自動駕駛軟硬一體演進趨勢研究報告

自動駕駛軟硬一體演進趨勢研究報告概述 軟硬一體化是一種產(chǎn)品設(shè)計模式，它將軟件和硬件系統(tǒng)集成在一起，以提高系統(tǒng)效率和性能。這種設(shè)計模式使得在硬件上進行軟件的優(yōu)化和協(xié)作變得更加容易，從而達到更高的性能、更低的功耗、更低的延遲和更加緊密的結(jié)合。軟硬一體又可分兩種不同模式：1）像蘋果一樣，自己完成從芯片到操作系統(tǒng)及其他核心軟件的研發(fā)；2）像PC產(chǎn)業(yè)Windows+Intel，以及智能手機產(chǎn)業(yè)的安卓+ARM，操作系統(tǒng)廠商與芯片廠商深度綁定。前者我們稱為“重軟硬一體”，而后者則是“輕軟硬一體”。這兩類，都是通過軟硬一體的戰(zhàn)略獲得共贏的典型代表。在自動駕駛領(lǐng)域，特斯拉，從早期采用Mobileye的軟硬一體解決方案，到采用英偉達的芯片+自研算法的軟硬解耦方案，再逐步過渡到基于自研的芯片以及自研智駕算法的“重軟硬一體”策略，引領(lǐng)了行業(yè)潮流。可見，同一家公司在不同階段會有軟硬解耦或軟硬一體的不同選擇，具有很強的靈活性。國內(nèi)的諸多自動駕駛芯片以及算法供應商在經(jīng)歷了初期的百花齊放，如今經(jīng)過市場的篩選，已經(jīng)有幾家公司確立了“頭部”地位。當前，整體的產(chǎn)業(yè)模式也從初期軟硬解耦和軟硬一體兩種思路的巨大分歧逐步收斂至軟硬一體方案，并圍繞這種模式建立業(yè)態(tài)以及利益分配鏈條。在當前市場上不同案例并存的情況下，本報告會對軟硬一體給出詳細的定義，并分析其出現(xiàn)的成因，以及對未來行業(yè)在軟硬一體方向發(fā)展趨勢進行預測。01自動駕駛軟硬一體演進趨勢研究報告內(nèi)容目錄 概述01軟硬一體定義及行業(yè)現(xiàn)狀分析 04軟硬一體定義 04軟硬一體方案為何成為行業(yè)的主流選擇？ 06供應商的軟硬一體策略 09整車廠的軟硬一體策略 1102軟硬一體開發(fā)能力分析 13智駕系統(tǒng)算法架構(gòu) 13智駕域控芯片架構(gòu) 14智駕域控系統(tǒng)底層軟件 1703自動駕駛賽道公司概況 19主流芯片廠商 19整車廠 23軟件Tier1 2704行業(yè)未來發(fā)展趨勢 29軟硬一體的綜合趨勢 30自動駕駛賽道玩家未來的道路選擇 32端到端算法對軟硬一體未來趨勢的影響 34艙駕一體對軟硬一體未來趨勢的影響 35具身賽道軟硬一體的未來趨勢 35趨勢總結(jié) 36【附錄】軟硬件一體的現(xiàn)狀調(diào)查 39本報告訪談和編寫項目組 43特別聲明 44自動駕駛軟硬一體演進趨勢研究報告圖示目錄 圖示1：智駕系統(tǒng)的不同合作模式 04圖示2：英偉達和特斯拉主力自動駕駛芯片參數(shù)和成本結(jié)構(gòu)對比 07圖示3：軟硬一體是否能帶來成本優(yōu)勢？ 08圖示4：回顧歷史，摩爾定律是支撐PC端出現(xiàn)通用芯片的底層原因 09圖示5：軟硬一體的方案優(yōu)勢對比及Tier2廠家未來生存空間調(diào)研 11圖示6：車載智能計算基礎(chǔ)平臺參考架構(gòu) 13圖示7：典型的車載芯片分布 15圖示8：不同芯片類型優(yōu)劣勢對比 16圖示9：英偉達最新的Thor芯片可達接近2000TOPS算力 20圖示10：Thor可被配置為支持多種模式 20圖示11：地平線征程系列芯片 21圖示12：高通驍龍Ride芯片架構(gòu) 22圖示13：特斯拉BEV網(wǎng)絡(luò)架構(gòu) 23圖示14：蔚來的神璣芯片參數(shù) 25圖示15：小鵬發(fā)布圖靈芯片 26圖示16：影響軟硬一體策略判定的三要素 29圖示17：以手機行業(yè)的軟硬一體發(fā)展趨勢為參考 30圖示18：軟硬一體發(fā)展趨勢及驅(qū)動因素調(diào)研 31圖示19：全棧自研是否會成為成為未來整車廠的主流趨勢? 32圖示20：構(gòu)建生態(tài)是否是芯片行業(yè)成功的必要途徑? 34圖示21：軟硬一體方案是最優(yōu)的方案么? 37自動駕駛軟硬一體演進趨勢研究報告

軟硬一體定義及行業(yè)現(xiàn)狀分析軟硬一體定義及行業(yè)現(xiàn)狀分析軟硬一體定義盡管軟硬一體已經(jīng)成了行業(yè)內(nèi)很多領(lǐng)先玩家的重要戰(zhàn)略，但是目前仍沒有對軟硬一體給出有效的定義，本報告嘗試給出一個對于軟硬一體討論范疇的定義。首先，軟硬一體中的“軟件”，主要指的是智能駕駛系統(tǒng)的軟件和算法，其中可能包括應用層、中間件、操作系統(tǒng)等。當我們討論軟硬一體相關(guān)公司時，“軟件基因的公司”通常是指有較強算法能力和壁壘的公司。雖然智能駕駛系統(tǒng)中的硬件包括了各類傳感器、高性能計算芯片、域控制器以及圍繞核心計算芯片的其他芯片和電子元器件，但是大部分行業(yè)專家都認為，軟硬一體范疇中的“硬件”，主要討論的是對象是高性能計算芯片。雖然軟件和硬件的概念都相對清晰，但是“軟硬一體”在智能駕駛系統(tǒng)的語境下，卻很難給出一個單一的標準界定。我們認為，軟硬一體討論的對象是自動駕駛公司及要做自動駕駛的芯片廠商以及主機廠，描述的是公司具備的軟硬件協(xié)同的研發(fā)能力和開發(fā)模式?；谲浻惨惑w的能力和開發(fā)模式，公司可以提供軟硬一體的產(chǎn)品。圖示1：智駕系統(tǒng)的不同合作模式圖源：辰韜資本04自動駕駛軟硬一體演進趨勢研究報告

軟硬一體定義及行業(yè)現(xiàn)狀分析以上三個案例展示了幾種業(yè)界比較典型的自動駕駛領(lǐng)域公司提供軟硬一體產(chǎn)品的模式：最極致的軟硬一體模式是由同一個公司完成芯片、算法、操作系統(tǒng)/中間件的全棧開發(fā)，芯片廠商同時也是整體解決方案提供方，或者，整體解決方案商也自己做芯片。這方面的典型例子包括海外的MobileyeNvidia（開發(fā)中）以及國內(nèi)的華為、地平線、Momenta（開發(fā)中）等。這樣做的好處是，公司通過垂直整合擁有了最大程度的自主權(quán)，可以將軟硬一體的性能和效率優(yōu)勢發(fā)揮到極致。在這類模式中，軟與硬兩部分結(jié)合最緊密、耦合最嚴重，為了與接下來的第二種模式相區(qū)分，這里我們將其定義為“重軟硬一體”模式。部分自動駕駛解決方案公司，雖然采用第三方的芯片，但是在該款特定芯片上具備極致的優(yōu)化能力和豐富的產(chǎn)品化交付經(jīng)驗，能夠最大化發(fā)揮該款芯片的潛能。這方面的典型案例包括卓馭（大疆）、Momenta等。這樣做的好處是通過合理分工節(jié)省了大量芯片和硬件研發(fā)投入，但是對公司在某款/某系列芯片上進行軟件優(yōu)化和部署的能力提出了很高的要求。這種模式需要解決方案公司與芯片方密切配合，但是耦合程度不如模式一緊密，所以我們將其定義為“輕軟硬一體”模式。部分具備軟硬件全棧能力的公司，會將軟硬件耦合最緊密的部分（通常是感知算法和SOC芯片）作為標準產(chǎn)品提供，而其他模塊則由生態(tài)合作伙伴（如域控制器硬件公司、規(guī)控算法公司等完成，這種模式可以看作是第一種模式的衍生，由于給下游客戶提供了更大的自主權(quán)和靈活性，因而更容易得到部分主機廠客戶的青睞。值得一提的是，這類合作模式中涉及到的生態(tài)合作伙伴公司，并不能被劃分為軟硬一體公司，因為其中軟硬件耦合的核心環(huán)節(jié)并不由他們掌控。當然，自動駕駛領(lǐng)域的軟硬一體開發(fā)模式還有很多其他形態(tài)。我們通過以上三個定義可以看到：盡管軟硬一體的核心要素是軟件和SoC芯片如何耦合，但無論是從算法、操作系統(tǒng)到芯片的全棧能力帶來的完全垂直整合，還是基于第三方芯片進行極致的軟硬件協(xié)同優(yōu)化，都可以實現(xiàn)軟硬一體的目的。需要注意的是，公司采用的是軟硬一體還是軟硬解耦戰(zhàn)略，這個判定并非絕對，而是相對的。比如，英偉達為自己的芯片開發(fā)算法，這是軟硬一體；而某個算法公司一直基于英偉達芯片提供解決方案，基于英偉達芯片進行深度適配，這也是軟硬一體。在本報告中，我們將前者歸類為“重軟硬一體”，將后者歸為“輕軟硬一體”。從另一角度看，英偉達的芯片可以跟多家的算法適配，這就屬于軟硬解耦策略。再比如，地平線在J2及J3時代是“重軟硬一體”，因為在這個階段，芯片上集成的都是地平線自己開發(fā)的感知算法；而J5時代則變?yōu)檐浻步怦睿ㄓ缮鷳B(tài)合作伙伴做算法，對地平線來說就是軟硬解耦）和“重軟硬一體”（自己做算法，05自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析如理想的項目）并行。類似的是，J6的旗艦版J6P的落地，在短期內(nèi)會是“重軟硬一體”模式（算法由地平線自己開發(fā)），待后續(xù)有軟件Tier1或車企基于J6P做算法后，則又走向軟硬解耦的路線；對長期使用J6P的軟件Tier1或車企來說，則是“輕軟硬一體”。再比如，一家主機廠或算法公司從供應商的芯片切換到自研芯片的過程，也屬于軟硬解耦；但切換完成后，則又是“重軟硬一體”。最后，為了明確本報告討論的范圍，我們也需要澄清哪些能力并不是軟硬一體所需要的，或者哪些公司不應該被定義為軟硬一體公司。例如：以域控制器的設(shè)計和生產(chǎn)、包括部分底層軟件（如驅(qū)動、診斷等）開發(fā)為核心能力而不具備智駕核心算法開發(fā)和部署能力的公司，并不屬于軟硬一體公司。關(guān)于軟硬一體涉及的能力，本報告將在第二章《軟硬一體開發(fā)能力分析》中詳細討論。軟硬一體方案為何成為行業(yè)的主流選擇？對于汽車行業(yè)本身，早期的ADAS，動力系統(tǒng)以及底盤系統(tǒng)都帶有很強的軟硬一體的痕跡，上一代Tier1領(lǐng)域的霸主博世更是從芯片到控制器再到軟件算法實現(xiàn)了全環(huán)節(jié)交付。而在自動駕駛興起后，深度學習算法成為行業(yè)感知模塊的通用解決方案，傳統(tǒng)的芯片架構(gòu)已經(jīng)無法支持實時感知需要的大量并行計算能力。英偉達則通過移植其在通用GPU上的能力，先后發(fā)布了DrivePX,DrivePX2,DriveAGXXavier以及DriveAGXOrin四代自動駕駛平臺，希望通過提供通用平臺的方式支持其芯片在自動駕駛領(lǐng)域落地。然而，這種硬件解耦的方式操作起來卻并不成功——關(guān)鍵原因在于，其平臺的通用特性導致其芯片在算力利用效率以及功耗方面這兩個OEM非常關(guān)注的指標上均表現(xiàn)不佳，同時價格也比較昂貴，只能用于支持高端車型的智駕方案。與之相反的是，特斯拉在與英偉達分道揚鑣之后，基于其自研的FSD芯片，做到了極致的軟硬一體化。它能非常高效地用處理硬件的算法去完成一些任務，M系列芯片，特斯拉針對自己的應用需求去對芯片做了架構(gòu)上的剪裁，從而使整個底層硬件的計算資源能夠做到更高的利用率。作為對比，特斯拉自研的FSD芯片盡管在工藝上跟英偉達orin具有一代的差距，因而，芯片的代工成本上僅為后者的三分之一，但是在整體功能實現(xiàn)效果上卻表現(xiàn)更優(yōu)（尤其是，在端到端領(lǐng)域，特斯拉在整體表現(xiàn)上更有優(yōu)勢）。06自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析圖示2：英偉達和特斯拉主力自動駕駛芯片參數(shù)和成本結(jié)構(gòu)對比芯片廠商 英偉達 特斯拉芯片型號 Orin Thor FSDChip1(HW3) FSDChip2(HW4)SOP時間支持功能/車型NPU總算力(TOPS)

20212021理想L系列車型：兩塊Orin芯片支持城市NOA，可部署四塊Orin芯片支持城市NOA，可部署端到端模型254254

TBDTBDTBD20002000

2019 202320192023ModelS/X/Y兩塊芯片支持FSDv12，可部署端到端模型73.7121.6573.7121.6571448DieSize(平方毫米) 455 800（估計） 260 450（估計制造工藝（納米）71448702025060）代工廠 三星 臺積電 三星 三芯片代工成（美元702025060）封測成本（美元） 25 120 10 35合計成本一次性流片成本（估算）（美元）含毛利率的銷售價格（美元）

85 3708537030 100275 1157275115730105

3010510 30NANANA圖源：佐思汽車研究，辰韜資本整理與特斯拉類似，所有走“重軟硬一體”路線的公司都可以針對自己的算法及架構(gòu)特點構(gòu)建平臺體系，并以此為基礎(chǔ)開發(fā)其他模塊。無論是算法對于傳感器，算法對于主芯片，抑或是中間件及底軟對于芯片的整個相關(guān)性的設(shè)計都可以形成“算法是平臺”。尤其是被硬件思維主導的車企管理層的認知里，只有芯片才是“平臺”，算法應該“跟著芯片走”。算法本身可被看作平臺的核心原因是：算法是連接傳感器/07自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析數(shù)據(jù)/功能/應用及底層芯片的“鏈主”，因而，將算法視作平臺并提供相應的迭代機制，就可以讓原本只能割裂開發(fā)的各個環(huán)節(jié)（如芯片和最終實現(xiàn)功能之間之間實現(xiàn)有機的連接。作為對比，如果將芯片作為平臺，則無法實現(xiàn)各環(huán)節(jié)之間的有效連接。蘋果與特斯拉這類公司搭建起以算法為“鏈主”的平臺的好處包括：可以提升開發(fā)效率；能夠提升開發(fā)質(zhì)量；系統(tǒng)側(cè)的成本也會越來越低——在整個量產(chǎn)落地的過程中，順暢度及解決問題的效率都會大大提升。這種成本優(yōu)勢引導行業(yè)走向軟硬一體的路線基本也得到了業(yè)界的共識，通過對行業(yè)內(nèi)28名專家的訪談和調(diào)研我們可以看到，有25位專家認為通過軟硬一體的模式確實能夠為企業(yè)帶來足夠的成本優(yōu)勢。圖示3：軟硬一體是否能帶來成本優(yōu)勢？軟硬一體是否能帶來成本優(yōu)勢？（單位：人）圖源：辰韜資本與蘋果及特斯拉模式相對的是，走“輕軟硬一體”路線的公司則會基于自身的算法選擇供應商或合作伙伴的芯片來做適配。在產(chǎn)業(yè)早期，市場上可選擇的芯片較少，同時芯片算力的增長不能適配算法需求的增長時，他們也會針對性的對自研算法進行調(diào)整來配合芯片。而隨著芯片算力遵循摩爾定律不斷增長，當其能力遠大于算法所需算力之后，這種針對性的優(yōu)化和適配的工作會逐步減少，讓軟硬一體的程度變得更輕，因而耦合度進一步降低，甚至可能會走向軟硬解耦。08自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析圖示4：回顧歷史，摩爾定律是支撐PC端出現(xiàn)通用芯片的底層原因圖源：KarlRuppBlog:40YearsofMicroprocessorTrendData|KarlRupp供應商的軟硬一體策略芯片公司采用軟硬一體策略的核心原因軟硬一體的根基是芯片。目前看到的自動駕駛主芯片的主要架構(gòu)是在ARM體系結(jié)構(gòu)上搭載CPU及NPU，其中，CPU作為通用的計算芯片，目前已經(jīng)實現(xiàn)了很好的軟硬解耦，但針對深度學習的NPU部分，還需要針對主流的量產(chǎn)算法進行定制化設(shè)計，使其利用率更高、且整體平衡性更好。因為，自動駕駛算法對于芯片的不同處理單元會有不同的需求，若需求與處理單元提供的能力不能吻合，就導致資源不均衡或者需要頻繁的移動數(shù)據(jù)，進而造成額外的開銷，并導致整體效率下降。傳統(tǒng)芯片廠商往往會收集現(xiàn)行市場上所有客戶的需求，然后進行梳理，并提前幾年把所有的需求都匯總到芯片的研發(fā)計劃當中。然而，由于目前行業(yè)對自動09自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析駕駛算法的認知參差不齊，且基于當前需求進行未來產(chǎn)品設(shè)計具有明顯的滯后性，所以，傳統(tǒng)芯片廠商的產(chǎn)品規(guī)劃思路對自動駕駛芯片廠商參考價值有限。地平線作為采用軟硬一體策略的自動駕駛芯片公司的典型代表，雖然同樣會做對整個行業(yè)的分析，但其關(guān)注點更多集中在AI模型及算法上，判斷哪些會是未來的趨勢，甚至會投入研究人員進行算法的自研，進而引導這種趨勢。所以，地平線的芯片設(shè)計團隊在指令架構(gòu)、內(nèi)存帶寬配比、NPU支持的算子形態(tài)等方面可以從算法團隊獲得精確輸入，然后再針對自己的算法以及對于功能的理解去設(shè)計芯片。以這種方式設(shè)計出來的芯片，地平線自己推薦的算法的加速或者計算效率會非常高。當芯片推向市場時，地平線會盡量推薦客戶采用自己定義的算法方案，這樣才能取得更好的效果。這種方案的弊端是，客戶或合作伙伴如要自己開發(fā)算法，那么整個網(wǎng)絡(luò)設(shè)計的架構(gòu)、算法的設(shè)計開發(fā)對于芯片的要求是不同的，在這種情況下，地平線自己設(shè)計的芯片就難以發(fā)揮出優(yōu)勢。軟件Tier1們的軟硬一體模式，因芯片類型的不同而有所差異軟件Tier1針對平臺型和專用型芯片廠商的產(chǎn)品的不同特點，會傾向于采用不同的軟硬一體模式。目前，智駕賽道主流的芯片廠商可以分為平臺型及專用型兩大類：平臺型芯片廠商的典型代表是華為及英偉達，他們的GPU或NPU芯片以PC端為基礎(chǔ)，進行適配從而成為自動駕駛需要的車規(guī)芯片。這種遷移導致這類芯片天生具有更強的通用性。由于硬件已經(jīng)按照平臺化的要求進行了提前設(shè)計，所以，他們的芯片無法和車端算法100%適配，這會給芯片帶來一些性能上的損耗；不過，優(yōu)點是能夠支持的算法范圍更寬。專用型芯片廠商更多是算法主導，比如說像地平線或者是Mobileye，在芯片定義之初就為了滿足算法需求方案進行了專門的優(yōu)化，具體的開發(fā)流程在1.3.1中已經(jīng)有過描述。針對對新算法的支持性比較好的平臺型芯片產(chǎn)品，軟件Tier1往往會采用較為領(lǐng)先和前瞻型的解決方案，在域控的設(shè)計上也會給算力留有比較多的裕量。這就意味著，這些解決方案的硬件成本往往較高，因而僅適合對于成本不太敏感的高端車型。但對軟件Tier1來說，這種芯片的通用性意味著其存在軟硬件解耦的空間，從一款平臺型芯片轉(zhuǎn)換到另一款平臺型芯片的適配成本較小，其遷移成本往往會在可接受的范圍內(nèi)。10自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析針對更適合于成熟解決方案的專用型芯片產(chǎn)品，軟件Tier1可發(fā)揮的空間有限。但如果芯片廠商愿意以開放的心態(tài)跟軟件Tier1合作，那軟件Tier1就有機會通過跟該芯片廠商綁定，基于其芯片對自己的是算法做深度優(yōu)化，打造出“輕軟硬一體”的模式（如輕舟智航跟地平線的合作）。這種方案的優(yōu)勢在于具有效率及成本優(yōu)勢，可以支持對價格更為敏感的中低端車型，因而，對于算法已比較成熟的軟件Tier1來說是非常好的選擇。在這種模式下，除非有必要切換整個算法解決方案，否則軟件Tier1進行軟硬解耦的意愿會很弱，因為，切換芯片的成本會特別高。在報告的前期調(diào)研中，針對行業(yè)內(nèi)所有參與者的競爭優(yōu)勢以及生存空間，大部分受訪者認為，芯片廠商及軟件廠商在軟硬一體方案下各具優(yōu)勢，差距不大；而超過三分之二的人認為，Tier2軟件廠商不一定要依賴硬件產(chǎn)品生存，不過生存空間較小，只能集中在一些特定領(lǐng)域。（見下圖）圖示5：軟硬一體的方案優(yōu)勢對比及Tier2廠家未來生存空間調(diào)研（單位：人）Tier2（單位：人）圖源：辰韜資本整車廠的軟硬一體策略目前，整車廠中對“重軟硬一體”策略執(zhí)行得最徹底也最成功的就是特斯拉。有特斯拉珠玉在前，國內(nèi)的蔚小理以及比亞迪也在朝著軟硬一體的方向努力。相比于芯片自研，算法自研的前期投入少，并且對產(chǎn)品力的影響大，所以所有重軟硬一體的整車廠都經(jīng)歷了“先算法后芯片”的遞進過程。11自動駕駛軟硬一體演進趨勢研究報告 軟硬一體定義及行業(yè)現(xiàn)狀分析首先，在自動駕駛算法方面，OEM自研已經(jīng)成為一個不可忽視的趨勢。主機廠對智駕算法的投入主要基于兩個方面考慮：1）自我定位是自動駕駛公司，所以自動駕駛作為核心功能必須自研；2）自我定位是傳統(tǒng)OEM，自研更多是基于對于自動駕駛算法可控的考慮，這樣可以保證供應鏈安全。由于主機廠在數(shù)據(jù)及方案選擇權(quán)上有著非常明顯的優(yōu)勢，在未來自動駕駛L3或L4的的滲透率達到30%，甚至更高水平的時候，同時，若主機廠內(nèi)部管理層的軟件思維也足夠強、企業(yè)文化足以支撐軟件研發(fā)，主機廠就會更加傾向自研算法?；谒惴ǖ淖匝谢蚩煽兀噺S是否要選擇“重軟硬一體”的策略，一般會從成本和配置的角度采取不同策略：1）針對低階智駕配置方案，整車廠傾向于采用供應商提供的“重軟硬一體”方案（比亞迪可能會成為例外），而高階智駕配置則更多的尋求算法自研，在自身體系無法支撐自研的情況下，會通過尋求外部合作及消化吸收為內(nèi)部能力的方式來推進；2）針對芯片方向，因為研發(fā)芯片需要在人才資金方面有很大的前期投入，只有體量較大且現(xiàn)金流較為充裕的主機廠才有能力涉足芯片設(shè)計領(lǐng)域。國內(nèi)的主機廠中目前蔚來、小鵬和吉利已經(jīng)流片成功，而理想和比亞迪也都做出了自己芯片開發(fā)的計劃，但是因為以上幾家的芯片產(chǎn)品目前還沒有整車廠的芯片達到量產(chǎn)裝車的狀態(tài)，采用“重軟硬一體”策略的具體效果還有待進一步驗證。由于有特斯拉的成功案例，目前行業(yè)普遍的看法是，整車廠做“重軟硬一體”具備可行性，但是考慮到中國每年2000~3000萬的銷售總量，最終只有行業(yè)頭部幾家整車廠可能會具備采用“重軟硬一體”方案的條件。關(guān)于芯片研發(fā)的盈虧平衡點，我們可以基于以下簡易模型做粗略估算：以7nm制程、100+TOPS的高性能SoC為例，其研發(fā)成本高于1億美元（包含人力成本、流片費用、封測費用、IP授權(quán)費用等等），若以售價100美元、毛利率50%計算，其盈虧平衡點為200萬片芯片出貨量。當然，芯片研發(fā)的盈虧平衡點受到制程、售價、研發(fā)投入等多方面影響，行業(yè)普遍認為，自研芯片的年需求量若低于100萬片，很難具備經(jīng)濟性?？紤]到當前自動駕駛行業(yè)的技術(shù)方案和芯片架構(gòu)幾乎每三年發(fā)生一次重大升級，自研芯片的庫存需要控制到極低水平方可，因而，部分車企的自研芯片也在尋求更加廣泛的生態(tài)聯(lián)盟來實現(xiàn)盈利。12自動駕駛軟硬一體演進趨勢研究報告 軟硬一體開發(fā)能力分析軟硬一體開發(fā)能力分析 雖然軟硬一體的方案能夠為企業(yè)帶來成本上的巨大優(yōu)勢以及更廣闊的生存空間，但是它對于對于企業(yè)在技術(shù)能力上提出了更為苛刻的要求——執(zhí)行軟硬一體戰(zhàn)略的企業(yè)必須在算法、芯片（重軟硬一體）以及中間件和底軟等領(lǐng)域有著深度的技術(shù)積累和工程經(jīng)驗。智駕系統(tǒng)算法架構(gòu)典型的智駕系統(tǒng)包括感知、定位、預測、決策規(guī)劃及控制模塊：圖示6：車載智能計算基礎(chǔ)平臺參考架構(gòu)來源：《車載智能計算基礎(chǔ)平臺參考架構(gòu)2.0（2023年）》感知模塊（Perception）上一代感知算法更多基于CNN卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)，所以，軟硬一體的芯片廠商在設(shè)計上會針對CNN卷積神經(jīng)網(wǎng)絡(luò)進行很多優(yōu)化。當前，隨著感知模塊逐13自動駕駛軟硬一體演進趨勢研究報告 軟硬一體開發(fā)能力分析步演進為基于注意力架構(gòu)的ViT模型以及無注意力的Mamba模型的趨勢，芯片廠商需要針對性地進行芯片設(shè)計上的優(yōu)化并搭建相應生態(tài)，這將會對未來的行業(yè)軟硬一體格局產(chǎn)生深刻影響。預測模塊（Prediction）隨著BEV+Transformer技術(shù)方案大行其道，通過spatialattention的信息關(guān)聯(lián)方式獲得更準確的預測信息成為目前最主流的預測技術(shù)，這也解決了之前的預測算法輸出結(jié)果不夠平滑的問題。和感知及融合模塊類似，目前的算法同樣也要求計算芯片能夠針對Transformer提供足夠的優(yōu)化，并且需要更多的算力支持。決策與規(guī)劃模塊（DecisionandPlanning）受制于技術(shù)方案決定的能力上限，傳統(tǒng)的決策方法在解決復雜場景時表現(xiàn)不佳，目前的主要趨勢是將決策規(guī)劃模塊神經(jīng)網(wǎng)絡(luò)化，進而實現(xiàn)模塊化的端到端，最終向onemodel端到端的解決方案轉(zhuǎn)化，這個轉(zhuǎn)化會帶來神經(jīng)網(wǎng)絡(luò)的計算量較大的提升，這也對目前智駕芯片的算力和性能提出了一定要求。除此之外，為了解決端到端方案的可解釋性問題，目前行業(yè)內(nèi)也提出采用車端多模態(tài)大模型來輸出場景描述和判斷邏輯。這種用于決策的車端多模態(tài)大模型的引入，一方面會導致車端計算量的急劇上升，另一方面也需要芯片廠商基于大模型進行相應的優(yōu)化及設(shè)計，這些都會對未來行業(yè)軟硬一體的發(fā)展格局造成一定影響?？刂颇K（Control）傳統(tǒng)控制算法主要運行在MCU上，所以對于我們討論的域控的中央芯片的影響較小。此外目前也有部分端到端算法將控制算法融合進大模型的架構(gòu)，會引起計算量的微小提升，但這些都對軟硬一體格局的影響不大。智駕域控系統(tǒng)硬件架構(gòu)目前車規(guī)級的智駕芯片基本都屬于SoC范疇，其集成了包括多個處理器、存儲器和其他部件在內(nèi)的較完整的信息處理系統(tǒng)的半導體芯片，一般這些處理器具有異構(gòu)的特性。從軟件層面來說它可以存放并運行系統(tǒng)級別的代碼，即可以運行操作系統(tǒng)，也會包含多個處理器，通常具有“CPU+XPU”的多核架構(gòu)，例如可拆解為CPU+GPU+DSP+NPU+存儲+接口單元。14自動駕駛軟硬一體演進趨勢研究報告 軟硬一體開發(fā)能力分析圖示7：典型的車載芯片分布座艙空調(diào)座艙空調(diào)HMI座椅遠程及通信網(wǎng)關(guān)V2XOTA動力系統(tǒng)動力系統(tǒng)發(fā)動機控制發(fā)動機管理系統(tǒng)傳動系統(tǒng)冷卻系統(tǒng)車身車門控制車身車門控制車身控制后備箱控制燈光底盤及安全懸架制動駐車EPS氣囊圖源：辰韜資本相比于傳統(tǒng)的車載芯片，自動駕駛SoC芯片的算力有了數(shù)量級的提升，并且，自動駕駛SoC芯片上通常需要集成除CPU之外的一個或多個XPU來做AI運算。用來做AI運算的XPU可選擇GPU/FPGA/ASIC等。15自動駕駛軟硬一體演進趨勢研究報告 軟硬一體開發(fā)能力分析目前，市場上主流的自動駕駛SoC芯片的處理器架構(gòu)方案(或稱技術(shù)路線)有以下三種：圖示8：不同芯片類型優(yōu)劣勢對比類型優(yōu)勢劣勢代表芯片通用并行加速芯片通用性強性能高功耗高英偉達Thor地平線J6P神經(jīng)網(wǎng)絡(luò)專用加速芯片定制設(shè)計功耗低通用性弱地平線J5高通驍龍RideFPGA靈活性強價格高賽靈思Vertex7圖源：辰韜資本①英偉達、地平線等，所設(shè)計的自動駕駛SoC芯片采用CPU+通用并行加速芯片方案。這種通用并行加速芯片以英偉達的GPU作為主要代表，由于其架構(gòu)具有通用性，比較適合算法快速迭代期采用“輕軟硬一體”方案的車企或軟件Tier1J6P硬解耦”或“輕軟硬一體”創(chuàng)造了條件。②Mobileye、地平線等，致力于研發(fā)銷售自動駕駛專用AI芯片，采用CPU+神經(jīng)網(wǎng)絡(luò)專用加速芯片方案。因為這類專用加速芯片對于算法約束較多，所以這種芯片本身需要和算法綁定得更深，很多時候也需要芯片廠商自己走“重軟硬一體”模式；或是引導生態(tài)伙伴中的軟件Teir1采用“輕軟硬一體”的策略，與自家的專用加速芯片進行深度綁定。③此外，還有部分自動駕駛公司在早期采用CPU+FPGA的方案做自動駕駛算法驗證。這類芯片靈活性強，但是性價比較低，只能用于早期的算法測試，不適合作為最終產(chǎn)品進行量產(chǎn)，因而對于軟硬一體的最終生態(tài)不會造成什么影響。16自動駕駛軟硬一體演進趨勢研究報告 軟硬一體開發(fā)能力分析智駕域控系統(tǒng)底層軟件操作系統(tǒng)目前，產(chǎn)業(yè)內(nèi)對智駕操作系統(tǒng)的主流選擇是，采用QNX或基于Linux內(nèi)核進行裁剪。在應用于自動駕駛領(lǐng)域之前，QNX主要應用于手機行業(yè)。QNX作為一個微內(nèi)核只涵蓋了最為基本的調(diào)度及內(nèi)存管理，所以，它的優(yōu)勢在于高可靠性，協(xié)議棧、各種外設(shè)驅(qū)動穩(wěn)定，這就意味著它天生適合用于開發(fā)RTOS系統(tǒng)。但是由于其完全閉源的特性，在生態(tài)方面的局限性也太明顯，這使得它目前在自動駕駛領(lǐng)域的落地并不理想。尤其是，難以滿足高階智駕方案的需求。相比之下，基于Linux進行裁剪開發(fā)出的各種RTLinux系統(tǒng)，其本質(zhì)上仍然另一方面，Linux屬于純開源系統(tǒng)，所以具有免費的特性，而且它的生態(tài)資源豐富，可以無縫對接大量第三方庫，因而可以更好地適配目前自動駕駛軟件迭代對于軟件庫快速增加的需求。RTLinuX的主要劣勢是，在實時性上略遜QNX一籌，而且其較高的系統(tǒng)復雜度也增加了出現(xiàn)bug的概率，不過，目前車廠已經(jīng)通過軟件及功能架構(gòu)的設(shè)計對RTLinuxX的劣勢進行最大程度的規(guī)避。總體而言，RTLinux可滿足POSIX標準，從而一方面讓基于它們開發(fā)的中間件有共同可遵循的標準，對于中間件公司相對較為友好；另一方面也可以支持不同架構(gòu)的自動駕駛芯片，通用性強，因而，對于軟硬解耦不會設(shè)置過多的阻礙。除此之外，未來生態(tài)逐步在向艙駕一體的方向演化。由于智駕域在可靠性、穩(wěn)定性以及實時性的要求遠高于座艙域的系統(tǒng)，因而，同一套操作系統(tǒng)想要兼容兩個域的需求難度極大。目前的解決方案大部分是基于oneboardtwochip的方案，不同芯片跑不同的系統(tǒng)，從側(cè)面規(guī)避了這個問題。而長期來講，艙駕一體的技術(shù)方向會走向單芯片模式，在單芯片的艙駕一體方案下，是否能有穩(wěn)定可靠的操作系統(tǒng)在單芯片上同時滿足兩個域的需求，就會影響方案落地的速度。這些操作系統(tǒng)的優(yōu)化與芯片以及域控的架構(gòu)息息相關(guān)，從而會間接助力行業(yè)走向“輕軟硬一體”的狀態(tài)。中間件中間件是連接芯片及應用軟件的橋梁，所以中間件開發(fā)對所選擇的芯片以及需要支持的應用層架構(gòu)對比較敏感。17自動駕駛軟硬一體演進趨勢研究報告 軟硬一體開發(fā)能力分析目前對于中間件的核心關(guān)注點主要在于性能表現(xiàn)，具體包括兩個方面：一是中間件的實時性，二是中間件對于系統(tǒng)資源的占用。傳統(tǒng)的AutoSARCP由于最早是針對MCU開發(fā)，后期在向SoC芯片平臺移植的工作較多，且僅支持SOME/IP，所以目前已經(jīng)逐步讓位于更加主流的AutoSARAP。由于AP相較于CP具有更好的靈活性，對于軟硬解耦會有所幫助。對于大數(shù)據(jù)量的傳輸方案，DDS是目前行業(yè)的主流選擇。早期的DDS更多應用于工業(yè)系統(tǒng)，所以在移植到車輛系統(tǒng)初期遭遇了一些瓶頸。目前隨著車載系統(tǒng)軟件公司以及整車廠的不懈努力，針對DDS的適配已經(jīng)得到了長足發(fā)展。目前國內(nèi)的中間件公司都已經(jīng)基于AP/DDS提供了定制化的解決方案。這種中間件通用性的提升，從某種程度上降低了軟硬解耦的門檻。工具鏈除運行在自動駕駛車輛上的軟件外，用于數(shù)據(jù)采集、處理、標注、模型訓練平臺、仿真平臺、OTA工具和一些其他環(huán)節(jié)的開發(fā)工具都屬于開發(fā)工具鏈的范疇。其中的模型訓練平臺以及部署相關(guān)的工具，跟軟硬一體有很強的相關(guān)性。在自動駕駛行業(yè)內(nèi)，模型訓練平臺及相關(guān)部署工具做得最好的公司是英偉達。英偉達依靠其CUDA生態(tài)的得天獨厚優(yōu)勢，基于Xavier及Orin芯片，提供了全套的模型訓練及加速工具，如靜態(tài)框架的TensorFlow(Google開發(fā)，英偉達深度支持)+TensorRT，此外也可以采用支持動態(tài)框架的PyTorch+ONNX的全套工具鏈。這些工具鏈可以無縫對接其強大的模型開源生態(tài)，讓開源社區(qū)的SOTA算法在英偉達芯片上可以快速適配部署及應用。這種成熟的鏈條也使得軟件Tier1容易傾向于采用英偉達芯片及工具鏈構(gòu)建“輕軟硬一體”戰(zhàn)略。而采用ASIC方案的軟件Tier1由于ASIC芯片本身特性制約，針對新算子的適配更為復雜。訓練以及部署平臺如何對包含這些新算子的模型進行訓練和部署也存在很多不確定性，甚至存在某些算子，當前的ASIC方案可能完全不支持或者計算效率極低導致包含該算子的模型完全不可用的可能性。因而，在算子尚未成為行業(yè)標準的早期，軟件Tier1需要得到芯片原廠更多的支持。這也意味著，基于這些芯片提供解決方案的軟件Tier1或整車廠需要跟芯片廠商深度綁定。如果切換芯片則需要重新熟悉大量的部署以及加速工具，帶來了比較高的遷移成本。這種特性也間接推動了“輕軟硬一體”生態(tài)的形成。18自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況自動駕駛賽道公司概況 主流芯片廠商市場上主要的自動駕駛芯片廠商如下：英偉達英偉達的自動駕駛芯片主要定位在L2+及以上等級的智能駕駛，2019年推出的自動駕駛領(lǐng)域的主力芯片Orin算力達到250TOPS，在當時遙遙領(lǐng)先于行業(yè)內(nèi)的其他競爭對手。作為一款平臺型芯片，盡管他的價格不菲，在推出之后仍然成為大量“輕軟硬一體”的軟件Tier1以及整車廠高端車型自動駕駛解決方案上的首選。其通用以及高算力的特性也讓軟件Tier1以及整車廠可以從上一代基于CNN的感知模塊平穩(wěn)地過渡到BEV+Transformer的技術(shù)方案，以及之后的模塊化端到端解決方案，很好地支持了這些客戶的“輕軟硬一體”戰(zhàn)略。在2022年，英偉達發(fā)布了新一代智駕芯片Thor，采用了先進的4nm工藝，算力可達2000TOPS。其不僅在算力、性能上有極大提升，還被認為具備了支持車端大模型的潛力。從功能上分析，Thor可被配置為多種模式，可以將其2000TOPS算力全部用于自動駕駛工作流；也可以將一部分用于駕駛艙AI和信息娛樂，一部分用于輔助駕駛，為下一代的艙駕一體架構(gòu)提供了芯片層面的保證。從這個角度講Thor有希望被軟件Tier1綁定，為高端車型提供艙駕一體的軟硬一體解決方案。除了提供芯片產(chǎn)品外，英偉達也同樣組建了自動駕駛解決方案團隊，進行了“重軟硬一體”戰(zhàn)略的嘗試。公司目前作為Tier1為奔馳提供包括芯片、智駕算法及座艙在內(nèi)的全套解決方案，與其他Tier1相比略顯不足的是，雙方的合作從2020年開始，但是目前仍未達到量產(chǎn)落地的狀態(tài)。19自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況圖示9：英偉達最新的Thor芯片可達接近2000TOPS算力圖示10：Thor可被配置為支持多種模式

圖片來源：英偉達官網(wǎng)圖片來源：英偉達官網(wǎng)華為華為是自動駕駛芯片賽道上最具代表性的走“重軟硬一體”路線的公司。目前計算平臺所使用的主芯片是Ascend310，Ascend610，Ascend620。這幾款芯片的最大亮點就是采用了達芬奇架構(gòu)。達芬奇架構(gòu)采用3DCube，針對矩陣運算做加速，大幅降低了同等AI算力下的功耗。20自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況除芯片外，華為也有針對自動駕駛的全套解決方案ADS，是所有芯片廠商中對軟硬一體策略執(zhí)行得最重的一家。其提供的產(chǎn)品全面覆蓋了芯片、操作系統(tǒng)、工具鏈以及自動駕駛算法各個環(huán)節(jié)。由于在智駕軟件領(lǐng)域有超過幾千人的團隊支撐，所以在BEV以及占據(jù)網(wǎng)絡(luò)等新技術(shù)上都實現(xiàn)了快速落地，其在城區(qū)NOA的體驗方面也是居于國內(nèi)的第一梯隊。能夠?qū)崿F(xiàn)這些新技術(shù)的快速落地以及產(chǎn)品的快速迭代都和華為堅定的執(zhí)行“重軟硬一體”策略帶來的速度優(yōu)勢有極大關(guān)聯(lián)。目前華為基于這套“重軟硬一體”的ADS解決方案與賽力斯、奇瑞及長安阿維塔都進行了全面合作，取得了很好的效果，智駕系統(tǒng)的選裝率也達到了較高水平。地平線地平線屬于行業(yè)內(nèi)執(zhí)行軟硬一體方案以及打造智駕生態(tài)比較成功的芯片公司。其產(chǎn)品線較為全面，涵蓋了CPU+ASIC及CPU+GPU兩種不同架構(gòu)。早期推出的J2和J3主要用于L2級別自動駕駛功能，從芯片到算法全部都由自己提供，采用了“重軟硬一體”的打法。從J5開始，其策略逐步開始向軟硬解耦的方向轉(zhuǎn)化。J5目前的量產(chǎn)算法是由生態(tài)合作伙伴（如輕舟和鑒智及覺非等）做算法及交付，從“重軟硬一體”逐步轉(zhuǎn)向軟硬解耦策略，并以打造與合作伙伴的生態(tài)為主。2024年4月，地平線發(fā)布了全新一代車載智能計算方案J6系列以及SuperDrive全場景智能駕駛解決方案，其中J6旗艦芯片J6P實現(xiàn)了CPU、BPU、GPU和MCU四芯合一，提供了更高的芯片架構(gòu)集成度，單顆芯片最高算力高達560TOPS。J6將延續(xù)軟硬解耦的商業(yè)策略，在2024年內(nèi)通過生態(tài)合作伙伴開啟首個前裝量產(chǎn)車型交付，并預計于2025年實現(xiàn)超10款車型量產(chǎn)交付。圖示11：地平線征程系列芯片圖片來源：地平線J5發(fā)布會21自動駕駛軟硬一體演進趨勢研究報告

自動駕駛賽道公司概況J6的旗艦版J6P的落地，在短期內(nèi)會是“重軟硬一體”模式（算法由地平線自己開發(fā)），待后續(xù)有軟件Tier1或車企基于J6P做算法后，則又走向軟硬解耦的路線；而對長期使用J6P的軟件Tier1或車企來說，則是“輕軟硬一體”。高通在2020年1月，高通推出了驍龍Ride(SnapdragonRide)平臺，作為其邁向自動駕駛賽道的平臺產(chǎn)品。圖示12：高通驍龍Ride芯片架構(gòu)圖片來源：高通官網(wǎng)不過一代產(chǎn)品（SA8540P）并沒有能成功打開市場，出貨量較少。而其二代產(chǎn)品系列（包括SA8620P，SA8650P等)提供了從36TOPS到100TOPS的算力，在國內(nèi)與momenta，卓馭及毫末分別聯(lián)合發(fā)布了輔助駕駛及自動駕駛解決方案，堅持走軟硬解耦的商業(yè)路線。除以上合作外，高通在“重軟硬一體”路線上也有所布局。其在2021年與合作伙伴聯(lián)合收購自動駕駛公司Veoneer，并在接下來的一年將其軟件部門Arriver收歸帳下。而Arriver的計算機視覺、駕駛策略和其他自動駕駛相關(guān)資產(chǎn)也被整合到驍龍Ride平臺上。從而讓高通具備為客戶提供高級駕駛輔助系統(tǒng)(ADAS)解決方案的“重軟硬一體”能力。22自動駕駛軟硬一體演進趨勢研究報告整車廠特斯拉

自動駕駛賽道公司概況在整車廠中，特斯拉是一個從使用供應商的“重軟硬一體”（早期跟Moibleye合作階段）方案轉(zhuǎn)向“輕軟硬一體”（跟英偉達合作階段）、最終又將基于自研芯片走上“重軟硬一體”之路的典型代表。圖示13：特斯拉BEV網(wǎng)絡(luò)架構(gòu)圖片來源：特斯拉DemoDay其采用的BEV+Transformer的感知+融合+預測方案，以及從FSD12.3起開始推送的模塊化端到端方案都引領(lǐng)了行業(yè)智駕算法的發(fā)展。除了算法方面的領(lǐng)先，特斯拉在芯片方面也探索出了自己的道路。早期的自動駕駛解決方案搭載的芯片包括MobileyeEyeQ3與英偉達DRIVEPX2，后期則選擇自研的FSD芯片。一代芯片于2019年正式流片，采用14nm工藝，整個芯片約由60億顆晶體管組成。二代芯片發(fā)布于2023年，采用了7nm工藝，包含三個NPU核心，算力可達120TOPS。23自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況其核心技術(shù)來源于由兩顆NPU組成的NNA（NeuralNetworkAccelerator，神經(jīng)網(wǎng)絡(luò)加速單元）系統(tǒng)，并針對自身的自動駕駛算法進行了大量優(yōu)化，包括：在每個計算周期，NPU都會從內(nèi)置的SRAM中讀取激活數(shù)據(jù)，并和權(quán)重數(shù)據(jù)組合在一起進入乘法累加，在完成了MAC的乘法累加運算后，數(shù)據(jù)將會被轉(zhuǎn)移到激活以及池化部分，然后寫入緩沖區(qū)，進行結(jié)果匯總。NNA設(shè)計了非常大的片上SRAM緩存，這樣可以讓數(shù)據(jù)盡可能地在片內(nèi)周轉(zhuǎn)，而不用頻繁地與內(nèi)存或者其他模塊進行讀寫操作。這樣做不但可以提高性能，還可以有效降低功耗?；谠谧匝行酒约白詣玉{駛算法領(lǐng)域的領(lǐng)先性，特斯拉是目前執(zhí)行軟硬一體策略執(zhí)行的最為成功的整車廠。一方面算法方面的不斷突破為他們帶來了軟件領(lǐng)域的優(yōu)勢，另一方面自研芯片以及工具鏈也讓他們可以將這些軟件優(yōu)勢快速轉(zhuǎn)化為產(chǎn)品力體現(xiàn)在最終車輛當中。理想理想又是一個從使用供應商的“重軟硬一體”方案轉(zhuǎn)向“輕軟硬一體”，最終又將基于自研芯片走上“重軟硬一體”之路的典型案例。理想在早期使用Mobileye提供的“重軟硬一體”方案，在進入2020年之后，為自己掌握自動駕駛能力，開始使用地平線的芯片，并在地平線的幫助下開始自研算法，這是走向了“輕軟硬一體”。此后，理想又基于英偉達的Orin自研高階智駕的算法，仍然堅持“輕軟硬一體”戰(zhàn)略。除算法方面逐步走向自研的道路，理想也已經(jīng)在啟動智駕芯片的研究，主要采用NPU方案來實現(xiàn)推理加速的運算，并已有相應的流片時間計劃。未來理想有望基于自研的自動駕駛方案進行自研芯片的設(shè)計，從而獲得更好的性能匹配以及成本優(yōu)勢，走向“重軟硬一體”的道路。對于自研芯片的整車廠而言，從供應商的芯片切換到自研芯片的過程，屬于軟硬解耦；但在切換完成之后，若長期使用自研芯片，則是“重軟硬一體”。根據(jù)過往經(jīng)驗，在剛切換到自研芯片的前期，自動駕駛系統(tǒng)的性能可能會有所下降，但過了早期的過渡期后，性能相較以前又會有較大的提升。24自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況蔚來跟理想類似，蔚來也是一個從使用供應商的“重軟硬一體”方案轉(zhuǎn)向“輕軟硬一體”，最終又將基于自研芯片走上“重軟硬一體”之路的案例。早期使用Mobielye提供的“重軟硬一體”方案；后面連續(xù)幾年基于英偉達Orin自研算法，這是“輕軟硬一體”；接下來，若自研的芯片在量產(chǎn)上可用，并且整車的銷量也足以支撐芯片研發(fā)系統(tǒng)的維護成本，蔚來將走向“重軟硬一體”模式。圖示14：蔚來的神璣芯片參數(shù)圖片來源：蔚來官網(wǎng)小鵬目前小鵬已經(jīng)擁有Xpliot/XNGP/XNGP+全系列自動駕駛/輔助駕駛架構(gòu)。這幾個解決方案全部由小鵬自研，并基于英偉達芯片實現(xiàn)，所以小鵬目前屬于行業(yè)內(nèi)對“輕軟硬一體”路線執(zhí)行得最堅決的造車新勢力。但通過近日在發(fā)布會上宣布自研芯片“圖靈”流片成功的消息，小鵬也展現(xiàn)出了在未來逐步邁向“重軟硬一體”的決心。圖靈芯片可以支持30B的大模型，可以為作為未來高階自動駕駛的計算芯片。同時這塊芯片也會用于小鵬的人形機器人，同步讓其人形機器人也完成向“重軟硬一體”生態(tài)的轉(zhuǎn)化。不過，小鵬的“重軟硬一體”之路能否真正走通，也取決于車的銷量，以及其跟大眾的合作能否持久；反過來，若“重軟硬一體”之路走通，則大眾也會有可能采用小鵬的“重軟硬一體”方案。25自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況圖示15：小鵬發(fā)布圖靈芯片比亞迪

圖片來源：小鵬汽車發(fā)布會不同于特斯拉以及蔚小理等造車新勢力較早開始布局自動駕駛，比亞迪在這個領(lǐng)域發(fā)力較晚。但是從路徑上走的仍然是從與供應商合作，到自研自動駕駛算法，最終開始自研智駕芯片的道路。比亞迪在2021年與Momenta成立合資公司迪派智行，開始面向高階自動駕駛布局。主要依靠軟件Tier1Momenta基于英偉達Orin芯片為自己的高端車型提供“輕軟硬一體”解決方案。而從2022年開始，公司開始自行組建智駕團隊，基于英偉達的Orin芯片進行智駕算法的開發(fā)，其自研的高速DNP算法在同年開始在比亞迪漢上推送。在2023年自研的高速NOA算法在騰勢及仰望等高端車型完成了推送，這一階段屬于綁定Orin的“輕軟硬一體”階段。在2023年，比亞迪已經(jīng)開始進行小算力智駕芯片的研究，對標TI的TDA4vm。希望通過這款低成本芯片實現(xiàn)10~20萬中低端車型的自動駕駛功能的“重軟硬一體”方案。比亞迪對“重軟硬一體”的考慮跟蔚來有所不同——蔚來是先從大算力芯片開始，而比亞迪則是先從小算力芯片開始。這跟兩家公司主流車型的市場定位有關(guān)。在使用英偉達芯片的階段，從供應商的算法切換到自研算法的過程，是軟硬解耦；在使用自研算法的階段，從英偉達的芯片切換到自研芯片的過程，是軟硬解耦。比亞迪向“重軟硬一體”的轉(zhuǎn)型成功需要有個前提：能打造出適合軟件開發(fā)的組織文化。26自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況軟件Tier1MomentaMomenta在前一階段處于“輕軟硬一體”狀態(tài)。其在高階智駕上綁定了英偉達的Orin芯片提供其MpilotX解決方案，目前已經(jīng)在上汽的智己以及比亞迪的騰勢上實現(xiàn)了量產(chǎn)。不過，在2024年，Momenta也高調(diào)宣布了未來會與高通進行合作，基于驍龍Ride進行一些領(lǐng)航類低階輔助駕駛功能的開發(fā)。將基于英偉達平臺開發(fā)出來的算法移植到高通的芯片上，則是一個軟硬解耦的過程。此外，Momenta目前也已經(jīng)有了芯片領(lǐng)域的規(guī)劃，Momenta一方面在2023年招攬了十幾名OPPO旗下的芯片設(shè)計公司哲庫的技術(shù)骨干進行自動駕駛芯片的研究，另一方面也開始與臺灣ASIC服務廠商溝通5nm芯片的量產(chǎn)計劃。一旦自研芯片取得成功，經(jīng)歷了從英偉達、高通的芯片切換至自研芯片的“軟硬解耦”過程后，Momenta將走上跟Mobileye之路。對軟件Tier1來說，從“輕軟硬一體”走向“重軟硬一體”，最大的挑戰(zhàn)可能并不在技術(shù)，而在于如何取得主機廠客戶對其自研芯片的信任。因為，通常來說，主機廠選擇軟件Tier1的邏輯，是先選擇芯片平臺，然后再看哪個軟件Tier1最有能力把該芯片用好，再定點軟件Tier1，而非因為認可某個軟件Tier1的算法，然后再用他推薦或自研的芯片。不過，一旦其“重軟硬一體”方案拿下了幾個具有說服力的量產(chǎn)項目，并經(jīng)過驗證比之前使用供應商芯片的“輕軟硬一體”方案性能優(yōu)且成本更低，就有機會快速擴大市場占有率。卓馭科技（大疆車載）在國內(nèi)所有軟件Tier1當中，大疆車載是最早將智駕功能定位在中低端車型上的供應商。為了適配中低端車型，卓馭從芯片到傳感器上的各個要素都考慮極致性價比。為了保證穩(wěn)定性和研發(fā)深度，大疆車載選擇了比賽道其他玩家更加徹底的“輕軟硬一體”模式。其他玩家的“輕軟硬一體”一般以綁定芯片供應商為標志，而大疆車載的“輕軟硬一體”不僅綁定了TI的TDA4這款芯片，在早期還嚴格綁定了通用五菱的車型進行深度開發(fā)。這就讓其在算法層面以TDA4為基礎(chǔ)進行深度適配，而在傳感器層面則參考五菱的車型。27自動駕駛軟硬一體演進趨勢研究報告 自動駕駛賽道公司概況雖然TDA4的芯片算力僅有32TOPS，但是通過大疆在算法層面的極致優(yōu)化，能同時支持7路攝像頭的深度學習算法，并讓最終方案可同時提供大量的泊車以及輔助駕駛功能。能夠做到如此深層的優(yōu)化，與大疆從最初就選定了高性價比的TDA4芯片并基于此進行算法優(yōu)化的“輕軟硬一體”的路線有直接關(guān)系。憑借這個性價比優(yōu)勢，卓馭的自動駕駛解決方案已經(jīng)在上汽以及比亞迪的多款車型上實現(xiàn)量產(chǎn)。值得一提的是，2024年大疆也接過了高通的橄欖枝，開始基于高通8650提供城區(qū)NOA方案，轉(zhuǎn)向軟硬解耦方向。28自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢行業(yè)未來發(fā)展趨勢 基于對于資深專家的訪談以及對歷史上其他行業(yè)的情況進行橫向?qū)Ρ?，我們總結(jié)出了更適合采用軟硬一體策略的公司/行業(yè)/階段幾個判定標準：技術(shù)成熟度：算法技術(shù)框架已經(jīng)收斂；技術(shù)平權(quán)度：芯片設(shè)計技術(shù)/方案的復雜度不算太高，且已經(jīng)有很多公司掌握了該技術(shù)/方案；總收益：所處賽道的市場體量足夠大，市場回報能夠覆蓋軟硬一體的成本。圖示16：影響軟硬一體策略判定的三要素競爭軟硬一體收益 技術(shù)圖源：辰韜資本以上三個標準，滿足其中一條時公司就具備考慮軟硬一體的條件，滿足其中兩條時公司就會具有推動軟硬一體的動力，如果三條全部滿足則軟硬一體就是公司在當前的最優(yōu)選擇策略。29自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢軟硬一體的綜合趨勢總體來看，軟硬一體與軟硬解耦是一體兩面，最終市場會形成兩者并存的態(tài)勢，但是短期內(nèi)，軟硬一體的公司在市場上體現(xiàn)出更強的競爭力。圖示17：以手機行業(yè)的軟硬一體發(fā)展趨勢為參考智能手機/功能手機摩托羅拉諾基亞Apple華為智能手機小米操作系統(tǒng)自研自研自研安卓/自研安卓芯片能力自研TI自研自研高通首發(fā)時間19831994200720092011圖源：辰韜資本手機行業(yè)在軟硬一體方面的歷程值得我們進行借鑒。手機產(chǎn)業(yè)在功能機階段，由于技術(shù)棧相對簡單，所以很多傳統(tǒng)手機廠商例如摩托羅拉等公司采用了“重軟硬一體”的方式，自研了從芯片到應用的全套技術(shù)棧。此外，也有諾基亞等廠商綁定了某家芯片廠商（TI或MTK）等，走上了“輕軟硬一體”的道路。而當手機發(fā)展到高階的智能手機階段，我們可以看到行業(yè)內(nèi)就出現(xiàn)了分化。一方面，存在蘋果這類從芯片覆蓋到操作系統(tǒng)的“重軟硬一體”公司；另一方面，也存在安卓這樣獨立的操作系統(tǒng)，這類產(chǎn)品可以適配市面上各類不同芯片，而非跟某一款芯片進行強綁定，這就讓整個行業(yè)處于“重軟硬一體”及“輕軟硬一體”共存的狀態(tài)。參考手機以及其他大量行業(yè)的經(jīng)驗，我們認為自動駕駛行業(yè)軟硬一體的趨勢會根據(jù)自動駕駛方案的高低階而有所不同：對低階智駕，主機廠往往會直接采用供應商的軟硬一體方案，并向標準化的方向發(fā)展。對高階智駕算法等關(guān)鍵能力，主機廠自研的比例會越來越高。如果只自研算法，不自研芯片，那么，從供應商的算法切換到自研算法的過程，是軟硬解耦；但如果自研算法在后面長期跟某個供應商的一款/同系列芯片捆綁，則又形成新的軟硬一體（“輕軟硬一體”）。當芯片算力遠大于實際應用的需求、解決方案與芯片的適配不再成為核心而還有散熱等其他問題有待解決，短期內(nèi)仍難以實現(xiàn)軟硬解耦，在很長一段時間內(nèi)，軟硬一體策略仍然會是行業(yè)主流。30自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢為了給出清晰的行業(yè)形式分析，這里我們給出針對成熟賽道&新興賽道以及初創(chuàng)公司&巨頭兩個不同維度的對比：成熟賽道v.s新興賽道：對比起新興賽道，成熟賽道在技術(shù)框架成熟度高、且行業(yè)技術(shù)相對已經(jīng)普及的情況下，行業(yè)內(nèi)體量比較大的公司傾向于執(zhí)行軟硬一體策略。反之，新興賽道，在技術(shù)框架成熟度、技術(shù)擴展度（技術(shù)平權(quán)水平）都不足的情況下，如果行業(yè)內(nèi)沒有體量較大的公司，則賽道內(nèi)的玩家會習慣于通過精細分工（軟硬解耦）的方式抱團取暖。而一旦有公司獲得了比較高的回報或者有足夠的資本支撐，會開始傾向于走軟硬一體的道路。成熟賽道的初創(chuàng)公司v.s成熟賽道的行業(yè)巨頭：在成熟賽道，初創(chuàng)公司在早期幾乎不可能有足以與巨頭抗衡的市場回報，因而，對初創(chuàng)公司來說，選擇“重軟硬一體”的模式非常不經(jīng)濟。在自身的技術(shù)方案選擇正確的前提下，“輕軟硬一體”的模式可以為初創(chuàng)企業(yè)提供更好的支撐。而對行業(yè)巨頭來說，因為針對成熟賽道條件一和條件二都滿足，在自身體量足夠大且企業(yè)文化支持的情況下，選擇“重軟硬一體”始終是比較有優(yōu)勢的模式。圖示18：軟硬一體發(fā)展趨勢及驅(qū)動因素調(diào)研（單位：人）

現(xiàn)階段創(chuàng)業(yè)公司軟硬一體的方案更多的是為了迎合產(chǎn)業(yè)還是資本方的需求?（單位：人）圖源：辰韜資本31自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢通過調(diào)研我們可以看到，28位受訪的行業(yè)專家中的12位認為軟硬一體是必然趨勢，而其余的16位則認為它只是選擇之一。對于如今行業(yè)軟硬一體大行其道的原因，8位專家認為單純是行業(yè)格局及技術(shù)發(fā)展水平催生了這個態(tài)勢，另外19位則認為產(chǎn)業(yè)及資本共同推動了業(yè)內(nèi)軟硬一體的生態(tài)。自動駕駛賽道玩家未來的道路選擇整車廠根據(jù)我們的判定標準，只要整車的銷售量達到可以覆蓋芯片開發(fā)成本的級別，整車廠就會有比較強自研芯片的動力，然后走上“重軟硬一體”之路。目前特斯拉已經(jīng)走上了這條道路，而國內(nèi)蔚來、小鵬、理想和比亞迪都已經(jīng)開始了自己的全棧自研路線。（當然，全棧自研能否持續(xù)走下去，還得看銷量及組織能力。）除了剛剛提到的因素之外，相比于Tier1及芯片供應商，整車廠更容易獲得用戶數(shù)據(jù)，這也就意味著如果整車廠搭建出足夠好的數(shù)據(jù)鏈路，就更容易獲得好的端到端算法效果。這種在算法方面從弱到強的變化，也讓一些軟件能力較強的整車廠成為自動駕駛賽道所有類型的玩家中最容易從軟硬解耦向軟硬一體發(fā)展的成員。從統(tǒng)計數(shù)據(jù)來看，受訪的28位專家中有9人認為排名靠前的整車廠最終道路一定是全棧自研（制造芯片），而另外19位則持相反觀點。圖示19：全棧自研是否會成為成為未來整車廠的主流趨勢?（單位：人）圖源：辰韜資本32自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢不過，受訪專家大多只關(guān)注主機廠的銷量是否足夠支撐全棧自研，卻忽略了其組織文化對全棧自研能否成功的影響，并且，組織文化對自研成敗的影響也很難量化。因此，上述統(tǒng)計結(jié)果的參考價值有限。銷量或者技術(shù)競爭力不足的整車廠中，賽力斯等選擇了華為的“重軟硬一體”方案，奔馳和捷豹路虎選擇了英偉達的“重軟硬一體”方案，大眾選擇了地平線（后面還有可能切換到小鵬的“重軟硬一體”方案），上汽智己則選擇了Momenta的“輕軟硬一體”方案（后續(xù)還可能切換到Momenta的“重軟硬一體”方案）。如果上述車企的自研實力提升了，就有可能由供應商的“重軟硬一體”切換到“輕軟硬一體”。不過，考慮到傳統(tǒng)車企的組織文化普遍不適合自動駕駛的軟件開發(fā)，這種趨勢出現(xiàn)的可能性并不大。結(jié)合上面的分析來看，總體的趨勢是，“輕軟硬一體”基本上都會轉(zhuǎn)向“重軟硬一體”。有所不同的是，實力強的車企采用的“重軟硬一體”方案，是由自己主導的；而實力弱的車企采用的“重軟硬一體”則是由供應商主導的?！拜p軟硬一體”基本上只是個過渡形態(tài)，而從“輕軟硬一體”切換到“重軟硬一體”的過程，則是軟硬解耦。芯片公司處于行業(yè)內(nèi)不同位置的芯片公司通常會有不同的訴求。當芯片公司已處于行業(yè)領(lǐng)先位置時，往往更希望技術(shù)框架能夠快速收斂，這樣自身產(chǎn)品才能有足夠的穩(wěn)定性來滿足相關(guān)的技術(shù)要求，且由于芯片設(shè)計技術(shù)壁壘和前期投入相當高，這就足以建立起對行業(yè)新進入者的競爭優(yōu)勢。除了單純通過技術(shù)壁壘打造護城河，還有一種方法是通過構(gòu)建行業(yè)生態(tài)來進一步將護城河挖深，將用戶在后期進行芯片更換的遷移成本提升到很高的水平，從而保證用戶黏度。新興賽道的芯片創(chuàng)業(yè)公司，由于不具備體量上的優(yōu)勢，不可能在產(chǎn)量和邊際成本上對行業(yè)內(nèi)的老牌芯片公司實現(xiàn)超越，所以芯片創(chuàng)業(yè)公司一方面要謹慎選擇技術(shù)尚未收斂的賽道（如2018—2022年的自動駕駛賽道）；另一方面要挑選護城河不是特別深的賽道保證可以快速切入，并且還需要通過構(gòu)建在該賽道的生態(tài)來形成對其他競爭者的優(yōu)勢?；谏鷳B(tài)構(gòu)建壁壘的趨勢只有到公司生產(chǎn)芯片的體量達到足夠大的程度才可以有所減緩。統(tǒng)計數(shù)據(jù)顯示我們采訪的此次調(diào)研的28位受訪專家中的20位認為，對于芯片公司打造生態(tài)是一定要執(zhí)行的戰(zhàn)略。33自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢圖示20：構(gòu)建生態(tài)是否是芯片行業(yè)成功的必要途徑?（單位：人）圖源：辰韜資本軟件Tier1對于Tier1來說，從算法層面來講，整體技術(shù)框架在未來逐步收斂的趨勢不會有變化。如果它想要執(zhí)行軟硬一體的戰(zhàn)略打造更深的護城河，一方面是需要預期的客戶數(shù)量及利潤的足以覆蓋軟硬一體的成本，另一方面就是如何降低進入該領(lǐng)域的認知壁壘。最簡單的方式就是我們之前所述的行業(yè)內(nèi)大部分領(lǐng)先Tier1所采用的“輕軟硬一體”策略，即綁定某一家芯片廠商深度合作。而如果計劃自研芯片，最好的時機則是在該領(lǐng)域由于算法的變化導致芯片架構(gòu)需要有重大調(diào)整的時候——這樣，一方面可以通過自身軟件Tier1的位置獲得新算法的相關(guān)信息，另一方面行業(yè)內(nèi)已有的芯片巨頭很難以同樣的速度在產(chǎn)品及市場上有所反應。端到端算法對軟硬一體未來趨勢的影響從2024年開始，端到端算法在自動駕駛行業(yè)的應用已成為共識。但目前行業(yè)內(nèi)對于端到端的整體路線圖及實現(xiàn)方案的認知仍未達到統(tǒng)一。作為行業(yè)的先行者，特斯拉的端到端方案仍然存在大量的cornercase無法解決，有很多的進步和優(yōu)化空間。在行業(yè)對于算法尚未形成統(tǒng)一認知的情況下，采用GPU方案的英偉達受益于GPU的通用性，可以直接通過簡單粗暴地增加算力的方式來適配新的端到端算法需求；而對于一眾專用型芯片，為了保證專用型芯片能夠滿足新算法需求，維34自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢持自身競爭力，最佳策略就是研發(fā)SOTA算法并引領(lǐng)行業(yè)標準，這樣就可以保證針對自己算法優(yōu)化的芯片設(shè)計在行業(yè)范圍內(nèi)足夠通用。從這個角度來講，在端到端算法上有較好技術(shù)積累的芯片廠商在前期會占據(jù)優(yōu)勢。不過，由于芯片從設(shè)計到最終量產(chǎn)至少需要兩年時間，而目前端到端的發(fā)展和迭代速度極快，遠小于這個周期，所以目前在端到端算法上有優(yōu)勢的芯片廠商是否能夠“笑到最后”仍然存在變數(shù)。此外，由于端到端算法對于數(shù)據(jù)量及數(shù)據(jù)鏈路的依賴性遠大于上一代的自動駕駛算法，因此，芯片廠商通過生態(tài)提供的端到端解決方案是否能夠在量產(chǎn)車上持續(xù)有好的表現(xiàn)，也很大程度取決于整車廠的數(shù)據(jù)鏈路是否健全，以及量產(chǎn)后的數(shù)據(jù)量是否充足。艙駕一體對軟硬一體未來趨勢的影響由于在成本、資源整合等方面的優(yōu)勢，艙駕一體正成為行業(yè)里的很多玩家都在探索的方向，接下來幾年會有越來越多的整車廠去做這類跨域融合的量產(chǎn)。目前行業(yè)內(nèi)的艙駕一體解決方案更多是基于oneboardtwochip的域控方案，其最終會發(fā)展為oneboardonechip的集中模式。目前行業(yè)內(nèi)提及支持艙駕一體的芯片主要是英偉達和高通的兩款大算力芯片Thor以及驍龍RideFlux，在市場上能夠支持跨域融合的芯片非常少且大家從底層架構(gòu)層面差別較大的情況下，整車廠在選擇跨域融合方案時，仍然需要先關(guān)注芯片型號，然后，才敲定能跟該芯片綁定比較深、能夠提供較好解決方案的算法供應商。這也就意味著如果艙駕一體能按照行業(yè)的預期逐步落地，在落地早期，行業(yè)內(nèi)玩家仍需遵從軟硬一體策略（無論是芯片廠商直接下場做解決方案的“重軟硬一體”，還是由深入綁定該芯片的Tier1來進行開發(fā)的“輕軟硬一體”），在很長一個階段內(nèi)行業(yè)內(nèi)的玩家仍然會以軟硬一體策略為主導。具身賽道軟硬一體的未來趨勢從技術(shù)層面，具身智能與自動駕駛在技術(shù)棧上的融合已是非常明顯的趨勢。我們可以看到如特斯拉，小鵬等整車廠目前也在發(fā)展具身領(lǐng)域作為第二曲線。那么具身賽道是否也會如自動駕駛一樣，在商業(yè)化早期更推崇軟硬一體的商業(yè)模式？目前具身賽道的所有玩家都在基于英偉達芯片進行算法開發(fā)，屬于“輕軟硬一體”的邏輯。根據(jù)我們之前探討的標準，目前在具身賽道雖然大家采用的技術(shù)棧細節(jié)不同，但是整體同質(zhì)化比較嚴重，一種是基于模仿學習（ImitationLearning）的端到端VLA大模型，另一種是基于大腦(VLM)+小腦(MPC等控制技術(shù))的方案，存在較為明顯的技術(shù)框架趨同性。當機器人跟其他與之共享同35自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢一款芯片的產(chǎn)品的總出貨量（或者預期出貨量可以覆蓋“重軟硬一體”的成本時，具身公司就可能會走上“重軟硬一體”的道路。事實上，目前特斯拉通過共用FSD芯片已經(jīng)執(zhí)行了這個策略。如果人形機器人的技術(shù)棧和模型能夠和自動駕駛領(lǐng)域融合，那么具身賽道也會遵循自動駕駛領(lǐng)域的特點：一方面，完成低階任務的機器人會快速進入“重軟硬一體”的生態(tài)并得以保持（若機器人公司體量較小，有可能軟件和算法都由供應商提供）；另一方面則是針對高階的人形機器人領(lǐng)域，非行業(yè)頭部的公司會在短期采用“輕軟硬一體”的方案獲得較好的生態(tài)位，并在芯片算力大大超越算法需求、且有多家芯片廠商的產(chǎn)品可滿足算法的需求后開始逐步進行軟硬解耦。趨勢總結(jié)綜上，盡管行業(yè)里的每家公司在不同階段都存在是否執(zhí)行軟硬一體策略的抉擇，但是其對條件、時機的判斷仍是緊緊圍繞著我們提出的三條標準進行。軟硬一體和軟硬解耦都有自身的優(yōu)缺點，而哪一種策略能夠成為行業(yè)主流主要取決于當時的產(chǎn)業(yè)格局及公司當前的發(fā)展階段。從產(chǎn)品性能和研發(fā)效率層面考慮，28位受訪專家中有17位認為，軟硬一體方案能夠最大程度地挖掘硬件及軟件潛力；同時，軟硬一體設(shè)計能夠優(yōu)化系統(tǒng)性能，提高效率，通過定制化的硬件設(shè)計來最大化軟件功能，進而在某些情況下減少中間環(huán)節(jié)，達到降低成本的效果。其余11位受訪專家則認為，軟硬件一體并不是最優(yōu)方案，僅僅是目前智能駕駛發(fā)展到現(xiàn)階段的一個折中選擇。具體地說，由于自動駕駛算法及芯片適配難度大、系統(tǒng)集成要求嚴格、對安全性和實時性需求高，軟硬一體就成為了一種現(xiàn)實且必要的折中方案。36自動駕駛軟硬一體演進趨勢研究報告 行業(yè)未來發(fā)展趨勢圖示21：軟硬一體方案是最優(yōu)的方案么?（單位：人）（單位：人）圖源：辰韜資本進一步，可以分別從硬件和軟件的技術(shù)層面來看各自的趨勢：電子電氣架構(gòu)將會動態(tài)趨同并標準化：隨著汽車智能化、網(wǎng)聯(lián)化的發(fā)展，電子電氣架構(gòu)（E/E架構(gòu)）逐漸從分布式向集中式轉(zhuǎn)變，區(qū)域控制+中央計算的架構(gòu)成為主流趨勢。盡管各廠家在具體實現(xiàn)上可能有細微差異，但總體架構(gòu)趨勢顯示了行業(yè)向更高效、集成化方向的動態(tài)趨同。行業(yè)競爭體系最終會篩選出成本效果最優(yōu)的統(tǒng)一架構(gòu)。軟件解決方案的趨同性：隨著軟件定義汽車（SDV）時代的到來，基礎(chǔ)軟件框架、中間件、開發(fā)工具鏈以及云服務的標準化、平臺化趨勢日益明顯。例如，AUTOSARAdaptivePlatform的推廣、OTA（Over-The-Air）更新策略、以及基于云的軟件開發(fā)和模擬測試平臺的廣泛應用，都在推動著軟件解決方案的相似性