智能驾驶和智能座舱的发展趋势

电子发烧友网报道（文/莫婷婷）在智能汽车中，智能驾驶以及智能座舱是变化最快的领域，随着技术的发展，智能汽车的电子电气架构从拼算力进入“软件定义汽车”的阶段。

安谋科技智能物联及汽车业务线负责人赵永超分享了一组数据，量产的燃油车技术成本在2000美元左右，其中软件成本占10%；混动汽车的技术成本是在15000美元左右，其中软件成本占20%，未来L5自动驾驶汽车，技术成本约为4万美元，其中软件成本将占到50%。可以清晰地看到，不仅仅是技术成本的提升，软件在智能汽车的重要性也日益凸显，未来将影响整车系统和硬件设计。

当下，高通、地平线等厂商都布局了多款车规级芯片。在软硬件协同发展的背景下，硬件厂商也在与软件供应商打造新的合作形式。我们将从汽车产业链上下游企业的发展情况，共同窥探智能汽车的发展路径。

智能汽车走向全自动驾驶，集成化带来更高的算力需求

乘联会最新数据显示，今年7月新能源乘用车零售销量达到48.6万辆，同比增长117.3%，环比下降8.5%。1至7月的新能源乘用车国内零售273.3万辆，同比增长121.5%。总体来看，今年上半年的新能源汽车市场呈现波动的增长趋势。预计今年的新能源汽车销量将达到650万辆左右。

在智能座舱方面，几乎所有的主流汽车制造商都已选择了高通骁龙座舱平台。高通技术公司产品市场副总裁孙刚表示，在今年上半年，高通汽车业务订单总估值已经达到190亿美元，整体呈现快速增长的趋势。

高通在国内智能汽车发展的都有相应的方案布局，可以说是见证了智能汽车市场的发展。高通于2014年左右进入智能座舱领域，迄今已推出4代产品。到了2020年，高通宣布进入自动驾驶，发布了自动驾驶解决方案Snapdragon Ride平台。在车载通信方面，高通推出了业界首款C-V2X芯片，2020年首发搭载在红旗纯电SUV上，由此推动了C-V2X技术在汽车上的应用。

面对智能驾驶和智能座舱的发展趋势，孙刚总结了两大趋势：一是快，二是集成程度越来越高。他回忆，高通在2014年推出第一代智能座舱解决方案时，客户的兴趣并不大；在2016年，面对高通推出的骁龙汽车820A平台，客户觉得太高端，加上高通产品迭代快，芯片上车验证周期长，因此对各方面都有所顾忌；到了2019年，高通发布第三代骁龙座舱平台，结合当下智能汽车的发展现状，客户普遍认为是主流产品。如今，高通已经发布了第四代骁龙座舱平台SA8295，采用5nm制程工艺，提高了三倍性能，已有十几个客户签约。

“中国客户在智能座舱方面的需求呈线性上升的趋势，跑得非常快。自动驾驶也是同样的情况，几年前，L2的自动驾驶芯片算力大概是4TOPS/8TOPS，现在至少也要20-30TOPS，更高阶的智能驾驶级别甚至需要500TOPS。”孙刚表示。

现在实际上很多大的车厂在他们的概念里面，智能汽车已经只剩下三个大的动力，车身、智能座舱、自动驾驶。未来的集成度会越来越高。为了适应整车厂商的需求，高通的芯片运算能力也越来越强大，集成了仪表盘、音响系统、后视镜、DMS等系统。

从高通的发展中，我们可以看出中国智能汽车对硬件需求从加速做“加法”到逐渐做“减法”演变。与此同时，由于汽车智能化、网联化的发展趋势，汽车芯片算力增加等需求，电子电器架构也在跟随汽车智能化的革新脚步，逐渐走向功能集成、高性能的域控制架构，最终走向集中计算、区域连接的中央计算架构。从地平线征程系列车规级AI芯片路线图也可以看到这一点。

地平线在2018年、2019年发布征程2和征程3，AI算力分别为4TOPS、5TOPS，采用 BPU伯努利架构，由于是在辅助驾驶阶段更加重视环境感知、多模感知。例如今年发布的第三代荣威RX5，搭载了3颗征程3芯片，其智驾域控制器可以实现被动散热，提升周视智能导航辅助驾驶的落地普及能力。

到了2021年，地平线发布的征程5芯片，采用了自研的BPU贝叶斯架构，基于征程5芯片的整车智能计算平台，AI算力高达128TOPS，已与红旗、比亚迪汽车等品牌达成量产合作项目。2023年计划推出的征程6系列芯片将实现全自动驾驶，采用BPU纳什架构，打造全车智能中心，AI算力可超过1000+。

据了解，地平线已经跟90%的自主品牌车企都建立了量产级的征程芯片合作，成为COEM智驾域控制器的主流选择，出货量超过100万。

从汽车产业链上游来看，芯片算力火速升级，一场算力军备竞赛正在智能汽车领域如火如荼地展开。另一方面，在“新四化”软件化、智能化、电动化、网联化）的发展趋势下，软件也在不断提升应用占比。

软硬件时代到来，上下游玩家纷纷献出对策

智能汽车行业肉眼可见的快速发展，让整车厂商都在想尽办法提高性能，由此打造市场竞争力。整车厂创新的协同性、主动性、领先型越来越高。作为赋能底层技术的芯片厂商，又该如何体现自身价值，帮助整车厂商建立核心竞争力呢？

在“软件定义硬件”时代，芯片的制胜之道在于软件。受益于软硬结合，征程5实现了“可持续成长”的AI计算能力，去年7月发布征程5时，其最强计算性能为1283 FPS，在一年的时间里提高到了1583 FPS。这是如何实现的呢？徐健解释，征程5芯片的硬件、算法都没有变，变的是软件架构。

FPS即每秒钟准确识别多少帧图像，用来评估汽车智能芯片的“真实性能”。如何衡量AI芯片是否好用？地平线认为，在芯片设计的过程中，要关注硬件设计的架构是如何被算法所定义等等。当芯片设计出来之后，持续提升软件架构，让提升编译器更好地让软件发挥性能。

为了适应新的需求，地平线在迭代征程5时，专为高等级自动驾驶打造了核心计算架构——BPU贝叶斯，具备高性能、低延迟、低功耗的特点。据了解，BPU贝叶斯聚焦最新神经网络架构，能够支持不同自动驾驶场景下的AI算子，高度软硬件并行化，实现了128TOPS的超强AI算力以及60MS的业界最低延迟。

不能忽视的厂商是Mobileye，这是一家在芯片软硬件协同设计上具有绝对先天优势的厂商。与高通、特斯拉、地平线等自动驾驶芯片相比，Mobileye在业内饱受诟病的是其芯片算力不够，2020年发布的EyeQ5算力只有24TOPS。但是Mobileye注意到，汽车计算平台搭载越来越多的摄像头、传感器系统，一个可编程的平台将在这里面起到至关重要的作用。如今，Mobileye发布了SDK，并且开发了软件算法包。

EyeQ5芯片首发搭载在极氪001，能够实现L2+ 级自动驾驶。该车型集成了2颗Mobileye EyeQ5 芯片和视觉感知算法SuperVision。能够在2颗EyeQ5 芯片运行SuperVision系统，并且在数量级上远低于其他同行的算力、TOPS指标，这或许正是其芯片软硬件协同设计的优势。

车规级芯片设计步入“软硬件协同”已经成为业界共识，地平线率先通过软硬结合的技术布局赋能车规级芯片实现高效能。开放生态模式一直是科技行业发展的趋势，在汽车行业软硬件协同的发展趋势下，真正的生态创新力会帮助整车厂超越先行者，实现后来者居上。因此，我们也看到越来越多的汽车产业玩家达成合作，共同推出新模式。

例如思科技推出虚拟SoC、虚拟ECU方案。根据新思科技汽车业务拓展总监武钰的介绍，虚拟SoC方案可以让客户在芯片流片前，从PC端拿到芯片的数字化原型，提前12~18个月对软件进行部署和测试，在芯片制成后可以直接用开发成型的软件进行移植。该技术在一定程度上改变了传统汽车电子的V型开发流程，加快软件研发的整体速度，缩短开发周期。

从设计到测试，供应链上的企业都针对性推出了不同的解决方案。然而，软硬件协同也给整车厂带来了软硬件上的挑战，需要第三方解决方案商整合自动驾驶、芯片、 *** 作系统等技术和服务，实现个性化定制开发。

作为智能 *** 作系统产品和技术提供商，中科创达针对计算集中化、汽车驾驶舱系统融合、软硬件解耦的趋势，打造了智能驾驶舱软件平台解决方案，向下可以对接底层的芯片、传感器、算法，向上对接各种服务。就在今年4月，中科创达与地平线成立合资公司，围绕地平线车规级AI芯片为主机厂及一级供应商等企业提供高质量的智能驾驶软件平台和算法服务。

小结

智能汽车飞速增长的技术背后，带来了飞速增长的硬件实力以及软件复杂度。智能驾驶与智能座舱都更加看重软硬件协同的能力，在这一方面，我们都不得不正视供应链上下游厂商做出的成绩与贡献。而未来，在市场需求的推动下，硬件厂商与软件厂商的配合将越来越默契，由此推出更加适合整车厂商的方案。　　

      审核编辑：彭静