凤凰网汽车

智能驾驶技术正从盲目追逐智能等级和相关特性，走向关注整个系统的协同发展。日前举行的2023中国国际汽车电子高峰论坛智能驾驶分论坛传出这样一个信息：智能驾驶并不是一个孤立的系统，在智能驾驶赛道上，在汽车产业链从链状走向网状的过程中，智己汽车、辉羲智能、魔视智能、光庭信息代表了不同层级的市场参与者，正在尝试给出不同的“解法”以寻求竞争优势。目前看来，这一竞技场仍处在“八仙过海，各显神通”的阶段。

现在，“智能驾驶”发展到什么阶段呢？据智己汽车智驾中心总监贺锦鹏介绍，2023年是智己同步迈入城市NOA（自动辅助导航驾驶）的一年，当年9月份做了去高精地图NOA公测，10月份开启在上海城市道路NOA的公测。

智己自身在达成包括每百万公里0.6次碰撞事故（比人类驾驶安全3.2倍）、每百万公里低于1次的安全类误制动频次是行业平均水平的每20万公里1次的5倍，以及包括行泊车变道成功率、安全接管频次、车位识别能力、泊车成功率等方面具有较高水平。实际上，智己在算法、数据、模型效率等方面投入相当大，无论是算法快速迭代还是生成数据高利用率，这些都是走向智能驾驶的关键组成部分。

汽车是新超算

高性能芯片是高阶NOA基础

辉羲智能科技表示，城市NOA即将迎来可用性的突破时刻。“车厂加速布局，市场智能化趋势显现：未来2-3年内，城区NOA功能会达到用户体验的临界点——‘GPT时刻’；未来8年内，NOA将成为各车载智能计算中最大的增量市场。”

实现城区NOA功能，算力和算法是关键。从算力的角度来看，高阶智能驾驶对于传感器、感知决策与规划而言，大多需要神经网络方法进行处理，对算力需求越来越高。据悉，蔚来ET7采用4颗英伟达Orin X芯片，算力为800-1000TOPS，1000辆ET7的算力等同于美国最大的超算Frontier。“但是，汽车销量以几万、几十万，甚至上百万辆计。因此，车载智能平台有可能在2030年成为算力最大的计算平台。”

“无论是芯片设计企业还是晶圆厂，对他们来说，汽车绝对是未来业务的大头。”这是从绝对算力角度看待汽车电子的未来。从最早的ADAS采用一个雷达或者一个摄像头，或者“一个雷达+一个摄像头”，到增加更多的传感器，现在几十TOPS算力可以做高速NOA。“20万元售价的车型要是没有这些配置，很难卖出去，而旗舰车型要用更高的算力实现城区NOA。高性能芯片一定是高阶NOA的基础。”

算法迭代决定芯片生命力

数据闭环推动算法迭代

从泊车解决方案到自动驾驶解决方案，都是传感器增加、算力增加、算法迭代的过程。魔视智能科技智能驾驶高级产品经理王淳介绍，从最初的行泊完全分离，行泊作为独立的两套系统；到行泊一体1.0，采用一块主板双SoC系统，但传感器仍然无法复用；再到行泊一体2.0，采用单SoC系统，成本持续降低，而且传感器也开始实现复用；最后进阶到行泊一体3.0，传感器实现更深度的复用，泊车网络“塞进”行车网络。这对于中低算力产品而言，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。在这个网络中，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，增加网络模型规模，提升算法表现性能。”

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。”关于下一代深度学习视觉感知算法，王淳认为，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（占用网络）。这应当是智能算法迭代颇具代表性的方案。

软件现阶段还不能脱离硬件开发

虽然SOA（面向服务架构）大量应用于汽车领域，但“有些方面还不够”。武汉光庭信息CEO王军德表示，“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，对域控制器、传感器可以做到充分的仿真和计算。”因此，引进新的开发方法、开发流程，就显得尤为重要。

王军德分析并指出了行业发展趋势：一、效率是软件定义汽车时代的重大诉求；二、软件优先-云原生与虚拟化技术将成为数字化的基石；三、V型研发模式演进，将更多融合自动化技术；四、AI智能化将影响汽车软件研发的协同模式。

“软件定义汽车的研发包含了SOA化的架构设计、虚拟化的软硬件开发，以及全流程的数智化，这些都在成为软件定义汽车时代的数字化需求。”王军德表示，“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。”