谈智能驾驶发展阶段：观察不同层级的参与者

现在的“智能驾驶”发展到什么阶段呢？在2023国际汽车电子高峰论坛上，同期由上海信耀电子有限公司总经理、上海交通电子行业协会汽车电子专业委员会副主任杨晓峰主持的智能驾驶论坛上，智己汽车智驾中心总监贺锦鹏大致上谈了谈智己的智能驾驶技术发展情况。

贺锦鹏表示，智己汽车的智能化电子架构是以视觉为主的智能感知融合方案为基础，构建中央计算平台+区域控制的架构。这个过程里，包括几个要素，“多合一的控制器融合”、“感知融合及数据共享”、“整车功能融合”、“智驾功能和智舱功能全域融合”。据说这么做使得整车的控制器数量减少了50%、线束长度减少33%。智己的“第一代中央计算平台”2024年实现车型量产，“第二代”则在2025年量产。

域融合之外，说得更实际些的，贺锦鹏介绍说2023年是智己同步迈入城市NOA（自动辅助导航驾驶）的一年，9月做了去高精地图NOA公测，10月份开启在上海城市NOA的公测。这应该是很能说明智驾目前的发展阶段的。

在通往智能驾驶的过程里，整个汽车内部不同组成部分遭遇的挑战的确不小。恰好除了智己这样的整车厂之外，智能驾驶论坛列席的还包括了Tier 1、SoC芯片企业、电源芯片供应商、软件供应商等不同角色。这对我们理解除了走向中央化的电子电气架构这种大趋势，各组成部分遭遇的挑战和技术趋势都有价值。

汽车是新的超算，而且超越超算

智己自身在达成包括每百万千米0.6次碰撞事故（比人类驾驶安全3.2倍），每百万千米<1次的安全类误制动频次，相比行业平均水平的每20万千米<1次低5倍，以及包括行泊车的变道成功率、安全接管频次、车位识别能力、泊车成功率等方面达到较高水平，实际在算法、数据、模型效率等方面是投入相当大的，无论是算法快速迭代，还是生成数据高利用率，都是走向智能驾驶的关键组成。

辉羲智能科技（上海）有限公司发言人在会上提到“城市NOA即将迎来可用性的突破时刻”，他列出了今明两年国内车企推出城区NOA车型列表，“各大车厂加速布局，市场智能化趋势显现；2-3年内，城区NOA功能会达到用户体验的临界点”——他将其称为“GPT时刻”，“未来8年，城区NOA将成为各车载智能计算中最大的增量市场”。

而在此过程中，算力和算法自然是关键。从算力的角度来看，2030年车载智能平台将成为算力最大的计算平台——高阶的智能驾驶，对于传感器、感知决策与规划，不少都需要神经网络方法做处理，“对算力需求越来越高”。目前蔚来ET7采用4颗英伟达Orin X芯片。“1000台ET7的算力等同于美国最大的超算Frontier，但我们知道汽车是几万、几十万、几百万出货量的，所以汽车是最大的计算平台。”

“无论芯片设计企业还是晶圆厂，对他们来说，汽车绝对是未来的大头。”这是从绝对算力角度来看待汽车电子的未来。从最早的ADAS“可能一个雷达或者一个摄像头，或者一个雷达+一个摄像头；到传感器及算力的增强，现在几十TOPS算力可以做高速NOA——这已经是市场很买单的功能。”“20万售价的车型要是没有这些都很难卖出去。而旗舰车型要用更多的传感器来实现城区NOA。”

“但其实即便是现在，百公里接管次数都还没有让大家非常舒心、用得很爽。未来1-2年内一定会做到这样的程度。”“2个Orin X，400-500TOPS算力；再往后特斯拉FSD V12版本，明后年也会进入中国——FSD引领的Occupancy对算力要求也非常高。”总的来说，“高性能芯片一定是高阶NOA的基础。”

就算法的角度来看，“算法迭代决定了芯片生命力”。自动驾驶算法在辉羲智能的总结中，包含了4次主要迭代。特斯拉的发展、车型的更新是颇具代表性的，现在发展到了Vector Space融合+时序BEV测距测速。算力为基础，算法为承载，另外再加上大量数据采集找出corner case，以云端算力做训练部署，这是辉羲智能眼中的“数据闭环定义芯片”。

“芯片、算法、系统协同设计，实现可持续的自我增益闭环。”曦辉智能的高性能智能驾驶芯片（预计于明年量产）——“一颗芯片实现城区NOA所有功能”，加上“4D多模感知算法工厂”，搭配工具链，以及合作伙伴，“一起打造完整系统量产参考解决方案”。这在智能驾驶的整体思路上是颇具代表性的。

回到域融合的角度，魔视智能科技(上海)有限公司智能驾驶高级产品经理王淳基于行泊一体谈到了智能驾驶的演变。当代汽车电子电气架构发展到域融合、ECU减少与集成，在此过程中“行车域、泊车域、座舱域相互融合、相互影响”。行泊一体域控的优势涵盖了传感器的复用、提高计算资源利用率、降低系统成本、提高开发效率。

从魔视智能的角度来看，王淳提到了智能驾驶量产的核心要素，是拥有四大能力的全栈平台，包括原创全栈算法能力、全栈式系统能力、全场景落地能力——尤其行车和泊车均具有丰富量产经验、完整数据闭环能力——以推动算法迭代。除了角度上的差异，这些形容实则与辉羲智能所述是同一回事。

从过去1V1R，到1V5R, 6V5R，泊车解决方案4V12USS，到自动驾驶解决方案6V5R12USS，都是传感器增加、算力增加、算法迭代的过程。行泊一体是其中的某种具体体现。无论是中低算力行泊一体，还是高算力行泊一体，从最初的行泊完全分离，行泊作为独立的两套系统；到王淳所说的“行泊一体1.0”，此时是一块板子，但仍为双SoC系统——传感器仍然无法复用；

到行泊一体采用单SoC系统，成本持续降低，而且传感器也开始实现复用。“我们觉得这还不够，进阶到行泊一体3.0，传感器实现更深度的复用，泊车网络塞进行车网络里”，对于中低算力产品而言还省去了外置MCU，对高算力行泊一体产品而言更在于算法级融合，“行车与泊车用一个大网络涵盖。这个网络中，基于多模态输入，直接将深度学习做融合，跟踪及预测放到感知端去做，多任务处理主干复用网络架构，自适应网络设计空间，增加网络模型大小，提升算法表现性能。”

这里提到的行泊一体3.0，以及行泊一体网络及算法架构是魔视智能提供的方案。从行车视觉感知，到环视泊车视觉感知，达成行泊一体自动驾驶规模化量产，“以行业领先的AI科技，完整的数据闭环，量产的场景落地，走向自动驾驶的美好终局”。

在展望中，王淳提到下一代深度学习视觉感知算法，从这一代的BEV+Transformer结合“4D数据治理平台”走向未来的LLM大语言模型，支持端到端网络实现及BEV Occupancy。这应当也是智能算法迭代流程里颇具代表性的方案了。

智能驾驶的挑战，及应对之道举例

ADAS作为当代汽车的重要组成部分，并不是孤立的存在。当整车架构因为ADAS而发生变化时，实际面临的问题就不单是算力需求、算法迭代这么简单了。比如说相关器件的供电本身就可能成为挑战。“汽车电子化程度更高，就需要解决功率密度、效率、EMC（电磁兼容性）等问题。”MPS华东区汽车电子资深现场应用工程师姜彦旻说，“ADAS, Connected（互联）, Infotainment（信息娱乐系统）逐渐走向中央域控制器。”

姜彦旻将ADAS的关键技术切分成了传感器、IC&算法——其中SoC作为中央控制器“需要做的事情很多，融合传感器数据、为ADAS算法提供强有力的支撑”，软件工程师还需要优化算法进行算法迭代，实现算力效率的最大化。

典型的高阶ADAS需要的高清摄像头数量可能达到10+个——不仅有车身四周的，还有DMS, IMS等构成；可能还有~5个毫米波雷达，~12个超声波雷达，~1个超长距离激光雷达。对于中央的1-2颗SoC而言，算力>200TOPS，甚至走向了上千TOPS。

这些传感器布局在整个汽车的不同位置，比如说车身前端的激光雷达，侧视摄像头、前视摄像头，车内的DMS摄像头与毫米波雷达，以及车门毫米波雷达等构成。“分散的位置对电源来说也是难点，线束复杂、长度很长，可能需要考虑电流稳定性等问题。”姜彦旻说，”电源不光是小体积、高效率就可以的，也需要看EMI性能、抗扰性能。”

则针对SoC或域控、各类传感器系统，MPS都基于这些挑战提供对应的产品和解决方案。比如“高性能方案的侧重，在大算力的SoC上，不再是简简单单几个安培、几十安培的power，而可能需要上百安培的方案。而且体积不能太大。我们能够提供的方案，包含一些高性能的专门的解决方案，也有更多的电源管理芯片。”

“除了大电流的解决方案，可能也需要一些非功能安全的芯片，并不是每个IC都需要达到ASIL-D这么高安全等级。对于不带功能安全的power，需要做监管——我们有一些管理方案，比如时序管理、电压监测等。”“MPS能够提供更高功率密度的方案，为客户带来更高效率和可靠性。而且我们能够以更少的外围器件，以及较小的芯片尺寸，来支撑更高的算力。”显然这是为ADAS赋能的重要组成部分。

除了电源以外，在智能驾驶论坛上，我们听到智能驾驶遭遇的另一个典型的挑战来自功能安全。大陆集团中国区车联网及架构事业群功能安全及信息安全负责人方亮再度提到，汽车电子电气架构变迁，以前是OEM为总纲领，ECU各司其职的分布式架构。

走向逐渐的域融合以后，控制器变少。“当前阶段还只是同一个Tier 1做集成，实现功能复用、稳定和成本下降”；后续渐渐有了中央域的概念。在逻辑中央化、算力大幅提升以后，上层的应用逻辑与底层硬件开始有了一定程度的分立；甚至出现跨域集成。这也是大陆在这个阶段推出HPC架构的背景。

“这样的进化不会停止，虽然每个OEM的路径可能不一样，但整体趋势是不会变的。”而在此过程中，新架构让功能解耦——意味着架构职责多变，“requirements上下文联系都会缺失”；服务抽象化，功能成为服务，可订阅——这就意味着没有单一的使用场景，使用场景随服务改变而改变，这对Tier 1而言显然都是挑战；

此外生态变得丰富，软件供应商做软件中间件，市场扩大化、更多的供应商参与到竞争中来，分工也变得复杂。“以前的合作伙伴很清晰，现在不再是这样，集成难度也变大了。”最后就是跨域集成，“跨域这个行为不会停止，需要集成原本不属于我的东西，以前我不做这块，我不知道该怎么做”。

于是“未来一定是开发合作的模式”。这也同时意味着功能安全不能再像以前那样做了。Tier 1从OEM拿到CRS做架构分析与设计的传统开发模式不再行得通。所以大陆提出的功能安全开发新模式叫SEooC（Safety Element out of Context）。方亮说这里的“element”相较过去的“item”很灵活，可以是一个系统，也可以是一个子系统、软件包、传感器。“基于这一开发模式，不再有上下文之间的联系，开发可以不随着具体的项目受到束缚，可以做更大而全的东西，客户可以随SEooC的assumption做自由裁剪。”

“首先要做功能安全目标的假设——需要支持什么样的功能安全目标、安全等级是多少、系统处理失效的能力上限......”“基于这些假设去写功能安全的需求，做架构设计。可能还会有一些额外的假设，比如memory要分几个partition，多大的容量，partition是预留ASIL-C还是ASIL-B...”

方亮还介绍了大陆HPC的5层架构，“针对这5层架构，我们做了架构性的安全产品叫safety HOST——安全等级是ASIL-C，目前ASIL-D在开发中。最大的特点就是SEooC，可以厚也可以薄，完全取决于客户的使用需求。”从系统性失效、随机硬件失效、干扰FFI的维度来做把控。

同时在功能安全的交付方面，“我们有一些额外的输出文档，包括SEooC assumption”，即前文提到的假设，“交给OEM客户，因为说到底SEooC是个系统，还是要为item服务的，而item的定义者是OEM。OEM拿到SEooC assumption之后可以进行阅读，做灵活裁剪和适配，进行集成”。另外安全交付还包括HOST Safety Manual，“上层应用可以灵活运用”；和相关的security功能OTC签名——启动时可做安全性、完整性验证。

更多样化的解决方案和可能

最后值得一提的是，智能驾驶赛道上，不同层级的市场参与者正尝试给出不同的“解法”——这一竞技场仍处在八仙过海、各显神通的阶段。比如意法半导体是此次论坛提及ADAS一站式解决方案的企业。这可能是汽车电子领域的传统主流市场参与者，在汽车产业链从链状走向网状的过程中，普遍在寻求的竞争优势。

意法半导体中国区汽车电子市场经理彭嘉成谈到了意法半导体在ADAS上提供包括MCU、音频、定位解决方案、传感器、电源管理芯片、视觉处理器等在内的各种产品和方案。下面这张图是“基于市面上的主流SoC，将意法半导体的不同产品线匹配到SoC上”。

比如左侧的供电系统，浅绿色框内右上角的MCU，以及外围的诸多传感器。彭嘉成强调说：“ST优势在丰富的产品线。快速提供开发板，客户想要某颗SoC，我们就能给配上。”在此前提下，意法半导体的此类一站式解决方案具备的优势包括提供高性能MCU，高精度定位——尤其“许多友商没有高精度定位产品线”，宽温度范围，丰富的供电，以及安全、可靠、合规。

另外，随着汽车电子的进一步发展、域融合的持续深入，软硬走向解耦的大趋势下，软件定义汽车成为方向，软件的重要性也在不断提升。武汉光庭信息技术股份有限公司CEO王军德在提到的一些具体开发挑战中说，虽然SOA大量应用于汽车领域，但“有些方面还不够”——比如“现在还不能说软件能够真正脱离硬件开发；也不能说在数字孪生状态下，对域控制器、传感器可以做到充分的仿真和计算”。

王军德提到的行业趋势包括软件定义汽车、软件优先——云原生与虚拟化技术将成为数字化基石、从V模型研发向融合自动化技术覆盖全生命周期，以及AI智能化影响到汽车软件研发的协同模式。这些趋势中本身就对行业参与者提出了各种挑战。

引进新的开发方法、开发流程在此过程中就显得尤为重要。王军德提到了应对架构设计、软件开发、测试验证、自动化程度几个方面的传统流程遭遇的挑战。“SOA让我们实现了软硬分离，应用和中间件分离；软件研发从V字型，到借助虚拟化，让软件与硬件并行开发；此前基于硬件的测试，则可以借助虚拟化及TDD敏捷迭代，让软件的验证提前；硬件的流水线生产走向软件的流水线生产——流水线的汽车生产中，叠加软件流水线。”

光庭信息此前就着眼于软件定义汽车和汽车数字化转型。比如光庭的KCarOS和相关工具链，据说提供了支持汽车SOA开发的全域全栈能力。另外值得一提的是，王军德在演讲中介绍的光庭超级软件工场，借助“AI赋能汽车软件开发”，据说其中加入了生成式AI的考量，通过数字化和知识化平台，基于AIGC大模型构建智能化软件开发能力。至少光庭展望的技术，是智能驾驶及汽车其他组成部分的未来发展方向。

2023年对中国汽车市场及产业而言，都是收获颇丰的一年。中国不仅持续成为全球最大的汽车消费市场；而且国产OEM的产品销量还在持续抬头，品牌效应愈发显著——好几名嘉宾都提到了中国今年已经成为汽车整车出口的第一大国，则国产OEM的话语权增加，汽车供应链势必发生不同程度的变化。魔视智能提到这种变化对于全球的Tier 1都冲击很大。

光庭则表达了在挑战面前，中国汽车很快要从高速发展，“增长空间见顶，转而向效率要效益”，走向发展效率的阶段。智能驾驶技术发展带动不同市场参与者的新动向，都表现出这种变化正在发生。这样的变化也正在深刻变革着汽车产业。