高通自动驾驶专家-交流纪要

Q：自动驾驶产业链中，芯片厂商的角色以及议价能力如何？ A：以往车企与供应商合作，一般是主机厂提芯片、软件或集成的需求，比如很多ECU，有供应商或者Tier1去做，芯片来自不同芯片厂商，博世、大陆作为集成商去做Tier。 现在的供应链是类似的，硬件来看，一是域控制器，可以理解为计算平台，二是传感器，三是执行器，包括刹车等，比较成熟，可以很好解耦。传感器方面：雷达一般是软硬一体的。1）一是毫米波雷达，博世、大陆、海拉还有一些国内初创公司做得比较好，有一定技术门槛，博世、大陆等市占率比较高。 2）二是视觉（摄像头），特斯拉也在做，主要是神经网络发展以后，图像识别能力提升，成为自动驾驶主要的传感器，目前已经开发10余年了， 16、17年加速，到21、22年已经进入L2元年。 视觉硬件比较成熟，手机摄像头像素可以达到几千万，目前对自动驾驶来说是足够的，这两年量产热度比较高的，大概在100-200万像素，由模组去组成硬件，很多国内国外厂商都可以做，比如博世、大陆、安波福，还有很多国内公司。 视觉软件方面，中国在图像研究上全球领先，人脸识别延伸到车舱内有很多机会。很多供应商以视觉为基础进行竞争，能在汽车上实现量产级应用。 3）三是激光雷达，激光雷达具有精确的速度、方位角、高程上的分辨率，但因为价格成本原因，前几年很难做到量产，现在已经降到可接受范围，部分车上开始安装激光雷达。 激光雷达包括硬件、对象识别、决策规划等。 4）四是超声波雷达，比较成熟，较少作为自动驾驶去讨论。 域控制器方面：国内有很多供应商在做，有一定能力，德赛、恒润都有一定量产经验。本身技术难度不高，但需要量产经验。 做域控制器需要处理底层软件构建或组装。 Q：自动驾驶芯片有哪些参与者？ A：主要参与者有英伟达、高通、Mobileye、地平线、华为、黑芝麻，后三个是国内的。特斯拉自研芯片不外供，不在讨论范围。 Mobile自研芯片，供应了十几年，全球市占率相当高，主要以EyeQ系为主，目前已经发布EyeQ6。英伟达差不多时间起步，从小鹏X2到今年Orin可能大规模量产，到24、25年Atlan下一代芯片。 高通做芯片比较久，做自动驾驶芯片也就这两年，今年长城会量产高通8540+9000的车型，爆发期会在23年，24年开始会拿到很多项目，25年开始出量产车。 国内地平线已经有很多量产项目，布局比较广泛，很有潜力。 黑芝麻也有一些量产，但一般在地平线之后，芯驰、芯擎等也有大企业支持，零跑自己也生产芯片凌芯，是内控芯片。中低端的，还有TI、瑞萨、英飞凌，也是以往域控制器领域重要的参与者。 Q：高通在自动驾驶方案的规划？差异化在哪？ A：高通去年10月正式收购威宁尔的软件部门Arriver，是规划之一。 高通原来芯片优势很强，从智能座舱转到智能驾驶有背书，软件这块有弱点，收购软件公司后补足了这块。 威宁尔在主动安全领域四大公司之一（其他三家：博世、大陆、安波福），在视觉这块排名前二或第一，前身是奥托立夫的电子电器事业部，奥托立夫是被动安全的老大，主动安全也做了几十年。 威宁尔2018年建立，以前是沃尔沃主动安全ACC、EMA都用到了威宁尔的软件，沃尔沃和威宁尔还合资成立了Zenuity软件公司，做自动驾驶软件，后面延承到Arriver，独立成部门，软件的鲁棒性非常高，国内也供应了比亚迪、吉利等，国际山供应奔驰、沃尔沃、丰田等。 高通收购Arriver，是全球主动安全领域非常好的标的，价格没有那么高，而且核心任务也是做自动驾驶。 Arriver已经得到很多客户的信任和认可，高通收购的是一个有很多量产经验的公司，能满足各种自动驾驶法规的。 这次收购是非常好的规划，未来在芯片架构上会基于软件去做，如果客户需要，高通可以提供一整套芯片加从低到高的自动驾驶软件配置，从L0到L2，鲁棒性、安全性非常高，或者是L3，未来都会是基本配置。 高通未来的规划可以做纯芯片，也可以做纯芯片+感知的商业案例，也可以做从感知加规控整套体系。 宝马项目上用了高通芯片加软件，软件也和宝马共同去合作开发，目前体系已经相当完善，甚至比英伟达更有优势。高通在未来还会推出完全适应自动驾驶的芯片，软硬能力都是顶尖。 Q：高通的主打市场是什么？产品价格的定位？ A：市场定位是全面的，10W到100W的车都可以做。 10W的车，比如单视觉方案，Mobileye的EyeQ4在供，高通也有芯片可以供。 L2级别30-60TOPS的芯片，是包括高通在内的芯片公司最大的目标市场，会在15-30W的车。 这个价位车型消费在中国占比是相当大的，至少前二，而且L2的配置率很高，高通在这块有很强的芯片规划。 更高端的，比如新势力或少部分传统主机厂的子品牌，但这块实际上量不会很大，市场占比可能不超过5个点，这块芯片利润高一点，竞争少一点，高通也是有规划，未来可以支持上千TOPS。 高通在低端、中端L2与L2+、L3（100-200TOPS去做）、未来针对更多摄像头和雷达的L4，都有布局相应能力的芯片，甚至马上可以量产，或者已经有量产，比如9000、8540等。 Q：高通进入L2以下，是怎么和Mobileye竞争的？A：要从主机厂角度考虑。 1）高通提供的芯片能力没有问题，在手机、智能座舱方面产品、客户知名度、大厂背书等都很好，这块对整机厂而言甚至比Mobileye更有优势，大厂背书情况来讲，高通和英伟达是一个级别的。 2）要看主机厂需求什么，有的主机厂认为软件是灵魂，Mobileye往往是黑盒的，响应比较慢，卖东西主要以自己的方案做一些修改，主机厂参与度比较低。 前几年在全球，自动驾驶是全新的，芯片+软件提供的供应商会被接受，Mobileye起步早、产品好、竞争者也比较少，主机厂也刚开始去介入。能否打败Mobileye，主要还是得看主机厂需求。 高通有自己的开放平台，愿意合作一起开发，高通拿到宝马项目其中一个原因就是比较开放，在这块优于Mobileye。 3）主机厂的定价和采购策略，不能绑定一家去做，需要有不同的供应商，不同的产线，可以有不同的平台，未来在议价方面也有空间。 高通有Arriver的量产经验、大厂背书，大众宝马都是高通的客户，芯片毋庸置疑，加上消费电子和车载芯片的支持，客户关系等，主机厂没有什么可担心的。 Mobileye最近几年在中国新项目进展不乐观，竞争不过英伟达，没有几百TOPS的高端芯片，要到24年才能有。Q：高通在自动驾驶哪一块阻力比较大？ A：1）可能的阻力是政策，但目前还没有限制。2）技术问题的反映上差不多，高通在国内也有技术团队，主要是语言交流上国内供应商会顺畅一些。 3）国内供应商姿态也会低一点，国内部分自主品牌的主机厂控制欲比较强。 4）很多主机厂和国内芯片供应商有直接关系，比如吉利自己也研发芯片，有些主机厂也会通过战略合作或者资本入股，比如地平线就有很多主机厂做投资，本土供应商还会有一些优势。 5）成本方面，本土供应商成长比较快，在中低端这块高通会有一些阻力。Q：客户对高通自动驾驶方案的反馈怎么样？ A：反馈非常好。 高通目前已经击败英伟达，获得了大众全球品牌的定点，未来在上汽和一汽大众都会用高通芯片。大众的机会比宝马好，因为量更大，大众是全球前二车企。 长城用的是高通目前的一些芯片，不是完全做自动驾驶的芯片，高通把长城作为试点，其他消费级芯片匹配到车型，算力是足够了。专注自动驾驶的芯片在23、24年会出来，会得到更多厂商的青睐。 高通是面向全球的，目前各个车厂都在谈，国内也面向吉利、比亚迪、广汽等，大概1-2年内会获得国内的一些定点。 Q：高通拓展自动驾驶客户时，中科创达的角色是什么？A：自动驾驶来讲，之前的量产没有非常强的合作。 智能座舱已经做了很多，包括OS、生态等，创达做了接口的整合，因此自动驾驶这块，中科创达以后会有一定的合作优势。 创达未来也会打算做一个智能驾驶域控制器的硬件，难度上不是很大，国内也有几家公司在做了，但实际上还是处于起步阶段，自动驾驶整体架构路线还没有定下来，创达有高通的资源，有一些先天优势，也会有机会。 Q：新势力主机厂开放诉求强，和芯片公司或Tier1合资成立子公司，是未来的主流吗？A：短期看是一个趋势，长安、吉利、小鹏、理想都在做。 长期看不会，要从经济规律看，主机厂投入的精力和成本会非常高，现在去做主要是为了做卡位，最后标准统一，会由Tier1厂商去做。 目前自动驾驶功能，还没有定论，所以才会有个性化，但自动驾驶实际上是比较固定的，比如AEB，功能、评价标准、法规都比较固定，没有必要自己再去开发。 软件开发商会有存在的必要，但会优胜劣汰，只剩下几家。 当然也可以像高通一样，把功能集中到一个SoC，Tier1把芯片集成到硬件上，过程中也会有一些软件，硬件的技术含量会高于软件，主机厂自己做一些功能软件，比如感知软件。 传统主机厂比较难做这一块，因为很多东西固定下来以后，会形成模块，如果类似高通这样的厂商可以提供，对主机厂而言也不会有太大差异性了，所以也不会主动去做了。 供应商永远有存在的意义，可以把模块独立出来，分散生产，进而降低主机厂的成本和风险。 Q：传感器变化时，原来的数据在迭代时能否重复使用？自动驾驶的算法需要做适配吗？ A：数据可以复用，尤其在中国对数据上传有严格约束，所以都是通过原先采集好的数据去做模型训练，并给予上千万、上亿参数的固定权重配置，原则上可以使用到任何产品。 但在实际使用过程中需要做适配，首先新数据进来以后需要重新做训练，数据多对训练有利，其次用新的硬件采集数据去做，第三算法的接口需要重新做调整，不同传感器需要有不同的接口。 在中国，因为法律对数据上传的限制，更多还是采用算法OTA的做法，采的过程中就会对配置做调整。 Q：算法对不同车型适配时工作量会很大吗？A：做适配时需要明确用什么样的传感器。 如果传感器类型有变化，训练量会比较大，如果只是像素方面有差异，算法一般可以继续复用，用原来核心的算法重新做训练。