自動(dòng)駕駛軟硬一體演進(jìn)趨勢研究報(bào)告

概述軟硬一體化是一種產(chǎn)品設(shè)計(jì)模式，它將軟件和硬件系統(tǒng)集成在一起，以提高系統(tǒng)效率和性能。這種設(shè)計(jì)模式使得在硬件上進(jìn)行軟件的優(yōu)化和協(xié)作變得更加容易，從而達(dá)到更高的性能、更低的功耗、更低的延遲和更加緊密的結(jié)合。軟硬一體又可分兩種不同模式：1）像蘋果一樣，自己完成從芯片到操作系統(tǒng)及其他核心軟件的研發(fā)；及其他核心軟件的研發(fā)；2）像PC產(chǎn)業(yè)Windows+Intel，以及智能手機(jī)產(chǎn)業(yè)的安卓+ARM，操作系統(tǒng)廠商與芯片廠商深度綁定。前者我們稱為“重軟硬一體”，而后者則是“輕軟硬一體”。這兩類，都是通過軟硬一體的戰(zhàn)略獲得共贏的典型代表。在自動(dòng)駕駛領(lǐng)域，特斯拉，從早期采用Mobileye的軟硬一體解決方案，到采用英偉達(dá)的芯片+自研算法的軟硬解耦方案，再逐步過渡到基于自研的芯片以及自研智駕算法的“重軟硬一體”策略，引領(lǐng)了行業(yè)潮流?？梢?，同一家公司在不同階段會(huì)有軟硬解耦或軟硬一體的不同選擇，具有很強(qiáng)的靈活性。國內(nèi)的諸多自動(dòng)駕駛芯片以及算法供應(yīng)商在經(jīng)歷了初期的百花齊放，如今經(jīng)過市場的篩選，已經(jīng)有幾家公司確立了“頭部”地位。當(dāng)前，整體的產(chǎn)業(yè)模式也從初期軟硬解耦和軟硬一體兩種思路的巨大分歧逐步收斂至軟硬一體方案，并圍繞這種模式建立業(yè)態(tài)以及利益分配鏈條。在當(dāng)前市場上不同案例并存的情況下，本報(bào)告會(huì)對軟硬一體給出詳細(xì)的定義，并分析其出現(xiàn)的成因，以及對未來行業(yè)在軟硬一體方向發(fā)展趨勢進(jìn)行預(yù)測。01內(nèi)容目錄內(nèi)容目錄概述0104軟硬一體定義及行業(yè)現(xiàn)狀分析040406091.1軟硬一體定義0406091.2軟硬一體方案為何成為行業(yè)的主流選擇？1.3供應(yīng)商的軟硬一體策略1.4整車廠的軟硬一體策略軟硬一體開發(fā)能力分析02軟硬一體開發(fā)能力分析2.1智駕系統(tǒng)算法架構(gòu)2.2智駕域控芯片架構(gòu)2.3智駕域控系統(tǒng)底層軟件03自動(dòng)駕駛賽道公司概況0323273.1主流芯片廠商23273.2整車廠3.33.2整車廠3.3軟件Tier10429行業(yè)未來發(fā)展趨勢29304.1軟硬一體的綜合趨勢3032343535363932343535363943444.3端到端算法對軟硬一體未來趨勢的影響4.4艙駕一體對軟硬一體未來趨勢的影響4.5具身賽道軟硬一體的未來趨勢4.64.6趨勢總結(jié)【附錄】軟硬件一體的現(xiàn)狀調(diào)查本報(bào)告訪談和編寫項(xiàng)目組特別聲明圖示目錄圖示目錄040708092：英偉達(dá)和特斯拉主力自動(dòng)駕駛芯片參數(shù)和成本結(jié)構(gòu)對比2：英偉達(dá)和特斯拉主力自動(dòng)駕駛芯片參數(shù)和成本結(jié)構(gòu)對比3：軟硬一體是否能帶來成本優(yōu)勢？4：回顧歷史，摩爾定律是支撐PC端出現(xiàn)通用芯片的底層原因5：軟硬一體的方案優(yōu)勢對比及Tier2廠家未來生存空間調(diào)研6：車載智能計(jì)算基礎(chǔ)平臺(tái)參考架構(gòu)6：車載智能計(jì)算基礎(chǔ)平臺(tái)參考架構(gòu)7：典型的車載芯片分布8：不同芯片類型優(yōu)劣勢對比9：英偉達(dá)最新的8：不同芯片類型優(yōu)劣勢對比9：英偉達(dá)最新的Thor芯片可達(dá)接近2000TOPS算力10：Thor可被配置為支持多種模式11：地平線征程系列芯片12：高通驍龍Ride芯片架構(gòu)13：特斯拉BEV網(wǎng)絡(luò)架構(gòu)202020202122232526293014：蔚來的神璣芯片參數(shù)2526293015：小鵬發(fā)布圖靈芯片16：影響軟硬一體策略判定的三要素17：以手機(jī)行業(yè)的軟硬一體發(fā)展趨勢為參考3132313219：全棧自研是否會(huì)成為成為未來整車廠的主流趨勢?343720：構(gòu)建生態(tài)是否是芯片行業(yè)成功的必要途徑?343721：軟硬一體方案是最優(yōu)的方案么?1.軟硬一體定義及行業(yè)現(xiàn)狀分析1.1軟硬一體定義盡管軟硬一體已經(jīng)成了行業(yè)內(nèi)很多領(lǐng)先玩家的重要戰(zhàn)略，但是目前仍沒有對軟硬一體給出有效的定義，本報(bào)告嘗試給出一個(gè)對于軟硬一體討論范疇的定義。首先，軟硬一體中的“軟件”，主要指的是智能駕駛系統(tǒng)的軟件和算法，其中可能包括應(yīng)用層、中間件、操作系統(tǒng)等。當(dāng)我們討論軟硬一體相關(guān)公司時(shí)，“軟件基因的公司”通常是指有較強(qiáng)算法能力和壁壘的公司。雖然智能駕駛系統(tǒng)中的硬件包括了各類傳感器、高性能計(jì)算芯片、域控制器以及圍繞核心計(jì)算芯片的其他芯片和電子元器件，但是大部分行業(yè)專家都認(rèn)為，軟硬一體范疇中的“硬件”，主要討論的是對象是高性能計(jì)算芯片。雖然軟件和硬件的概念都相對清晰，但是“軟硬一體”在智能駕駛系統(tǒng)的語境下，卻很難給出一個(gè)單一的標(biāo)準(zhǔn)界定。我們認(rèn)為，軟硬一體討論的對象是自動(dòng)駕駛公司及要做自動(dòng)駕駛的芯片廠商以及主機(jī)廠，描述的是公司具備的軟硬件協(xié)同的研發(fā)能力和開發(fā)模式?；谲浻惨惑w的能力和開發(fā)模式，公司可以提供軟硬一體的產(chǎn)品。0404以上三個(gè)案例展示了幾種業(yè)界比較典型的自動(dòng)駕駛領(lǐng)域公司提供軟硬一體產(chǎn)品的模式：1.最極致的軟硬一體模式是由同一個(gè)公司完成芯片、算法、操作系統(tǒng)/中間件的全棧開發(fā)，芯片廠商同時(shí)也是整體解決方案提供方，或者，整體解決方案商也自己做芯片。這方面的典型例子包括海外的Mobileye、特斯拉、Nvidia（開發(fā)中）以及國內(nèi)的華為、地平線、Momenta（開發(fā)中）等。這樣做的好處是，公司通過垂直整合擁有了最大程度的自主權(quán)，可以將軟硬一體的性能和效率優(yōu)勢發(fā)揮到極致。在這類模式中，軟與硬兩部分結(jié)合最緊密、耦合最嚴(yán)重，為了與接下來的第二種模式相區(qū)分，這里我們將其定義為“重軟硬一體”模式。2.部分自動(dòng)駕駛解決方案公司，雖然采用第三方的芯片，但是在該款特定芯片上具備極致的優(yōu)化能力和豐富的產(chǎn)品化交付經(jīng)驗(yàn)，能夠最大化發(fā)揮該款芯片的潛能。這方面的典型案例包括卓馭（大疆）、Momenta等。這樣做的好處是通過合理分工節(jié)省了大量芯片和硬件研發(fā)投入，但是對公司在某款/某系列芯片上進(jìn)行軟件優(yōu)化和部署的能力提出了很高的要求。這種模式需要解決方案公司與芯片方密切配合，但是耦合程度不如模式一緊密，所以我們將其定義為“輕軟硬一體”模式。3.部分具備軟硬件全棧能力的公司，會(huì)將軟硬件耦合最緊密的部分（通常是感知算法和SOC芯片）作為標(biāo)準(zhǔn)產(chǎn)品提供，而其他模塊則由生態(tài)合作伙伴（如域控制器硬件公司、規(guī)控算法公司等）完成，這種模式可以看作是第一種模式的衍生，由于給下游客戶提供了更大的自主權(quán)和靈活性，因而更容易得到部分主機(jī)廠客戶的青睞。值得一提的是，這類合作模式中涉及到的生態(tài)合作伙伴公司，并不能被劃分為軟硬一體公司，因?yàn)槠渲熊浻布詈系暮诵沫h(huán)節(jié)并不由他們掌控。當(dāng)然，自動(dòng)駕駛領(lǐng)域的軟硬一體開發(fā)模式還有很多其他形態(tài)。我們通過以上三個(gè)定義可以看到：盡管軟硬一體的核心要素是軟件和SoC芯片如何耦合，但無論是從算法、操作系統(tǒng)到芯片的全棧能力帶來的完全垂直整合，還是基于第三方芯片進(jìn)行極致的軟硬件協(xié)同優(yōu)化，都可以實(shí)現(xiàn)軟硬一體的目的。需要注意的是，公司采用的是軟硬一體還是軟硬解耦戰(zhàn)略，這個(gè)判定并非絕對，而是相對的。比如，英偉達(dá)為自己的芯片開發(fā)算法，這是軟硬一體；而某個(gè)算法公司一直基于英偉達(dá)芯片提供解決方案，基于英偉達(dá)芯片進(jìn)行深度適配，這也是軟硬一體。在本報(bào)告中，我們將前者歸類為“重軟硬一體”，將后者歸為“輕軟硬一體”。從另一角度看，英偉達(dá)的芯片可以跟多家的算法適配，這就屬于軟硬解耦策略。再比如，地平線在J2及J3時(shí)代是“重軟硬一體”，因?yàn)樵谶@個(gè)階段，芯片上集成的都是地平線自己開發(fā)的感知算法；而J5時(shí)代則變?yōu)檐浻步怦睿ㄓ缮鷳B(tài)合作伙伴做算法，對地平線來說就是軟硬解耦）和“重軟硬一體”（自己做算法，05如理想的項(xiàng)目）并行。類似的是，J6的旗艦版J6P的落地，在短期內(nèi)會(huì)是“重軟硬一體”模式（算法由地平線自己開發(fā)），待后續(xù)有軟件Tier1或車企基于J6P做算法后，則又走向軟硬解耦的路線；對長期使用J6P的軟件Tier1或車企來說，則是“輕軟硬一體”。再比如，一家主機(jī)廠或算法公司從供應(yīng)商的芯片切換到自研芯片的過程，也屬于軟硬解耦；但切換完成后，則又是“重軟硬一體”。最后，為了明確本報(bào)告討論的范圍，我們也需要澄清哪些能力并不是軟硬一體所需要的，或者哪些公司不應(yīng)該被定義為軟硬一體公司。例如：以域控制器的設(shè)計(jì)和生產(chǎn)、包括部分底層軟件（如驅(qū)動(dòng)、診斷等）開發(fā)為核心能力而不具備智駕核心算法開發(fā)和部署能力的公司，并不屬于軟硬一體公司。詳細(xì)討論。關(guān)于軟硬一體涉及的能力，本報(bào)告將在第二章《軟硬一體開發(fā)能力分析》中詳細(xì)討論。1.2軟硬一體方案為何成為行業(yè)的主流選擇？對于汽車行業(yè)本身，早期的ADAS，動(dòng)力系統(tǒng)以及底盤系統(tǒng)都帶有很強(qiáng)的軟硬一體的痕跡，上一代Tier1領(lǐng)域的霸主博世更是從芯片到控制器再到軟件算法實(shí)現(xiàn)了全環(huán)節(jié)交付。而在自動(dòng)駕駛興起后，深度學(xué)習(xí)算法成為行業(yè)感知模塊的通用解決方案，傳統(tǒng)的芯片架構(gòu)已經(jīng)無法支持實(shí)時(shí)感知需要的大量并行計(jì)算能力。英偉達(dá)則通過移植其在通用GPU上的能力，先后發(fā)布了DrivePX,DrivePX2,DriveAGXXavier以及DriveAGXOrin四代自動(dòng)駕駛平臺(tái)，希望通過提供通用平臺(tái)的方式支持其芯片在自動(dòng)駕駛領(lǐng)域落地。然而，這種硬件解耦的方式操作起來卻并不成功——關(guān)鍵原因在于，其平臺(tái)的通用特性導(dǎo)致其芯片在算力利用效率以及功耗方面這兩個(gè)OEM非常關(guān)注的指標(biāo)上均表現(xiàn)不佳，同時(shí)價(jià)格也比較昂貴，只能用于支持高端車型的智駕方案。與之相反的是，特斯拉在與英偉達(dá)分道揚(yáng)鑣之后，基于其自研的FSD芯片，做到了極致的軟硬一體化。它能非常高效地用處理硬件的算法去完成一些任務(wù)，從而極好地控制了芯片的功耗、面積及成本。因?yàn)?，類似于蘋果自研的M系列芯片，特斯拉針對自己的應(yīng)用需求去對芯片做了架構(gòu)上的剪裁，從而使整個(gè)底層硬件的計(jì)算資源能夠做到更高的利用率。作為對比，特斯拉自研的FSD芯片盡管在工藝上跟英偉達(dá)orin具有一代的差距，因而，芯片的代工成本上僅為后者的三分之一，但是在整體功能實(shí)現(xiàn)效果上卻表現(xiàn)更優(yōu)（尤其是，在端到端領(lǐng)域，特斯拉在整體表現(xiàn)上更有優(yōu)勢）。0606兩塊Orin芯片支持ModelS/X/Y城市NOA，可部署ModelS/X/Y四塊Orin芯片支持城市NOA，可部署制造工藝（納米）4787與特斯拉類似，所有走“重軟硬一體”路線的公司都可以針對自己的算法及架構(gòu)特點(diǎn)構(gòu)建平臺(tái)體系，并以此為基礎(chǔ)開發(fā)其他模塊。無論是算法對于傳感器，算法對于主芯片，抑或是中間件及底軟對于芯片的整個(gè)相關(guān)性的設(shè)計(jì)都可以形成平臺(tái)，并自此基礎(chǔ)之上不斷的迭代優(yōu)化。特別需要強(qiáng)調(diào)的是，對蘋果和特斯拉來說，“算法是平臺(tái)”?！八惴ㄊ瞧脚_(tái)”這一觀點(diǎn)，跟主流的認(rèn)知截然相反，因?yàn)?，在自?dòng)駕駛行業(yè)里，尤其是被硬件思維主導(dǎo)的車企管理層的認(rèn)知里，只有芯片才是“平臺(tái)”，算法應(yīng)該“跟著芯片走”。算法本身可被看作平臺(tái)的核心原因是：算法是連接傳感器/07迭代機(jī)制，就可以讓原本只能割裂開發(fā)的各個(gè)環(huán)節(jié)（如芯片和最終實(shí)現(xiàn)功能之間）數(shù)據(jù)/功能/應(yīng)用及底層芯片的“鏈主”，因而，將算法視作平臺(tái)并提供相應(yīng)的迭代機(jī)制，就可以讓原本只能割裂開發(fā)的各個(gè)環(huán)節(jié)（如芯片和最終實(shí)現(xiàn)功能之間）之間實(shí)現(xiàn)有機(jī)的連接。作為對比，如果將芯片作為平臺(tái)，則無法實(shí)現(xiàn)各環(huán)節(jié)之間的有效連接。蘋果與特斯拉這類公司搭建起以算法為“鏈主”的平臺(tái)的好處包括：可以提升開發(fā)效率；能夠提升開發(fā)質(zhì)量；系統(tǒng)側(cè)的成本也會(huì)越來越低——在整個(gè)量產(chǎn)落地地的過程中，順暢度及解決問題的效率都會(huì)大大提升。這種成本優(yōu)勢引導(dǎo)行業(yè)走向軟硬一體的路線基本也得到了業(yè)界的共識(shí)，通過對行業(yè)內(nèi)28名專家的訪談和調(diào)研我們可以看到，有25位專家認(rèn)為通過軟硬一體的模式確實(shí)能夠?yàn)槠髽I(yè)帶來足夠的成本優(yōu)勢。與蘋果及特斯拉模式相對的是，走“輕軟硬一體”路線的公司則會(huì)基于自身自研算法進(jìn)行調(diào)整來配合芯片。而隨著芯片算力遵循摩爾定律不斷自研算法進(jìn)行調(diào)整來配合芯片。而隨著芯片算力遵循摩爾定律不斷增長，當(dāng)其能力遠(yuǎn)大于算法所需算力之后，這種針對性的優(yōu)化和適配的工作會(huì)逐步減少，讓軟硬一體的程度變得更輕，因而耦合度進(jìn)一步降低，甚至可能會(huì)走向軟硬解耦。08081.3供應(yīng)商的軟硬一體策略1.3.1芯片公司采用軟硬一體策略的核心原因軟硬一體的根基是芯片。目前看到的自動(dòng)駕駛主芯片的主要架構(gòu)是在ARM體系結(jié)構(gòu)上搭載CPU及NPU，其中，CPU作為通用的計(jì)算芯片，目前已經(jīng)實(shí)現(xiàn)了很好的軟硬解耦，但針對深度學(xué)習(xí)的NPU部分，還需要針對主流的量產(chǎn)算法進(jìn)行定制化設(shè)計(jì)，使其利用率更高、且整體平衡性更好。因?yàn)?，自?dòng)駕駛算法對于芯片的不同處理單元會(huì)有不同的需求，若需求與處理單元提供的能力不能吻合，就導(dǎo)致資源不均衡或者需要頻繁的移動(dòng)數(shù)據(jù)，進(jìn)而造成額外的開銷，并導(dǎo)致整體效率下降。傳統(tǒng)芯片廠商往往會(huì)收集現(xiàn)行市場上所有客戶的需求，然后進(jìn)行梳理，并提前幾年把所有的需求都匯總到芯片的研發(fā)計(jì)劃當(dāng)中。然而，由于目前行業(yè)對自動(dòng)09所以，傳統(tǒng)芯片廠商的產(chǎn)品規(guī)劃思路對自動(dòng)駕駛芯片廠商參考價(jià)值有限。駕駛算法的認(rèn)知參差不齊，且基于當(dāng)前需求進(jìn)行未來產(chǎn)品所以，傳統(tǒng)芯片廠商的產(chǎn)品規(guī)劃思路對自動(dòng)駕駛芯片廠商參考價(jià)值有限。地平線作為采用軟硬一體策略的自動(dòng)駕駛芯片公司的典型代表，雖然同樣會(huì)做對整個(gè)行業(yè)的分析，但其關(guān)注點(diǎn)更多集中在AI模型及算法上，判斷哪些會(huì)是未來的趨勢，甚至?xí)度胙芯咳藛T進(jìn)行算法的自研，進(jìn)而引導(dǎo)這種趨勢。所以，地平線的芯片設(shè)計(jì)團(tuán)隊(duì)在指令架構(gòu)、內(nèi)存帶寬配比、NPU支持的算子形態(tài)等方面可以從算法團(tuán)隊(duì)獲得精確輸入，然后再針對自己的算法以及對于功能的理解去設(shè)計(jì)芯片。以這種方式設(shè)計(jì)出來的芯片，地平線自己推薦的算法的加速或者計(jì)算效率會(huì)非常高。當(dāng)芯片推向市場時(shí)，地平線會(huì)盡量推薦客戶采用自己定義的算法方案，這樣才能取得更好的效果。這種方案的弊端是，客戶或合作伙伴如要自己開發(fā)算法，那么整個(gè)網(wǎng)絡(luò)設(shè)計(jì)的架構(gòu)、算法的設(shè)計(jì)開發(fā)對于芯片的要求是不同的，在這種情況下，地平線自己設(shè)計(jì)的芯片就難以發(fā)揮出優(yōu)勢。1.3.2軟件1.3.2軟件Tier1們的軟硬一體模式，因芯片類型的不同而有所差異軟件Tier軟件Tier1針對平臺(tái)型和專用型芯片廠商的產(chǎn)品的不同特點(diǎn)，會(huì)傾向于采用不同的軟硬一體模式。目前，智駕賽道主流的芯片廠商可以分為平臺(tái)型及專用型兩大類：1.平臺(tái)型芯片廠商的典型代表是華為及英偉達(dá)，他們的GPU或NPU芯片以PC端為基礎(chǔ)，進(jìn)行適配從而成為自動(dòng)駕駛需要的車規(guī)芯片。這種遷移導(dǎo)致這類芯片天生具有更強(qiáng)的通用性。由于硬件已經(jīng)按照平臺(tái)化的要求進(jìn)行了提前設(shè)計(jì)，所以，他們的芯片無法和車端算法100%適配，這會(huì)給芯片帶來一些性能上的損耗；不過，優(yōu)點(diǎn)是能夠支持的算法范圍更寬。2.專用型芯片廠商更多是算法主導(dǎo)，比如說像地平線或者是Mobileye，在芯片定義之初就為了滿足算法需求方案進(jìn)行了專門的優(yōu)化，具體的開發(fā)流程在1.3.1中已經(jīng)有過描述。針對對新算法的支持性比較好的平臺(tái)型芯片產(chǎn)品，軟件Tier1往往會(huì)采用較為領(lǐng)先和前瞻型的解決方案，在域控的設(shè)計(jì)上也會(huì)給算力留有比較多的裕量。這就意味著，這些解決方案的硬件成本往往較高，因而僅適合對于成本不太敏感的高端車型。但對軟件Tier1來說，這種芯片的通用性意味著其存在軟硬件解耦的空間，從一款平臺(tái)型芯片轉(zhuǎn)換到另一款平臺(tái)型芯片的適配成本較小，其遷移成本往往會(huì)在可接受的范圍內(nèi)。針對更適合于成熟解決方案的專用型芯片產(chǎn)品，軟件Tier1可發(fā)揮的空間有限。但如果芯片廠商愿意以開放的心態(tài)跟軟件Tier1合作，那軟件Tier1就有機(jī)會(huì)通過跟該芯片廠商綁定，基于其芯片對自己的是算法做深度優(yōu)化，打造出“輕軟硬一體”的模式（如輕舟智航跟地平線的合作）。這種方案的優(yōu)勢在于具有效率及成本優(yōu)勢，可以支持對價(jià)格更為敏感的中低端車型，因而，對于算法已比較成熟的軟件Tier1來說是非常好的選擇。在這種模式下，除非有必要切換整個(gè)算法解決方案，否則軟件Tier1進(jìn)行軟硬解耦的意愿會(huì)很弱，因?yàn)椋袚Q芯片的成本會(huì)特別高。在報(bào)告的前期調(diào)研中，針對行業(yè)內(nèi)所有參與者的競爭優(yōu)勢以及生存空間，大在報(bào)告的前期調(diào)研中，針對行業(yè)內(nèi)所有參與者的競爭優(yōu)勢以及生存空間，大部分受訪者認(rèn)為，芯片廠商及軟件廠商在軟硬一體方案下各具優(yōu)勢，差距不大；而超過三分之二的人認(rèn)為，Tier2軟件廠商不一定要依賴硬件產(chǎn)品生存，不過生存空間較小，只能集中在一些特定領(lǐng)域。（見下圖）1.4整車廠的軟硬一體策略目前，目前，整車廠中對“重軟硬一體”策略執(zhí)行得最徹底也最成功的就是特斯拉。有特斯拉珠玉在前，國內(nèi)的蔚小理以及比亞迪也在朝著軟硬一體的方向努力。相比于芯片自研，算法自研的前期投入少，并且對產(chǎn)品力的影響大，所以所有重軟硬一體的整車廠都經(jīng)歷了“先算法后芯片”的遞進(jìn)過程。機(jī)廠對智駕算法的投入主要基于兩個(gè)方面考慮：1）自我定位是自動(dòng)駕駛公司，首先，在自動(dòng)駕駛算法方面，機(jī)廠對智駕算法的投入主要基于兩個(gè)方面考慮：1）自我定位是自動(dòng)駕駛公司，所以自動(dòng)駕駛作為核心功能必須自研；2）自我定位是傳統(tǒng)OEM，自研更多是基于對于自動(dòng)駕駛算法可控的考慮，這樣可以保證供應(yīng)鏈安全。由于主機(jī)廠在數(shù)據(jù)及方案選擇權(quán)上有著非常明顯的優(yōu)勢，在未來自動(dòng)駕駛L3或L4的的滲透率達(dá)到30%，甚至更高水平的時(shí)候，同時(shí)，若主機(jī)廠內(nèi)部管理層的軟件思維也足夠強(qiáng)、企業(yè)文化足以支撐軟件研發(fā)，主機(jī)廠就會(huì)更加傾向自研算法?；谒惴ǖ淖匝谢蚩煽兀噺S是否要選擇“重軟硬一體”的策略，一般會(huì)從成本和配置的角度采取不同策略：1）針對低階智駕配置方案，整車廠傾向于采用供應(yīng)商提供的“重軟硬一體”方案（比亞迪可能會(huì)成為例外），而高階智駕配置則更多的尋求算法自研，在自身體系無法支撐自研的情況下，會(huì)通過尋求外部合作及消化吸收為內(nèi)部能力的方式來推進(jìn)；2）針對芯片方向，因?yàn)檠邪l(fā)芯片需要在人才資金方面有很大的前期投入，只有體量較大且現(xiàn)金流較為充裕的主機(jī)廠才有能力涉足芯片設(shè)計(jì)領(lǐng)域。國內(nèi)的主機(jī)廠中目前蔚來、小鵬和吉利已經(jīng)流片成功，而理想和比亞迪也都做出了自己芯片而理想和比亞迪也都做出了自己芯片開發(fā)的計(jì)劃，但是因?yàn)橐陨蠋准业男酒a(chǎn)品目前還沒有整車廠的芯片達(dá)到量產(chǎn)裝車的狀態(tài)，采用“重軟硬一體”策略的具體效果還有待進(jìn)一步驗(yàn)證。由于有特斯拉的成功案例，目前行業(yè)普遍的看法是，整車廠做“重軟硬一體”具備可行性，但是考慮到中國每年2000~3000萬的銷售總量，最終只有行業(yè)頭部 幾家整車廠可能會(huì)具備采用“重軟硬一體”方案的條件。關(guān)于芯片研發(fā)的盈虧平衡點(diǎn)，我們可以基于以下簡易模型做粗略估算：以7nm制程、100+TOPS的高性能SoC為例，其研發(fā)成本高于1億美元（包含人力成本、流片費(fèi)用、封測費(fèi)用、IP授權(quán)費(fèi)用等等），若以售價(jià)100美元、毛利率50%計(jì)算，其盈虧平衡點(diǎn)為200萬片芯片出貨量。當(dāng)然，芯片研發(fā)的盈虧平衡點(diǎn)受到制程、售價(jià)、研發(fā)投入等多方面影響，行業(yè)普遍認(rèn)為，自研芯片的年需求量若低于100萬片，很難具備經(jīng)濟(jì)性?？紤]到當(dāng)前自動(dòng)駕駛行業(yè)的技術(shù)方案和芯片架構(gòu)幾乎每三年發(fā)生一次重大升級，自研芯片的庫存需要控制到極低水平方可，因而，部分車企的自研芯片也在尋求更加廣泛的生態(tài)聯(lián)盟來實(shí)現(xiàn)盈利。2.2.軟硬一體開發(fā)能力分析雖然軟硬一體的方案能夠?yàn)槠髽I(yè)帶來成本上的巨大優(yōu)勢以及更廣闊的生存空間，雖然軟硬一體的方案能夠?yàn)槠髽I(yè)帶來成本上的巨大優(yōu)勢以及更廣闊的生存空間，但是它對于對于企業(yè)在技術(shù)能力上提出了更為苛刻的要求——執(zhí)行軟硬一體戰(zhàn)略的企業(yè)必須在算法、芯片（重軟硬一體）以及中間件和底軟等領(lǐng)域有著深度的技術(shù)積累和工程經(jīng)驗(yàn)。2.12.1智駕系統(tǒng)算法架構(gòu)典型的智駕系統(tǒng)包括感知、定位、預(yù)測、決策規(guī)劃及控制模塊：2.0（2023年）》2.0（2023年）》感知模塊（Perception）上一代感知算法更多基于上一代感知算法更多基于CNN卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，所以，軟硬一體的芯片廠商在設(shè)計(jì)上會(huì)針對CNN卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行很多優(yōu)化。當(dāng)前，隨著感知模塊逐步演進(jìn)為基于注意力架構(gòu)的步演進(jìn)為基于注意力架構(gòu)的ViT模型以及無注意力的Mamba模型的趨勢，芯片廠商需要針對性地進(jìn)行芯片設(shè)計(jì)上的優(yōu)化并搭建相應(yīng)廠商需要針對性地進(jìn)行芯片設(shè)計(jì)上的優(yōu)化并搭建相應(yīng)生態(tài)，這將會(huì)對未來的行業(yè)軟硬一體格局產(chǎn)生深刻影響。預(yù)測模塊（Prediction）隨著BEV+Transformer技術(shù)方案大行其道，通過spatialattention的信息關(guān)聯(lián)方式獲得更準(zhǔn)確的預(yù)測信息成為目前最主流的預(yù)測技術(shù)，這也解決了之前的預(yù)測算法輸出結(jié)果不夠平滑的問題。和感知及融合模塊類似，目前的算法同樣也要求計(jì)算芯片能夠針對Transformer提供足夠的優(yōu)化，并且需要更多的算力支持。決策與規(guī)劃模塊（DecisionandPlanning）受制于技術(shù)方案決定的能力上限，傳統(tǒng)的決策方法在解決復(fù)雜場景時(shí)表現(xiàn)不佳，目前的主要趨勢是將決策規(guī)劃模塊神經(jīng)網(wǎng)絡(luò)化，進(jìn)而實(shí)現(xiàn)模塊化的端到端，最終向最終向onemodel端到端的解決方案轉(zhuǎn)化，這個(gè)轉(zhuǎn)化會(huì)帶來神經(jīng)網(wǎng)絡(luò)的計(jì)算量較大的提升，這也對目前智駕芯片的算力和性能提出了一定要求。除此之外，除此之外，為了解決端到端方案的可解釋性問題，目前行業(yè)內(nèi)也提出采用車端多模態(tài)大模型來輸出場景描述和判斷邏輯。這種用于決策的車端多模態(tài)大模型的引入，一方面會(huì)導(dǎo)致車端計(jì)算量的急劇上升，另一方面也需要芯片廠商基于大模型進(jìn)行相應(yīng)的優(yōu)化及設(shè)計(jì)，這些都會(huì)對未來行業(yè)軟硬一體的發(fā)展格局造成一定控制模塊（Control）傳統(tǒng)控制算法主要運(yùn)行在MCU上，所以對于我們討論的域控的中央芯片的影響較小。此外目前也有部分端到端算法將控制算法融合進(jìn)大模型的架構(gòu)，會(huì)引起計(jì)算量的微小提升，但這些都對軟硬一體格局的影響不大。2.2智駕域控系統(tǒng)硬件架構(gòu)目前車規(guī)級的智駕芯片基本都屬于SoC范疇，其集成了包括多個(gè)處理器、存儲(chǔ)器和其他部件在內(nèi)的較完整的信息處理系統(tǒng)的半導(dǎo)體芯片，一般這些處理器具有異構(gòu)的特性。從軟件層面來說它可以存放并運(yùn)行系統(tǒng)級別的代碼，即可以運(yùn)行操作系統(tǒng)，也會(huì)包含多個(gè)處理器，通常具有“CPU+XPU”的多核架構(gòu)，例如可拆解為CPU+GPU+DSP+NPU+存儲(chǔ)+接口單元。遠(yuǎn)程及通信遠(yuǎn)程及通信2.V2X3.OTA動(dòng)力系統(tǒng)1.發(fā)動(dòng)機(jī)控制2.發(fā)動(dòng)機(jī)管理系統(tǒng)3.傳動(dòng)系統(tǒng)4.冷卻系統(tǒng)車身 1.車門控制2.車身控制3.后備箱控制4.燈光底盤及安全2.制動(dòng)3.駐車4.EPS座艙2.HMI3.座椅相比于傳統(tǒng)的車載芯片，自動(dòng)駕駛SoC芯片的算力有了數(shù)量級的提自動(dòng)駕駛SoC芯片上通常需要集成除CPU之外的一個(gè)或多個(gè)XPU來做AI運(yùn)算。用來做AI運(yùn)算的XPU可選擇GPU/FPGA/ASIC等。目前，市場上主流的自動(dòng)駕駛目前，市場上主流的自動(dòng)駕駛SoC芯片的處理器架構(gòu)方案芯片的處理器架構(gòu)方案(或稱技術(shù)路線)有以下三種：有以下三種：地平線J6P地平線J6P地平線①英偉達(dá)、地平線等，所設(shè)計(jì)的自動(dòng)駕駛SoC芯片采用CPU+通用并行加速芯片方案。這種通用并行加速芯片以英偉達(dá)的GPU作為主要代表，由于其架構(gòu)具有通用性，比較適合算法快速迭代期采用“輕軟硬一體”方案的車企或軟件Tier1選擇。類似地，地平線的J6P，也采用了通用加速芯片方案，這為生態(tài)合作伙伴走“軟硬解耦”或“輕軟硬一體”創(chuàng)造了條件。②Mobileye、地平線等，致力于研發(fā)銷售自動(dòng)駕駛專用AI芯片，采用CPU+神經(jīng)網(wǎng)絡(luò)專用加速芯片方案。因?yàn)檫@類專用加速芯片對于算法約束較多，所以這種芯片本身需要和算法綁定得更深，很多時(shí)候也需要芯片廠商自己走“重軟硬一體”模式；或是引導(dǎo)生態(tài)伙伴中的軟件Teir1采用“輕軟硬一體”的策略，與自家的專用加速芯片進(jìn)行深度綁定。③此外，還有部分自動(dòng)駕駛公司在早期采用CPU+FPGA的方案做自動(dòng)駕駛算法驗(yàn)證。這類芯片靈活性強(qiáng)，但是性價(jià)比較低，只能用于早期的算法測試，不適合作為最終產(chǎn)適合作為最終產(chǎn)品進(jìn)行量產(chǎn)，因而對于軟硬一體的最終生態(tài)不會(huì)造成什么影響。2.3智駕域控系統(tǒng)底層軟件2.3.1操作系統(tǒng)2.3.1操作系統(tǒng)目前，產(chǎn)業(yè)內(nèi)對智駕操作系統(tǒng)的主流選擇是，采用QNX或基于Linux內(nèi)核進(jìn)行裁剪。在應(yīng)用于自動(dòng)駕駛領(lǐng)域之前，QNX主要應(yīng)用于手機(jī)行業(yè)。QNX作為一個(gè)微內(nèi)核只涵蓋了最為基本的調(diào)度及內(nèi)存管理，所以，它的優(yōu)勢在于高可靠性，協(xié)議棧、各種外設(shè)驅(qū)動(dòng)穩(wěn)定，這就意味著它天生適合用于開發(fā)RTOS系統(tǒng)。但是由于其完全閉源的特性，在生態(tài)方面的局限性也太明顯，全閉源的特性，在生態(tài)方面的局限性也太明顯，這使得它目前在自動(dòng)駕駛領(lǐng)域的落地并不理想。尤其是，難以滿足高階智駕方案的需求。相比之下，基于Linux進(jìn)行裁剪開發(fā)出的各種RTLinux系統(tǒng)，其本質(zhì)上仍然是宏內(nèi)核，除了調(diào)度及內(nèi)存管理外，文件、驅(qū)動(dòng)以及網(wǎng)絡(luò)協(xié)議等功能也是一應(yīng)俱全。另一方面，Linux屬于純開源系統(tǒng)，所以具有免費(fèi)的特性，而且它的生態(tài)資源豐富，可以無縫對接大量第三方庫，因而可以更好地適配目前自動(dòng)駕駛軟件迭代對于軟件庫快速增加的需求。RTLinuX的主要劣勢是，在實(shí)時(shí)性上略遜QNX一籌，而且其較高的系統(tǒng)復(fù)雜度也增加了出現(xiàn)bug的概率，不過，目前車廠已經(jīng)通過軟件及功能架構(gòu)的設(shè)計(jì)對RTLinuxX的劣勢進(jìn)行最大程度的規(guī)避?？傮w而言，RTLinux可滿足POSIX標(biāo)準(zhǔn)，從而一方面讓基于它們開發(fā)的中間件有共同可遵循的標(biāo)準(zhǔn)，對于中間件公司相對較為友好；另一方面也可以支持不同架構(gòu)的自動(dòng)駕駛芯片，通用性強(qiáng)，因而，對于軟硬解耦不會(huì)設(shè)置過多的阻礙。除此之外，未來生態(tài)逐步在向艙駕一體的方向演化。由于智駕域在可靠性、穩(wěn)定性以及實(shí)時(shí)性的要求遠(yuǎn)高于座艙域的系統(tǒng)，因而，同一套操作系統(tǒng)想要兼容兩個(gè)域的需求難度極大。目前的解決方案大部分是基于oneboardtwochip的方案，不同芯片跑不同的系統(tǒng)，從側(cè)面規(guī)避了這個(gè)問題。而長期來講，艙駕一體的技術(shù)方向會(huì)走向單芯片模式，在單芯片的艙駕一體方案下，是否能有穩(wěn)定可靠的操作系統(tǒng)在單芯片上同時(shí)滿足兩個(gè)域的需求，就會(huì)影響方案落地的速度。這些操作系統(tǒng)的優(yōu)化與芯片以及域控的架構(gòu)息息相關(guān)，從而會(huì)間接助力行業(yè)走向“輕軟硬一體”的狀態(tài)。2.3.2中間件中間件是連接芯片及應(yīng)用軟件的橋梁，所以中間件開發(fā)對所選擇的芯片以及需要支持的應(yīng)用層架構(gòu)對比較敏感。中間件是連接芯片及應(yīng)用軟件的橋梁，所以中間件開發(fā)對所選擇的芯片以及需要支持的應(yīng)用層架構(gòu)對比較敏感。目前對于中間件的核心關(guān)注點(diǎn)主要在于性能表現(xiàn)，具體包括兩個(gè)方面：目前對于中間件的核心關(guān)注點(diǎn)主要在于性能表現(xiàn)，具體包括兩個(gè)方面：一是中間件的實(shí)時(shí)性，二是中間件對于系統(tǒng)資源的占用。中間件的實(shí)時(shí)性，二是中間件對于系統(tǒng)資源的占用。傳統(tǒng)的AutoSARCP由于最早是針對MCU開發(fā)，后期在向SoC芯片平臺(tái)移植的工作較多，且僅支持SOME/IP，所以目前已經(jīng)逐步讓位于更加主流的AutoSARAP。由于AP相較于CP具有更好的靈活性，對于軟硬解耦會(huì)有所幫助。對于大數(shù)據(jù)量的傳輸方案，DDS是目前行業(yè)的主流選擇。早期的DDS更多應(yīng)用于工業(yè)系統(tǒng)，所以在移植到車輛系統(tǒng)初期遭遇了一些瓶頸。目前隨著車載系統(tǒng)軟件公司以及整車廠的不懈努力，針對DDS的適配已經(jīng)得到了長足發(fā)展。目前國內(nèi)的中間件公司都已經(jīng)基于AP/DDS提供了定制化的解決方案。這種中間件通用性的提升，從某種程度上降低了軟硬解耦的門檻。2.3.3工具鏈除運(yùn)行在自動(dòng)駕駛車輛上的軟件外，除運(yùn)行在自動(dòng)駕駛車輛上的軟件外，用于數(shù)據(jù)采集、處理、標(biāo)注、模型訓(xùn)練平臺(tái)、仿真平臺(tái)、OTA工具和一些其他環(huán)節(jié)的開發(fā)工具都屬于開發(fā)工具鏈的范疇。其中的模型訓(xùn)練平臺(tái)以及部署相關(guān)的工具，跟軟硬一體有很強(qiáng)的相關(guān)性。在自動(dòng)駕駛行業(yè)內(nèi)，模型訓(xùn)練平臺(tái)及相關(guān)部署工具做得最好的公司是英偉達(dá)。英偉達(dá)依靠其CUDA生態(tài)的得天獨(dú)厚優(yōu)勢，基于Xavier及Orin芯片，提供了全套的模型訓(xùn)練及加速工具，如靜態(tài)框架的TensorFlow(Google開發(fā)，英偉達(dá)深度支持)+TensorRT，此外也可以采用支持動(dòng)態(tài)框架的PyTorch+ONNX的全套工具鏈。這些工具鏈可以無縫對接其強(qiáng)大的模型開源生態(tài)，讓開源社區(qū)的SOTA算法在英偉達(dá)芯片上可以快速適配部署及應(yīng)用。這種成熟的鏈條也使得軟件Tier1容易傾向于采用英偉達(dá)芯片及工具鏈構(gòu)建“輕軟硬一體”戰(zhàn)略。而采用ASIC方案的軟件Tier1由于ASIC芯片本身特性制約，針對新算子的適配更為復(fù)雜。訓(xùn)練以及部署平臺(tái)如何對包含這些新算子的模型進(jìn)行訓(xùn)練和部署也存在很多不確定性，甚至存在某些算子，當(dāng)前的ASIC方案可能完全不支持或者計(jì)算效率極低導(dǎo)致包含該算子的模型完全不可用的可能性。因而，在算子尚未果切換芯片則需要重新熟悉大量的部署以及加速工具，帶來了比較高的遷移成本。這種特性也間接推動(dòng)了“輕軟硬一體”果切換芯片則需要重新熟悉大量的部署以及加速工具，帶來了比較高的遷移成本。這種特性也間接推動(dòng)了“輕軟硬一體”生態(tài)的形成。3.自動(dòng)駕駛賽道公司概況3.1主流芯片廠商市場上主要的自動(dòng)駕駛芯片廠商如下：3.1.1英偉達(dá)英偉達(dá)的自動(dòng)駕駛芯片主要定位在L2+及以上等級的智能駕駛，2019年推出的自動(dòng)駕駛領(lǐng)域的主力芯片Orin算力達(dá)到250TOPS，在當(dāng)時(shí)遙遙領(lǐng)先于行業(yè)內(nèi)的其他競爭對手。作為一款平臺(tái)型芯片，盡管他的價(jià)格不菲，在推出之后仍然成為大量“輕軟硬一體”的軟件Tier1以及整車廠高端車型自動(dòng)駕駛解決方案上的首選。其通用以及高算力的特性也讓軟件Tier1以及整車廠可以從上一代基于CNN的感知模塊平穩(wěn)地過渡到BEV+Transformer的技術(shù)方案，以及之后的模塊化端到端解決方案，很好地支持了這些客戶的“輕軟硬一體”戰(zhàn)略。在在2022年，英偉達(dá)發(fā)布了新一代智駕芯片Thor，采用了先進(jìn)的4nm工藝，算力可達(dá)2000TOPS。其不僅在算力、性能上有極大提升，還被認(rèn)為具備了支持車端大模型的潛力。從功能上分析，Thor可被配置為多種模式，可以將其2000TOPS算力全部用于自動(dòng)駕駛工作流；也可以將一部分用于駕駛艙AI和信息娛樂，一部分用于輔助駕駛，為下一代的艙駕一體架構(gòu)提供了芯片層面的保證。從這個(gè)角度講Thor有希望被軟件Tier1綁定，為高端車型提供艙駕一體的軟硬一體解決除了提供芯片產(chǎn)品外，英偉達(dá)也同除了提供芯片產(chǎn)品外，英偉達(dá)也同樣組建了自動(dòng)駕駛解決方案團(tuán)隊(duì)，進(jìn)行了“重軟硬一體”戰(zhàn)略的嘗試。公司目前作為Tier1為奔馳提供包括芯片、智駕算法及座艙在內(nèi)的全套解決方案，與其他Tier1相比略顯不足的是，雙方的合作從2020年開始，但是目前仍未達(dá)到量產(chǎn)落地的狀態(tài)。3.1.2華為華為是自動(dòng)駕駛芯片賽道上最具代表性的走“重軟硬一體”路線的公司。目前計(jì)算平臺(tái)所使用的主芯片是Ascend310，Ascend610，Ascend620。這幾款芯片的最大亮點(diǎn)就是采用了達(dá)芬奇架構(gòu)。達(dá)芬奇架構(gòu)采用3DCube，針對矩陣運(yùn)算做加速，大幅降低了同等AI算力下的功耗。2020除芯片外，華為也有針對自動(dòng)駕駛的全套解決方案ADS，是所有芯片廠商中對軟硬一體策略執(zhí)行得最重的一家。其提供的產(chǎn)品全面覆蓋了芯片、操作系統(tǒng)、工具鏈以及自動(dòng)駕駛算法各個(gè)環(huán)節(jié)。由于在智駕軟件領(lǐng)域有超過幾千人的團(tuán)隊(duì)支撐，所以在BEV以及占據(jù)網(wǎng)絡(luò)等新技術(shù)上都實(shí)現(xiàn)了快速落地，其在城區(qū)NOA的體驗(yàn)方面也是居于國內(nèi)的第一梯隊(duì)。能夠?qū)崿F(xiàn)這些新技術(shù)的快速落地以及產(chǎn)品的快速迭代都和華為堅(jiān)定的執(zhí)行“重軟硬一體”策略帶來的速度優(yōu)勢有極大關(guān)聯(lián)。目前華為基于這套“重軟硬一體”的ADS解決方案與賽力斯、奇瑞及長安阿維塔都進(jìn)行了全面合作，取得了很好的效果，智駕系統(tǒng)的選裝率也達(dá)到了較高水3.1.3地平線地平線屬于行業(yè)內(nèi)執(zhí)行軟硬一體方案以及打造智駕生態(tài)比較成功的芯片公司。其產(chǎn)品線較為全面，涵蓋了CPU+ASIC及CPU+GPU兩種不同架構(gòu)。早期推出的J2和J3主要用于L2級別自動(dòng)駕駛功能，從芯片到算法全部都由自己提供，采用了“重軟硬一體”的打法。從J5開始，其策略逐步開始向軟硬解耦的方向轉(zhuǎn)化。J5目前的量產(chǎn)算法是由生態(tài)合作伙伴（如輕舟和鑒智及覺非等）做算法及交付，從“重軟硬一體”逐步轉(zhuǎn)向軟硬解耦策略，并以打造與合作伙伴的生態(tài)為主。SuperDrive全場景智能駕駛解決方案，其中J6旗艦芯片J6P實(shí)現(xiàn)了CPU、BPU、GPU和MCU四芯合一，提供了更高的芯片架構(gòu)集成度，單顆芯片最高算力高達(dá)560TOPS。J6將延續(xù)軟硬解耦的商業(yè)策略，在2024年內(nèi)通過生態(tài)合作伙伴開啟首個(gè)前裝量產(chǎn)車型交付，并預(yù)計(jì)于2025年實(shí)現(xiàn)超10款車型量產(chǎn)交付。21J6的旗艦版J6P的落地，在短期內(nèi)會(huì)是“重軟硬一體”模式（算法由地平線自己開發(fā)），待后續(xù)有軟件Tier1或車企基于J6P做算法后，則又走向軟硬解耦的路線；而對長期使用J6P的軟件Tier1或車企來說，則是“輕軟硬一體”。3.1.4高通在2020年1月，高通推出了驍龍Ride(SnapdragonRide)平臺(tái)，作為其邁向自動(dòng)駕駛賽道的平臺(tái)產(chǎn)品。不過一代產(chǎn)品（SA8540P）并沒有能成功打開市場，出貨量較少。而其二代產(chǎn)品系列（包括SA8620P，SA8650P等)提供了從36TOPS到100TOPS的算力，在國內(nèi)與momenta，卓馭及毫末分別聯(lián)合發(fā)布了輔助駕駛及自動(dòng)駕駛解決方案，堅(jiān)持走軟硬解耦的商業(yè)路線。除以上合作外，高通在“重軟硬一體”路線上也有所布局。其在2021年與合作伙伴聯(lián)合收購自動(dòng)駕駛公司Veoneer，并在接下來的一年將其軟件部門Arriver收歸帳下。而Arriver的計(jì)算機(jī)視覺、駕駛策略和其他自動(dòng)駕駛相關(guān)資產(chǎn)也被整合到驍龍Ride平臺(tái)上。從而讓高通具備為客戶提供高級駕駛輔助系統(tǒng)(ADAS)解決方案的“重軟硬一體”能力。22223.2整車廠3.2.1特斯拉在整車廠中，特斯拉是一個(gè)從使用供應(yīng)商的“重軟硬一體”（早期跟Moibleye合作階段）方案轉(zhuǎn)向“輕軟硬一體”（跟英偉達(dá)合作階段）、最終又將基于自研芯片走上“重軟硬一體”之路的典型代表。3.2整車廠3.2.1特斯拉起開始推送的模塊化端到端方案都引領(lǐng)了行業(yè)智駕算法的發(fā)展。除了算法方面的領(lǐng)先，特斯拉在芯片方面也探索出了自己的道路。早期的自動(dòng)駕駛解決方案的領(lǐng)先，特斯拉在芯片方面也探索出了自己的道路。早期的自動(dòng)駕駛解決方案FSDFSD芯片。一代芯片于2019年正式流片，采用14nm工藝，整個(gè)芯片約由60億顆晶體管組成。二代芯片發(fā)布于2023年，采用了7nm工藝，包含三個(gè)NPU核心，算力可達(dá)120TOPS。23其核心技術(shù)來源于由兩顆NPU組成的NNA（NeuralNetworkAccelerator，神經(jīng)網(wǎng)絡(luò)加速單元）系統(tǒng)，并針對自身的自動(dòng)駕駛算法進(jìn)行了大量優(yōu)化，包括：1.在每個(gè)計(jì)算周期，NPU都會(huì)從內(nèi)置的SRAM中讀取激活數(shù)據(jù)，并和權(quán)重?cái)?shù)據(jù)組合在一起進(jìn)入乘法累加，在完成了MAC的乘法累加運(yùn)算后，數(shù)據(jù)將會(huì)被轉(zhuǎn)移到激活以及池化部分，然后寫入緩沖區(qū)，進(jìn)行結(jié)果匯總。2.NNA設(shè)計(jì)了非常大的片上SRAM緩存，這樣可以讓數(shù)據(jù)盡可能地在片內(nèi)周轉(zhuǎn)，而不用頻繁地與內(nèi)存或者其他模塊進(jìn)行讀寫操作。這樣做不但可以提高性能，還可以有效降低功耗?；谠谧匝行酒约白詣?dòng)駕駛算法領(lǐng)域的領(lǐng)先性，特斯拉是目前執(zhí)行軟硬一體策略執(zhí)行的最為成功的整車廠。一方面算法方面的不斷突破為他們帶來了軟件領(lǐng)域的優(yōu)勢，另一方面自研芯片以及工具鏈也讓他們可以將這些軟件優(yōu)勢快速轉(zhuǎn)化為產(chǎn)品力體現(xiàn)在最終車輛當(dāng)中。3.2.2理想理想又是一個(gè)從使用供應(yīng)商的“重軟硬一體”方案轉(zhuǎn)向“輕軟硬一體”，最終又將基于自研芯片走上“重軟硬一體”之路的典型案例。理想在早期使用Mobileye提供的“重軟硬一體”方案，在進(jìn)入2020年之后，為自己掌握自動(dòng)駕駛能力，開始使用地平線的芯片，并在地平線的幫助下開始自研算法，這是走向了“輕軟硬一體”。此后，理想又基于英偉達(dá)的Orin自研高階智駕的算法，仍然堅(jiān)持“輕軟硬一體”戰(zhàn)略。除算法方面逐步走向自研的道路，理想也已經(jīng)在啟動(dòng)智駕芯片的研究，主要采用NPU方案來實(shí)現(xiàn)推理加速的運(yùn)算，并已有相應(yīng)的流片時(shí)間計(jì)劃。未來理想有望基于自研的自動(dòng)駕駛方案進(jìn)行自研芯片的設(shè)計(jì)，從而獲得更好的性能匹配以及成本優(yōu)勢，走向“重軟硬一體”的道路。對于自研芯片的整車廠而言，從供應(yīng)商的芯片切換到自研芯片的過程，屬于軟硬解耦；但在切換完成之后，若長期使用自研芯片，則是“重軟硬一體”。根據(jù)過往經(jīng)驗(yàn)，在剛切換到自研芯片的前期，自動(dòng)駕駛系統(tǒng)的性能可能會(huì)有所下降，但過了早期的過渡期后，性能相較以前又會(huì)有較大的提升。24243.2.33.2.3蔚來跟理想類似，蔚來也是一個(gè)從使用供應(yīng)商的“重軟硬一體”方案轉(zhuǎn)向“輕軟硬一體”，最終又將基于自研芯片走上“重軟硬一體”之路的案例。早期使用Mobielye提供的“重軟硬一體”方案；后面連續(xù)幾年基于英偉達(dá)Orin自研算法，這是“輕軟硬一體”；接下來，若自研的芯片在量產(chǎn)上可用，并且整車的銷量也足以支撐芯片研發(fā)系統(tǒng)的維護(hù)成本，蔚來將走向“重軟硬一體”模式。3.2.4小鵬目前小鵬已經(jīng)擁有Xpliot目前小鵬已經(jīng)擁有Xpliot/XNGP/XNGP+全系列自動(dòng)駕駛/輔助駕駛架構(gòu)。這幾個(gè)解決方案全部由小鵬自研，并基于英偉達(dá)芯片實(shí)現(xiàn)，所以小鵬目前屬于行業(yè)內(nèi)對“輕軟硬一體”路線執(zhí)行得最堅(jiān)決的造車新勢力。但通過近日在發(fā)布會(huì)上宣布自研芯片“圖靈”流片成功的消息，小鵬也展現(xiàn)出了在未來逐步邁向“重軟硬一體”的決心。圖靈芯片可以支持30B的大模型，可以為作為未來高階自動(dòng)駕駛的計(jì)算芯片。同時(shí)這塊為作為未來高階自動(dòng)駕駛的計(jì)算芯片。同時(shí)這塊芯片也會(huì)用于小鵬的人形機(jī)器人，同步讓其人形機(jī)器人也完成向“重軟硬一體”生態(tài)的轉(zhuǎn)化。不過，小鵬的“重軟硬一體”之路能否真正走通，也取決于車的銷量，以及其不過，小鵬的“重軟硬一體”之路能否真正走通，也取決于車的銷量，以及其跟跟大眾的合作能否持久；反過來，若“重軟硬一體”之路走通，則大眾也會(huì)有可能采用小鵬的“重軟硬一體”方案。253.2.5比亞迪不同于特斯拉以及蔚小理等造車新勢力較早開始布局自動(dòng)駕駛，比亞迪在這個(gè)領(lǐng)域發(fā)力較晚。但是從路徑上走的仍然是從與供應(yīng)商合作，到自研自動(dòng)駕駛算法，最終開始自研智駕芯片的道路。比亞迪在2021年與Momenta成立合資公司迪派智行，開始面向高階自動(dòng)駕駛布局。主要依靠軟件Tier1Momenta基于英偉達(dá)Orin芯片為自己的高端車型提供“輕軟硬一體”解決方案。而從2022年開始，公司開始自行組建智駕團(tuán)隊(duì)，基于英偉達(dá)的Orin芯片進(jìn)行智駕算法的開發(fā)，其自研的高速DNP算法在同年開始在比亞迪漢上推送。在2023年自研的高速NOA算法在騰勢及仰望等高端車型完成了推送，這一階段屬于綁定Orin的“輕軟硬一體”階段。TDA4vm。希望通過這款低成本芯片實(shí)現(xiàn)10~20萬中低端車型的自動(dòng)駕駛功能的“重比亞迪對“重軟硬一體”的考慮比亞迪對“重軟硬一體”的考慮跟蔚來有所不同——蔚來是先從大算力芯片開始，而比亞迪則是先從小算力芯片開始。這跟兩家公司主流車型的市場定位有關(guān)。在使用英偉達(dá)芯片的階段，從供應(yīng)商的算法切換到自研算法的過程，是軟硬解耦；在使用自研算法的階段，從英偉達(dá)的芯片切換到自研芯片的過程，是軟硬解耦。比亞迪向“重軟硬一體”的轉(zhuǎn)型成功需要有個(gè)前提：能打造出適合軟件開發(fā)的組織文化。26263.3軟件Tier13.3.1MomentaMomenta在前一階段處于“輕軟硬一體”狀態(tài)。其在高階智駕上綁定了英偉達(dá)的Orin芯片提供其MpilotX解決方案，目前已經(jīng)在上汽的智己以及比亞迪的騰勢上實(shí)現(xiàn)了量產(chǎn)。不過，在2024年，Momenta也高調(diào)宣布了未來會(huì)與高通進(jìn)行合作，基于驍算法移植到高通的芯片上，則是一個(gè)軟硬解耦的過程。龍Ride進(jìn)行一些領(lǐng)航類低階輔助駕駛功能的開發(fā)。將基于英偉算法移植到高通的芯片上，則是一個(gè)軟硬解耦的過程。年招攬了十幾名OPPO旗下的芯片設(shè)計(jì)公司哲庫的技術(shù)骨干進(jìn)行自動(dòng)駕駛芯片的研究，另一方面也開始與臺(tái)灣ASIC服務(wù)廠商溝通5nm芯片的量產(chǎn)計(jì)劃。一旦自研芯片取得成功，經(jīng)歷了從英偉達(dá)、高通的芯片切換至自研芯片的“軟硬解耦”過程后，Momenta將走上跟Mobileye、地平線、華為和英偉達(dá)一樣的“重軟硬一體”之路。對軟件Tier1來說，從“輕軟硬一體”走向“重軟硬一體”，最大的挑戰(zhàn)可能并不在技術(shù)，而在于如何取得主機(jī)廠客戶對其自研芯片的信任。因?yàn)?，通常來說，主機(jī)廠選擇軟件Tier1的邏輯，是先選擇芯片平臺(tái)，然后再看哪個(gè)軟件Tier1最有能力把該芯片用好，再定點(diǎn)軟件Tier1，而非因?yàn)檎J(rèn)可某個(gè)軟件Tier1的算法，然后再用他推薦或自研的芯片。不過，一旦其“重軟硬一體”方案拿下了幾個(gè)具有說服力的量產(chǎn)項(xiàng)目，并經(jīng)過驗(yàn)證比之前使用供應(yīng)商芯片的“輕軟硬一體”方案性能優(yōu)且成本3.3.2卓馭科技（大疆車載）3.3.2卓馭科技（大疆車載）在國內(nèi)所有軟件Tier1當(dāng)中，大疆車載是最早將智駕功能定位在中低端車型上的供應(yīng)商。為了適配中低端車型，上的供應(yīng)商。為了適配中低端車型，卓馭從芯片到傳感器上的各個(gè)要素都考慮極致性價(jià)比。為了保證穩(wěn)定性和研發(fā)深度，大疆車載選擇了比賽道其他玩家更加徹底的“輕軟硬底的“輕軟硬一體”模式。其他玩家的“輕軟硬一體”一般以綁定芯片供應(yīng)商為標(biāo)志，而大疆車載的“輕軟硬一體”不僅綁定了TI的TDA4這款芯片，在早期還嚴(yán)格綁定了通用五菱的車型進(jìn)行深度開發(fā)。這就讓其在算法層面以TDA4為基礎(chǔ)進(jìn)行深度適配，而在傳感器層面則參考五菱的車型。感器層面則參考五菱的車型。27雖然TDA4的芯片算力僅有32TOPS，但是通過大疆在算法層面的極致優(yōu)化，能同時(shí)支持7路攝像頭的深度學(xué)習(xí)算法，并讓最終方案可同時(shí)提供大量的泊車以及輔助駕駛功能。能夠做到如此深層的優(yōu)化，與大疆從最初就選定了高性價(jià)比的TDA4芯片并基于此進(jìn)行算法優(yōu)化的“輕軟硬一體”的路線有直接關(guān)系。憑借這個(gè)性價(jià)比優(yōu)勢，卓馭的自動(dòng)駕駛解決方案已經(jīng)在上汽以及比亞迪的多款車型上實(shí)現(xiàn)量產(chǎn)。值得一提的是，2024年大疆也接過了高通的橄欖枝，開始基于高通8650提供城區(qū)NOA方案，轉(zhuǎn)向軟硬解耦方向。28284.行業(yè)未來發(fā)展趨勢4.行業(yè)未來發(fā)展趨勢基于對于資深專家的訪談以及對歷史上其他行業(yè)的情況進(jìn)行橫向?qū)Ρ龋覀兓趯τ谫Y深專家的訪談以及對歷史上其他行業(yè)的情況進(jìn)行橫向?qū)Ρ?，我們總結(jié)出了更適合采用軟硬一體策略的公司/行業(yè)/階段幾個(gè)判定標(biāo)準(zhǔn)：1.技術(shù)成熟度：算法技術(shù)框架已經(jīng)收斂；2.2.技術(shù)平權(quán)度：芯片設(shè)計(jì)技術(shù)/方案的復(fù)雜度不算太高，且已經(jīng)有很多公司掌握了該技術(shù)/掌握了該技術(shù)/方案；3.3.總收益：所處賽道的市場體量足夠大，市場回報(bào)能夠覆蓋軟硬一體的成本。以上三個(gè)標(biāo)準(zhǔn)，滿足其中一條時(shí)公司就具備考慮軟硬一體的條件，滿足其中兩條時(shí)公司就會(huì)具有推動(dòng)軟硬一體的動(dòng)力，如果三條全部滿足則軟硬一體就是公司在當(dāng)前的最優(yōu)選擇策略。294.1軟硬一體的綜合趨勢總體來看，軟硬一體與軟硬解耦是一體兩面，最終市場會(huì)形成兩者并存的態(tài)勢，但是短期內(nèi)，軟硬一體的公司在市場上體現(xiàn)出更強(qiáng)的競爭力。手機(jī)行業(yè)在軟硬一體方面的歷程值得我們進(jìn)行借鑒。手機(jī)產(chǎn)業(yè)在功能機(jī)階段，由于技術(shù)棧相對簡單，所以很多傳統(tǒng)手機(jī)廠商例如摩托羅拉等公司采用了“重軟硬一體”的方式，自研了從芯片到應(yīng)用的全套技術(shù)棧。此外，也有諾基亞等廠商綁定了某家芯片廠商（TI或MTK）等，走上了“輕軟硬一體”的道路。而當(dāng)手機(jī)發(fā)展到高階的智能手機(jī)階段，我們可以看到行業(yè)內(nèi)就出現(xiàn)了分化。一方面，存在蘋果這類從芯片覆蓋到操作系統(tǒng)的“重軟硬一體”公司；另一方面，也存在安卓這樣獨(dú)立的操作系統(tǒng)，這類產(chǎn)品可以適配市面上各類不同芯片，而非跟某一款芯片進(jìn)行強(qiáng)綁定，這就讓整個(gè)行業(yè)處于“重軟硬一體”及“輕軟硬一體”共存的狀態(tài)。參考手機(jī)以及其他大量行業(yè)的經(jīng)驗(yàn)，我們認(rèn)為自動(dòng)駕駛行業(yè)軟硬一體的趨勢會(huì)根據(jù)自動(dòng)駕駛方案的高低階而有所不同：1.對低階智駕，主機(jī)廠往往會(huì)直接采用供應(yīng)商的軟硬一體方案，并向標(biāo)準(zhǔn)化的方向發(fā)展。2.對高階智駕算法等關(guān)鍵能力，主機(jī)廠自研的比例會(huì)越來越高。如果只自研算法，不自研芯片，那么，從供應(yīng)商的算法切換到自研算法的過程，是軟硬解耦；但如果自研算法在后面長期跟某個(gè)供應(yīng)商的一款/同系列芯片捆綁，則又形成新的軟硬一體（“輕軟硬一體”）。3.當(dāng)芯片算力遠(yuǎn)大于實(shí)際應(yīng)用的需求、解決方案與芯片的適配不再成為核心能力時(shí)，軟硬解耦的制約因素就少了一個(gè)。不過，由于當(dāng)前芯片制程已經(jīng)接近極限，而還有散熱等其他問題有待解決，短期內(nèi)仍難以實(shí)現(xiàn)軟硬解耦，在很長一段時(shí)間內(nèi)，軟硬一體策略仍然會(huì)是行業(yè)主流。3030為了給出清晰的行業(yè)形式分析，這里我們給出針對成熟賽道&新興賽道以及初創(chuàng)公司&巨頭兩個(gè)不同維度的對比：成熟賽道v.s新興賽道：對比起新興賽道，成熟賽道在技術(shù)框架成熟度高、且行業(yè)技術(shù)相對已經(jīng)普及的情況下，行業(yè)內(nèi)體量比較大的公司傾向于執(zhí)行軟硬一體策略。反之，新興賽道，在技術(shù)框架成熟度、技術(shù)擴(kuò)展度（技術(shù)平權(quán)水平）都不足的情況下，如果行業(yè)內(nèi)沒有體量較大的公司，則賽道內(nèi)的玩家會(huì)習(xí)慣于通過精細(xì)分工（軟硬解耦）的方式抱團(tuán)取暖。而一旦有公司獲得了比較高的回報(bào)或者有足夠的資本支撐，會(huì)開始傾向于走軟硬一體的道路。成熟賽道的初創(chuàng)公司v.s成熟賽道的行業(yè)巨頭：在成熟賽道，初創(chuàng)公司在早期幾乎不可能有足以與巨頭抗衡的市場回報(bào)，因而，對初創(chuàng)公司來說，選擇“重軟硬一體”的模式非常不經(jīng)濟(jì)。在自身的技術(shù)方案選擇正確的前提下，“輕軟硬一體”的模式可以為初創(chuàng)企業(yè)提供更好的支撐。而對行業(yè)巨頭來說，因?yàn)獒槍Τ墒熨惖罈l件一和條件二都滿足，在自身體量足夠大且企業(yè)文化支持的情況下，選擇“重軟硬一體”始終是比較有優(yōu)勢的模式。31通過調(diào)研我們可以看到，28位受訪的行業(yè)專家中的12位認(rèn)為軟硬一體是必然趨勢，而其余的16位則認(rèn)為它只是選擇之一。對于如今行業(yè)軟硬一體大行其道的原因，8位專家認(rèn)為單純是行業(yè)格局及技術(shù)發(fā)展水平催生了這個(gè)態(tài)勢，另外19位則認(rèn)為產(chǎn)業(yè)及資本共同推動(dòng)了業(yè)內(nèi)軟硬一體的生態(tài)。4.2自動(dòng)駕駛賽道玩家未來的道路選擇4.2.1整車廠根據(jù)我們的判定標(biāo)準(zhǔn)，只要整車的銷售量達(dá)到可以覆蓋芯根據(jù)我們的判定標(biāo)準(zhǔn)，只要整車的銷售量達(dá)到可以覆蓋芯片開發(fā)成本的級別，整車廠就會(huì)有比較強(qiáng)自研芯片的動(dòng)力，然后走上“重軟硬一體”之路。目前特斯拉已經(jīng)走上了這條道路，而國內(nèi)蔚來、小鵬、理想和比亞迪都已經(jīng)開始了自己的全棧自研路線。（當(dāng)然，全棧自研能否持續(xù)走下去，還得看銷量及組織能力。）除了剛剛提到的因素之外，相比于Tier1及芯片供應(yīng)商，整車廠更容易獲得用戶數(shù)據(jù)，這也就意味著如果整車廠搭建出足夠好的數(shù)據(jù)鏈路，就更容易獲得好的端到端算法效果。這種在算法方面從弱到強(qiáng)的變化，也讓一些軟件能力較強(qiáng)的整車廠成為自動(dòng)駕駛賽道所有類型的玩家中最容易從軟硬解耦向軟硬一體發(fā)展的從統(tǒng)計(jì)數(shù)據(jù)來看，受訪的28位專家中有9人認(rèn)為排名靠前的整車廠最終道路一定是全棧自研（制造芯片），而另外19位則持相反觀點(diǎn)。3232不過，受訪專家大多只關(guān)注主機(jī)廠的銷量是否足夠支撐全棧自研，卻忽略了其組織文化對全棧自研能否成功的影響，并且，組織文化對自研成敗的影響也很難量化。因此，上述統(tǒng)計(jì)結(jié)果的參考價(jià)值有限。銷量或者技術(shù)競爭力不足的整車廠中，賽力斯等選擇了華為的“重軟硬一體”方案，奔馳和捷豹路虎選擇了英偉達(dá)的“重軟硬一體”方案，大眾選擇了地平線軟硬一體”方案），上汽智己則選擇了Momenta的“輕軟硬一體”方案（后續(xù)還可能切換到Momenta的“重軟硬一體”方案）。如果上述車企的自研實(shí)力提升了，就有可能由供應(yīng)商的“重軟硬一體”切換到“輕軟硬一體”。不過，考慮到傳統(tǒng)車企的組織文化普遍不適合自動(dòng)駕駛的軟件開發(fā)，這種趨勢出現(xiàn)的可能性并不大。結(jié)合上面的分析來看，總體的趨勢是，“輕軟硬一體”基本上都會(huì)轉(zhuǎn)向“重軟硬一體”。有所不同的是，實(shí)力強(qiáng)的車企采用的“重軟硬一體”方案，是由自己主導(dǎo)的；而實(shí)力弱的車企采用的“重軟硬一體”則是由供應(yīng)商主導(dǎo)的。“輕軟硬一體”基本上只是個(gè)過渡形態(tài)，而從“輕軟硬一體”切換到“重軟硬一體”的過程，則是軟硬解耦。4.2.24.2.2芯片公司處于行業(yè)內(nèi)不同位置的芯片公司通常會(huì)有不同的訴求。當(dāng)芯片公司已處于行業(yè)領(lǐng)先位置時(shí)，往往更希望技術(shù)框架能夠快速收斂，這樣自身產(chǎn)品才能有足夠的穩(wěn)定性來滿足相關(guān)的技術(shù)要求，且由于芯片設(shè)計(jì)技術(shù)壁壘和前期投入相當(dāng)高，這就足以建立起對行業(yè)新進(jìn)入者的競爭優(yōu)勢。除了單純通過技術(shù)壁壘打造護(hù)城河，還有一種方法是通過構(gòu)建行業(yè)生態(tài)來進(jìn)一步將護(hù)城河挖深，將用戶在后期進(jìn)行芯片更深，將用戶在后期進(jìn)行芯片更換的遷移成本提升到很高的水平，從而保證用戶黏新興賽道的芯片創(chuàng)業(yè)公司，由于不具備體量上的優(yōu)勢，不可能在產(chǎn)量和邊際新興賽道的芯片創(chuàng)業(yè)公司，由于不具備體量上的優(yōu)勢，不可能在產(chǎn)量和邊際成本上對行業(yè)內(nèi)的老牌芯片公司實(shí)現(xiàn)超越，所以芯片創(chuàng)業(yè)公司一方面要謹(jǐn)慎選擇技術(shù)尚未收斂的賽道（如2018—2022年的自動(dòng)駕駛賽道）；另一方面要挑選護(hù)城河不是特別深的賽道保證可以快速切入，并且還需要通過構(gòu)建在該賽道的生態(tài)來形成對其他競爭者的優(yōu)勢?；谏鷳B(tài)構(gòu)建壁壘的趨勢只有到公司生產(chǎn)芯片的體量達(dá)到足夠大的程度才可以有所減緩。統(tǒng)計(jì)數(shù)據(jù)顯示我們采訪的此次調(diào)研的28位受訪專家中的20位認(rèn)為，對于芯片公司打造生態(tài)是一定要執(zhí)行的戰(zhàn)略。334.2.3軟件Tier1對于Tier1來說，從算法層面來講，整體技術(shù)框架在未來逐步收斂的趨勢不會(huì)有變化。如果它想要執(zhí)行軟硬一體的戰(zhàn)略打造更深的護(hù)城河，一方面是需要預(yù)期的客戶數(shù)量及利潤的足以覆蓋軟硬一體的成本，另一方面就是如何降低進(jìn)入該領(lǐng)域的認(rèn)知壁壘。最簡單的方式就是我們之前所述的行業(yè)內(nèi)大部分領(lǐng)先Tier1所采用的“輕軟硬一體”策略，即綁定某一家芯片廠商深度合作。而如果計(jì)劃自研芯片，最好的時(shí)機(jī)則是在該領(lǐng)域由于算法的變化導(dǎo)致芯片架構(gòu)需要有重大調(diào)整的時(shí)候——這樣，一方面可以通過自身軟件Tier1的位置獲得新算法的相關(guān)信息，另一方面行業(yè)內(nèi)已有的芯片巨頭很難以同樣的速度在產(chǎn)品及市場上有所反應(yīng)。4.3端到端算法對軟硬一體未來趨勢的影響從2024年開始，端到端算法在自動(dòng)駕駛行業(yè)的應(yīng)用已成為共識(shí)。但目前行業(yè)內(nèi)對于端到端的整體路線圖及實(shí)現(xiàn)方案的認(rèn)知仍未達(dá)到統(tǒng)一。作為行業(yè)的先行者，特斯拉的端到端方案仍然存在大量的cornercase無法解決，有很多的進(jìn)步和優(yōu)化在行業(yè)對于算法尚未形成統(tǒng)一認(rèn)知的情況下，采用GPU方案的英偉達(dá)受益于GPU的通用性，可以直接通過簡單粗暴地增加算力的方式來適配新的端到端算法需求；而對于一眾專用型芯片，為了保證專用型芯片能夠滿足新算法需求，維3434持自身競爭力，最佳策略就是研發(fā)SOTA算法并引領(lǐng)行業(yè)標(biāo)準(zhǔn)，這樣就可以保證針對自己算法優(yōu)化的芯片設(shè)計(jì)在行業(yè)范圍內(nèi)足夠通用。從這個(gè)角度來講，在端到端算法上有較好技術(shù)積累的芯片廠商在前期會(huì)占據(jù)優(yōu)勢。不過，由于芯片從設(shè)計(jì)到最終量產(chǎn)至少需要兩年時(shí)間，而目前端到端的發(fā)展和迭代速度極快，遠(yuǎn)小于這個(gè)周期，所以目前在端到端算法上有優(yōu)勢的芯片廠商是否能夠“笑到最后”仍然存在變數(shù)。此外，由于端到端算法對于數(shù)據(jù)量及數(shù)據(jù)鏈路的依賴性遠(yuǎn)大于上一代的自動(dòng)駕駛算法，因此，芯片廠商通過生態(tài)提供的端到端解決方案是否能夠在量產(chǎn)車上持續(xù)有好的表現(xiàn)，也很大程度取決于整車廠的數(shù)據(jù)鏈路是否健全，以及量產(chǎn)后的數(shù)據(jù)量是否充足。4.4艙駕一體對軟硬一體未來趨勢的影響由于在成本、資源整合等方面的優(yōu)勢，艙駕一體正成為行業(yè)里的很多玩家都在探索的方向，接下來幾年會(huì)有越來越多的整車廠去做這類跨域融合的量產(chǎn)。目前行業(yè)內(nèi)的艙駕一體解決方案更多是基于oneboardtwochip的域控方案，其最終會(huì)發(fā)展為oneboardonechip的集中模式。目前行業(yè)內(nèi)提及支持艙駕一體的芯片主要是英偉達(dá)和高通的兩款大算力芯片Thor以及驍龍RideFlux，在市場上能夠支持跨域融合的芯片非常少且大家從底層架構(gòu)層面差別較大的情況下，整車廠在選擇跨域融合方案時(shí)，仍然需要先關(guān)注芯片型號(hào)，然后，才敲定能跟該芯片綁定比較深、能夠提供較好解決方案的算法供應(yīng)商。這也就意味著如果艙駕一體能按照行業(yè)的預(yù)期逐步落地，在落地早期，行業(yè)內(nèi)玩家仍需遵從軟硬一體策略（無論是芯片廠商直接下場做解決方案的“重軟硬一體”，還是由深入綁定該芯片的Tier1來進(jìn)行開發(fā)的“輕軟硬一體”），在很長一個(gè)階段內(nèi)行業(yè)內(nèi)的玩家仍然會(huì)以軟硬一體策略為主導(dǎo)。4.5具身賽道軟硬一體的未來趨勢從技術(shù)層面，具身智能與自動(dòng)駕駛在技術(shù)棧上的融合已是非常明顯的趨勢。我們可以看到如特斯拉，小鵬等整車廠目前也在發(fā)展具身領(lǐng)域作為第二曲線。那么具身賽道是否也會(huì)如自動(dòng)駕駛一樣，在商業(yè)化早期更推崇軟硬一體的商業(yè)模式？目前具身賽道的所有玩家都在基于英偉達(dá)芯片進(jìn)行算法開發(fā)，屬于“輕軟硬一體”的邏輯。根據(jù)我們之前探討的標(biāo)準(zhǔn)，目前在具身賽道雖然大家采用的技術(shù)棧細(xì)節(jié)不同，但是整體同質(zhì)化比較嚴(yán)重，一種是基于模仿學(xué)習(xí)（ImitationLearning）的端到端VLA大模型，另一種是基于大腦(VLM)+小腦(MPC等控制技術(shù))的方案，存在較為明顯的技術(shù)框架趨同性。當(dāng)機(jī)器人跟其他與之共享同35一款芯片的產(chǎn)品的總出貨量（或者預(yù)期出貨量）可以覆蓋“重軟硬一體”的成本時(shí)，具身公司就可能會(huì)走上“重軟硬一體”的道路。事實(shí)上，目前特斯拉通過共用FSD芯片已經(jīng)執(zhí)行了這個(gè)策略。如果人形機(jī)器人的技術(shù)棧和模型能夠和自動(dòng)駕駛領(lǐng)域融合，那么具身賽道也會(huì)遵循自動(dòng)駕駛領(lǐng)域的特點(diǎn)：一方面，完成低階任務(wù)的機(jī)器人會(huì)快速進(jìn)入“重軟硬一體”的生態(tài)并得以保持（若機(jī)器人公司體量較小，有可能軟件和算法都由供應(yīng)商提供另一方面則是針對高階的人形機(jī)器人領(lǐng)域，非行業(yè)頭部的公司會(huì)在短期采用“輕軟硬一體”的方案獲得較好的生態(tài)位，并在芯片算力大大超越算法需求、且有多家芯片廠商的產(chǎn)品可滿足算法的需求后開始逐步進(jìn)行軟硬解耦。4.6趨勢總結(jié)綜上，盡管行業(yè)里的每家公司在不綜上，盡管行業(yè)里的每家公司在不同階段都存在是否執(zhí)行軟硬一體策略的抉擇，但是其對條件、時(shí)機(jī)的判斷仍是緊緊圍繞著我們提出的三條標(biāo)準(zhǔn)進(jìn)行。軟硬一體和軟硬解耦都有自身的優(yōu)缺點(diǎn)，而哪一種策略能夠成為行業(yè)主流主要取決于當(dāng)時(shí)的產(chǎn)業(yè)格局及公司當(dāng)前的發(fā)展階段。從產(chǎn)品性能和研發(fā)效率層面考慮，28位受訪專家中有17位認(rèn)為，軟硬一體方案能夠最大程度地挖掘硬件及軟件潛力；同時(shí)，軟硬一體設(shè)計(jì)能夠優(yōu)化系統(tǒng)性能，提高效率，通過定制化的硬件設(shè)計(jì)來最大化軟件功能，進(jìn)而在某些情況下減少中間環(huán)節(jié)，達(dá)到降低成本的效果。其余11位受訪專家則認(rèn)為，軟硬件一體并不是最優(yōu)方案，僅僅是目前智能駕駛發(fā)展到現(xiàn)階段的一個(gè)折中選擇。具體地說，由于自動(dòng)駕駛算法及芯片適配難度大、系統(tǒng)集成要求嚴(yán)格、對安全性和實(shí)時(shí)性需求高，軟硬一體就成為了一種現(xiàn)實(shí)且必要的折中方案。3636進(jìn)一步，可以分別從硬件和軟件的技術(shù)層面來看各自的趨勢：電子電氣架構(gòu)將會(huì)動(dòng)態(tài)趨同并標(biāo)準(zhǔn)化：隨著汽車智能化、網(wǎng)聯(lián)化的發(fā)展，電子電氣架構(gòu)（E/E架構(gòu)）逐漸從分布式向集中式轉(zhuǎn)變，區(qū)域控制+中央計(jì)算的架構(gòu)成為主流趨勢。盡管各廠家在具體實(shí)現(xiàn)上可能有細(xì)微差異，但總體架構(gòu)趨勢顯示了行業(yè)向更高效、集成化方向的動(dòng)態(tài)趨同。行業(yè)競爭體系最終會(huì)篩選出成本效果最優(yōu)的統(tǒng)一架構(gòu)。軟件解決方案的趨同性：隨著軟件定義汽車（SDV）時(shí)代的到來，基礎(chǔ)軟件框架、中間件、開發(fā)工具鏈以及云服務(wù)的標(biāo)準(zhǔn)化、平臺(tái)化趨勢日益明顯。例如，AUTOSARAdaptivePlatform的推廣、OTA（Over-The-Air）更新策略、以及基于云的軟件開發(fā)和模擬測試平臺(tái)的廣泛應(yīng)用，都在推動(dòng)著軟件解決方案的相似性，使得不同廠商的軟件開發(fā)流程和基礎(chǔ)架構(gòu)更加一致。算法與分層架構(gòu)的多樣性：盡管硬件及底層軟件可能存在趨同的趨勢。算法層面，特別是核心的智能算法和應(yīng)用層，由于其與特定應(yīng)用場景、企業(yè)技術(shù)積累和戰(zhàn)略選擇緊密關(guān)聯(lián)，仍然展現(xiàn)出較高的多樣性。例如，自動(dòng)駕駛領(lǐng)域中，算法的優(yōu)化往往與感知、決策、規(guī)劃支持的具體功能定義緊密相關(guān)。每家公司的功能定義不同，導(dǎo)致算法最終實(shí)現(xiàn)上存在差異。不同的神經(jīng)網(wǎng)絡(luò)模型、訓(xùn)練數(shù)據(jù)集都會(huì)對最終算法性能產(chǎn)生顯著影