別再瘋狂堆硬件啦！

如今的行業(yè)現(xiàn)狀，從流行詞就可窺見一斑，“智能”“數(shù)據(jù)”“芯片”“算力”“車云”等詞匯每天都必聽上/談起個幾（十幾）次……

各個車企的目標，或者直白點兒-目的：“站在行業(yè)頂端，構筑企業(yè)護城河，前突后防，保證利益的長長久久最大化”，為了這個目標，就一定會加入智能化賽道，滿足“人們對美好生活的向往”；而這個賽道中，最難的就是“數(shù)據(jù)量大，算力有限”……

?一、數(shù)據(jù)，及對數(shù)據(jù)計算的要求

一句話，數(shù)據(jù)從多個渠道奔涌而來~

① 車端傳感器的數(shù)據(jù)：

以常見的“5R11V1L”舉例-- 5個毫米波雷達，探測障礙物；11個攝像頭，捕捉圖像，識別道路標識、車輛、行人等目標； 1個激光雷達，構建環(huán)境模型……以一個高清攝像頭每秒拍攝30幀、每幀數(shù)據(jù)量為2MB來計算，僅攝像頭每秒產(chǎn)生的數(shù)據(jù)量就高達數(shù)百MB了

② 傳統(tǒng)執(zhí)行器的電控化

目力可及，傳統(tǒng)機械執(zhí)行器也在走向電控化。例如轉向、制動這些關鍵底盤部件，傳統(tǒng)的機械轉向逐漸被電子助力轉向取代，電子制動系統(tǒng)也越來越普及；某車型的底盤控制系統(tǒng)中，僅轉向和制動相關的控制器數(shù)量就是5個，以往通過機械直接動作，當下都需要以數(shù)據(jù)方式進行傳輸，運算，處理，再執(zhí)行。

③ 車-云 傳輸?shù)慕粨Q數(shù)據(jù)：

隨著5G及5G+技術，車輛能夠以更快的速度與云端進行數(shù)據(jù)傳輸。據(jù)統(tǒng)計，一輛聯(lián)網(wǎng)汽車每天與云端交互的數(shù)據(jù)量可達數(shù)GB，車輛需要實時上傳行駛軌跡、駕駛行為等數(shù)據(jù)，同時接收云端推送的地圖更新、軟件升級包以及各種指令……

?二、算力

獲取數(shù)據(jù)是為了應用，這么龐大的數(shù)據(jù)量，絕對需要強大的計算能力才能計算的精+準，滿足自動駕駛，操控自如，車內娛樂等多種場景需求。

提到算力，就一定會提到智駕的算力需求，和芯片的算力供給。實現(xiàn)L2級別的自動駕駛，算力需求大約在2 – 20 TOPS（每秒萬億次操作） ；以保證車輛實現(xiàn)如自適應巡航、車道保持等基礎功能；更高級別的L3及以上自動駕駛，算力需求則直接飆升至100 TOPS以上；英偉達Orin芯片算力254 TOPS ；即將問世的Thor（索爾）芯片算力為2000 TOPS。

那就這樣一直你追我趕拼下去么？算力就不會遇到瓶頸么？

① 摩爾定律的“疲態(tài)”

如今，芯片制造工藝已經(jīng)逐漸逼近物理極限，摩爾定律開始“力不從心”，硬件性能提升的速度明顯放緩。就拿芯片制程工藝來說，從早期的幾十納米，到如今的5納米甚至3納米，每一次制程的進步都變得愈發(fā)艱難，研發(fā)成本也呈指數(shù)級增長

② 硬件算力的參差不齊

硬件層面，目前車輛中廣泛使用的控制器里，系統(tǒng)級芯片（SoC）的數(shù)量和算力參差不齊。一些車型的座艙控制器可能僅配備單個SoC，算力在幾TOPS到十幾TOPS不等；而智能駕駛域控制器，可能集成了多個高性能SoC，這些不同算力的SoC如何協(xié)同工作，也是對開發(fā)及系統(tǒng)的考驗

③ 研發(fā)測試成本不堪重負，消費者不買賬

過高的硬件配置，首先帶來的就是車輛成本的大幅增加。以一款搭載高端智能駕駛芯片的車型為例，僅僅芯片成本就可能高達數(shù)千元，再加上與之配套的硬件設備，整車成本可能增加數(shù)萬元。這不僅導致消費者購車成本上升，開發(fā)成本的增加也讓車企壓力山大。

隨著硬件配置的提高，車端軟件量也會相應增加。更多的軟件代碼意味著更多的潛在漏洞和風險，據(jù)統(tǒng)計，軟件代碼量每增加10%，出現(xiàn)bug的概率可能會提高5% - 10%。這不僅增加了軟件測試和維護的難度，還可能導致車輛在使用過程中出現(xiàn)各種故障，影響用戶體驗和行車安全

?三、算法

上文提到 “應用”，本節(jié)進階到“高效應用”

對于車企而言，一味堆疊硬件并不能構筑起堅固的競爭壁壘。在全球化的汽車零部件市場中，你能夠采購到的硬件，競爭對手同樣可以獲得。即使是自研芯片，如果不能與自家的軟件深度融合，也難以發(fā)揮出最大優(yōu)勢。真正能夠贏得消費者青睞的，是車輛整體的使用體驗，包括流暢的交互界面、精準的智能駕駛輔助、穩(wěn)定可靠的性能等，而這些都離不開軟件能力的提升和算法的優(yōu)化

以特斯拉為例，如Model 3和Model Y部分版本，一直沿用相同算力水平的FSD芯片，算力維持在144TOPS ，硬件配置也相對固定——特斯拉通過軟件的優(yōu)化，不斷提升了自動駕駛能力。其Autopilot系統(tǒng)從最初僅能實現(xiàn)簡單的輔助駕駛功能，到能夠實現(xiàn)導航輔助駕駛（NOA），車輛在高速上可根據(jù)導航路線自動進出匝道、變道超車。也就是說，通過軟件算法的迭代升級，特斯拉能更精準地識別道路上的各種標識和路況，提升自動駕駛的安全性和可靠性。

這充分證明了，即使硬件算力沒有提升，軟件的優(yōu)化也能帶來自動駕駛能力的顯著進步

算法，是大腦的智慧統(tǒng)籌，合理應用數(shù)據(jù)的方法，而這一核心，確實又是最難，最耗時，也最慢見成效的，這可能也是為什么大家都去比拼算力的原因了。

?四、對于龐大數(shù)據(jù)量的計算和處理，可以從以下幾個方面提升效率

① 軟件算法的持續(xù)優(yōu)化

軟件算法的優(yōu)化從未停歇。以圖像識別算法為例，早期識別一張汽車前方的行人圖像可能需要耗費大量算力，且準確率不高。但隨著深度學習算法的不斷改進，如今只需較低的算力就能實現(xiàn)更高準確率的識別。據(jù)研究表明，通過優(yōu)化算法，在相同算力條件下，圖像識別的準確率能夠提高20% - 30%。

② 云端算力的轉移

5G網(wǎng)絡的高速率、低延遲特性，使得車輛與云端之間的數(shù)據(jù)傳輸變得高效穩(wěn)定。未來，云端將承擔大量復雜的數(shù)據(jù)處理、運算和存儲工作。比如，車輛在行駛過程中產(chǎn)生的海量傳感器數(shù)據(jù)，可以實時上傳到云端進行分析處理，云端再將處理結果反饋給車輛，指導車輛的行駛決策。而車輛自身，只需保留一定的基礎算力，用以保證諸如緊急制動、轉向等基礎功能的正常運行。

③ 量子計算

令人期待的是，量子計算技術正在快步向汽車領域走來。量子計算機的強大算力，有望在瞬間完成傳統(tǒng)計算機需要數(shù)小時甚至數(shù)天才能完成的復雜運算，這將為車端算力帶來質的飛躍。一旦量子計算在汽車領域得到應用，車輛的智能決策能力將達到一個全新的高度。

?五、 車企的護城河

企業(yè)要想構建護城河，靠硬件，芯片，算力的技術堆疊，是不夠的，還是要回歸最重要的“用戶需求的洞察”，佐以適度的“硬件”和優(yōu)質的“軟件”，才能保持領先，簡單粗暴地比拼算力，其實恰恰暴露了軟件能力的短板。我們要明白，好的用戶體驗并非單純依賴強大的硬件，強大的硬件也并不必然能帶來優(yōu)質的體驗。

用戶在選擇汽車時，并不會把復雜的硬件參數(shù)作為唯一的考量標準。他們更關心的是，在日常駕駛中，車輛是否能夠提供舒適、便捷、安全的體驗。一輛軟件優(yōu)化出色、硬件配置適中的汽車，往往比一輛硬件堆砌但軟件體驗不佳的汽車更具吸引力。

車企們真的應該轉變思路，告別“軟件不行硬件來湊”的做法，把更多的精力和資源投入到軟件能力的提升上。通過優(yōu)化算法、提高軟件質量，打造出更加智能、高效、穩(wěn)定的汽車產(chǎn)品。只有這樣，才能在激烈的市場競爭中立于不敗之地，迎接汽車智能化時代的真正到來。

侯哥工作感悟：侯哥?@Roy 專注汽車電子電氣架構開發(fā)

刪改編：娜可不敢