#01 汽車變革的背景是人類社會進入智能化時代
去年3月14日，大洋彼岸的OpenAI正式發布其里程碑之作GPT-4，引起了行業轟動，今年過年期間，大洋彼岸的Open AI又扔出了另一款重磅級的科技產品SORA，代表著繼文字生成和圖片生成以后，視頻生成已經成為可能。而在5月13號Open AI又發布了GPT-4o：能接受文本、音頻和圖像的任意組合輸入，還能生成文本、音頻和圖像的相關回應。
如果傳統汽車可以用四個輪子加一個沙發來概括，那么智能汽車將會是四個輪子加一個超級計算機。傳統汽車雖然也有電子功能，但更多的是簡單邏輯處理，功能固化無法升級迭代，而智能化時代汽車不僅有強大的數據處理能力，開放的API接口，可以支持軟件快遞開發和迭代，從而極大地提升了娛樂體驗的維度。
智能座艙包括操控系統、娛樂系統、空調系統、通信系統、座椅系統、交互系統、感知系統等給駕駛員和乘客更加安全、舒適、智能的駕乘體驗。目前幾乎所有車廠都在智能座艙領域發力，即使連以保守著稱的日系車，也開始在車內使用了大屏。
智能駕駛更是智能汽車的當紅C位，最近許多新勢力車企發布會上，必然會單獨開一個章節講自己的城市NOA體驗以及開城計劃，可以說城市NOA儼然已經成為代表汽車智能化水平的標志。
智能網聯的目標是實現車與X（車、路、人、云端等）之間的智能信息交換、共享，且具備復雜環境感知、智能決策、協同控制等功能。智能網聯的重要標志是V2X，但是客觀地講目前V2X的應用場景還不夠豐富，未來隨著道路基礎設施建設的不斷發力，在“智慧的路”上跑“聰明的車”將會成為新常態。除此之外，智能網聯還支持將車輛運行數據上傳到云端，并在云端重構車輛運行狀態，這種數字孿生技術在遠程故障檢測和診斷都有著深刻的應用。
智能底盤包括線控轉向，線控制動和線控懸架，在智能化時代，利用感知、決策、執行模型，通過如人類”小腦”般精準調節車輛X、Y、Z三個方向運動維度，大大提升車輛運動姿態。市場上代表性產品有理想”魔毯”底盤，比亞迪“云輦”底盤以及實現車輛”橫著走”的智己L6”靈蜥”底盤。
汽車電子是實現汽車演化的重要載體，從1908年世界上第一個使用電池供電的汽車揚聲器至今，汽車電子無論形態還是內核都發生了深刻的變化，在智能化時代，各大車企主要圍繞“場景定義智能”，“數據定義體驗”，“軟件定義汽車”三大主場、寸土必爭，因此，汽車電子要做到“兩高”、“兩底”、“兩可以”。
1、高集成
汽車已經由一個移動機械，擴展為“超級移動智能終端”和由軟件定義的互聯網產品、電子信息高科技產品。單一的機電一體系統已滿足不了汽車電子技術發展的需要，系統與系統之間的一體化集成逐漸被提上議程，汽車行業的技術創新越來越集中在跨界融合，高度集成上面。大疆最近推出了放在車內前擋風玻璃上的“激目”系統。該款產品不僅在成本降低30%~40%的前提下，實現100%性能表現和功能替代。而且由于攝像頭與激光雷達剛性連接，天然具備時間對齊和空間對齊的優勢，減少了外參標定成本。
智能化時代汽車需要處理大量數據，以前置攝像頭為例，每小時生成的數據可能在70 GB到300 GB之間，一輛車每天能產生64TB數據，整車“超級算力中心”已經越來越成為智能汽車的“標配”。當前智艙領域高通SA8155P芯片的CPU算力105KDMIPS，更高端的SA8295P芯片的CPU算力達到200KDMIPS。智駕領域英偉達Orin X芯片的NPU算力達到254TOPS，即將量產的英偉達Thor芯片的NPU算力達到1000TOPS。
從上面可以看出，無論是智能座艙還是智能駕駛，智能網聯，都產生大量數據處理的需求，整車“超級算力中心”已經越來越成為智能汽車的“標配”。
3、低能耗
在電動化時代，緩解續航里程焦慮，除了發展快充技術以外，降低整車能耗也是有效途徑之一，比如現在許多高性能電機的逆變器使用了SiC功率模塊，可以使電動汽車整體能效提高 5%，從而使續航里程延長 5%。也就是說配備 100kW 電池、續航里程為 500 公里的電動汽車，如果使用SiC 功率模塊的主驅逆變器，那么它的行駛里程則可達 525 公里，相當可觀。除了高壓汽車電子部件以外，統計數據顯示，新能源汽車的整車低壓功耗每降低50w，在一個放電循環周期內可以增加續航里程10km，為此汽車電子要考慮降低功耗。
4、低成本
隨著汽車技術發展，汽車電子在整車中成本占比不斷提升，根據賽迪數據，預計2025年，所有車型中乘用車汽車電子成本在整車成本中占比有望達到60%。在價格戰白熱化的今天，要想在競爭獲得優勢，汽車電子的零件成本要足夠有競爭力。
在汽車智能化時代，OTA技術讓功能和體驗不斷更新成為可能，為滿足快速頻繁迭代的需求，以AUTOSAR為代表的分層式軟件架構，將中間RTE(Runtime Environment)作為虛擬功能總線VFB（Virtual Functional Bus）的實現，解耦了上層的應用軟件層（Application Layer）與下層的基礎軟件（Basic Software）的強關聯性。并通過SOA服務軟件架構，將汽車上一個一個原子化的功能服務化，通過定義良好的接口和協議進行隨意編排、組合從而實現不同智能化場景并大大降低了開發周期和成本。
6、可信可靠
隨著大數據、云計算、人工智能、4G/5G蜂窩通訊技術、V2X技術、智能駕駛技術、信息安全及芯片/攝像頭技術的蓬勃發展，帶動了智能網聯體驗的同時也伴隨著更高的安全風險及挑戰。根據Upstream的研究，2019年至2023年間，公開網絡披露的汽車網絡安全事件增加了超過50%，在2023年達到了295起報告事件。其中95%的攻擊是遠程執行的，64%的攻擊是黑帽行為。為此，網絡安全應該是整個汽車生命周期的中心目標。
#03智能化時代如何卷汽車電子
前面講了汽車智能化上半場主要集中在智能座艙，智能駕駛，智能網聯，智能底盤四個領域發力，智能化下半場隨著AI大模型上車，L3加速落地，艙駕一體式中央大腦等標志性事件已經拉開序幕，將會對汽車電子發展產生深遠影響。
1、大模型上車
大模型是指具有數千億甚至百萬億個參數和復雜計算結構的機器學習模型，可以處理自然語言識別，圖像識別，邏輯推理、演算等高級認知任務。大模型因為具備出色的自我學習和泛化能力在汽車行業中具有廣闊的應用前景。
首先，同樣采用Transformer作為底層技術的自動駕駛成為汽車行業最先想到的大模型落地方向。例如這兩年在智駕領域大火的端到端自動駕駛，就是使用大模型來做到感知決策一體化，而特斯拉的FSD Beta V12版本用神經網絡替換了33萬行C++代碼。放眼國內，各大車企之間基于大模型能力開展的NOA開城戰正在如火如荼地進行中。
其次，隨著以ChatGPT-4為代表的大語言模型成熟，語言大模型在智能座艙語言識別方面應用方興未艾，去年以來，吉利、長城、紅旗、東風日產、嵐圖等車企宣布與百度文心一言合作，廣汽、奇瑞將搭載科大訊飛的星火大模型，華為盤古大模型將上車問界M9，阿里通義千問在智己汽車首秀。在2024年的CES展上，奔馳發布的全新MB.OS車機系統搭載了全新虛擬助理，利用大型語言模型提供更自然的人機對話。
第三，AI大模型上車另一個重要應用場景是允許車主成為智慧座艙開發者。在4月16日Create 2024百度AI開發者大會上，李彥宏提到“過去開發者用代碼改變世界；未來自然語言將成為新的通用編程語言，你只要會說話，就可以成為一名開發者，用自己的創造力改變世界“，也就是說，未來，每位車主都將享有在車內自主創建AI原生智艙應用的便利，這些應用將能夠充分利用車輛的各種功能。相較于當前基于SOA服務的自主開發模式，這一新方法將更為簡易，為車主帶來前所未有的個性化體驗。另外，隨著AI大模型逐步上車，近期對AI 算力的總需求約 500~600TOPS ，中長期 1000TOPS 左右，在不同類型芯片算力發展方面，經典的CPU“摩爾定律”增速放緩， GPU AI 算力的 “黃氏定律”和大模型算法的“規模法則” 共同推動 AI 芯片算力的“非線性”發展。
2、L3加速落地
2023年11月17日，工業和信息化部、公安部、住房和城鄉建設部、交通運輸部四部委聯合發布了《關于開展智能網聯汽車準入和上路通行試點工作的通知》，這一舉措預示著L3智能駕駛技術的落地將加速推進。
為滿足L3自動駕駛系統的需求，將對現有的汽車電子系統進行顯著的變動，包括提高自動駕駛系統的安全性和可靠性的冗余設計。
感知冗余：自動駕駛系統需要依靠多種傳感器（如雷達、攝像頭、激光雷達等）來感知周圍環境。感知冗余意味著系統具有多個相同或不同類型的傳感器，以在其中一個傳感器失效時，其他傳感器仍然能夠正常工作，提供準確的環境感知數據。
計算冗余：自動駕駛系統需要強大的計算能力來處理和分析來自傳感器的數據。計算冗余可以通過使用多個處理器或計算機來實現，以確保在一個處理器或計算機出現故障時，其他處理器或計算機能夠繼續執行關鍵任務。
制動冗余：制動系統是自動駕駛汽車的重要組成部分，負責在必要時減速或停車。制動冗余可以通過使用多個制動系統或備用制動系統來實現，以確保在主要制動系統失效時，車輛仍然能夠安全停車。
轉向冗余：轉向系統負責控制車輛的行駛方向。轉向冗余可以通過使用多個轉向執行器或備用轉向系統來實現，以確保在主要轉向系統失效時，車輛仍然能夠按照駕駛員或系統的指令進行轉向。
通信冗余：自動駕駛汽車需要與周圍環境和其他車輛進行通信，以獲取實時交通信息和避免碰撞。通信冗余可以通過使用多種通信協議和備用通信通道來實現，以確保在主要通信通道失效時，車輛仍然能夠接收和發送關鍵信息。
電源冗余：配備主電源系統和備份電源系統，采用電源隔離設計，確保每個系統都能獨立供電。同時前面提到的傳感器、智駕控制器、制動/轉向控制器要支持雙電源輸入，當有一路輸入出現故障時，維持系統正常工作。
3、艙駕一體化中央大腦
艙駕一體化指的是將座艙域和智能駕駛域集成到一個高性能計算單元中，以同時支持智能駕駛和智能座艙功能。通過硬件和軟件的融合，艙駕一體化能夠顯著減少域控和芯片的投入，降低線束數量，從而節省成本，例如，通過共用一套冷卻系統，共享內存，共享算力，可節省約30%的成本，另外由于艙駕場景的完全打通，不僅帶來了更多的功能，還提升了功能體驗。
艙駕一體化的實現方式主要有三種：把座艙域PCB板和智駕域PCB板集成在一個控制器盒子的ONE Box方案，將座艙域芯片、駕駛域芯片以及高效的CPU進行集成在一塊PCB板子上的ONE Board方案，用一塊芯片做智艙和智駕功能的ONE Chip方案。目前芯片巨頭英偉達、高通都官宣自己的艙駕一體芯片在2025年左右推出。
俗話說“理想很豐滿現實很骨感”，摘下艙駕一體化的桂冠并沒有想象中的容易，目前還存在許多挑戰：
1、SoC芯片的挑戰：座艙芯片主要承擔圖形處理等計算任務，對GPU算力要求高；而智駕芯片則主要負責深度學習等任務，對NPU算力有特定要求。因此，在艙駕一體化中，需要找到能同時滿足這兩種不同計算需求的SoC芯片，這是一個技術上的挑戰。
2、軟件平臺的兼容性挑戰：智能座艙和智能駕駛的操作系統往往基于不同的開發語言和平臺，如智艙域可能使用QNX或Android，而智駕域則可能使用Linux或C++。由于智能座艙和智能駕駛的操作系統不同，如何實現兩者的無縫整合，確保數據和指令的順暢流通，是艙駕一體化需要解決的關鍵問題。
3、安全性和可靠性挑戰：艙駕一體化對系統的安全性和可靠性提出了更高的要求。因為任何一個域出現故障，都可能影響到整個系統的正常運行。
這一輪汽車“新四化”變革的上半場是電動化，下半場是智能化。據最新數據顯示，今年4月上旬，中國乘用車市場零售51.6萬輛，新能源車市場零售26萬輛，新能源汽車零售滲透率已經超過了50%，汽車電動化已經勝利在望，隨著人工智能、物聯網、大模型等前沿技術的持續發展，汽車智能化變革方興未艾，汽車電子主要圍繞AI大模型、L3智能駕駛落地和艙駕一體化三大核心點進行突破與演進。
AI大模型在汽車智能化中扮演著至關重要的角色。這些模型能夠處理海量的數據，通過深度學習和自我優化，不斷提升對復雜路況和駕駛環境的感知與判斷能力。這使得汽車能夠更準確地預測和應對各種駕駛情況，從而提高行車的安全性和舒適性。
L3智能駕駛的落地是汽車智能化進程中的又一重要里程碑。L3級別的智能駕駛意味著車輛可以在特定情況下自主駕駛，減輕駕駛者的負擔，提高駕駛的便捷性。然而，這一技術的實現需要高精度地圖、傳感器以及強大的計算能力等支持，以確保車輛在各種路況下都能安全可靠地行駛。
艙駕一體化則是汽車智能化發展的另一大趨勢。它將駕駛艙與智能駕駛系統緊密結合，為駕駛者提供更加人性化、智能化的駕駛體驗。通過艙駕一體化，駕駛者可以更加便捷地控制車輛的各種功能，同時享受更加豐富的娛樂和信息服務。
總的來說，隨著前沿技術的不斷發展和應用，汽車智能化已成為不可逆轉的趨勢。未來，隨著更多創新技術的涌現和應用，我們有理由相信，人類的通勤方式將進入一個更加智能、高效、安全的新時代。而汽車電子行業也將持續圍繞這三大核心點進行技術突破與演進，為人們創造更加美好的出行體驗。
轉自汽車電子與軟件
