月巴金帛

月巴金帛

关注

向下推进 L2 商用,向上积极准备高阶自动驾驶和 V2X 协同:全球智能汽车前沿峰会

环形隧道
中国电动汽车百人会
2022 中国电动汽车百人会论坛

2022-03-27

2022 年 3 月 27 日,中国电动车百人会全球智能汽车前沿峰会:

博世:跨域融合是趋势,为智能生态做准备

用户体验和导向不断驱动智能网联汽车发展。当前域-集中式的电子电器架构,已发展成跨域融合式的电子电器架构,激发了跨域融合整车中央控制器需求,特别是智能驾驶和智能座舱这两个域的融合。

博世 2021 年 1 月 1 日成立智能驾驶与控制事业部。博世智能驾驶与控制事业部将通过跨域软件和电子解决方案降低系统复杂性,提升车辆功能的更新速度。智能驾驶、智能座舱、智能网联和智能车控是我们四个主要的业务板块,中国区有超 1,100 名员工,在苏州和上海设有研发中心。

博世智能座舱域控制器完全本土自主研发,以中国速度服务客户。博世多年前就开始了舱驾合一平台的预研,在软件平台层面,博世在积极开发跨域的 SOA 软件平台,用一套中间件来支撑智能驾驶和智能座舱不同的应用需求。在硬件架构层面,博世积极推动可插拔刀片式硬件的设计与量产,保证舱驾合一平台的可拓展性。在芯片层面,博世推动车载芯片的发展,深入与芯片厂商开展技术交流。在电子电器架构层面,博世致力于各主机厂之间充分沟通,共同参与电子电器架构规划,帮助各主机厂能够尽快实现以区域为导向的中央式电子电器架构。

中国信息通信研究院:汽车行业处于数字化变革

数字化也好、信息化也好,讲的都是如何通过信息通信技术与各个行业融合,从而变革生产方式、商业模式、产业组织方式,提升质量、提升效益,这是一个系统化的转型过程。有时候还会讲数字化、网络化、智能化,这时数字化是一个狭义的论述。大的数字化转型应该含这三个所有的内容。可以说数字化和信息化一脉相承,但是又一个新的阶段。

定制化,C2M(Customer-to-Manufacturer)在汽车工业中有久远的历史。数字化时期的 C2M 意味着用户的参与程度更深,可以参与到一些核心功能的设计。德国提出「工业 4.0」时首先考虑的,就是如何实现大规模的定制。生产线和企业体系为大规模定制化的适配是全球范围内非常重要的探索,而汽车行业可能是其中做得最好的。

智能化制造方面,包括了既有生产线、研发、供应链等等内容。汽车工业的信息自动化水平基本是制造业中最好的,人工智能、5G 通信的技术的加入会使其进入新台阶。

汽车行业数字化转型中有两个特点:

  • 产品连接的范围能有多大,这决定汽车产业价值链延伸的程度;
  • 数据能应用到多深,取决于我们通过数据可以实现增值的程度。

数字化转型是一个系统性变革,最核心的还是汽车产业的价值、运营的转型和商业的变革。汽车企业的组织也会面临变革,所以在这个过程中,企业数字化转型的战略设计是非常重要的。在战略设计指导下业务的转型是非常关键,因为这是企业价值的所在。另外,围绕业务的转型如何实现运营的转型,这点对于身处变革中的企业非常关键。

集度汽车:智能汽车 3.0 将更加注重软件安全

在燃油车和电动车时代,汽车工业的革新是由能源驱动的。而现在,电动汽车正迎来全面的数字化升级,智能化成为了新的趋势。人工智能带来了技术的革新、效率的提升、体验的颠覆。集度汽车认为 2023 年将会是汽车智能化竞争的元年,智能汽车 3.0 时代已经到来。

在智能汽车 3.0 时代,汽车产品的基本理念有:自由移动、自然交流、自我成长。集度自研了电子电气架构和域控制器,从软硬结合的角度,充分保证整体架构的安全性。软件的研发、软件能力的验证,以及软件运行的安全稳定性,是集度最为关注的问题。

寒武纪行歌:车载芯片的国产化、本土制造封装仍存在问题

寒武纪行歌是寒武纪控股的车载芯片子公司,寒武纪则是由中科院计算所孵化的领先的人工智能芯片公司,寒武纪行歌致力于打造全球领先的自动驾驶芯片公司。

寒武纪行歌认为的自动驾驶五年内趋势如下:

  • L2+ 的自动驾驶系统的装备率将会迅速普及并将长期存在,未来五年 L2+ 及以上的总体渗透率可能超过 50%;
  • 受限场景下的 L4 级别的自动驾驶解决方案将逐步实现落地,但距离大规模量产还有很长的路要走;
  • 车路云的闭环协同,将会进一步推动驾乘体验持续升级。智能驾驶系统规模化落地将面临多重挑战。

寒武纪行歌定位为车载芯片公司,未来将与 Tier 1 公司、传感器公司、算法公司等一起与 OEM 密切协同,形成网状的合作关系。

2022 年寒武纪行歌将有两款重磅芯片正式发布,一款是针对 L4 市场,可支持车端训练的 SD5226 系列产品;另一款是面向 L2+ 市场的 SD5223 芯片。后续还将择机推出面向其他细分市场的产品,首先是面向 L4 市场的寒武纪行歌高端智驾芯片 SD5226 系列产品。当前面向 L4 级别的自动驾驶域控制器都采用 2 颗甚至 4 颗 SOC 的解决方案,带来了系统复杂、板级带宽受限、功耗超标、量产周期长等风险和挑战。

寒武纪行歌计划在明年正式发布 SD5226 系列芯片解决方案,为满足市场需求,SD5226 在人工智能算力方面进一步提高到超过 400 TOPS,CPU 最大算力超 300 KDMIPS ,采用 7nm 工艺,独立安全岛设计,率先提供基于单颗 SOC 的 L4 级别的自动驾驶解决方案。此外,这颗芯片的最大亮点是可以支持车端训练,SD5226 支持车端自学习架构,真正进入高智能汽车 2.0 时代。

华为:以软件定义汽车

智能化将是电动汽车竞争的焦点,彻底改变人与车交互的方式和体验,将改变汽车行业未来的格局。经过最近几年的实践和总结,华为认为智能汽车有 4 大特点:比特管理瓦特、算力驱动马力、软件定义功能、体验持续优化。

在智能汽车数字架构中,华为提供智能汽车数字平台的基础要素 iDVP ,包括计算与通信架构 CCA、车载操作系统和完善的工具链,降低软件系统的开发难度。在这个架构中,有一个核心的操作系统,智能车控操作系统 VOS ,完全由华为自主研发。开放兼容多厂家异构芯片和 AUTOSAR 通过了车规和信息安全认证,已经在网关、电动系统、传感器,以及第三方设备上广泛应用。华为提供模型化工具链,使原有 ECU 的代码迁移和新系统的开发变得非常高效。

华为希望基于鸿蒙车机操作系统,构建多样化的座舱体验。这离不开硬件伙伴与软件伙伴的共同参与,我们已经与 150 多家软硬件伙伴们建立合作,今年将有更多的车载应用上架。在最新的座舱 DEMO 车上,已经部署了合作伙伴的车载天幕、电子后视镜、全息投影、转向系统和智能健康座椅,体验非常棒,我们正在推动这些场景商业落地。

智能汽车发展需要大量的计算和软件人才,我们以产业聚集人才,为他们提供体系化的知识、培训和实践机会,帮助他们成长,同时人才加入产业,又促进了产业的发展,形成产教结合的人才培养体系。华为在人才培养方面也在积极投入,通过训练营组织了 10 余所知名高校学生参加集训;赞助多个智能驾驶大赛,开展华为工程师走进校园,指导学生开发智能驾驶系统;并建立了课程学习、动手试验和考试人才认证体系,促进了高校人才学习和发展。

国汽智控:推出适应软件定义和数字驱动的智能平台架构

我们谈的智能网联汽车操作系统是一个整体的产品架构,今天主要目的不是介绍产品,而是需要关注的几大特色。其中就包括跟手机一样有了硬件和操作系统,那么主机厂和主机厂的一级供应商便可以在上面进行自主、高效的开发智能驾驶应用,实现所说的软件定义汽车。

简而言之,智能驾驶操作系统需要具备几大优势,支持上层应用高效、低成本的开发,支持不同硬件平台和统一的操作系统。此外,中国也在推广网联式,就要求操作系统内部像计算机内核一样,具有对外的网联功能,也要更安全,不仅仅是 ASIL D 的功能安全,还包括数据安全和信息安全,进一步来讲,是要实现车规级。

无论何时,几万元的新车总是存在的,其硬件的智能等级一定是不足的,包括市面已有的几亿保有量。在软件定义生命周期内,车辆的软件一定要升级,并且一定会超过自身的硬件。

因此,需要考虑计算边界如何突破车的边界以及传感的延伸。基于车云一体化总体架构,这里重点是以车控为基础,重点强调车控系统延伸到路测。以计算的角度来看,主要计算单元在路测、车端和云端,因此需要车控系统利用边缘计算实现车控系统的延伸。这里需要看下,智能汽车操作系统也包括里面的信息安全数据安全,能够逻辑上运行在车内,也运行在云端,实现协同计算。

清华大学邓志东:走出智能汽车创新发展与商业化落地之路

今天要分享的内容主要有三个方面:

  • 通过人工智能超算与预训练的巨量模型能否实现 L3+ 的纯视觉的自动驾驶;
  • 走出单车智能与网联新基建的协同创新发展与商业化落地之路;
  • 如何从 L2 辅助驾驶迈向 L3+ 自动驾驶,以及它的技术实现路径。

第一个方面,我们现在看到特斯拉 L2 的纯视觉的 FSD 自动辅助驾驶,它获得了较好的用户体验,目前仅仅是对特定地区的少量推送就获得了超过 5 万规模的普通终端用户,也是目前全球最大的 L2 车队。它使用的纯视觉,可以说也有优势的地方,就是避免了使用多模态的融合感知所带来的技术挑战。

从 2020 年 10 月份启动 FSD 的 Beta 测试版本以来,到目前还没有出现什么事故。但是它毕竟是个 L2 的自动辅助驾驶,并非是 L3、L4 的纯视觉的自动驾驶。我们认为要提升到 L3、L4 的自动驾驶,需要最大限度地使用目前已有的数据驱动的人工智能,包括面向限定区域的自动驾驶应用场景,极限使用巨量的标签大数据还有人工智能的超算,以及预训练的巨量模型。

第二方面,就是我们怎么走出一条协同创新发展与商业化落地之路?我们认为,就是把单车智能与网联新基建进行协同。

单车智能其实是基础,发展单车智能可以说是当务之急。,我们需要鼓励各种自动驾驶解决方案,并进行探索和的创新。要追求 L4 甚至是 L5 级别的单车智能,鼓励纯视觉、视觉主导以及激光雷达主导的 L3+ 传感器解决方案,各种方案都要进行探索、创新。

我国在单车智能相对落后的情况下怎么发挥我们的独特优势,加快推进面向 L3、L4 自动驾驶的 5G—V2X 新基建,特别是限定区域智能路网的构建,通过单车智能与智能网联协同,走出中国 L3+ 自动驾驶创新发展与商业化落地之路。

最后一个方面,我们探索一下如何从 L2 辅助驾驶迈向 L3+ 自动驾驶,它的技术实现路径。

按照新的标准,L2 与 L3+ 或者说辅助驾驶与自动驾驶的关键区别,就是通过判断主驾位置是否还有安全驾驶员。如果主驾位置没有安全驾驶员了,而是放在副驾位置或者后座,甚至是车外或完全不用安全驾驶员,这才是真正的 L3+ 自动驾驶。

对于 L3 的自动驾驶,因为主驾驶位置没有人了,可能无法导入人类的具有知觉的感知能力在这个闭环里面。对于如果 L4 的自动驾驶,因为它完全不需要人的接管,不仅没有人类的感知闭环,甚至还没有人类导入的决策闭环。因此撤销车载安全驾驶员,无疑会是让我们去直面真正的关键核心技术,从而去推动自动驾驶大规模的商业化落地实践。

撤销车载安全驾驶员的主要依据是,不管是做RoboTaxi,还是做降维应用的无人干线、支线货运或者无人公交汽车,在确保绝对安全的前提下,为什么说这是一个近期的主要目标呢?除了前面所说的,可以倒逼长尾问题、5G 应用、AI 边缘、数字孪生、边云接管、下一代人工智能等关键核心技术的攻关以外,其实这也是一个商业模式迭代的真实需要。因为在一辆 L2 的车上,用一个算法工程师去做安全驾驶员,其成本肯定超过普通的网约车司机,因此这种商业模式是无法迭代下去的。同时,通过关键技术的真正突破、商业模式的不断创新,才能去有效推动加速中国自动驾驶产业的落地之路。

黑芝麻智能:车规级大算力芯片推动自动驾驶商业化落地

现在车内的芯片特别多,从网关、车身控制、自动驾驶、座舱、动力等,智能汽车的各个环节都需要大量的芯片,大概有几百颗甚至达到上千颗芯片。

从技术角度看,自动驾驶在未来一段时间内的主要形式仍然是人机共驾的方式,从 L2 真正突破到 L3 将是一个比较长的过程,其中涉及到软件、硬件、数据等技术配合自动驾驶系统不断升级,来实现更多功能的自动驾驶和驾驶体验。黑芝麻智能目前量产的华山二号 A1000 系列芯片完美覆盖 L2—L3 级别自动驾驶。

自动驾驶芯片集成了各种各样的功能,其中主要的有图像处理、GPU、DSP、NPU、信息安全、功能安全等功能的 SOC 芯片系统,能够支持 L3 级别以上的大算力自动驾驶芯片,是一个非常完整的系统。

自动驾驶的发展需要算力支撑,高算力 SOC 芯片、AI 计算平台、良好的图像处理能力是自动驾驶演进的基础。与此同时,软硬件解耦和 SOA 的普及,意味着需要预埋足够强大的计算能力,为后续软件迭代升级提供算力支撑。L4、L5 自动驾驶甚至会需要超过 1,000 TOPS 的算力。

黑芝麻智能致力于通过领先的技术开发、完整的产品体系、开放的生态系统、灵活的商业模式,真正推动中国自动驾驶产业的发展。我们看到了这个时代赋予我们的机遇,在智能新能源车这个领域,中国汽车产业真正的第一次走在了全球的前面,这种引领其实需要更本土化的产业链支持,满足国内车厂的需求。

地平线:抱高性能中央计算

随着智能汽车的发展,特别是高阶自动驾驶技术的需求,对整个软件算力和数据传输提出了更高的要求,域控制器和域架构已不能满足高阶自动驾驶的发展需求,中央计算架构由此孕育而生。这个架构的特点是中央控制器加上区控制器的架构,它把计算与执行进行分离,同时也是一个更加开放的软件开发平台。

通过硬件资源的虚拟化和容器化,使得开发者能够更加便捷地在这个架构上开发软件,也更好地支持了 10G 以太网以及高速接口的应用,大大提升了整个算法的计算效率以及数据传输能力,更好地支持整个高阶自动驾驶的发展。

地平线去年发布的征程 5 芯片是一款面向全场景整车智能的中央计算平台芯片,可以说是一个强算力、高性能、低延迟和低功耗的芯片,具有 128 TOPS 的 AI 算力,在 Microsoft CoCo(数据)集上,能够处理 1,283 帧/每秒的计算,目前在业界属于最强性能的计算芯片,同时它在处理延迟方面只有 60 毫秒,也是业界最低。在 125 度的环境下,它的功耗只有 30 瓦。

想再给大家介绍一下 AI 芯片的算力以及真实AI 效能之间的区别。我们平时所说的 AI 算力是指 TOPS/Watt(每瓦多少 TOPS)或者 TOPS/Dollar(每一美金多少 TOPS),这是由整个硬件设计来决定的,它代表了 AI 芯片的理论峰值,但并不代表在实际使用中,我们能够用到所有的计算能力。

这里有一个有效利用率的问题,它取决于整个芯片的硬件架构设计以及编译器的编译能力。编译器是否能够把 AI 算法编译成最适配硬件架构和硬件的能力。除了这两个因素之外,我们还要考虑第三个因素,就是 AI 算法本身的效能。它以 FPS/TOPS(每 TOPS 能够处理多少帧频)来代表,这个代表了算法本身的先进性和复杂性,同时也体现在 AI 算法工程化的过程中。

我们开放共赢的商业合作模式,得到了业界广泛的认可,目前我们与超过 17 家主机厂在进行深度合作,前装项目超过了 45 个,正在开发当中。去年我们的征程芯片出货超过了 100 万,也是在中国唯一一家实现了车规级芯片量产的企业。

我们定位 Tier—2,是作为行业的一个赋能者,我们希望以征程芯片作为基石,打造智能汽车产业界的一个全局生态。目前我们与很多主流的主机厂还有新势力都有深度合作,同时跟 Tier—1 还有硬件、传感器以及软件合作伙伴进行广泛深入的合作,来共同打造智能汽车的发展。

本文著作权归作者所有,并授权 42 号车库独家使用,未经 42 号车库许可,不得转载使用。

评论 · 0

0/3
大胆发表你的想法~
2
1