2024智能化前瞻：智驾转向中低算力，座舱实现多场景衔接？

即将结束的2023年，对于汽车智能化领域而言是一个极为“内卷”的一年。在华为、小鹏等车企的内卷推动下，智能驾驶在国内的装机率普遍超过50%，智能座舱标配渗透率达到92.13%。可以说2023年是汽车智能化普及的一年，低阶智能驾驶、非智能座舱已经成为市场上的少数派产品。但在智能化普及之后，车企下一步的动作就将围绕技术迭代下手，让消费者收获更有竞争力和性价比的产品。

从智能化的两个主要方面（智能驾驶、智能座舱）来看，2024年大概率是一个主打体验的年代。即城区NOA为代表的高阶智驾功能向中算力平台转移，极致性价比方案将拉低上车成本；智能座舱开始向着多场景衔接。在技术迭代的路线中，明年会有怎样的趋势呢？

城区NOA下放中低算力平台，算力不再是第一要素了？

进入城区NOA普及阶段后，国内车企出现了一个怪现象，实现类似的城市NOA功能车企会选择更强算力硬件来实现。华为ADS 2.0系统使用的MDC 610算力为200TOPS，支持城区NCA功能。而小鹏拥有同样的城区NOA功能要使用2颗英伟达Orin-X芯片，总算力达到504TOPS。蔚来甚至使用了4颗Orin-X实现智能驾驶，总算力1000+TOPS。相同的使用体验，不同方案间的算力达到5倍有余，这明显是不合逻辑的。

现阶段摆在芯片与解决方案商面前的一个问题，就是算力提升到一定阶段无法实现用户体验的提升。目前城区NOA面临的问题不仅限于算力，更多的问题则在于算法架构、硬件配置方面。

我们可以看一下现在支持城区NOA的硬件配置，主流方案为200TOPS以上算力芯片（Orin-X）与激光雷达组合；支持高速NOA的智驾方案则使用84-128TOPS算力芯片（Orin-N或地平线征程5）+非激光雷达组合。由此可见，主流城区NOA方案都是采用雷达感知辅助+加强算力模式。

硬件角度分析，城区NOA对算力的需求集中在城区复杂道路导致感知数据复杂度升级，芯片需要更多算力处理复杂场景元素，包括识别障碍物等。而从软件角度来看，现阶段主流智驾方案使用了BEV+障碍物识别网络，计算核心点在于识别障碍物类型、标注障碍物优先级方面。

而地平线与英伟达都在推动BEV+Transformer的端到端算法框架，通过占用网络识别道路关联关系和道路参与者的轨迹预测，两者算法框架结构不同。BEV+Transformer由于利用了视觉的透视效应，在BEV空间内进行预测，改变了传统的感知算法。

现在主流的感知算法集中于摄像头感知2D画面、激光雷达识别位置，芯片将2D与3D集合关进进行融合。BEV+Transformer能够减少感知任务中识别、感知和预测的误差，通过神经网络做到端到端优化，推动感知模型通过自学习的方式快速迭代。

基于这种新的算法框架，对汽车摄像头数量要求会所有提升、雷达的作用会减少，从而减轻芯片遇到的算力压力。在SoC层面唯一对芯片的要求是缓存和带宽需要增加，而这对于芯片厂商而言只需要对现有芯片架构进行适配微调，加入底层软件优化即可，比算力的增加要轻松得多。

基于该架构模型，地平线研发了通过4颗征程5芯片分工实现的智能驾驶方案，可实现高速/城区NOA，这也从侧面证明了此架构能够有效降低对芯片算力的需求。

大疆在2023年4月推出通过类似的强视觉架构的L2+智能驾驶功能，能够以80TOPS算力实现城区领航驾驶。该方案的成本仅在5000-15000元之间，让中算力平台登车成为可能。

今年11月毫末执行发布的第二代HPilot无图NOH解决方案，实现城市NOH仅需要72/100TOPS算力。这些新的解决方案将实现城市NOA的最低算力水平从200TOPS降低到72-100TOPS区间的中算力平台。

可以预见，明年城市NOA功能将会随着架构模型的改变覆盖到中低算力平台，推动高阶智能驾驶装车率的提升。之前余承东表示问界新M7城区智驾包选装率为75%，明年在新架构的推动下，城区NOA选装率大概率会提升到90%的水平，其中主要的增域区间在中低算力平台车型，即10-20万价位的低价位车型。

智能座舱的下一年，多场景衔接成型

无论鸿蒙座舱系统与魅族Flyme Auto系统，现阶段智能座舱系统的主要进化点，在于打破单车智能的孤岛效应，主攻设备间的无缝衔接。鸿蒙智能座舱系统的超级桌面、导航目的地感知功能，就利用了手机与车机的算力衔接，用手机算力做车机应用。

今年发布的澎湃OS、鸿蒙4.0都在加强手机算力连接的基础上，打通更多的终端设备。很典型的功能是华为在智界S7发布会上公布的汽车与全屋智能之间的联动，车机通过智能家居中控控制家中空调、音响、电视、灯光等智能设备。这种形式实现了车联网与物联网的打通，将会在2024年继续深化。

明年智能座舱服务会加强对座舱内成员的感知，华为在近期申请了一则根据车主亲密程度提供场景化服务的专利。该专利通过座舱感知乘员的上下车地点信息、乘坐位置信息、与车主沟通频率信息，从而转换对应的场景化座舱服务。该功能明显强化了智能座舱在多场景下的衔接程度，大概率会在之后的鸿蒙座舱系统中加载。

德赛西施也提出了一种新的智能座舱系统逻辑，基于STR节能方法通过获取环境预判系统是否在合适温度下，通过开启空调调节车舱内外的环境温度，该专利同样优化了在不同温度场景下的空调温度表现。

总而言之，2024年的智能座舱会突出多场景衔接，通过智能家居协议连接更多家庭、办公室等场景。并在座舱内进行场景优化，提供更有情景化的智能座舱体验。

作者丨李炎