自动驾驶越来越成为汽车宣传、售卖以及用户体验的一个重要技术。特斯拉引领了行业变革，整体趋势总结为： 硬件标准化平台化、软件个性化模块化，通过平台化的硬件来减少硬件的支出， 通过持续的软件更新升级使得软件成为未来车企主要的盈利方式，汽车逐渐变为一个消费的场景。 这看起来很像消费电子，比如 IPHONE；虽然 Iphone 也挣钱，但APP 等软件是用户主要的买单点。现在看高级别的自动驾驶， BOM 成本还是很高的， 导致用户购买成本还是偏高； 但如果考虑软件逐渐成为产品， 并搭载新的商业模式， 这样就可以逐渐把硬件的成本降低，让用户更自如地消费软件。

在这种情况下， 传统车企该怎么办？ 比如比亚迪之前很多精力和产品力都放在新能源， 对自动驾驶不太激进， 但最近也组建新的团队来做自动驾驶； 另外还有零束（上汽集团软件中心） 、 毫末、亿咖通等等这些由传统车企独立出来的软件中心或者公司。 最开始， 传统车企的领导不认为特斯拉的商业模式是成立的， 认为高级别的自动驾驶没有消费者买单。但随着这种模式被大众逐渐认可，传统车企开始自我检讨、不自信， 逐渐思考变革，有些进展比较快的， 比如大众， ID3 算是理想主义的产品（技术领先性是高于 ID.4 的） ，但ID4 已经是比较高性价比的产品了。 所以大家又开始逐渐寻找到对自己企业的自信。

虽然叫“软件定义汽车” ，但还有一句叫“行业定义软件”。 其实市场上找一些会算法的人不难，比如亿咖通有 1700 人的软件团队， 但真正限制车企的是对行业的了解， 产业形态的演进以及对用户需求的认知。 现阶段二级市场 A 股， 自动驾驶的标的几乎没有， 只有德赛西威也比较贵， 以及禾赛科技和速腾聚创都是准备发行的状态， 但很快会有很多一级市场上好的标的进入二级市场，这是第一个趋势。 第二个趋势就是车企希望去做一些原本tier-1 做的事，夺取智能汽车功能系统开发的主动权， 背后的逻辑是当我想要将软件作为产品售卖的时候，必然需要掌握软件本身， 而不能是外包， 否则怎么 OTA 升级呢？ 因为不可能跟供应商签订 10 年的 OTA 协议，而没有交付标的。 所以，车企都在学特斯拉，招软件人员。而新的想法是也许不需要召集很多人，但必须想清楚要怎么做， 科学定义功能和输入及输出。在这个背景下， 越来越多的二级供应商，比如芯片、 激光雷达、 毫米波雷达、高精地图等， 原本隐藏在 tier-1 后面的 tier-2 逐渐显现出来。 tier-1 在逐渐tier-0.5化直接对接 OEM,特别是诸如芯片这些的稀缺资源厂商。 第三个趋势是车厂也开始逐渐整合和投资上下游。 既然短期内， 传统车企很难像特斯拉一样转身成软件公司，所以可以用投资代替招聘，比如上汽、 东风、 北汽、 一汽， 一方面自建软件团队，一方面投资有价值的上下游。

对 tier-1，除了恒润、 德赛、 博世、 安波福等可以同时服务 3-4 家车厂，其他的精品tier-1 基本是先捆绑一家车企， 深入合作来积累量产经验来打磨产品， 之后在拓展， 要么逐渐稀释某一车厂的股权，或者是欢迎大家都进来，比如国汽智联就是欢迎大家都进来，每个车企投几千万； 或者像斑马，就在去上汽化。

Tier-2 是可以做标准化产品的，但要做的好的话， 在标准化的前提下， 也要给车企开放数据。比如 Mobileye 原来在 smart camera 市场占有率 70%， 因为不开放数据，现在逐渐也被其他定制化的、 更愿意开放数据以及和 OEM 合作的竞争对手所取代。 所以像芯片行业预计会出现两个趋势：一是大算力（因为车企需要自研，并且预留未来 OTA 的可能性），二是芯片会逐步走向开放， raw data 及中间的结构化或半结构化信息车企希望能利用并搜集更多后续用于迭代升级的数据。

另外， 曾经大家都学特斯拉， 比如小鹏和蔚来都曾是特斯拉的信徒， 但现在随着发展和行业的理解， 国内的品牌都逐渐更自信，比如在特斯拉产品向下的情况下， NIO 选择用 ET7来品牌向上，特斯拉说不用激光雷达，而新势力发布的新产品都是标配激光雷达的。

L3 的自动驾驶，是原来在汽油车上想达到，但比较难达到的级别。 所以现在出现了 L2+,L2.5……。 第一， L3 是要求驾驶员不睡着就可以，系统提前 10s 提示让驾驶员接管，但其实事件往往发生得很突然、 系统很难有 10s 的提前反应时间，所以导致系统鲁棒性严重不足。 第二， 如果驾驶员一直不接管，出现事故，驾驶员可以说是自动驾驶系统不靠谱。这样法律责任的界定就变得很难。 但 L3 级别， 自动驾驶状态下， 法律责任就是归为车辆和系统的。第三，在技术层面，频繁的做人和车之间控制权的转化是非常不聪明的，会有很多未知的问题出现。所以， 特斯拉一直说自己是 L2， 但会持续增加一些超越 L2 的功能。所以， 现在车企都不再刻意强调自己是 L 几，而是更看重消费者体验和用户能感知到的功能。

高级别自动驾驶（L4） 什么时候可以实现规模量产和商用？ 行业的发展比我们想象的更快。看到工信部内部文件， 在 2024 年左右会允许前排不坐人的自动驾驶商用。 所以预计 2024年会有 2B 产品出来， 比如滴滴等可能提供高级别自动驾驶的车队。 但其实北京、 深圳、广州政府计划 2021-22 年就推出数百-上千台的自动驾驶车辆（没安全员） ， 比预期早 1-2年。 所以 L4 的商用化进程可能比我们想象得更早，这对高科技公司是个好消息。

V2X 在技术层面一定是必要的， 因为单车智能有些问题解决不了。 但现在的问题是 V2X 没有商业模式去定义推动大规模的运用， 不知道谁为这个买单， 好像是应该电信服务商去做，但他们也没有在投资， 所以现在没人去建设智能道路。 现在不知道如何去商品化 V2X。

英伟达 Orin 是很好的芯片， 以前我们对他的 Xavier 感兴趣，但太贵了，但现在 Orin性能提升了价格还降下来,性价比提升了。第一个使用 Xavier 的中国车企是小鹏 P7， 这其实是很难的，因为需要实现商业化量产过程， 也需要大量的软件人才。 实现高级别自动驾驶功能（如高速公路、城市导航辅助等） 对软件和架构的要求是非常高的。 在使用大算力芯片上， 传统车企在人员组织和开发效率等方面并不自信，所以会倾向于选择 tier-1 如安波福、 博世、大陆等或使用 Mobileye 系（如 Q5） ，因为在感知层面有很多可以帮助主机厂的地方。另外还有华为的 MDC，其实算力是稍微弱于 Orin，但价格是高不少。 新势力希望快速形成生存优势，所以更关注功能的实现和性价比。而传统车企是 3+3+3(三个央企+三个国企+三个私企)，是有社会责任感的（支持中国本土企业）， 我们如果要开发可能还是会选择华为 MDC， 即使 Orin 的性价比更高。

那不叫入门费，叫阿波罗计划， 如果使用英伟达的芯片， 是向 tier-1 每年收 2000 万美元的会员费， 作用是这一年英伟达工程师会做关于芯片的售前售后指导服务，相关技术都会向你开放和支持。 中国境内能够用英伟达芯片的 tier-1 是 4 家： 德赛西威、 采埃孚、博世和上汽， 上汽是想自己做 tier-1， 所以交了阿波罗计划的钱。 3 家新势力都是找德赛西威。

性价比来看，曾经的英伟达芯片（应该指 Xavier）算法+芯片， 车企支付的成本是大几百到小千美元， 现在的 Orin 算力从 30TOPS 提升到 200TOPS 了，价格反而到了中百美元的水平，顶配在小千美元。 Mobileye eyeQ4 大概在 100 美元左右， Q5 会稍微高一点。Qualcomm 是好公司，有很好的芯片设计， 但有个问题就比如小米首推的 888， 有很大的发热量。 Qualcomm 主要是 2 个汽车芯片 820A（820 芯片做了车规级设计） 、 8155（855 做了车规级设计） ,我们原本对它寄予了很高的期待， 8155 除了做车载娱乐，还考虑过做自动驾驶，但实际测试的算力和理论算力差别很大，可能因为架构师的经验不足， 导致每个模块的算力很强， 但片内的带宽（调度） 不够，跑算法的时候，运算器没满载的时候调度就满载了。 实测算力水平是预期值的 30%。 所以 Qualcomm 可能需要更好的架构师。相比来说8155、 820A 升级后的 8195、 9000 系列的， 可能不确定性高一些。 对下一代的骁龙新平台，我没测过，所以不好评论。 现在用 8155 的很少， 像长城也是期待他下一代的产品，但还需要时间。

我们是有社会责任感的， 所在在芯片卡脖子的时候会使用中国芯片。 但华为要做中国的博世， 所谓中国的博世其实和车企就差一个车壳子、 差一个车辆的设计。 博世是做很多年的 tier-1， 他是知道怎么把握一些限度，但从华为的风格来说，车厂会担心终有一天他会造车。 所以使用还是会用，但是会担心多一个对手，所以会是试探的态度。

答：我还没有拿到商业策略和样片。 Mobileye 曾经是用 2 片 Q5 做了 L4 的自动驾驶的。 可能除了感知会做一部分决策（planning algorithm） 进去， 一方面有可以调用的指令集，另一方面可能会允许更高的开放程度， 比如让用户在芯片上做更多自由的编程和数据的共享。 对 Mobileye 来说， 从 Q3 到 Q4 体现的是人工智能能力，从 Q4 到 Q5 是希望体现开放度。

高级别自动驾驶、 脱手功能的 L2.5 以上的技术必然一定需要激光雷达。 如果在高速公路上不考虑拐弯， 那么前向一个激光雷达就够了， 其实很多时候它不是为了成像，是为了提高前向感知的置信度（大雨大雪天气除外） 。在城市道路下、需要拐弯、 变道的情境下， L4 级别就需要 360 度足够高视线度的信号， 这是在系统测试层面分析出来的。

像特斯拉这样依赖视觉的， 或者使用视觉产生点云， 能否取代激光雷达呢？ 我是激光雷达的坚定支持者，虽然我从本科到博士都是研究计算机视觉的，但我还是认为激光雷达在高级别自动驾驶中不可或缺。 在黑夜、 有雾、 光线低的情况下， 包括从隧道出来白平衡不能调整的情况下，摄像头是有局限性的，只要有 1%的不准确，都是非常致命的，大量用户同时使用这个技术的情况下，就会有频发的事故爆发。 比如前段时间特斯拉在台湾嘉义撞车，就是因为视觉系统认不出卡车的顶部， 所以没做任何动作， 如果有激光雷达， 或者把毫米波雷达置信度调高， 就不会出现这个事故。 所以视觉很有用，但高级自动驾驶， 特别是大规模使用的 Robotaxi里面，激光雷达是底线。

——主机厂是把激光雷达转化为价格，还是看销量？ 现在用的是过车规的雷达， 现在确实不会用旋转的机械激光雷达，会选择半固态的MEMS， 或者 flash 的固态激光雷达，甚至未来的 OPA 雷达。 从价格来说， 在美国读书的时候， 8-9 年前, 激光雷达的价格在 20 万美元靠上；到了国内的某家互联网公司工作的时候，价格是 100 万人民币；当我到了主机厂来做 L4 的时候， 17-18 年， 价格大概在 70 万人民币； 到 19-20 年，机械激光雷达价格急速降低到 10 万以内，但性能没很大损失； 2022 年即将量产的批量供货价格， 全部都远低于 1 万人民币。 如果我们相信摩尔定律的力量的话，我们也会相信所以随着技术的成熟、大批量的使用，价格一定会到能接受的程度。 少于 1千美元就具备了上高配车的可能性， 少于 500 美元就具备大批量使用的可能性。 现在看已经非常近了。

激光雷达也不一定会做成选配。像造车新势力一个车就一个配置，默认为硬件预埋。 有些车企倾向于顶配，有些倾向于选装，取决于不同的商业模式。但激光雷达一定会很快被量产使用， 会比预计更快地降到大规模使用的价格区间内。

架构不难，不是只有特斯拉能做宝马戴姆勒就做不了的， 不是这样的。 只是因为宝马戴姆勒的技术积累很多， 不舍得一下子推翻掉，所以是烟囱式的积累（多一个功能就叠加一些零部件或 ECU，我们叫烟囱式的开发模式） ， 坏处就是没有做全面的革新， 也没有改写之前的 ECU,这样不断叠加会导致 ECU 越来越多。 特斯拉没有这个历史包袱，一开始就想用强大的芯片，来解决复杂的计算，所以他从 Mobileye(不够开放)到 NVIDIA（性能不够）到 FSD。 特斯拉软硬件做的比较好，就是为了做高级别的自动驾驶， 提供持续更新的功能，让用户持续为软件买单。 未来我们也会使用这样的方式。

如果使用烟囱式的开发模式， 是没办法 OTA,更没办法做 FOTA，对离散的十几、 二十几个节点去升级， 基本是做不到的；所以必须用中央式的域控制器去实现 FOTA。 从离散到域化，传统车企都意识到，但只是特斯拉率先做了，因为没有历史的包袱（在研车型的影响） 。宝马戴姆勒如果想做也是能做的， 再比如 ID3\ID4 也是做的不错的。

中国车企为什么不能立刻转过来做域控制器？ 因为涉及的节点太多了，比如电源、通讯、车身、散热、 电热管理、哪些要做冗余等等， 关联件很多。 特斯拉在 2019 年重写 rewrite过 autopilot 代码。 但对传统车企不舍得做这样彻底的革新，太留恋之前的技术积累。 所以电子电气架构并不难做，只是需要时间。 中国车企会在 2022 年初开始使用新的电子电气架构， 优先域化的是自动驾驶和座舱域，然后逐渐做车身和动力域， 因为座舱和自动驾驶是最需要大算力芯片好， 最需要 OTA 升级的。 未来会逐步向中央型控制器的转变，这个过程需要 5-10 年。

如果是使用了 MDC、 NVIDIA ORIN ,至少是在自动驾驶上实现了域控制， 即局部实现了域控制）。

——是不是燃油车很难做到域控制？ 不是。 如果把电池和发动机分别看作动力域不同的形态， 燃油车和电动车差别不大。不是说燃油车做域控制更难。 选择新能源车做自动驾驶，是因为新能源车往往能设置比较新的电子电气架构，它的支持会更好。架构方面是不是新能源比燃油车有优势呢？也不见得， 只能说新能源车是最近几年设计出来的，所以设计理念更加先进。 燃油车一直沿用了相对老的架构， 它的改变相对困难。 但是难点不在于技术上，而是涉及的节点太多了，需要时间让节点跟着我们一起变。

域控制器和 OTA 是相辅相成的， 除此之外还需要车载以太网，还需要强大的 T-BOX 来与外界进行关联， 比如需要 4G/5G 的网络来进行快速 OTA 升级。 OTA 升级有两种情况，一种是一边开车一边下载，需要主动选择 OTA， 之前长安街上有一辆 NIO 因为 OTA 升级就停在路边，门也打不打开的情况，这就是上电的情况下的 OTA 升级。 外还有下电的情况下进行 OTA 升级，比如晚上回家了人不在的情况下进行升级。 下电 OTA 肯定更好。

如果没有 OTA， 车是不能常用常新的。 SOTA 只是调整性能，如果要实现功能的改进， 必须是 FOTA。 只有自研才能实现长久的 OTA 升级，必须为车辆的 5-10 年生命周期负责。 所以车企至少要能控制足够有研发能力的合作伙伴，让软件和代码技术长期控制在自己手里。比如 GM 收购了 Cruise 就是为了掌握核心技术。

但有个技术难点，如果自动驾驶想要变道，但人类司机只晚 2s， 这算不算不同？如果晚了5s， 这算不算不同？所以需要思考怎么通过参数来区分相同不同，否则会收集大量数据，但数据的有效性很差。 所以影子模式很重要就是如何设置参数。

小鹏和理想说已经在用影子模式，我认为吹牛的可能性较大。 不认为理想在收集数据， 因为众包不好做。 特斯拉最近被约谈也是因为把数据传到美国。 L2+以上才用影子模式只是因为 L2+以上的传感器更多、 芯片算力更大， 可以进行复杂判断， 所以能快速的区分。

传统车企转型比较慢， 决策流程比较长。 小鹏可以无差别裁员 1000 人，但我们如果裁员 100 人都会出现维稳问题，包袱是比较重的。 所以我们也要努力去调整去开放更好的自动驾驶。

自动驾驶说到底还是规模的竞争，规模会形成数据， 规模数据会快速迭代， 让算法更加精准。 新势力的重点不是怎么提高毛利率，而是如何提高规模。

硬件决定了自动驾驶系统的上限，软件决定了系统的下限。 特斯拉不用激光雷达，所以它的系统是有上限的。 所以第一点，我不认为特斯拉可以在安全上做的比用激光雷达的车企更好。 第二点安全这个事，除了说沃尔沃主动安全做的很好之外， 其实很难对比宝马、奔驰谁安全？ 丰田、本田谁更安全？ 所以安全是很难量化的。 所以， 一方面使用更好的硬件，确实能够提升车辆的安全的上限； 另一方面， 即使特斯拉在收集数据，但中国车企在应对中国复杂的场景来说，是有很大的优势的， 所以现在还远没有到终局。

近期芯片短缺最重要的原因是 8 英寸晶圆缺货，台积电在疫情期间缩减了 8 英寸晶圆备货，没想到亚洲流片需求很快恢复了， 所以造成使用 8 英寸晶圆流片的芯片缺货， 涉及的主要是 MCU 和 IGBT。 反而是一般使用 12 英寸晶圆的智能驾驶 AI 芯片缺货并不严重。