2024年智能汽车行业专题报告：硬件芯片是基座，软件算法是核心

01智能驾驶以集中式EE架构为依托，未来走向域融合

智能驾驶以集中式EE架构为依托，实现感知融合+规划决策+控制执行三大维度功能。车载计算平台的总体架构包含车控操作系统和异构分布硬件架构。车载计算基础平台侧重于系统可靠、运行实时、分布弹性、高算力等特点。实现感知、规划、控制、网联、云控等功能，最终完成安全、实时、可扩展的多等级自动驾驶核心功能。

从分城架构到“中央计算+区城控制”架构，汽车电子电气架构走向域集中、域融合。架构关注（1）SOA、OTA如何改变汽车软件价值链和商业模式；（2）车载智能计算平台产品胜出的关键，在于能否形成包括硬件平台、操作系统、应用软件、工具链在内的生态体系，从而构建安全体系、构建找术优势、平台竞争力。

智能计算典型代表是以神经网络为代表的智能计算，会逐渐取代逻辅计算成为车载计算的核心。传统的架构里，智能计算是割裂的，比如说座舱增加式，规控部分主要是逻辑计算，各部分使用不同规则去完成计算，传统车内主要计算芯片是各种各样的CPU。但传统架构里大量低估在人机交互界面上的复杂度和价值，将导致整个系统的安全能力不够。

SOA的设计思想是将应用程序分解为特定的功能组件或服务，并且独立于硬件、操作系统，通过标准化协议和应用程序接口（API）进行访问。这些务设计应该可以被共享而不是受限于特定的硬件和车型。

02硬件芯片是算力时代下汽车智能化方案的基座

智能算法支撑软硬体系相结合，特别是要加速机器自编程和应用自适应。这套系统的高级语言程序的设计和CPU架构需要高效去解决图像识别、检测、分割，问题的基础架构。

一个高性能大算力的芯片是六边型战士，一个复杂系统通过系统级别的软硬件协同才能达到整体最优。其能效比、算力、灵活性、适配性、安全认证、开发便捷性，在一个芯片上集成。其存储架构的体系加深，而且片状存储容量不断增大，同时整个计算的阵列规模，、也大幅地提升，从而进一步去提升它芯片的峰值算力。

同时引擎兼数据流动也需考虑能效和灵活性。为了更好地应对以Transformer为代表的这种新形态算法的对于数据的data layout进行更灵活的更高效的转换需求，数据排布的转换引擎需大幅增强的。比如可以加入了高性能的浮点加速单元，使得芯片算法的精度如可验证性等得到很好的提升。芯片整体需从功耗、性能，还有整个的任务分配方面去规划。

芯片是最底层的，从芯片开始到整个OS，再添加各种各样的算法包括工具链、云端的开发平台。芯片成为开发平台的基座，作为平台的属性能够去

支撑不同的合作伙伴，不同的客户，能够让客户开发他们认为他们最佳的方案，包括整个智能驾驶方案、车内的交互等。

芯片是是数字底座的提供者。生态伙伴可以在数字底座之上发挥自己的优势，探索未来的发展方向。随着在芯片的数字底座上的合作伙伴变得越来越多，关系的走向或将发散，并最终收敛。

芯片厂商通过与生态合作伙伴合作的关系来为主机厂提供全栈自研能力，主机厂来决定到底是全栈还是半栈。芯片厂商提供芯片以及整套开发工具。

开发工具从端到云都有，包括算法工具链、数据平台开发云基础设施，合作伙伴可以选择适合他们的研发方案来进行部署，从而实现项目的加速。主机厂可以将整个方案拆分成多个模块，包括硬件、软件两大块，然后软件部分又细分为“感知、规控、定位以及地图”等多个模块，然后分别去招标。

智能座舱SoC:CPU高于20,000 DMIPS,GPU高于100 GFLOPS的SoC芯片。自动驾驶SoC:TOPS峰值算力体现的只是芯片的理论上限，不能代表其全部性能。自动驾驶需要的计算机视觉算法是基于卷积神经网络实现的，而卷积神经网络的本质是累积累加算法（Multiply AccNgulate,MAC）TOPS=MAC矩阵行*MAC矩阵列·2“主频，TOPS峰值算力反映的都是/GPU理论上的乘积累加矩阵运算算力，而非在实际Al应用场景中的处理能力，具有很大的局限性。

自动驾驶的域控制器，要具备多传感器融合、定位、路径规划、决策控制、无线通讯、高速通讯的能力。面向L3及以上高阶自动驾驶，单一芯片无法满足诸多接口和算力需求，计算基础平台需采用异构芯片的硬件方案，具有芯片选型灵活、可配置拓展、算力可堆砌等优点。计算平台的异构分布硬件架构主要包括CPU计算单元、Al单元和控制单元。

03制约用户体验的核心在软件，目前各主机厂算法能力未拉开差距

算力的确会带来更多的价值潜力，但算力并不是越高越好，制约用户体验的核心在软件与算法。给车上放一块几百TOPS的算力，只是搭载了一个有这样潜力的算力平台，其实制约整个市场，制约用户体验核心的点在于软件和算法。车并不是算力越高越好，算力是整个行业天花板。

特斯拉2020年开始车端感知采用BEVFormer方案，获得鸟瞰图视角，同时改善多个相机前后多顿关联性，使得模型融合结果更稳定。2022年引入占用网络方案，不依赖高精地图，对整个三维世界有很好的感知。2023年开始，特斯拉从感知转向至决策规划，进而转向“端到端”，开发版本迭代至FSDV12，同时做了大量算力储备。特色拉通过降价、免费快充等策略使二季度销量达到46万，创历史新高。同时基于特色拉的开放充电站，FSD免费使用与技术收钱等商业策略，特斯拉将进一步扩大市场规模。

自动化训练分两类（1）自动标注。对于不同的汽车行程聚合分类，基于分类的行程重建地图，形成道路网面图并进行人工或者自动化标注。（2）自动化数据引擎。通过数据引擎收集特定场景下的车辆行程视频；基于视频训练改进神经网络模型。

神经网络决策：（1）创建向量空间。对汽车相机感知到的数据进行校正并将校正过的数据交给虚拟环境预测模型获得汽车周边环境和鸟瞰图。（2）神经网络规划器。通过建立三维向量空间，神经网络规划器可以进行路径规划、轨迹规划及动作执行。同时可以仿真和预测周围车辆、行人等目标。

大规模训练及仿真：基于超级计算机Dojo进行的大规模训练和仿真。

BEVFormer(Birds-Eye-View)是基于Transformer和可变注意力机制等等，利用多相机围像的空时域信息对自动驾驶车辆周边的场景进行统一鸟歇圆。BEV是一种常用的周围场景表示法，显示了目标的位置和尺度，并适用于各种自动驾驶任务。

框架包括6个编码圈层。每个编码器基于Transformer标准定义增加乌瞰圈查询、空域交叉注意力、和时域自注意力模块。和传统的图像空间相比，BEV感知可以将多个传感器采集到的数据输入到统一的空间进行处理，有效解决了2D图像视角的遮挡问题，避免了误差叠加。

BEV查询是网格形的可学习参数，意味通过注意机制从多摄像机视图中查询BEV空域特征。（1）BEVFormer的编码层包含网格状的BEV查询、时域自注意和交叉注意。（2）在空城交叉注意中，每个BEV查询只与感兴趣区域的图像特征交互。（3）在时域自注意中，每个BEV查询与俩个特征交互，即当前时间截的BEV查询和前一段时间戳的BEV特征。

BEV的方法在3D目标检测方面没有显示出比其他方式更显著的优势。因为BEV的方法在3D目标检测任务需要强大的BEV特征来支持精确的3D边框预测，但从2D平面生成的BEV是不适定的。最新的方案是一种不依赖3D先验知识的BEV生成，可以自适应地学习BEV特征。其中Transformer使用注意机制动态聚合有价值的功能，使感知结果更加连续、稳定，在概念上满足了需求。

占据网络（Occupany Network）通过直接学习连续三维占据函数实现目标三维几何重建的方法。基于深度神经网络对连续三维空间点占据情况进行预测，使目标三维表面得以隐式的表示作神经网络分类器的连续决策边界。通俗理解就是通过占据网络映射将环境划分成格子，并确定哪些格子是被占据的、哪些是空闲的。

这种体积占据信息使自动驾驶系统能够准确地理解周围的环境。系统不仅能识别物体，还能区分静态和动态物体，在此之前自动驾驶摄像头理解周围环境是通过分开识别可行驶区域、车道线、行人等，再把他们组合在一起完成的。

传统的物体检测方法通常依赖于将物体分类井放置在固定的边界框中，忽略了很多几何细节。但是Occupancy Networks通过预测每个小立方体是否被占据能够提供更精确的物体形状信息。这对于理解复杂的场景和滩免碰撞非常重要。并且传统的物体检测算法往往只能识别他们见过的物体，但OccupancyNetworks通过判断一个区域是否被占据而不是关心该区域是什么物体，从而能够处理未知、不常见的问题。减少因未识别物体导致的意外。

Occupancy Networks代表的是纯视觉路径，好处是模型网络的数量在减少，对算力的需求也降低，并且加上只用摄像头加毫米波雷达，硬件相对便宜，但对模型算法要求很高。特斯拉就是典型代表，推行基于视觉的系统可以降低成本，从而促进特斯拉的销量。

报告节选：

编辑：火腿肠