「2022自动驾驶技术未来发展趋势」自动驾驶商业化驱使工程力和产品力成为主流

郑驾驶@谈话说AI主编

近日，一款无激光雷达即可实现L苏州4级自动驾驶汽车试运行。

关注自动驾驶轨道的人都知道，商业化是当前轨道的主旋律，所以只有无激光雷达和实现L4真的很刺激。

但这款由中智行、苏州金龙、天翼交通联合打造的协同1号，本质上是基于车路协同方案的Robobus。

其实自动驾驶降本路线有很多，用聪明路来弥补低配车端的感知能力只是众多降本路线之一。

我们不妨从降本的角度来看看自行车智能领域还有哪些值得期待的技术路线。

在商业化的驱使下，降低成本不仅可以关注激光雷达和高精度地图

事实上，与往年相比，自动驾驶所需的硬件成本并不比以前那么离谱。

以激光雷达为例，激光雷达产业链生态正逐渐成熟，因为小鹏、威来等新势力汽车企业的势头和高端智能汽车品牌的上车需求。

但激光雷达的价格仍难以被主流用户接受。

拿即将发布理想L9、一整套高级智能驾驶BOM成本达到几万元，只有豪车的利润才能覆盖自动驾驶系统的成本。据行业调查，94%的受访者可接受的激光雷达价格低于5000元，可接受价格占500-1000元的39%。

由此可见，如果想让走量最大的中低端车型使用激光雷达，目前的价格还是偏高的。

除了激光雷达，高精度地图也是一个重要的成本来源。目前，图形经销商采用的主要数据收集手段是通过专业的收集车集中绘图，缺点是成本高，更新慢。

即使有众包收集作为补充，它也触及了数据安全的红线，很难采取行动。因此，目前，许多汽车公司和自动驾驶公司都提出走重感知、轻地图的路线。

激光雷达和高精度地图都在感知层面上降低了成本。事实上，由于自动驾驶几乎是一条新的轨道，整个供应链系统基本上需要进一步成熟。

为了使整个自动驾驶解决方案质优价廉，不能仅仅通过降低某一环节的成本来完成。整个自动驾驶产业链的供应商都有一个舞台来展示他们的技能。

换句话说，除了感知层领域的激光雷达和高精度地图外，决策层的芯片和算法以及执行层的线路控制底盘都有进一步降低成本的空间。

更重要的是，激光雷达和高精度地图很重要，但出现了明显的龙头企业，产业链系统开始形成。线路控制底盘和自动驾驶域控制器仍处于市场导入期，属于股息突出的轨道。

近日，成立仅半年的线控底盘制造商利氪科技获得国内外多家龙头投资机构近2亿元的资金支持；环宇智能银行、科技等域控制器制造商今年也相继获得融资。可见资本市场青睐这两条轨道。

接下来，我们不妨看看这两个细分领域的降本路线，以及每条路线的主要特点。

线控降本:滑板底盘能避免技术难点吗？

在自动驾驶实验室阶段，不需要线控底盘。但我希望AI线控底盘必须与人类老司机的驾驶水平相媲美。

从技术角度来看，自动驾驶通常分为三个环节：感知、决策和执行。在执行过程中，如何制动和转动轮子与自动驾驶的体验和安全密切相关。在执行层面，如果你想显著提高车辆的控制精度，你就无法绕过线路控制底盘技术。

一般来说，如果将自动驾驶汽车视为人体，自动驾驶软件相当于人脑，摄像头、毫米波雷达、激光雷达等感知硬件相当于面部特征，线性控制底盘是人的手脚和相关的神经和脊柱。

在线控底盘技术中，线控油门和线控悬架基本成熟，无需重复。线控动力和线控转向技术难度大，价格高，市场渗透率低。

在自动驾驶产业链国产替代的趋势下，国产厂商已开始布局，其降本主要有两种路径：

第一条路径是滑板底盘，一步到位。进入这条轨道主要包括Rivian、悠跑等厂商的初衷是赋予汽车企业轻松造车，自称是智能电动车行业的硬件安卓。

本质上，滑板底盘是线控技术的高级形式，可以看作是全线控底盘的延伸，也支持自动驾驶。

根据滑板底盘制造商悠跑技术的宣传，其HPVC 在芯片上支持异构计算平台，最高计算能力可扩展到 1，000 TOPS 以上，可以满足未来 L4 以上自动驾驶需求。

然而，降低滑板底盘成本的主要逻辑是标准化滑板底盘带来的规模效应。在新车开发的早期阶段，降低成本有很大的优势，但后期的维护和回收成本较高，需要平衡整个生命周期成本。

更重要的是，一些滑板底盘玩家面临着尴尬的困境：和Robotaxi制造商的经验是相似的。由于技术难度大，底盘与汽车公司的利益有关，短期内不容易实现主机制造商降低成本和提高效率的梦想。

需要注意的是，是的Rivian和Lucid马斯克对这种滑板底盘制造商并不乐观。他认为，关键问题是，在电动汽车行业，新车的利润通常很小，大部分收入来自利润丰厚的售后业务。

因此，滑板底盘是生产模式和商业模式的创新。巧妙的是，它避免了线路控制的技术困难，并试图使线路控制制造商成为次要供应商。然而，后者的合作意愿也可能是一个问题。

第二条路径是寻求更低成本的线控技术方案。

随着智能驾驶水平的提高，线控技术的成本之所以高，是因为安全冗余的要求增加了很多。

成本是一个不可忽视的障碍，因为线路控制驱动的可靠性与后续智能驾驶的功能安全密切相关，特别是进入L3+阶段，系统需要备份冗余。一家自动驾驶公司的技术人员告诉谈话AI表示。

事实上，许多汽车公司都被卡住了L3也能看出，L3是衡量自动驾驶系统适用性和可靠性的分水岭。现在需要司机完成的后备操作AI独立完成，这对自动驾驶系统的要求达到了很大的水平。

由于冗余配置的部署无法逃脱，如何降低冗余成本已成为线控制造商追赶博世等国际Tier 巨头的突破口。

对于线控制动技术，以前的主流路线是Two－Box现在成本更有优势One－Box该计划占据了更多的市场。

根据佐思的统计数据，Two－Box目前仍是线控制动市场的主流，但市场份额从2021年的76.6%下降到2022年前5月的62.8%One－Box从20.5%跃升到34.6%。

事实上，Two－Box最大的优势是满足L3自动驾驶条件下的制动冗余需求，One－Box该产品可以通过额外的冗余功能组件反击，也可以满足高级自动驾驶的安全冗余需求。

更重要的是，One－Box能量回收优于路线Two－Box，因为它更有效地回收能量。高能量回收效率意味着电池的能量利用率间接提高。特别是在制动频繁的城市条件下，电池组的里程相同，电池成本间接降低。

与滑板底盘的成本降低理念相比，这条路线似乎减少了（少了一条）ECU芯片)，但后期通过额外组件满足高级自动驾驶的冗余需求，是一条平滑的渐进式冗余路线。

此外，线路控制底盘技术中最困难的线路控制转向依赖于自动驾驶技术的成熟，这是许多制造商不想触摸的硬骨头。然而，国内一些自动驾驶制造商已经开始瞄准这一领域。

6月8日，百度集度汽车发布了线控转向技术ROBO-01概念车可支持自动驾驶模式下车辆的可变转向比。

而此前集度、蔚来、吉利等厂商成为线控转向技术发展和标准化研究的联合牵头单位，将牵头线控转向相关国家标准的制定。

许多原始设备制造商之间的合作有望加快国内线路控制转向技术的替代，线路控制转向技术的标准化是实现规模的前提。从长远来看，国内替代助于进一步降低自动驾驶成本。

域控竞合博弈与另辟蹊径的送水人

在汽车智能化的今天，域控制器是软件定义汽车的关键。

在智能化趋势下，车载传感器数量飙升，导致车载ECU过多的电子控制单元，冗长的线束增加了制造成本和重量，浪费了芯片的计算能力和成本。

未来智能汽车需要全生命周期OTA更新功能，要做到这一点，软硬件必须分离，这与域控制器是分不开的。

对于自动驾驶，与传统的驾驶和停车系统相比，可以节省一套硬件设备省一套硬件设备。在统一了底层软件和中间部件的标准后，也可以缩短开发周期。它是自动驾驶量产的推进剂。

特斯拉的Model 3是第一款搭载域控架构的车型，采用自研双FSD芯片，NPU与英伟达相比，在同一面积下Orin芯片性价比更高，这也给其他汽车公司打了个样。

在域控制器成为自动驾驶必修课的趋势下，自动驾驶公司在是否有必要开发域控制器方面存在差异，造成差异的重要原因之一是成本。

第一条路线是干脆放弃自主开发的自主驾驶域控制器。Momenta与博世合作，易控智驾与华为合作。

从短期来看，放弃自我研究的好处是显而易见的。更不用说域控制器的生产涉及到与多家供应商的合作了，仅测试和测试设备就是一项重资产。

根据华为去年在上海车展上发布的宣传视频，建造汽车BU的GCTC汽车规级实验室和测试设备的投资超过10亿元。随着融资收紧，自动驾驶初创公司显然难以承担这样的费用。

因此，放弃自主研发显然节省了巨大的研发成本。然而，放弃自主研究后，你不能放心。

对自动驾驶厂商来说，选择供应商意味着与后者的生态绑定，可能会导致自动驾驶技术同质化。

而且从长远来看，主机厂依赖供应商后很难有议价权，采购成本可能不会很低，尤其是缺芯时期。

此外，英伟达芯片的功耗和利用率也受到了业界的批评。无论如何优化，英伟达Xavier、Orin利用率基本为30%。一位业内人士告诉谈话AI透露。

一半以上的芯片计算能力处于闲置状态，这意味着自动驾驶公司支付了不必要的成本。

第二条路线是自主研发的自动驾驶域控制器。在自主研发域控的自主驾驶制造商中，小马智兴是一家具有代表性的企业。

马选择自主研发路线的出发点是，虽然市场上的域控制器也基于英伟达建立的框架，但不能完全满足自动驾驶应用程序的要求。授权合作伙伴很难深入了解软件优化设计，也很难实现软硬件系统的深度优化。

小马智行可以在性能、安全、成本、体积等方面推出更合适的自动驾驶域控制器。

一般来说，英伟达的域控方案相当于一个毛坯房。小马志兴的工艺是在毛坯房的基础上进行精装修。这种降本路线的本质是专业人士做专业的事情，互补优势。

然而，小马志兴选择自主研究并不能说他并不担心。需要注意的是，其自主研究领域控制器也是基于英伟达的结构设计。英伟达为了应对竞争Mobileye纵深布局似乎不愿意只提供毛坯房式方案。

去年，英伟达推出了最新的完整硬件和软件架构——Hyperion 8.基于此架构与奔驰深度合作的自动驾驶汽车将于2024年登陆。

这意味着英伟达越来越雄心勃勃。未来，英伟达与汽车公司的合作将不仅仅是芯片，还有NVIDIA DRIVE平台、云地图，甚至整套软硬一体化解决方案。

然后一个问题来了。当英伟达对自动驾驶计划有足够深入的了解时，如果整个解决方案已经达到了傻瓜的地步，那就相当于吃了自动驾驶计划的大蛋糕。小马志兴留下的可能是一些低利润的废料。

从这个角度来看，在域控领域的布局上，国际Tier 未来巨头和自动驾驶公司之间的竞合博弈可能会有一些变数。

然而，优势互补，为域控制器开发配套的车端数据库是一种独特的降本思路。

在互联网领域，Oracle多年来一直是最大的数据库供应商，其数据库产品是互联网领域的基础设施，可以称之为IT躺在赚钱公司领域。

未来智能车只会产生越来越多的数据，能否在智能车领域复制？Oracle的神话呢？

这个问题目前还不容易得出结论，但企业已经开始这样做了。

据天眼查显示，一家名为智能协会的跨车云数据驱动授权公司刚刚获得了数千万元的A轮融资。

智慧协同开发vData基于此，边缘数据库产品是第一个为汽车定制开发的时间数据库ExceedData去年，车云计算解决方案在高合汽车上量产交付。

对于汽车公司来说，通过数据驱动方案，可以在保证数据质量和精度的前提下，大大降低大规模生产汽车的智能驾驶数据采集、传输和计算成本，为自动驾驶域控降低成本提供了另一种思路。

写在最后：

在商业化趋势下，自动驾驶玩家生存困难，降维求生是大多数厂商的选择。

在英伟达、博世、华为等国内外供应商的帮助下，越来越多的自动驾驶解决方案可供选择。对于自动驾驶初创公司来说，技术降维后可以提供的低级自动驾驶解决方案不再稀缺，降低成本已经成为生存和消除包围的关键。

当然，自动驾驶产业链很复杂，每个环节都有不同的技术路线。除上述线路控制底盘和域控制器外，还有虚拟仿真和大型模拟SOC芯片、数据平台等细分领域需要进一步挖掘，竞争将是多维竞争。

换句话说，现在的自动驾驶竞争早已不再是算法游戏，更考验的是工程力和产品力。