跟上特斯拉,一直游到海水变蓝
撰文 / 涂彦平
编辑 / 黄大路
设计 / 师 超
2016年7月的跟上一天,Mobileye创始人Shashua宣布:“EyeQ3芯片将会是拉直Mobileye和特斯拉公司的最后一次合作。”
随后,海水大庆市某某食品机械销售部特斯拉CEO马斯克作出回应:合作的变蓝中止不会影响特斯拉自动驾驶技术的进程。
马斯克之所以云淡风轻,跟上是拉直因为彼时特斯拉已经与英伟达暗通款曲。
2016年年初,海水英伟达发布了被创始人黄仁勋称为“世界上第一个面向自动驾驶汽车的变蓝超级计算机”的Drive PX2。
这一年10月,跟上特斯拉基于英伟达Drive PX2开发出全新的拉直驾驶辅助硬件,MCU芯片采用英飞凌TriCore系列产品。海水这意味着特斯拉找到了能满足它自研算法需求的变蓝算力芯片。
当然,跟上自动驾驶的拉直旗手绝不会止步于此。
2019年4月,海水特斯拉的硬件升级到3.0版本,采用了第一代自主研发的FSD1.0芯片,甩开了英伟达和英飞凌。
就这样,特斯拉走通了从依赖供应商芯片和算法到自研算法和芯片的全过程,成为软硬一体策略执行得最为成功的整车厂。
随着智能驾驶技术继续向深处开掘,大庆市某某食品机械销售部自动驾驶行业软硬一体的趋势更加明显。软硬一体化系统的大规模量产能力逐渐成为高阶智驾竞争的胜负手,越来越多的车企想追上特斯拉的脚步。
何为软硬一体?
从本质上来说,软硬一体其实是一种产品设计模式,它将软件和硬件系统集成在一起,以提高系统效率和性能。
拿手机领域来说,无论是苹果以一己之力完成从芯片到操作系统及其他核心软件的研发,还是安卓(操作系统厂商)+ARM(芯片厂商)深度绑定,都属于软硬一体。
手机产业有软硬一体,汽车产业也有软硬一体。
9月5日,辰韬资本等在上海举办2024自动驾驶软硬协同发展论坛,并发布了2024年度《自动驾驶软硬一体演进趋势研究报告》。
《报告》给“软硬一体”下了一个定义。
软硬一体中的“软件”,主要指的是智能驾驶系统的软件和算法,其中可能包括应用层、中间件、操作系统等;
软硬一体范畴中的“硬件”,包括各类传感器、高性能计算芯片、域控制器以及围绕核心计算芯片的其他芯片和电子元器件,但主要讨论的是对象是高性能计算芯片。
而软硬一体描述的是自动驾驶公司、要做自动驾驶的芯片厂商和主机厂具备的软硬件协同的研发能力和开发模式。基于软硬一体的能力和开发模式,公司可以提供软硬一体的产品。
三种模式
基于这个概念的界定,《报告》将软硬一体不同的开发模式分为三种:
其一,“重软硬一体”模式,由同一个公司完成芯片、算法、操作系统/ 中间件的全栈开发。典型例子包括海外的Mobileye、特斯拉、英伟达(开发中)以及国内的华为、地平线、Momenta(开发中)等。
其二,“轻软硬一体”模式,部分自动驾驶解决方案公司虽然采用第三方芯片,但具备极致的优化能力和丰富的产品化交付经验,能够最大化发挥该款芯片的潜能。典型案例包括卓驭(大疆)、Momenta等。
此外,还有一种情况是从“重软硬一体”模式衍生出更加轻量化的模式,将软硬耦合程度最深的AI算法和SoC芯片做深度绑定,作为标品向客户提供。同时,其他软件模块和硬件模块由生态合作伙伴来提供。
尽管有这几种模式的划分,但一家公司采用的是软硬一体还是软硬解耦战略,是要具体情况具体分析的。
比如,英伟达为自己的芯片开发算法,这是软硬一体;而某个算法公司一直基于英伟达芯片提供解决方案,基于英伟达芯片进行深度适配,这也是软硬一体。只不过,前者是“重软硬一体”,后者是“轻软硬一体”。从另一角度看,英伟达的芯片可以跟多家的算法适配,这就属于软硬解耦策略。
再比如,一家主机厂或算法公司从供应商的芯片切换到自研芯片的过程,也属于软硬解耦;但切换完成后,则又是“重软硬一体”。
软硬一体方案为何成为行业的主流选择?《报告》认为,成本驱动是主要因素。
比如,特斯拉自研的FSD芯片尽管在工艺上跟英伟达orin具有一代的差距,芯片的代工成本上仅为后者的三分之一,但是在整体功能实现效果上却表现更优。
整车厂的选择
特斯拉的自动驾驶方案经历了三个阶段:从供应商“重软硬一体”方案(早期跟Mobileye合作阶段),到自研算法配合第三方芯片“轻软硬一体”方案(跟英伟达合作阶段),再到近年来自研芯片走上“重软硬一体”之路。
在这个过程中,无论算法还是芯片特斯拉都有了自己的心得。
在算法上,特斯拉采用的BEV+Transformer的感知+融合+预测方案,以及从FSD12.3起开始推送的模块化端到端方案,引领了行业智驾算法的发展。
在芯片上,特斯拉前期使用Mobileye EyeQ3、英伟达Drive PX2,后期选择自研的FSD芯片。自研的一代芯片2019年流片,采用14nm工艺;二代芯片2023年发布,采用7nm 工艺。
算法的持续突破为特斯拉带来了软件优势,而自研芯片和工具链又让他们可以把这些软件优势快速转化为产品力,最终表现为车辆自动驾驶系统的领先。
特斯拉珠玉在前,蔚小理等中国车企也在相似的道路上摸索前行。
以理想为例,早期跟特斯拉一样使用Mobileye提供的“重软硬一体”方案,2020年之后开始使用地平线的芯片,并在地平线的帮助下开始自研算法,走向了“轻软硬一体”。此后,理想又基于英伟达的Orin自研高阶智驾的算法,仍然坚持“轻软硬一体”战略。
在自研算法之外,据报道,理想也已经启动智驾芯片的研究,预计今年年内完成流片。
蔚来早期同样使用Mobielye提供的“重软硬一体”方案;后面连续几年基于英伟达Orin自研算法,走上“轻软硬一体”。
今年7月蔚来科技日上,创始人李斌宣布蔚来神玑NX9031流片成功。这是全球首颗5nm 智能驾驶芯片,无论是芯片还是底层软件均已实现自主设计。后续如果该芯片能够量产可用,蔚来也将走上“重软硬一体”模式。
目前,小鹏已经拥有Xpliot/XNGP/XNGP+全系列自动驾驶/辅助驾驶架构,全部由小鹏自研,并基于英伟达芯片实现。《报告》指出,小鹏目前属于行业内对“轻软硬一体”路线执行得最坚决的造车新势力。
今年8月小鹏MONA M03上市发布会上,小鹏汽车董事长、CEO何小鹏宣布宣布小鹏自研的图灵芯片已经在8月23日成功流片。该芯片是专为L4级自动驾驶设计,并为AI大模型量身定制。这也预示着小鹏可能从“轻软硬一体”逐步迈向“重软硬一体”。
《报告》认为:总体的趋势是,“轻软硬一体”基本上都会转向“重软硬一体”。“轻软硬一体”基本上只是个过渡形态,而从“轻软硬一体”切换到“重软硬一体”的过程,则是软硬解耦。
轻舟智航生态市场负责人高建雄认为:“软硬一体和软硬解耦可能会长期共存,针对于不同产品或者不同选择,有一些选择让供应商解耦合作,有一些会选择自研,并不是非此即彼的东西。”
三类不同公司的软硬一体策略
从软硬一体策略上来讲,整车厂的选择针对不同的配置有差异化。
通常,针对低阶智驾配置更倾向于采用供应商软硬一体方案。而高阶自驾配置会倾向于采用自研算法+平台型第三方芯片“轻软硬一体”策略,或者更进一步自研芯片做“重软硬一体”方案。
对于整车厂来说,如果自研芯片能够实现比较好的投入产出比,整车厂也会有比较强的动力和技术实力做自研芯片。
《报告》对芯片研发的盈亏平衡点做了一个粗略估算:“以7nm制程、100+TOPS 的高性能SoC为例,其研发成本高于1亿美元(包含人力成本、流片费用、封测费用、IP 授权费用等等),若以售价100美元、毛利率50% 计算,其盈亏平衡点为200万片芯片出货量。”
因为芯片研发的盈亏平衡点还受制程、售价、研发投入等多方面影响,所以,《报告》表示目前行业普遍看法是:自研芯片出货量低于100万片,很难投入产出比平衡。
基于此,天准科技域控产品负责人汪晓晖认为,“只有长期在市场上占有一定的比例,才能够符合商业逻辑的投入产出比。主机厂自己做软硬一体这种模式可能会存在,但不会太多,顶多1-2家。”
辰韬资本执行总经理刘煜冬总结了芯片公司和软件公司的软硬一体策略:对于芯片公司来说,需要持续不断做更多软件方面的投入来构建护城河;对于软件公司来说,更好的策略是更多深度适配更多的芯片。
《报告》总结了采用软硬一体策略的三个判定标准:技术成熟度(算法技术框架已经收敛);技术平权度(有很多公司掌握了芯片设计技术/方案);总收益(市场回报能够覆盖软硬一体的成本)。
“三个标准,满足其中一条时公司就具备考虑软硬一体的条件,满足其中两条时公司就会具有推动软硬一体的动力,如果三条全部满足则软硬一体就是公司在当前的最优选择策略。”
责任编辑:张新颖_NAB7458(责任编辑:热点)
- 美国波音公司工人接受新的薪资协议 结束7周罢工
- 冲呀!OTE联赛选秀:中国球员赵维伦被Cold Hearts队选中
- 奥迪关厂事件引发汽车工人抗议,超 5000 人聚集布鲁塞尔示威
- 卡尼萨雷斯:库尔图瓦是门将位置上的马拉多纳、梅西、C罗
- 叶光富成为中国在轨飞行时间最长航天员
- 佰维存储孙成思携手众多行业大咖出席第三届GMIF2024创新峰会
- 北京车展上的概念车,你更pick谁?AI如何点评? views+
- DMO+云辇 views+
- 北京3月份二手房网签量环比上涨125.5% 同比下降35.7% views+
- 放风筝有益颈椎健康?医生:适度很重要 views+
- 有些妹子减肥,减着减着就进了妇科 views+
- 直面风险、回应一切,郁亮:“万科瘦身”后会更健康 views+
- 一线城市住房“以旧换新”扩围,上海30余个新房项目率先参与 views+
- 北京有新盘卷到得房率超100%,房管局坐实赠送面积“不计入合同” views+
- 北京一四合院4.5亿元起即将开拍,3.6万余人围观,暂无人报名 views+
- “五一”假期大兴机场预计运送进出港旅客66.17万人次 views+