當時間從分秒的撥動，走向日月的輪轉，生活在同一片土地上的我們，終究結束了2023年的旅程，進入新一輪的公轉周期。

時間不會停息，事物的發展顯然也不會長久停滯不前。波瀾壯闊的一年里，處在新能源汽車領域的我們迎來了各種各樣的新事物沖擊：激光雷達、城區智駕、800V、互聯生態……

新能源汽車的科技樹發展是如此迅速，有時快到令人目不暇接，但好在今年余下的閑暇時光里，我們還能為大家對這棵樹上的明珠——整車智能化的「內」與「外」，對應著智能座艙和智能駕駛兩大領域，去做些小小的總結和展望工作。

（本文節選自新出行 2024 中國新能源車年志）

一、智能座艙 —— 8295、AI、生態互聯

聊到智能座艙，不可避免地，我們要和大家聊一些有關智能座艙的年度的熱點詞匯。而在其中值得與大家暢聊一番的，我們認為是以下三個詞匯：8295、AI、生態互聯。對于智能座艙而言，更強大的硬件能力，無疑是驅動各家軟件團隊更快開發軟件能力的良藥；對于 8295 而言，我們應該做的，是先循序漸進地為大家簡要介紹一下。

我們為什么需要 8295 上車

作為座艙芯片，初了解智能化的你，可以將高通推出的驍龍8295芯片當做車輛在智能座艙的“大腦”；作為驍龍 8155 的接任者，8295 給予車輛智能座艙團隊的，是更強大的智能座艙大腦和更激烈的競爭。

關于接任，事實上是因為現有的 8155 座艙芯片，即將到達到了開發的邊際——8155 這塊芯片的價格是越來越便宜的，我們如今能在 10 萬元左右的車型上就能看到 8155 活躍的身影。

而在越來越多的軟件定義加持后，8155 也逐漸到了需要尋找接任者的時候：車內屏幕的增加，核心中控屏幕呈現的內容增多，尤其是 AI 能力，比如今年引起熱議的 AI 大模型。

用直觀的數值對比，現如今的 8155 芯片，普遍能查詢的AI算力數據約在 8TOPS 上下，而 8295 芯片的 AI 算力在 30TOPS 甚至更高（如極越 01 上可拓展至 60TOPS ）；

而在 CPU 和 GPU 規格上，8295 雖然是 8155 的接任者，但從架構來看，8295 并不像 8155 般基于移動端的芯片改造而來，其核心規格更趨向于高通此前推出的桌面端芯片驍龍 8cx Gen3 ，性能相較 8155 而言有著成倍的提升。

伴隨著更多內容的加入，智能座艙芯片勢必要被吃掉更多的算力。因此為了內容更多而廣的智能座艙生態，作為大腦的智能座艙芯片，升級換代成為了必然。

在 2024 年，8295 的使用與否，很大程度上決定了整車智能座艙的水平究竟如何。而對于消費者而言，衡量不同品牌，不同車型智能座艙的水平高低，配置表上的座艙芯片將會成為關鍵性因素——未來的 8395、8495（非官方代號）等更強算力的芯片出現后，也將重復 8295 代替 8155 的過程。

未來的智能座艙該如何演變

“車機就像是一個大 Pad（平板電腦）”，雷軍在小米 SU7 的技術發布會上點明了這一點，智能座艙的發展，正如我們手中的平板電腦、手機等便攜的智能終端，都會走向一致的發展路線。

而基于當下的時間線展望未來，在智能座艙的定義上，各個車企都將會從差異化逐漸轉為趨同的方向，就像 iPhone 這么多年的演變一樣。

進入車內，用戶感知并與智能座艙交互的介質，在 95% 的時間里是中控的大屏，而以地圖/ 3D 車控/壁紙為桌面疊加固定式底部 dock 欄的設計，已經是絕大多數采用 16:9，或趨近這個屏幕比例區間的屏幕所使用。

屏幕比例的趨勢變革，意味著智能座艙團隊會將更多的精力聚焦于橫屏交互，而對于豎屏的規劃預期必然會逐步降低。比如已經在 NT3.0 平臺重明確將中控屏幕變為橫屏的蔚來，和同樣改變中控屏幕方向為橫屏的哪吒 L 。兩家一貫以豎屏為基礎建立座艙交互的企都已紛紛做出改變。

另一方面，觀影，音樂，游戲等娛樂功能被逐步添加進智能座艙的生態系統當中，這正是智車能手機當初的發展路線，同樣也是推動屏幕橫置的幕后推手。而智能座艙的生態有了參照物，跨越的速度只會更快。

更強算力帶來的AI風暴

AI 算力的提升，不僅僅是帶來更多的新功能，我們日常所接觸到的語音助手、車內人臉識別等同樣會通過 AI 算力的提升而同步提升。

在 AI 大模型與更強的AI算力加持下的車內語音助手，無疑會走向更加擬人化的道路。AI 算力的提升不僅可以幫助語音助手減少識別語音上的誤判導致的錯誤和無序回答，從而更好的理解用戶話語中表達的實際語意，同時在免喚醒層面上也會有著更好的表現。

而在 AI 大模型上車后，用戶與車內語音助手方面會有更多不止于車輛的互動，車內的語音助手能夠接收除了車輛以外的指令，根據現實世界中的內容生成合適的回答。

對于新興事物而言，我們要做的便是保持冷靜，用審視的眼光進行歡迎。AI 大模型固然讓智能座艙有了接觸現實世界并進行反饋的能力，但在其中涉及到的法規問題、大模型訓練能力（其中又涉及到計算量和模型數據等問題）、端云數據脫敏等…… AI 可以是賈維斯，也可以是奧創，這取決于車企在不斷變化的政策環境下對于 AI 的態度。

互聯生態將會進入百家爭鳴時期

在互聯生態方面，我們最為熟知的便是車手，也就是中控車機與手機之間的互聯——在之前，我們聽過最多的是來自蘋果的 CarPlay 和百度的 CarLife 。對于蘋果用戶來說，CarPlay 如同手機的延展，無論在操作邏輯和應用流轉上，中控屏仿佛變成又一臺 iPhone 。

但這一切的基礎上，在于蘋果的生態封閉性。這里所指的封閉并不是一個貶義詞，事實上正是因為蘋果的封閉生態，讓蘋果有著更多管理的權限，從源頭上遏制一些不良應用和代碼對于生態內設備的影響，保證設備與設備之間的體驗一致性——這是互聯生態中最為關鍵的。

在 2023 年，我們也能看到越來越多這種類封閉式的互聯生態方向，比如華為所帶來的 HarmonyOS 、魅族的 Flyme Auto 與小米的澎湃 OS。

它們三者的相同點在于都是由手機廠商提供的方案，對于手機廠商而言，做一套智能座艙的系統完全不用像車企一樣從零開始——無論是華為、小米還是魅族，在智能座艙上的內容都是基于其自有生態的衍生產物，手機與車機之間的無縫流轉，對于他們來說只是微小的一份工作。它們真正需要投入大量精力的，是思索如何將現有生態里的內容和設備一步一步填滿智能座艙。

而相對華為/小米/魅族這類本身有著系統級生態概念的手機廠商布局車手互聯，在 2023 年還出現了與這三位選手完全相反的例子——蔚來。作為汽車廠商，蔚來并未選擇吉利與魅族般構建合作，而是選擇自建生態，推出了 NIO Phone 作為蔚來用戶與蔚來汽車之間聯系的介質。

可能很多人都在嘲笑蔚來造手機的天馬行空，但實際上對于生態建設而言，來自同一廠商提供的生態內容才能真正保證用戶的體驗——曾經橫行一時的 CarPlay，現如今有越來越多的汽車廠商選擇拋棄蘋果，轉而擁向與車機系統同源的安卓。其中有數據敏感的問題，也有 CarPlay 需要占據的車控接口問題，授權費用的問題……

總體而言，在可預見的未來里，CarPlay 的最好歸宿，是在蘋果汽車上；而互聯生態會隨著各家車企掌握更底層的接口，如自研芯片，自研操作系統等，走向更加封閉，也更加廣闊的生態域當中。

二、智能駕駛 —— 城區智駕、無圖化、去激光雷達、自研芯片

為什么我們要執著于城區智駕

用一個比較天馬行空的比喻，在車輛智駕系統的眼中，城市就像是一團被調皮的貓咪擾亂的毛線球，而城市與城市之間相連的高速，則是不同毛線球之間的的拉扯糾纏。智駕系統要做的，便是一點一滴理清幾十上百顆混亂的毛線球。

聽到這想必大家便能大致理解，為何現在已經到了各家車企紛紛進軍城區智駕的階段——相較城區，推進難度要低許多的高速路段已經是一片坦途。擁有高速智駕能力的車型逐漸出現在十幾萬元的家用車上，如吉利銀河 L7 和深藍 S7，它們都有著低成本便能實現高速智駕的能力。

但在城區智駕上，一切都變得不一樣了。面對更加復雜的道路情況，車企需要投入的人力和資源，會隨著城區推進的速度和難度而成倍增加。最重要的，是消費者已經嘗到了智駕初步成熟運用后的甜頭。

城區智駕落地的意義，不僅僅在于給予用戶的使用與體驗，對于整體的智駕系統而言，都會隨著城區開城而得到提升——隨著開城數量的逐步增多，用于大模型訓練的數據量也會成倍增加；智駕系統在城區的行車能力，伴隨更多數據訓練從而不斷優化，而城區的各種復雜路況處理能力又能反哺車輛的高速智駕、基礎的車道保持、泊車等能力提升。

而如何處理與應用，令接收數據到能力提升成為正循環，正取決于車企對于智駕領域的投入時間先后，投入人力與資源而決定，城區智駕的門檻也在由不斷的數據訓練和能力優化中高高疊起。

像小鵬、問界、蔚來、理想等大力投入并已經開始向用戶大批量推送城區的先行者，在 2024 年會隨著更多用戶所帶來的能力積累，從而相對其他品牌更快擴大優勢和強化競爭力。

我們為什么要追求無圖化的智能駕駛？

基于結果論，在大部分人的視角中，正是因為車企宣揚的無圖化能力，城區智駕的開城速度才會大大加快。而關于無圖和有圖，“圖”是什么，我們可以先好好聊聊。

我們通常在智駕領域所談及的無圖化，去掉的圖是指高精地圖，此時迎來第一個思考：我們為什么要去掉高精地圖？高精地圖的存在與否對于智駕系統有怎樣的影響產生？

高精地圖自有三種特性，需要采圖商具備資質、具備高精度、具備高頻的更新率。當這三個屬性單純放在智能駕駛功能上，無疑非常好用。但產生去高精地圖的智駕路線，并不是高精地圖本身的問題。

我們需要知道的是，高精地圖并不是快消品，它首先是一塊地圖，地圖的性質便決定了其應該根據不同時期的道路變化，需要有不間斷的周期性更新。所以當圖商采集制作完成高精地圖后，交付給車企僅是一個開端，而不是隨著交易完成的產品周期結束——

• 用戶在陸續體驗后，會逐步反饋智駕系統在某些道路上的表現不佳，某些道路更新導致智駕能力下滑；
• 而車企接收到反饋后不僅需要對智駕系統進行優化，同時也要將道路更新的信息及時反饋給圖商；
• 此時圖商將會接收各種道路更新信息進行高精地圖的更新，但采集新的道路信息又需要新一輪的人力和成本投入，面對源源不斷的反饋，終究會出現更新速度趕不上反饋速度的情況。

無圖化的幕后推手

無圖化智駕路線的產生，并不全由圖商-車企-用戶三者之間環環緊扣的矛盾關系引起，有很大一部分原因在于大算力智駕芯片的運用，BEV 大模型網絡和大計算平臺的發展。

BEV 算法本質上并不是全新的技術，原理也不復雜。但在結合 Transformer 將傳感器所收集到的現實世界圖像信息特征化，此時車輛便脫離了以往代碼直接規控車輛行駛的階段，BEV+Transformer 可以為智駕系統構建出更趨近真實世界的 3D 空間網絡。

而在 BEV+Transformer 的概念提出后，智駕系統在去高精地圖上有了初步的思考和準備，此時道路地圖的信息生成問題得到解決后，車企需要做的，是算法的優化，不同傳感器之間的融合感知、如何更好的分配芯片算力等。

我們雖然有了更優秀的算法路線，但并不意味著無圖化在任何時刻都是正確的“尚方寶劍”。事實上面對高速路段，在多數情況下并不會出現城區那般時常因為修路/改道/施工等發生的道路變化，也不用像城區般需要高更新頻率。因此對于高速而言，高精地圖又可以重新回到智駕系統的視野當中。

無圖化能力的邊界在哪里？

伴隨著各家車企紛紛在城區脫離高精地圖，利用無圖化的強大泛化能力進行更快速的智駕開城操作時，新的思考接踵而至——無圖化的邊界在哪？

實際上無圖化的能力邊界觸達，取決于其能否完整覆蓋駕駛者從起點到終點的路線，保持全程無需駕駛者接管，也就是我們熟悉的又一個詞匯——點到點。

所有智駕系統的核心目標，都是讓用戶實現點到點的智駕通行。在這其中包含有城市道路、高速道路、鄉間小路、地圖無法觸達的內部道路等等，而無圖化，給了現階段智駕系統實現覆蓋點到點通行的一種可能性。

去掉激光雷達，而非淘汰激光雷達

去掉激光雷達與去高精地圖，這兩條路線在某些方面是相同的，其中并不是因為激光雷達/高精地圖本身的問題。目前，摘掉激光雷達，帶來與智駕頭部梯隊相同能力并量產落地的車企，目前只有極越和特斯拉（美國）兩家。

事實上，去激光雷達只是目前智能駕駛發展的分叉路線，激光雷達并不會因此被淘汰掉。就如同車企在城區選擇重感知，輕地圖的路線，在高速又紛紛以高精地圖為主的情況。雖然有很多車企在嘗試摘掉頭頂上的那塊凸起，但也有廠商堅定著使用激光雷達進行融合感知。

既然不是激光雷達本身的問題，那去掉激光雷達的目的在哪？在年末的 NIO Day 專訪上，蔚來的智駕團隊給出了一部分答案：成本。

在去掉激光雷達后，智駕技術路線上同樣也隨之發生變化。極越在硬件方面只是摘掉了激光雷達，但仍有保留部分毫米波和超聲波雷達；特斯拉則是激進地選擇了去掉所有的雷達，選擇只以攝像頭進行感知的純視覺路線。

站在選擇激光雷達的分岔口

在 BEV+transformer 為車輛還原現實世界的基礎上，特斯拉在2022年提出了有關自動駕駛車輛的一種基于視覺能力的全新算法——Occupancy Networks，直譯為占用網絡。

這套算法的目的在于解決在 3D 空間網絡中所識別到的異型障礙物，原理則是通過“堆方盒子”的概念，也就是將現實世界中的物體用 3D 像素方塊堆疊還原，從而表達出檢測的物體。

占用網絡就像一個可以無限伸展的魔方，只需要知道前方是否有方塊堆疊阻擋智駕系統規劃的行車路線，不在乎它所檢測的對象是什么，也不需要像以往矩形框識別標注般依賴訓練。

就目前各家車企的智駕技術路線來看，基本上都選擇走向 BEV+transformer + 占用網絡的結合方向。而在方向趨同的情況下，在未來，不同車企之間的智能駕駛將有可能從體驗、交互、商業模式上會為用戶帶來明顯差異化的內容——

• 用戶體驗的打磨，如百公里接管次數的無限降低，甚至做到千公里級別；
• 人機共駕、交互提醒、輔助駕駛、環境模型渲染等人機之間的交互變化；
• 智駕收費模式采用標配還是訂閱？標配對于用戶而言簡單易懂，而訂閱做好很難，要從功能、體驗、保險等整個鏈路打通形成閉環。

最后，無論是用雷達做融合感知還是純視覺，在現階段而言，兩者終究只是略帶爭議的并行路線。未來最終決定該如何走，不由車企選擇，而是由用戶體驗和安全性來決定。

芯片算力以大為美？

在智能駕駛芯片的選擇上，目前頭部梯隊的選擇基本都由英偉達包圓，各家或基于單顆 Orin  、雙 Orin 、甚至有如蔚來般財大氣粗的四 Orin 作為基礎去推進智駕落地。而就目前的城區智駕落地情況來看，擁有城區智駕能力的車型，其無一例外都采用了大算力芯片的方案，算力區間在 400-1000TOPS 不等。

而在 2023 年的熱門芯片上，我們也能發現趨勢——中低算力的芯片通常出沒于高速智駕的情況，如理想 Pro 方案上搭載的地平線征程 5、極氪 001 所搭載的 Mobileye EyeQ5H、領克 08 上的黑芝麻 A1000、商湯絕影等等；而同樣有著城區行車能力的問界，背后則是華為提供的MDC平臺，和 Orin 一樣，都有著換算超過 200TOPS 以上的算力。

固然大算力芯片可以做到一力降十會的效果，但對于中低端車型而言，想要實現等效的智駕能力，去使用大算力芯片，在成本考量上顯然是不劃算的事情，此時新的需求便應運而生。

需求決定自研/供應路線

如何解決中低價位車型的智駕能力？由于城區智駕的門檻所在，耕耘中低端車型的品牌在短時間內顯然無法解決城區方面的內容，但相對容易的高速路段，泊車輔助等功能，實現起來容易許多。

如同英偉達這種類似山姆超市按箱賣的商業思維，顯然不適配中低端價位的智駕模式。智駕上車中低端車型，唯有兩點：便宜與快。中低端車型面對的大多為價格敏感型用戶，在定價策略上顯然不能效仿使用大算力芯片的車型。

而在一個成熟集團式車企的產品線上，中低端產品的布局永遠布置地密密麻麻，車企內部的智駕團隊在現階段不可能針對每一款車型進行重新標定和訓練，這便需要芯片供應商提供不同價格，不同算力的芯片平臺供車企選擇，加速車企在中低端產品的智能化轉型。

對于使用大算力芯片的智駕車型而言，同樣也面臨著兩個問題：一是規劃化后的降本，二是新一輪的需求定義。英偉達和華為等芯片平臺供應商，終究只是供應成品，進入城區智駕領域，不同車企會對芯片有著差異化的需求——此時便自然衍生出車企自研芯片的路線。

自研芯片本質上打破了車企與供應商之間的供需關系，車企通過自研芯片，可以掌控更底層的接口，將當下的需求梳理后，對芯片在架構和設計指標上進行優化和取舍，從而達成降本增效的目的。

因此，當車企在初期的智駕開墾結束，對于不同價位段的產品，芯片供應商們便會相對應地涌現出中低算力的芯片平臺和打包方案；而又因為城區智駕的門檻存在，在目前沒有供應商方案能進行完整的城區行車時，車企仍會繼續采用自研方案進行城區推進；當城區推進到一定數量級后，針對差異化需求，自研芯片的道路便自然而然展開。

結語

我們在 2023 年目睹了小鵬的智駕風暴，目睹了蔚來的千站達成，目睹了問界的黑馬奇跡，目睹了理想的銷量沖擊……在智能化的領域，2024 年還會有著更多新朋友加入，更多老朋友的煥新。這其中無數的碰撞及競爭，想必在多年以后會催生出更多的光輝與美談，希望那時我們還能在此與大家一同分享。

返回第一電動網首頁 >