芯耀
304
汽車行業(yè)進入智能化時代后，“智駕系統(tǒng)”成為各大車企爭相布局的核心戰(zhàn)場。面對日新月異的自動駕駛技術，車企需要在自行研發(fā)和依賴外部供應商之間做出抉擇。這兩種模式其實各有千秋，自行研發(fā)能夠掌握技術主動權并形成差異化競爭優(yōu)勢，但投入巨大、風險也高；而依賴供應商則可快速導入成熟方案、降低研發(fā)成本，卻可能受制于外部廠商的技術路線和迭代節(jié)奏。
自主研發(fā)模式
自主研發(fā)的典型代表就是特斯拉、小鵬、蔚來等新勢力新能源汽車廠商。以特斯拉為例，早期Autopilot系統(tǒng)曾使用Mobileye的攝像頭處理芯片和算法，但2016年特斯拉雙方終止合作，此后特斯拉推出了自行開發(fā)的全新硬件套件來支持自動駕駛。這一套硬件（即FSD硬件）包括特斯拉自主設計的神經(jīng)網(wǎng)絡加速芯片，以及優(yōu)化的攝像頭、雷達等傳感器布局，使得整個系統(tǒng)能在“自家平臺”上實現(xiàn)高效運行。特斯拉積累了全球數(shù)百萬輛車的行駛數(shù)據(jù)，并通過OTA（無線更新）不斷迭代算法，在感知、決策規(guī)劃等方面實現(xiàn)迅速迭代和升級。自主研發(fā)的模式下，企業(yè)不僅掌握了底層計算硬件，還擁有完整的軟件生態(tài)，能夠針對自家車輛特點和駕駛場景持續(xù)優(yōu)化算法，迭代速度快、閉環(huán)數(shù)據(jù)優(yōu)勢明顯。
自主研發(fā)也意味著研發(fā)成本極高，需要強大的軟硬件技術儲備。特斯拉當初解除與Mobileye的合作，就是因為其對技術要求過于激進；其他車企如果自行走上這條路，同樣面臨龐大的前期投入和安全責任風險。即便是后來致力于自主智駕的小鵬汽車，其XPILOT系統(tǒng)在感知與決策算法方面也大量采用自研技術（硬件平臺則主要依賴NVIDIA Orin等通用芯片），強調通過自有數(shù)據(jù)積累與算力平臺來提升能力。蔚來（NIO）的自動駕駛系統(tǒng)雖然在硬件層面采購Mobileye的EyeQ4芯片，但在軟件算法、數(shù)據(jù)管理方面仍然靠蔚來自主開發(fā)，其模式也更偏向軟硬件聯(lián)合自主。這些車企的案例顯示，自研模式有助于形成獨特的技術路線和數(shù)據(jù)壁壘，但也需要較長周期才能成熟，并承擔算法安全隱患的消化成本。
供應商解決方案
與此相對照，傳統(tǒng)車企和部分商用車領域更傾向于依賴成熟供應商的解決方案。以大眾、福特等老牌汽車廠商為例，它們通常將自動駕駛系統(tǒng)的核心部件（如視覺處理、雷達融合、傳感器套件）交由Mobileye、博世等Tier-1供應商提供。如大眾集團在其多個車型上采用了Mobileye的攝像頭芯片與ADAS算法，大眾最新的Travel Assist自動駕駛功能即是基于Mobileye的EyeQ系列處理器配合其他傳感器共同實現(xiàn)的；福特的Co-Pilot360系統(tǒng)也主要集成了Mobileye的視覺技術和各式雷達/超聲波傳感器。
此外，博世、麥格納等供應商在毫米波雷達、自動剎車、轉向執(zhí)行等硬件環(huán)節(jié)已有成熟產(chǎn)品，車企只需根據(jù)級別需求集成即可。國內新興方案商如地平線（Horizon Robotics）等，向車企提供人工智能芯片和視覺計算平臺，像是長城汽車的智能駕駛系統(tǒng)就使用了地平線的CPU+NPU芯片架構。這種“采購現(xiàn)成方案”的模式能夠大幅縮短開發(fā)周期、降低自主研發(fā)難度。供應商往往專注于某一領域技術，比如Mobileye專長于基于攝像頭的視覺感知和路徑規(guī)劃，博世擅長雷達系統(tǒng)和車輛控制。借助其多年積累的技術儲備和全球驗證，整車廠可以較快實現(xiàn)高級駕駛輔助功能并提供較為穩(wěn)定的安全性。
但是，這種模式的弊端也很明顯，車企對技術核心的控制力較弱，不易形成差異化競爭。供應商提供的是標準化產(chǎn)品，各家車企使用同一套技術，很容易造成產(chǎn)品同質化；而且供應商通常限制數(shù)據(jù)訪問，車企難以獲得龐大真實駕駛數(shù)據(jù)來優(yōu)化算法，僅能依賴供應商給出的功能升級，這會減緩迭代速度。2016年Mobileye與特斯拉“分道揚鑣”也體現(xiàn)了供應商與車企之間博弈的風險，當特斯拉推高性能需求、期望獲得更強大算法能力時，Mobileye認為特斯拉未能保證司機干預安全，最終選擇斷開合作。此外，過度依賴外部供應鏈也有穩(wěn)定性風險，一旦某關鍵零部件供應商發(fā)生產(chǎn)能問題或策略變動，整車廠可能會陷入被動。例如全球芯片短缺之際，不少需要采用Mobileye、TI、Nvidia等芯片的OEM廠商都面臨生產(chǎn)延遲的困擾。
雙模式孰優(yōu)孰劣
從技術層面細分來看，自研與供給模式在感知、決策、硬件適配等方面各有特點。在感知系統(tǒng)方面，自研廠商往往能夠靈活選配傳感器方案，甚至研發(fā)專用芯片。例如特斯拉的Model 3以上車型采用了8攝像頭+前后雷達+12超聲波雷達的布局（最新硬件已去除雷達），并自研神經(jīng)網(wǎng)絡加速芯片；而小鵬P7等車型也采用了攝像頭+激光雷達+雷達的多傳感器融合系統(tǒng)，全棧自研算法來處理數(shù)據(jù)。這種集成方案的好處是傳感器與計算硬件、算法緊密耦合，能夠針對車輛線束、視場角度、計算資源等做最優(yōu)配置。相比之下，使用供應商方案的廠商更多沿用該供應商已有的傳感器套件和算法，難以對系統(tǒng)做大量自定義調整。例如Mobileye擅長攝像頭視覺，但在結構化公路外的表現(xiàn)可能不足，需要借助其他廠商或額外傳感器來補足。因此，自研模式在感知層面提供了更大的自由度，但要求廠家具備強大的研發(fā)能力和測試驗證體系；供給模式則用成熟硬件降低了技術風險，但通常是“黑盒”式集成，難以深度優(yōu)化。
在決策與規(guī)劃層面，區(qū)別主要體現(xiàn)在軟件算法和數(shù)據(jù)資源。自主研發(fā)的團隊會根據(jù)自己的車輛動力學特性和駕駛習慣設計獨特的決策邏輯，連續(xù)迭代的反饋更為直接。而依賴供應商時，車企常常拿到的是高度封裝的模塊化功能，缺少底層算法的透明度。如特斯拉的系統(tǒng)會不斷學習人類駕駛員的實際行為，嘗試在識別場景后做出類似人類的操作（如變道超車、圓環(huán)入口自動切入），其決策邏輯是在自有數(shù)據(jù)環(huán)境中自行調整的。而大眾或福特使用的系統(tǒng)，在自動駕駛場景下則更謹慎明確，嚴格限定在高速公路或車道內輔助駕駛場景，決策往往遵循供應商既定的規(guī)則集，不具備像特斯拉那樣的神經(jīng)網(wǎng)絡自適應能力?？梢哉f，自研團隊擁有全棧式架構優(yōu)勢，能夠全程掌控感知到規(guī)劃的端到端體驗；而供應商模式雖然穩(wěn)定可靠，但創(chuàng)新余地被壓縮了。
硬件適配是另一個核心考量。特斯拉2016年推出的FSD硬件套件就是自行研發(fā)的典型案例。到2019年，特斯拉推出了第二代定制AI芯片用于Autopilot——性能達到144TOPS（萬億次運算），遠超同期Mobileye EyeQ4芯片（約24TOPS）。憑借自研芯片，特斯拉可以在每輛車上部署更強大神經(jīng)網(wǎng)路模型。而依賴供應商時，車輛內嵌的計算平臺通常是如Mobileye EyeQ5、Nvidia Xavier/Orin或華為昇騰等提供的通用芯片，這些通用方案雖然發(fā)展迅速，但往往需要外部外接協(xié)同。綜合來看，自研模式可以從設計階段就確定硬件選型，實現(xiàn)軟硬件協(xié)同和定制化最優(yōu)；供應商模式則快速方便，但在極端場景或高性能需求面前可能受限于硬件瓶頸。
數(shù)據(jù)閉環(huán)能力方面，自研的優(yōu)勢極為明顯。自動駕駛算法依賴大量真實道路數(shù)據(jù)來訓練和驗證。特斯拉通過全球車隊收集了數(shù)十億英里的數(shù)據(jù)，每月能夠獲取數(shù)百億幀高質量標注數(shù)據(jù)，這些數(shù)據(jù)為神經(jīng)網(wǎng)絡不斷迭代提供了“燃料”，使得系統(tǒng)性能持續(xù)提升。小鵬和蔚來也在積極構建自己的數(shù)據(jù)閉環(huán)，比如通過自動駕駛測試車隊和量產(chǎn)車輛采集數(shù)據(jù)回傳，用于算法調優(yōu)和仿真訓練。相比之下，依賴供應商的車企往往無法直接獲得大規(guī)模的訓練數(shù)據(jù)。雖然OEM可以選擇將車內傳感器采集的數(shù)據(jù)反饋給供應商，但一般是脫敏的統(tǒng)計結果或合作共享數(shù)據(jù)，這對提升供應商算法的幫助有限。因此，自研的車企在數(shù)據(jù)閉環(huán)上有天然優(yōu)勢——他們能直接管控訓練集、迭代更頻繁，而供應商模式則往往缺乏閉環(huán)反饋機制。
在迭代速度與產(chǎn)品更新方面，情況也同樣截然不同。自主研發(fā)團隊可以隨時通過OTA推送軟件更新，對算法進行細小甚至實時的優(yōu)化。這意味著他們能快速響應道路測試反饋，修復問題或添加新功能。特斯拉的Autopilot/FSD迭代就非常快速，新版本一經(jīng)測試即推送給車隊，收集反饋后再推下一版；而供應商導入的方案，迭代周期常常是月或季級別。供應商不僅要將新版軟件打包，還要和車廠一起進行適配、測試，過程冗長。當遇到緊急安全問題時，自研團隊能第一時間組織修復（如特斯拉曾針對交通信號燈識別問題推送緊急更新），而依賴供應商的系統(tǒng)則需要等待供應商修復、再經(jīng)過車企測試和發(fā)布，時間更長。
成本控制上，自研與供應商模式也呈現(xiàn)出不同路徑。自主研發(fā)需要投入巨額前期成本，從傳感器采購、算力平臺搭建，到算法團隊建設、數(shù)據(jù)標注全部自營，只有在量產(chǎn)到一定規(guī)模后才能攤薄研發(fā)成本。相對而言，采用供應商方案則可顯著節(jié)省研發(fā)投入，車企只需購買現(xiàn)成部件或技術授權，省去了自研試錯的開銷。短期來看，采購供應商方案的成本更低、風險更可控。但從長期角度，如果車型保有量巨大，自研方案的邊際成本可能低于付費授權。如Mobileye為芯片收取的授權費并不低，若一車型年銷幾十萬臺，授權費累積可觀；而自研芯片一旦開發(fā)完，后續(xù)每臺車僅需分攤芯片制造成本。另外，自研的成本可視為固定資產(chǎn)投入，通過持續(xù)量產(chǎn)來平攤，而供應商模式則在單車成本上持續(xù)付費。在成本可控性上，供應商模式較易于短期預算；自研模式長期則或有優(yōu)勢，但短期壓力更大。
對于供應鏈穩(wěn)定性的考量也不可小覷。自主模式下，車企需要自行構建供應鏈生態(tài)，芯片找誰代工？傳感器找哪家做模組？每一塊硬件可能都要外采，但需要嚴格管理以免出現(xiàn)斷貨。供應商模式則有系統(tǒng)化支持，通常自帶穩(wěn)定的零件供應體系（如博世有自己的傳感器工廠，Mobileye靠Intel資源），且可以為車企提供整套服務。但與此同時，依賴供應商也意味著缺乏靈活應對能力。若當供應商被收購或戰(zhàn)略調整時，原本依賴其技術的OEM可能被“綁架”，不得不隨之調整路線。
其實乘用車和商用車在這個問題上也有不同側重。乘用車廠商往往更追求技術創(chuàng)新和市場噱頭，愿意冒更大的風險進行自研，突出品牌科技形象，因此新興造車勢力中像蔚來、小鵬、小鵬等都奮力自研；而商用車（特別是重型卡車、工程車等）更看重穩(wěn)定性和經(jīng)濟性，很多時候會優(yōu)先選用經(jīng)過大量測試的供應商方案。沃爾沃集團的重卡曾與Autoliv/硅谷科技公司合作開發(fā)自動駕駛方案，也曾嘗試過自建團隊；但最近是與安波福、MobilEye等合作，把自動駕駛功能嵌入現(xiàn)有的車聯(lián)網(wǎng)和ADAS模塊中，降低開發(fā)成本。東風等國產(chǎn)商用車企也多采用博世的攝像頭雷達套裝和博世MPC一體機做高級輔助駕駛，很少完全自主開發(fā)全套系統(tǒng)?？傮w而言，商用車的自主系統(tǒng)往往采用“國產(chǎn)協(xié)同”或“混合方案”。
其實也有有很多人認為買車不買技。他們認為自動駕駛作為輔助功能，其核心價值在于短時間內盡快投入實用，而非一定要率先突破最高級別的自動駕駛。從這一視角看，依賴大廠供應商的成熟方案可以讓車輛較快搭載L2/L2+功能，并在市場上形成規(guī)模化。而那些選擇自研的公司，則更多將其視為差異化競爭手段和長遠布局。當前市場上，我們也看到不少折中路線，有些車企自研算法，但在硬件層面與供應商合作；或者在軟件和數(shù)據(jù)層面合作共享，比如部分廠商會把車隊數(shù)據(jù)用在供應商提供的AI平臺上訓練，并與其他客戶共享。
總結
總結而言，自研和供應商模式各有優(yōu)勢與不足，自研的好處在于可控性高、差異化強、閉環(huán)迭代快，技術路線由自己規(guī)劃，可以深度整合軟件硬件和車輛平臺，實現(xiàn)量產(chǎn)車型的持續(xù)升級；缺點是投入巨大、開發(fā)周期長、風險高，尤其在早期往往會面臨功能不成熟或安全隱患，需要強大的資金和技術底蘊。
供應商模式則優(yōu)勢為成本和風險可控、上市快、技術成熟度高，能夠借力已有生態(tài)迅速擁有穩(wěn)定的輔助駕駛功能；但劣勢是創(chuàng)新受限、更新迭代相對慢、數(shù)據(jù)閉環(huán)弱，并且可能出現(xiàn)供應鏈被動、技術同質化等問題。
對于車企來說，不同的戰(zhàn)略定位和資源基礎會引導不同選擇，新勢力或市場壓力要求快迭代的品牌，常選擇自研；傳統(tǒng)巨頭或資金緊張者，則更多借助外部資源。無論選擇哪種路徑，都需要深度權衡感知技術、計算架構、數(shù)據(jù)管理和經(jīng)濟效益等要素，以保證自動駕駛系統(tǒng)既安全可靠，又具備競爭力。就像一場馬拉松，有的車企選擇自己跑完整程，有的則選擇與強大的隊友一起接力，最終目標都是為了跑得更快、更穩(wěn)、跑出自己的風格與成績。
