论文部分内容阅读
智能网联汽车的发展为产业带来了新的增长点。如何在新趋势下分得一杯羹，是所有主机厂以及相关供应商都在思考的问题。
制造端的能力扩展
2021年被称为智能电动汽车元年。传统车企、造车新势力、跨界进入者都在加码智能网联汽车。
所谓智能网联汽车，是指通过搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶，最终实现替代人类驾驶的目的。
以汽车行业来看，制造已经在利润获取方面是最低端的了，两头的利润和市场价值越来越陡峭，尤其是在前期，包括自动驾驶技术、前期的研发技术、后市场，实现车辆销售新的收入模式也会有非常明显的变化。
在6月18日下午，中汽协主办的中国汽车论坛的主题论坛“智能网联汽车产业生态的融合与升级”上，业内嘉宾就在深度解析智能网联为汽车产业带来的变革。
德勤中国汽车行业主管合伙人周令坤认为，自动驾驶和城市的智能交通结合起来，“聪明的车”与“智慧的路”是对未来普遍的期望。
智能网联汽车设计的技术架构非常复杂，包括车辆/设施关键技术、信息交互关键技术和支撑技术。
汽车制造端的探索
在汽车关键技术方面，车企和软件供应商都在向智能网联方向进行探索。
长安汽车智能化研究院常务副总经理贺刚认为，车企首先第一步应该把汽车打造为出行管家、安全卫士、知音伙伴、生活管家、工作助手。接下来，再把汽车做成大型智能移动终端，包括数据采集载体，能源储能单元以及移动多功能空间。
未来的产业链与交通、能源、家居都在融合，将形成多中心的模式。这意味着车企如果想赚生产制造以外的钱，就要进行变革。
贺刚认为，车企的变革体现在各个方面，例如产业、技术、产品等。
产业方面，研发上要软硬结合，提升自主化率;采购方面，采购模式需要适应软件、芯片生产方式;销售方面，以销售为起点，与客户建立更深的连接;运营方面，需要跟智慧城市深度合作。
技术趋势上，从传统的电子电气架构向着“分布式-域-中央”方向发展，分布式和集中式中央控制到底怎么做比较好，怎样做更安全这都需要统一考虑。
产品趋势上，在贺刚看来，自动驾驶离大家越来越近，10万块钱左右的车型都可以买到L2级自动驾驶的体验。
为了应对这些趋势，长安从自动驾驶、智能互联、智能交互及支撑技术等多方面布局智能化技术;搭建高质量的软件与高安全的体系，仿真测试能力包括MIL、SIL、HIL、VIL、封闭道路测试、开放道路测试等测试系统，来支撑产品开发;体系能力方面，长安基于系统工程方法，关键软件开发过程达到ASPICE二级、CMMI三级水平，同时形成基于安全导向的复杂系统的开发能力。
在第一汽车集团有限公司研发总院副院长兼智能网联开发院院长李丹看来，上述这些能力的实现，都离不开ICT技术的加持，而ICT技术恰好是传统车企的弱项。
对此，一汽的解决办法是借助外力，分为两步：一是“组群”，与一些企业、科技公司深入合作，做到共享、共建，形成共赢;然后是“合群”，与有优势的ICT公司或联盟合作，使产品做到最优。
同样是ICT技术，上汽乘用车公司车身电子科高级经理庞晓锋认为，数字钥匙是手机上各种汽车相关服务的延伸渠道。
数字钥匙将汽车和ICT技术、生态资源融合，实现互联、共享，将汽车打造成一个多场景协同与无缝衔接的智能移动空间。数字钥匙实质是将数据变为钥匙的核心，变成了数字凭证，因此就有了互联和分享的属性，就会进一步打开很多功能和应用场景。
软件供应商的挑战
智能网联汽车对软件架构也提出了挑战。
随着算力的提升，硬件已经开启了军备竞赛。一般来说，一個硬件平台上只有一个独立的软件架构，这个架构怎么支撑这么多功能的开发，而且不是独立的供应商完成，一个框架下集成多个供应商，要接口定义、开发模式都不同。在东软睿驰汽车技术（上海）有限公司副总经理刘威看来，这需要分层立体的软件架构支撑。
刘威解释说，所谓分层次就是硬件的变化，因为芯片总是在演进，算力总是在提升，能不能做出软件的架构屏蔽硬件的变化，硬件的变化对软件上层的开发所带来的变动的工作量尽可能少，这是一个挑战。
其次，软硬分离后，软件要适配不同的车型，搭载不同的操作系统，也可能连接不同的云，这些所有的变化最好不影响原来开发过的部分，对功能影响尽可能的小，这也是一方面的诉求。
再者，基于原来软件的模块衍生出新的服务，新的服务在整车售出之后，还可以源源不断地产生服务价值来赢得利润。这也需要整个架构做到适应这些变化。
东软提出一个概念叫端云协同的自我进化。刘威表示，这是控制器中嵌入多级触发器，价值数据触发后同步至云端进行迭代训练。这些长尾有价值的数据通过软件模块和数据通道上传到云端之后，在云端才可以做自我迭代、更新、训练、调度，仿真去做迭代，迭代之后测试，然后部署，这是一个闭环。以此来适应智能网联汽车的发展。
这些是车企和软件公司在整车技术领域面临的一些变革和挑战。
协同打造操作系统
车企可以全方位布局，但是总有不擅长的领域，产业链上合作伙伴的重要性就体现出来了。
典型的一个例子就是操作系统。
智能汽车的操作系统是提供一个让用户与系统交互的操作界面，作为智能网联汽车的核心枢纽，其安全可靠和兼容性是非常重要的。
华为智能汽车解决方案BU首席软件架构师崔爱国认为，智能汽车的操作系统最重要的，是满足安全要求。华为公司花费了大量的精力去符合一些行业认证，包括汽车的ASPICE、ISO26262功能安全认证、信息安全认证等，从流程、文化和认证上都把安全作为第一考虑。 在崔爱国看来，未来汽车硬件可能还是会差异化、多样化的，上面的应用也是差异化、多样化，中间需要统一操作系统，包括系统软件和中间件，通过统一的架构、统一的框架、统一的编程接口，实现统一的部署，否则很难做到全生命周期里的软件不断迭代、升级。
因此，他希望和产业界一起定义和硬件、芯片之间的软硬件的接口。对应用层提供统一的框架和服务，支持应用多样化，也包括智能车控、智能驾驶、智能座舱等相关软件的支持。
深挖数据价值
数据被称为“新时代的石油”，世界上最有价值的资源之一，在智能网联汽车的发展中也尤为重要。
上海国际汽车城（集团）有限公司副总工程师李霖就深刻认识到数据在智能网联汽车领域的价值，他希望通过数据推动智能网联汽车商业化运行的落地。
当然这一阶段数据的主要来源，是智能网联汽车在测试路段的数据收集。“从封闭园区测试到开放道路测试，到后面的牌照发放等等的逻辑。基于道路测试工作建设了智能网联的数据中心，实现了数据的采集、标注、存储、管理以及相应的应用开发。”李霖说。
百度智能驾驶事业群组高级产品运营经理王胜男则在数据前加上了高价值三个字。
王胜男介绍说，目前Apollo整体测试里程超过了1200万公里，一千万公里相当于人类驾驶员超过三百年的驾驶里程所形成的数据，“我们形成了数据越多能力越强的数据驱动闭环，同时推进自动驾驶能力不断进化。”
王胜男表示，数据的总量增加是一方面，另一方面就是从质量上来讲，数据是需要清洗的，百度后续80%的研发，都会花在数据应用和挖掘上。
王胜男所说的应用和挖掘，是指对自动驾驶场景中的处理和异常行为进行识别和标注，这是自动驾驶演进非常关键的一环，只有在自动驾驶中检测到异常行為，不管是自动驾驶还是人工驾驶，这种场景下的数据价值才更大。
“目前这类高质量的测试已经超过20多个国内外的城市，涵盖了很多复杂场景，一些异常场景组合可以形成聚类，加上我们提到仿真平台的放大和验证能力，能够面对城市化当中的场景。”
陆领科技也是一家以数据为主的公司。其联合创始人兼首席执行官霍静介绍说，他们目标就是怎么样大规模更多更高效采集数据，让机器像人类一样大量地用数据学习人类的思考模式和逻辑模式，更多的从路端、城市端，用无人机、摄像头、红绿灯来收集数据。
霍静介绍了他们在无锡的案例，在交通路口，他们采取了无人机、路边和城市端的摄像头采集到的数据进行模拟城市交通，模仿、学习和演练各种各样的交通行为，进行了大量的数据采集和训练，有效提升了他们的算法。
霍静表示，这不是一家企业能做到的，需要行业、政府一起来努力。
人机多元化交互
作为主机厂，威马汽车将人机交互作为产品的亮点。威马汽车副总裁Thomas认为，智能电动汽车给消费者最直接的体现在人与汽车的交互方面，以及无人驾驶系统。
Thomas看来，用户参与到场景设计增加人与车的互动性，例如可以自己定义SOA场景编程，手机、车上甚至条件出发场景;此外，语音触发上，威马也做了很多突破。
在无人驾驶方面，威马汽车与百度云端的算力结合，主要的部分就是完成无人的自主泊车功能，后期通过不断地OTA升级，现在我们是HAVP，未来我们会做到PAVP，只要停车场有高精地图，我可以从云端下载，我的车可以在这个停车场里面自己找到空的车位，当你使用车的时候可以用手机召唤出来。
科大讯飞在人机交互方面属于领先企业，其智能汽车副总裁雷琴辉介绍说，讯飞从单点语音合成到识别，到现在整个智能化都有了。
雷琴辉解释说，“其实并不是讯飞做了这些，而是行业变革了，需要这些东西，所以我们才越做越多了，原来我们做的是合成，原来汽车做TTS就为了导航的播报——‘前方左拐’。慢慢合成以后有了识别的需求，识别以后有了自然语言理解的需求，理解完了以后有了对话需求、视觉需求，这些需求包括后面数据的管理，大数据的推动等等，还有场景。”
雷琴辉认为，如果一辆车听得见、看不见肯定也有问题，所以它也得看清楚。基于听得见、看得见，讯飞将声音和图像结合起来，“身份识别可以靠声音，也可以靠图像。通过‘唇动+声音’可以极大提高在高噪和恶劣环境下的语音识别效果。”
高精度地图提供感知和定位
除了信息技术和车辆技术外，智能网联汽车还需要基础支撑技术的加持。
高精地图就是非常重要的基础支撑技术。
自动驾驶的关键是感知和定位，感知和定位的关键是传感器，传感器分为物理传感器和在线传感器。在线传感器就是依托于定位和高精度地图提供的，图商的作用在于具备精准的测绘和制图能力，能够帮助车端节省算力。
高精度地图要解决哪些问题？
第一，针对物理传感器的感知失效，比如非常复杂的交通路况场景，对于遮挡天气、不清晰、磨损场景，高精度地图可以为物理传感器的失效进行感知的增强和冗余。
第二，在很多的复杂城市环境里面，包括高架群、建筑物密集、隧道群定位失效场景，高精度地图本身是非常专业化、非常可靠的，地图本身品质和精度是远高于其他数据的。总体说高精度地图可以为自动驾驶的车端提供定位失效的场景补充。
此外，高精度地图本身还是超视距的传感器。当车辆进行超车的时候，普通物理传感器是无法知道超车之后的场景的，例如前面有大曲率的车道、道路有遮挡时，或者天气原因视距不够远的时候，都可以给车端提供预测性参考。
总体来说，对车端预测性控制做得越清晰越安全，信息越准确，整个自动驾驶的体验和安全性就越高。
四维图新地图产品总监刘洋还举了个例子，例如通过高精度地图，通过历史概率信息和实时路况信息，可以知道当前方车停止的时候，它停止在哪一个车道上，它的停止行为是一个可以正常停车的行为还是前方拥堵的停车行为，以此决定超车还是跟车。
可以说高精度地图不仅仅是地图，更给了自动驾驶汽车上帝视角，是实现自动驾驶不可或缺的基础性支撑技术。
制造端的能力扩展
2021年被称为智能电动汽车元年。传统车企、造车新势力、跨界进入者都在加码智能网联汽车。
所谓智能网联汽车，是指通过搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶，最终实现替代人类驾驶的目的。
以汽车行业来看，制造已经在利润获取方面是最低端的了，两头的利润和市场价值越来越陡峭，尤其是在前期，包括自动驾驶技术、前期的研发技术、后市场，实现车辆销售新的收入模式也会有非常明显的变化。
在6月18日下午，中汽协主办的中国汽车论坛的主题论坛“智能网联汽车产业生态的融合与升级”上，业内嘉宾就在深度解析智能网联为汽车产业带来的变革。
德勤中国汽车行业主管合伙人周令坤认为，自动驾驶和城市的智能交通结合起来，“聪明的车”与“智慧的路”是对未来普遍的期望。
智能网联汽车设计的技术架构非常复杂，包括车辆/设施关键技术、信息交互关键技术和支撑技术。
汽车制造端的探索
在汽车关键技术方面，车企和软件供应商都在向智能网联方向进行探索。
长安汽车智能化研究院常务副总经理贺刚认为，车企首先第一步应该把汽车打造为出行管家、安全卫士、知音伙伴、生活管家、工作助手。接下来，再把汽车做成大型智能移动终端，包括数据采集载体，能源储能单元以及移动多功能空间。
未来的产业链与交通、能源、家居都在融合，将形成多中心的模式。这意味着车企如果想赚生产制造以外的钱，就要进行变革。
贺刚认为，车企的变革体现在各个方面，例如产业、技术、产品等。
产业方面，研发上要软硬结合，提升自主化率;采购方面，采购模式需要适应软件、芯片生产方式;销售方面，以销售为起点，与客户建立更深的连接;运营方面，需要跟智慧城市深度合作。
技术趋势上，从传统的电子电气架构向着“分布式-域-中央”方向发展，分布式和集中式中央控制到底怎么做比较好，怎样做更安全这都需要统一考虑。
产品趋势上，在贺刚看来，自动驾驶离大家越来越近，10万块钱左右的车型都可以买到L2级自动驾驶的体验。
为了应对这些趋势，长安从自动驾驶、智能互联、智能交互及支撑技术等多方面布局智能化技术;搭建高质量的软件与高安全的体系，仿真测试能力包括MIL、SIL、HIL、VIL、封闭道路测试、开放道路测试等测试系统，来支撑产品开发;体系能力方面，长安基于系统工程方法，关键软件开发过程达到ASPICE二级、CMMI三级水平，同时形成基于安全导向的复杂系统的开发能力。
在第一汽车集团有限公司研发总院副院长兼智能网联开发院院长李丹看来，上述这些能力的实现，都离不开ICT技术的加持，而ICT技术恰好是传统车企的弱项。
对此，一汽的解决办法是借助外力，分为两步：一是“组群”，与一些企业、科技公司深入合作，做到共享、共建，形成共赢;然后是“合群”，与有优势的ICT公司或联盟合作，使产品做到最优。
同样是ICT技术，上汽乘用车公司车身电子科高级经理庞晓锋认为，数字钥匙是手机上各种汽车相关服务的延伸渠道。
数字钥匙将汽车和ICT技术、生态资源融合，实现互联、共享，将汽车打造成一个多场景协同与无缝衔接的智能移动空间。数字钥匙实质是将数据变为钥匙的核心，变成了数字凭证，因此就有了互联和分享的属性，就会进一步打开很多功能和应用场景。
软件供应商的挑战
智能网联汽车对软件架构也提出了挑战。
随着算力的提升，硬件已经开启了军备竞赛。一般来说，一個硬件平台上只有一个独立的软件架构，这个架构怎么支撑这么多功能的开发，而且不是独立的供应商完成，一个框架下集成多个供应商，要接口定义、开发模式都不同。在东软睿驰汽车技术（上海）有限公司副总经理刘威看来，这需要分层立体的软件架构支撑。
刘威解释说，所谓分层次就是硬件的变化，因为芯片总是在演进，算力总是在提升，能不能做出软件的架构屏蔽硬件的变化，硬件的变化对软件上层的开发所带来的变动的工作量尽可能少，这是一个挑战。
其次，软硬分离后，软件要适配不同的车型，搭载不同的操作系统，也可能连接不同的云，这些所有的变化最好不影响原来开发过的部分，对功能影响尽可能的小，这也是一方面的诉求。
再者，基于原来软件的模块衍生出新的服务，新的服务在整车售出之后，还可以源源不断地产生服务价值来赢得利润。这也需要整个架构做到适应这些变化。
东软提出一个概念叫端云协同的自我进化。刘威表示，这是控制器中嵌入多级触发器，价值数据触发后同步至云端进行迭代训练。这些长尾有价值的数据通过软件模块和数据通道上传到云端之后，在云端才可以做自我迭代、更新、训练、调度，仿真去做迭代，迭代之后测试，然后部署，这是一个闭环。以此来适应智能网联汽车的发展。
这些是车企和软件公司在整车技术领域面临的一些变革和挑战。
协同打造操作系统
车企可以全方位布局，但是总有不擅长的领域，产业链上合作伙伴的重要性就体现出来了。
典型的一个例子就是操作系统。
智能汽车的操作系统是提供一个让用户与系统交互的操作界面，作为智能网联汽车的核心枢纽，其安全可靠和兼容性是非常重要的。
华为智能汽车解决方案BU首席软件架构师崔爱国认为，智能汽车的操作系统最重要的，是满足安全要求。华为公司花费了大量的精力去符合一些行业认证，包括汽车的ASPICE、ISO26262功能安全认证、信息安全认证等，从流程、文化和认证上都把安全作为第一考虑。 在崔爱国看来，未来汽车硬件可能还是会差异化、多样化的，上面的应用也是差异化、多样化，中间需要统一操作系统，包括系统软件和中间件，通过统一的架构、统一的框架、统一的编程接口，实现统一的部署，否则很难做到全生命周期里的软件不断迭代、升级。
因此，他希望和产业界一起定义和硬件、芯片之间的软硬件的接口。对应用层提供统一的框架和服务，支持应用多样化，也包括智能车控、智能驾驶、智能座舱等相关软件的支持。
深挖数据价值
数据被称为“新时代的石油”，世界上最有价值的资源之一，在智能网联汽车的发展中也尤为重要。
上海国际汽车城（集团）有限公司副总工程师李霖就深刻认识到数据在智能网联汽车领域的价值，他希望通过数据推动智能网联汽车商业化运行的落地。
当然这一阶段数据的主要来源，是智能网联汽车在测试路段的数据收集。“从封闭园区测试到开放道路测试，到后面的牌照发放等等的逻辑。基于道路测试工作建设了智能网联的数据中心，实现了数据的采集、标注、存储、管理以及相应的应用开发。”李霖说。
百度智能驾驶事业群组高级产品运营经理王胜男则在数据前加上了高价值三个字。
王胜男介绍说，目前Apollo整体测试里程超过了1200万公里，一千万公里相当于人类驾驶员超过三百年的驾驶里程所形成的数据，“我们形成了数据越多能力越强的数据驱动闭环，同时推进自动驾驶能力不断进化。”
王胜男表示，数据的总量增加是一方面，另一方面就是从质量上来讲，数据是需要清洗的，百度后续80%的研发，都会花在数据应用和挖掘上。
王胜男所说的应用和挖掘，是指对自动驾驶场景中的处理和异常行为进行识别和标注，这是自动驾驶演进非常关键的一环，只有在自动驾驶中检测到异常行為，不管是自动驾驶还是人工驾驶，这种场景下的数据价值才更大。
“目前这类高质量的测试已经超过20多个国内外的城市，涵盖了很多复杂场景，一些异常场景组合可以形成聚类，加上我们提到仿真平台的放大和验证能力，能够面对城市化当中的场景。”
陆领科技也是一家以数据为主的公司。其联合创始人兼首席执行官霍静介绍说，他们目标就是怎么样大规模更多更高效采集数据，让机器像人类一样大量地用数据学习人类的思考模式和逻辑模式，更多的从路端、城市端，用无人机、摄像头、红绿灯来收集数据。
霍静介绍了他们在无锡的案例，在交通路口，他们采取了无人机、路边和城市端的摄像头采集到的数据进行模拟城市交通，模仿、学习和演练各种各样的交通行为，进行了大量的数据采集和训练，有效提升了他们的算法。
霍静表示，这不是一家企业能做到的，需要行业、政府一起来努力。
人机多元化交互
作为主机厂，威马汽车将人机交互作为产品的亮点。威马汽车副总裁Thomas认为，智能电动汽车给消费者最直接的体现在人与汽车的交互方面，以及无人驾驶系统。
Thomas看来，用户参与到场景设计增加人与车的互动性，例如可以自己定义SOA场景编程，手机、车上甚至条件出发场景;此外，语音触发上，威马也做了很多突破。
在无人驾驶方面，威马汽车与百度云端的算力结合，主要的部分就是完成无人的自主泊车功能，后期通过不断地OTA升级，现在我们是HAVP，未来我们会做到PAVP，只要停车场有高精地图，我可以从云端下载，我的车可以在这个停车场里面自己找到空的车位，当你使用车的时候可以用手机召唤出来。
科大讯飞在人机交互方面属于领先企业，其智能汽车副总裁雷琴辉介绍说，讯飞从单点语音合成到识别，到现在整个智能化都有了。
雷琴辉解释说，“其实并不是讯飞做了这些，而是行业变革了，需要这些东西，所以我们才越做越多了，原来我们做的是合成，原来汽车做TTS就为了导航的播报——‘前方左拐’。慢慢合成以后有了识别的需求，识别以后有了自然语言理解的需求，理解完了以后有了对话需求、视觉需求，这些需求包括后面数据的管理，大数据的推动等等，还有场景。”
雷琴辉认为，如果一辆车听得见、看不见肯定也有问题，所以它也得看清楚。基于听得见、看得见，讯飞将声音和图像结合起来，“身份识别可以靠声音，也可以靠图像。通过‘唇动+声音’可以极大提高在高噪和恶劣环境下的语音识别效果。”
高精度地图提供感知和定位
除了信息技术和车辆技术外，智能网联汽车还需要基础支撑技术的加持。
高精地图就是非常重要的基础支撑技术。
自动驾驶的关键是感知和定位，感知和定位的关键是传感器，传感器分为物理传感器和在线传感器。在线传感器就是依托于定位和高精度地图提供的，图商的作用在于具备精准的测绘和制图能力，能够帮助车端节省算力。
高精度地图要解决哪些问题？
第一，针对物理传感器的感知失效，比如非常复杂的交通路况场景，对于遮挡天气、不清晰、磨损场景，高精度地图可以为物理传感器的失效进行感知的增强和冗余。
第二，在很多的复杂城市环境里面，包括高架群、建筑物密集、隧道群定位失效场景，高精度地图本身是非常专业化、非常可靠的，地图本身品质和精度是远高于其他数据的。总体说高精度地图可以为自动驾驶的车端提供定位失效的场景补充。
此外，高精度地图本身还是超视距的传感器。当车辆进行超车的时候，普通物理传感器是无法知道超车之后的场景的，例如前面有大曲率的车道、道路有遮挡时，或者天气原因视距不够远的时候，都可以给车端提供预测性参考。
总体来说，对车端预测性控制做得越清晰越安全，信息越准确，整个自动驾驶的体验和安全性就越高。
四维图新地图产品总监刘洋还举了个例子，例如通过高精度地图，通过历史概率信息和实时路况信息，可以知道当前方车停止的时候，它停止在哪一个车道上，它的停止行为是一个可以正常停车的行为还是前方拥堵的停车行为，以此决定超车还是跟车。
可以说高精度地图不仅仅是地图，更给了自动驾驶汽车上帝视角，是实现自动驾驶不可或缺的基础性支撑技术。