软件定义汽车的四大趋势

前言:

继 PC 和手机之后,智能汽车正在引领科技史上的第三次智能化浪潮。当软件定义汽车成为趋势,消费者开始关注科技配置差异,汽车品牌如何实现更高层次的智能化?是否存在着为这种变革提供动力的“数字发动机”?

从技术变革来看,软件定义汽车成终极方向,总结来看,可以概括为“443”:
1. 四大挑战:安全性、实时性、带宽瓶颈、算力黑洞
2. 四大趋势:计算集中化、软硬件解耦、平台标准化以及应用生态化
3. 三大核心技术支柱:AI计算芯片、车载操作系统以及数据闭环
从产业变革来看,软件定义汽车将重塑整个汽车行业,总结为4个主要趋势:
1. 汽车行业正按照IT行业的逻辑和节奏向前发展
2. 产业生态重塑:拼图式合作替代塔状结构供应链
3. 价值链范式转移:利润上移,软件和智能化零部件成汽车行业最大盈利环节
4. 淘汰赛拉开序幕:造车新势力成主角,行业迎来百年巨变

算力不足是当前智能汽车的最大瓶颈

算力就好比智能汽车的脑容量,如果我们去看进化史,会发现灵长目动物智力的提升,是伴随着大脑容量的不断提升而获得的,因为大脑容量是智力的物质保证,我们没法想象小昆虫能够进化出匹敌海豚的智力,就是因为容量已经成为其智力发展的硬约束。
汽车的智能化也遵循同样的逻辑,车载智能计算平台可以说是智能汽车的大脑,为上层软件提供强大的算力支撑和友好的运行环境。算力的持续提升是汽车智能化进步的标志。
当前算力不足已经成为智能汽车发展的核心瓶颈。车载中央计算平台对于算力的需求简直是无底洞,自动驾驶等级每增加一级,算力需求就有一个数量级的上升,业界已经在讨论车载计算的TOPS(每秒1千万亿次运算)时代何时到来,这相当于要把“天河一号”超级计算机(2010年建成,排名当时全球第一)装进一台汽车!从这个意义上说:未来的汽车就是四个轮子上的超级计算机。

智能汽车正掀起算力的军备竞赛

在智能汽车所需要的计算能力中,占比最大的部分就是AI计算,智能汽车时代,AI计算芯片就是数字发动机,提供智能汽车最重要的硬件基石:算力。
各主要玩家都在持续提升车载AI芯片的算力
算力需求来自车载AI计算任务的挑战性,以感知为例:自动驾驶车辆需要对车辆的360度范围之内的环境进行感知,包括对移动物体的识别、跟踪、预测、对于驾驶环境的语义分割、建模到定位,感知的范围非常广,而且还要在不同的天气情况、光照条件下可靠地工作,这一切对于感知算法的可靠性、准确性提出了极其苛刻的要求。
为了达到这一目标,感知需要多种传感器进行融合,并且在每一个维度上都进行冗余备份,随着各种传感器的性能持续提升,其需要处理的数据量也呈几何级数增大,例如使用最广的车载摄像头,其像素已经从1百万上升到8百万,并进一步向1千2百万发展;激光雷达和毫米波雷达也在往图像化的方向发展。对于自动驾驶处理器的算力需求也随之水涨船高。
当前,自动驾驶处理器的算力主要用于感知,但是,从自动驾驶的发展来看,这并不是对自动驾驶处理器算力要求最高的部分。随着自动驾驶系统向L4、L5等级迈进,需要能够驾驭城市驾驶环境这样的复杂场景,决策将需要比感知更大的计算能力。
AlphaGO在围棋领域的成功,代表了人工智能在决策方面一个里程碑式的成就,但是对于围棋这样的应用,其感知环境是全透明的,可以获取棋盘上的一切信息,博弈主体只有两个,这是一个环境封闭、规则完备、信息完整的决策场景,但即使是这么简单的场景,Google都要用算力高达180TOPS的TPU去支撑,才能够满足要求。
对于自动驾驶,我们有可能面对的是跟上百个道路上的移动主体的博弈,这里面不仅包括车辆,还包括行为非常复杂的行人,比如中国式过马路,红绿灯是不管用的,行人随时会过马路,而且边走边看车的行驶情况,行人的下一步决策依赖于你的决策,再比如换道,打了转向灯,还得看旁边的车让不让,如果不让再接着开,这是一个不断博弈的过程,也是互动式的决策过程。
所以自动驾驶面临的是一个开放的环境、不完备的规则、不全面的感知信息、多智能体的博弈场景,而且还不能出错。决策算法的决策搜索空间比围棋要大的多,难度是非常大的,其对于算力的要求比感知更大,就是因为这个原因。

软件开发2.0时代:数据驱动的迭代闭环

特斯拉的智能化升级速度越来越快,以最畅销的Model 3为例,数据显示特斯拉平均每7.3天更新一次汽车软件,作为对比,传统车企往往半年时间都难以提供一次升级。
通过自己打造完整的AI进化闭环,配合数量达百万级别的车队不断提供用于AI进化的真实路况数据,特斯拉拥有了比其他竞争对手更高的算法迭代效率。
其结果是:特斯拉成功打造了联机版的智能进化体,依靠超强的软件迭代速度,特斯拉给消费者带来持续升级的智能化体验。
我将这种软件开发模式称为软件开发2.0模式,相对于1.0模式,其本质的区别在于:用数据替代人力,来驱动算法(这里主要是CNN模型)的高速进化。
可以想象:人力的成本是持续上升的,而数据的处理成本却随着摩尔定律的发展持续降低,实际上,配合软件的进步,我们可以获得比摩尔定律更快的下降速度。软件开发2.0的优势正在于此。
广汽研究院智驾部部长郭继舜在一次车展同期的圆桌对话中指出:“各家企业都开始重点强调数据的积累和功能的迭代。这两方面成为保证现在汽车持续具有生命力的一种必然。这意味着,未来我们的汽车产品从静态转向动态,在完整的生命周期中不断进行进化,成为一个动态学习的过程。”我深以为然。
美国当地时间10月12日,特斯拉首席执行官马斯克发推称:“说到做到,下周二将发布有限的完全自动驾驶beta测试版。但首先,这将只限于少数精于驾驶并且非常细心的司机。”
不同于之前Waymo仅在几个城市投几百辆车运营,更不同于某厂仅有十几个试乘点(包括终点)的“全面开放”自动驾驶服务,这次是公众第一次自己可以选择路线并真实感知的自动驾驶。
Waymo之前被公认为自动驾驶一哥,但实际上,特斯拉迭代速度比Waymo更快,原因就在于特斯拉的数据收集成本和范围优势明显。

计算架构在加速集中化

在软件定义汽车的驱动下,智能汽车的电子电气构架(EEA)正在加速从分布式向集中式演进,终极形态就是车载中央计算机。
从分布式ECU架构到域架构,计算的集中度明显提升,后者按照功能不同聚类,有了“面向服务(SOA)的架构”这个概念,软硬解耦得以体现,且通过以太网作为车内骨干网进行互联。这种趋势继续演进,就出现了中央计算架构,可以提供开放式软件平台,底层资源充分池化使得中央可以共享,在未来进一步打通云端计算和车端计算,形成更大的协同式计算网络,但车端的边缘计算依然是智能化的基石。
可以说:电子电气构架的核心演进逻辑,就是通过提供开放的、资源充足的硬件平台,使得软件开发更便捷、更高效。
业界普遍认为,车载中央计算机的量产要到2025年之后才能实现,但日经BP社在2019年拆解了特斯拉Model 3之后得出一个结论:特斯拉已经实现了这一先进架构,领先同行超过6年。
车载中央计算机通常都是一个异构计算平台,因为计算任务多种多样。但AI计算是其中算力最大的部分,是当之无愧的主芯片。

软硬件解耦,算力超配,硬件预埋成趋势

下图是我曾经在一个论坛上分享过的地平线芯片发展路线图,但重要的是这里体现的逻辑:在过去,算力还不充足的时候,我们开发的是单个功能,例如ADAS或者DMS,当算力持续增强的时候,车载中央计算平台就出现了,并且通过软硬件的解耦,使得功能应用不再依赖于特定的硬件,从而极大加速了功能的开发。
在算力超配的前提下,可以保证在未来三年左右内,可以持续通过软件更新来增加新的功能,三年后,计算平台硬件也可以再次升级,保证在整车生命周期内,算力持续充沛。
终局来看,软件定义汽车深刻地改变了汽车行业的盈利模式,将高性能的硬件预埋作为投资,通过软件更新服务盈利,已经成为特斯拉为代表的新造车势力的标准操作。

产业价值链范式转移:软件和计算平台成利润重心

如果我们观察PC的产业价值链,就会发现行业利润的重心并不在联想、戴尔这些品牌,而是微软和英特尔。如果我们相信智能汽车行业的发展逻辑也按照IT行业的规律走,那么大概率我们会看到一样的趋势。
来自麦肯锡的研究指出,高效的车载计算平台已经成为支撑智能汽车的核心部件,车载智能计算平台、软硬件开发能力将成为未来自动驾驶价值链中最重要的能力因素,占34%的比重。并预测未来自动驾驶的软硬件成本将由90%硬件加10%软件,向软件和硬件基本持平的方向演化。
特斯拉的软件收入正在急剧增加,马斯克日前宣布特斯拉FSD(完全自动驾驶能力)软件的价格再上涨2000美元,从8000美元提升至1万美元。单单这一项软件的营收已经累计超过10亿美元。
来自安信证券的研究指出,特斯拉2025年FSD的收入将近70亿美元,占特斯拉汽车业务营收的接近9%,贡献25%的汽车业务毛利。中长期来看,FSD将大概率切换成软件订阅服务的商业模式,预计2030年的订阅服务收入有望超过160亿美元/年。
特斯拉的市值之所以可以达到4000亿美元,其背后的逻辑就是其盈利越来越来自软件,因此,资本市场对于特斯拉的估值也超越了传统的汽车制造商视角,以软件科技股的属性对其进行定价。
特斯拉在持续丰富其软件包的组合

拼图式合作成产业发展主流

前段时间参加了北京车展,作为汽车行业发展的风向标,这次车展非常明显的趋势就是:智能化已经成为各车企的竞争主战场,而智能汽车的实质,并不是拥有多少项ADAS配置,而是拥有在整车生命周期内的持续进化能力。从进化速度的角度分析,相对于打造新的硬件来实现进化,由软件来实现的进化显然要快得多。由此也带来整个汽车行业的颠覆性变革。
今天,特斯拉已然成为智能汽车行业的标杆,中国的新造车势力也在模仿中快速崛起,蔚来的市值甚至已经超越了宝马。
中国的主机厂应学习特斯拉,但不应是像素级地去复制,比较可行的方式是充分集合中国的创新企业,协同作战。中国市场的驾驶工况、消费者需求等与国外有诸多差异,这些差异可作为中国企业的突破口。上游有芯片开发能力的公司与主机厂进行深度组合,协同创新,会是一个更有实践性的道路。
(0)

相关推荐