当软件定义汽车成为趋势，未来汽车是否可以理解为四个轮子上的超级计算机？

继 PC 和手机之后，智能汽车正在引领科技史上的第三次智能化浪潮。当软件定义汽车成为趋势，消费者开始关注科技配置差异，汽车品牌如何实现更高层次的智能化？是否存在着为这种变革提供动力的“数字发动机”？ 

地平线市场拓展与战略规划副总裁李星宇从技术和产业变革两个维度系统解读了软件定义汽车的趋势，以及支撑智能汽车产业的关键因素。

从技术变革来看，软件定义汽车成终极方向，总结来看，可以概括为“443”：
1. 四大挑战：安全性、实时性、带宽瓶颈、算力黑洞；

2. 四大趋势：计算集中化、软硬件解耦、平台标准化以及应用生态化；

3. 三大核心技术支柱：AI计算芯片、车载操作系统以及数据闭环；

从产业变革来看，软件定义汽车将重塑整个汽车行业，总结为4个主要趋势：

• 汽车行业正按照IT行业的逻辑和节奏向前发展

• 产业生态重塑：拼图式合作替代塔状结构供应链

• 价值链范式转移：利润上移，软件和智能化零部件成汽车行业最大盈利环节

• 淘汰赛拉开序幕：造车新势力成主角，行业迎来百年巨变

算力不足是当前智能汽车的最大瓶颈

算力就好比智能汽车的脑容量，如果我们去看进化史，会发现灵长目动物智力的提升，是伴随着大脑容量的不断提升而获得的，因为大脑容量是智力的物质保证，我们没法想象小昆虫能够进化出匹敌海豚的智力，就是因为容量已经成为其智力发展的硬约束。汽车的智能化也遵循同样的逻辑，车载智能计算平台可以说是智能汽车的大脑，为上层软件提供强大的算力支撑和友好的运行环境。算力的持续提升是汽车智能化进步的标志。当前算力不足已经成为智能汽车发展的核心瓶颈。车载中央计算平台对于算力的需求简直是无底洞，自动驾驶等级每增加一级，算力需求就有一个数量级的上升，业界已经在讨论车载计算的TOPS（每秒1千万亿次运算）时代何时到来，这相当于要把“天河一号”超级计算机（2010年建成，排名当时全球第一）装进一台汽车！从这个意义上说：未来的汽车就是四个轮子上的超级计算机。

智能汽车正掀起算力的军备竞赛

在智能汽车所需要的计算能力中，占比最大的部分就是AI计算，智能汽车时代，AI计算芯片就是数字发动机，提供智能汽车最重要的硬件基石：算力。

表 1 各主要玩家都在持续提升车载AI芯片的算力

算力需求来自车载AI计算任务的挑战性，以感知为例：自动驾驶车辆需要对车辆的360度范围之内的环境进行感知，包括对移动物体的识别、跟踪、预测、对于驾驶环境的语义分割、建模到定位，感知的范围非常广，而且还要在不同的天气情况、光照条件下可靠地工作，这一切对于感知算法的可靠性、准确性提出了极其苛刻的要求。

图 2

为了达到这一目标，感知需要多种传感器进行融合，并且在每一个维度上都进行冗余备份，随着各种传感器的性能持续提升，其需要处理的数据量也呈几何级数增大，例如使用最广的车载摄像头，其像素已经从1百万上升到8百万，并进一步向1千2百万发展；激光雷达和毫米波雷达也在往图像化的方向发展。对于自动驾驶处理器的算力需求也随之水涨船高。

当前，自动驾驶处理器的算力主要用于感知，但是，从自动驾驶的发展来看，这并不是对自动驾驶处理器算力要求最高的部分。随着自动驾驶系统向L4、L5等级迈进，需要能够驾驭城市驾驶环境这样的复杂场景，决策将需要比感知更大的计算能力。

AlphaGO在围棋领域的成功，代表了人工智能在决策方面一个里程碑式的成就，但是对于围棋这样的应用，其感知环境是全透明的，可以获取棋盘上的一切信息，博弈主体只有两个，这是一个环境封闭、规则完备、信息完整的决策场景，但即使是这么简单的场景，Google都要用算力高达180TOPS的TPU去支撑，才能够满足要求。对于自动驾驶，我们有可能面对的是跟上百个道路上的移动主体的博弈，这里面不仅包括车辆，还包括行为非常复杂的行人，需要面对违反交通规则的情况，而且行人的下一步决策很可能依赖于你的决策，再比如换道，打了转向灯，还得看旁边的车让不让，如果不让再接着开，这是一个不断博弈的过程，也是互动式的决策过程。所以自动驾驶面临的是一个开放的环境、不完备的规则、不全面的感知信息、多智能体的博弈场景，而且还不能出错。决策算法的决策搜索空间比围棋要大的多，难度是非常大的，其对于算力的要求比感知更大，就是因为这个原因。

软件开发2.0时代：

数据驱动的迭代闭环特斯拉的智能化升级速度越来越快，以最畅销的Model 3为例，数据显示特斯拉平均每7.3天更新一次汽车软件，作为对比，传统车企往往半年时间都难以提供一次升级。通过自己打造完整的AI进化闭环，配合数量达百万级别的车队不断提供用于AI进化的真实路况数据，特斯拉拥有了比其他竞争对手更高的算法迭代效率。其结果是：特斯拉成功打造了联机版的智能进化体，依靠超强的软件迭代速度，特斯拉给消费者带来持续升级的智能化体验。我将这种软件开发模式称为软件开发2.0模式，相对于1.0模式，其本质的区别在于：用数据替代人力，来驱动算法（这里主要是CNN模型）的高速进化。

图3

可以想象：人力的成本是持续上升的，而数据的处理成本却随着摩尔定律的发展持续降低，实际上，配合软件的进步，我们可以获得比摩尔定律更快的下降速度。软件开发2.0的优势正在于此。广汽研究院智驾部部长郭继舜在一次车展同期的圆桌对话中指出：“各家企业都开始重点强调数据的积累和功能的迭代。这两方面成为保证现在汽车持续具有生命力的一种必然。这意味着，未来我们的汽车产品从静态转向动态，在完整的生命周期中不断进行进化，成为一个动态学习的过程。”

美国当地时间2020年10月12日，特斯拉首席执行官马斯克发推称：“说到做到，下周二将发布有限的完全自动驾驶beta测试版。但首先，这将只限于少数精于驾驶并且非常细心的司机。”不同于之前Waymo仅在几个城市投几百辆车运营，更不同于某厂仅有十几个试乘点（包括终点）的“全面开放”自动驾驶服务，这次是公众第一次自己可以选择路线并真实感知的自动驾驶。Waymo之前被公认为自动驾驶一哥，但实际上，特斯拉迭代速度比Waymo更快，原因就在于特斯拉的数据收集成本和范围优势明显。

图 4

计算架构在加速集中化

在软件定义汽车的驱动下，智能汽车的电子电气构架（EEA）正在加速从分布式向集中式演进，终极形态就是车载中央计算机。从分布式ECU架构到域架构，计算的集中度明显提升，后者按照功能不同聚类，有了“面向服务（SOA）的架构”这个概念，软硬解耦得以体现，且通过以太网作为车内骨干网进行互联。这种趋势继续演进，就出现了中央计算架构，可以提供开放式软件平台，底层资源充分池化使得中央可以共享，在未来进一步打通云端计算和车端计算，形成更大的协同式计算网络，但车端的边缘计算依然是智能化的基石。可以说：电子电气构架的核心演进逻辑，就是通过提供开放的、资源充足的硬件平台，使得软件开发更便捷、更高效。

图 5

业界普遍认为，车载中央计算机的量产要到2025年之后才能实现，但日经BP社在2019年拆解了特斯拉Model 3之后得出一个结论：特斯拉已经实现了这一先进架构，领先同行超过6年。

图 6

车载中央计算机通常都是一个异构计算平台，因为计算任务多种多样。但AI计算是其中算力最大的部分，是当之无愧的主芯片。

软硬件解耦，算力超配

硬件预埋成趋势下图是地平线芯片发展路线图，但重要的是这里体现的逻辑：在过去，算力还不充足的时候，地平线开发的是单个功能，例如ADAS或者DMS，当算力持续增强的时候，车载中央计算平台就出现了，并且通过软硬件的解耦，使得功能应用不再依赖于特定的硬件，从而极大加速了功能的开发。

图 7

在算力超配的前提下，可以保证在未来三年左右内，可以持续通过软件更新来增加新的功能，三年后，计算平台硬件也可以再次升级，保证在整车生命周期内，算力持续充沛。

图 8

图 8终局来看，软件定义汽车深刻地改变了汽车行业的盈利模式，将高性能的硬件预埋作为投资，通过软件更新服务盈利，已经成为特斯拉为代表的新造车势力的标准操作。

产业价值链范式转移

软件和计算平台成利润重心如果我们观察PC的产业价值链，就会发现行业利润的重心并不在联想、戴尔这些品牌，而是微软和英特尔。如果我们相信智能汽车行业的发展逻辑也按照IT行业的规律走，那么大概率我们会看到一样的趋势。

来自麦肯锡的研究指出，高效的车载计算平台已经成为支撑智能汽车的核心部件，车载智能计算平台、软硬件开发能力将成为未来自动驾驶价值链中最重要的能力因素，占34%的比重。并预测未来自动驾驶的软硬件成本将由90%硬件加10%软件，向软件和硬件基本持平的方向演化。

来自安信证券的研究指出，特斯拉2025年FSD的收入将近70亿美元，占特斯拉汽车业务营收的接近9%，贡献25%的汽车业务毛利。中长期来看，FSD将大概率切换成软件订阅服务的商业模式，预计2030年的订阅服务收入有望超过160亿美元/年。特斯拉的市值之所以可以达到4000亿美元，其背后的逻辑就是其盈利越来越来自软件，因此，资本市场对于特斯拉的估值也超越了传统的汽车制造商视角，以软件科技股的属性对其进行定价。

表 2 特斯拉在持续丰富其软件包的组合

拼图式合作成产业发展主流

前段时间参加了北京车展，作为汽车行业发展的风向标，这次车展非常明显的趋势就是：智能化已经成为各车企的竞争主战场，而智能汽车的实质，并不是拥有多少项ADAS配置，而是拥有在整车生命周期内的持续进化能力。从进化速度的角度分析，相对于打造新的硬件来实现进化，由软件来实现的进化显然要快得多。由此也带来整个汽车行业的颠覆性变革。

今天，特斯拉已然成为智能汽车行业的标杆，中国的新造车势力也在模仿中快速崛起，蔚来的市值甚至已经超越了宝马。中国的主机厂应学习特斯拉，但不应是像素级地去复制，比较可行的方式是充分集合中国的创新企业，协同作战。中国市场的驾驶工况、消费者需求等与国外有诸多差异，这些差异可作为中国企业的突破口。上游有芯片开发能力的公司与主机厂进行深度组合，协同创新，会是一个更有实践性的道路。