安创加速器 · 7月22日

安创芯视野No.28回顾丨汽车自动驾驶的产业逻辑和机遇

第二十八期回顾

6月9日,安创“芯”视野汽车电子线上圆桌论坛,以“汽车自动驾驶的产业逻辑和机遇”为题,与会嘉宾围绕以下问题进行了充分地研讨交流。与非网内容总监陆楠担任此次会议主持人。

1.从目前实际发展看,全球自动驾驶进展到哪个阶段?

2.国内主机厂的自动驾驶发展情况怎样?

3.自动驾驶的感知路径包括视觉和雷达,在技术实现上(硬件定义和软件算法)有哪些挑战?

4.主机厂在搭建自动驾驶感知系统和方案选型时会有哪些核心考虑?

5.目前智能座舱主要有哪些应用场景?推动哪些技术升级?

6.自动驾驶是一个系统工程,对总线、控制方式(域或区)等都有技术创新的机会,哪些创新方向值得我们重点关注?

7.自动驾驶有很多新赛道孕育新机遇,目前国内资本市场有哪些关注点?相关投资规模?

8.就自动驾驶领域而言,投资机构和投资人目前主要看好哪类企业?背后的逻辑?

——关于自动驾驶的发展情况

安谋国际科技资深总监邓志伟表示,从技术角度来看,软件技术、系统架构、5G技术已经相对成熟,从商用角度来讲已经处于L4阶段;而从法规层面来看,目前自动驾驶等级还未超过L3,因为目前法律跟规范的配合并没有跟上自动驾驶技术;如果从市场角度来看,当自动驾驶技术一旦成熟之后,法规也配合了之后,这个会改变整个车厂对于整个车子的basic model,会变成从销售模式变成服务模式。使用者去接受自动驾驶技术作为一种交通工具的时候,可能对于交通工具的意义也会变化。从市场角度来看,这个部分还在摸索。

北汽集团研究总院技术规划部智能驾驶技术规划经理周剑谈到,主机厂更多是从量产角度来关注自动驾驶的发展情况,像L4的技术整体来看是处于相对成熟状态,但是一旦进入车规级的状态,会出现诸多问题。从车规级技术成熟度来讲,目前国内自动驾驶技术还是处于L2.9999的状态,限于法规与责任问题,车企对L3级功能搭载和品宣都相对谨慎。从企业的发展规划上来看,基本上大家在2024年或者2025年之间基本上想推出L4量产车的L4状态,但是具体是什么情况,还是要看技术的发展情况,以及市场的接受程度。

——关于解决自动驾驶的感知问题

肇观电子联合创始人兼产品副总裁蔡海蛟从视觉方面进行了解读,蔡海蛟表示算法以及数据对环境及场景的适应能力很重要。因为人的眼睛经过长时间的进化,对周围环境的视觉感知已经有了很强的适应性,利用智能视觉算法,让机器达到对复杂环境的适应性,是非常大的挑战;同时,训练算法的数据维度需要有更好的适应性,需要收集各种不同的场景的数据;而在算力方面,则需要进一步的提升性能,因为在高速行驶中,只有对环境变化快速做出响应,才能避免一些场景事故的发生,在算力提升的同时,保持系统的能耗比;最后,如果从用纯视觉方案来看,对深度感知信息高效的提取也是非常重要的方面。比如肇观电子的车载AI芯片还具有基于双目视觉的深度测量技术,通过视觉的方式低成本地获取环境三维信息。

黑芝麻智能科技CMO杨宇欣从软件算法方面进行了说明,杨宇欣认为现在算法的挑战在于如何提升鲁棒性。虽然一般来说通过采集足够多的数据并且得到有效的训练,就可以使算法的准确性达到某一水平,但是鲁棒性十分重要,特别是对不同极端环境和情况的覆盖,这个是智能汽车未来要在感知层面不断拓展的。从硬件设施来讲,随着未来智能汽车上传感器数量跟种类的增加,对于芯片处理能力将会提出更高的要求,例如在ISP跟NPU里,随着摄像头数量以及视频像素增加,对ISP处理性能就提出了非常高的要求。

——关于主机厂在搭建自动驾驶感知系统和方案选型时会有哪些核心考虑

北汽集团周剑表示,主机厂主要还是考虑感知部分对环境探测的全面性和安全性。对于选择特斯拉纯视觉路线还是百度视觉激光雷达、毫米波雷达多传感融合的模式,也一直存在争论。周剑谈到,纯视觉的路线对算法要求是很苛刻的,纯视觉路线对于控制器芯片适配性要求也很高,所以国内主机厂包括北汽在内在感知部分还是希望以多传感融合为主,L3级以上自动驾驶等级会有激光雷达的融入,同时与摄像头和毫米波雷达形成多传感融合方案。

此外,车辆本身搭载的核心器件体积尺寸也会重点去考虑。车企会着重关注成本的问题,尤其现在自动驾驶车辆基本上或者是绝大部分都以电车为主,这对里程、功耗考量会更加苛刻,同时自动驾驶器件的按照位置也需要考量对车辆造型及维修保养的问题,对于乘用车,激光雷达一旦上车量产,造型、安全性都需要考量。那该如何融入进整车,在车顶还是在车灯每个位置装的话,清洗是不是很方便,散热会不会出现问题,这些都是考虑的问题。

——关于智能座舱的应用及技术升级

芯擎科技战略发展高级总监孙东讲到,从上海车展可以看到,不管是造车新势力还是传统品牌都在智能座舱演进上比较大。像驾驶舱仪表系统、仪表盘、HUD流媒体、后视镜、信息娱乐系统等部分都有了极大的提升。此外,人机交互也在智能座舱上面得到比较大的提升,从传统按键交互慢慢变成语音、手势识别以及其他生物特征识别,还有像在智能座舱里面将车辆行驶状态DMS以及向周边障碍物进行交互。智能座舱加速了技术的发展,技术趋势呈现低功耗、高算力。

安谋国际邓志伟认为,在未来自动驾驶发展过程当中,座舱将会发生很大的结构改变。目前自动驾驶有很多种AI算法,可是一旦导入到车子里面就已经固定了,这就会产生一个问题,未来新的数据如何通过不停的训练修正现在已经存在在车子里面的模型,所以未来智能座舱可能会有一个很重要的功能,就是能够去让车子里面一些软件跟算法模型以及数据能够不断的演进,这个对智能座舱也将是一个比较重要的应用方向。

——关于自动驾驶,哪些创新方向值得关注

安谋国际邓志伟表示,如何把芯片IP融入到最底层设计,以及如何跟着目前半导体技术的发展,提升每一个独立IP的运算能力,进而放大整个运算结构,这是安谋国际目前努力的重点。

君海创芯投资总监王科力谈到,自动驾驶不光是技术,尤其发展到目前已经是非常大的产业主题,所以讲到创新方向,也可以从技术方面更加扩展一点。从产业链、域控制器、算法方案、运营,都是不错的方向。除此之外还有场景,目前在封闭场景有很成熟的公司,比如无人港口、高速场景做运输的卡车、低速清扫车(城市环卫车)、矿山、出租车、配送小车,很多场景都已经有独立公司进入。从投资的角度来看,自动驾驶正处于百花齐放的时候,从不同产业层次到不同场景,投资机会也很多,创新的机会也很多。

北汽集团周剑表示,主机厂更多关注应用场景,未来几年干线物流可能是大的产业方向。从系统工程上的角度来讲,随着5G基站的铺设到位,基于V2X,智能驾驶方案是否会出现降级的维度或者是进阶协同式的智能驾驶,从而延伸出更多的场景商业模式,譬如会不会有远程代驾或者是平行驾驶的商业模式存在,这些都是主机厂思考方向的点。

肇观电子蔡海蛟认为,自动驾驶从云端到终端其实是比较消耗算力的行业。此外,车辆协同信息的共享、算力去中心化(在摄像头端侧提供小算力的智能)也是值得关注的部分。肇观电子在和客户的合作中发现,在摄像头前端提供约1\~2T算力的低功耗AI芯片有很丰富的场景和应用需求,例如DMS与智能后视镜。

黑芝麻智能杨宇欣表示,未来自动驾驶更多机会来自于整车电子电器技术架构的演进。当前,汽车电子电器架构正在发生翻天覆地的变化,传统汽车中采用的是分布式架构,这导致不仅算力本身,各种功能基本上也是分布式。现在整体趋势正在向域控制器架构演进,未来还可能成为中央计算平台架构。从芯片供应商的角度来讲,这是一个非常好的机会,因为车内功能的合并,未来汽车里面可能会出现很多新类型的芯片。

此外,从软件角度来看,汽车内部电子电气架构的变化也会对软件体系带来影响。原本软件也是分布式架构的,各软件之间功能、性能甚至安全等级都有差别。随着域控制器的出现以及合并,未来软件会不会出现一体化的发展方向,这些都是值得考虑的。

芯擎科技孙东表示,随着车上摄像头像素点源的密度越来越多,车厂传感器处理单元之间高可靠性数据传输部分,也存在着巨大空间。像在日常生活中使用DPU等产品进行高速数据传输,来保持实时性,那么其实车上随着算力提升,后面也会出现提供高速高可靠性数据来连接不同传感器的计算单元,包括像最近上市一家公司把以前服务器高速传输的技术用到车上去用,而且也受到很多车厂的欢迎,这也是比较有创新性的应用点。

——关于资本与自动驾驶

君海创芯王科力表示,软件平台、处理器SOC、存算一体、模拟计算、光子计算、激光雷达、汽车总线技术的演进等相关方面是资本市场关注的焦点,相关的投资规模一轮都在几亿美金。同时,作为投资机构和投资人更加关注投资规模以及想象空间。针对自动驾驶领域而言,背后没有单个的投资逻辑,投资人认为这里有很大的机会也有相对小的机会,有很新的机会也有很后期的机会,是一个很复杂的生态。

互动环节

观众提问:当车联网发展到有一定规模跟应用之后,算力要解决车与车之间协同,车与路的协同或者车与人的协同都需要超强算力的支持,量子计算有没有机会进入车联网的赛道?

安谋国际邓志伟:算力需求是越来越高,但是是否需要导入到量子计算,仍需要谨慎考虑。目前量子计算还是有很多的限制,其中包括软件的写法以及应用层面。所以我认为在可预见的将来要导入到量子计算在自动驾驶上面可能距离还是很远的。比较实际一点的想法是,能否随着半导体的技术发展完善目前的技术,譬如从硬件角度引入算力、从软件角度去看哪些软件比较适合跑在不同场景下面,以及把目前一些很集中的算法变成分散式,在不同各式各样的场景下面,是否可以达到系统最佳化,而不是针对CPU一直增加或者NPU一直增加,如何把软硬件系统发挥到极致,可能是提升整体系统效能最好的方法。

北汽集团周剑:量子计算进入车联网的前提,是量子计算与通讯技术已经成熟,在车路协同情况下,或是2030年之后做到端云一体情况下发生的。当车端算力转到云端的情况下,这样的情况下量子计算可以在云端部署来做,而不是说在车端是一个芯片上应用或者是某个控制器应用这项技术。

观众提问:智能座舱对于SOC算力越来越高,很多是定制化的,是不是说明传统的车载芯片厂商市场竞争力渐渐消失或者减弱?目前观察传统车载芯片厂商提供对应芯片算力都不高,而且产品迭代也比较慢,是否存在替代关系?

芯擎科技孙东:现在智能座舱自动驾驶领域,芯片供应商是传统做消费电子供应商,譬如高通以及英特尔,他们在做传统汽车电子芯片方面有点落后,主要以下几个方面的原因:

第一,这种做消费类电子芯片供应商对于用户体验,对于性能追求比传统做汽车厂商会更高一些,传统做汽车芯片厂商更关注安全性、可靠性。

第二,做消费类电子芯片的厂商,像高通产品节奏跟产品把控发布周期比仅仅做汽车厂商的企业快很多。在高通第一代智能座舱芯片820发布之前,市场当中会有一些产品,基本5年才换一代,从高通820在2016年发布现在已经是820、8155、8295马上推出第三代产品了,在这5年时间里面,整个速度提升很多,所以这个方面产品研发节奏的把握,可能要赢回来需要大的变革。

第三,性能方面,因为现在车的智能座舱对于性能要求很高,涉及到多核架构的架构,包括GPU、CPU还有DFP很多东西在里面,这个更像是多核大型的SOC。

观众提问:自动驾驶跟车联网V2X结合方式有没有大致时间点?

黑芝麻智能杨宇欣:我觉得V2X跟自动驾驶是非常紧密相关的。目前业内很多人看好,认为中国有很大机会在自动驾驶领域能够领先全球,很重要的原因之一就在于中国通过推行车路协同加速自动驾驶发展。车路协同或者V2X不是中国提出来的,但是最有可能在中国首先实现,这是由于中国基建是政府统一统筹规划的,比较容易形成标准,现在各个城市新基建里面一定会出现车路协同的影子,每个城市都会拿几十公里或者上百公里的道路做车路协同的试点。但是自动驾驶和V2X的结合并没有一个明确的时间点,因为这里的影响因素除了技术落地本身的原因,还有一个商业模式探讨的过程。

肇观电子蔡海蛟:现在来看发展是比较慢的,因为这个需要多方协同,并不是靠一家独大就行,所以这种情况下政策所引导的技术方向显得更加重要一些。我本人非常看好V2X为自动驾驶带来的价值。现在单车智能驾驶包括L4及L5,从技术角度来看,还是需要继续一些探索的,反而V2X技术方面可能不会有那么大的技术瓶颈和挑战,更多还是政策方面的导向,如果在政策方面突破开的话,整体的安全性和体验会带来更大的变化,所以还是非常期待在中国政策优势下面V2X可以跑得更快一些。

总结:

回顾整场论坛,嘉宾们普遍认为全球智能网联汽车产业已进入商业化前期阶段,我国汽车行业整体上与国际先进水平“并跑”,在网联终端和基础设施建设等方面实现“领跑”,但也存在部分核心技术缺失、法规政策稍显滞后等问题,需要把握产业跨界融合特征,协调各方统筹推进智能网联汽车发展。

同时,在智能网联汽车的发展上,中国拥有美国、欧盟这些传统汽车大国所不具备的特殊优势“车路协同”。中国除了追求汽车本身的“单车智能”外,更追求建设智慧化的道路、智慧化的新型基础设施,希望通过车路之间的协同配合来实现智能化发展的目标。

此外,随着汽车电动化、网联化、智能化发展,传统的汽车电子电气架构正在发生革命性变化,原来是分布式架构,现在转向了软硬一体化的集中式架构,这可以更好地支撑基于软件的智能网联汽车功能升级。过去,传统汽车靠“两年一改脸、四年一换型”,也就是通过内外部造型的变化来吸引客户关注、促进产品销售的商业模式日渐式微;现在,通过软件定义汽车可以最大限度满足个性化需求,形成“千车千面”的新发展模式。

3 阅读 198
推荐阅读
0 条评论
关注数
1376
内容数
19
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息