广告
算力功耗仍是高级别智能驾驶重大挑战
2021-12-20 14:37:15· 来源：赛博汽车
自动驾驶企业越来越“脚踏实地”，商业化落地大幕逐步开启。作者 | 章涟漪“从算力上来看，当前领先的半导体公司如英伟达、英特尔和高通，包括国内的一些芯片公
自动驾驶企业越来越“脚踏实地”，商业化落地大幕逐步开启。
作者 | 章涟漪
“从算力上来看，当前领先的半导体公司如英伟达、英特尔和高通，包括国内的一些芯片公司，已发布具有足够支撑L4级别自动驾驶的算力的产品。但算力功耗仍然是一个非常重大的挑战，已发布的L4 级自动驾驶芯片需消耗约1千瓦电力。”
2021年12月18日，《电动汽车观察家》和《赛博汽车》联合主办的2022电观大会在线上举办。会上，罗兰贝格合伙人袁文博在演讲中提及上述内容。他认为，自动驾驶行业目前已达到技术路线图的关键里程碑，但还未达到商业化拐点。【会议视频回放可在《赛博汽车》公众号后台获取，回复：电观大会2022】
除此之外，袁文博还结合政策、消费者、技术、生态圈等多角度，就智能驾驶发展现状与趋势、智能驾驶生态化演进，以及智能驾驶产品化落地趋势等进行了详细的介绍。
01、2025年L4+L3比例将超过20%
自动驾驶经历了近10年高速发展，经历了“资本的狂欢”，也经历了第一次“期望的幻灭”。”袁文博指出，过去的发展和经历也让自动驾驶产业链各类型玩家在“仰望星空”的同时，越来越“脚踏实地”，商业化落地大幕逐步开启。
Δ 自动驾驶投资数量呈现阶段性特性
“实际上，自动驾驶的投资数量是阶段性的，最早大概在2017年至2018年达到高峰，进入膨胀期。”袁文博认为，自动驾驶落地离不开新能源市场的发展，单靠一条赛道，可能没办法将商业模式跑通。
而随着自动驾驶赛道逐步落地，进入生态构建环节，不止初创公司，越来越多的包括主机厂、零部件等公司，也在加大投入。从数据来看，今年我国智能网联（包括L1和L2）功能新车渗透率比例，已经接近50%。
在袁文博看来，5G技术的广泛应用、人工智能技术提升、大数据技术的普及与新能源汽车的市场涌入，推动了中国智能网联市场的高速拓展。因此，袁文博预判，到2025年，L4+L3的比例将超过20%。
Δ 今年我国L1+L2级新车渗透率接近50%
罗兰贝格对未来智能驾驶的发展充满信心。
首先，从政策角度来看，全球范围内自动驾驶相关政策都在逐步开放并支持商业化落地。而中国，无论是国家层面，还是广州、北京、上海等地方政府，都制定了车联网建设相关指南。国家层面加强顶层设计，地方层面强化政策供给，企业层面打造产品供应，呈现三级联动的发展态势。
“自动驾驶从政策上来说，国家也给了一个非常明确的目标。”袁文博指出，中国已通过顶层规划设立了到2025年实现L4级别自动驾驶的目标，国务院总领自动驾驶产业实现，各部委基于各自职能设立具体的自动驾驶产业目标。整体而言，中国L4级别自动驾驶预计在2025年实现初步商业化。
其次，从消费者角度来看，全球消费者对于以Robotaxi为代表的高级智能驾驶商业化应用的偏好在过去几年逐步上升，中国消费者的积极程度尤为突出。
Δ 中国消费者对Robotaxi接受度最高
“罗兰贝格通过历年调研对比发现，中国消费者对Robotaxi偏好是最高的，能达到80%以上，尤其到是2020年达到87%的比例。”袁文博表示，中国消费者相比欧美等国家，更愿意尝试Robotaxi。
再次，从技术角度来看，罗兰贝格根据全球汽车相关技术专利追踪分析表明，智能驾驶相关的专利占比近年来不断上升，凸显产业在技术层面的不断突破探索。
以算力作为比较，L4级自动驾驶汽车的算力大约需要300–1000TOPS，L5级自动驾驶汽车的算力大约需要2000–4000TOPS，而当前领先的半导体公司(如英伟达、英特尔和高通)，包括国内的一些芯片公司已发布具有足够支撑L4级别自动驾驶的算力的产品。
不过，袁文博提出了另一个问题：能耗。他指出，算力功耗仍然是一个非常重大的挑战，已发布的L4级自动驾驶芯片需消耗约1千瓦电力。因此在他看来，目前已达到技术路线图的关键里程碑，但还未达到商业化拐点。
Δ 我国自动驾驶基础设施建设发展迅速
最后，从基础设施角度来看，全球范围内的路测进度在过去5年进展重大，我国已迅速发展至世界领先水平，这将为自动驾驶商用进一步提供坚实保障。
02、一级供应商存在本土替代趋势
在讨论智能驾驶生态化演进前，袁文博先为大家描绘了一幅：2035年以后的产业格局。在其中可以发现，自动驾驶汽车将逐步走向主流，L4/L5高等级自动驾驶渗透率提升。届时，汽车产业将形成完全以用户出行诉求为核心的四大圈层全新生态体系，而自动驾驶作为最具颠覆性的技术将贯穿其中。
Δ 罗兰贝格“2035年及以后的产业终局”
第一层是出行层，短期内私家车的智能化提升将在泊车、高速等场景下率先落地，长期Robotaxi将颠覆出行；第二层是载体层，整车的研发制造和零部件的生产，必须考虑自动驾驶的影响，而产品化落地将成为关键；第三层是服务层，基于高级自动驾驶的数据、安全、平台和应用等要素将进一步丰富服务；第四层是基建层，地图与通信将保障高级别自动驾驶的充分冗余，而自动驾驶将反哺交通，行车绿色智慧交通体系。
上述圈层内主要有五大生态玩家，包括出行服务提供商、整车制造企业、零部件供应商、交通基建服务商，以及互联网巨头。各圈层玩家开始以终为始加速布局，而考虑到自动驾驶技术之复杂与投入之巨大，生态体系的构建成为各玩家自动驾驶商业化演进的必然选择。
以出行服务提供商为例。袁文博指出，在与多家公司交流后发现，出行服务提供商其实有三个大的转变。一是在不断找场景，不再单纯把道路作为唯一的目标，包括矿山、港口、机场等都是自动驾驶场景，且对本土公司优势更大，因为这些地方本身有一定的数据敏感性。
二是业务范围和对象也在不断拓展，除了一些特殊场景，新零售等也进入了自动驾驶公司的思考范围。比如新石器开始提供无人车餐食服务等，这意味着其不仅仅基于原有2B场景设计，还关注到C端市场。
三是很多数据服务商与主机厂等，有了更大程度业务上的合作。
Δ 车企已经把生态体系建设作为战略发展方向
谈到整车制造企业的战略，袁文博认为传统的OEM，包括国内这些主机厂都在往生态战略上去做转移。无论是长城的咖啡智能生态联盟、还是奇瑞的icar生态、东风构建生态业务群等。
从另一个角度看，在生态圈的构架之下，主机厂和供应商的关系有一个新的演变。“我们发现，纵目和长安的合作是全方位长期的，而不再单是一个传统项目。”袁文博表示，生态体系建设已成为整车企业的战略发展方向，借助产品的核心载体优势地位，整车企业积极扩张朋友圈，共创生态商业模式，实现共赢。
考虑到自动驾驶商业化挑战，不同玩家通过技术合作的形式实现能力互补，并整体加速自动驾驶的商业化。以一级供应商为例，自动驾驶实力雄厚的一级供应商主导发起自动驾驶合作联盟，其中博世也在搭建自己的生态，其自动驾驶解决方案得到了主机厂、芯片供应商、通讯服务商等的合作；其他供应商则积极寻求同其他公司开展合作，以避免商业落后。
同时，袁文博指出，智能汽车时代为国内的一级供应商提供了更多的机会。一方面，下游不管是造车新势力，还是传统自主汽车品牌都在不断的发展；另一方面中国本身在电子，包括激光雷达、毫米波雷达等传感器行业中迅速的追赶，未来一级供应商存在本土取代海外的趋势。
而在基础设施服务商这一块，袁文博称，在依靠自身过往积累进行生态圈渗入的同时，也应与其他新进入玩家求同存异，在国家及产业引导下合力完善基建层生态体系。
Δ 基础设施服务商也在积极完善相关生态建设
他举例称，博世、奔驰和停车场运营商Apcoa在德国斯图加特机场推出无人驾驶全自动停车服务”，就停车场运营方而言，布局AVP/ANP等自动驾驶场景可降低成本、提升效率、增加收入：缩短泊车间距，提升20%停车场空间利用率；可实现停车场统一数字化管理和调度，降低停车场运营成本；可帮停车场引流，吸引更多车辆停放；可增加单次停车收入，并增加洗车、保养等增值服务。
与此同时，面对蓬勃发展的汽车生态，互联网玩家跨界参与并通过流量优势、资源协同、中台能力等快速跑马圈地，逐步进行深度布局。袁文博认为，包括百度等互联网企业对自动驾驶的发展也起到很重要的作用。
03、2025年之前停车场景会不断发展
针对智能驾驶产品化落地，罗兰贝格做了一个时间图。它认为，在2025年之前，停车场景会不断发展；在2028年到2030年之间，结构化道路有望能看到Robotaxi更大规模使用；2030年以后，无人驾驶会向更多城市道路，很多场景延伸。
“大家都知道有渐进路线和跨越式路线，今天在我看来这两线需要有效的融合的。”在袁文博看来，大家发展到一定程度会发现，一些算法固然很重要，但是真正基于海量交通数据进行算法的演练和训练，可能才是最关键的。所以，这也是为什么我认为中国自动驾驶公司离不开与OEM的合作，OEM本身也可以去拥抱生态。
Δ L4级将率先通过自主泊车等场景落地
目前，2025年L4级别的商业化已被众多玩家作为目标，从具体规划、技术难度和性价比角度看，自主泊车和结构化道路无人驾驶均最有可能率先落地。
从主机厂已公开的规划看，广汽、博世等均以自主泊车或结构化道路的无人驾驶作为L4的突破口；从技术角度看，结构化道路和自主泊车均具备几何构建简单、突发路况少等特征，环境相对安全，技术实现难度较开放城市道路场景低；从场景覆盖角度看，泊车及结构化道路占据超过70%的用车场景，商业化性价比高。
自主泊车存在单车智能和车场协同两种模式，地图定位、安全性、场景覆盖性等关键技术为国内车企短期内实现商业化的关键因素。
袁文博指出，在2025年前后，在复杂城市路况中占据了大多数出行里程的结构化道路也有望初步实现无人驾驶，以高架、高速、封闭园区等场景为主。
他认为，结构化道路主要有三个特征：信号灯及道路标识遵循统一规则，异型车及非标出行者较少，因此道路几何特征易识别，便于高精地图建模；道理基础设施良好，路侧单元容易架设及维护，易通过路基设备升级实现路车协同；交通参与者相对固定且遵守规则，突发异常情况较少，便于自动驾驶车辆规避危险隐患。
Δ 结构化道路有三个特征
不过，袁文博也表示，结构化道路无人驾驶也面临着三个主要痛点和挑战。一是真实多变环境下的动态目标识别。真实行驶过程中存在恶劣气候、行驶路线上光照强度变化、能见度突变等因素，对车辆传感器识别道路其他参与者造成困难。同时，即使标识规范的结构化道路也会因老化而导致几何特征难以被正确识别，两者均需通过提升感知算法精度解决长尾问题。
二是多传感器的融合。当自动驾驶传感器出现故障后，需有设备/算法实现冗余，然而过度布置车端、路侧传感/计算设备将大幅增加成本1)，如何在低成本下保障安全存在挑战。同时在多模态驾驶任务下，不同传感器间协同工作错综复杂，且采样数据存在冲突时该需通过合理机制进行准确性加严，对传感-决策策略的设计带来了难度。
三是发生车祸后的伦理及法律责任主体。无人车辆驾驶中的行动者由司机变成了机器，但机器又不具备人类的能动性和反思性，因此在发生车祸后，无法作为社会行动者被法律及道德追责。
袁文博指出，目前主流法规中，德国主张驾驶监督人负责，但难以适用高级别自动驾驶；美国主张车辆制造商负责，但在庞大的软硬件供应链路中找到明确的责任公司存在困难，未来路线有待进一步观察。
广告 
广告
编辑推荐
最新资讯
-
荷兰Zepp氢燃料电池卡车-Europa
2024-12-22 10:13
-
NCACFE -车队油耗经济性报告（2024版）
2024-12-22 10:11
-
R54法规对商用车轮胎的要求（上）
2024-12-22 10:10
-
蔚来ET9数字架构解析
2024-12-22 09:53
-
4G/5G网络新时代的高效紧急呼叫系统NG-eCal
2024-12-20 22:33
广告
广告
