自动驾驶的赛道上,一场降维之战已经悄然打响。
特斯拉两次预言完全自动驾驶落地时间,却在2017、2020年被分别打脸。如今的Autopilot依然需要驾驶员主动监控,甚至让不少曾经高价购入“完全自动驾驶能力”的车主大呼上当。
在特斯拉官网上,仍然画着那张未落地的“大饼”:“我们预期完全自动驾驶电脑将能够通过数十亿英里的行驶数据不断学习和优化,从而大幅提高车辆的自动驾驶能力。”
如今,陷入困境的汽车智能化赛道上,参数的膨胀兵马稍歇,而中央计算的粮草已经先行。
车厂「脱下长衫」,回归体验
曾经风光无限的L4级别的智能驾驶赛道上,如今已经人马寥落。
L4黯淡的主要原因是商业价值不明朗。
一方面,L4级别的自动驾驶不仅对芯片算力有着极高要求,而且还需要配套硬件和软件算法,不论是对目标用户还是厂商,这种成本都几乎不可接受。
技术在实验室里可以集万千宠爱于一身,但在市场上却不得不面对柴米油盐。
几年前,滴滴曾经在一辆车上集成了近20个传感器,包括激光雷达、毫米波雷达和超声波雷达,一辆车造价高达数百万元。即使到今天,号称能够完成L4智能驾驶任务的英伟达Orin芯片方案也只能应用在中高端车型上,无法做到全系覆盖。
另一方面,虽然智能驾驶相关技术发展迅猛,如今在硬件配合下已经可以实现城市NOA等功能,但权责划分和复杂场景下的“电车难题”等问题仍是翻不过去的难关。
成本与技术两方面的困难让L4级别自动驾驶赛道上的千舟竞发变成了一场“望山跑死马”的绝望行军。
在广汽埃安副总经理张雄看来,不论是智能座舱还是智能驾驶,在最初横空出世对传统方案形成降维打击之后,后续的成长其实都相当堪堪,空有参数的增长,却陷入体验的停滞。
如今,硬件预埋似乎要成为内卷L4的厂商们脱不下的长衫。
张雄认为,解决一个问题之前,首先要考虑的是它的方向是否正确。具体到车企而言,考虑的核心应该是用户是否需要这些东西并为之买单。
坐稳智能驾驶芯片领域头把交椅上的英伟达,从2015年推出NVIDIA Drive系列后,智能驾驶芯片一年一代“下饺子”,算力从初代的1T膨胀到2022年“雷神”的2000T,仅用7年将扩展了两千倍,但与之相对的是实现L4级别智能驾驶的目标看起来依然遥遥无期。
从现实情况和技术特点来看,自动驾驶都更可能会在To B市场落地并逐渐成熟,在消费者信心增强后,才能在C端用户市场落地。
2016年前后智能座舱开始全面取代传统座舱打响了“革命第一枪”之后,也陷入了对用户需求的迷茫,再没能在此基础上给用户带来颠覆性的体验。
车厂的得非所愿和用户的愿非所得之间,已经悄然裂开了一道鸿沟。
填平参数与体验的鸿沟
无论在今天将“硬件预埋”状态下价格昂贵,体验一般的智能驾驶和陷入瓶颈的智能座舱如何鸡肋,智能座舱和智能驾驶都毫无疑问依然是用户和厂商最关心的领域。
不少人都将燃油车时代以机械架构为唯一指标的评价方式向新能源时代电气架构的演进看作汽车行业一次“iPhone”式的变革。
如果说机械架构是汽车的血肉和骨骼,那么电子电气架构就是汽车的大脑。 从“大哥大”到如今越来越卷的智能手机,原本打电话、发短信的功能并没有消失。而是成为了“底层功能”,作为现代智能手机中的血肉与骨骼而存在。
座舱和智能驾驶这两个因汽车电子电气架构革新走入大众视野的需求,则是汽车智能化的代表。
当整个产业链都在探索跳出“参数内卷”的怪圈,填平不断膨胀的参数和消费者实际体验之间的鸿沟的方法时,电子电气架构从分立的域控制器向中心化计算架构的转变为此提供了一种可能解。
所谓中心化计算架构,其实是算力的进一步集中。早在汽车从燃油车时代向电气化时代转变时,这种变化就已有趋势。原本大大小小数百个ECU,如今已经变成封装成以功能分类的域控制器,而中心化计算架构,则是进一步整合,将整车算力变为一个中央计算平台和数个区域控制器。
在张雄看来,数据是体验的核心,不论是用户的需求还是技术的演进,起点必然是数据的采集和处理。但汽车与手机不同。手机只有一个SoC,系统简单,控制点少,因此生态迭代相对简单。但汽车有很多功能和节点,如果采用分布式架构,这些数据无法互通,数据的采集和处理都会变得非常困难。
张雄将计算架构看做是一场战争的排兵布阵,不同的控制单元则是算力安营扎寨的阵地。当前架构下,这些阵地各自为政,数据的相互传输手续繁杂。而中央计算架构则专为拆墙而生,通过重新布置,让他们围绕着中央计算单元CCU的“中军大寨”扎营。这样原有被隔离在各个域控制器中的数据集中到CCU中,而CCU将所有核心功能集中,并与其他“阵地”之间建立高效的连接。
随着智能化应用的不断演进,整车传感器数量和数据倍增,芯片算力、存储容量、通信带宽和软件功能也不断突破新高。新需求的功能升级要添加到原有架构上只能以独立子系统形式,这会导致硬件资源浪费、线束布置复杂、上层应用逻辑复杂等一系列问题。最终给主机厂的开发设计、制造成本和售后维护带来挑战。
另外,车上许多功能都需要以OTA的形式最终实现,保证生命周期内持续升级也是具有必要性。
只有升级中央计算架构,将整车软硬件一体化,才能将所有接口API化、服务化,才能打造更复杂的系统,实现进一步的技术演进。
算力集中后,供应链的环状「变形」
实际上,当我们谈论中心化计算架构,并不是在讨论未来。
不论是英伟达去年发布的Thor芯片还是凭借8155芯片站稳座舱霸主地位的高通,都对域控制器融合的新趋势野心勃勃。英伟达宣称Thor会成为全车算力的集中平台,高通则采用不同类型芯片组合,将算力也拉到了2000T,与英伟达对标的同时,也向着跨域集成进军。
在中央计算架构上车落地的同时,主机厂的需求和与芯片厂商的关系也在悄然发生着变化。
从完全分布式的ECU方案到扁平的域控制器方案再到中心计算架构,芯片厂商与汽车“灵魂”
的距离越来越近。
传统的汽车芯片供应链中一条层级分明的直线:芯片企业将产品卖给一级供应商,他们根据整车厂的需求做成ECU,然后将其提供给整车厂。
但随着汽车电子电气架构的革新,车厂对芯片的需求也越来越复杂。
张雄表示,中央计算架构下,芯片既要具有一定的处理能力,也要有实现本地处理之后,与云端连接,建立数据闭环的能力。
在广汽埃安推出的新车Hyper GT上,中心化计算平台就已经得以应用。Hyper GT的整车算力算力由3个核心计算单元承担,其中之一为中央计算单元,采用了恩智浦S32G3。另外两个核心是智能驾驶计算单元以及信息娱乐计算单元。
据恩智浦大中华区汽车电子事业部高级市场经理余军苗解释,在中央计算架构中,需要一个“中央车控单元”,在车辆里通过网关或其他链接的链路收集节点各种信号,在进行处理后送到云端,然后在云端进行未来应用和服务的迭代,最后再下载到车里。S32G3所扮演的正是这样一个“中央司令部”的角色。
据恩智浦介绍,数据传输采用了万兆以太网传输,传输速率比以往至少提升了10倍,同时线束回路减少了40%,控制器减少了20个。新架构在在算力方面提升了50倍。
依靠原来线性逻辑的供应链完成这种需求,是一个几乎不可能完成的任务。
供应链正在从一条直线链条变成围绕着需求和OEM厂商的“环”。
一方面,软件定义汽车虽是无可争辩的长期趋势,但除非所有系统能够打通,才能做到用软件定义硬件需求,从而实现真正的软硬分离。在汽车复杂系统的实现情况下,至少在一定时间内,汽车软硬件的强耦合才是更强烈的需求。
另一方面,在复杂的结构下,各个功能模块芯片需求并不相同。对性能敏感的ADAS和座舱模块可能需要两年一更新,但对于重要网关或者中央计算架构中的CCU而言,更需要的是相对稳定的环境,更多的需求是渐进式的升级。
这都需要芯片厂商与主机厂协调合作,在汽车定义的初期就加入整体设计中。车厂与芯片厂商也都在为自己找到新的定位。
恩智浦大中华区汽车电子事业部市场总监翟骁曙表示,新的电子架构不像传统架构每个ECU是独立的功能节点,现在把整车架构当做整体考虑已经是一种不可逆的趋势,整车厂对电子电气架构需要有更大的把控,甚至将整个架构完全委托给某一家供应商,否则很难做到多家供应商协调并满足整车厂的需要。
张雄也表示,原来的链状生态不需要闭环,所以我只要买这个功能即可,至于具体是谁家的芯片并不重要。但现在OEM和芯片厂有着强互动,车厂必须向芯片企业提出需求,才能支撑未来对整个产品和服务的要求。雷峰网(公众号:雷峰网)