0
近年來，售價為10萬-20萬的汽車市場中，L2級及以上的智能駕駛量產(chǎn)方案正逐步成為標配，同時還在快速向10萬元及以下的A級車市場滲透。
泰合資本副總裁密葉舟預(yù)計，未來2-3年內(nèi)，中國的智能駕駛的量產(chǎn)裝配率/搭載率會很快提升到30%以上，甚至可能達到50%。
隨著智能駕駛的量產(chǎn)普及，滲透率提高，主機廠與智能駕駛解決方案供應(yīng)商之間的聯(lián)系變得越發(fā)緊密。
但另一方面，智能駕駛賽道終局未至，主機廠同樣蠢蠢欲動，欲將占據(jù)未來汽車最大價值的自動駕駛把控在自己手中。
主機廠與智能駕駛供應(yīng)商之間在保有合作的一面之外，也可能會成為彼此的對手。
密葉舟猜測，未來在智能駕駛功能實現(xiàn)和商業(yè)化方面，主機廠與智能駕駛供應(yīng)商之間大概率會是高度競合、相互交織的關(guān)系。
面對這種變化，智能駕駛解決方案供應(yīng)商應(yīng)當如何應(yīng)對？一家優(yōu)秀的供應(yīng)商又應(yīng)當具備哪些重要的素質(zhì)與能力？
鑒于此，新智駕基于《2021年，智能駕駛的「一?！菇痪砟辍芬晃?，并在與業(yè)內(nèi)數(shù)位高管的交流中，提煉出了成為智能駕駛"優(yōu)等生"的幾個關(guān)鍵詞，希望能夠管中窺豹，以此給行業(yè)從業(yè)者們帶來些許思考。
工程化提升可靠性
正如前文所言，隨著智能駕駛商業(yè)化落地的快速滲透，整個行業(yè)已經(jīng)從Demo時代走向了量產(chǎn)時代。
而橫亙在Demo與量產(chǎn)之間的其中一道障礙，就是技術(shù)的工程化。
事實上，對于工程化能力的具體所指，不同業(yè)內(nèi)人士的理解似乎存在些許差異，但總的來說都離不開"可靠""穩(wěn)定""全天候"這幾個核心字眼。
不同于Demo演示只需在某時間段內(nèi)的特定場景中維持正常運行，量產(chǎn)交付級別的智能駕駛解決方案必須要在復(fù)雜路況下保證全天候、高可靠性的穩(wěn)定工作。
而作為推進智能駕駛方案量產(chǎn)落地的必經(jīng)步驟，工程化能力正是提升系統(tǒng)功能穩(wěn)定性、可靠性的關(guān)竅之一。
綜合多方觀點，智能駕駛技術(shù)的工程化主要涉及產(chǎn)品端與算法端兩個層面：
1、產(chǎn)品端主要通過良好的設(shè)計、工藝、測試和質(zhì)量管控做到高可靠性；
2、算法端則具體包括通過AI訓(xùn)練、模型優(yōu)化、測試等，提高算法的魯棒性，確保感知、定位、規(guī)劃、決策、控制等系統(tǒng)功能可在準全天候場景條件下正常運行。
"在測試過程中，如何做到高效，并且盡量用合理的成本完成盡可能多、盡可能快、盡可能模擬現(xiàn)實世界的測試，就是一個典型的工程化問題。"MINIEYE聯(lián)合創(chuàng)始人及高級副總裁楊廣舉例說道。
他指出，技術(shù)工程化在智能駕駛方案量產(chǎn)落地的過程中起著非常重要的支撐作用。
"因為如果沒有好的工程平臺，算法的研發(fā)迭代效率會非常低，算法研發(fā)人員的能力難以發(fā)揮出來，交付出去的產(chǎn)品也無法完成高規(guī)格的測試。如果這塊做不好，就算有再出色的算法研發(fā)人員，也只能推出小批量的Demo。"
同時，由于技術(shù)工程化要求企業(yè)必須具備優(yōu)秀的全棧研發(fā)能力、系統(tǒng)架構(gòu)能力以及經(jīng)過實際量產(chǎn)項目打磨的經(jīng)驗等，該環(huán)節(jié)也被視為智能駕駛量產(chǎn)落地過程中的高壁壘環(huán)節(jié)。
以技術(shù)算法見長的Robotaxi公司一向被認為"缺乏量產(chǎn)經(jīng)驗和工程化落地能力"，在AutoX投資整車廠、小馬智行與圖森未來傳出造車的消息時，有人不禁猜測：這是否可以視作補全其工程化能力的嘗試？
新智駕就此詢問多方看法，多數(shù)觀點認為Robotaxi公司涉足整車更多地應(yīng)該是偏向于商業(yè)化的考慮。
主線科技產(chǎn)品院院長張廣偉表示，從某個層面上講，"造車"之于Robotaxi公司，是可以提升其工程化和商業(yè)化的手段，但不等于"補全"。
而在楊廣的理解中，Robotaxi的工程化問題，一方面主要集中在增強算法的適應(yīng)性，使其能在更多的場景中實現(xiàn)穩(wěn)定和非托管的工作；另一方面則在于將軟硬件系統(tǒng)車規(guī)化：
"硬件車規(guī)，就是選用車規(guī)的物料和車規(guī)的設(shè)計和測試，使在復(fù)雜的車載環(huán)境下能夠高可靠工作；軟件車規(guī)，就是要有充足的冗余和功能安全設(shè)計，以及大規(guī)模的針對產(chǎn)品可靠性的HIL、SIL測試，保證產(chǎn)品出廠前的質(zhì)量，并在裝車之后給算法提供一個穩(wěn)定的平臺。做好這些之后，可能才是與車的結(jié)合。"
業(yè)內(nèi)人士在談及產(chǎn)品端的工程化問題時，討論往往會涉及到"平衡好質(zhì)量、成本與交付"這一要點。
而當智能駕駛解決方案來到了量產(chǎn)上車這一步，如何在車企的個性化定制需求與技術(shù)方案的通用性之間取得平衡，也成了量產(chǎn)落地過程中必然要面臨的問題。
"量產(chǎn)落地"，一方面意味著要獲得足夠大的市場，另一方面則必須"有利可圖"，畢竟沒有人愿意做吃力還不賺錢的工作。
通常來說，越是深入定制的產(chǎn)品，越能滿足不同場景、不同使用者的個性化需求，但這往往也意味著方案供應(yīng)商成本的大幅上漲；而通用程度較高的方案，則能夠通過規(guī)模效應(yīng)攤薄研發(fā)成本。
飛步科技市場負責(zé)人指出，智能駕駛順利落地的關(guān)鍵在于規(guī)?；\營的實現(xiàn)，"只有規(guī)?；?、常態(tài)化、可持續(xù)的運營，才能幫助客戶與行業(yè)真正降本增效"。
表面上看，通用性與市場規(guī)模的正相關(guān)性更強，但實質(zhì)上能夠真正擴大市場規(guī)模的，是能夠與多樣化的市場需求相適配的產(chǎn)品。
正如張廣偉所說，個性化是市場的需求。
元戎啟行合伙人、副總裁劉軒也提到，不同主機廠往往會希望自己的車具備一定的特色，而不是彼此間只有一個車標的差異，所以他們會對智能駕駛系統(tǒng)提出不同的要求，比如有的更注重駕駛感，有的則更注重舒適性，由此誕生出一些定制化的需求。
而只有能夠?qū)崿F(xiàn)個性化定制的解決方案，才能兼顧到不同場景、不同使用者的多樣化需求，滿足不同主機廠的品牌差異化訴求，并借此擴大市場的基本面，為規(guī)?；於ɑA(chǔ)。
至于智能駕駛解決方案的通用性，則在一定程度上代表了供應(yīng)商的獲利空間能有多大。
通用性強，則意味著技術(shù)共用的部分多，解決方案的可復(fù)制性強，能夠同時適配不同廠商的需求，繼而通過規(guī)模效應(yīng)降低研發(fā)投入，實現(xiàn)降本增效。
與此同時，產(chǎn)品架構(gòu)的統(tǒng)一性高，也有利于加強產(chǎn)品質(zhì)量的統(tǒng)一管理，確保穩(wěn)定性、可靠性和可控性。
但兩者之間的矛盾在于，通用性過強有時便意味著差異化無法體現(xiàn)，個性化定制過于深入有時則意味著無利潤可賺。
如何在兩者間取得平衡成為關(guān)鍵。
多位受訪者認為，通用性與個性化其實并不矛盾，要在兩者之間取得平衡完全可行：由于智能駕駛系統(tǒng)的基礎(chǔ)技術(shù)本身就是通用的，在統(tǒng)一的架構(gòu)下，通過接口、參數(shù)等調(diào)整，可以與個性化的需求相適配。
只是，具體的平衡方式還需要綜合考慮產(chǎn)品的開發(fā)思路和戰(zhàn)略。
搭建完整的數(shù)據(jù)閉環(huán)
如果說工程化是著眼于現(xiàn)時產(chǎn)品落地的能力，那么數(shù)據(jù)更關(guān)乎智能駕駛方案供應(yīng)商們在未來的贏面。
盡管不像硬件一樣看得見摸得著，但無論是輔助駕駛、自動駕駛，還是智能座艙，這些賦予汽車智能屬性的功能都離不開數(shù)據(jù)的驅(qū)動。
于智能駕駛而言，數(shù)據(jù)以各種形式貫穿于研發(fā)、生產(chǎn)、測試、運營等生命周期。
從中長期的發(fā)展角度看，突破L3級以上的高階智能駕駛功能，并提升其安全性、客戶體驗、ODD范圍的差異等，都主要仰仗于數(shù)據(jù)的反哺。
數(shù)據(jù)，是驅(qū)動智能駕駛向前發(fā)展的重要"燃料"。
密葉舟認為，在未來，自動駕駛真正的勝負點在于數(shù)據(jù)的獲取、分析和積累能力。
無論是走跨越式路線，還是走漸進式路線，收集長尾場景數(shù)據(jù)、訓(xùn)練算法模型等涉及數(shù)據(jù)獲取、技術(shù)迭代的能力，于車企或智能駕駛供應(yīng)商而言均具有重要意義。
但與主機廠不同的地方在于，由于自身并不擁有或只擁有很少的測試運營車輛，大部分智能駕駛方案供應(yīng)商——尤其是那些通過L2級及以下智能駕駛量產(chǎn)方案積累數(shù)據(jù)，以期往上突破高等級智能駕駛的供應(yīng)商們——必然要面臨智能駕駛相關(guān)數(shù)據(jù)的歸屬和使用權(quán)限問題。
對他們來說，數(shù)據(jù)的收集僅僅是第一步，要想通過量產(chǎn)車型獲取數(shù)據(jù)、迭代算法并構(gòu)建自身的競爭優(yōu)勢，就必須擁有數(shù)據(jù)閉環(huán)的搭建能力。
具體來看，要搭建數(shù)據(jù)閉環(huán)：智能駕駛產(chǎn)品方案的大規(guī)模量產(chǎn)落地是基礎(chǔ)，與主機廠就數(shù)據(jù)所有權(quán)和使用權(quán)達成一致是前提，數(shù)據(jù)安全體系符合國家監(jiān)管要求是必要條件，具備數(shù)據(jù)收集、傳輸、清洗、存儲與分析處理的完整能力則是關(guān)鍵中的關(guān)鍵。
而只有形成了這一閉環(huán)，才能充分發(fā)揮數(shù)據(jù)之于智能駕駛的"燃料"作用。
密葉舟相信，在已經(jīng)擁有大量量產(chǎn)訂單和交付能力的頭部智能駕駛解決方案供應(yīng)商中，誰能以更快速度形成自己的技術(shù)能力閉環(huán)、并與主機廠就數(shù)據(jù)合作模式達成一致，誰就將在未來高階智能駕駛解決方案的競爭中處于絕對的優(yōu)勢地位。
眼下智能駕駛賽道賽事正酣，主機廠們也越發(fā)意識到未來自動駕駛才是汽車的核心競爭力所在：自動駕駛之于整車的關(guān)系，就如"靈魂"之于"軀殼"。
仍掙扎于智能化轉(zhuǎn)型的主機廠基于不同的財力、技術(shù)能力，在智能駕駛研發(fā)上衍生出了三種不同的走向：全自研、部分自研、全外購。
投資人密葉舟指出，只有極個別的主機廠如特斯拉會選擇全面自研，另外一些中小主機廠由于欠缺研發(fā)能力，可能會選擇將智能駕駛的全部軟硬件承包出去。
除此之外，大多數(shù)主機廠的選擇都是混合的：自研一部分功能，再向供應(yīng)商采購一部分，最后還可能選擇一家Tier1負責(zé)全面整合，從而為整個系統(tǒng)功能的交付兜底。
至于這背后的原因也正如他所言，主機廠不希望智能駕駛的核心功能與能力被智能駕駛方案供應(yīng)商們完全掌控，但又必須承認他們在開發(fā)效率、成本、數(shù)據(jù)積累等方面確實具備多樣性與規(guī)?；膬?yōu)勢。
主機廠的這層顧慮以及由此衍生出來的商業(yè)合作偏好，使得其與供應(yīng)商之間的關(guān)系走向變得越來越微妙：競爭與合作并存，可能彼此忌憚但又必須互相依賴。
要適應(yīng)這種趨勢，未來智能駕駛供應(yīng)商不僅技術(shù)上要實現(xiàn)集成化、模塊化并舉，在與主機廠的商業(yè)合作方式上，尤其要做到開放靈活、可調(diào)整。
華為、百度Apollo所推行的商業(yè)合作模式或許正好順應(yīng)了整個行業(yè)的上下游關(guān)系走向。
表面上看，華為全家桶式的HI模式、百度Apollo的樂高式汽車智能化解決方案分別對應(yīng)的是主機廠集成化、模塊化兩種截然不同的需求。
但事實上，在與主機廠的合作中，兩家均可基于客戶需求提供局部或全棧級別的解決方案。
在上汽表示很難接受單一一家供應(yīng)商為其提供整體的智能駕駛解決方案后，華為方面隨即回應(yīng)稱：HI模式不適用于所有車企，更多的車企還是采用華為提供的零部件解決方案。
百度Apollo在2020年底推出樂高式汽車智能化解決方案時，除了強調(diào)其開放、易組裝的"樂高式"屬性，同時也指出了其正通過"智駕、智圖、智艙、智云"四大產(chǎn)品系列構(gòu)建出完整的汽車智能化方案。
不過，在楊廣看來，雙方的合作可能要視智能駕駛方案的功能級別而定。
他表示，L2及以下的功能，主機廠還是以購買整體的模塊和解決方案為主，并不參與部分功能的開發(fā)。在L2+之后，能力較強的車廠會嘗試自研部分模塊。
"目前典型的一種是規(guī)控自研，一方面更貼近產(chǎn)品功能，一方面與主機廠原來擅長的方向也比較匹配。"楊廣說道。
"這種合作模式中，智能駕駛方案商更聚焦核心的軟硬件功能，主要把握更偏向算法的基礎(chǔ)輔助駕駛和自動駕駛能力，車廠則把握偏應(yīng)用的一端。"
結(jié)語
于汽車這一組件繁多、構(gòu)成復(fù)雜的工業(yè)產(chǎn)品而言，由感知、規(guī)劃、決策、控制各核心環(huán)節(jié)構(gòu)成的智能駕駛系統(tǒng)與之融合，所面對的問題可能比以往的任何一個系統(tǒng)組件都要復(fù)雜得多。
智能汽車的這一特性，要求供應(yīng)商對整車功能的實現(xiàn)、設(shè)計、制造與驗證流程有充分認知，成為全能型的選手。
而在本文中，新智駕僅僅挑選了其中幾個較為重要的關(guān)鍵詞，對于智能駕駛"優(yōu)等生"的面貌或許只窺得了一二。
更何況，在不同的發(fā)展階段，行業(yè)對供應(yīng)商們的要求也不盡相同：產(chǎn)業(yè)初期，技術(shù)突破是關(guān)鍵；到了商業(yè)化的落地階段，產(chǎn)品化、商業(yè)化能力的差距或帶來新一輪的洗牌。
雖然目前輔助駕駛已處于規(guī)?；虡I(yè)應(yīng)用的階段，但于L3及以上的自動駕駛系統(tǒng)而言，前路依舊茫茫，未來或許還會出現(xiàn)更多未知的挑戰(zhàn)。
屆時的智能駕駛解決方案供應(yīng)商們又要以何種模樣自處，仍待諸位挖掘與解答。
智能駕駛的缺位、錯位與歸位第三問
十年前，我國自主研發(fā)的無人車首次完成了數(shù)百公里高速駕駛實驗，輔助功能的樣機面世，為智能駕駛從實驗室走向市場奠定基礎(chǔ)。十年白駒過隙，智能駕駛的發(fā)展走過高峰，也熬過低谷，但商業(yè)化之路似乎仍充滿迷霧。
本周四，新智駕將發(fā)布《智能駕駛十年，理想的商業(yè)模式為何「難產(chǎn)」？》，試圖通過近 10 位行業(yè)人士的視角，對行業(yè)的商業(yè)落地現(xiàn)狀進行全方位的探析。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
