所有的技术创新周期，所有的发明时代，其实都是动力集创新的时代。我们希望通过这一系列专栏，提供一个衡量技术创新周期的标尺，从技术维度把握创新浪潮的演进路线。

这是量子比特最新原创系列策划专栏《动力集创新》第二期。这期的主题是智能汽车。

汽车的卖点正在悄悄向AI创新倾斜。落地产品是智能汽车的方方面面。

还有看看最近汽车圈最热的话题成都车展。就连宝马沃尔沃这样的老牌高端车企，也抛开了传统汽车所看重的设计感和动力。

基本上就是打开一个“智能体验”，关闭一个“AI芯片”。

不会，至少在最直观的汽车上，不管是新势力还是传统车企，都称得上是一朵开出来的花。

这辆宝马奔驰在车厢里装了大连屏。

那边新势力的各种智能操作，引得观众碾压会场。

例如，理想的L9有一个手势操作:

小鹏G9是搞“驾驶舱声学”的，车内的香味、氛围灯、座椅都可以和音乐挂钩:

再看美系车福特，最“破圈”的新闻也和智能驾驶舱有关:

福特将为电动马马赫-E的用户免费升级高通骁龙8155芯片

它赢得了车主们的一片赞誉。

可以说，在如此大型的A级车展上，“智能”真的成为了厂商竞争的头号亮点。

其中，“智能驾驶舱”是先行者。

智能驾驶舱，智能竞赛加速第一站

事实上，汽车的智能化竞争早已迫在眉睫。

毕竟，当手机等电子产品在AI等前沿技术的加持下变得越来越智能和便捷，人们自然会希望在汽车这个“第三空间”享受智能带来的便利。

业内有一种观点认为，汽车现在已经发展到了“四个轮子+一部智能手机”的时代。谁在智能化转型中慢了一步，谁就有可能随时被后来者超越，哪怕他现在处于前沿位置。

现在看来，在汽车智能化的第一波浪潮中，智能驾驶舱走在了前列。

一方面，消费者与汽车最接近的高频接触点是驾驶舱。

因此，驾驶舱内更大的屏幕、更智能的人机交互、更个性化的应用服务，可以让消费者第一时间以最直观的方式感受到，进而转化为差异化的市场竞争力。

另一方面，从技术角度来看，在目前的时间点，更高层次的智能驾驶仍然是一个长期的落地项目。

真正掌握先进智能驾驶技术的公司只有几家，技术本身需要更长的优化迭代和安全验证。

相比之下，随着近年来汽车级芯片的发展，计算能力的不断提升，AI模型量化压缩算法的进一步突破，以及5G技术支持车联网的进步，智能驾驶舱商业化的时机显然更加成熟。

数据也验证了这一点。

自2019年以来，中国大幅减少了对新能源汽车产业的补贴。但根据乘联会的数据，国内新能源汽车普及率上升趋势依然明显。

2022年7月，国内新能源汽车零售渗透率为26.7%，比去年同期14.8%的渗透率提高了11.9个百分点。

从全年数据来看，2019年新能源汽车普及率为5.2%，2020年为6.0%，2021年为15.7%。增长速度超过了之前的预测。

资料来源:国家信息中心

而新能源渗透的过程也伴随着AI技术的渗透。随着发动机、变速箱等传统汽车“差异性”的消失，智能化带来的差异化能力正在成为新的卖点。

这个新卖点目前集中在智能驾驶舱的竞争上。

有意思的是，虽然各家车企对功能效果的侧重各有不同，但走的都是差异化竞争路线。但在更低级芯片的选择上有趋同的趋势。

比如前面提到的福特电动马触发的骁龙驾驶舱平台，凭借其AI技术正在成为众多车企全新旗舰车的标配:

氪001、理想L9、小鹏G9、智记L7、蔚来ET7、高河HiPhi Z、莲花ELETRE、宝马i7……...

那么智能手机领域的王者骁龙如何还能在智能汽车时代玩下去呢？要知道，智能驾驶舱芯片市场并不是一个全新的蓝海市场。

如此一往无前、战无不胜的趋势背后的原因是什么？

智能驾驶舱有哪些挑战？

原因是我们要回归到智能驾驶舱本身的需求。

智能驾驶舱，本质上是AI技术给驾驶舱带来的革命。它的出现至少满足了人们对汽车智能化的三种想象。

第一，交互的便利性。对于司机来说，开车时眼睛要盯着路面，所以交互方式一定要尽量简洁。最好是用手势、表情、语音等方式来处理所有的车机交互。

第二，应用智能。无论是智能温控、儿童保护还是区域语音识别，本质上都是让汽车更“贴心”的功能，而且这种智能还在席卷汽车中更多的设备。

第三，车辆和机器的互联能力。包括远程智能汽车控制、手机车载应用同步等。，是扩展智能设备边界的功能，真正实现应用之间的无缝互联。

与以往单纯的硬件优化和外观装饰变化带来的驾驶舱升级不同，智能转型时代的驾驶舱首次遭遇AI技术的冲击，带来创新潜力的同时，也给实际落地带来了两大挑战。

一方面，大量AI算法的出现，以及对驾驶舱芯片进一步的计算能力要求，是用户需求和汽车电子电气架构创新的驱动。

随着汽车领域融合趋势的到来，驾驶舱领域、自动驾驶领域、车身领域等诸多板块和技术不断交织融合。驾驶舱作为汽车控制和信息交互的中心出入口，与驾乘人员交互的时间更长，智能汽车对计算能力的需求只会越来越高。

另一方面，随着交互精度的提高和用户对智能应用需求的增加，对智能座舱搭载算法的性能和精度提出了新的要求。如何在保证性能的同时搭载尽可能多的AI算法，成为了新的问题。

据量子比特观察，与传统驾驶舱芯片厂商相比，骁龙驾驶舱平台从这两个方面“逐一破局”，在如今的智能汽车中几乎成了标配存在。

就单一交互功能而言，手势、语音、多模态交互识别已经可以在很多搭载骁龙驾驶舱平台的智能车上看到，核心原因是驾驶舱平台上AI算法的准确率和识别效率得到了提升。

然而，如果我们回顾智能驾驶舱芯片的进展，我们会发现，从2016年的骁龙820A到2019年的第三代骁龙驾驶舱平台，再到即将量产的第四代骁龙驾驶舱平台，AI计算能力已经得到了提升。高通不仅为算法做了“早期准备”，还一直致力于提高AI算法应用在各种平台上的性能，包括提高模型规模和运行效率。

以AI手势估计算法为例，高通在WACV 2022上发表了一篇最新论文，其中提到了一种轻量级的2D和3D手势估计方法。通过使模型意识到预测的不确定性，并在每次迭代中“重用”一些迭代层，大大减少了模型体积，精度和效率达到了当前手势估计模型的领先水平。

对于智能驾驶舱来说，交互算法远不仅仅是一个手势。要提高整体的便利性，更重要的是针对整个3D空间的交互，也就是AI算法中的多模态融合能力。

然而，多种模式之间的关系并不容易找到。即使对于AI来说，有时候更多模式的交互也不一定会增加理解的准确性，反而可能会产生干扰。

因此，对于多个模式的同时输入，AI模型需要一种机制来确定模式之间是否存在强相关性，如果不存在，则在某一阶段降低相关度，以避免语音对姿态估计的“误导”。

除了交互，更多的驾驶舱应用也面临着智能化的变革。

比如在车主身份识别上，以前只有一种方法可以识别车主，就是通过车钥匙。但如今，驾驶舱不仅能以细微的差异识别每位车主的身份，还能根据这些差异快速调整车内定制语音助手和空调温度的预设。

实际上，AI算法和计算能力只是骁龙驾驶舱平台提供的底层能力。至于如何利用这些能力来提高车载应用和交互的准确性，Tier 1和厂商也需要发挥自己的能力和创造力，根据自己用户的需求进行定制化的开发和部署。

比如高通前段时间推出的AI软件栈，就是专门为AI开发者打造的“工具箱”。它不仅能使汽车和手机之间开发的应用实现互联互通，还能扩展到电脑、可穿戴设备等其他设备。

比如从成都车展搭载骁龙座舱平台的车型来看，无论是理想L9、智基L7、沙龙机械龙等，厂商如何利用骁龙平台的AI能力，在其智能座舱中引入具体的功能和配置，最终使用场景和体验存在明显差异。

以面部表情估计的AI算法为例，一些智能座舱模型用它来检测驾驶员疲劳驾驶，提高驾驶安全性；不过也有车型用它来识别车主的心情，从而推荐相应的音乐，或者开窗通风等。

智能驾驶舱只是AI创新时代高通科技赋能智能汽车领域的场景化应用之一。

我们在论文和RD布局中也可以发现，高通在智能汽车领域的“AI加持”远不止于此，还体现在智能驾驶和车路协调上。

还有智能驾驶，车路协调。

相比智能驾驶舱技术的“爆发”，智能驾驶和车路协同更接近于AI技术在汽车场景中积累的过程。

这个过程不仅需要时间积累模型经验和数据，还需要AI相关技术的不断创新。直到传感算法和软硬件达到一定标准，才有可能落地，最终量产。

以智能驾驶场景为例，通过传感器数据提供冗余，成为智能驾驶安全性的解决方案之一。

如何积累更多长尾场景数据，尽可能充分利用传感器数据，提高融合精度，提高智能驾驶模型面对突发情况的“适应性”，是决定智能驾驶技术能否落地的关键。

例如，在本次成都车展上，中国首款搭载骁龙骑行平台的长城威摩卡DHT-PHEV lidar版本首次亮相。

这款新车配备了多达31个传感器，如2个125线激光雷达、5个毫米波雷达、12个超声波雷达和12个高清摄像头，以确保驾驶安全。然而，骁龙游乐设备平台不仅拥有众多传感器所需的计算能力，还通过领先的能效表现来处理这些数据。

然而，发表在NeurIPS上的一篇论文显示，高通工程师和学术机构研究了传感器融合，将相机和激光雷达结合起来同时探测目标，在考虑光照和天气条件等环境噪声的情况下，错误率降低了约15%。

至于车辆和道路之间的协调，需要进一步提高定位精度和信号传输能力，以提高车辆在道路上行驶的安全性，减少定位延迟，提高精度。

例如，高通在一篇关于ICC的论文中提出了一种基于无监督学习的环境定位改进方法，可以使2D环境地图中值误差保持在4cm以内，3D环境保持在15cm以内，从而提高车辆在特定协调道路上行驶的精度。

早在2020年，一汽红旗就已经搭载了高通的骁龙汽车智联平台，用于车路协同。

再加上骁龙车对车云服务，以上四个板块组成的整个骁龙数字底盘，就是高通在智能汽车领域的整体架构布局，涵盖了智能汽车所需的驾驶舱、车联网、智能驾驶以及云服务的关键数字板块。这其中的核心仍然是它的高性能、低功耗计算和无处不在的连接性。

今天，高通的人工智能技术溢出到汽车领域，成为创新的驱动力之一。从动力集创新场景这个维度来推测，有什么内在逻辑吗？

就场景需求而言，智能驾驶舱和智能驾驶是密不可分的。如今，在AI计算和5G连接等前沿技术的推动下，它们趋于融合。

硬件上，随着智能驾驶舱芯片性能的提升，可以将冗余的计算能力提供给智能驾驶算法，从而进一步容纳对计算能力要求更高、性能更好的机型；

在软件方面，智能驾驶算法的应用将进一步提高智能驾驶舱的服务时间，从而带动更多创新应用的出现。

随着技术的融合和发展，这样的场景需求会越来越多。

从动力集创新规律来看，当最基础、最生态的底层技术创新出现时，会引发一系列场景变化。

如果说10的一次幂是底层改造场景，那么10的二次幂将带来百倍的降本增效；

10的三次方，这个场景不仅带来了成千上万的小众机会和开发者机会，也创造了行业对统一底层平台的需求。

在这个万物智能互联的新发明时代，高通以AI这一最基础的技术为基础，结合5G、C-V2X等连接技术的优势，构建了一系列汽车行业底层平台技术，为企业赋能，掀起新一波技术变革周期。

智能汽车行业的未来趋势，也可能通过这些技术来预测。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。