小鹏P7最近发力自动驾驶域控制器的小马智行

小鹏P7最近发力自动驾驶域控制器的小马智行

作者:HiEV大蒜粒

这意味着,总共约100亿的盘子中,来自第三方的自动驾驶域控制器只占三成份额,剩下的大部分由车企自研供应。

到了2023年,虽然市场上出现了大量行泊一体的自动驾驶域控制器产品,并且竞争激烈,但仍有部分主机厂强化自研自动驾驶域控制器。

最典型的案例就是比亚迪,一边与供应商合作开发域控制器,一边计划在年内自研自造域控制器,并推动方案在旗舰车型上量产搭载。

如果把汽车的电子电气架构比作神经系统,那自动驾驶域控制器通常被视作自动驾驶的大脑。目前几家头部主机厂在这上面,几乎都选择了全栈自研。

「除非是最厉害的、可以集中非常优秀的人才,并且体量非常大,也就是我们通常说的,第一名可以做全栈自研,第二名、第三名就别想了。」东软睿驰总经理曹斌告诉HiEV。

这句话的本意是指全栈自研很难。但反过来,也可以理解成,只有全栈自研才有资格成为第一名。而自研自动驾驶域控制器,是不少主机厂自研自动驾驶、掌控自身命运的第一步。

彼时,德系豪华品牌奥迪的旗舰车型新款A8发布,搭载由奥迪、德尔福、TTTech三方打造的自动驾驶域控制器zFAS,宣称全球首发实现L3级自动驾驶。

zFAS将原本分散的ECU计算单元集中到一起,向主张集中式架构的自动驾驶时代迈进。

但这款奥迪A8并没有取得预期的成功,甚至由此开启了BBA中奥迪品牌下行的通道。

德国人失败了,把自动驾驶域控制器做成的,是特斯拉和它的中国学徒们。

人们在拆解这款车后发现,Model3的自动驾驶功能是通过自动驾驶域控制器来执行的。

在Model3发布的同年,行业内还发生了一个日后影响自动驾驶域控制器上车的事件,就是英伟达推出30TOPS算力的自动驾驶芯片Xavier。

通常,一个自动驾驶域控制器,硬件包含AI芯片、GPU、CPU、MCU、CAN等,软件包括中间件、操作系统、应用算法等。

这里面,AI芯片的算力决定了自动驾驶能力的上限,因此也格外重要。

Xavier推出之后,短期全球有6家Tier1拿到了这颗芯片的代理权,分别是博世、大陆集团、采埃孚、法雷奥、德赛西威以及广达。

两年后,德赛西威和博世率先找到客户。

一边是小鹏与德赛西威组队,准备基于Xavier合作开发自动驾驶域控制器IPU03。

另一边是国际大厂,戴姆勒与博世,基于英伟达的DrivePegasus(两颗Xavier),一同开发L4与L5无人驾驶车。博世还筹备推出面向乘用车的自动驾驶域控制器DASy。

两路人马的目标相近,都是在2020年量产自动驾驶域控制器。

实际到2020年的节点,前者的进展顺利。

另一路人马却折戟途中。

戴姆勒在智驾功能开发进展上,不如造车新势力,博世的DASy也未见大规模落地。

回到小鹏和德赛西威的成功开局,让更多供应商投入自动驾驶域控赛道。

采埃孚、大陆集团、华为、经纬恒润、东软睿驰、福瑞泰克、MAXIEYE、宏景智驾、知行科技、Minieye以及小马智行、轻舟智航等纷纷进场,想要分一杯羹。

大部分供应商目前绑定了1-2家主机厂开始合作。

比如,知行科技招股书显示,其2022年度96%以上的收入来自吉利汽车。吉利控股旗下极氪品牌极氪001的交付,是致使知行科技收入大幅增长的主要原因。

最近一个入场的选手,是新能源车市的龙头比亚迪。

据HiEV获悉,比亚迪的高速领航辅助驾驶功能DNP将在年内上车,首批车型包括比亚迪汉,新款汉上的方案将基于地平线J5芯片打造,基于11V5R的传感器组合,自动驾驶域控由东软睿驰提供。

弗若斯特沙利文的数据显示,2019年,搭载自动驾驶域控制器的车型在全球市场占比0.5%,到2022年,这一数字增长到了16.5%。过去四年,市场的复合年化增长率高达211.2%。

合作模式还算顺利,但有人想要走得更远。

一位小鹏汽车的自动驾驶研发人士向HiEV透露,「P7的自动驾驶域控制器IPU03是与德赛西威合作。到P5开发时,小鹏仍与德赛合作开发自动驾驶域控,但同时内部启动了自研。」

在这里,首先需要厘清概念。

一些车企经常提到「全栈自研」。而自动驾驶域控制器的自研,更多是指车企自主搞定芯片选型、中间件、应用算法等环节。

曹斌认为,「从硬件到软件全自研,现在没有哪个企业真正能做到。即使全栈自研,实际也有很多的供应商,对组件提供非常多的支持。这需要掌握整套的项目管理与拉通的一些技术。」

车企之所以想要自研自动驾驶域控制器,原因在于成本更低,研发周期更快,配合更紧密。可以在芯片还没定版时就参与规划,会更早、更灵活。

HiEV了解到,小鹏技术中心类似于小鹏汽车内部的Tier1,包括采购、质量等条线。小鹏汽车技术中心(ATC)有1200多人,由矫青春带队,域控的研发工作隶属于这个部门。

单就技术而言,G9在行业中颇为领先,不过由于宣发失误等一系列原因,这款车的销量未达预期。

但G9的探索,为后续车型打下了基础。

小鹏随后推出的G6,改变了新技术配置的策略,获得了市场认可。上市发布当天,累计斩获5万个订单。刚刚过去的7月份,G6在半个月内交付了3900台。期间,由于担心产能爬坡缓慢,何小鹏还亲自去工厂「拧螺丝」,何小鹏现场拧螺丝的零部件,就是一台G6的自动驾驶域控制器。

对自研自动驾驶控制器同样抱有野心的,还有蔚来和理想,这两家的自动驾驶域控制器也分别由自己研发设计,硬件由代工厂生产。

车企没有选择自主生产自动驾驶域控制器,是因为供应链比较成熟。

「自制率也不能做得太高,30%的自制率是比较健康的,可以跟供应商一起合作,哪怕我们自研以后也可以是交给供应商来生产,而不是自己来生产,这是供应能力的部分。」

更多车企在布局自动驾驶域控控制器。

比如,长城汽车旗下的毫末智行,基于MobileyeEyeQ4开发了小魔盒,以及基于高通Ride9000推出自动驾驶域控产品。上汽集团与TTTech的合资公司创时智驾,基于英伟达OrinX的域控制器已经随智己LS7量产。

新能源车龙头比亚迪,近年也在布局自研自动驾驶域控制器。

比亚迪产品规划及汽车新技术研究院,隶属于比亚迪乘用车事业群,大约有6000多人。电子集成部隶属于产品规划及汽车新技术研究院下,由韩冰带队。

韩冰是比亚迪规划院院长助理兼电子集成部总监,现兼任比亚迪智能驾驶负责人。

韩冰透露,比亚迪对智驾操作系统、域控制器等软硬件基本上可以做到自主可控。他还展示了一个基于英伟达OrinX开发的智驾平台,具备500TOPS的算力及64GB的内存。韩冰称该平台很快就会搭载到旗舰车型上使用。

「主机厂自研自动驾驶域控,这阶段跟赚(省)钱关系不大。现在做,是因为想要这个能力。可能几年以后,自身的能力成熟了,才会想赚(剩下)这部分产品的钱。」东软睿驰自动驾驶业务线首席咨询顾问董小航告诉HiEV。

而要自研自动驾驶域控制器,车企需要付出的代价也基本上很清晰。

董小航估算,一家车企如果要启动自动驾驶域控自研,大概需要投入几亿元,建立上百人的团队,相当于把一个Tier1公司搬到自己公司里。

这个数字与一些公开数据一致。

以自动驾驶域控制器为核心业务的知行科技为例,这家公司在2022年时公司大概200人规模。招股书披露,知行科技最近三年的研发投入共计2.03亿元。

大概在2019年,在被问到为何要坚持自主研发时,时任小鹏汽车自动驾驶副总裁的吴新宙曾给出几点理由:

最近发力自动驾驶域控制器的小马智行,其硬件研发技术总监潘波认为,自研自动驾驶域控制器的优势,「不仅在于自动驾驶技术与算法,更在于懂得自动驾驶对硬件的需求尤其关键技术指标是什么,并且能够从实际场景与功能出发,定义一款非常适合前装量产的自动驾驶域控制器。」

从成本的角度看,对于规模量大的车企来说,自研是更为合适的。

当前,一个自动驾驶域控制器中,硬件占总成本的60-80%,软件占比20-40%。如果将硬件握在手中,就能有效压低整个域控方案的成本。

当然,在自研自动驾驶域控制器的过程中,车企一定会踩坑。

「很多企业还在用过去的V字形开发模型,先选芯片。选完芯片做硬件,做了硬件之后开始趟坑。

如果不自研,主机厂就可以快速、低成本拿到打包方案。主机厂负责零部件的人更多负责验收和节点跟踪。但这种方式的缺点是,可定制的功能相对比较少,缺少创新性、个性化。

所以,要想实现更强、更快的自动驾驶功能,车企绕不开自动驾驶域控制器的自研。

THE END
1.算法在生活中的应用算法在计算机科学中有着广泛的应用,但它不仅仅局限于计算机领域,它在生活中也有着广泛的应用。本文将介绍算法在生活中的应用。 二、交通运输领域 1. 路径规划 路径规划是指通过计算出最短路径或最优路径,为用户提供最佳路线。这种方法被广泛应用于导航系统和地图软件中。例如,谷歌地图使用了Dijkstra算法来找到两个https://wenku.baidu.com/view/0ed3885cf211f18583d049649b6648d7c1c70884.html
2.算法一种算法分类方式及其应用算法应用在计算机科学领域,算法是解决问题的有效方法,而对算法进行分类有助于理解它们的特性、优劣以及在不同场景下的应用。常见的算法分类方法,包括按设计思想、问题类型、数据结构和应用领域等,每一类算法会对应有其典型和实际应用。 算法的出现是为了解决问题和简化复杂的任务。它们提供了一种系统的方法来执行特定的计算或操https://blog.csdn.net/wnm23/article/details/138451523
3.算法运用(精选八篇)摘要:装箱问题在实际生产中应用非常广泛, 本文在分析该问题特点的基础上, 提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题, 并给出了具体的算法步骤。跟遗传算法对比, 试验结果表明, 该算法在求解装箱问题所得的结果优于遗传算法, 具有良好的应用前景。 https://www.360wenmi.com/f/cnkeyxrjz387.html
4.图算法图数据库在风控嘲的应用腾讯云开发者社区此时会发现拒绝采样要多走好多轮才可能会落到 R 中,效果反而不好。针对 Node2Vec 这种每个偏概率权重有上限的情况,确实是能够很好地优化,对于通用的情况可能就会出现很差的效果。这时候需要算法同学选择合适的框架去做,也需要算法同学非常了解应用算法和系统算法的原理,做到上下贯通。https://cloud.tencent.com/developer/article/2197696
5.工程应用中的算法设计.docx题号925 工程应用中的算法设计》 考试大纲一、 考试内容根据研究生院要求及原飞机系的特点,对研究生复试内容要求如下:计算方法:工程计算中误差的概念:误差的来源;绝对误差、相对误差、有效数字;误差的传播;选 用算法的若干问题。方程的近似解法:对分法;迭代法;牛顿法。线性方程组的精确解法:高斯消去法;主元素https://max.book118.com/html/2021/0211/7125031060003054.shtm
6.版权前沿大规模微侵权算法侵权的司法应对版权资讯由此所导致的法律规制的难点在于,自动驾驶产品缺陷的技术及法律责任认定的困难、自动驾驶对于现行保险制度的冲击(自动驾驶对于传统保险机制下投保主体、保险对象、保险内容以及责任分担等形成系统性的挑战)、被动接管规则的应用困境等。 基于自动驾驶算法的场景化特征,在自动驾驶汽车设计缺陷的认定上,应通过“理性算法”标准http://www.ccct.net.cn/html/bqzx/2024/0110/4878.html
7.数据挖掘算法及相关应用其缺点是算法的时间复杂度较高,因此不能处理高维度数据。 分析互联网上大众情绪 数据挖掘算法可以对互联网上的数据进行分析,例如分析社交网络上大众的情绪。简单地讲,数据挖掘上是一个自动分类的问题,即把人的情绪分为若干类,然后把网络数据根据内容确定为其中的一类{或者几类)。具体实现的方法大致有两种,第一种是https://www.jianshu.com/p/3e0248280d97
8.数据中台的五个关键要素数据中台的五要素是数据、业务、算法、应用和组织,这五要素是做好数据中台的基本要求,也是帮助企业合理运用数字化平台的重点。 01 数 据 伴随移动互联网的发展,数据量呈爆发式增长,不同规模、不同类型的企业都面临数据质量问题。多变的用户需求和商业场景也https://maimai.cn/article/detail?fid=1740961222&efid=RSQIkiQ0Gsf3Ppa8xVPmXg
9.河南省基础教育资源公共服务平台三、巩固应用,深化拓展。 1、做“想想做做”第1题。 (1)引导学生看图,说图意。 (2)提示:从图上看,可以想8和几合成13,□里就填几。 11-7=□也可以这样计算。 (3)先独立完成,再同伴交流。 (4)全班交流算法。 2、做“想想做做”第2题。 https://www.hner.cn/index.php?r=space/person/blog/view&sid=71b9a25abdd848a0ad72ea0a6ad57138&id=4145173
10.DizzyK/ustccyber数据结构及其算法 教材: 因老师而异 参考书: 数据结构及应用算法, 中国科学技术大学出版社, 袁平波 部分教学班把它作为教材 参考书: 数据结构C语言版第2版, 人民邮电出版社, 严蔚敏 部分教学班把它作为教材 教学内容: 线性表, 栈, 队列, 串, 数组, 树, 二叉树, 图, 查找, 排序 https://toscode.gitee.com/DizzyK/ustc_cyber_security
11.智能汽车域控制器其中,软件操作系统竞争格局较为稳定,多以QNX和Linux及相关衍生版本为主。应用算法则是基于操作系统之上独立开发的软件程序,是各汽车品牌差异化竞争的焦点之一。为实现智能汽车的持续进化,整车厂往往会选择“硬件超配、后续软件迭代升级”的方式。 01、主控芯片https://www.yoojia.com/ask/17-12011576979143169045.html
12.遗传算法算法软件开发基本遗传算法(SGA)中交叉算子采用单点交叉算子。 单点交叉运算 5. 变异 6. 至下一代,适应度计算→选择→交叉→变异,直至满足终止条件 五、遗传算法应用 这里使用具体的应用例子:函数优化 问题的提出 一元函数求最大值: 用微分法求取f(x)的最大值: https://www.open-open.com/lib/view/open1389594522398.html
13.多种智能优化算法应用案例分享附代码1.智能优化算法应用:基于灰狼算法的Otsu图像多阈值分割 智能优化算法应用:基于灰狼算法的Otsu图像多阈值分割-附代码_Jack旭的博客-CSDN博客?blog.csdn.net/u011835903/article/details/108019744 2.智能优化算法应用:基于灰狼算法的二维Otsu图像阈值分割 智能优化算法应用:基于灰狼算法的二维Otsu图像阈值分割-附代码_Jackhttps://zhuanlan.zhihu.com/p/269185441