智能汽车峰会燃爆上海滩，产学研大咖拆解下半场。
车东西4月22日消息，第二十届上海国际汽车工业展览会（简称2023上海车展）同期活动——GTIC 2023中国智能汽车创新峰会，本周四在上海成功举办。
峰会由智一科技旗下智能汽车产业新媒体车东西与上海市国际展览（集团）有限公司（SIEC）共同主办，以“智车大时代产业新格局”为主题，设置了四大主题论坛，分别是智能汽车高峰论坛、中央计算平台专题论坛、软件定义汽车专题论坛、高阶智能驾驶专题论坛，19位嘉宾带来了两场致辞和17场演讲。上海交通大学智能汽车研究所所长、汽车动力与智能控制国家工程研究中心副主任张希教授所带课题组，围绕智能汽车复杂环境下的感知、决策与规划带来了开场报告。报告由上海交通大学汽车动力与智能控制国家工程研究中心、智能汽车研究所胡川副教授代为做出。极氪、集度、零跑主机厂分享了智能汽车的关键技术创新，以及*及产品方案的进展；智行者、觉非科技、纵目科技、魔视智能、一径科技、零束等企业对自动驾驶商业化突围、BEV数据闭环智驾方案、行泊一体与舱驾一体、补盲激光雷达、智能化新赛道进行了演讲；芯擎科技、芯砺智能以及安谋科技等芯片企业对面向舱泊一体架构的Soc芯片、车载芯片IP解决方案进行了解读；零念科技、国汽智控则针对下一代智能汽车操作系统与智能驾驶操作系统分别进行了分享；德赛西威、商汤绝影的两位嘉宾则针对智能座舱平台的演进、以及通用人工智能的应用进行了深入讲解。车东西详细梳理了17位演讲嘉宾分享的干货，看大咖们如何为智能汽车下半场的发展把脉。
01.智能化下半场感知关乎驾驶安全
上海市国际展览（集团）有限公司总裁王蕾进行了大会致辞，她表示，现在的全球新能源汽车产业已形成了以电动化为上半场，智能化为下半场的共识。
数据显示，2022年我国汽车智能化渗透率已超过30%，预计2030年将达到70%，由此可见，下半场智能化将围绕着智能驾驶相关产业链创新，其中就包括高阶自动驾驶、车内智能交互等方面。同时，“新四化”的浪潮正在汹涌而来，新能源汽车也成为了今年上海车展当仁不让的主角，这也预示着智能化将很快进入加速提升的周期。智一科技联合创始人、CEO龚伦常代表主办方致辞，他表示，中国的汽车产业正迎来百年未有的大变局和大机遇，国产新能源汽车已经在全球竞争中赢得了先机，但是智能汽车才是未来竞争的决定性因素，技术是这场竞争的重要制胜点，并且在不断演进。新的技术必将重塑整个市场格局。
本次峰会围绕中央集中式EE架构、AI大模型、BEV数据闭环智驾方案、面向舱泊一体的大算力SoC、智能汽车及智能驾驶操作系统、行泊一体和补盲激光雷达等方向设置了多个话题。基于此，峰会希望通过充分探讨，梳理行业的发展现状，进一步厘清未来的发展趋势，推动技术的应用落地。数字化和智能化正在成为中国新一轮高质量发展的重要驱动力，智一科技成立以来一直聚焦在这一驱动力背后的核心技术和行业需求，目前拥有以智东西、芯东西、车东西为代表的产业媒体矩阵。同时针对产业升级需求，智一科技发展出以智东西公开课为核心的企业服务体系，截至目前已完成的课程近700节，在行业获得了非常不错的口碑。上海交通大学汽车动力与智能控制国家工程研究中心、智能汽车研究所胡川副教授率先了拉开了本场大会的干货分享，带来了主题为《智能汽车复杂环境下的感知、决策与规划》的主题演讲。
胡川教授所在课题组研究发现，目前一些智能驾驶发生事故的原因是多方面的。其中最主要因素则是感知系统失效，另外一些复杂的天气条件也会对智能汽车的感知产生影响，而复杂的场景下对定位建图也有一些影响，这些因素都可能导致事故的发生。针对这些问题，胡川教授所在的课题组进行了一些研究。如针对复杂的天气情况，课题组进行了物理建模，对于相机也进行了一些改进，并且通过多传感器融合来弥补不同传感器的短板。具体来看，课题组针对雨雪雾粒子的物理特征，实现噪点模拟及点云增强，提升了恶劣天气下的鲁棒性。同时通过可见光和红外相机融合目标检测，保证了视觉感知的稳定性。课题组还基于图像和激光雷达点云融合的3D检测算法，提升了3D物体的检测率和准确度。而针对动态环境下及时定位和地图的构建也非常重要，课题组在这方面做了很多的研究，现在已经落地的具体案例。针对智能驾驶来说，*的不确定在于弱势交通参与者如行人和非机动车的轨迹。课题组的做法是通过机器学习和融合社会心理学的方式来预测行人的运动轨迹。复杂场景下，智能汽车的决策-规划-控制也非常重要，课题组完全自主设计开发了基于ROS 2的自动驾驶软件架构，建立了仿真测试和实车部署的分布式综合仿真环境，目前已经在奉贤地区建立了测试场。为了让智能驾驶系统的驾驶决策更加接近人类，课题组认为需要融合驾驶员感受量化决策规划，对驾驶员的关键数据进行采集，然后进行建模，这样在设计自动驾驶规划的时候，就可以参考这些量化的模型。而通过心理物理学机理子模型和纯注意力数据驱动子模型，也提升了建模的准确性。另外，课题组在智能驾驶的开发阶段就考虑了事故严重程度的减缓，量化乘客损伤风险的决策规划，主要发力的方向为减缓一次碰撞和避免二次碰撞。课题组还融入了风险评估以及边界约束的基于DDPG的决策神经网络模型，目前在实地测试中已经取得了不错的效果。对于智能驾驶来说，还有一点非常重要，就是驾驶员对于智能驾驶系统的信任程度，但目前行业内对自动驾驶系统中的人机信任量化模型和基于人机信任的共驾系统的研究比较少。胡川教授所在课题组针对驾驶员信任进行了一些建模，探索如何避免人机共驾时因为过度信任而导致的事故。
02.智能汽车火热发展多维奔向智能化
极氪智能科技副总裁谢保军聚焦于智能汽车下一个赛道——中央集中电子电气架构进行了主题演讲。
谢保军表示，对于电子电气架构来说，主要需要解决底层电气线束连接、网络通信、逻辑功能分配等问题。同时，电气架构承接了整车规划，需要做好整车功能的分配，还需要推进设计、管理、落地等问题，并支持好上层应用的迭代。最开始，电子电气架构采用分布式功能的域控制器，而分布式电子架构的各个功能会分布在不同的ECU，这样就设计了不同功能的组合，造成耗时长、成本高等问题，整车的复杂度也在持续增长。所以，现在的电子电气架构往中央化、集中化发展，以特斯拉为例，从2012年的Model S到2018年的Model 3，其电子电气架构发生了从分布式功能的域控制器到中央集中式的重要变化，Model 3采取集中化的电子电气架构在实现同样功能的前提下，能够做到降本增效，更好地做好场景组合。在会上，谢保军也给出了极氪的下一代电子电气架构，它能够显著减少ECU的数目，同时，整个架构的重量也减轻了，能够实现降本增效，提升开发效率。零束科技CTO孟超对智能化新赛道进行了思考，并对零束银河全栈解决方案进行深入讲解。
孟超表示，智能电动成为现在的热词，而智能化趋势的原因在于三点：一是市场和用户需求发生了本质变化；二是从功能汽车到智能汽车，产品的属性发生了变化，三是产业链发生了变化，软件和服务成为新的价值点。针对智能汽车行业发展新趋势，为践行“”场景创造价值，数据决定体验、软件定义汽车“的智能化发展战略，零束推出了云管端一体化的智能车解决方案——零束银河全栈4+1。孟超接着介绍了零束银河中央集中式电子架构、云管端一体化SOA软件平台、智能车操作系统ZOS、计算平台ZXD、智能云平台和数据工场、以及舱驾融合数字化体验。零束科技将通过云管端一体化的全栈解决方案持续赋能智能化新赛道，让车成为有生命力的人类伙伴！集度智能驾驶负责人王伟宝以“AI大模型驱动集度汽车机器人自我成长”为主题展开分享。
王伟宝表示，智能汽车3.0时代已经来临，这个时代是汽车机器人的时代，而在一辆智能汽车中，车只是一个载体，AI大脑才是其核心本质。基于这种认知，集度正在逐步打造能够自然交流、自由移动和自我成长的汽车机器人产品，将在人机交互、智能驾驶和自我学习等相关技术上不断拓展和开发。为加速汽车智能化，王伟宝提到，集度主要从平台化和安全性两个维度入手，打造了汽车机器人的神经网络——集度智能化架构JET。该架构融合了百度AI科技和吉利SEA浩瀚架构，支持AI驱动的智能化生态应用。王伟宝表示，在汽车机器人安全性上，集度在冗余设计安全上做到了软件算法冗余、架构冗余、系统冗余和硬件冗余，同时还保证了用户的声纹和数据等隐私安全。目前，集度经过大规模实测路跑，已经在各种复杂场景下经过了安全验证。而在智能驾驶方面，集度基于L4级自动驾驶底层能力赋能，推出了真正冗余的高阶智能驾驶方案，采用双独立高阶智能驾驶能力融合实现高度自驱，并通过双完整方案互为备份互为补充实现高效协同。最后，针对大模型时代汽车机器人如何自我进化？王伟宝向大家分享了集度的方案。他表示，大模型时代，集度正在重新定义AIOS和AIPP，在AIPP上既做“汽车机器人”，也做“企业机器人”，而在AIOS方面，集度则构建了超算中枢、ROBOMETA数据闭环和ROBOGPT大模型平台。王伟宝将ROBOMETA数据闭环看作汽车机器人AI大脑的“永动机”，汽车机器人的能力可以借助数据闭环不断迭代提升，做到指数级自我成长。另外，ROBOGPT大模型平台包含了RoboChat和RoboDrive两个板块，相当于人的“左右大脑”，左脑思维，右脑运动，也将作为汽车大模型引擎，支持汽车机器人做到自然交流和自由移动。智行者董事长兼CEO张德兆分享了智行者在商业落地方面的思考与实践，为自动驾驶公司实现商业化突围提供指引。
张德兆表示，自动驾驶行业回归理性与本质，目前多种行业声音指向量产，自动驾驶赛道呈螺旋上升态势。虽然行业已经经历多个低谷，但自动驾驶渗透率正在持续上升，行业向上发展的态势从未改变。很久以来，行业内一直存在路径的讨论，自动驾驶企业也选择了不同路径，但拉长时间维度来看，渐进式路线是自动驾驶赛道的*选。而渐进式路线就要求企业构建持续数据驱动的能力，给用户带来持续的获得感。张德兆还表示，自动驾驶是马拉松赛道，要一口气换一口气，慢慢跑到终点。而手握量产项目的公司是能够在未来胜出的。同时，张德兆还强调，不是所有的L4企业都能够顺利降维到L2企业，往往会出现“水土不服”的问题。对此，他认为，降维*步就是要先做使命、愿景、价值观的重构，认识到自动驾驶是场马拉松，第二步要建立强大的能力包括供应链管理能力、制造能力等。在最后，张德兆对自动驾驶行业发展做出了几点预判：*，技术向上是基石，以L4为目标，拥有数据驱动能力是构筑竞争护城河的根本要素；第二，对自动驾驶方案提供商来说，算法可能不是问题，产品力是现阶段最需建立起的能力；第三，2025年L2+、L3级别自动驾驶的渗透率将实现大幅提升，2025年左右中国智能电动车会在全球范围内加速崛起。觉非科技CEO李东旻进行了名为《软件定义汽车新生态推动智能驾驶新增长期》的主题演讲。
李东旻表示，在过去大半年时间里，汽车行业的一些核心趋势聚焦于车上的“三台电脑”，即底盘域、座舱域、智驾域，正因为智驾域的快速发展，才使得今天谈论的“软件迭代”成为可能，“软件定义汽车”也使得汽车的生产周期大幅缩短。汽车的研发模式也在发生底层变化，即软硬分离，硬件越来越一体化，而软件的迭代速度很快，特斯拉就给出了软件迭代的标杆周期，即一周内完成一次内部测试，一个月给用户OTA一次。那么，在这样的行业背景下，入局汽车产业又有什么机会？李东旻表示，一方面是独立软件主导的新角色与新机会。以往“集中式”的供应链模式变成了“分散式”汽车供应网模式，从芯片到软件、到中央域控，原来属于链条上的企业都处在了一张供应网上，也只有这样才能确保每一个产品处于全行业最高水准。另一方面就是软件在供应网模式中变得更加重要，这包含了算法和数据，李东旻表示软件Tier1在未来3到10年内将成为汽车产业举足轻重的角色。同时，李东旻也强调了觉非科技在汽车产业生态中的角色定位，即觉非科技不做归控，会在应用层，通过软件算法与数据解决方案，帮助主机厂规模化量产落地，让主机厂放心交付。而对于现在智能驾驶NOA的发展态势，李东旻给出了觉非科技应对各类复杂场景的融合定位模块，包括高速场景下的匝道汇出、连续并线、长隧道并线等corner case的表现能力。在车展现场，李东旻同时发布了觉非科技“基于BEV的数据闭环融合智能驾驶解决方案”，该方案可通过量产车BEV的实时感知结果，提供完整的城市Map-lite及Map-free数据闭环融合解决方案，并满足城市NOA、记忆通勤/泊车以及感知大模型训练的需要。他表示，方案的量产落地将为产业市场开拓出新的增长空间，期待携手更多生态伙伴，共同谱写“软件定义汽车”时代的新篇章。芯擎科技副总裁兼产品规划部总经理蒋汉平博士以高算力SoC加速舱泊一体架构发展为主题带来演讲。
蒋博士表示，随着电子电气架构演变，汽车产业链正朝着集中化、融合的方向发展目前舱泊一体化呈现融合趋势。而智能座舱的跨域融合，将集成360环视、自动泊车等辅助驾驶功能，形成舱泊一体化域控制器的技术趋势。大算力能够为算法提供有效的计算空间。因此这一融合将使高性能座舱芯片具备场景、前景、算法优势。从市场数据上来看，2021年DMS渗透率约为5.3%，2027年渗透率有望达到35%。2021年APA渗透率约为7.0%，2027年渗透率有望达到60%。2027年座舱芯片利用其异构算力和功能安全算力将得到更多市场回报。对此，主机厂和芯片厂商都在考虑降低芯片成本，让用户享受更丰富的智能出行体验，未来将逐步演进到中央计算架构。蒋博士指出，芯片定义有3个关键指标，即PPA：性能、功耗、面积。先进的芯片的性能也主要体现这三方面：*是采用先进工艺，明显降低开启电压，实现功耗降低；第二是提升单管开断速度，逻辑电路响应速度更快，主频更高；提供强大的算力；第三是单位面积晶圆布设紧凑，封装面积减小，节约成本、提升集成度。此外，SoC自主化成为了行业必争之地。蒋博士认为，先进制程高端芯片技术前瞻性高，为增速最快的赛道；汽车芯片研发周期至少2-3年，对标全球*进工艺才能享受产品红利；高端向低端的向下兼容是可行路径，低端却无法向上突破。接下来，他介绍了单龍鷹一号舱泊一体化系统方案，该方案通过简化整车电气架构和泊车功能的软硬件设计，减少泊车ECU+DMS/OMS ECU 等部件研发、生产制造和管理成本，降低系统成本。单颗龍鹰一号芯片支持APA/RPA/HPA场景的泊车应用，*支持8M摄像头接入，内置ISP为视觉应用和算法提供高达1.6G pixel/s的图像处理能力，8TOPS的NPU用于车位识别和障碍物检测，900GFLOPS的GPU实时提供3D高清全景影像和透明底盘，高算力的ASIL-D级别功能安全岛为仪表盘和泊车规划和控制提供功能安全保障，支持轻量化容器虚拟化方案，为用户提供低成本、高安全性的舱泊融合方案。蒋博士最后表示，无论是芯片，还是软件、硬件和整车，芯擎科技希望让每个人享受到驾驶的乐趣。
03.座舱发力智能化中央计算成为现实
德赛西威高级副总裁徐建则重点分享了德赛西威对于智能座舱的思考。
徐建认为智能座舱是现阶段智能汽车给消费者带来感知*体的智能化体验，目前国内座舱的渗透率远快于全球。而高算力的芯片和AI算法的快速发展，让汽车成为了移动的大算力智能终端，成为用户的第三生活空间。在智能化时代下，汽车行业的产业链正在快速发生变化，OEM和供应商的耦合深度更深，定制化程度更高。用户场景也会变得越来越复杂，一些新的功能都开始上车。在智能化时代，数据安全也变得非常重更要。在智能座舱方面，德赛西威做了很多布局，一直在围绕安全、舒适和高效做开发。从2019年开始开发*代产品开始，目前德赛西威和高通基于骁龙8295共同打造了第四代智能座舱，这一产品将会在2024年*季度量产，会是业内首批量产的基于高通8295的产品。2025年还将会推出中央计算平台的第五代智能座舱。德赛西威对于座舱产品也做了不少的思考，为客户提供了更多、更快、更强的原子化整合服务能力。从具体的产品上来讲，德赛西威认为智能座舱可以分为五个层面：算力层、产品层、服务层、场景层和体验层，可以根据用户的不同选择来提供服务。德赛西威认为智能座舱需要通过独立感知层的形成，使得车辆具备与人进行“感知”、“理解”、“呈现”、“交互”的能力”，实现真正的智能。关于未来，德赛西威认为中央计算正在成为现实，这可以带来更低的延时、成本也会有明显的降低。会上，零跑汽车电子电器产品线总监周徐宁就中央集成域控制产品开发及挑战进行了分享，总共分为电子电气架构的演变、中央域控产品开发以及挑战与展望三个板块。
周徐宁借用人类需求的五个维度来衡量汽车座舱的发展历程，他谈到，在需求与技术的双重驱动下，汽车作为基础交通工具可以满足生理需求，已经逐渐演变为第三生活空间。基于此，周徐宁表示，汽车行业正在经历百年变革，由硬件定义时代向软件定义时代过渡，汽车迎来全场景智能时代。周徐宁表示，整车电子电气架构也迎来了全面革新。硬件方面，中央集成式电子电气结构算力强、通用高；软件则具有高内聚、低耦合特点；信息架构上，既有信息安全防护，又有千兆以太网，高带宽低时延；智能配置方面，高阶智能驾驶智慧座舱快迭代短周期。另外，软件架构由单OS到多OS演进，形成软硬件分离、接口抽象、软件分层、软件模块化、组件化和复用化趋势。周徐宁指出，中央域控产品开发则主要包括中央集成式电子电气架构开发、整车功能分配的重构开发和服务化的开发。其中，在中央集成式电子电气架构开发中，中央超算平台集中数据管理、仲裁、配电管理，高度集成了整车控制、车身控制、智能座舱、智能驾驶、高保真功放、网关管理等功能。在整车功能分配上实现从功能化开发到区域化开发转变，服务化开发则按照接口标准化和业务服务化进行。目前，汽车行业面临着产业链分工合作模式的挑战和研发组织分工合作模式的挑战，整车厂和供应商将从供应关系转向合作，形成既竞争又合作的新态势。部分行业新玩家基于定制化OS和生态构建、系统集成能力逐步形成“软包硬”的商业模式和Tier0.5的行业地位，因此，我们需要从黑盒开发向白盒开发进行转变，从独立式管理向混合式管理转变。而在未来，消费水平升级和技术发展更迭将加速了汽车行业产品的更新换代，开发模式、商业模式、产业格局将迎来全新变革。芯砺智能创始人兼CEO张宏宇在会上分享了基于异构集成的智能汽车在中央计算平台的应用前景，尤其是舱驾一体对算力的高要求。
目前，智能汽车是人工智能时代*体量的信息技术终端，一个相对智能的汽车晶体管总数已经突破了300亿，并且在不断增加。为什么智能汽车需要这么多的晶体管？张宏宇针对智能座舱和智能驾驶这两方面进行了解答。首先，对于智能座舱，智能座舱简单来说就是人机交互，未来汽车将更像人，智能座舱将走向人与“人”的交互，所以对算力提出了更高的需求。而对于智能驾驶，如今的智能驾驶还是在感知层面实现智能驾驶，还没有实现认知层面的智能驾驶，仍处于高阶辅助驾驶阶段，要想实现真正的智能驾驶，智驾算力需要迅速提升。除了算力的提升，更要利用汽车的电子电气架构，把算力分配好、管理好，才能更好地应用高算力。目前来说，现在的电子电气架构正在做跨域的融合，特斯拉已经是中央集成式电子电气架构，但是特斯拉仍使用了多芯片，所以还是初期的中央电子电气架构，不过，张宏宇表示，以后一定会出现集成度很高的中央计算平台。同时，车厂所面临的需求是多样化的，所以，算力的需求也在不断提升，这就要求芯片厂商能够快速迭代，但是每次产品的迭代都需要大量的投入，如果只是用传统的芯片解决方案，不同车型方案十分冗杂，这就与主机厂降本增效的追求背道而驰。那么如何提升性价比，做到降本增效？张宏宇认为，最重要的是实现平台化，而作为芯片厂商，芯砺智能希望能够助力合作伙伴实现芯片平台化，聚焦高算力方案。最后，张宏宇给出了芯砺智能自研的Chiplet芯片架构，能够实现低延迟、高性能、低成本等需求，并表示Chiplet异构集成是打破后摩尔时代突破困局的*解。安谋科技汽车业务线业务发展与方案总监曾霖围绕车载芯片IP解决方案助力智能驾驶进行分享。
曾霖表示，中国是全球*的汽车销售单一市场，国内主机厂商市场份额快速提升，这是中国厂商的机遇。但同时，中国厂商也面临着严峻的考验，特斯拉“紧凑型乘用车”预计年保有量将达到四千辆百万辆，这将引发新一轮激烈竞争。特斯拉是怎么做到的？其中最为重要的原因就是芯片自研和定制化为特斯拉提供了强大的竞争后劲，特斯拉集团通过减少了控制线束的品类和数量，实现了降本增效。因此，曾霖表示，国内企业保持竞争优势，必须要实现芯片自主可控。芯片自主可控具有几大优势，包括整车电子电气架构灵活设计、整车芯片品类和数量自主可控、整车生产组装工艺充分优化、整车功能和性能达到甚至超过竞争对手相同车型的水准、整车成本大幅降低等。曾霖表示，安谋科技车载芯片IP产品可放心用于汽车应用环境，丰富的车载芯片IP产品助攻国产智能汽车芯片创新。安谋科技研发的“星辰”STAR-MC2，在性能、规格、能力等方面进行了全方位升级，灵活的车载芯片IP产品配置适配整车电子电气平台，车载芯片IP级别硬件虚拟化充分精简整车元器件数量，车载芯片自主可控实现整车生产组装成本大幅降低。在最后，曾霖表示，安谋科技将赋能国产智能汽车芯片创新。
04.汽车操作系统优化大模型为汽车赋能
未来十年，汽车领域需要一个什么样的智能汽车操作系统？零念科技创始人兼CEO柯柱良以“下一代智能汽车操作系统的思考与实践”为主题给出了解法。
以奥迪A8为例，柯柱良介绍了zFAS单域辅助驾驶控制器的具体配备情况——6种传感器、5种总线网络、5个MCU/MPC单元、38个应用层软件、1000多个软件接口以及包括RTOS、MicrosarOS、Linux等不同的操作系统。此外，奥迪A8的zFAS单域辅助驾驶控制器是目前*达到L3级自动驾驶的量产域控制器。柯柱良指出，在OS³ 软件架构下，一方面，软件复杂度达到前所未有的程度，车载软件系统的代码行数达到100万行，接口复杂度也在日益提高，预计到2030年接口数目将接近600个；另一方面，OS³ 软件架构也广泛应用于当前先进域控和区域域控中，在应用层、中间层、底软层、域控硬件以及芯片和传感器均有涉及。柯柱良认为下一代智能汽车软件操作系统OS³ 应该具有四大特性，一是安全性，当前，智能汽车的安全性仍然是95%用户最关心的地方，系统实时性和安全性以及必要的鲁棒性成为决定性因素；二是可拓展性，软硬件解耦需要支持不同硬件平台（国产芯片），不同的硬件架构（一板多芯，多板多芯）；三是服务性，“软件定义汽车”下的域控架构到中央域控需要更灵活的面向服务的软件架构；四是开放性，需要采用开放的合作模式，应用开放的生态，实现行业赋能。会上，柯柱良还介绍了确定性实时系统技术和高精时间触发调度。确定性实时系统技术来源于航空航天系统，所带来的高安全性和可靠性已经成为了L3自动驾驶的刚需。关于高精时间触发调度，柯柱良指出，现实情况往往引入高度复杂的任务流程，时间触发调度的计算链可以妥善管理许多相互依存、相互排斥的任务，通过时间确定性确保系统的安全。除此之外，柯柱良还介绍了CarOS：Safety 、CarOS：SOA 和确定性调度中间件PowerD-Sch，并对智能驾驶落地场景、确定性调度结果分析和中央网关落地场景的具体情况进行分享。商汤绝影智能汽车事业群智能车舱副总裁许亮重点介绍了目前行业非常火热的大模型，以及这一轮全新的范式革新如何为智能汽车赋能。
2021年，商汤提前布局，在上海临港建立了人工智能计算中心（AIDC）。作为SenseCore商汤AI大装置的算力基座，AIDC基于2.7万块GPU的并行计算系统实现了5.0 exaFLOPS的算力输出，可支持最多20个千亿参数量超大模型（以千卡并行）同时训练。从2019年开始，商汤从10亿参数的视觉模型研发，到今天有320亿参数全球*规模的通用视觉模型。在NLP领域，商汤当前也有接近2000亿参数的大模型，有能力去训练1800亿参数的多模态大模型。所以，未来通用人工智能基于多模态的基模型可以做视觉感知、语言理解、内容生成和推理决策。在智能汽车领域，商汤绝影将会基于自己的AI能力和大模型能力赋能智能驾驶和智能座舱。在智能座舱方面，通过大模型的能力，商汤可以实现空间环境理解、用户状态感知、多模指令解析、AGI、语义理解推理、多轮对话和内容生成等。大模型的赋能可以对智能座舱能力进行升级，可用场景也将会变得更多。在安全方面，商汤绝影开发了大量的DMS算法，通过多模方式来提升安全，目前已经进入到大量的量产车上了。而在车载娱乐方面，商汤绝影也有很多产品推出，随着大模型持续发挥作用，车辆的座舱将会变得越来越拟人化，重构未来车舱体验，打造真正的智能化“第三生活空间”。国汽智控（北京）科技有限公司副总裁孟祥雨以“智能驾驶操作系统产业实践”为主题为大家带来精彩演讲。
具体到L1～L4级自动驾驶产品，孟祥雨认为有四个问题亟待解决。一是黑盒子模式，OEM严重依赖博世、伟世通、安波福、电装等大型Tie1，大多是黑盒子交钥匙工程；二是成本高周期长，按照车型收取开发费，开发费用高，ESP/ADAS标定、测试验证周期长，产品量产上市受到很大制约；三是平台化难，HWA/TJA/ACC、LDW、APA、AVM等通常是不同的供应商，传感器、控制器不共用，平台化、系列化困难。四是差异化难，ADAS性能同质化严重，尽管OEM理解用户需求、普遍积累了诸多特色算法，但是面对黑盒子方案，用户体验感好、有特色的差异化几乎是不可能实现的。
05.智能驾驶转向渐进式城市L2是主战场
纵目科技智慧汽车事业部总经理尤臻慧介绍了自动驾驶的渐进式路线以及纵目科技的进展。
目前纵目科技已经布局了泊车/高速/舱行泊域控制器，雷达摄像头等核心传感器也已经量产，核心软件算法仍在不断进化。在泊车方面，纵目科技已经有了完善的产品，同时也在有序布局开发行泊一体/舱行泊一体化的产品。尤臻慧表示，车辆架构经过了分布式往集中式的变化，正在朝着中央计算形态演变。整体来看，目前集中化和智能化的趋势已经非常明确了，但是演进的过程还比较漫长，因此在未来一段时间内，L2/L2+还将会是非常重点的方向。以泊车为例，这一技术存在不少的难点，部分车位的设计并不算标准，需要专门来处理。而记忆泊车功能，也需要考虑光线等多种因素，仍然有不小的挑战。目前纵目正在从客户的需求出发，打造*的泊车产品。后续纵目科技将会以泊车为切入点，将行车和泊车的技术结合在一起，实现更好的驾驶效果。魔视智能CTO胡益波就高阶智能驾驶规模化量产进阶之路进行了主题演讲，演讲内容主要围绕“量产”和“进阶”展开。
对于域控制器的发展趋势，胡益波表示，未来的电子架构朝着集中式发展是十分明确的，在这个集成化的过程中，ADAS作为电子电气架构的一个子系统，其行泊一体域控产品必然成为未来市场的主流。那么行泊一体需要什么？胡益波认为，这需要全栈式的开发能力，从最开始的感知，包括雷达、视觉等感知层面，再到决策规划控制，再到中间件、底层软件，都要具备一定的能力，才能更好地快速响应，并满足不同客户对于行泊一体的各种需求，并可保证不断迭代演进。同时，胡益波介绍了魔视智能行泊一体的技术演进，从泊车场景到行车场景，形成数据闭环、量产落地，螺旋式上升，在这个过程中标准化平台化的工程能力对于量产落地十分重要，所以，魔视智能始终坚持把研发和工程紧密连接。而什么是工程化落地的能力，胡益波认为做到这一点不容易，不过魔视智能坚持遵循V型开发模式以及软件ASPICE开发流程，在工程质量方面严格把控。除此之外，完善的开发测试工具链和完整的产品评测能力，也对于量产交付来说至关重要，这将大大提升开发效率及迭代响应能力。作为最后一位演讲嘉宾，一径科技产品副总裁李云翔博士着重分享了补盲激光雷达的发展趋势及落地实践。
李云翔指出，城市NOA是今后高阶智能驾驶的主战场，汽车需要与各类固定与非固定的交通要素做“近身搏击”，智能驾驶所面临的场景更加复杂，用户对自驾功能舒适性要求更好，同时更注重安全。以十字路口这一复杂场景为例，李云翔分析了补盲激光雷达在汽车左右转、直行和掉头四种情况下的具体表现。比如，左转弯时，汽车需要控制与邻车的间距，左转完毕后需要对左右两侧车辆间距进行控制，在驾驶员既需要关注前方，又需要对侧边路况保持高度警惕时，而补盲激光雷达能够分担驾驶员驾驶压力。此外，补盲激光雷达对复杂场景下的泊车也有很大帮助。李云翔强调，补盲激光雷达并不完全等于侧向激光雷达，他认为，现有的侧向激光雷达更侧向关注大视场角。另外，在高阶辅助驾驶中的补盲激光雷达上，多激光雷达方案的成本压力与也是值得关注的一点，需要注意比较补盲激光雷达与高性能摄像头或者4D毫米波雷达的综合性能和成本。另外，李云翔还分享了面向短距补盲应用场景推出的ML-30s+MEMS激光雷达以及综合前向长距和侧向补盲的ZVISION激光雷达组合方案。关于如何用好补盲激光雷达，李云翔表示，无人重卡、末端配送、Robotaxi都会是未来补盲激光雷达应用的重要方向。超大视场角、固态化方案、低成本也将是乘用车补盲激光雷达发展的大趋势。
06.结语：智能汽车正在飞速发展
峰会现场，人人张口闭口都是汽车智能化，无论是车企、自动驾驶方案供应商或是零部件供应商都在快速布局，智能化成为行业内的共同追求。在这个过程中，车企有的在研发新一代电子电气架构，提升开发效率，实现了降本增效；还有的车企使用AI大模型打造机器人产品，提升机器人的人机交互、智能驾驶和自我学习能力。另一方面，L4级自动驾驶企业也开始在L2级自动驾驶方面发力，都在为量产而努力。智能汽车的飞速发展，也带动了一部分供应链企业的快速发展，高算力、高性价比的国产芯片和激光雷达企业也开始快速量产，逐步实现国产化替代。综合这些方面来看，汽车产业下半场智能化已经成为了不可阻挡的潮流，加速落地将会成为下一阶段的*主题。
