传统汽车产业那些规矩已不适用自动驾驶行业

大多数并非美国底特律(Detroit)出身的外行人，都很难理解汽车产业的内部运作模式，特别是车厂、第一线汽车零组件供货商是如何连手让数百万辆车从装配在线诞生；而随着科技业者的加入，情况又变得更为复杂。

那些科技业者都不是底特律出身，而且是传统汽车市场的新手，包括Tesla、Waymo (先前是Google的自动驾驶车研发项目，现在是Google母公司Alphabet旗下一员)等新车厂，以及芯片业者如Intel、Nvidia。

在一个被新手扰乱的产业，车厂与第一线汽车零组件供货商之间的伙伴关系已经不再如同往常，现有的联盟可能会突然被新的取代；竞争性自动驾驶车辆平台之间的技术比拼，使得整个市场局势变得陌生而不可预测。

当然，如果产业界在自动驾驶车辆平台上的竞争，能被简单归类为Nvidia对上Intel，对记者们来说日子会好过得多，可惜事实并非如此。

在一方面，Nvidia希望全世界相信，深度学习技术的演进正迅速且大幅改变汽车产业；另一方面，TI已经让超过1.5亿辆采用该公司之先进辅助驾驶系统(ADAS)与数字座舱SoC的车辆上路，对于将其目前的平台(支持Level 1与Level 2自动驾驶车辆)在今年稍晚升级至支持Level 3自动驾驶车辆信心十足。

TI的目标是在让客户迈入下一个等级的同时，也保护其软件投资；该公司也声称，正在准备提供一种低功耗嵌入式解决方案以执行AI推理模型。对于汽车产业正在如何快速与剧烈地转变，Nvidia与TI两家公司在看法与解决方案上可说是两个极端。

各种ADAS/自动驾驶车辆平台

“汽车产业在历史上就一直是个庞大的生态系统网络，有多个不同层级的供货商，”市场研究机构Linley Group的资深分析师Mike Demler提醒：“没有单一家公司能提供所有东西；”他认为，在现阶段：“大多数车厂还在评估以及开发，没有人在寻求采购一套完整的堆栈。”

不过目前我们在市面上至少能数得出十种不同的ADAS/自动驾驶车辆(AV)平台──由不同的阵营公开推广宣传；那些自动驾驶车辆平台包括以下表格中的几种。

*各种自动驾驶车辆平台
（来源：EE Times）*

如同表格中显示，并非每一个自动驾驶车辆平台都能处理全部的ADAS与自动驾驶功能，就算是Nvidia的平台是锁定机器学习，还是可以被形容为不完整的解决方案；如顾问机构Vision Systems Intelligence (VSI)的创办人Phil Magney所言：“它还需要一个能处理控制讯号并进行监视的安全监控器。”

市场研究机构IHS Automotive的车用资通讯娱乐与ADAS市场研究总监Egil Juliussen则认为：“将会有多个软件与硬件平台彼此重迭、互动以及竞争。”

Magney偏好以更细致的层级来分析自动驾驶车辆平台──也就是将平台分解成一块块，他称之为“AV堆栈(stack)”；所谓的AV堆栈包括感知(perception)、本地化/规划(localization/planning)、决策/行为(decision/behavior)、控制、连结以及I/O。

而将那些AV堆栈放在一起的通常是芯片大厂，Magney表示：“而且他们推动伙伴关系的建立；”但是，为何芯片业者如此渴望投入自动驾驶车辆平台战争？

Magney认为，芯片业者看到仍在萌芽阶段的自动驾驶车辆市场，就确定眼前的战线是在平台的发展上；而各种AV堆栈的目标是：“让开发活动围绕着他们的处理器IP，并期望能导入量产。”不过他也强调，量产的堆栈──或是量产的平台──会因为一旦选择了某个架构而有所不同；决定处理器非常重要。

“处理器指令集在堆栈的不同部分也有所不同，”Magney表示：“在前端，你必须感受环境，于是得在规划轨迹之前本地化；在这之后，你得提出时间触发(time-triggered)控制指令，同时必须以锁步处理(lock step processing)进行监控，将可能的故障降至最低。”

此外，AV堆栈还同时需要平行与序列处理；Magney指出：“以RISC核心搭配向量处理器(vector processor)，可以处理高度平行的指令，像是那些场景理解(scene understanding)的指令；你也可以拥有擅长处理神经网络的绘图处理单元(GPU)。”

FPGA也有很多可以发挥的空间，特别是在开发活动方面；FPGA能让开发速度加快，并且可以提供在中途调整指令集的弹性；Magney表示：“值得注意的是，AV堆栈不只有硬件。”

他解释，大多数的解决方案包括：“开发工具、链接库、应用程序样本、执行环境(run times)以及中间件；”显然有部分业者倾向于透过单方面组合整个系统，成为“一站式”供货商：“开发自动驾驶车辆应用程序非常复杂，而且这场战争有一半是在选择硬件与软件组件，更不用说开发工具链。”

对自动驾驶车辆硬件堆栈的观察

虽然主要芯片厂商试图抢占自动驾驶车辆(AV)平台，顾问机构Vision Systems Intelligence (VSI)的创办人Phil Magney的观察是：“一线汽车零组件供货商在这方面也非常积极；”他解释，通常处理器供货商会与一线汽车零组件供货商合作打造AV堆栈，因为后者较擅长处理重量级的安全性通讯协议，以及具挑战性的整合任务。

于是一开始在产业界兴起的是在自动驾驶车辆平台方面的联盟(alignment)，如果不能称之为整并(consolidation)的话。一个现成的例子是BMW、Intel与Mobileye在不久前指定Delphi为自动驾驶技术的开发伙伴与系统整合商。

虽然这桩交易第一眼看来像是单纯的“开发伙伴”合作协议，其实暴露了先前就存在的复杂关系网络，是早就在Delphi、Mobileye与Intel之间彼此独立存在。

事实证明，Delphi已经设计了一个名为CSLP (Central Sensing Localization and Planning)的自动驾驶车辆平台；针对该平台，Delphi布署了自家的雷达技术以及Mobieleye的图像处理系统，同时Delphi另外与Intel结盟，因此CSLP也能在强有力的处理器上执行。

2015年，Delphi收购了一家由美国卡内基美隆大学(Carnegie Mellon University)独立的公司Ottomatika；Delphi的计划是在CSLP上执行由Ottomatika开发的自动驾驶算法。

*各种自动驾驶车辆硬件堆栈
（来源：Vision Systems Intelligence）*

显然，Delphi这家一线汽车零组件供货商，一直非常努力地为CSLP收集零组件；现在，藉由与BMW与Intel、Mobileye的合作，CSLP又将会如何？看来Delphi与这三位重量级伙伴之间，非常谨慎地保持微妙的平衡。

Intel自动驾驶业务副总裁Kathy Winter接受EE Times采访时表示，新合作协议都是有关于BMW在整合自动驾驶车辆上取得Delphi的帮助：“车厂需要一线汽车零组件进行系统整合；”更重要的是，Delphi与BMW/Intel/Mobileye的合作“并非排他性的”。

也就是说，如果BMW之外的其他车厂，对于采用BMW/Intel/Mobileye的AV平台有兴趣，Delphi也不一定要是唯一指定进行系统整合的一线汽车零组件供货商；Winter表示：“我们正在邀集额外的整合与开发伙伴，以支持未来车厂客户的需求。”

*BMW 在2017年5月展示了第一批与Intel 、Mobileye合作开发，近40辆高度自动化驾驶车辆中的一辆
（来源：Intel）*

Delphi的CSLP与BMW/Intel/Mobileye平台，会合而为一、成为同一件事吗？对此Delphi工程与服务副总裁Glen DeVos接受EE Times访问时表示：“平台的联盟是双方公司的第一优先，我们将会在接下来的几个月，只在这个方面紧密合作；”注意，这里的关键词是“联盟”。

这意味着Delphi将放弃CSLP吗？并不尽然，该公司显然会持续追随两种AV平台；如DeVos所言：“这实际上是我们与BMW合作方案中的一个有利部分──我们将能提供CSLP或是BMW的自动驾驶软件；我们正在开发非常模块化的开放性平台，能满足每个客户的需求进行配置。”

换句话说，虽然硬件部分可能是以BMW/Intel/Mobileye的AV平台为基础，Delphi也保留了提供客户加载其自有自动驾驶软件之CSLP选项的权利。

错综复杂的合作关系

简单来说，车厂、一线汽车零组件供货商与芯片业者之间的关系将会错综复杂；车厂倾向于个别检验不同的AV堆栈──就像是他们习惯透过与不同供货商合作来设计车辆。

对此Linley Group的资深分析师Mike Demler表示：“Delphi正在寻求(与Mobileye──现在已属于Intel)开发一个统包式(turnkey)系统，但并非所有的车厂都会选择该种模式；”根据他的观察：“或许Ford太执着于评估供货商以及寻找符合规格零组件来源的传统模式，但对于车厂来说，放弃掌控权以及仰赖供货商来完成自动驾驶技术是很困难的。”

不要预期车厂与一线汽车零组件供货商能妥协于只从单一家技术供货商取得AV堆栈。Demler表示：“GM收购了自动驾驶技术开发商Cruise，后者是采用Nvidia的GPU；BMW与Mobileye合作，但却把驾驶策略算法掌握在自己手里。”

他也表示，Nvidia与车厂伙伴合作，但每一家都想要用自己的方式来打造系统，或许还有人更想在开发软件方面掌控更多；Audi是与Mobileye和Nvidia都有合作，但以他们自己的零组件来打造自家系统…看来，台面下的AV堆栈产业生态系统，有机会仍维持像传统汽车产业那般错综复杂。

编译：Judith Cheng

本文授权编译自EE Times，版权所有，谢绝转载

关注最前沿的电子设计资讯，请关注“电子工程专辑微信公众号”。