比亚迪智驾两手抓:左手全栈自研,右手智驾平权

您是否想浏览中国自主品牌出口车型,可以为您切换到易车国际站。

不提蔚小理、华为、特斯拉,和赶在广州车展发布会上推出车位到车位智驾Demo的小米、极氪相比,比亚迪的智驾研发进度也显得有点慢。

为什么有点慢,因为比亚迪坚持在智驾领域全栈自研。

01

自研是个筐,什么都可以往里装。

在过去几年里,头部新势力车企为了争夺科技领先的标签,在自动驾驶、智能座舱、智能底盘、碳化硅电驱、800V高压平台等各个领域频频标榜全栈自研,个中关键在于怎么定义全栈。

蔚小理的全栈指的是算法栈,在友商提供的底层操作系统、中间件等基础软件之上打造感知-决策-执行的算法链,当然,最近它们开始自研智驾芯片,扩展了全栈的覆盖面。

相比之下,比亚迪的全栈更加全面和深入。

同样从感知-决策-执行的视角来看,比亚迪不仅仅局限在算法层面,还将全栈自研的大手下探到了硬件层面。

感知层,比亚迪半导体公司自研了图像传感器芯片CIS,CIS在摄像头模组中的成本占比接近4-5成,实在不容小觑。

目前,比亚迪车规级CIS最高支持200万像素,只能用在鱼眼、环视摄像头上。

不过,其消费级CIS最高可以支持500万像素,或许意味着车规级500万像素的CIS离问世也不远了。

除了摄像头,根据2024年初供应商大会上的消息,比亚迪还在做中低线束激光雷达,王传福当时表示低线束激光雷达的价格不到1000元。

在决策层,比亚迪正在自研80TOPS算力的智驾芯片,这种算力规格可以实现高速NOA,而且不需要使用特别先进的工艺,不会像蔚小理那样面临被台积电卡脖子的风险,主打一个稳健。

不止如此,和小鹏、理想汽车使用德赛西威的自动驾驶域控制器不同,比亚迪还自研了智能驾驶域控制器。

执行层更是比亚迪的强项。解耦式的线控驱动、线控制动、线控转向是L3及以上自动驾驶的必选项。

这么综合来看,比亚迪的全栈自研是真全面!

02

既然如此,为何一门心思向钱冲的用户们对自动驾驶不大感冒?为何昼夜急行军的比亚迪还不果断把供应商推向台前?

拿平均接管里程MPI举例。

这么推导回去,2023年年底特斯拉FSD的MPI值只有六七十米!

怎么解释,要么马斯克的牛皮过于不可思议,要么特斯拉重新定义了“数量级”。

国内这边,反正互联网没有多少记忆,小鹏2023年底将自家基于分模块方案实现的城区NGP的MPI值宣传为150公里(百公里接管次数0.65)。

如果数据没有作假,这要么是在城区的快速路上测出来的数据,要么是在不顾是否违章、不管是否引他人侧目的情况下测出来的数据。

到了2024年11月份,小鹏表示端到端大模型使得小鹏XNGP的性能在三个月内增长了4倍,随即,它又定出了2025年实现百公里接管一次的目标。

理想汽车在8月底的成都车展上给出的MPI值是21.8公里,最近它正在开展车位到车位全场景智驾测试,一些必须考虑是不是违章、是不是影响交通效率的车主的行程报告显示,其MPI值还是在二三十公里之间。

综合来看,目前本土头部智驾车企的城区平均接管里程MPI的“真实值”应该不到三十公里。

这说明,媒体的宣传归宣传,事实归事实,目前的高阶智驾体验并不太尽如人意,还不会动摇智能电动汽车的竞争格局。

随着智能电动汽车市场的硝烟愈发弥漫,灵魂论渐行渐远,越来越多的主机厂已经在事实上放弃了智驾自研,若不是为了避免打击一大片,在这里可以列出一个长长的名单。

当市场竞争进入到目前这个阶段,走全栈自研路线还是仰仗供应商的方案已经不重要了。

主机厂和算法商打好配合,做好工程化落地,无需全栈自研,也可以实现比较出色的智驾体验。

至于为什么比亚迪只给供应商开了一个很小的口子,一来是请神容易送神难,二来是友商们掌握着这些大神们的股权,三来是自研更加省钱。

一个值得注意的事实是,上汽是Momenta第一大外部大股东,紧随其后的便是丰田、奔驰。华为这边,长安、赛力斯、北汽已经入股了华为引望,奇瑞、一汽也是引望的潜在投资者。

于情于理,这些智驾方案供应商肯定要优先支持自己的大股东,而非比亚迪这种外部厂商。

而且,就算在自己的大股东里,也得排排座,分果果,智己比奔驰早先一步上车并营销基于一段式端到端大模型的高阶智驾,主要原因也在这里。

和话语权、优先级相比,比亚迪更不能忍的是高阶智驾的成本。

对比亚迪这种志在成为全球第一大车企的企业来说,每一台车支付几千块钱的License费用,每年需要支付几百亿,这个天文数字显然是王传福这种省钱省到骨子里的企业家所不能认可的。

汽车的竞争已经从电动化的上半场进入智能化和AI主导的下半场,为了继续保持成本控制能力,比亚迪依然希望在智能化领域复制垂直整合的打法和策略。

THE END
1.自动驾驶主流芯片及平台架构(三)低算力平台自动驾驶芯片V3U 可以单芯片同时处理摄影机与雷达等传感器资料,同时以AI进行自动驾驶控制与学习,同时达到汽车安全标准ISO 26262最高的ASIL D要求,确保系统简单安全。 R-Car V3U SoC中的三大优势: 1、高能效、高性能的卷积神经网络(CNN)硬件加速器 随着新一代ADAS和AD系统中使用的传感器数量不断增加,CNN处理性能也需要不断加强https://blog.csdn.net/m0_58838529/article/details/138510905
2.www.rgbdc.com/yyys/31872269.shtml用我导师贾力诚教授的原话,这是个learningbydoing的过程。培训需要大量的时间和精力投入。彼时,我的白海豚研究已经拓展到四个种群,精力非常有限。该培训什么人呢? 终遇志同道合的伙伴 有人也许会认为一个体格强壮、不晕船、不怕晒的年轻人,将是海上工作的好手。是男生的话那就更好不过了。 真是这样吗?http://www.rgbdc.com/yyys/31872269.shtml
3.展会信息全球有机硅网付宇,中汽研新能源汽车检验中心(天津)有限公司电驱电控部平台总监 16:00-16:30 Novel Approach in Designing VinFast Vehicles Thermal Management System to Provide Admirable Customer Comfort Tharun Narayanan Arthanari,VFe34 EXT Module Module Manager,VinFast LLC https://www.soyjg.com/Exhibition/detail/17-63171.html
4.人工智能计算领域的领导者NVIDIAAI 平台 AI 推理 AI 工作流 对话式 AI 定制化模型 网络安全 数据分析 生成式 AI 机器学习 预测与预报 语音AI 数据中心和云计算 概览 面向企业 IT 的加速计算 云计算 托管 MLOps 网络 虚拟化 设计和仿真 概览 数字孪生开发 渲染和可视化 机器人仿真 汽车仿真 机器人开发和http://nvidia.com/
5.自动驾驶主流芯片及平台架构:低算力平台V3U 可以单芯片同时处理摄影机与雷达等传感器资料,同时以AI进行自动驾驶控制与学习,同时达到汽车安全标准ISO 26262最高的ASIL D要求,确保系统简单安全。 R-Car V3U SoC中的三大优势: 1、高能效、高性能的卷积神经网络(CNN)硬件加速器 随着新一代ADAS和AD系统中使用的传感器数量不断增加,CNN处理性能也需要不断加强https://www.jishulink.com/post/1812747
6.科企岛  基于管理话题,将会催生一系列人工智能治理平台,使企业能够管理其人工智能系统的法律、道德和运营绩效。 新工具将创建、管理和执行政策,以确保人工智能的透明度。这些平台也可以检查人工智能助理是否会存在偏见,并提供建立模型的信息。 Alvarez预计,这些工具最终将成为人工智能创建过程中的一部分,以确保从一开始就https://www.keqidao.com/information-third?id=221461038039041
7.孟德彪中文主页电子科技大学主页平台管理系统machine learning-assisted structural integrity assessment and design optimization under uncertainty " in cmes-computer modeling in engineering & sciences 机器学习算法(深度学习,神经网络,支持向量机,联邦学习) 团队成员 教师其他联系方式 邮箱: 1f6494b695ac8e3e28e2ff2ba3ed2c91fb9b7b0ccd6a75ccd0dahttps://faculty.uestc.edu.cn/mengdebiao/zh_CN/index/167251/list/index.htm
8.环境知识学习绿色创新行为与环境绩效结论揭示了环境知识学习与环境绩效之间的内在作用机制,拓展了组织学习与环境管理等领域的理论空间,对企业实施绿色发展战略具有启示意义。关键词:环境知识学习;绿色创新行为;环境绩效;环境管理Environmental Knowledge Learning, Green Innovation Behavior and Environmental Performance Li Jieyi, Zhang Gong, Xie Linna (https://www.kjjb.org/fileup/HTML/2019-36-15-017.htm
9.最新文章让技术变得更有价值本次文章介绍我们于 TPAMI-2023 发表的一项用于视觉识别的相互对比学习在线知识蒸馏(Online Knowledge Distillation via Mutual Contrastive Learning for Visual Recognition)工作,该工作是我们发表在 AAAI-2022 论文 Mutual contrastive learning for visual representation learning [1] 的扩展版本,论文讲解链接为: https:/https://www.elecfans.com/d/newest/30871
10.搜狐搜狐网为用户提供24小时不间断的最新资讯,及搜索、邮件等网络服务。内容包括全球热点事件、突发新闻、时事评论、热播影视剧、体育赛事、行业动态、生活服务信息,以及论坛、博客、微博、我的搜狐等互动空间。https://sohu.com/
11.多车立体事件相机数据集:用于3D感知的事件相机数据集否则,如果有激光雷达,Cartographer[28]将用于驱动序列,将激光雷达扫描和IMU数据融合成激光雷达的循环闭合2D姿态,利用第五章D节的校准将其转换为左DAVIS帧。对于户外场景,我们也提供原始的GPS读数。对于每个有激光雷达测量的序列,我们运行激光雷达测绘(LOAM)算法[29]来生成密集的三维局部地图,这些地图被投射到每个DAVIShttps://www.eet-china.com/mp/a172726.html
12.新能源汽车节能规划与控制技术研究综述强 化学习(reinforcement learning, RL)基于 Markov 决策 过程,通过智能体与环境的互动实现累积回报最Transport Res Part D: Transport Environ, 孙超,等:新能源汽车节能规划与控制技术研究综述 2020, 87主持国家自然科学基金重 点项目,工信部产业技术基础公共服务平台项目 和广东省重点领域研发计划项目等多https://www.journalase.com/CN/article/downloadArticleFile.do?attachType=PDF&id=19124
13.GitHubgenkinD003 Pinterest 图片设计社交 暂无法通过爬虫获取信息, 点击进入源网站主页 订阅地址 D004 优设 优秀设计联盟-优设网-设计师交流学习平台-看设计文章,学软件教程,找灵感素材,尽在优设网! 暂无法通过爬虫获取信息, 点击进入源网站主页 订阅地址 D005 腾讯CDC 腾讯用户研究与体验设计部 暂无法通过爬虫获取信息, 点击进https://github.com/genkin-he/garss
14.新能源汽车综合故障诊断教学课件(493页)新能源汽车综合故障诊断教学课件.pptx,新能源汽车基本故障诊断策略《新能源汽车综合故障诊断》课堂导入ONTENTS010603050204目录学习目标知识储备课后作业技能训练课堂测评C01课堂导入leading-in of a classroom课堂导入学习目标知识储备技能训练课堂测评课后作业课堂导入新https://max.book118.com/html/2023/1017/6103212134005242.shtm
15.Designs9780787977580》(CurtisJ.Bonk)简介书评3. Why Blended Learning Hasn’t (Yet) Fulfilled Its Promises:Answers to Those Questions That Keep You Up at Night (JenniferHofmann).4. On Designing Interaction Experiences for the Next Generation ofBlended Learning (Ellen D. Wagner).PART TWO: CORPORATE BLENDED LEARNING MODELS AND PERSPECTIVES.http://product.dangdang.com/23281548.html