争夺年度智能汽车软件竞争力奖项，第三批入围名单公示！

过去几年，在特斯拉及新势力的带动下，车企的盈利模式正在寻求从“一次售卖”转变为“硬件预埋＋软件付费解锁”，背后是驱动汽车软件架构的迭代，即从面向信号的软件架构，过渡至面向服务的SOA架构。

同时，车企、芯片厂商以及Tier1也在构建汽车软件开发生态圈，从底层RTOS一直到上层的应用功能落地。此外，信息网络安全、基础软件（包括OS、中间件、AutoSAR）、OTA、数据闭环等等模块化用例需求显著上升。

进入2023年，整车电子架构升级进入新周期，无论是智能驾驶、智能座舱、车身控制还是信息网络安全，软件赋能仍是行业的主旋律。

作为智能汽车赛道的第三方研究咨询机构，高工智能汽车研究院将继续帮助车企、投资机构挖掘具备核心竞争力的软件供应商，通过此次评选，助力行业进一步优化供应链体系，构建可持续的生态体系。

第三批入围汽车软件竞争力供应商及技术方案（入围名单将进入第一轮评审，涉及定点及量产交付等相关数据的评估）：

上海宏景智驾信息科技有限公司

HyperNet

基于BEV Fusion的时空融合网络，识别动静态目标、地图静态元素；量产级深度优化的AI算法，丰富的神经网络稀疏化和量化部署经验；支持BEV高精地图元素检测， Occupancy，3D目标检测等任务；

基于硬件加速的算子深度优化，包含图像处理加速、神经网络前后优化，CPU Neon加速；支持英伟达Orin, 安霸CV3，地平线J5等主流大算力平台， 和 CV72， Orin N等中算力平台；针对不同的算力平台，可以提供BEV CNN / BEV Transformer 的解决方案

上海智驾汽车科技有限公司

MAXI-Net自动驾驶深度学习神经网络模型

通过创新的MAXI-Net神经网络模型机器算法，MAXIEYE以单目视觉实现了单目4D感知，其中创造性的使用视频流（多帧）等图像分析技术，在三维场景构建的基础上引入时间维度的分析，实现从三维到四维的突破。

该网络模型实现测距测速、碰撞时间计算更准，目标跟踪更稳，本车及移动目标移动方向、路径预测更准，测距测速精度误差达到5%以内（行业平均水平10%），同时相较传统算法更好地解决了起伏路面、车道线消失、鬼探头，以及更多商业落地面临的Corner Case。

为了推动高阶自动驾驶的商业化落地，MAXIEYE将BEV技术架构应用于MAXI-Net之中，提出了由图像空间感知转换到BEV空间下感知的、融合时序信息的、端到端的、支持跨摄像头及其他传感器多模态的智驾深度学习感知方法。

这套方案极大地提高了感知精度、更好的解决目标遮挡问题、实现更优的特征融合，可以让感知到融合规控的技术体系更加简约轻量化，让整个自动驾驶系统开发更加简单高效。

欧菲光集团股份有限公司

自动泊车系统/自动泊车解决方案

欧菲光融合泊车采用摄像头与超声波雷达作为外部探测工具，基于对视图的应用来实现车位线检测、障碍物检测；基于超声波雷达完成对泊车空间的检测、障碍物检测；融合视图与雷达信号，提供完整的外部障碍物检测融合、泊车空间融合。

1、停车位智能搜索：基于深度学习算法准确识别多种常见车位。自动识别停车位方位和类型（水平/垂直/角度）。AI感知多传感器融合自动过滤不可用车位。

2、停车路径智能规划：根据停车空间规划最优路径；融合Freespace及OD结果实时规划路径；实时修正路径确保停在最优位置。

3、车辆智能控制：优化规划泊车算法，实现方向盘转动在车辆行进时完成。实时泊车规控算法，实现泊车过程中车速平稳，效率高。

北京智行者科技股份有限公司

全场景行泊一体驾驶辅助系统

行泊一体高阶驾驶辅助系统具备高速/城区NOA、泊车、ADAS及报警等20余项功能，全部在一个域控制器中实现，相比传统垂直烟囱式ECU产品，具有更高集成度、更高性价比及更灵活软件升级能力。

在硬件配置方面，智行者行泊一体驾驶辅助系统采用11V5R1L12U的标准传感器配置方案，同时，采用了国产化大算力芯片，承载多个800万像素相机、激光雷达数据及重感知轻地图技术对算力的需求，实现全场景高阶自动驾驶需求，为用户提供极致安全辅助系统。

由于关键软硬件技术均为智行者全栈自研，因此在具体量产产品中，可根据车型具体应用场景及成本要求，进行定制化剪裁，最大限度提供最高性价比产品。

同时，基于智行者无人驾驶大脑全场景架构及多年技术积累，智行者将提供市面上首个针对乡村/越野功能行车辅助功能，使得用户能够在恶劣场景下实现安全行车、享受更多智驾乐趣。

魔视智能

前融合感知框架Cyclops

魔视智能独有自研多传感器特征级前融合算法框架Cyclops,灵活适配多传感器搭载方案,实现了基于4路环视相机前融合3D感知算法、激光视觉深度感知融合算法与激光点云3D感知方案,为行、泊域提供统一的算法框架。

该框架可灵活适配多种传感器输入，例如GNSS/IMU/Wheel可提供里程计信息输入，激光雷达提供点云输入，相机提供图片输入，同一平台搭载的所有传感器信息。通过神经网络自动提取多传感器原始数据特征，实现深度学习前融合方案。

该框架对于单相机输入可形成单目深度算法感知框架，对于多模态数据输入则可形成前融合算法框架与BEV算法框架等。

北京易航远智科技有限公司

轻量级计算平台行泊一体算法

基于包括感知、决策、规控等在内的全栈自研算法，易航智能实现了对SOC平台资源的最大化利用。前视、环视相机同时接入，充分利用接口资源；通过芯片内的GPU资源实现全景渲染；利用芯片的USB接口实现DVR功能等。

易航智能还通过算法剪枝、知识蒸馏、共享Backbone等技术创新，优化算法算力，使轻量级计算平台可以实现行泊一体，并支持扩展领航辅助驾驶NOA等高级功能。

苏州畅行智驾汽车科技有限公司

RazorWareX 1.0（中间件）

RazorWareX 1.0为智能驾驶应用算法提供多种服务，在域控器各芯片间和车端各系统之间配置了高实时性、高宽带的通信骨干网，充分调配硬件算力，共享传感器数据，提供给AI算法运行环境，为智能驾驶提供高可靠性的开放软件平台。

拥有六大核心优势：1、开放平台，支持算法生态并行开发；2、健全的平台服务软件；3、跨芯片、跨域的异构RTE接口；4、时间触发通信骨干网；5、高功能安全；6、用户友好的配置工具链，代码自动生成。