从前装量产数据看“软硬分离”与“市场博弈”

你需要做好“软硬解耦”的业务梳理和技术准备,但同时也不能放弃“软硬一体”的市场“进攻”策略,这是当下汽车智能化供应链“微妙”变化的写照。

众所周知,软件定义汽车意味着,随着里程数的增加,主机厂将为用户提供更好的体验。而以软件为中心的新车架构设计,意味着开发范式的改变以及软硬件分离的供应链关系。

但,传感器、计算平台、数据总线以及其他硬件,不太可能发生改变(当然,部分车企开始尝试硬件的更换模式)。这提出了一个有趣的挑战:如何交付一个具有计算能力灵活性、扩展性和快速迁移软件算法的可迭代硬件平台?

一种选择,就是提前预置“冗余”的硬件,但对车企来说,标配难度加大,尤其是对于走量车型而言。采用选装,则意味着豪华硬件配置更多是营销噱头。

过去,智能手机通过解耦硬件和软件,最终构建了庞大的移动社交与娱乐平台。智能手机成为了一个硬件平台,制造商可以在此基础上创建定制版本的操作系统,并通过OTA进行更新,而庞大开发者群体则可以在基础上开发各种各样的应用程序。

有相关机构数据显示,得益于芯片性能的提升,智能手机的平均生命周期将从2014年的2.58年增加到2024年的3.77年。但对于汽车来说,这个时间还太短。

一、

对于具备自研能力的主机厂以及高端车型来说,软硬解耦已经是明确趋势。大算力平台是主流的选择,并且通过基于SOA的架构和多域控制器硬件架构实现功能的持续集成和持续交付。

同时,软件定义汽车将需要一个庞大的生态系统来支持,包括商业和开源软件提供商、应用程序开发商、云服务提供商、工具和服务,到目前为止,这仍是一个不小的挑战。

这其中,除了Tier1,芯片、云服务提供商以及工具引擎供应商都在加码抢占市场先机,软件是其中的焦点。

近日,高通公司宣布与宝马合作,为下一代ADAS和AD(自动驾驶)提供Snapdragon Ride平台,而目前平台选用的是Mobileye的EyeQ5。同时,高通也将为这些平台提供车云服务以及相关软件。

高通首席执行官Cristiano Amon表示,未来在汽车领域的机遇在于其全面的Snapdragon“数字底盘”平台解决方案,其中从Veoneer收购的Arriver软件业务,将专注于计算机视觉、驾驶决策和驾驶辅助技术。

从前装量产数据看“软硬分离”与“市场博弈”_第1张图片

这意味着,传统的黑盒模式摇身一变成为了可扩展的平台模式。“这有助于高通在汽车行业迅速扩大规模”。因为对于高通来说,汽车目前还是一个非常小规模的细分市场,上个季度直接来自汽车行业的总收入仅为2.53亿美元,不到总营收的5%。

按照高通公司的测算,未来几年预计芯片和软件在汽车远程信息处理、数字座舱和ADAS领域的市场增长机会为10倍。以目前平均每辆车100美元(高端车型存在差异)计算,未来10年汽车业务的销售额可能达到80亿美元,而2021年可能不到10亿美元。

芯片+软件的耦合模式,原因是驾驶员辅助系统以及未来的自动驾驶系统中涉及到非常多复杂的离散组件(比如,传感器),对于主机厂以及Tier1来说,要提升开发效率,必须解决从计算平台、底层驱动、硬件以及应用软件之间的协同(比如,接口协议)。

从芯片厂商的角度来说,底层架构的统一会带来更高的安全性和高效的持续开发迭代的潜力。他们看到的机会,是把过去Tier1负责开发以及集成的软件以嵌入式的方式预置或提供开放接口协议,并在芯片层面实现基础软件架构的落地。

对于软件供应商来说,一直重度依赖芯片供应商,通过收购Arriver,高通可以在Snapdragon Ride™平台上为客户直接提供最优化视觉感知和决策系统。先期满足基础的ADAS功能,比如车道保持、ACC巡航、自动紧急制动,并快速增加更多功能。

同时,Arriver™软件是一种开放、灵活和可扩展的解决方案,允许汽车制造商和其他零部件供应商基于这个软件平台,根据各自的产品开发策略,为特定需求量身定制解决方案。这意味着,高通正在加速直接与终端客户的沟通,而不再需要通过第三方的系统定制开发方案商。

以目前的座舱平台为例,仅仅在中国市场,高通每年可以为第三方系统定制开发方案商提供超过10亿元的市场规模。而随着搭载车型的持续增加,软件市场规模还会持续放大。

这意味着,与传统汽车芯片厂商软硬分离开发、借助多产品线创造营收不同,包括高通、英伟达在内的新进者,要吃下更大的市场。

强大的算力支持、跨平台融合、基础软件堆栈,这是英伟达给智能汽车行业带来的全新产品组合。释放的信号,也非常明确:从下游客户的主流应用需求出发,提供足够的能力支持。

英伟达在公司秋季GTC大会上宣布,Hyperion 8,一个包括自动驾驶汽车开发所需的传感器、计算和软件的可量产交付(参考设计)平台将从2024年开始交付客户。

从前装量产数据看“软硬分离”与“市场博弈”_第2张图片

英伟达将Hyperion 8定义为一个参考设计平台,意味着,允许客户(包括汽车制造商、自动驾驶公司)个性化调整需求,包括核心计算、中间件以及软件功能。同时,包括大陆集团、海拉、索尼、法雷奥、Luminar等零部件公司提供参考设计的传感器。

在英伟达汽车业务副总裁丹尼•夏皮罗看来,“未来的市场争夺不仅仅是关于芯片,而是数据中心、模拟仿真以及和智能化相关的所有功能开发,并且实现在相同计算架构上快速落地。”

为此,英伟达还推出了两个新的汽车人工智能平台,成为继Orin之后,面向大规模量产车市场的主力软件平台方案,其中,DRIVE Concierge面向车载人工智能助手,DRIVE Chauffeur面向自动驾驶,两者之间实现跨域融合。

更关键的是,基于下一代Ampere架构,英伟达的合作伙伴可以通过搭载单一平台和芯片来实现多种功能,包括座舱智能和自动驾驶,从而节省多平台工程开发费用。

而对于车企来说,谁能帮助降低开发成本,并快速实现功能落地,同时提供硬件迭代的快速软件移植和复用,谁就是这个市场的“胜者”。

二、

不过,汽车市场的“魅力”正是在于多层次的消费需求。

从前装量产数据看“软硬分离”与“市场博弈”_第3张图片

高工智能汽车研究院监测数据显示,今年1-9月国内新车(合资+自主)搭载前向ADAS(L0-L2)上险量为572.28万辆,同比上年同期增长38.14%,标配搭载率38.78%(同比6个百分点)。

其中,L2级ADAS新车搭载上险量为260.99万辆,同比上年同期增长83.87%。前装搭载率为17.69%,同比上年同期增加约6.4个百分点。

而从车型价格区间搭载率来看,20万及以下价位新车不管是ADAS(L0-L2)还是L2级搭载率都处于相对低位。其中,在L2级别,20-30万价格车型仍是搭载主力。

这意味着,20万及以下价位新车将是所有Tier1必须争夺的重要阵地,同时,作为主机厂来说,这个价格区间本身就是主打性价比,对于方案成本及开发效率要求更高。

比如,已经在这个价位掀起L2标配战的丰田汽车,今年宣布Mobileye和一级供应商采埃孚将联合为下一阶段推出的品牌旗下各种车型提供摄像头+雷达配置的ADAS系统,主要提供自动紧急制动、自适应巡航控制和车道保持等标准L2功能。

一方面,考虑到丰田的现有主力供应商电装(Denso)正在突围高阶自动驾驶,以及其在全球其他品牌ADAS供货规模的受限,显然,成本上不具备与Mobileye+采埃孚的竞争力,而后者在L2级的技术方案成熟度已经得到大规模验证。

在采埃孚公司看来,目前高阶自动驾驶(比如,L3以及部分场景的L4功能)潜在障碍是,消费者是否愿意为额外功能支付更多的费用。

“让这些系统价格合理很重要,因为它能实现更高的市场渗透率,更快地为客户以及消费者带来辅助驾驶提供的安全功能。”采埃孚公司表示。

此前,该公司率先推出了基于EyeQ4的新款S-Cam4.8车用摄像头,水平视场角为100度,也是未来几年主打性价比的ADAS方案之一。

这就是为什么L2级及以下ADAS市场,Mobileye仍占据视觉感知芯片及系统的主流市场份额(比如,大众ID系列纯电动车、福特等),而在L3级及以上,主机厂则在尝试不同的方案选择。

不过,来自中国的供应商也在突围。在这个细分赛道,主机厂需要的是完整的解决方案,并且不需要投入太大的开发精力,追求极致的高性价比。

比如,福瑞泰克新一代ADAS前视解决方案已定点包括长安、五菱、一汽等行业头部车企在内的热销车型,并计划于今年下半年规模化量产。

其中最具特色的,就是该前视方案满足大多数功能都可以用单摄像头(1V)替代原有摄像头加雷达(1V1R)的搭配,在安全可靠的前提下,进一步降低系统成本。

前不久,智驾科技MAXIEYE宣布其首款面向乘用车的智能巡航功能产品MAXIPILOT® 1.0即将量产(率先在2款自主品牌乘用车搭载),聚焦10-15万级别乘用车车型,提供场景覆盖结构化公路、城市道路,达到市场主流的L2级自动辅助驾驶水平。

针对技术普及,在智驾科技MAXIEYE看来,产品全面的设计降本是促成一项技术真正走向规模化搭载的基础,比起堆砌大规模高成本硬件以实现性能,行业需要探讨如何在功能与成本落地化之间寻找平衡。

这家公司另辟蹊径,借助强大的软件嵌入式能力,最大限度地挖掘芯片的算力资源,实现在不同算力平台上的快速迁移,且在高性价比的算力平台上也可达到最佳效果,并首次在1R1V的千元级低成本产品上部署了数据闭环。

对于一级汽车零部件供应商来说,在整车电子架构全面转向域控之前,L2搭载率的持续上升(尤其是新车评级C-NCAP继续提升主动安全权重),将是新一波市场红利期。

在去年的CES展上,采埃孚首席执行官表示,“我们认为L2+系统可以满足未来很长时间的市场需求,并提供了一个平台,用于测试和验证全球不同的道路场景。”

你可能感兴趣的:(自动驾驶,人工智能,机器学习)