谈及未来5年的自动驾驶的趋势时，王平分析称：“我们看到四大趋势：

1、首先是L2+的自动驾驶系统的装备率将会迅速普及并将长期存在，未来五年L2+及以上的总体渗透率可能超过50%，受限场景L4自动驾驶开始落地，L2+~L4并行存在。

2、自动驾驶的算法更为复杂，处理的数据量指数级上升，算力需求不断攀升。

3、车路云端的闭环协同，将会进一步推动驾乘体验持续升级。

4、为满足消费者个性化的需求，增强厂商差异化竞争力，车端训练将会得到发展。”

  同时，王平认为：智能驾驶系统规模化落地、车路云协同的方案均面临着多重挑战。“首先，单车智能面临以下挑战：

1、目前单片SOC的处理能力普遍不足，因此需要2片甚至更多片来实现，使得系统复杂度指数级上升，量产困难；

2、多片SOC还造成域控制器功耗很大，必须采用风冷甚至液冷，增加了系统成本，从而使得智能驾驶系统在燃油车及10万元以下车型都很难普及；”

  “而车路云协同的方案，海量数据的闭环需要大规模AI集群的支撑，根据特斯拉的数据，每一辆智能车上路，就需要增加价值500美金的云端AI计算资源来支撑，成本压力巨大，目前云端统一运营数据的模式还不能有效满足车主个性化的需求。”

  当前已有的车端芯片以推理架构为主，算法模型的更新和训练需要在云端完成。而寒武纪行歌则采用了端云一体，训推一体的AI处理器架构，可以支持车端训练，使得智能汽车真正具有自我进化自我成长的能力，从而迈入高智能汽车2.0时代，使汽车成为人类的真正伙伴。

  从车企和车主来说，车端自学习能力优势包括：

1、能够真正满足用户个性化需求，实现“千车千面”，比如不同的驾驶习惯，不同的车人交互等等；

2、能够按客户意愿选择是否将单车数据上传云端；

3、能够使数据实现闭环分布，有效降低了云端AI集群的造价，车企可以更有效的开展服务运营。

  十分具有优势的是，寒武纪行歌拥有车云统一的处理器架构、指令集和平台级基础软件，支持高效地进行数据闭环和AI调优，将精度损失降到最低；在云端提供训练板卡和集群，处理车端手机的海量数据，通过训练生成先进的自动驾驶模型，经过OTA推送到车端。在车端提供大算力接口丰富的自动驾驶推理芯片。支持复杂模型大算力需求，支持算法模型的持续迭代。通过数据存储产品以及数据传输链路，将车端推理场景的CornerCase数据回传到云端，在云端进行AI模型重新训练，并将新模型更新至车端。

  不仅如此，寒武纪行歌还能针对车端场景深度定制MLU等关键IP，同等功耗下最大限度提升驾乘体验。特别是寒武纪还将与Tier 1公司、传感器公司、算法公司等一起与OEM密切协同，形成网状的合作关系。王平讲到：“我们将主动“攒局”，联合合作伙伴构建成熟的算法及软件解决方案，提供多层级可裁剪的货架化解决方案交付，全面满足车企对质量、进度，客户体验差异化等多重需求，提升终端用户的驾乘体验。”寒武纪行歌还为用户准备了灵活易用的开发工具箱、友好可继承的软件接口，支持开发差异化的需求，提高开发效率。比如：一套高效易用的AI工具链，用户在其他AI平台上训练好的模型，通过行歌的AI工具链，可以快速迁移部署到行歌的硬件平台上。这套工具链经过多家头部算法公司和车厂评估，获得普遍认可。