堆料堆不出特斯拉

热点资讯2022-10-01 00:05:43智慧百科

堆料堆不出特斯拉

来源:远川研究所


上周,英伟达发布了算力达到2000TOPS的Thor芯片,直接把尚未问世的Atlan扼杀在摇篮里,这种卷死自己人的做法把业内人都看傻了,话音未落,另一大芯片豪门高通也发布了一款超算SoC,最高算力也达到惊人的2000T,用来挖币都绰绰有余。

与此同步,近期国内扎堆上市的众多电动车,尤其是头部明星产品小鹏G9、阿维塔11、理想L9、蔚来ET7等,也把“堆料”玩到了新高度。

上汽旗下的高端新能源品牌飞凡汽车推出的首款旗舰车型飞凡R7,在前几天上市时甚至自诩智舱界“屏霸”、智驾界“卷王”。

英伟达Orin和高通8155刚刚随车交付,8295已宣布明年上车,下一代智驾芯片也呼之欲出,堆料和内卷似乎成了一种没有尽头的绝对正确。

然而,当发布会的喧闹逐渐过去,人们开始冷静下来时,却不由得思考两个问题:我们是不是即将跨入一个“算力过剩”的时代?以后汽车行业竞争的主旋律难道就是“唯算力论”吗?

对于后一个问题,答案显然是否定的。

过去两三年,虽然“软件定义汽车”的声音一浪高过一浪,芯片算力也从个位数卷到了千位数,但从实际情况来说,硬件和软件、算法和数据早已形成了一个无法分割的系统,单独强调某方面的突出能力只会让自己变得越来越偏科。

比如,过分强调传感器数量和芯片算力,而忽视了算法能力的积累,就无法创造差异化体验,很容易被消费者批为“智商税”或者是“无脑堆料”,反之,如果芯片算力不够,也无法为之后实现更高阶的功能提供硬件支撑。

对车企来说,无论是追求高线束的激光雷达还是高算力芯片,本身都不是原罪,尤其是在汽车行业,软件升级可以通过OTA实现,但硬件升级就没这么简单了。

因此,设计一套目前看来有些“过剩”的硬件组合是可取的,也是有必要的,但难就难在如何榨干它们的价值,避免让它们沦为摆设。

围绕这个现象,本文主要回答以下三个问题:

1. 智能电动车的“堆料”现象是怎么愈演愈烈的?

2. 为什么说智能化离不开“堆料”?

3. 如何让“堆料”变得名副其实?

01

从底层软件创新到硬件军备竞赛

市场普遍认为Model S是第一款真正意义上的智能汽车,而这种智能化实际上和堆料并没什么关系,更多是靠软件层面的创新。

在整车架构上,特斯拉改变了传统汽车单个功能与ECU(电子控制单元)的一一对应关系,将多个相似的功能集成到域控制器内,并通过开源的操作系统自研中间件,实现了软硬之间的解耦,为后续的OTA铺平了道路。

其次,为了实现iPhone般的全新交互体验,特斯拉采用了英伟达消费级的Tegra3芯片。


结果就是,几乎所有的实体按键都被特斯拉一把干掉了,取而代之的是一块令人过目不忘的17英寸触摸式液晶大屏,在上面可以实现导航、音乐、上网、控制门窗开关与温度等一系列基础功能,而且还能像手机一样可以OTA。

站在现在看,早期Model S的外观和续航固然令人眼前惊艳,但真正的颠覆式创新更多是体现在软件和算法层面,甚至可以说是它开启了“软件定义汽车”的新时代。

但从2021年开始,汽车的智能化竞争逐渐演变成为了一场硬件端的军备竞赛,“人无我有,人有我多”不知不觉成了行业竞争的主旋律。

2021年初,蔚来发布的ET7搭载了行业内第一个超过1000TOPS的计算平台,当年年底,沙龙机甲龙的发布会上,那句“4颗以下请别说话”的闭嘴名言又将这场竞赛推向了又一个高潮。

遥忆2019年,一套普通的ADAS方案的传感器配置还是以前视的单目或多目摄像头为主,环车一周的毫米波雷达为辅,最多为了倒车再加两颗鱼眼摄像头和超声波雷达,算力最多不过十几TOPS。

但到了2022年,传感器数量和规格暴增,小鹏P5和极狐阿尔法S HI版分别多达32和34个,高端车型用的摄像头也从当初的200万像素变成现在的800万,曾经用不起的激光雷达,如今也成了蔚小理们的标配。

飞凡R7等甚至开始用上了4D毫米波雷达。2022年,不只是激光雷达装车元年,也是4D毫米波雷达元年。

算力更是指数级暴增。

以英伟达为例,其供应给小鹏P7、P5的智驾芯片Xavier单颗算力仅30TOPS(每秒30万亿次运算),但给Xavier接班的Orin芯片单颗算力转眼就提升到了254TOPS,今年发布的Thor芯片单颗算力更是达到了2000TOPS的水平。


座舱也成为军备竞赛的另一个主战场,各种大屏争奇斗艳,比如理想L9里面的三块超大屏,高合HiPhi Z里的旋转中控屏,岚图Free上的升降屏以及飞凡R7的43英寸宽幅真彩三联屏等等,各种奇技淫巧都被耍得淋漓尽致。

然而,这些传感器都不便宜,以Orin芯片为例,单颗就要400美元,除此之外,车企还要为此研发复杂的算法,甚至是自研域控制器,耗时又耗钱。

但另一方面,消费者是否愿意为此买单也是一个问号,所以问题来了,为什么车企还是要乐此不疲地去卷硬件呢?

02

堆料没有原罪

对于一款想要实现高等级智驾水平的车来说,堆料几乎是一条必经之路。一方面这是因为中国的道路情况实在是过于复杂,另一方面也是因为不同传感器都有其短板,没有一个全知全能的传感器。

比如,摄像头虽然可以采集丰富的纹理和颜色等信息,但对距离的感知能力比较弱,而且受光照条件影响比较大,雨雪天气都容易阻挡视线;超声波雷达虽然便宜,但无奈感知距离非常短,只能用于倒车防撞等基础功能,毫米波雷达虽然探测距离比较远,但分辨率低,无法识别静止物体,最好要有激光雷达来帮忙。

因此,当下最好的办法就是配置不同数量,不同种类的传感器,组成一个互补的感知体系,从而为更安全的辅助驾驶保驾护航。


这即是绝大多数中国品牌选择的多传感器路线。

以刚上市的飞凡R7为例,全车搭载33个感知硬件,包括中国区首发的采埃孚Premium 4D成像雷达,800万像素摄像头等。同时还有Hella增强版远距离点云角雷达、超声波雷达和高精度地图等,让整车最高探测距离可达500米。

在感知硬件层面,特斯拉则是为数不多的一类,仅靠摄像头和毫米波雷达去追求L4级别的自动驾驶,但即便是自研芯片和算法,特斯拉依然无法覆盖所有的长尾场景,导致安全事故时有发生,这也是国内车企想要竭力避免的情况。

传感器增多之后,毫无疑问也会对芯片算力提出了更高的要求,这点和智能手机有相似之处。

比如同样搭载了33个传感器的蔚来ET7,每秒产生的仅图像数据就达到8G,约等于一部90分钟的高清蓝光电影。

而想要这些数据能被及时传输和处理,高算力、低功耗的芯片自然就会成为刚需,所以蔚来ET7、小鹏G9、理想L9、飞凡R7等等高端产品都用上了单片算力达254TOPS的Orin芯片。

其次,目前智能驾驶使用的是新型神经网络Transformer,比传统的CNN性能更强,但要求的算力也更高,大算力芯片与之非常契合。目前各个汽车品牌推动落地的无限接近于L3的辅助驾驶功能,正是基于大算力芯片才得以实现。

除此之外,车载大屏也被认为是车企"堆料“重灾区,但这件事却要客观看待,不能一棍子打死。

大屏只是车内交互体验的一个载体。无论是屏幕尺寸、像素,背后的芯片算力,还是物理按键保留与否,都不能直接决定体验的好坏。

实际上,决定车机交互体验的是多个系统级要素,包括芯片、算法、UI设计、语音语义的识别等,这些都是不可或缺的能力。

从这个意义上来说,评价一款产品或者一项技术的好与坏不能只看它用了哪些配置,更要看它利用这些配置做了什么?用户体验又如何?无论是座舱还是智驾,道理都是一样的。

03

好马配好鞍

智能驾驶就是一个典型的观察样本,它也是一项系统工程。如果说高规格传感器和大算力芯片是一匹好马,那先进算法就是能发挥其潜力的好鞍。

可行业现状却是,好马易得,好鞍难求——无论是线束过百的激光雷达,还是算力上百T的芯片,车企只要肯掏钱就能买到先进硬件。但一套足够先进的智能驾驶算法,却是有价无市,其中感知算法尤甚。

智能驾驶通常分为感知、决策、执行三步骤,能准确还原周围环境的感知算法,是一辆智能汽车作出正确决策、控制的前提。但问题在于,很难有感知算法能够兼顾安全、可靠与高效。

当下,智能驾驶感知算法主要有两条路线,一条是强调发挥传感器主观能动性的后融合算法:摄像头、激光雷达、毫米波雷达等分别报告自己对探测物体的判断结果,系统综合传感器判断再来定夺周围环境的感知。

后融合算法的好处是框架简单、计算实时性高、算力消耗小。

但每类传感器由于自身特性,看到的只是真实世界的一小部分,面对复杂、极端场景时,不同传感器的判断可能会“打架”,造成对物体的漏检、误检。

对此,行业又发展出了中央集权式的前融合算法:各传感器只输出颜色、形态、速度等原始数据(即“只讲事实,不做判断”),系统将它们融合后再负责识别工作。

相比后融合,前融合算法信息利用率更高,更有全局认知,误漏检率更低。

但它也并非完美:不同传感器原始数据千差万别,需要开发新的框架予以容纳,并进行数据的时空同步,算法复杂度大增,对芯片算力的需求更高。

此外,前融合算法也不能完全规避小概率误漏检,此时被剥夺了“判断权”的各传感器,又难以修正偶发的错误识别结果。

由于上述种种原因,融合感知算法至今是智能驾驶行业的顶级难题。不过,工程难题总是会不断催生工程创新。一种兼采前后融合算法之长的全融合算法应运而生。


今年,上汽飞凡汽车推出首款车型R7,在行业中首次搭载其自主研发的Full Fusion全融合算法。

在全融合算法中,前融合与后融合算法各自并行,系统层面对两套算法的感知进行比对、采纳。这一方面发挥了前融合算法的高维认知优势,另一方面又保留了后融合算法的独立识别结果作为冗余。

事实证明,全融合算法实现了优势互补。

对智驾系统来说,这套算法更快、更精准地描绘了周遭环境;而消费者能感受到的,则是飞凡R7的RISING PILOT智能驾驶即使面对复杂十字路口、静止障碍物等高难度场景,也能精确感知,从容应对,驾驶决策更像人类。


反过来,先进的全融合算法甚至帮助飞凡降低了对高规格传感器的依赖。

飞凡R7全系标配4D成像雷达,在自研算法加持下,无激光雷达版飞凡R7表现也不逊色,其能力在快速进化——半个月之内,飞凡团队将R7对静止物体避障的成绩从时速60km/h提升到了80km/h。

如果算力是智商,那么算法是智慧。

全融合算法对高阶硬件的驾驭能力和挖掘潜力,让行业看到了高阶智驾提前到来的可能。

但归根究底,无论全融合、前融合、后融合,同样离不开硬件支撑和数据训练,以及时间的力量。能否在市场端推出足够优秀的现货产品,才是检验智商税的最高标准。

于行业,高阶智驾的时间逻辑更重要。对用户,智能出行的放心逻辑是前提。两者的共性在于,从追求硬件的超级,到关注体验的普及。

2022年9月,小鹏城市NGP在广州试点,飞凡RISING PILOT初始版本即达到行业头部水平,交付即具备高速领航功能,年底前锁单还享受终身免费的智驾软件包。卡住行业数年之久的智能驾驶“L2墙”,终于在车端开始松动。

相对而言,有智能手机产业的前车之鉴,智能座舱端的体验落地方向非常明确。经过早年山寨机的教育,相比于彩电、冰箱的堆料,消费者更在意的是,车机能否拿出手机、Pad级别的丝滑体验。

因此,北美才会有76%的消费者只考虑购买有苹果CarPlay的车型,华为鸿蒙座舱和鸿蒙OS成为各大品牌争相标榜的卖点,是“含华量”的核心指标之一。

不过,智能座舱的体验路径,也并非不存在异议。

考虑物理按键党的情结,领克和福特电马将实体按键整合进大屏,推出了“屏幕+按键”的方案。

更大的争议来自于,车机和手机的操作逻辑有本质的不同,手机可以吸引用户的全部注意力做低头族,但适用于高速行驶场景的车机,更应该让驾驶者聚焦道路做抬头党,而不是分心。

基于这样的判断,衍生出了不同的解决方案。

理想ONE率先采用副驾屏方案,新车普遍搭载副驾蓝牙耳机,飞凡R7还推出导航地图一键分享的副驾领航模式,主副驾互不干扰、分工明确。奔驰EQS、大众ID6、飞凡R7等搭载了 AR-HUD,让驾驶者始终能目视前方。

综上所述,我们可以看到,在这场堆料的军备竞赛中,考验的不只是爆发力,更是耐力和潜力,后发优势巨大。近期上市的理想L9、小鹏G9、飞凡R7更是堆料界课代表。

但疯狂堆料之后,能否在体验端更有料,避免工程端出乎意料,才能让消费者对智能出行更放心。在这一点,转身完毕的大厂新势力,似乎比“老新势力”们更有底蕴。

04

尾声

眼下,智能汽车赛道杀红了眼,3、4款新车同日上市已不鲜见。面对激烈的竞争,堆料已是车企们打造差异化产品的必由之路。只是,如果车企为堆而堆,处于信息劣势中的用户就很可能不明不白地缴纳“智商税”。

在这样的市场中,明智的车企已然放弃“唯硬件论”、“唯参数论”,转而将用户最终体验作为开发的金标准。

这既是大势所趋,也是民心所向——肉眼可见的未来,智能汽车的硬件会逐渐趋于同质化,谁能做好智能驾驶的鞍(算法)马(硬件)匹配,为用户提供真实的优质体验,谁才能掌握智能电动汽车竞争的主动权与护城河。

毕竟,比起堆料和内卷,所有智能电动汽车品牌都逃不过的终极命题,不是对方,而是:生,死,特斯拉。

2天后,特斯拉将举行AI DAY,人形机器人Tesla Bot 原型机,以及最新版本的FSD、神经网络算法、算训超级芯片都将发布。

与此同时,特斯拉Model Y、Model 3在全球攻城略地,超级工厂满负荷运转陷入产能荒,以致Model S 、Model X 、Cybertruck、Roadster迟迟无法交付。

中国品牌们的差距是在缩小,还是在扩大?

面对忙于屠龙油车,但终将调转枪口的特斯拉,无论比亚迪,还是蔚理鹏米们,亦或是埃安、极氪、飞凡们,都应该认清一个真相:

特斯拉不是堆出来的,在特斯拉无暇顾及的边缘地带疯狂内卷,卷不赢特斯拉。对彼此隔空放狠话,吓不倒特斯拉。

能打败特斯拉的,不是PPT,而是科技超过去、品牌冲上去、产品打出去。能检验蔚来ET7、理想L9、小鹏G9、极氪001、飞凡R7们是不是智商税的终极对手,有且只有Model Y和Model 3。


作者:熊宇翔、王磊
编辑:罗松松
视觉设计:疏睿
责任编辑: 周哲浩


本文标签: 特斯拉  传感器  车机  算法  智能驾驶  

相关推荐

猜你喜欢

大家正在看