談及市場競爭，蘇奎峰稱騰訊的心態還是比較放松，他解釋，汽車產業具有很長的產業鏈，車企很難把供應商鎖定一家，這與傳統互聯網一家通吃的模式不太一樣。而且，每個玩家都有差異化定位，只要在自己定位的賽道上，有足夠的競爭力就一定有市場空間。
騰訊的自動駕駛戰略與騰訊大戰略保持一致，即做好連接和工具鏈。在這個定位的基礎上，騰訊在做三大基礎設施：自動駕駛開發云、仿真平臺、高精度地圖。憑借這些工具，騰訊希望在云端-車端之間形成一個業務閉環，加速數據流動從而快速迭代算法。
騰訊自動駕駛的優勢在于騰訊的組織架構支撐，蘇奎峰介紹，目前騰訊自動駕駛90%的需求都能在智慧出行部門內解決，并有騰訊云的支持，具備自主可控能力。
未來，騰訊希望與主機廠、硬件Tier 1供應商組成一個鐵三角，推動產業更快的跑起來。騰訊在其中扮演的角色是服務者，幫助客戶加速迭代、落地軟硬件產品。
自動駕駛研發、驗證、測試、評價等各個環節所需要的時間、經濟成本巨大，且具備很強的不確定性和安全隱患。
蘇奎峰介紹，騰訊自2016年開始布局自動駕駛，并將虛擬仿真技術作為重點業務之一，結合本土化的交通場景和應用需求，可以提供面向自動駕駛研發測試專屬的數字化工具。借助騰訊云的算力支持，通過云仿真技術實現場景加速評測，進而提升研發和測試效率。
騰訊自動駕駛已累計申報了超過40項專利，在云端高并發運行、真實有效性等方面實現了創新突破，同時在工具鏈完整性、場景豐富性和真實性等方面取得進展。
在高效性方面，相較單機版仿真測試軟件有限的算力，騰訊自動駕駛云仿真技術可以支持一萬個以上的場景并行計算，將1000個場景的運行時間從2天大幅縮減至4分鐘。
同時，騰訊利用虛實一體的交通流數據，構建城市級別的虛擬仿真世界，支持數千輛自動駕駛車輛和數十萬輛交通流車輛同時運行，虛擬城市中車輛之間實時同步，在高效性的同時保證測試的有效性。
在真實性方面，騰訊自動駕駛自研了包括車輛動力學、傳感器、交通流、地圖和場景編輯等模型，并支持OpenX系列和OSI國際仿真標準，解決傳統仿真軟件部分核心模型過于依賴第三方的問題。
同時，騰訊憑借在高精度地圖、游戲技術、AI等領域的積累，基于人工智能深度學習，實現場景的高精度、自動化三維重建，相對誤差小于3cm。此外，系統中的動力學模型一致性、場地實驗數據一致性等大于95%。
隨著自動駕駛技術的加速發展，重點研發仿真測評技術，建立健全智能汽車測試評價體系，已經成為行業共識，云仿真已成為未來趨勢。在測試工具之外，云仿真也將成為算法、高精度地圖、測試數據、路采數據的管理平臺，對保障數據安全有至關重要的作用。
