華為：智能汽車可發揮傳統汽車產業的優良基因 | GIV 2020

雷鋒網(微信官方賬號:雷鋒網)記者:8月22日，第三屆全球智能汽車前沿峰會(GIV 2020)在穗舉行。

在大會下午的主題論壇中，華為智能汽車解決方案BU MDC市場總監王一戈做了題為“以汽車行業平臺模式推動智能駕駛行業健康發展”的演講，并與與會者分享了華為對自動駕駛的思考以及未來智能駕駛產業鏈的分工。

其實在討論智能汽車之前，王一戈首先提到的就是智能手機。他提到，在過去的十年里，每個人的生活都被智能手機深深影響和改變——這也釋放了一個強烈的信號:智能化是一種趨勢。

王一戈說道:

很多業內人士都在說，架構定義汽車，軟件定義汽車。其實是用戶的需求定義了汽車。手機如此，汽車也是如此。用戶的需求在哪里，技術就應該發展，產業就應該發展。

自動駕駛的三個場景及其發展路徑

從時間上來說，傳統汽車已經有100多年的歷史，所以在制造技術和商業模式上都非常發達和成熟。汽車的出現無疑改變了人們的出行方式，每一次迭代也在一定程度上推動了社會的進步。

然而，汽車的發展也面臨一些深層次的問題。比如利用率低(車主只是上下班用車，大部分時間車輛停放在車庫)，單次出行成本高。再比如汽車定位的變化，從傳統交通工具逐漸演變為智能移動空間。它需要通過底層硬件的平臺化和軟件的OTA升級能力，帶給用戶更好的體驗。

所有這些問題都促使汽車工業向更智能的方向發展。但是智能駕駛是一個非常寬泛的話題，包括自動駕駛和智能網聯。

從華為的角度來看，自動駕駛主要可以分為三類:工作用車、商用車和乘用車。

工作車的道路場景比較簡單，路況可控，速度較低，主要作為生產工具存在。

商用車的站點和路線相對可控，安全影響小，可以和工作用車一樣，視為生產工具。

乘用車則完全不同，其駕駛場景非常復雜，速度可變性高，尤其是高速行駛，容易涉及安全問題；此外，用戶對駕駛體驗也有追求。

王一戈說道:

我們看到了不同的訴求，使得整個行業的發展面臨著來自多維度的影響。我們稱之為“智能駕駛七維功能”，這些維度包括場景、道路、路線、路況、速度、安全、屬性。

因為不同的影響因素會催生不同的場景，所以在這些不同的場景下，需要采用不同的技術路徑來發展智能駕駛。根據智能駕駛在不同場景下的發展路徑，華為認為主要可以分為兩類:

第一類包括工作車和商務車，發展路徑主要是跳躍式的。

第二類是乘用車的發展路徑更可能是漸進式的。

具體來說，作為生產工具，工作車和商用車主要是為了提高效率和降低成本，最終取代人類駕駛員。從這個角度來看，工作車和商用車可以直接從L2進化到L4。相比之下，乘用車與人們的生命安全息息相關，目前的技術、政策法規、社會道德規范仍處于發展變化過程中，人們對自動駕駛的接受程度有待提高。

但無論如何，第一類和第二類最終都會實現真正的L5級自動駕駛。

因為智能駕駛是一個資金密集、技術密集、產業鏈密集的行業，政府的引導作用非常重要。目前，中國已經建立了20多個智能網聯示范區。

王一戈強調，政府可以在基礎設施建設方面提供政策指導和技術探索。在市場需求方面，乘用車、作業車、商用車可以繼續按照自己的路徑發展。他進一步補充道:

智能駕駛產業有賴于政策協調和市場需求的雙輪驅動。只有這樣，智能駕駛行業才能走得又快又穩。

充分發揮汽車產業的平臺優勢

其實汽車是一個大規模的產業，量產是它的前提。在傳統汽車行業，平臺化是一個巨大的優勢。通過這種優勢，車企可以用同一個平臺生產不同的車型，成本會得到最大程度的攤薄。甚至不同的汽車公司也會共享一些平臺來分擔R&D成本。

這種基于平臺的思想使得接口和組件更加標準化和通用化，整體上降低了R&D和制造成本。

智能駕駛行業也面臨著同樣的問題。比如在王一戈看來，ADAS分布式架構是“煙囪”架構，決策、感知、計算都是獨立的，導致軟硬件資源無法共享，效率低下。

更重要的是，這種分布式架構無法進化到更高級別的自動駕駛功能，如L2、L3和L4。

所以王一戈認為，未來，集中式計算架構將是主流。通過集中計算平臺，實現上層應用功能的不斷添加、優化和迭代，通過OTA升級，給用戶帶來共同的、全新的體驗。

而且智能駕駛的計算平臺非常復雜，涉及云、芯片、中間件、操作系統、移動通信等技術。算法也會涉及到聚類算法，機器視覺，深度學習算法，強化學習算法等等。簡而言之，技術棧很厚。

按照汽車行業的發展規律，越復雜的系統越需要平臺化，這樣才能在攤薄成本的基礎上保證規模化生產的質量一致性。以往汽車行業底盤平臺和發動機平臺的成功經驗已經證明了這一點。

王一戈說道:

在智能駕駛計算平臺上，要延伸平臺化的優秀模式。

而且據王一戈介紹，將智能駕駛計算平臺平臺化，好處更多。主要有兩個方面:

首先，可以有更靈活的選擇。基于該平臺，智能駕駛的感知、融合、定位、決策、規劃、控制等功能可以解耦。d之后……耦聯，車企可以積累一定的核心監管能力；對于感知、整合等非車企的強項，車企可以有針對性地選擇這方面的合作伙伴。

第二，基于同一個平臺構建不同的模型，可以大大提高R&D的效率，同時有助于統一部門內部的技術語言，加快產品的上市時間，實現異步研發

未來智能駕駛產業鏈分工

智能駕駛是一個全新的行業，整個產業鏈面臨重構。王一戈還分享了華為對整個智能駕駛產業鏈未來分工的想象:

智能駕駛R&D中心可設立場景應用部、功能軟件平臺部、算法部、綜合測試部。其中算法部門可以通過自研和外包的方式打造產業鏈。比如決策、規劃、控制可能由車企自己開發，而感知、整合、定位等功能可以外包給第三方技術。

具體來說，傳統車企有大量的底盤性能、懸掛性能、操縱穩定性、乘坐舒適性等歷史數據。王一戈認為，這可以算是一種先天優勢——傳統車企可以通過這些數據構建仿真系統，進行集成測試和仿真，然后逐步強化決策、規劃和控制的技術，最終通過現有的整車集成測試能力實現“四位一體”的良性循環，真正打造出具有差異化、個性化競爭力的智能汽車產品。

但是，智能駕駛計算平臺并不是車企的強項。這個領域的玩家主要是IT公司和AI公司。據王一戈說:

AI公司應遵守現有的傳感器接口標準、執行器接口標準、物理工程和信息安全標準。基于此，OS與中間件API的接口將對外開放，最終建立起功能性的軟件平臺生態。

功能軟件平臺生態的構建，可以極大地促進產業鏈的精細分工與合作，各參與者各有側重。例如，AI公司可以專注于感知和融合算法組件，而車企可以專注于決策、規劃和控制算法組件。

摘要

華為認為，汽車行業的平臺化可以給OEM廠商更靈活的選擇和更大的創新空間，而汽車行業的專業化分工模式可以促進整個智能駕駛行業集中優勢。比如，車企聚焦決策、規劃、控制等核心能力，與產業鏈上的傳感器、執行器、應用算法等生態伙伴緊密合作，共同打造智能駕駛解決方案。

雷鋒。com

雷鋒的原創文章。未經授權，禁止轉載。詳見轉載說明。雷鋒網(微信官方賬號:雷鋒網)記者:8月22日，第三屆全球智能汽車前沿峰會(GIV 2020)在穗舉行。

在大會下午的主題論壇中，華為智能汽車解決方案BU MDC市場總監王一戈做了題為“以汽車行業平臺模式推動智能駕駛行業健康發展”的演講，并與與會者分享了華為對自動駕駛的思考以及未來智能駕駛產業鏈的分工。

其實在討論智能汽車之前，王一戈首先提到的就是智能手機。他提到，在過去的十年里，每個人的生活都被智能手機深深影響和改變——這也釋放了一個強烈的信號:智能化是一種趨勢。

王一戈說道:

很多業內人士都在說，架構定義汽車，軟件定義汽車。其實是用戶的需求定義了汽車。手機如此，汽車也是如此。用戶的需求在哪里，技術就應該發展，產業就應該發展。

自動駕駛的三個場景及其發展路徑

從時間上來說，傳統汽車已經有100多年的歷史，所以在制造技術和商業模式上都非常發達和成熟。汽車的出現無疑改變了人們的出行方式，每一次迭代也推動了進步……社會在一定程度上。

然而，汽車的發展也面臨一些深層次的問題。比如利用率低(車主只是上下班用車，大部分時間車輛停放在車庫)，單次出行成本高。再比如汽車定位的變化，從傳統交通工具逐漸演變為智能移動空間。它需要通過底層硬件的平臺化和軟件的OTA升級能力，帶給用戶更好的體驗。

所有這些問題都促使汽車工業向更智能的方向發展。但是智能駕駛是一個非常寬泛的話題，包括自動駕駛和智能網聯。

從華為的角度來看，自動駕駛主要可以分為三類:工作用車、商用車和乘用車。

工作車的道路場景比較簡單，路況可控，速度較低，主要作為生產工具存在。

商用車的站點和路線相對可控，安全影響小，可以和工作用車一樣，視為生產工具。

乘用車則完全不同，其駕駛場景非常復雜，速度可變性高，尤其是高速行駛，容易涉及安全問題；此外，用戶對駕駛體驗也有追求。

王一戈說道:

我們看到了不同的訴求，使得整個行業的發展面臨著來自多維度的影響。我們稱之為“智能駕駛七維功能”，這些維度包括場景、道路、路線、路況、速度、安全、屬性。

因為不同的影響因素會催生不同的場景，所以在這些不同的場景下，需要采用不同的技術路徑來發展智能駕駛。根據智能駕駛在不同場景下的發展路徑，華為認為主要可以分為兩類:

第一類包括工作車和商務車，發展路徑主要是跳躍式的。

第二類是乘用車的發展路徑更可能是漸進式的。

具體來說，作為生產工具，工作車和商用車主要是為了提高效率和降低成本，最終取代人類駕駛員。從這個角度來看，工作車和商用車可以直接從L2進化到L4。相比之下，乘用車與人們的生命安全息息相關，目前的技術、政策法規、社會道德規范仍處于發展變化過程中，人們對自動駕駛的接受程度有待提高。

但無論如何，第一類和第二類最終都會實現真正的L5級自動駕駛。

因為智能駕駛是一個資金密集、技術密集、產業鏈密集的行業，政府的引導作用非常重要。目前，中國已經建立了20多個智能網聯示范區。

王一戈強調，政府可以在基礎設施建設方面提供政策指導和技術探索。在市場需求方面，乘用車、作業車、商用車可以繼續按照自己的路徑發展。他進一步補充道:

智能駕駛產業有賴于政策協調和市場需求的雙輪驅動。只有這樣，智能駕駛行業才能走得又快又穩。

充分發揮汽車產業的平臺優勢

其實汽車是一個大規模的產業，量產是它的前提。在傳統汽車行業，平臺化是一個巨大的優勢。通過這種優勢，車企可以用同一個平臺生產不同的車型，成本會得到最大程度的攤薄。甚至不同的汽車公司也會共享一些平臺來分擔R&D成本。

這種基于平臺的思想使得接口和組件更加標準化和通用化，整體上降低了R&D和制造成本。

智能駕駛行業也面臨著同樣的問題。比如在王一戈看來，ADAS分布式架構是“煙囪”架構，決策、感知、計算都是獨立的，導致軟硬件資源無法共享，效率低下。

更重要的是，這種分布式架構無法進化到更高級別的自動駕駛功能，如L2、L3和L4。

所以王一戈認為，未來，集中式計算架構將是主流。通過集中計算平臺，實現上層應用功能的不斷添加、優化和迭代，通過OTA升級，給用戶帶來共同的、全新的體驗。

而且智能駕駛的計算平臺非常復雜，涉及云、芯片、中間件、操作系統、移動通信等技術。算法也會涉及到聚類算法，機器視覺，深度學習算法，強化學習算法等等。簡而言之，技術棧很厚。

按照汽車行業的發展規律，越復雜的系統越需要平臺化，這樣才能在攤薄成本的基礎上保證規模化生產的質量一致性。以往汽車行業底盤平臺和發動機平臺的成功經驗已經證明了這一點。

王一戈說道:

在智能駕駛計算平臺上，要延伸平臺化的優秀模式。

而且據王一戈介紹，將智能駕駛計算平臺平臺化，好處更多。主要有兩個方面:

首先，可以有更靈活的選擇。基于該平臺，智能駕駛的感知、融合、定位、決策、規劃、控制等功能可以解耦。d之后……耦聯，車企可以積累一定的核心監管能力；對于感知、整合等非車企的強項，車企可以有針對性地選擇這方面的合作伙伴。

第二，基于同一個平臺構建不同的模型，可以大大提高R&D的效率，同時有助于統一部門內部的技術語言，加快產品的上市時間，實現異步研發

未來智能駕駛產業鏈分工

智能駕駛是一個全新的行業，整個產業鏈面臨重構。王一戈還分享了華為對整個智能駕駛產業鏈未來分工的想象:

智能駕駛R&D中心可設立場景應用部、功能軟件平臺部、算法部、綜合測試部。其中算法部門可以通過自研和外包的方式打造產業鏈。比如決策、規劃、控制可能由車企自己開發，而感知、整合、定位等功能可以外包給第三方技術。

具體來說，傳統車企有大量的底盤性能、懸掛性能、操縱穩定性、乘坐舒適性等歷史數據。王一戈認為，這可以算是一種先天優勢——傳統車企可以通過這些數據構建仿真系統，進行集成測試和仿真，然后逐步強化決策、規劃和控制的技術，最終通過現有的整車集成測試能力實現“四位一體”的良性循環，真正打造出具有差異化、個性化競爭力的智能汽車產品。

但是，智能駕駛計算平臺并不是車企的強項。這個領域的玩家主要是IT公司和AI公司。據王一戈說:

AI公司應遵守現有的傳感器接口標準、執行器接口標準、物理工程和信息安全標準。基于此，OS與中間件API的接口將對外開放，最終建立起功能性的軟件平臺生態。

功能軟件平臺生態的構建，可以極大地促進產業鏈的精細分工與合作，各參與者各有側重。例如，AI公司可以專注于感知和融合算法組件，而車企可以專注于決策、規劃和控制算法組件。

摘要

華為認為，汽車行業的平臺化可以給OEM廠商更靈活的選擇和更大的創新空間，而汽車行業的專業化分工模式可以促進整個智能駕駛行業集中優勢。比如，車企聚焦決策、規劃、控制等核心能力，與產業鏈上的傳感器、執行器、應用算法等生態伙伴緊密合作，共同打造智能駕駛解決方案。

雷鋒。com

雷鋒的原創文章。未經授權，禁止轉載。詳見轉載說明。

標簽：

汽車資訊熱門資訊