智能驾驶主机厂与技术供应链的灵魂之争伴随着智能驾驶技术兴起而来，也伴随着技术供应链的繁荣虽然嘴上很少提起但是行动却很雷厉，首先是扛起民族大旗的华为第三方全栈方案，被上汽拒绝称为“他是灵魂，我是躯体”的合作方案。到现在市面上应用最广的Mobileye硬件软件一揽子方案打包给到主机厂，却很多人诟病其为黑盒子方案，而考虑其他多种方案。那智能驾驶的灵魂到底是什么？为什么主机厂或者智能驾驶应用方那么担心失去？

要理解智能驾驶的灵魂，必须对对智能驾驶价值技术链条进行分解，了解各个技术价值链的原理和逻辑。所以本文试图分解智能驾驶的价值技术链，浅析各个核心技术价值技术链背后的逻辑原理以及难点，最后看是否能找出智能汽车驾驶的灵魂到底是什么。

智能驾驶三步骤（感知，处理，执行），我想“感知”对应人类的眼睛，耳朵鼻子等估计没有人说他们代表了灵魂，但智能汽车传感器和他们一样，是环境感知的根本，是不可或缺的，但肯定没主机厂认为他是灵魂。同理“执行”机构犹如人类的手腿，表情，语气等等他们属于内心的控制，俗话说“相由心生”所以智能汽车的“灵魂”肯定也不是执行机构，应该还是在内心这一块，也就是智能驾驶汽车的“处理”，所以我们顺着“处理”这个方向，去分解看看。牵扯到智能驾驶的“处理”主要会有以下几个方面：

处理芯片

智能汽车时代处理芯片在我之前文章《智能自动驾驶六大主流车载芯片及其方案》中大概介绍了，他是环境感知的数字电子0101的转换，他本质是电子范畴。目前汽车处理芯片的供应链其实绝大部分来自于早已经成熟的消费电子行业巨头们，例如英伟达，高通，intel旗下的赛灵思，Mobileye等以及原有汽车电子或者工业巨头们的芯片的上探，例如德州仪器，瑞萨，恩智浦等。而在汽车工业值得庆幸的是我们看到了国内芯片的参与，而不是消费电子清一色欧美芯片的情况，国内目前有华为，地平线，黑芝麻，还有寒武纪，芯驰等

芯片价值的技术链，包含了半导体IP，制造以及集成设计，三个主要部分。

首先我们来看IP，IP是什么呢？他是intellectual property 的缩写也就是芯片知识产权，他在芯片上叫IP核，是一些可重复利用的、具有特定功能的集成电路模块。如汽车架构模块一样，他就是芯片的模块，你用他搭建你自己想要的处理芯片。大家一般仔细看到芯片的参数，都可能会看到Arm Cortex等字样，其实这就是采用Arm IP的芯片，例如英伟达，瑞萨很多芯片都采用Arm 的IP，Mobileye也是， 当然国内的华为，我们之前文章《华为的智能驾驶算力平台（MDC）以及其当前生态应用》中说到的鲲鹏也采用Arm的IP。但是当前芯片IP巨头基本都来自于英美两国，国内鲜有。有了芯片的IP之后呢还有一个很重要的东西是制造，制造我们一般熟悉的芯片参数nm，比如说7nm，当前最小的3nm，汽车内部MCU差不多很多都是16nm以上，处理芯片大概10nm左右。而制造芯片牵扯到制造工具光刻机等等都属于投资大而且是一个不断需要投资跟上著名摩尔定律的产业，所以当前芯片制造产业基本都属于重资本行业例如著名的台积电属于台湾产业扶植，韩国的三星，目前国内扶植的中芯国际等。

而到了芯片集成以及设计这个就是我们常看到的芯片了，其实这个行业的难点主要不单单是芯片硬件而是围绕着芯片应用的一揽子方案，所以为什么大家看到我们之前文章《Nvidia英伟达的 AI 智能汽车信仰》英伟达芯片围绕着其芯片设计了端到端的应用方案，而国内的地平线，或者黑芝麻等也一样开始推出一揽子开发工具甚至发起操作系统的生态。

域控制器以及系统

有了处理芯片，什么传感器多少传感器他们的信号需要输入，这个时候域控制器就应该上场了，他是一系列信号的输入，处理，输出单元，还包括支持单元例如电源管理，联网等。他本质上是一个PCB电路板，或者说是一个电脑但这个电脑采用的系统不是通用系统，他讲究的是时效所以采用RTOS，例如QNX，Linux等，系统对接应用还会存在中间件等软件，但对于IT以及电子行业这些都是小问题。

但是域控制器的难点是在信号的输出，所以这就是为什么目前智驾控制域总会有一个MCU，而这个MCU就是为了向执行机构底盘等输入指令，而这个MCU的存在就是一个从电子通向汽车机械电子城堡的通道，他的口令就是Autosar，通过Autosar的通讯规则才能向汽车传统的底盘零部件MCU进行通讯指令。

而这也就是为啥，当前智能驾驶各家都在苦研Autosar，基于AI的运算电路设计都可以沿用集成电路以及IT知识但是到了汽车行业必须要适应原始汽车巨头盘踞以及长长供应链生态，当然未来这个是不是会被打破目前情况，我们拭目以待。

算法和应用

自动驾驶算法其实分两大部分，环境感知算法和路径以及运动规划算法。但目前基本上大家讨论激烈的都是感知算法，这个应该是相对比较复杂的牵扯到算法和各种传感器的数量，种类等，而路径以及运动算法可能变化不会很大，和我们之前文章《Cruise以及其自动驾驶技术》讲到的可能关系主机厂策略相关。

对于环境感知算法，主要分为两大部分视觉主导以及视觉构建地图的方式，另外一种是视觉和多种传感器融合到高精地图的方式。其中以特斯拉为特色的视觉主导以及视觉构建地图的方式采取如下步骤进行纯视觉识别以及构建矢量地图的方式。

1原始图像在底部输入，然后经过校正层对相机进行校正，通过RegNets 算法进行单个物体识别，并将多尺度信息与BiFBN融合。

2通过Transformer模块算法将其重新表示为向量空间和输出矢量空间，相当于地图作用。

3通过比如SpatialRNN算法在时间或空间上将馈送到特征队列，形成地图中与时间以及各个物体的关联。

4接着进入HydraNet的分支结构，其中有树干和头部用于所有不同的任务。

特斯拉凭借这些算法的组合赢得大家的一致好评，其实同样回归特斯拉也是应用科技，以上提到的RegNet，Transformer等算法都来自于谷歌等实验室，算是应用创新。

而当前小鹏P7的记忆泊车其实也是采用现有V－SLAM的算法形式，构建地图实时定位，这种算法其实很多扫地机器人也采用，这种算法很强依赖封闭环境的特征来构建地图，所以鲜有用在开阔地例如地面停车场。

当前主流的方案是采用视觉为主，多种传感器融合加高精地图的方式，其也是通过算法应用组合，不过考虑是传感器前融合还是后融合的方式。写到这里其实很明显算法是一个核心，算法的创新应用也算一个核心。所以算法是“灵魂”吗 ？但是现在兴起的业务是算法供应商例如最近ZF采埃孚入股的算法供应商StradVision，他可以提供通用的算法支持多种算法芯片可以实现从L1－L4的功能应用，也可以用于驾驶舱内驾驶员识别。

算法供应商可以提供算法，提供标签系统，其中算法是SVNet他能够根据输入视频信息告知结果；当然你必须要告诉他这是什么，也就是打标签；标签系统可以95％自我标签，另外5％可能需要人工标签。这是当前人工智能算法的标准流程。视觉AI顶尖权威专家李飞飞曾经就表示视觉AI的能够兴起主要是互联网海量图片的标注才得以拓展，所以有了当今视觉AI繁荣，有了庞大的标签数据库，才能不断喂养出准确的运算模型。

所以算法是灵魂也有点过，本质上他的底层是来自于实验室的数学公式，所以现在有不少算法以及标注供应商进入这个市场，他们提供底层算法，提供标签标注服务，供主机厂或者智能驾驶公司整合创新训练自己的应用算法。

大数据

接着上文的算法，其实可以明显看出，算法的精准靠数据的喂养，而数据的整理处理离不开大数据以及处理中心，视觉时代海量数据可以想想自己1200m像素的手机拍照照片多大，而智能驾驶摄像头一般是30fps也就是一秒钟拍30张，然后再结合一般8个摄像头的360度视角这个数据量可想而知，在开发当中必须要海量存储以及超算，同时未来海量智能汽车每天还会产生数据，所以这个时候大数据的云特别重要。

看过我们文章《Cruise以及其自动驾驶技术》的读者可能知道Cruise引以为傲他们能够快速拓展以及规模化就是其大数据云的工具链可以让数据存储，训练，验证，实时部署一条链业务，同时让工程师们都能够共享协同。

同理大数据在消费者使用中更加重要，提起特斯拉的智能驾驶，我想很多人都赞叹他的影子模式，什么是影子模式呢？就是当汽车发现汽车自己进行的操作被驾驶员干预，然后特斯拉将采集相关信息发送云端进行数据积累形成大数据识别最终进行修正更加符合人类意图。当然这是一种群体数据分析最终结论形成的，如果未来算法可以根据个体大数据例如单个驾驶员的反应不管是纠正也好或者通过感知消费者情绪舒适度等数据形成匹配个体的智能驾驶模式那就真的智能了。

总结

所以通过剥洋葱一样的去看智能驾驶的技术供应链，可以发现所有的技术供应链都类似于传统的Commodities商品可以整合集成应用创新而来。而灵魂他是独特的带有鲜明的品牌和个性特征，所以我认为作为商品的智能汽车的“灵魂”永远不可能是某一项技术，他可以是技术的创业应用，可以是一种消费者感知体验，毕竟主机厂智能驾驶提供商他的客户是消费者，所以我认为主机厂以及智能驾驶应用提供者大可不必担心某一项技术让其丢魂失魄。

所以通过最优的技术方案和供应链配比创新集成应用，设定出符合消费者行为习惯和个性特征的智能驾驶，我觉得这才是智能驾驶的灵魂，当然如果对于以上价值技术链里面哪个最可能是灵魂载体的，我觉得会是大数据，大数据是连接消费者的纽带，只有了解好客户才能服务好客户，挖掘客户需求，创造满足客户引领客户的功能和配置以及性能。所以主机厂智能驾驶服务提供商应该是像一个平台包容万象，而技术供应链应该是开放透明，相融共生共同构建智能驾驶生态，推动技术发展服务人类，共同打造符合自己品牌文化特征体验作为智能驾驶的“灵魂”。

参考文章以及图片

Artificial－intelligence hardware：New opportunities forsemiconductor companies － 麦肯锡

2022中国人工智能芯片行业研究报告 － 亿欧

汽车科技新趋势系列 － 中金

人工智能：AI 芯片快速起航 － 平安证券

中国AI芯片产业发展白皮书 － 赛迪顾问

整车架构变革，国产域控制器厂商迎发展良机 － 西部证券

区域控制器，通往未来科技的桥梁 － APTIV

大疆智能驾驶＆大疆智能泊车系统硬件配置方案 － 大疆

Deep Understanding Tesla FSD Part 1： HydraNet － Jason zhang

Perceiving the Road Ahead － STRADVISION

How artificial intelligence could impact the car industry － Stéphane Canu

A Survey of Deep Learning Techniques for Autonomous Driving － Elekrobit

＊未经准许严禁转载和摘录

       原文标题 : 从智能驾驶全技术供应链看智能驾驶“灵魂”