2024年，中國城市智駕迎來全面爆發。在這場高階智能駕駛的競速賽中，廣汽正以穩健而堅定的步伐，向行業第一梯隊邁進。
廣汽的“星靈智行” ADiGO 技術品牌，以AI重構智能汽車，全面推動AI賦能智能駕駛和智能座艙，加速汽車從“移動工具”，向“智能終端”進化。廣汽 GSD 智能輔助駕駛實現了對復雜城市場景的泛化理解能力。系統現已覆蓋至少35個主場景、357個子場景，在紅綠燈起停、擁堵博弈變道、待轉區左轉等高難度場景中表現游刃有余，城市場景覆蓋率超99%，被動接管率優于100公里/次。同時，廣汽成為全國首批 L3 自動駕駛準入的車企之一，達到行業領先水平。
而這背后，是一場關于“數據洪流”的硬仗。廣汽投入在端到端自動駕駛的訓練數據從PB級起步，并且已經逐步擴展到接近百PB規模，模型參數量規模從百兆起步，未來會要達到千兆以上，集群規模從千卡起步，未來也會進階萬卡。
廣汽意識到：為滿足技術快速迭代的需求，對主機廠而言，打造一個高性能，穩定可靠的AI基礎設施至關重要。
于是，一場關于“自動駕駛數據、算力與工程體系”的攻堅戰悄然打響。
智能駕駛進入“深水區”，舊體系難以為繼
過去幾年，自動駕駛的技術路線經歷了深刻變革：從早期基于規則的模塊化架構，到如今主流的端到端大模型+VLA（視覺-語言-動作）范式，整個行業的研發邏輯正在被重塑。這一轉變帶來的最直接沖擊，是數據量的指數級增長。為了研發一款具備市場競爭力的自動駕駛產品，廣汽自動駕駛團隊每天要處理的數據量攀升至近百PB級：攝像頭圖像、激光雷達點云、毫米波雷達信號、車輛狀態信息……這些原始數據需要經過解包、切幀、標注、清洗、訓練等多個環節，才能用于模型迭代。而在模型的訓練、推理和仿真環節，還要保證集群運行的穩定性和資源的高利用率。
然而，在廣汽自動駕駛研發團隊的早期探索中，面臨到一個幾乎所有車企都會遇到的困局：數據多、流程散、效率低，傳統的自建研發架構逐漸暴露出瓶頸：
● 單個clip（數據片段）處理耗時長達上百分鐘；
● 百萬級任務調度延遲高，資源利用率不足40%；
● 元數據分散在不同系統中，異常樣本溯源困難；
● 模型訓練排隊嚴重，迭代周期長，難以應對復雜長尾場景。
與此同時，隨著端到端大模型成為行業主流，數據閉環的速度直接決定了技術演進的節奏。誰能把數據流轉得更快，誰就能在長尾場景覆蓋、模型泛化能力和用戶體驗優化上建立代際優勢。
聯手阿里云：打造屬于廣汽的“智能端到端數據底座”
面對這場系統性挑戰，廣汽沒有選擇簡單堆資源或者采購工具，而是決定與阿里云展開深度協同，共同構建一套面向未來的“智能端到端數據底座”。正值阿里云大數據 AI 平臺全面升級其智能輔助駕駛解決方案，該方案覆蓋從數據接入、處理、訓練到推理仿真的全生命周期管理。這對正處于轉型關鍵期的廣汽而言，恰逢其時。借助阿里云大數據 AI 平臺能力，廣汽逐步構建起支撐智能駕駛業務可持續發展的技術底座。
“目前，廣汽與阿里合力打造的智駕云已經高效穩定運行半年多。”廣汽集團自動駕駛首席科學家周寅分享，“在這個過程中，我們整個AI基礎設施的穩定性，資源利用率以及研發效率也取得了質的飛躍和提升。”
廣汽基于阿里云大數據AI平臺加速廣汽GSD智能輔助駕駛系統迭代
這不是一次簡單的工具替換，而是一次面向未來的端到端數據底座范式升級。
第一步：優化數據產線，讓數據真正“流動”起來
數據是燃料，但先要能“點燃”。廣汽首先聚焦數據處理環節，引入阿里云 MaxCompute - MaxFrame 分布式計算框架，結合 DataWorks 一站式智能數據開發治理平臺實現海量數據全流程自動化管理。
效果立竿見影：
● 單任務可調度數萬Core算力，最大20GB單文件處理，數據包處理效率相較自建方案提升10倍以上；
● 日均可處理數十萬級數據包，生成超過數百萬clips和數億訓練樣本；
● 借助 DataWorks 實現百萬級任務的一站式開發與調度管理；
● 通過元數據血緣追蹤，異常 clip 可快速回溯至原始數據源，大幅提升可維護性；
“通過和阿里云大數據 AI 平臺的合作，把每天3個億樣本處理的周期，從周級別變成了天級別，保證了迭代的效率。”廣汽集團基礎架構負責人王麒鈞表示，“這讓我們可以把精力真正放在業務創新上。”
同時，平臺采用彈性伸縮與按量付費模式，有效降低單個數據包的處理成本，顯著減輕長期運營的資源與財務壓力。
第二步：打通檢索瓶頸，讓“大海撈針”變得高效
在千億級訓練數據中精準定位特定場景（如雨天施工區、夜間行人橫穿），是提升長尾場景覆蓋率的關鍵。廣汽可基于阿里云大數據 AI 平臺的向量檢索引擎，構建高性能檢索能力：
● 對文本、圖像、點云等多模態混合檢索；
● 實現 PB 級非結構化數據的毫秒級響應；
這項能力不僅能提升數據挖掘效率，也為后續大模型預訓練提供高質量語料基礎。
第三步：加速模型訓練，縮短從數據到決策的閉環周期
如果說數據是燃料，訓練就是燃燒過程。
廣汽依托于阿里云PAI平臺和靈駿集群，支持千卡規模的訓練任務，穩定訓練4周以上不中斷。同時借助PAI的企業級資源管理功能，廣汽目前智算資源利用率可以做到90%以上。
值得高興的是，廣汽在模型訓練效率上，成功應用了PAI Turbo-X的模型訓練加速方案，在系統側，數據側，模型側等多維度全方位加速：
● 系統側：優化 CPU 親和性、垃圾回收機制、動態編譯、流水線并行和操作系統
● 數據側：高性能的 DataLoader 引擎，優化數據預處理流程和實現智能訓練樣本分組
● 模型側：算子、Module、優化器、優化策略、量化、CPU 和 GPU 設備的自動切換
最終在單訓練任務數據規模增長了20倍，模型參數規模增長了10倍的情況下，取得了縮短訓練時長50%的可喜收益。版本模型2天迭代1次，這在智駕研發里，是非常大的代際差距。
第四步：技術共創，探索AI基礎設施和模型訓練新范式
更值得期待的是，廣汽并未止步于“使用”，而是與阿里云共同探索下一代AI基礎設施建設和模型訓練新范式。
雙方圍繞 Lance File ——一種新興的具有極致壓縮比的列式非結構化數據格式，開展技術共創試點。利用其極致壓縮比和內置索引能力，進一步降低存儲開銷、提升數據加載速度。
同時，探索結合阿里云大模型訓練框架PAI-Megatron-Patch和強化學習框架PAI-ChatLearn等技術，進一步加速大模型模型訓練和推理的進程。
這些共創和嘗試，不僅是技術的優化，更是為未來大規模車云協同訓練打下基礎。
邁向成熟：從“解決問題”到“構建能力”
如今，廣汽已將多條核心智駕數據產線建設在阿里云大數據 AI 平臺，建立起一套穩定、高效、可擴展的端到端數據智能研發體系：
● 數據閉環周期縮短 1倍
● 數據處理效率提升 10倍
● 模型訓練資源利用率翻番
● 研發運維人力投入顯著降低
更重要的是，這套體系具備良好的延展性，能夠支撐廣汽在未來幾年內持續升級感知、規控等模塊的技術棧。
“我們會堅定的擁抱阿里云這個合作伙伴，在 Data+AI 這一層做持續的深度建設。”廣汽集團基礎架構負責人王麒鈞指出，“這是廣汽在自動駕駛發展各種不確定因素中，最確定的一部分。”
廣汽集團基礎架構負責人王麒鈞在云棲大會分享
結語：在深水區穩扎穩打，才是長遠之道
今天，超過80%中國車企的智駕跑在阿里云大數據 AI 平臺上。
這并非偶然，而是行業共識的體現：在AI驅動的時代，主機廠的核心競爭力，不再僅僅是“造車”，更是“造系統”。
今天的廣汽，已經找到了正確的方向：用先進的大數據 AI 平臺，支撐持續打磨的技術底座和快速迭代的模型算法。
在這條通往高階智能駕駛的路上，廣汽始終穩扎穩打，而阿里云大數據 AI 平臺也將作為廣汽的堅實后盾，持續陪伴廣汽一路前行。
星空人工智能技術網 倡導尊重與保護知識產權。如發現本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯系方式等發郵件至1851688011@qq.com我們將及時溝通與處理。！：首頁 > 星空人工智能產業 > 自動駕駛 » 駛入智駕深水區：廣汽聯手阿里云進行“數據突圍”