华为：智能汽车可发挥传统汽车产业的优良基因 | GIV 2020

雷锋网(微信官方账号:雷锋网)记者:8月22日，第三届全球智能汽车前沿峰会(GIV 2020)在穗举行。

在大会下午的主题论坛中，华为智能汽车解决方案BU MDC市场总监王一戈做了题为“以汽车行业平台模式推动智能驾驶行业健康发展”的演讲，并与与会者分享了华为对自动驾驶的思考以及未来智能驾驶产业链的分工。

其实在讨论智能汽车之前，王一戈首先提到的就是智能手机。他提到，在过去的十年里，每个人的生活都被智能手机深深影响和改变——这也释放了一个强烈的信号:智能化是一种趋势。

王一戈说道:

很多业内人士都在说，架构定义汽车，软件定义汽车。其实是用户的需求定义了汽车。手机如此，汽车也是如此。用户的需求在哪里，技术就应该发展，产业就应该发展。

自动驾驶的三个场景及其发展路径

从时间上来说，传统汽车已经有100多年的历史，所以在制造技术和商业模式上都非常发达和成熟。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推动了社会的进步。

然而，汽车的发展也面临一些深层次的问题。比如利用率低(车主只是上下班用车，大部分时间车辆停放在车库)，单次出行成本高。再比如汽车定位的变化，从传统交通工具逐渐演变为智能移动空间。它需要通过底层硬件的平台化和软件的OTA升级能力，带给用户更好的体验。

所有这些问题都促使汽车工业向更智能的方向发展。但是智能驾驶是一个非常宽泛的话题，包括自动驾驶和智能网联。

从华为的角度来看，自动驾驶主要可以分为三类:工作用车、商用车和乘用车。

工作车的道路场景比较简单，路况可控，速度较低，主要作为生产工具存在。

商用车的站点和路线相对可控，安全影响小，可以和工作用车一样，视为生产工具。

乘用车则完全不同，其驾驶场景非常复杂，速度可变性高，尤其是高速行驶，容易涉及安全问题；此外，用户对驾驶体验也有追求。

王一戈说道:

我们看到了不同的诉求，使得整个行业的发展面临着来自多维度的影响。我们称之为“智能驾驶七维功能”，这些维度包括场景、道路、路线、路况、速度、安全、属性。

因为不同的影响因素会催生不同的场景，所以在这些不同的场景下，需要采用不同的技术路径来发展智能驾驶。根据智能驾驶在不同场景下的发展路径，华为认为主要可以分为两类:

第一类包括工作车和商务车，发展路径主要是跳跃式的。

第二类是乘用车的发展路径更可能是渐进式的。

具体来说，作为生产工具，工作车和商用车主要是为了提高效率和降低成本，最终取代人类驾驶员。从这个角度来看，工作车和商用车可以直接从L2进化到L4。相比之下，乘用车与人们的生命安全息息相关，目前的技术、政策法规、社会道德规范仍处于发展变化过程中，人们对自动驾驶的接受程度有待提高。

但无论如何，第一类和第二类最终都会实现真正的L5级自动驾驶。

因为智能驾驶是一个资金密集、技术密集、产业链密集的行业，政府的引导作用非常重要。目前，中国已经建立了20多个智能网联示范区。

王一戈强调，政府可以在基础设施建设方面提供政策指导和技术探索。在市场需求方面，乘用车、作业车、商用车可以继续按照自己的路径发展。他进一步补充道:

智能驾驶产业有赖于政策协调和市场需求的双轮驱动。只有这样，智能驾驶行业才能走得又快又稳。

充分发挥汽车产业的平台优势

其实汽车是一个大规模的产业，量产是它的前提。在传统汽车行业，平台化是一个巨大的优势。通过这种优势，车企可以用同一个平台生产不同的车型，成本会得到最大程度的摊薄。甚至不同的汽车公司也会共享一些平台来分担R&D成本。

这种基于平台的思想使得接口和组件更加标准化和通用化，整体上降低了R&D和制造成本。

智能驾驶行业也面临着同样的问题。比如在王一戈看来，ADAS分布式架构是“烟囱”架构，决策、感知、计算都是独立的，导致软硬件资源无法共享，效率低下。

更重要的是，这种分布式架构无法进化到更高级别的自动驾驶功能，如L2、L3和L4。

所以王一戈认为，未来，集中式计算架构将是主流。通过集中计算平台，实现上层应用功能的不断添加、优化和迭代，通过OTA升级，给用户带来共同的、全新的体验。

而且智能驾驶的计算平台非常复杂，涉及云、芯片、中间件、操作系统、移动通信等技术。算法也会涉及到聚类算法，机器视觉，深度学习算法，强化学习算法等等。简而言之，技术栈很厚。

按照汽车行业的发展规律，越复杂的系统越需要平台化，这样才能在摊薄成本的基础上保证规模化生产的质量一致性。以往汽车行业底盘平台和发动机平台的成功经验已经证明了这一点。

王一戈说道:

在智能驾驶计算平台上，要延伸平台化的优秀模式。

而且据王一戈介绍，将智能驾驶计算平台平台化，好处更多。主要有两个方面:

首先，可以有更灵活的选择。基于该平台，智能驾驶的感知、融合、定位、决策、规划、控制等功能可以解耦。d之后……耦联，车企可以积累一定的核心监管能力；对于感知、整合等非车企的强项，车企可以有针对性地选择这方面的合作伙伴。

第二，基于同一个平台构建不同的模型，可以大大提高R&D的效率，同时有助于统一部门内部的技术语言，加快产品的上市时间，实现异步研发

未来智能驾驶产业链分工

智能驾驶是一个全新的行业，整个产业链面临重构。王一戈还分享了华为对整个智能驾驶产业链未来分工的想象:

智能驾驶R&D中心可设立场景应用部、功能软件平台部、算法部、综合测试部。其中算法部门可以通过自研和外包的方式打造产业链。比如决策、规划、控制可能由车企自己开发，而感知、整合、定位等功能可以外包给第三方技术。

具体来说，传统车企有大量的底盘性能、悬挂性能、操纵稳定性、乘坐舒适性等历史数据。王一戈认为，这可以算是一种先天优势——传统车企可以通过这些数据构建仿真系统，进行集成测试和仿真，然后逐步强化决策、规划和控制的技术，最终通过现有的整车集成测试能力实现“四位一体”的良性循环，真正打造出具有差异化、个性化竞争力的智能汽车产品。

但是，智能驾驶计算平台并不是车企的强项。这个领域的玩家主要是IT公司和AI公司。据王一戈说:

AI公司应遵守现有的传感器接口标准、执行器接口标准、物理工程和信息安全标准。基于此，OS与中间件API的接口将对外开放，最终建立起功能性的软件平台生态。

功能软件平台生态的构建，可以极大地促进产业链的精细分工与合作，各参与者各有侧重。例如，AI公司可以专注于感知和融合算法组件，而车企可以专注于决策、规划和控制算法组件。

摘要

华为认为，汽车行业的平台化可以给OEM厂商更灵活的选择和更大的创新空间，而汽车行业的专业化分工模式可以促进整个智能驾驶行业集中优势。比如，车企聚焦决策、规划、控制等核心能力，与产业链上的传感器、执行器、应用算法等生态伙伴紧密合作，共同打造智能驾驶解决方案。

雷锋。com

雷锋的原创文章。未经授权，禁止转载。详见转载说明。雷锋网(微信官方账号:雷锋网)记者:8月22日，第三届全球智能汽车前沿峰会(GIV 2020)在穗举行。

在大会下午的主题论坛中，华为智能汽车解决方案BU MDC市场总监王一戈做了题为“以汽车行业平台模式推动智能驾驶行业健康发展”的演讲，并与与会者分享了华为对自动驾驶的思考以及未来智能驾驶产业链的分工。

其实在讨论智能汽车之前，王一戈首先提到的就是智能手机。他提到，在过去的十年里，每个人的生活都被智能手机深深影响和改变——这也释放了一个强烈的信号:智能化是一种趋势。

王一戈说道:

很多业内人士都在说，架构定义汽车，软件定义汽车。其实是用户的需求定义了汽车。手机如此，汽车也是如此。用户的需求在哪里，技术就应该发展，产业就应该发展。

自动驾驶的三个场景及其发展路径

从时间上来说，传统汽车已经有100多年的历史，所以在制造技术和商业模式上都非常发达和成熟。汽车的出现无疑改变了人们的出行方式，每一次迭代也推动了进步……社会在一定程度上。

然而，汽车的发展也面临一些深层次的问题。比如利用率低(车主只是上下班用车，大部分时间车辆停放在车库)，单次出行成本高。再比如汽车定位的变化，从传统交通工具逐渐演变为智能移动空间。它需要通过底层硬件的平台化和软件的OTA升级能力，带给用户更好的体验。

所有这些问题都促使汽车工业向更智能的方向发展。但是智能驾驶是一个非常宽泛的话题，包括自动驾驶和智能网联。

从华为的角度来看，自动驾驶主要可以分为三类:工作用车、商用车和乘用车。

工作车的道路场景比较简单，路况可控，速度较低，主要作为生产工具存在。

商用车的站点和路线相对可控，安全影响小，可以和工作用车一样，视为生产工具。

乘用车则完全不同，其驾驶场景非常复杂，速度可变性高，尤其是高速行驶，容易涉及安全问题；此外，用户对驾驶体验也有追求。

王一戈说道:

我们看到了不同的诉求，使得整个行业的发展面临着来自多维度的影响。我们称之为“智能驾驶七维功能”，这些维度包括场景、道路、路线、路况、速度、安全、属性。

因为不同的影响因素会催生不同的场景，所以在这些不同的场景下，需要采用不同的技术路径来发展智能驾驶。根据智能驾驶在不同场景下的发展路径，华为认为主要可以分为两类:

第一类包括工作车和商务车，发展路径主要是跳跃式的。

第二类是乘用车的发展路径更可能是渐进式的。

具体来说，作为生产工具，工作车和商用车主要是为了提高效率和降低成本，最终取代人类驾驶员。从这个角度来看，工作车和商用车可以直接从L2进化到L4。相比之下，乘用车与人们的生命安全息息相关，目前的技术、政策法规、社会道德规范仍处于发展变化过程中，人们对自动驾驶的接受程度有待提高。

但无论如何，第一类和第二类最终都会实现真正的L5级自动驾驶。

因为智能驾驶是一个资金密集、技术密集、产业链密集的行业，政府的引导作用非常重要。目前，中国已经建立了20多个智能网联示范区。

王一戈强调，政府可以在基础设施建设方面提供政策指导和技术探索。在市场需求方面，乘用车、作业车、商用车可以继续按照自己的路径发展。他进一步补充道:

智能驾驶产业有赖于政策协调和市场需求的双轮驱动。只有这样，智能驾驶行业才能走得又快又稳。

充分发挥汽车产业的平台优势

其实汽车是一个大规模的产业，量产是它的前提。在传统汽车行业，平台化是一个巨大的优势。通过这种优势，车企可以用同一个平台生产不同的车型，成本会得到最大程度的摊薄。甚至不同的汽车公司也会共享一些平台来分担R&D成本。

这种基于平台的思想使得接口和组件更加标准化和通用化，整体上降低了R&D和制造成本。

智能驾驶行业也面临着同样的问题。比如在王一戈看来，ADAS分布式架构是“烟囱”架构，决策、感知、计算都是独立的，导致软硬件资源无法共享，效率低下。

更重要的是，这种分布式架构无法进化到更高级别的自动驾驶功能，如L2、L3和L4。

所以王一戈认为，未来，集中式计算架构将是主流。通过集中计算平台，实现上层应用功能的不断添加、优化和迭代，通过OTA升级，给用户带来共同的、全新的体验。

而且智能驾驶的计算平台非常复杂，涉及云、芯片、中间件、操作系统、移动通信等技术。算法也会涉及到聚类算法，机器视觉，深度学习算法，强化学习算法等等。简而言之，技术栈很厚。

按照汽车行业的发展规律，越复杂的系统越需要平台化，这样才能在摊薄成本的基础上保证规模化生产的质量一致性。以往汽车行业底盘平台和发动机平台的成功经验已经证明了这一点。

王一戈说道:

在智能驾驶计算平台上，要延伸平台化的优秀模式。

而且据王一戈介绍，将智能驾驶计算平台平台化，好处更多。主要有两个方面:

首先，可以有更灵活的选择。基于该平台，智能驾驶的感知、融合、定位、决策、规划、控制等功能可以解耦。d之后……耦联，车企可以积累一定的核心监管能力；对于感知、整合等非车企的强项，车企可以有针对性地选择这方面的合作伙伴。

第二，基于同一个平台构建不同的模型，可以大大提高R&D的效率，同时有助于统一部门内部的技术语言，加快产品的上市时间，实现异步研发

未来智能驾驶产业链分工

智能驾驶是一个全新的行业，整个产业链面临重构。王一戈还分享了华为对整个智能驾驶产业链未来分工的想象:

智能驾驶R&D中心可设立场景应用部、功能软件平台部、算法部、综合测试部。其中算法部门可以通过自研和外包的方式打造产业链。比如决策、规划、控制可能由车企自己开发，而感知、整合、定位等功能可以外包给第三方技术。

具体来说，传统车企有大量的底盘性能、悬挂性能、操纵稳定性、乘坐舒适性等历史数据。王一戈认为，这可以算是一种先天优势——传统车企可以通过这些数据构建仿真系统，进行集成测试和仿真，然后逐步强化决策、规划和控制的技术，最终通过现有的整车集成测试能力实现“四位一体”的良性循环，真正打造出具有差异化、个性化竞争力的智能汽车产品。

但是，智能驾驶计算平台并不是车企的强项。这个领域的玩家主要是IT公司和AI公司。据王一戈说:

AI公司应遵守现有的传感器接口标准、执行器接口标准、物理工程和信息安全标准。基于此，OS与中间件API的接口将对外开放，最终建立起功能性的软件平台生态。

功能软件平台生态的构建，可以极大地促进产业链的精细分工与合作，各参与者各有侧重。例如，AI公司可以专注于感知和融合算法组件，而车企可以专注于决策、规划和控制算法组件。

摘要

华为认为，汽车行业的平台化可以给OEM厂商更灵活的选择和更大的创新空间，而汽车行业的专业化分工模式可以促进整个智能驾驶行业集中优势。比如，车企聚焦决策、规划、控制等核心能力，与产业链上的传感器、执行器、应用算法等生态伙伴紧密合作，共同打造智能驾驶解决方案。

雷锋。com

雷锋的原创文章。未经授权，禁止转载。详见转载说明。

标签：

汽车资讯热门资讯