生成式AI改變自動駕駛架構，引發汽車產業運算需求的爆炸性成長

關鍵字：()；()；()；(；)；()；()；()；()

瀏覽次數：59｜歡迎推文：

科技產業資訊室(iKnow) - 友子發表於 2026年6月22日

圖、生成式AI改變自動駕駛架構，引發汽車產業運算需求的爆炸性成長

汽車產業正步入一個日益以生成式AI為主導的階段。如今，生成式AI正在加速向原生AI端到端（E2E）架構的轉變，這種架構能夠直接從大量資料集中學習駕駛行為。E2E系統能夠更有效地適應陌生環境，應對更複雜的駕駛情況，並在處理更多數據後更快地改進。
十多年來，ADAS和自動駕駛技術的發展主要由基於規則的軟體架構驅動，工程師們編寫了數千條明確的指令來控制車輛在特定場景下的反應。這種方法實現了從自動緊急煞車到主動式車距巡航系統的更高水準和便利，也為自動駕駛奠定了基礎。如今，該產業正在經歷一場深刻的架構轉型。

首先，生成式AI改變了這一格局。傳統系統依賴明確程式設計規則或選擇性機器學習，然而E2E架構則直接從大規模資料集中學習駕駛行為，因此能夠更有效地泛化到陌生場景，展現出更自然、更人性化的駕駛行為。

其次，推動L4級自動駕駛能力正在推動整個生態系統內更緊密的合作。半導體公司、OEM和行動營運商之間的合作日益普遍。在許多情況下，部署遵循分階段模式：首先，收集車隊真實駕駛資訊；然後，在人工監督下進行部署，在受限環境中驗證系統性能；最後，各公司推出完全無人駕駛營運模式。這些合作正在重塑競爭格局，並加速技術迭代。

如今E2E架構，被認為是第二代自動駕駛技術，或稱為AV 2.0。它使用基於 Transformer的模型，這些模型在網路規模和車輛生成的數據集上進行訓練，以學習複雜的駕駛行為並泛化到各種不同的環境中。

在致力於實現端到端自動駕駛的公司之中，他們對於設計方案尚未達成共識。一個主要的方案設計概念是透過模組化系統，它將AI學習的優勢與模組化工程的透明度相結合。第二種設計理念依賴單體架構，該架構使用單一模型同時處理感知和規劃好的規則，在某些情況下甚至包括車輛控制。

即使他們沒有設計方案共識，但是業界日益達成的共識是：E2E架構在高度多變的駕駛環境中表現優於傳統系統。

此外，向AI原生E2E架構的轉變正在引發汽車產業運算需求的爆炸性成長。半導體和車載運算平台正成為關鍵的競爭優勢。

在汽車半導體上，主要趨勢包括：採用GPU和NPU處理AI工作負載；資訊娛樂和ADAS應用對運算效能的需求不斷提高；以及新興架構，例如融合系統級晶片和晶片組。

總之，下一代自動駕駛技術的發展，不僅取決於車輛本身，還取決於AI、運算、半導體和超大規模基礎設施領域的突破。隨著生成式AI加速向原生AI E2E系統的轉型，自動駕駛領域的領導地位之爭將越來越取決於誰能建構業界最強大的AI生態系統。那些成功將汽車產業專業知識與軟體、數據和計算方面的獨特能力相結合的公司，最終或許將定義未來出行方式。（1078字；圖1）

參考資料：
Reinventing autonomous driving in the age of generative AI. McKinsey & Company, 2026/6/9

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------