點擊上方藍字談思實驗室

獲取更多汽車網絡安全資訊

對于原始的問題，也許可以調整一下語序，如下所示

智能駕駛座艙的趨勢是軟硬件一體化聚合嗎？

下邊的回答，都是基于這個前提。

問題里邊，提到了兩個組合。

一是軟件和硬件

二是智能駕駛與智能座艙

所謂“一體化聚合”，需要從這兩個維度去展開討論。

主機廠視角看問題

涉及智能化部分的汽車產業鏈簡化模型

如圖，是一個簡化版本的智能化相關產業鏈模型。在傳統模式下，芯片（SoC、MCU）供應商在Tier1后邊，Tier1作為集成商，負責提供域控（嚴格來說不叫域控，這里也不做區分）硬件以及BSP、OS、功能軟件等等。在這個模型里邊，軟硬件是一體化的，更嚴格來說，軟件是為硬件服務，都是由Tier1來提供。

舉個例子，比如，要做一個多媒體播放器，主機廠的電子電器部分負責進行功能和性能定義（Function List和Feature List），Tier1負責開發、調試等一系列工作。

但是呢，主機廠一般也不會只選擇一家供應商，同一款車型，起碼會有兩個供應商（每家叫法可能不太一樣，這里簡稱A供和B供），A供可能會有比較大的份額比如80%，B供拿到小一點的份額，比如20%。但是啊，硬件開發和軟件開發，是A、B兩家都需要做的。至少，在功能軟件開發這一塊，兩家做的是重復工作。

這種模式的弱點，非常明顯。

軟硬件耦合緊密，這至少會導致以下幾個問題

1）大量的重復開發

2）需求變更和升級極其復雜，版本管理成本高昂

3）間接的，產品的交互體驗很差（沒法迭代嘛）

于是，站在主機廠的角度，很有動力去變革一下這個結構，軟硬解耦的概念呼之欲出。

一個可能的變化，傳統Tier1的位置，被芯片供應商或者科技公司侵蝕

軟硬解耦的極端結果，是傳統Tier1退化為只提供硬件集成，在其上的功能軟件（應用軟件）由軟件供應商提供，這個軟件供應商，可能是另外一家科技公司，或者干脆是由主機廠自建的軟件公司來做。

這種模式，對于主機廠的把控能力要求很高（非常高，基本要求主機廠研究中心的人都是全棧工程師，知其然且知其所以然），但是優點也很明顯

• 平臺化降低開發成本

• 從整體出發考慮設計，系統效率更高（其實也就是同樣的性能&體驗，做到更低的成本）

• 軟件升級更加便利

• 整體的成本控制也更容易（成本，成本，成本，怎么說都不過分）

但是...

供應商視角看問題

從供應商的角度來看，以上的軟硬解耦是一場災難。

硬件成本目前近乎透明化，進而，硬件集成的定價權完全不在Tier1這邊。而如果要作軟件開發商，特別是近年來逐漸興起的智能駕駛這部分的軟件，如何定價呢？人天模式顯然不能讓提供智能化軟件的供應商滿意。

所以，這一兩年，又有些供應商重提“軟硬一體”，比如，四月中旬剛開了產品發布會的某某（都在同一個行業，具體公司名字略去），在演講明確提出，“軟硬一體的”智駕產品、泊車產品...，等等。

這個模式下，提供集成方案的供應商，會與上游的大算力芯片供應商形成戰略結盟的關系，讓自己的軟件可以適配不同的SoC

供應商提供域控+軟件的一體化解決方案，根本原因還是為了定價權，進而保證毛利。

尤其是，當軟件的價值不能用代碼量來簡單衡量的時候，更是如此。

簡單總結，軟硬一體，產業鏈參與者爭奪的核心是...毛利。

這當然不容易，保證毛利的前提是掌握定價權，而定價權的核心在于必要性和稀缺性。而目前在智能駕駛功能軟件供應商領域的爭奪，并沒有顯露出來有哪個A比B明顯更優（這句話說的不嚴謹，我的意思是，目前的第一梯隊，有若干選手在前后差不多的距離上交替領跑，并沒有出現比如圖形加速芯片領域那樣的少數寡頭壟斷的局面）。

簡要分析一下原因，兩點

1、高效率的感知&認知難度：如果把真正可以放手、讓車子“自動”駕駛的L4級別叫做珠峰的話，那么，現在的選手們，其實還是在山腳下轉悠，也許大家是到了山腰，不管怎么說，哪條路線可以最終實現安全登頂，今天還沒有被證明。

換句話說，我還是堅定的認為，就像今天的AI圍棋一樣，在感知這個問題上，存在某種接近最優解的方案，系統的綜合性能（在駕駛時）遠遠超過人腦。當這個自動駕駛領域的AlphaGo時刻到來之后，自動駕駛的感知問題，將形成芯片+OS的軟硬一體方案。

2、“軟硬一體”屬于產業鏈兩端：消費電子領域的實踐已經告訴我們，真正可以做到“軟硬一體”的，要么是上游的芯片供應商，要么是下游的C端產品提供商，在這兩者之間的產業鏈參與者的存在狀態，都是不穩定的（參考前邊的Tier1發展趨勢簡圖）。

艙駕融合，這個詞，在過去的一段時間里被頻繁提起，當然這只是個開始，以后會越來越熱門。

驅動力：提升集成度，降低成本

可行性：智能駕駛和智能座艙，雖然功能安全等級要求不同（ASIL-D vs ASIL-B），但是兩者在架構方面有類似之處，那就是，都需要大算力SoC為基礎的域控。最新量產的座艙大算力芯片高通SA8295P，甚至提供了30T的AI算力，可以作為智能駕駛的冗余算力而存在。

按照汽車電子電器架構的發展趨勢，未來大概率會走向中央計算為中心的架構。

在這個趨勢下邊，艙駕一體，就不是能不能的問題，而是如何做的問題。

行車與泊車融合，理由很充分，兩者架構一致，只不過一個在高速狀態下運行，一個在低速狀態下運行，座艙與泊車融合，更多的是從算力復用的角度來考慮，座艙域控的算力，應付泊車綽綽有余啊...

最新的Tesla HW4（來自海外網友）

在智能化方面處于領先地位的Tesla，早就在艙駕一體方面做出了努力，當然，他的一體還是體現在硬件形態方面的一體化，具體到SoC的層面，還是各做各的，座艙用AMD的Ryzen，駕駛用自研的FSD。

而英偉達則是為艙駕一體推出了AI算力高達2000T的Thor雷神！

來源：Sinbad

https://www.zhihu.com/question/515397942/answer/3008518773