車圈新賣點8155背后，汽車智能化競爭已踩下油門

所有的技術創新周期，所有的發明時代，其實都是動力集創新的時代我們希望通過這一系列專欄，提供一個衡量技術創新周期的標尺，從技術維度把握創新浪潮的演進路線

這是量子比特最新原創系列策劃專欄《動力集創新》第二期這期的主題是智能汽車

汽車的賣點正在悄悄向AI創新傾斜落地產品是智能汽車的方方面面

還有看看最近汽車圈最熱的話題成都車展就連寶馬沃爾沃這樣的老牌高端車企，也拋開了傳統汽車所看重的設計感和動力

基本上就是打開一個智能體驗，關閉一個AI芯片。

不會，至少在最直觀的汽車上，不管是新勢力還是傳統車企，都稱得上是一朵開出來的花。

這輛寶馬奔馳在車廂里裝了大連屏。

那邊新勢力的各種智能操作，引得觀眾碾壓會場。

例如，理想的L9有一個手勢操作:

小鵬G9是搞駕駛艙聲學的，車內的香味，氛圍燈，座椅都可以和音樂掛鉤:

再看美系車福特，最破圈的新聞也和智能駕駛艙有關:

福特將為電動馬馬赫—E的用戶免費升級高通驍龍8155芯片

它贏得了車主們的一片贊譽。

可以說，在如此大型的A級車展上，智能真的成為了廠商競爭的頭號亮點。

其中，智能駕駛艙是先行者。

智能駕駛艙，智能競賽加速第一站

事實上，汽車的智能化競爭早已迫在眉睫。

畢竟，當手機等電子產品在AI等前沿技術的加持下變得越來越智能和便捷，人們自然會希望在汽車這個第三空間享受智能帶來的便利。

業內有一種觀點認為，汽車現在已經發展到了四個輪子+一部智能手機的時代誰在智能化轉型中慢了一步，誰就有可能隨時被后來者超越，哪怕他現在處于前沿位置

現在看來，在汽車智能化的第一波浪潮中，智能駕駛艙走在了前列。

一方面，消費者與汽車最接近的高頻接觸點是駕駛艙。

因此，駕駛艙內更大的屏幕，更智能的人機交互，更個性化的應用服務，可以讓消費者第一時間以最直觀的方式感受到，進而轉化為差異化的市場競爭力。

另一方面，從技術角度來看，在目前的時間點，更高層次的智能駕駛仍然是一個長期的落地項目。

真正掌握先進智能駕駛技術的公司只有幾家，技術本身需要更長的優化迭代和安全驗證。

相比之下，伴隨著最近幾年來汽車級芯片的發展，計算能力的不斷提升，AI模型量化壓縮算法的進一步突破，以及5G技術支持車聯網的進步，智能駕駛艙商業化的時機顯然更加成熟。

數據也驗證了這一點。

自2019年以來，中國大幅減少了對新能源汽車產業的補貼但根據乘聯會的數據，國內新能源汽車普及率上升趨勢依然明顯

2022年7月，國內新能源汽車零售滲透率為26.7%，比去年同期14.8%的滲透率提高了11.9個百分點。

從全年數據來看，2019年新能源汽車普及率為5.2%，2020年為6.0%，2021年為15.7%增長速度超過了之前的預測

而新能源滲透的過程也伴伴隨著AI技術的滲透伴隨著發動機，變速箱等傳統汽車差異性的消失，智能化帶來的差異化能力正在成為新的賣點

這個新賣點目前集中在智能駕駛艙的競爭上。

有意思的是，雖然各家車企對功能效果的側重各有不同，但走的都是差異化競爭路線但在更低級芯片的選擇上有趨同的趨勢

比如前面提到的福特電動馬觸發的驍龍駕駛艙平臺，憑借其AI技術正在成為眾多車企全新旗艦車的標配:

氪001，理想L9，小鵬G9，智記L7，蔚來ET7，高河HiPhi Z，蓮花ELETRE，寶馬i7。...

那么智能手機領域的王者驍龍如何還能在智能汽車時代玩下去呢要知道，智能駕駛艙芯片市場并不是一個全新的藍海市場

如此一往無前，戰無不勝的趨勢背后的原因是什么。

智能駕駛艙有哪些挑戰。

原因是我們要回歸到智能駕駛艙本身的需求。

智能駕駛艙，本質上是AI技術給駕駛艙帶來的革命它的出現至少滿足了人們對汽車智能化的三種想象

第一，交互的便利性對于司機來說，開車時眼睛要盯著路面，所以交互方式一定要盡量簡潔最好是用手勢，表情，語音等方式來處理所有的車機交互

第二，應用智能無論是智能溫控，兒童保護還是區域語音識別，本質上都是讓汽車更貼心的功能，而且這種智能還在席卷汽車中更多的設備

第三，車輛和機器的互聯能力包括遠程智能汽車控制，手機車載應用同步等，是擴展智能設備邊界的功能，真正實現應用之間的無縫互聯

與以往單純的硬件優化和外觀裝飾變化帶來的駕駛艙升級不同，智能轉型時代的駕駛艙首次遭遇AI技術的沖擊，帶來創新潛力的同時，也給實際落地帶來了兩大挑戰。

一方面，大量AI算法的出現，以及對駕駛艙芯片進一步的計算能力要求，是用戶需求和汽車電子電氣架構創新的驅動。

伴隨著汽車領域融合趨勢的到來，駕駛艙領域，自動駕駛領域，車身領域等諸多板塊和技術不斷交織融合駕駛艙作為汽車控制和信息交互的中心出入口，與駕乘人員交互的時間更長，智能汽車對計算能力的需求只會越來越高

另一方面，伴隨著交互精度的提高和用戶對智能應用需求的增加，對智能座艙搭載算法的性能和精度提出了新的要求如何在保證性能的同時搭載盡可能多的AI算法，成為了新的問題

據量子比特觀察，與傳統駕駛艙芯片廠商相比，驍龍駕駛艙平臺從這兩個方面逐一破局，在如今的智能汽車中幾乎成了標配存在。

就單一交互功能而言，手勢，語音，多模態交互識別已經可以在很多搭載驍龍駕駛艙平臺的智能車上看到，核心原因是駕駛艙平臺上AI算法的準確率和識別效率得到了提升。

可是，如果我們回顧智能駕駛艙芯片的進展，我們會發現，從2016年的驍龍820A到2019年的第三代驍龍駕駛艙平臺，再到即將量產的第四代驍龍駕駛艙平臺，AI計算能力已經得到了提升高通不僅為算法做了早期準備，還一直致力于提高AI算法應用在各種平臺上的性能，包括提高模型規模和運行效率

以AI手勢估計算法為例，高通在WACV 2022上發表了一篇最新論文，其中提到了一種輕量級的2D和3D手勢估計方法通過使模型意識到預測的不確定性，并在每次迭代中重用一些迭代層，大大減少了模型體積，精度和效率達到了當前手勢估計模型的領先水平

對于智能駕駛艙來說，交互算法遠不僅僅是一個手勢要提高整體的便利性，更重要的是針對整個3D空間的交互，也就是AI算法中的多模態融合能力

可是，多種模式之間的關系并不容易找到即使對于AI來說，有時候更多模式的交互也不一定會增加理解的準確性，反而可能會產生干擾

因此，對于多個模式的同時輸入，AI模型需要一種機制來確定模式之間是否存在強相關性，如果不存在，則在某一階段降低相關度，以避免語音對姿態估計的誤導。

除了交互，更多的駕駛艙應用也面臨著智能化的變革。

比如在車主身份識別上，以前只有一種方法可以識別車主，就是通過車鑰匙但如今，駕駛艙不僅能以細微的差異識別每位車主的身份，還能根據這些差異快速調整車內定制語音助手和空調溫度的預設

實際上，AI算法和計算能力只是驍龍駕駛艙平臺提供的底層能力至于如何利用這些能力來提高車載應用和交互的準確性，Tier 1和廠商也需要發揮自己的能力和創造力，根據自己用戶的需求進行定制化的開發和部署

比如高通前段時間推出的AI軟件棧，就是專門為AI開發者打造的工具箱它不僅能使汽車和手機之間開發的應用實現互聯互通，還能擴展到電腦，可穿戴設備等其他設備

比如從成都車展搭載驍龍座艙平臺的車型來看，無論是理想L9，智基L7，沙龍機械龍等，廠商如何利用驍龍平臺的AI能力，在其智能座艙中引入具體的功能和配置，最終使用場景和體驗存在明顯差異。

以面部表情估計的AI算法為例，一些智能座艙模型用它來檢測駕駛員疲勞駕駛，提高駕駛安全性，不過也有車型用它來識別車主的心情，從而推薦相應的音樂，或者開窗通風等。

智能駕駛艙只是AI創新時代高通科技賦能智能汽車領域的場景化應用之一。

我們在論文和R&D布局中也可以發現，高通在智能汽車領域的AI加持遠不止于此，還體現在智能駕駛和車路協調上。

還有智能駕駛，車路協調。

相比智能駕駛艙技術的爆發，智能駕駛和車路協同更接近于AI技術在汽車場景中積累的過程。

這個過程不僅需要時間積累模型經驗和數據，還需要AI相關技術的不斷創新直到傳感算法和軟硬件達到一定標準，才有可能落地，最終量產

以智能駕駛場景為例，通過傳感器數據提供冗余，成為智能駕駛安全性的解決方案之一。

如何積累更多長尾場景數據，盡可能充分利用傳感器數據，提高融合精度，提高智能駕駛模型面對突發情況的適應性，是決定智能駕駛技術能否落地的關鍵。

例如，在本次成都車展上，中國首款搭載驍龍騎行平臺的長城威摩卡DHT—PHEV lidar版本首次亮相。

這款新車配備了多達31個傳感器，如2個125線激光雷達，5個毫米波雷達，12個超聲波雷達和12個高清攝像頭，以確保駕駛安全可是，驍龍游樂設備平臺不僅擁有眾多傳感器所需的計算能力，還通過領先的能效表現來處理這些數據

可是，發表在NeurIPS上的一篇論文顯示，高通工程師和學術機構研究了傳感器融合，將相機和激光雷達結合起來同時探測目標，在考慮光照和天氣條件等環境噪聲的情況下，錯誤率降低了約15%。

至于車輛和道路之間的協調，需要進一步提高定位精度和信號傳輸能力，以提高車輛在道路上行駛的安全性，減少定位延遲，提高精度。

例如，高通在一篇關于ICC的論文中提出了一種基于無監督學習的環境定位改進方法，可以使2D環境地圖中值誤差保持在4cm以內，3D環境保持在15cm以內，從而提高車輛在特定協調道路上行駛的精度。

早在2020年，一汽紅旗就已經搭載了高通的驍龍汽車智聯平臺，用于車路協同。

再加上驍龍車對車云服務，以上四個板塊組成的整個驍龍數字底盤，就是高通在智能汽車領域的整體架構布局，涵蓋了智能汽車所需的駕駛艙，車聯網，智能駕駛以及云服務的關鍵數字板塊這其中的核心仍然是它的高性能，低功耗計算和無處不在的連接性

今天，高通的人工智能技術溢出到汽車領域，成為創新的驅動力之一從動力集創新場景這個維度來推測，有什么內在邏輯嗎

就場景需求而言，智能駕駛艙和智能駕駛是密不可分的如今，在AI計算和5G連接等前沿技術的推動下，它們趨于融合

硬件上，伴隨著智能駕駛艙芯片性能的提升，可以將冗余的計算能力提供給智能駕駛算法，從而進一步容納對計算能力要求更高，性能更好的機型，

在軟件方面，智能駕駛算法的應用將進一步提高智能駕駛艙的服務時間，從而帶動更多創新應用的出現。

伴隨著技術的融合和發展，這樣的場景需求會越來越多。

從動力集創新規律來看，當最基礎，最生態的底層技術創新出現時，會引發一系列場景變化。

如果說10的一次冪是底層改造場景，那么10的二次冪將帶來百倍的降本增效，

10的三次方，這個場景不僅帶來了成千上萬的小眾機會和開發者機會，也創造了行業對統一底層平臺的需求。

在這個萬物智能互聯的新發明時代，高通以AI這一最基礎的技術為基礎，結合5G，C—V2X等連接技術的優勢，構建了一系列汽車行業底層平臺技術，為企業賦能，掀起新一波技術變革周期。

智能汽車行業的未來趨勢，也可能通過這些技術來預測。