在「电动」与「智能」之间，新一代汽车到底该拼什么？

摘要

一直不服特斯拉的传统车厂，现在该看明白了：「智能」才未来汽车那个最关键的底色。

这个选题其实源于一个传统车企的管理层跳槽新造车，因为过去一年，他们过的并不好。

刚刚过去的 2019 ，是许多传统车企正式推出「纯电动汽车」的一年，这也是他们「新困扰」的开始。2019 年 7 月，奥迪因为电池组密封问题宣布在美国召回 540 辆奥迪 e-tron。9 月，现代纯电动汽车 Kona 在加拿大蒙特利尔发生了起火爆炸事件。10 月，奔驰因为螺栓问题召回 1700 辆奔驰纯电动汽车 EQC。由于电池供应不足，捷豹、奥迪都曾有过短暂的暂停生产，奔驰为此也决定将纯电动 EQC 在美国的发售时间推迟一年至 2021 年。

在这些问题背后，最明显的体现就是销量不及预期。可以说，在电动汽车这个新领域中，传统车企的战况并不乐观。当然这还不是最可怕的，最可怕的是当你在这些榜单前加上「智能」这个标签你会发现，全球电动汽车销量榜之下，能正真称之为智能电动汽车的并不多。

智能化是车企的「必答题」，但却往往被车企轻视，甚至忽略。

全球 2019 年电动汽车排名前二十的车型 | EV Volumes

在「智能电动汽车」的标签下，能看到一个极其恐怖的市场份额分配。特斯拉似乎是手握了全球 90% 以上的智能电动汽车市场份额。在国内，在销量榜下苦苦成长的新造车势力拥有了更多「智能汽车」的市场份额。但这么说一定不严谨。因为这要取决于我们应该如何定义「智能汽车」。

什么才能算「智能」？

在 2010 年中国将电动汽车战略上升到国家战略高度，开始产业化之后，「智能」有望成为了电动汽车战略的下一个接力者。今年 2 月 12 日，中国发改委等 11 个国家部委联合盖章，出台《智能汽车创新发展战略》。

其中对「智能汽车」的定义值得参考：「智能汽车是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车。智能汽车通常又称为智能网联汽车、自动驾驶汽车等。」

小鹏汽车的董事长何小鹏为此还发朋友圈感叹说，「真的很开心，我已经连续两年在汽车百人会公开呼吁要支持智能汽车，要重视质量而不是数量，并且建议媒体要专门设立一个智能汽车的榜单（默认带较高等级或高等级自动驾驶和车联网，卖给个人用户）现在终于有一个方向性指引了」。

「重视质量，而不是数量」这确实是个难题。因为榜单就是一个以数字为标准统计的排名。「智能汽车」的质量一定是由许多参数决定，甚至是软件的体验。

只要能联网就能算作「智能娱乐系统」、甚至有倒车辅助、车道偏离这些简单辅助系统就算 L2 级别自动驾驶。「在汽车领域，智能的定义和标准都太宽泛。定义一个首款 AI 5G 自动驾驶智能汽车太容易了，但做出来的产品就千差万别了。」一位车企研发负责人对极客公园说。

特斯拉辅助自动驾驶体验 | 特斯拉官方

但在这个基础的「方向性指引」之下，我们其实可以从另一个侧面一窥智能汽车的行业发展速率——算力。

算力是这辆车里软件能力的基础，也是软件体验和自动驾驶体验的基础。基于车企成本最优的关系，我们可以把算力和智能化比作正向相关的关系，以「算力」这个标准为基础，我们才能更好的窥探「汽车智能」的成长速度，以及汽车行业内的巨大差距。

算力，也称作计算力，顾名思义就是设备的计算能力。在这里我们可以以汽车处理器或者说芯片的运算能力为标准，目前阶段它常用的单位是 TOPS（Tera Operations Per Second），1 TOPS 代表处理器每秒钟可进行一万亿次 (10^12) 操作。

特斯拉的「算力」进化史

看过特斯拉「算力」凶猛成长路径，才能更清晰理解「智能」对于汽车行业的重要性。

简单来说，我们可以把特斯拉的「算力」可以分为智能座舱的算力和自动驾驶能力的算力，也就分别对应信息娱乐系统 (IVI) 和驾驶辅助系统 (ADAS)。

在驾驶辅助系统之中，特斯拉正在像传统汽车换代一样持续的升级自己的驾驶辅助系统硬件，以及算力。特斯拉从 2014 年最初的自动驾驶硬件（称为 Autopilot Hardware 1 / AP1 硬件）以来，已经进行了几次硬件的大更新，AP 2 硬件（2016 年）、AP2.5 硬件（2017 年）以及称为全自动驾驶硬件的（FSD 计算机）AP3 硬件（2019 年）。

具有辅助自动驾驶功能的早期 Tesla 自动驾驶系统于 2014 年 10 月发布，在 Model S 和后来的 Model X 上使用。它最早使用的是 Mobileye 公司的 Mobileye EyeQ3 计算平台和软件来控制驾驶体验。

这个 Mobileye EyeQ3 计算平台当时的算力是 0.256 TOPS。但当时，它支持的已经是市场上最复杂的系统之一，辅助驾驶能力也已经达到了当时的极限。以至于特斯拉决定构建自己的系统时，花了很多年才能赶上 AP1 中的基础自动驾驶功能。

之后，特斯拉于 2016 年 7 月与 Mobileye 分道扬镳，开始开发自己的自动驾驶自动驾驶解决方案。特斯拉认为 Mobileye 的更新速度不够快，并且有机会通过使用当时逐渐成熟的机器学习/神经网络来提供更强大的自动驾驶功能。

Mobileye 辅助驾驶芯片的算力提升 | Mobileye 官方

2016 年底，特斯拉开始推出名为搭载 AP2 硬件的车辆。它搭载的是 NVIDIA DRIVE PX 2 AI 计算平台，运算力达到了 24 TOPS。从 AP 2.0 到 AP 2.5，主要是平台中多了一颗 Parker 芯片，运算能力更强，也提高了冗余性。

2019 年 4 月，这款马斯克口中「世界上最好的芯片」发布了，全自动驾驶双冗余 FSD 计算机最终可以实现 144TOPS 的算力（单芯片 72 TOPS），算力较 HW 2.5 提升约 7 倍。

FSD （full self-driving computer）计算机芯片 | 直播截图

从 0.256 TOPS 到 144TOPS，特斯拉的算力提升明显，相应的特斯拉的自动驾驶能力和体验也在同步飞速成长。

作为对比，国内的智能汽车的算力也在逐步提升。蔚来 ES8 是首款装载 Mobileye EyeQ4 自动驾驶芯片的量产车型，拥有 2.5 TOPS 的算力。小鹏将在下一代产品 P7 上搭载英伟达 DRIVE Xavier 芯片，可实现 30 TOPS 的性能。最近，即便是号称搭载「国内首个 L3 自动驾驶」6 月量产上市的长安汽车 UNI-T，内置了中国首款车规级 AI 芯片——地平线征程二代，具备 4 TOPS 的算力。

「自动驾驶所需要的计算力，是过去任何一台计算机都没有达到过的。」NVIDIA 的掌门人黄仁勋曾在公开场合不止一次的说过这句话，但在真正的量产车上，算力的提升也许能让我们对「智能汽车」有更简单的了解。

地平线公司做了一个很有趣的总结：自动驾驶等级每提高一级，算力就增加一个数量级。L2 级别大概需要 2 个 TOPS 的算力，L3 需要 24 个 TOPS 的算力，L4 为 320TOPS，L5 为 4000+TOPS。

 地平线对自动驾驶算力的预判 | 地平线

「算力只是一把简单的尺子，它只能从数量级上侧面看出自动驾驶的能力状态，当然更重要的还是软件能力，但软件能力很难用一把尺子衡量。」一位新造车自动驾驶研发负责人说。

在信息娱乐系统中，算力成长并不明显。从初代的 Model S/X 仪表的英伟达 Tegra 2 双核 CPU，中控大屏的英伟达的可视化计算模块 VCM，英伟达 Tegra 3 四核+单一的节电核心 (或称协核心)。到之后 2018 年配置了双 MCU，一片为英特尔 Gordon Peak BMP 基于 Atom E3800 系列 CPU，另一片为英特尔 Apollo Lake SoC。已经比上一代的 3D 图形性能提高了 5 倍。

但真正体现「智能」掌控能力的是，在信息娱乐系统 (IVI) 平台上运行的是特斯拉自己打造的车载 linux 系统。除此之外，特斯拉使用的软件有 80% 以上为自行开发。与另一边疯狂成长的算力不同，这里更像是消费电子产业的手机、平板电脑，反倒是系统软件的完整度、 OTA 升级能力、以及整车传感器的控制能力才最为重要。

没人重视「智能」？

像路透社在今年年初报道的那样，在未来几年中，大型汽车企业将投入至少 900 亿美元，推动实现产品的电气化进程。

但除了在部分地区部分车型上受到了来自特斯拉和新造车公司的竞争推动之外，更多大型车企电动化的「初始动力」是来自中国，欧洲以及潜在的美国政府排放法规。

车企们面对更严苛的政府排放法规 | 站酷

「首先是大型传统车企，他们必须向特斯拉学习如何做。」一家新造车公司的高管说，最初这些公司对市场采用持怀疑态度，但是现在，随着中国等国家通过监管带动电气化，他们别无选择。「所以电动化的推进程度和重视程度要比智能化强烈的多。」

大众、福特、通用等大型车企集团最近都开始推进自己全新的电动汽车平台，解决电池产能瓶颈，解决电池硬件的安全性等等，但对于应该同步成长的「智能化」却缺少更新。

「现阶段，电动化是国家和环境环保推动的，还不是客户需求主导，而软件则是真正存在的客户需求。」一位新造车创始人对极客公园说。

陷入「软件危机」的大众集团算是唯一一个例外了。在电动化转型胜利在望之后，大众一直在数字化转型上投入了很多资源。从与微软合作「大众汽车云」到与亚马逊合作的「大众工业云」，再到新成立创新性汽车软件开发部门「Car.Software」，开发「vw.os」操作系统。可以说大众是少有的足够重视「智能化」的车企。

 大众 MEB 平台的第一款量产电动车型 ID.3 | 现场拍摄

但大众依旧陷入了「软件危机」，据《经理人》杂志爆料，大众 MEB 平台的首款纯电动车 ID.3 可能会延期交付。这其实并不是一件坏事，「智能化」过程中的难点是迟早都会遇到的，只是目前还有更多车企甚至无法面对「智能化」，无法做出改变。

大众是在建立一种新能力，即便磕磕绊绊。「传统汽车制造商的时代已经结束」，这句话不是来自新造车，却是来自大众汽车集团首席执行官赫伯特迪斯在董事会上的呼吁。

一种「新能力」

在汽车「智能」的背后，其实不只有许许多多便捷聪明的功能堆叠，这对车企来说其实更是一种「能力」的拓展。

特斯拉其实正在以一种更加集中的方式实现业务多元化。

对特斯拉来说，自研 AI 芯片真的有意义吗？为什么要去一个并不熟悉的领域卖弄技术？继续坚持拿来主义是不是更明智？为此，特斯拉要承担昂贵的研发成本，芯片的后续升级和改进也都是成本黑洞，更重要的是芯片企业的升级进化更是日新月异。

这其实和特斯拉当年从头打造自己的车载 linux 系统一样，特斯拉不仅在培养自己的「软件能力」更让自己有了更集中的掌控能力。特斯拉被英伟达 diss，被芯片行业抨击，但它却是唯一一家汽车厂商拥有的新能力，是汽车领域最懂芯片的企业。

   特斯拉可以将周边物体信息展现在司机面前 | electrek

同样的，我们在新造车团队中也能够看到这样的现象，本就不多的初创公司人数，研发和工程师团队占比却极高，甚至人数上比一些传统车企还要多。而更容易察觉差距的是，在纯电动汽车产品发布之后，哪些产品在量产之后 OTA 升级次数多，哪些产品甚至没有过功能上的软件升级。

这些新能力改变了带来了汽车行业的「模式的转变」。就像当年以诺基亚为代表的手机厂商，也没有想到苹果能在 2013 年让 App Store 软件销售额突破 100 亿美元一样。

因为软件能力的提升，一种新的「软件营收模式」被验证可行。这恰恰是传统车企零部件组合模式难以适应的新方向。

除了半导体，特斯拉几乎把一个汽车产业链条上的所有分工全都大包大揽了。

但作为传统厂商之前的分散式域控制器的电子架构，车内软件也都分布于各 ECU（微处理器）上，且都由 Tier1 供应商们完成。这种系统是零散而粗放的，没办法达到软硬件的紧密耦合。

     汽车电子电气架构演进趋势 | 博世 Bosch

「在供应商希望实现具备系统软件能力的同时，车企也在试图和科技公司合作掌握软件定义汽车的能力。」一位传统车企软件研发负责人说，「这样的矛盾，正在影响汽车产业背后的合作分工模式。」

目前，绝大多数的汽车零部件供应商还不能迅速的完成如此巨大的商业模式转变以及能力体系的切换。

汽车的智能化与电动化背后的「抓手」不同，一个是市场环境驱动，一个是需求客户驱动。3 月 10 日，特斯拉下线了公司历史上第一百万辆特斯拉电动汽车。足以证明客户需求的慢慢倾斜，但更重要的是我们要对「智能电动汽车」有更清晰的认识。

马斯克 2015 年的时候说，「在设计 Model S 时，它实际上是一台非常复杂的带轮子的计算机」。五年过后，我们可以重新审视一下汽车企业，谁正真拥有了「制造计算机」的能力？