华为：智能汽车可发挥传统汽车产业的优良基因 | GIV 2020

华为：智能汽车可发挥传统汽车产业的优良基因 | GIV 2020

• 来源:网络
• 更新日期:2020-08-24

摘要：雷锋网按：8 月 22 日，第三届全球智能汽车前沿峰会（GIV 2020）在广州隆重召开。在大会下午的主题论坛中，华为智能汽车解决方案 BU MDC 营销总监汪意革带来了主题为《用汽车工业平台

雷锋网按：8 月 22 日，第三届全球智能汽车前沿峰会（GIV 2020）在广州隆重召开。

在大会下午的主题论坛中，华为智能汽车解决方案 BU MDC 营销总监汪意革带来了主题为《用汽车工业平台化模式促进智能驾驶产业健康发展》的演讲，与参会者分享了华为对自动驾驶以及未来智能驾驶产业链分工的思考。

事实上，在探讨智能汽车之前，汪意革首先提到了智能手机，他提到，近十年来，每一个人的生活都被智能手机深刻地影响并改变了——这也释放出一个强烈的信号：智能化是一种趋势。

汪意革说道：

产业界现在很多人在讲，架构定义汽车、软件定义汽车，其实本质上是用户需求在定义汽车。手机如此，汽车也是如此。用户的需求在哪里，技术就应该往哪里发展、产业就应该往哪里发展。

自动驾驶的三大场景及其发展路径

从时间上来说，传统汽车已然拥有一百多年的历史，因此，在制造技术、商业模式等方面已十分发达成熟。汽车的出现无疑改变了人们的出行方式，每一次迭代，也在一定程度上促进了社会向前进步。

然而，汽车的发展也面临一些深层次问题。比如使用率低（车主只是上下班使用下汽车，其他绝大部分时间车辆都停在车库）、单次出行成本高等。再比如汽车定位的变化，目前已逐步从传统的交通工具向智能移动空间演进，需要通过底层硬件的平台化和软件的 OTA 升级能力，持续给用户带来更优良的使用体验。

这些问题都催促着汽车产业朝着更加智能的方向发展。不过，智能驾驶是一个非常宽泛的议题，包括自动驾驶、智能网联等方面。

从华为的角度来看，自动驾驶主要可以分成三大类场景：作业车、商用车、乘用车。

作业车的道路场景相对简单、路况可控，速度较低，主要作为生产工具而存在。

商用车的场地和线路相对可控，安全影响较小，与作业车一样可以看作是生产工具。

乘用车则完全是另外一种情况，其驾驶场景非常复杂，速度可变性高，尤其高速驾驶很容易涉及安全问题；另外，用户对驾乘体验也有追求。

汪意革表示：

我们看到了不同的需求，这些需求使得整个产业的发展面临来自多个维度的影响，我们将其称之为「智能驾驶七维函数」，这些维度包括场景、道路、线路、路况、速度、安全、属性。

由于不同的影响因素会催生不同场景，因此，要在这些不同的场景下发展智能驾驶就需要采用不同的技术路径。针对不同场景下的智能驾驶发展路径，华为方面认为主要可以分为两类：

第一类包括作业车和商用车，它们的发展路径主要是跨越式。

第二类是乘用车的发展路径更可能是渐进式。

具体来说，作业车和商用车作为生产工具，主要的目标就是为了提升效率和降低成本，最终代替人类司机，从这个角度来看，作业车和商用车可以从 L2 直接向 L4 演进；相比之下，乘用车与人的生命安全密切相关，加之现在的技术、政策法规、社会伦理等还处在发展和变化过程当中，人对自动驾驶的接受程度也还有待提高。

但无论如何，第一类与第二类最终都会实现真正的 L5 级的自动驾驶。

由于智能驾驶是资本密集型、技术密集型、产业链密集型的产业，所以政府的引导作用至关重要。目前，国内已经建立了 20 多个智能网联示范区。

汪意革强调，政府可以在基础设施建设上提供政策层面的指导和技术上的探索。而在市场需求上，乘用车、作业车和商用车可以根据各自的路径持续向前发展。他进一步补充：

智能驾驶产业依赖于政策协同与市场需求的双轮驱动 , 只有这样，智能驾驶产业才能走得既快又稳。

发挥汽车产业的平台化优势

事实上，汽车是一个规模化工业，量产是其前提条件。在传统的汽车产业中，平台化是一个巨大的优势。通过这一优势，车企可以使用同一个平台来生产不同的车型，最大程度摊薄成本，甚至不同车企之间也会共用一些平台来分摊研发成本。

这种平台化的思维使得接口和零部件变得更加标准化和通用化，整体降低研发与制造成本。

对于智能驾驶产业来说也面临着同样的问题。比如说现在的 ADAS 分布式架构，在汪意革看来，这是一种 烟囱式 的架构，其决策、感知、计算是独立的，这就导致了软件和硬件资源无法共享、使用效率低。

更关键的是，这种分布式架构无法向 L2、L3、L4 等更高级别的自动驾驶功能演进。

因此，汪意革认为，未来，集中式的计算架构材质主流。通过集中式的计算平台，实现上层应用功能的持续新增、优化与迭代，并且通过 OTA 升级的方式，给用户带来常用常新的使用体验。

而且，智能驾驶的计算平台非常复杂，涉及到云、芯片、中间件、操作系统、移动通讯等技术；算法也会涉及聚类算法、机器视觉、深度学习算法、强化学习算法等。总之，技术堆栈非常之厚。

根据汽车工业的发展规律，越是复杂的系统，越是需要平台化，在摊薄成本的基础上保障规模化生产的质量一致性——过去汽车工业的底盘平台、发动机平台的成功经验已经证明了这一点。

汪意革说道：

在智能驾驶计算平台上，我们应该延用平台化这种优良的模式。

而且，根据汪意革的说法，对智能驾驶计算平台进行平台化有更多的好处。主要有两大方面：

第一，可以有更灵活的选择。基于这个平台，智能驾驶的感知、融合、定位、决策、规划、控制等功能可以进行解耦。解耦完之后，车企可以积累一定的核心规控能力；而感知和融合等非车企的强项，车企则可以有针对性的来选择这一方面的合作伙伴。

第二，基于同一平台打造不同车型可大大提升研发效率，同时有助于部门内部技术语言的统一，加快产品的上市时间，实现异步研发等。

未来智能驾驶产业链分工

智能驾驶是一个全新的产业，整个产业链面临重构。汪意革也向大家分享了华为对于未来整个智能驾驶产业链分工的畅想：

智能驾驶研发中心下可以设立场景应用部门、功能软件平台部门、算法部门和集成测试部门。其中，算法部可以通过自研和外购的方式来构建产业链，比如说决策、规划和控制可能由车企自己研发，而感知、融合、定位等功能可以通过外购第三方技术。

具体来说，传统车企拥有有大量的底盘性能、悬架性能、操控稳定性、行驶平顺性等历史数据。汪意革认为，这可以看作是一个先天优势——传统车企可以通过这些数据来建立仿真系统，进行集成测试与仿真，然后再逐步加强决策、规划、控制方面的技术，最后通过已有的整车集成测试能力来实现 四位一体 良性循环，真正打造具有差异化、个性化竞争力的智能汽车产品。

不过，智能驾驶计算平台则不是车企的强项。这一领域的玩家主要是 IT 公司和 AI 公司。根据汪意革的说法：

AI 公司应该遵从当前业界现有的传感器接口标准、执行器接口标准，以及物理工程和信息安全方面的标准。基于此再对外开放 OS 和中间件 API 接口，最终建立功能软件平台生态。

功能软件平台生态的构建可以在极大程度上促进产业链的精细化分工和协作，各参与方聚焦各自所长。比如 AI 公司可以聚焦于感知、融合算法组件，而车企则可以聚焦于决策、规划和控制算法组件。

总结

华为认为，汽车工业平台化可以给主机厂更灵活的选择和更大的创新空间，而汽车工业的专业化分工模式可以促进整个智能驾驶产业聚焦所长。比如车企聚焦于决策、规划、控制等核心能力，并与产业链中传感器、执行器、应用算法等生态伙伴密切合作，共同打造智能驾驶解决方案。

雷锋网雷锋网