2022 CES 展很微妙，全球逐步有一种趋势，以 OEM 为代表的车展狂欢会出现在国内，而海外则成就一片供应商的狂欢，两者相辅相成，则成就一个全新的时代。
一、英伟达的野心：做一个通用的“特斯拉”平台？
英伟达发布了一个叫 NVIDIA Drive Hyperion 8 智能驾驶平台，将会在 2024 量产。
DRIVE Hyperion 平台包括 2颗 Orin 芯片、12 个摄像头、9 个雷达、12 个超声波和 1 个前置激光雷达。英伟达不做传感器，所以供应商都来自目前主流的大陆、海拉、Luminar、索尼和法雷奥等供应商。
平台采用开放式的设计，支持基础辅助驾驶、L3 / L4泊车、智能座舱三大领域，另外 Hyperion 平台支持可扩展，能够兼容 NVIDIA DRIVE Atlan 和 DriveWorks API 的升级。
黄仁勋判断 2024 年绝大多数新电动汽车将具备强大的自动驾驶能力，所以英伟达正在开发用于构建自动驾驶汽车端到端训练以及全栈自动驾驶系统，包括全球云地图。
以此应为法划分三个关键支柱： NVIDIA Train AI Model（模型训练） ，Virtual World（仿真）、Physical World（实测道路场景） 三大部分。
第一个目标是要把传感器的数据转换为 4D 模型，借助模型训练到云端训练、地图生成，可以实现避障、定位、实时感知以及规划来到达目的地。
当然这还要起始于你如何计算整个架构，这会决定传感器的质量以及冗余能力、同时确保车辆生命周期里的软件可迭代能力。
目前英伟达在世界各地收集 PB 级道路数据，也已经有 3000 名标记员。
同时英伟达还利用 Replicator （合成数据生成器），来引导 AI 标注和AI 模型，能以人类无法实现的方式标记真值，包括利用多传感器、速度、距离、遮挡、恶劣天气下追踪移动物体，做数据仿真。
在地图构建上，英伟达与 DEEPMAP 合作，双方也协同进行测绘地图以及车队地图构建，也就是采用众包地图，同时对全球热门区域部署测绘地图车队，也作为云端 AI 地图系统的真值数据。
英伟达也在奔驰车型上做道路测试 ，覆盖城市以及高速公路上应对并线、人行横道、交叉路口、环岛、立交桥、车辆并线、加塞等场景。
NVIDIA Drive Hyperion 8 包括小鹏、理想、蔚来、北极星等 OEM 合作，Robotaxi 上有 Cruise、Zoox和滴滴出行，卡车业务也有 Volvo、Navistar和Plus等卡车运输服务，TuSimple 也会利用 Drive Hyperion 和 DRIVE Orin 系统单芯片打造无人卡车车队。
供应商部分也有 Desay、Flex、Quanta、Valeo 和 ZF 支持 Drive Hyperion 平台。
二、高通：座舱、智能驾驶合二为一，我都要！
和英伟达的思路类似，高通的想法是未来自动驾驶的方式必须聚焦在平台的开发以及集成度上，从一体式的车身和底盘，融入一个数字化平台，覆盖入门级到高端车型，实现 OTA 更新能力。
当然更重要的是，平台必须是开放、可扩展、可定制的。
所以数字底盘不仅仅是针对座舱娱乐系统、而是覆盖 Snapdragon Ride 平台、 车到云端服务（软件等）、 骁龙座舱平台(集成数字仪表、导航、音频、应用程序)以及 智联平台 （5G C-V2X WIFI 蓝牙、定位等 ）。
数字底盘的数字座舱目前与 Polestar 3 以及沃尔沃全新 XC90 合作，最快将于今年推出。本田方面，第三代高通晓龙座舱将为本田提供车载虚拟助手等等。目前还有宝马、通用、现代、集度、捷途、蔚来、雷诺、小鹏、威马、上汽等合作车企。
1、 骁龙座舱平台要支持高度可定制。
骁龙座舱支持多屏、多摄像头、顶级音频、视频和多媒体以及安全操作系统。
此次座舱新技术方面还有包括减少盲区的电子后视镜、支持天幕显示、支持多路输入/输出设备、独立音区等。
而在 Adas 上的思考，高通认为 Adas 是一个单独组建，但座舱平台是一个事物与事物的连接，所以它不仅仅是基于一个信息娱乐平台，Adas 是解决方案中的一部分，同时还要允许车企围绕整个系统来开发。
2、Snapdragon Ride platform
Snapadragon Ride 是一个开放模块化的可拓展智能驾驶平台，共有两个系统级芯片（soc） 以及加速器。
包括此次发布专门针对视觉驱动的 4nm Vision soc、另一个是 L1-L3 智能驾驶 Adas soc、L3/L4 自动驾驶的加速器Adas Accelerator。
方案从入门级的 Adas 前视觉、前后+环视的解决方案，覆盖地图、场景检测、泊车以及驾驶员检测，软件系统包括中间件、工具、库等、操作系统以及管理程序等。预计将于 2024 年开始量产上车。
合作模式上软件可以供车企定制和开发，同时也可以直接用高通的集成方案。
三、Mobileye：众包先行，另辟蹊径。
Mobileye 拥有一个大宝库，就是坚持众包下拥有约 200 PB 的素材，这 200 PB 存储在 Amazon Web Services (AWS) ，以及部分在本地系统上，目前 Mobileye 也有 2500 多个标注员者组成的标注团队。
1、Mobileye 的策略划分为三个：
1）第一个是我们熟悉的众包地图（众包自动驾驶地图、基于云端增强更新）：目前Mobileye 每天有 2500 万公里的地图数据、2021年收集了 40 亿公里的数据， 2022 每天 2500 万公里，一年大概为 90 亿公里，这个数据还会增长。
2）第二个是做真正的冗余：计算视觉提供感知、点到点的完成感知、规划以及决策，毫米波/激光雷达 为冗余，未来是要打造 纯视觉、毫米波、激光雷达的三路冗余。（下方会为大家解释。）
3）第三个是RSS 安全模型：用安全保证以及更为精炼的驾驶策略。
2、Mobileye 的两个落地支撑点：
1）L2+ Adas: 基于纯视觉、利用众包-云端来增强智能驾驶能力和多地区的可使用范围，同时在规划上能做更精简的计算。
2022 年要达到功能完备的 L2+ 的能力。 目前L2合作方有大众 ID.4 （Travel Assist 2.5）、福特（下一代的 Blue Cruise）、极氪001（L2+ hands free的体验）；
2）L3/L4：要做真正的冗余，覆盖 360 度的雷达、激光雷达，拓宽REM 范围等。
目前L3的合作方: 本田 Legend （日本市场）、宝马 7系；
L4的合作方：2022 年 Robotaxi（ES8 ） 上路（德国、以色列）、也与传输 、接驳车 、运输商务车型等合作 、和极氪打造 L4 车（2024 年初SOP）
Robotaxi 车队在 2022 年底通过认证，将会实现移走驾驶员。 Mobileye 的自动驾驶测试车已经布局在纽约、底特律、东京、巴黎、慕尼黑以及以色列。
3、Moblileye会如何做？
1） robotaxi 先行（2023 2024），L4 乘用车会在 2025 年。
Moblileye 认为 Robotaxi 的研发的路线不能逆向作为消费级 L4 乘用车研发，例如Robotaxi 的规模、成本、传感器等等都和 L4 乘用车不同。
Mobileye 虽然是两条腿走，但 Moblileye 认为满足 L4 乘用车的前提是成本、规模以及效率。当然两者有协同作用，例如众包地图的覆盖、技术验证等，所以Robotaxi 先行（2023、 2024），支持任意地区实现自动驾驶L4 乘用车会在 2024 年或以后。
而这台车 L4 乘用车就是 Mobileye 还与极氪 打造的车型，将搭载六个 EyeQ5 ，车辆将会采用吉利 SEA 架构的冗余制动、转向和动力，此外Mobileye 也会建立国内本地数据中心以及国内人才。
2）自主 SoC
Mobileye 推出了 EyeQ Ultra，这是目前 Mobileye 最先进、性能最高的片上系统 (SoC)，制程 5 nm，算力为 176 TOPS ，芯片预计将于 2023 年底推出，并于 2025 年实现汽车级量产。
另外两款 EyeQ6 SoC ：
EyeQ6 Light（ EyeQ6L ） 为 EyeQ4 SoC 的后继产品，封装尺寸仅为 EyeQ4 的 55%，支持入门级和高级 (L2) ADAS ，已在去年开始提供样品，预计将于 2023 年年中开始生产。
EyeQ6 High （EyeQ6H） 计算能力上相当于两个EyeQ5 SoC，支持 ADAS L2+ 功能、多摄像头处理（包括环视摄像头）、驾驶员监测等，将于今年开始提供样品，并将于 2024 年底开始生产。
两款 EyeQ6 SoC 都将采用 7nm 工艺技术制造。
3）、多路冗余，实现降本。
第一个我们看到 Mobileye 要做自动驾驶能力、具备广域 REM 的ODD 范围，例如覆盖公路、城区、快速路、主干道，同时要有类似人类的决策能力。
另一个是要做稳健性。 Mobileye 提到 MTBF（ Mean Time Between Failure ），也就是 平均无故障工作时间。
Mobileye CEO Amnon Shashua 的观点是如果低于平均无故障时间，那么它还是 L2，如果高于人类驾驶的 平均无故障时间，那么他就是 L3/L4。
基于这两个方向， Moblileye 要提高效率同时降低成本，Amnon Shashua 的目标是在 5000 美金以内。
目前Mobileye 有两个子系统，一个是基于纯视觉驱动，另一个是基于覆盖 360 度的激光雷达、毫米波雷达。
Mobileye 认为独立的传感器目前无法单独使用，必须做多传感器融合，Mobileye 就试图把视觉、毫米波、激光雷达三路独立起来，各自冗余，各种发挥独立作用。
这样就能最大程度降低传感器的数量与依赖，降低成本。
所以Mobileye 会自研高分辨率（图像级）、软件定义的雷达，可以匹配算法、深度学习，自研FMCW激光雷达等等。
所以到 2025 年如果搭载一个前置激光雷，那你就有视觉、图像级毫米波、激光雷达的三路独立的冗余系统，而不是现在的两个。而在成本上，如果你有环视的摄像头、毫米波，就无须再覆盖四周的激光雷达 …
{{detailStore.integral}}
积分赞赏人员
添加咨询车型
