人工智能浪潮席卷全球，自動駕駛作為其皇冠上的明珠，正經歷一場由底層技術驅動的深刻變革。其中，大模型與智算中心已成為技術演進和產業落地的“剛需”基礎設施。在這一關鍵賽道上，以毫末智行為代表的企業，正憑借前瞻布局與技術創新，引領著自動駕駛“新基建”的構建，并積極探索人工智能公共數據的價值釋放路徑，為產業加速發展注入核心動能。

一、 技術剛需：大模型與智算中心重塑自動駕駛研發范式

1. 大模型：從感知到認知的“大腦”升級
傳統的自動駕駛技術棧依賴于大量標注數據和特定場景的模型訓練，存在泛化能力弱、長尾問題處理難的瓶頸。以Transformer架構為基礎的大模型（特別是多模態大模型），通過海量數據預訓練，獲得了強大的通用表征與生成能力。在自動駕駛領域，大模型能夠更高效地理解復雜、動態的交通環境，實現從“感知-決策-控制”的端到端優化，甚至具備一定的常識推理和場景理解能力，顯著提升了系統的安全性、舒適性和應對“Corner Case”（極端情況）的魯棒性。大模型正成為自動駕駛系統進化的“超級大腦”。

2. 智算中心：算力供給的“動力心臟”
大模型的訓練與部署消耗著驚人的算力資源。傳統計算中心難以滿足其大規模并行計算、低延遲高帶寬的數據吞吐需求。智算中心（AI Computing Center）應運而生，它專門為人工智能任務設計，集成高性能AI芯片（如GPU、NPU）、高速互聯網絡與存儲系統，提供集約化、規模化的澎湃算力。對于自動駕駛企業而言，自建或接入強大的智算中心，是高效迭代算法模型、處理海量行車數據、進行大規模仿真測試的物理基礎，直接決定了研發效率與技術進步的速度。算力即生產力，智算中心已成為自動駕駛競爭的“動力心臟”。

二、 毫末實踐：引領自動駕駛“新基建”建設

面對大模型與智算中心的雙重剛需，行業領先者已展開積極布局。以毫末智行為例，其發展路徑清晰地體現了對這套“新基建”的深刻理解和戰略投入。

• 智算中心建設：毫末很早就認識到算力的戰略意義，投入建設了專屬的自動駕駛智算中心。該中心不僅提供了模型訓練所需的強大算力，更通過軟硬件協同優化，實現了算力效率的極致提升，支撐其數據智能體系（MANA）的持續進化，縮短了技術迭代周期。
• 大模型技術應用：毫末將其數據智能體系MANA全面升級為“MANA大模型”，涵蓋了視覺、激光雷達、文本等多模態感知能力，以及認知、世界模型等關鍵維度。通過大模型技術，毫末能夠更高效地利用海量真實道路數據與合成數據，自動化地解決數據標注、場景理解、仿真生成等難題，大幅降低了研發成本，并提升了系統整體性能。
• “自動駕駛產品”規模化落地：基于堅實的“新基建”，毫末成功將高階智能駕駛系統（如城市NOH）大規模搭載于多款量產乘用車上，實現了技術的快速產品化與商業化閉環，讓前沿技術真正服務于廣大用戶。

三、 關鍵燃料：人工智能公共數據的價值挖掘

在“大模型+智算中心”的架構中，高質量、大規模的數據是驅動系統進化的“燃料”。除了企業自身積累的行車數據，人工智能公共數據的開放與利用顯得愈發重要。這包括政府主導開放的交通場景數據（如特定區域的路測數據、交通流數據）、標準化的仿真測試場景庫、以及經過脫敏處理的行業共享數據等。

公共數據具有覆蓋面廣、場景多樣、標準相對統一的特點，能夠有效彌補單一企業數據在長尾場景、地理范圍上的不足，助力行業共同攻克技術難題。毫末等領軍企業在此方面也扮演著推動者角色：

• 推動數據安全合規使用：積極探索在數據隱私保護（如聯邦學習、數據脫敏）的前提下，參與行業數據生態建設。
• 貢獻標準與工具：通過開源部分工具鏈、參與制定數據標注與仿真標準，為行業構建高效、可信的數據處理與應用環境貢獻力量。
• 反哺技術迭代：將基于公共數據與自身數據聯合訓練的模型能力，反饋到產品中，形成“數據獲取-模型訓練-產品提升-產生新數據”的正向循環，并可能通過云服務等方式，將部分能力賦能給更廣泛的行業伙伴。

###

自動駕駛的競爭，已從單車智能的比拼，演進為以“大模型、智算中心、數據生態”為核心的“新基建”體系化競爭。毫末智行等企業的實踐表明，只有前瞻性地構筑起強大的算力底座、積極擁抱大模型技術革命、并協同推動高質量數據（尤其是公共數據）的合規流通與利用，才能在新一輪產業升級中占據制高點，最終推動安全、普惠的自動駕駛時代早日到來。這不僅是企業的發展之路，也是整個產業構建健康、可持續技術生態的必然選擇。