第一次工業革命到第二次工業革命的躍遷點。

這也給此后的產業革命帶來了一個新的金標準——當某一個產業從一種比較籠統的模式（例如：模型即服務）發展到了細分賽道階段時，只要這個賽道立得住、發展得好，就說明整個市場在成熟，更反映了企業的差異化競爭力在凸顯。

少有認知的是，有許多中國人見證了這次第二次工業革命的標志性活動，格蘭特在會上與100多名留美幼童見面，更有許多中國人在這次聲勢浩大的展會中感到了深深的觸動。

“廣物產，并借以通有無，是有益于國而不徒費。于以嘆今宇宙，一大機局也”，這是到場的一位中國清朝官員的筆記。

我不知道8月28日站在智能汽車大會2025上的華為云高層，是否會在內心深處將正在發布的華為貴安汽車專區與費城博覽會聯系起來，但作為一個資深的行業研究者，我認為貴安汽車專區的出現，是云廠商汽車專區從單專區向多專區發展的一個里程碑。

單與多，不僅只是一個算術問題，它意味著人們正在為智能車的云資源提出更高的要求，追求更高的穩定性，當然也意味著更多的復雜性和技術創新，它的本質是這個細分賽道站穩了腳跟并開始長足發展，其意義堪比費城博覽會上新分類標準的提出。

也就是說，從此，圍繞汽車產業的智能云服務發展到了一個新的階段，成為云產業中價值最大、難度最高、潛在市場空間最廣，同時對我們終端消費者的直接影響也最深、最可感知的一條細分賽道，華為的汽車布局的核心差異化競爭力，也得以進一步凸顯。

汽車專區的出現，最終表現了在市場的強需求下，AI for 智能車賽道加速形成細分領域，而華為在其中處于領先地位，但它究竟會給我們帶來什么呢？

02

一個鈍角三角形

如果你把烏蘭察布、貴安新區和蕪湖在中國地圖上連接起來，會發現形成的是一個鈍角三角形，從地理位置看，三者分別橫跨中國北部、西南部和東部，形成跨度較大的空間分布。

這個鈍角三角形的面積已經接近960萬平方公里的10%。

這也是中國的云計算產業首次以多地、多中心的專區模式，來提供智能輔助駕駛從研發到應用，再到服務的一體式多區基礎設施。

這個模式所提供的算力和資源，不是拍腦袋想出來的，而是真實需求催生出來的——IDC數據顯示，華為云已經連續三年穩占中國汽車云市場份額No.1。

從另一個角度看，中國最大的智駕企業引望（包含我們熟悉的鴻蒙智行搭載車型）都是跑在華為云上，目前已超過100萬輛。同時，對于已經進入智能網聯時代的汽車來說，只有“聯網”才意味著這輛車還在使用“活的實時服務”，從這個角度來看，已經有5000萬輛智能網聯汽車在華為云上愉快的“生活著”。

然而，正是不斷增加的對算力總規模的需求，對產業研發、計算機仿真乃至對真實情況下車云協同價值日益凸顯的需求，才催生了華為云“汽車專區”的出現。

我們不忙于先分析具體的技術特性，而是著眼于大局——汽車專區出現的前世今生是什么？

——從時間線的角度來說，華為云汽車專區的出現，是華為云針對汽車智算賽道不斷提供創新產品和服務“水到渠成”的結果，從2009年開始，華為就開始投資做車載模塊，從2014年到2025年開始，華為第一次成立了車聯網實驗室，圍繞著我們的端、管、云，來為車企提供端到端的解決方案，這一路大家可以看到，華為面向汽車領域，其實是持續不斷地在加大投資。其中標志性的時間節點有這樣幾個——2019年：八爪魚解決方案發布，標志著華為云在智能駕駛領域的初步布局；2020年：車云協同解決方案發布，進一步提升了車輛與云端的協同能力；2023年：華為云烏蘭察布汽車專區上線，全國首個3AZ的汽車專區，為智能駕駛研發提供了更強大更穩定的基礎設施。2024年：基于昇騰云的智駕訓練解決方案發布，進一步提升了訓練效率。

而時間走到2025年，貴安汽車專區上線，蕪湖汽車專區也在沖刺上線，標志著中國有了世界一流的汽車云基礎設施。

圖：華為云貴安汽車專區發布儀式

——從汽車專區提供的技術的角度，一個突出的特點就是其非常接近于真實需求，而形成這一特點的原因，恰好是因為華為車BU（現引望）有著大量的實踐經驗，這既包括像華為引望這樣的車企旗下大量的優質智能網聯汽車的市場保有率逐步提升，也反映了行業對于引入華為技術如乾崑智能輔助駕駛技術的積極性，華為“不造車，幫助車企造好車”的愿景正變成現實，并反哺了華為云在汽車領域的成長。

——從提升服務質量的角度，提升了服務的可靠性、降低了在真實場景中存在的時延，進一步完善了車云協同的體驗。

雖然從理論上說，電子信息流在光纖中的傳輸速度是30萬千米/分鐘，但這只是一個理論數據，從實際執行角度，單專區方案如果物理距離較遠一定會出現延遲，這不但會造成卡頓，也降低了需要實時處理的場景的反應可靠性，華為云從自動駕駛研發初期就認識到智能輔助駕駛在體驗維度核心是要實現"慢而不呆"，而實現“慢而不呆”關鍵在于將車云時延嚴格控制在40毫秒以內，這要求構建專用基礎設施確保實時性。

更為重要的是，國家《測繪地理信息管理條例》明確規定地理信息數據必須物理隔離，為此華為采用"一南一北"的初始布局，并規劃在蕪湖建設第三個3AZ專區，這種分布式架構既滿足國土監管要求又能實現全國覆蓋。當前，云服務商的汽車專區普遍存在單點部署局限，而華為的3AZ多專區架構具有顯著優勢。通過這樣的一個布局可以滿足我們的汽車在全國各地能享受同樣的智駕服務。

如果這么說有些晦澀，那么可以看看這張圖表，其中淺色的部分是遠離現有專區的華北、東北、西北的部分地區，這些地區的用云時延都超過了40毫秒，在黑龍江的部分地區更高達60毫秒。

這意味者這些地區用戶的遭遇卡頓和延遲的概率會有明顯的提升，無論是從用戶體驗還是公平性的角度，這都是一個很大的問題。

目前，現在比亞迪、長安等車企倡導的智駕平權，正成為行業關切的焦點。很多人認為，所謂的智駕平權，主要指的是高階自動技術的下放。以最新的ADS4為例，從十幾萬起步的尚界到上百萬的尊界使用的是一套架構，這當然是平權很重要的一種體現形式。

但是，ADS4不僅是一個產品，也是一個服務，如果消費者僅僅由于自己地理位置的不同，就在智駕體驗上產生不同的體驗，有的流暢、有的卡頓，那么這從另一個角度來看，也是一種智駕未能平權的體現——因為同車型的車主為一輛車付出的成本是沒有差別的，他們也就有理由享受同樣高度一致的優質車云協同服務。

而隨著多地汽車專區的上線，以云助車就能夠提供全國的一致性體驗，任何時間、地域智能輔助駕駛功能都能穩定地工作。

如果說智駕平權、服務均等是一種重要的體驗，同樣，服務穩定也是一種重要的體驗。

我們之前提到，單專區的可用性可以達到99.9%，多專區的可用性可以達到99.999%，這是一個什么樣的概念呢？

按照運維的通識來說，99.9%意味著在一年里，將有525.6分鐘的時間是“不可用”的，而每提高1個9，出現不可用的故障時間則僅為原來的1/10，所以兩者之間的區別，是前者的不可用時間高達525.6分鐘，而后者只有5.26分鐘。

做一個略顯極端的假設，如果99.9%程度的可靠性中的不可用時間，全部被一個車主遇到的話（雖然概率極低），但著意味著他將有如此長的時間遭遇不能用APP開啟車門、車機卡頓甚至一些更嚴重的問題……而如果他遭遇的是500多分鐘的不可用時間以高度碎片化的形式呈現的話，那幾乎相當于每天都有會不可靠的用車體驗，這對車主的體驗是致命的，對車企的口碑也是致命的。

先不談多專區帶來的更多意義，僅僅從保證智駕平權和用戶的基礎用戶體驗、捍衛品牌的口碑的角度上，多專區的意義就已經大的不可估量。

03

汽車專區展現了哪些真·硬實力？

客觀來講，由于中國的智能網聯汽車的先進性、保有量在全球處于遙遙領先的地位，中國頂尖的汽車云就自然等于全球水平最高的汽車云，但這種成績也是一塊塊磚瓦扎實砌成的。

首先，值得一提的是華為云超節點的應用。

目前，英偉達仍是全球AI算力芯片的老大，但如果說單節點智算云服務器的話，華為云CloudMatrix 384超節點——這款被行業稱為“核彈級”的戰略性產品，可能是目前世界上性能最強的。CloudMatrix 384超節點為智駕模型訓練提供超強動力，是最適合智能駕駛模型，多個項目的實際測試結果顯示，在典型感知模型、E2E、VLA模型上，CloudMatrix 384超節點都能達到或者超過H100。

它并不是單一性能領先，華為云圍繞建立超節點，可以說在算力架構、超級帶寬、智能調度、先進存儲、存算一體化、資源一切可池化等技術棧上都實現了歷史性的突破，登上了全球智算的新高地。

而華為云CloudMatrix 384超節點就是華為云汽車專區主力擔當，換言之，中國的車企、智能汽車用戶，使用的是全球領先的智算超級基礎設施。

這種先進性不只是一個指標，而是對于我們每個人都有具體的意義——例如，對于目前時興的混合多專家MoE大模型的推理，一個超節點就可以支持384個專家并行推理，極大提升效率；更重要的是，對于萬億、十萬億參數的大模型訓練任務，在云數據中心，還能將432個超節點級聯成最高16萬卡的超大集群，這種規模的集群遠遠走在了應用的前面，對企業快速提升汽車的智能輔助駕駛的能力迭代有著至關重要的意義。

如此先進的技術，自然引發車企的熱情，一向熱愛新生事物的長安，就成為央企中首個應用CloudMatrix 384 超節點、以國產算力開展智駕研發的車企，已經成功實現了長安汽車自動駕駛模型的高效訓練。雙方已進行了VLA、E2E端到端模型等多種智能輔助駕駛模型的適配。

圖：華為云CloudMatrix 384超節點的長安天樞智駕發布儀式

其次，和我們的習慣性思維有些相悖的，是有些冷門的、長尾的小場景，更需要車云協同，而汽車專區的出現很大程度上優化了這些場景下的表現。

目前，由于邊緣算力的不足，很少有汽車能夠憑借車上搭載的芯片解決全部場景，車云協同是標配，但車云協同對算力和通訊能力的要求很高。

你以為很“驚險”的高速行駛，其實由于行車環境相對單一，并不那么“貪吃”算力；相反，你遇到停車后車身被后放雜物、倒地的柵欄、施工路段地面上的鋼筋、移動的障礙物、昏暗的停車場里邊界模糊的車位等等，才是車端算力搞不定的場景。

但好在這些場景也有一個共性——車輛通常在類似場景下行駛速度很慢，車主求的是“穩”“準”而不是快，這就給車云協同提供了工作時間窗口。

汽車專區的出現，甚至是汽車專區的多地布局，其實就是為了解決這類問題—— 在泊車代駕、低速巡航等復雜場景下，“以云助車”來突破車端硬件算力瓶頸，是華為云的拿手好戲。加之由于多中心布局后，云端算力不受限，云端模型升級更快，目前已經是實現了泊車成功率提升15%。

對于我們普通駕駛者來說，最強的體感就是面對這些復雜場景，車的智能輔助系統反映快了、卡在場景里的概率大幅度下降，可以說，這是消費者體感最強烈的具象場景。

再次，車和手機的界限模糊化。

廣汽集團產品本部本部長張雄在現場提出了一個有趣的問題——車企發現了一個問題，就是盡管車機功能日益豐富完善，但消費者在用車場景中還是不能丟掉手機，甚至某種程度上，車機操作和手機操作的一致性越高，消費者就越覺得順手。

但帶來的一個問題是，旗艦手機的換機時間一般也不過3年，但車機的使用壽命與車相等，要使用10年甚至更久。

消費者不可能每3年一次給車機進行硬件升級，但華為云的“云車機”解決了這個問題。

其實，十幾年前就有人提出過“云手機”和類似概念，其基礎理論和今天也沒有什么根本性的變化——車機的配置可以更便宜、更簡單，把復雜運算任務交給云端解決，車機是結果的“接收端”，這可以極大提升車機的“好用周期”，同時降低成本。

為了讓車機有更流暢、更持久、更逼近手機的體驗，華為云聯合行致共創CloudDevice云車機方案，助力廣汽實現了汽車座艙屏幕體驗升級，通過實現“算力存力上云”，讓消費者一直在使用“新車機”，而且這種體驗不僅更好、更不容易出現卡頓，背后還有核心芯片成本降低20%，應用集成周期下降50%，尤其為那些硬件規格已經較老的車型注入新能量。

圖：星云空間-廣汽x華為云 云車機發布儀式現場

而這除了華為云提供的算力、存力外，也與華為作為一個通信業務起家的大廠極其深厚的車端通訊底蘊密不可分，更讓消費者有清晰的感知——你在華為云用到的也許不只是華為云的技術，而是整個華為優勢技術在汽車生態中的沉淀和創新。

事實上，除了各種各樣的應用型技術外，我們不難發現，華為云從不為了應用而應用，而是不斷提升底層能力，追求的是全局的最優解。

從華為云聯合高校和車企推出SFU（系統有效算力）集群指標體系就可以看出來，這一指標體系完全從實際出發制定了六維度量，包括NPU資源利用率、主機資源利用率、存儲資源利用率、網絡資源利用率、任務調度、穩定性等 ——這意味著，只有華為在更高維技術上實現核心突破，才能解決許多現有條件下的矛盾……SFU集群指標體系的出現，既是打造算力集群的六邊形戰士，提高算力集群效率，也是希望捅破現有的技術體系在支撐汽車云發展上的天花板，醞釀和催生跨越式、顛覆式的新一代智算體系和架構，最終服務于中國智能汽車產業，成為全球創新策源地的引領者這個宏大但又具體目標的實現。

圖：《智駕算力運營白皮書》啟動儀式現場

結語

目前，云計算領域的主要矛盾，已經從傳統的賣資源轉向賣綜合性解決方案，這對云廠商的技術底蘊提出了更高的要求，單純“賣算力”的云廠商是幾乎不可能存活的，從這個角度來說，華為云汽車專區的出現，指出了一條從性價比PK到綜合AI能力解決方案提供商的升維之路，面對的是解決日益增加的對新的優質訓練、推理、智能駕駛輔助服務等方方面面先進解決方案的渴求。

但圍繞這個突出的矛盾，行業已經形成了兩種思路——以車企為核心搞自家的一整套技術棧，或是車企與華為云汽車專區這樣的專業解決方案提供商的合作。

舉一個例子，華為云汽車專區提供了高效、高質量的數據生成引擎，端到端閉環仿真方案，幫助用戶低成本、快速獲取高價值訓練和仿真數據，難例場景構建從1周降低到5分鐘，研發版本迭代周期從月到周。

這是沒有充分的ICT底蘊，年平均研發費用只占毛利率的幾個點的車企所難以實現的——越到下半場，汽車行業的競爭就越是一場科技競爭，研發費用占比超20%的科技企業的優勢就越明顯。

某種程度上，華為云汽車專區的出現提供了一種新范式——車企負責尋找痛點、定義場景、調研訴求、定型產品，而華為云解決實現以上種種精微深奧的技術問題，只有這樣雙方各務所長又通力合作，才是我們沖擊智能汽車全球桂冠的路徑中需要解決的核心議題。