• 深度
  • 行業
  • 行業
  • 互動

華為汽車局

本文轉自蓋世汽車  

蟄伏五載,2019年華為的汽車局正式浮出水面。“聚焦ICT技術,幫助車企造好車”,華為將在智能車云、智能網聯、智能座艙、智能駕駛和智能電動五個方面,幫助車企打造他們理想的智能汽車,華為只想做一個智能網聯汽車的增量部件供應商。

華為入局

何謂“增量部件供應商”?用華為輪值CEO徐直軍的話來說,就是提供自動駕駛的軟件以及計算和聯接技術的供應商。雖然目前這些業務的商業價值還沒有走向規模化,但徐直軍認為未來它們有望占據70%的汽車價值,遠超車身、底盤等傳統技術在整車上的價值,形成一個新的增量市場。

這并非妄言。此前有業內人士預測,到2030年,自動駕駛汽車對先進安全功能的需求將使汽車軟件的營收增加3倍以上,達到1.2萬億美元。長遠來看,隨著汽車的自動駕駛水平不斷提升,量產規模越來越大,再加上汽車電動化帶來的增長機會,這一市場還將繼續擴大。

自動駕駛,華為芯片,華為5G,華為自動駕駛,華為車路協同

具體來看,華為將從五個領域賦能車企——智能車云、智能網聯、智能座艙、智能駕駛和智能電動。

智能車云:以“平臺+生態”的形式,為車企提供自動駕駛、V2X、車聯和電池管理四個方面的云服務;

智能網聯:主要提供大帶寬、低時延、高可靠的車內、車外網絡連接方案,包括5G+C-V2X模組、T-Box、車載網關等;

智能座艙:通過“麒麟模組+鴻蒙OS+">

智能駕駛:借助MDC智能駕駛計算平臺、工具鏈和融合傳感等,助力自動駕駛從L2+向L5平滑演進,使智能駕駛加速進入快車道;

智能電動:目前的核心是構建高效、快充、安全、智能的電動系統,華為在車載充電、電池管理、電機控制系統等方面均已進行了相關的技術儲備。

可以發現,華為是將其過去三十年在ICT領域的積累拆分成五個部分,即云服務能力,通信聯接能力,大計算能力,消費者業務的全場景智能化能力,快充與電驅技術,用以滿足車企在不同領域的研發需求。布的是汽車局,根基還是ICT。

以智能座艙為例,華為在該領域用的就是他們在手機上率先成熟應用的技術,如AI芯片和操作系統;智能駕駛領域亦如此,應用的是原來服務器上的算力芯片,比如昇騰芯片,以及基于昇騰芯片開發的操作系統;智能電動領域,同樣是基于華為網絡能源產品線現有成熟產品的技術延伸,眾所周知汽車電動化的核心是電能的轉化及管理,包括整流、儲能、逆變等,這與華為在通信電源、光伏逆變器及儲能管理等方面的積累密不可分。

布局智能駕駛由來已久

雖然華為是近兩年才開始在汽車領域嶄露鋒芒,但其入局遠比大家看到的早得多。早在2014年,華為就在其著名的“2012實驗室”內設立了車聯網實驗室,進行車聯網方面的研究,之后數年里華為在車聯網的端、管、云三個層面相繼推出了多個解決方案,并與一眾車企達成了緊密的合作關系。到今年5月正式成立智能汽車解決方案BU,作為與BG并列的一級部門,華為在汽車領域已經整整蟄伏了五年。

自動駕駛,華為芯片,華為5G,華為自動駕駛,華為車路協同

通過五年的摸索,華為把未來電動汽車和自動駕駛的整體架構和關鍵技術基本都掌握清楚了。用他們自己的話說,就是除了底盤、四個輪子、外殼和座椅,剩下的都是華為擁有的技術,像自動駕駛芯片、車身感知算法、自動駕駛云服務、4G/5G車載移動通信模塊、車載計算平臺等,華為都有對應的解決方案。

比如AI芯片,去年10月華為發布了第一代人工智能芯片昇騰310,一同推出的還有自動駕駛計算平臺MDC600。短短十個月后,華為又發布了其最新款AI芯片“昇騰910”,直接對標英偉達和谷歌的相關芯片。

車聯網方面,華為推出了HiCar人-車-家全場景智慧互聯解決方案,旨在把手機的服務生態延伸到車內,實現人-車-家業務全場景體驗貫通。自該解決方案發布到現在,華為HiCar生態伙伴已達30多家車企,包括120多款車型。

5G方面,今年1月華為在北京發布了全球首款5G基站核心芯片——華為天罡,該芯片致力打造極簡5G,助推全球5G大規模快速部署,同時華為面向全球正式發布了5G多模終端芯片——Balong 5000。Balong 5000是全球首個支持V2X的多模芯片,可用于車聯網、自動駕駛。基于這款產品,在2019上海車展上華為正式推出了全球首個汽車行業5G通信硬件MH5000,該模塊將幫助華為在今年下半年逐步實現5G網絡技術在汽車領域的商業化。

車載OS方面,華為在其2019全球開發者大會上發布了自主研發的操作系統“鴻蒙”,未來該系統將率先應用在車載設備、車聯網、智慧屏以及手表、手機等智能終端上。由此可見,過去幾年華為一直在朝著智能網聯汽車快速奔跑。

如何落地?

在百年汽車行業的“新四化”變革中,汽車智能化被認為是能夠給最終用戶帶來更大價值和更好體驗的方式,同時也是最難實現的變革之一。尤其在中國,道路的復雜性、場景的復雜性以及國內駕駛者的規范性,三種因素疊加起來,決定了應用于中國市場的智能駕駛系統相較于海外市場將更加復雜。

在HC 2019上,華為智能汽車解決方案BU總裁王軍詳細地介紹了華為的智能駕駛解決方案,分為三個維度:商業路線上,從低往高循序漸進,按照場景,成熟一個,落地一個;技術路線上,以終為始統一架構,加速激光雷達和高算力平臺的商用;產業路線上,華為作為一個增量部件供應商,與行業伙伴共同推動產業成熟,與產業共贏。

華為認為,過去汽車領域對自動駕駛從L1、L2到L3、L4、L5按照技術分級的方式不是很嚴謹,會導致同樣的技術在一個場景適用,換一個場景可能就沒用了,比如基于歐洲市場研發的自動駕駛系統,如果直接拿到中國市場來用,很可能會“水土不服”。

“我們覺得智能駕駛應該是一步一步通過滿足不同場景的需求來實現,從一個場景開始做起,逐步積累、實踐,探索更多未知的領域,最終給用戶帶來更好的體驗。簡言之就是以體驗為核心,識別關鍵場景,逐步的商用落地。”">

以中國市場為例,王軍指出推動自動駕駛在中國的商業化落地,可先從城區的自動泊車、擁堵跟隨、高速或城際快速公路等點到點的服務做起,這些都是短時間內能夠實現智能駕駛商業價值較為關鍵的場景。然后逐步消除各個場景之間的運營空白,從小場景向大場景發展,讓自動駕駛服務在更大的范圍內得以持續。

值得注意的是,不止華為,在自動駕駛這條路上已經有越來越多的玩家看到了場景的重要性,選擇從一些簡單的場景著手,比如港口、礦區、園區、社區等封閉區域。

在此過程中,兩項技術尤為關鍵——高算力芯片和激光雷達。自動駕駛的實現需通過安裝在車身甚至道路上的各種傳感器采集大量的道路環境數據,將采集到的數據傳輸給汽車的中央處理器進行分析處理,識別出車輛的可行駛區域、周邊的障礙物等,為車輛下一步的執行提供決策依據,計算出合理的行駛路線,驅動自動駕駛汽車前行。整個過程需要在極短的時間內完成,時延必須控制在毫秒甚至微秒級別,倘若芯片的算力不夠,無法保證車輛的行駛安全。王軍透露,華為在芯片領域已經有多年的自主研發經驗,未來基于在芯片核心能力上的積累,華為會通過昇騰芯片和自研的操作系統,繼續提升算力,更好地滿足自動駕駛的需求。

至于激光雷達對于高級別自動駕駛的必要性,業內也早已給予充分肯定,但這并不意味華為會自己研發激光雷達。華為涉足激光雷達領域主要是為了深入了解自動駕駛傳感器,開發能高度適配自動駕駛系統的算力,而非搶激光雷達企業的“蛋糕”。

還有一些核心技術,如車控OS,以及平臺層服務,像支持服務框架、設備管理、工具鏈、信息安全、功能安全,華為都有研究。最終這些技術會被整合進華為的MDC智能駕駛計算平臺,為客戶提供最優性價比的智能駕駛平臺和方便、快捷的開發環境,供車企依據自身需求,靈活整合TierX或自研應用軟件。同時,華為還以此平臺為核心構建了L4級全棧智能駕駛解決方案(ADS),用于支持自動駕駛從L4到L2+的平滑演進,實現高算力、高安全、高能效、低時延。

特別值得一提的是MDC智能駕駛計算平臺和ADS,前者基于華為昇騰AI芯片構建,目前已經推出了MDC600,用于支持L4級別自動駕駛能力。而后者則以前者為核心,基于中國道路和交通環境設計,以有效提升用戶駕乘體驗為目標,全面整合了芯片、算法、數據等能力。這兩者都是華為在智能駕駛領域的核心產品。

在ADS里,華為自研高算力自動駕駛SoC芯片,可實現多路傳感器數據的高性能處理和復雜規控決策;自研核心算法,能針對中國城區道路、高速道路、市區泊車等復雜駕駛場景持續設計優化;數據上,通過與車企伙伴聯合建立大規模路測車隊,持續累積豐富場景路測數據,驅動系統持續閉環迭代優化。華為希望憑借這樣一套可以滿足不同等級自動駕駛研發需求的解決方案,在最開始實現L4的基礎上,通過靈活地增減配置,實現不同車型的自動駕駛,并借助OTA持續為用戶提供自動駕駛新功能和新體驗,滿足眾多合作伙伴的差異化研發需求,降低他們的研發成本,縮短研發周期,加速自動駕駛的產業化進程。

畢竟對于自動駕駛這樣一項復雜的技術,如若華為只給合作伙伴提供芯片、系統或者算法中的一種,那么在其他幾個關鍵技術上,他們還要另外下功夫,尋找新的合作伙伴,對系統的適配性、耦合性做測試,這無疑會大大拉長研發周期,增加研發成本。

華為要想推動自動駕駛大規模產業化,離不開與產業伙伴的通力協作,包括政府在相關政策、法規方面給予大力支持,與核心部件供應商在底盤、轉向、制動等領域緊密配合,與主機廠一起做好系統集成及終端應用方面的工作。這些都是下一階段華為的發力重點,展望未來,華為的轉身之路任重而道遠!

(責編:林嘉興)

">

下一篇:補貼減半新能源汽車連降三月 江淮董事長呼吁政府車企聯手破解

(免責聲明:本網站內容主要來自原創、合作媒體供稿和第三方自媒體作者投稿,凡在本網站出現的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。 )