内容摘自：焉知知車視界
作者：文立
智能網聯汽車正走向硬體趨同、軟體定義和資料驅動，而作業系統是汽車軟體的靈魂，目前作業系統是不是受制于國外？兩年前中國提出自動駕駛作業系統頂層設計，進展如何？一系列的問題需要找到答案。
尚進博士，國汽智控（北京）科技有限公司總經理、首席技術官，也是國家智能網聯汽車創新中心首席技術專家、中國智能網聯汽車産業創新聯盟基礎軟體工作組組長、清華大學車輛與運載學院客座研究員，請他來解讀上述問題再合适不過。
為什麼是硬體趨同、軟體定義和資料驅動？
“走到今天的硬體趨同、軟體定義和資料驅動階段，智能網聯汽車将怎樣演進？未來方向如何？”
尚進博士指出，這一觀點是行業專家智慧的彙聚，但并非源于汽車行業。過去30年ICT行業的發展是一個見證，而智能汽車正在重新演繹。
晶片、硬體、軟體或作業系統、資料和雲計算代表了現在的關注和熱點技術。“硬體趨同、軟體定義、資料驅動”這12個字是對産業從零到成熟過程的一個總結性預測。
晶片很重要，沒有硬體就沒有軟體，硬體趨同是技術的發展特色，更是産業集中化的展現。從PC、伺服器晶片可以看到，巨頭們投入很大，最後沒有小玩家的活路。
智能汽車領域首先是一場變革，像ICT行業一樣，晶片架構、商業模式和産業發展出現了趨同，一些小的處理器變成了集中域控，越來越內建；大型SoC中AI元素将占據很大算力，但汽車也離不開通用計算和實時可控的晶片。晶片架構中的硬體也包括不同的AI、ARM和實時異構核，這些東西在集中化基礎上分布化，形成多個晶片甚至多個闆卡。
“很早就有軟體定義網絡、軟體定義很多東西的說法，怎麼了解軟體定義汽車或智能車？”——記者
尚進博士認為，軟體定義是說智能汽車在集中化趨勢下，車輛功能設計和實作的一種方法論的變化或趨勢。軟體定義的本質不是用代碼實作，之是以提軟體，是因為整個車輛功能中離應用最近的才最能展現系統架構。軟體定義代表的是變成一個複雜系統的智能汽車需要一個比較好的架構。
做一個好産品的前三件事兒是：架構、架構、架構，隻不過由于複雜的硬體、複雜的軟體，軟體定義特别展現在三個方面：一是整個系統架構是不是集中式架構，包括集中式架構下的新的産業鍊、硬體、作業系統、應用開發，都需要架構先行；二是主要功能是用軟體來實作的，自動駕駛要使用AI晶片實作感覺，但它不是主要功能，隻是整個自動駕駛工作中很小的部分，但需要很大資料量，甚至有一定難度。
更重要的是，我們要有支撐、展現軟體價值的系統産品和架構。軟體的價值或優勢有幾方面，第一是快速功能開發，第二是在保證高效、高品質、高實時、高安全情況下的高效開發，能夠更新，容易疊代，如OTA。
傳統上，汽車行業認為軟體定義就是網際網路，沒有顧及傳統的流程開發體系，其實真正的軟體工程或複雜系統軟體更講究流程，既然要用軟體實作就要保證在最好的架構基礎上開發更多的功能，生命周期内的疊代也要更高效，前提都是高實時、高可靠性。
“作為汽車開發測試的一部分，用仿真訓練自動駕駛模型，驗證更多場景，這也是資料驅動，怎麼了解資料驅動的真正含義？”——記者
尚進博士回答，仿真是資料驅動，但還不能與真正意義上的資料驅動相提并論，不是智能汽車需要考慮的新核心。資料驅動更偏向車外，更強調驅動。現在的車輛采集了資料，也放到了雲端，而資料驅動主要是圍繞智能汽車産品設計，怎樣用資料來提高車輛産品品質，包括實時性等。資料驅動更強調怎麼把雲計算應用于車輛設計，即車輛産品的工程設計，既是基于資料來完善設計，也可以擴充到資料中心，用雲計算架構支撐智能車輛的功能開發。
他解釋說，每年的新車價格都不一樣，特别是低檔車單車邊界内智能有限，還有保有量的問題；軟體在生命周期内需要更新，特别是要保證車輛使用5到10年。幾年後的軟體功能一定會超過現在的硬體，不管價格如何，也不可能預埋5年後的硬體，也不可能知道5年後是什麼硬體。
這些都指向同一件事情：在車内做好軟體定義和硬體趨同後，往雲上走才能真正突破單車計算的實體邊界。這就要利用邊緣計算、雲計算，這就是中國的車路雲。是以，路側和雲都是計算資源，車輛不隻是座艙等，而是需要保證明時可靠，是以資料驅動不能被動地将ICT進展僅僅了解為僵化的資料和現有的模型，而是不局限于單體開發，利用雲計算或資料中心驅動車輛設計。實際上和軟體定義和自動駕駛一樣，都是圍繞車輛的核心功能，雖然座艙也是資料驅動，但還要再進一層，考慮智能汽車産品終點應該是什麼樣子。
“誰都不知道5年以後硬體是什麼樣子，又怎麼支援這個軟體呢？”——記者
尚進博士表示，單車可能不知道，但是會有邊緣計算、邊緣雲或5G、6G高速通信，計算硬體在邊緣雲上，因為有5G或5G優化，硬體在車内和車外沒有什麼差别，重要的是軟體和作業系統的延伸。是以，資料驅動更是計算驅動，但如果隻是計算驅動，現在也有更大的硬體。國汽智控更希望強調的是從終點——整個産業架構、産業生态出發。現在智能汽車的目标很簡單，花5年或6年時間，可以把汽車這個機械為主的産品變成和ICT持平的水準。現在的計算機、筆記本和手機一樣，任何生态都是和雲計算融合在一起，要圍繞車輛的目标功能把它融合在車輛平台中，不僅是座艙或車聯網，而是自動駕駛或車控動力系統等更大的範圍。
車的要求更高，卻是5G真正最大的應用市場。5G具有高帶寬、低延遲和高穩定性，現在高鐵上用4G看視訊已經沒問題了，很難想象5G有什麼比較大的應用，其實更大的行業應用就是高速移動的車輛。車控系統一定是更低延遲，不僅是自動駕駛，也包括底盤、動力系統，是以車輛是5G最大的應用市場。
自動駕駛為什麼要有一個好的作業系統和架構？
“從計算機到現在的手機，最核心的軟體就是作業系統，這麼多年應該都是國外作業系統占壟斷地位，現在的汽車也是這樣？”——記者
尚進博士予以否認，他表示，作為智能駕駛作業系統的定義者和先行者，國汽智控最近獲得了“2021中國汽車出行産業最具投資價值企業TOP10”獎，證明了其正在做的事情具有重要意義。
國汽智控的核心産品是作業系統，确切說是智能駕駛/自動駕駛/智能汽車作業系統。作業系統是産品的核心，過去其他行業已經證明，作業系統本身的定義和行業相關，如果說智能汽車的核隻是現在車上用的QNX、安卓、Lunix等，那就錯了，因為這些已經是成熟的東西，大家都在用，可為什麼大衆等車企仍然覺得車的能力還差得很遠呢？因為這些不是核，不是定義的智能駕駛作業系統。
“那是不是需要做自主可控呢？”——記者
尚進博士說，國汽智控不是為了自主而自主，缺少自研才來做，首先做的一定是産業急需的，能夠起到核心作用；第二需要澄清中國核是為自動駕駛定義的，這種形成國标體系的核不是“敵有我無”，而是誰都沒有，是以起步就是行業領先、行業創新。
現在的形勢是采用封閉體系的特斯拉一騎絕塵；行業缺少ICT和車輛融合的東西，一些主機廠也在做自己的軟體公司，但産品都沒做出來，更談不上成熟。對ICT了解最深刻的是中國和美國，更容易提出和做出這樣的作業系統，而傳統的汽車領先國家不一定先知先覺。即使是國外的AUTOSAR（汽車開放系統架構）也達不到這個高度。
“那麼，怎樣來定義自動駕駛作業系統呢？為什麼很多主機廠覺得離智能汽車那麼遙遠？”——記者
很簡單，行業缺少AI晶片，傳統車用晶片有的是，而智能晶片不是這些晶片，需要有支撐作業系統的大型複雜硬體平台。至于作業系統，不用什麼高深的定義，用樸素語言講就是支援所有的硬體晶片或硬體平台，能夠向上支援應用開發的承上啟下的基礎軟體。應用決定作業系統，為自動駕駛應用開發的這個東西就是自動駕駛作業系統。既然支援自動駕駛這麼核心熱門的應用，就要用定制化應用、定制化開發來實作核心作用。
“這個作業系統應該是一個通用平台？”——記者
真正成功市場化的作業系統一定是大家都用，除了座艙、底盤、動力作業系統，它主要關注自動駕駛應用開發，最後應該形成一個整車單一作業系統，支援上面所有的應用開發。
△國汽智控智能駕駛作業系統産品架構
國汽智控正在推動的最難、最複雜的東西就是自動駕駛作業系統。智能汽車作業系統一定符合智能汽車的核心定位，現在的核心遠遠達不到，很明顯在智能性能方面，車企沒有因為使用核心或AUTOSAR而趕上特斯拉。
全球都在做ICT和車的融合，都在做基礎軟體，但它還沒有成熟，更沒有落地，是以不用有自主可控的急迫感，急迫感在于産業急需。
中國自動駕駛作業系統頂層設計進展如何？
兩年前，大陸提出了中國自動駕駛作業系統頂層設計，而國汽智控成立至今才一年半。尚進博士說，公司前期醞釀時間比較長，包括定義整個架構，先有了定位的市場和适合這個市場的産品架構定義才注冊了公司。到目前為止，公司釋出了1.0、1.5和2.0三個産品版本，基本上實作了當初定義、現在成為國标的智能駕駛作業系統核心的産業化。從産業落地看，現在已在和五六家主機廠進行量産開發，明年将陸續裝車。
“主機廠是國内為主？”——記者
基本上是國内自主品牌，因為某種程度上自主品牌對自主可控要求更高，但并不限于自主品牌。
“國汽智控做的作業系統是否可以解決安全問題呢？”——記者
作業系統的功能就是實作或保證車輛系統或自動駕駛系統的實時性、安全性和主機廠的應用定制開發。安全是貫穿作業系統最核心的東西，覆寫功能安全、預期功能安全和資訊安全，這幾方面的考慮、設計和實作都是作業系統不可缺少的部分。
另一個重點是資料安全，它一定是在作業系統内部實作。一個量産化的自動駕駛作業系統一定包含智能駕駛的資料安全防護功能，這是必須做的事情。資訊安全在智能駕駛中的創新還包括：做到實時性、可靠性與智能駕駛OS的融合，在保證整個系統可靠的前提下不增加額外成本。
△基于國汽智控智能駕駛作業系統的資料安全防護示範
另外，自動駕駛或智能汽車資料量很大，傳感器很多，每天幾個T的資料，需要大規模資料處理，對資料處理安全的要求更高；而且汽車是移動的，大陸有很多資料分類分級準入标準，大規模海量資料和移動資料，包括車内車外環境，甚至攝像頭主動采集的資料，都是這方面資料的特色，這是以前資料安全行業沒有遇到過的。
智能汽車不僅是一個儲存設備，還是一個計算單元，資料要在其中再加工，有很多熟資料，還有很多新資料，也會有資料安全問題。面臨的最大挑戰除了和自動駕駛強耦合外，還會産生新的動态資料安全問題。
由于涉及周圍的人和地理資訊太多，隐私保護最大的落地需求可能是智能汽車。其他方面的隐私保護有相應法規，主要針對人，但車輛不一樣，它會進入很多敏感地區，涉及敏感對象，不知不覺被采集資料，這是智能汽車的新挑戰。
“在作業系統層面能解決這些問題嗎？”——記者
應對這些挑戰的創新技術的落地點在作業系統内，同時整個系統還要保證明時性、可靠性和低成本，這是內建融合的挑戰，是以做資料安全的人要懂自動駕駛作業系統，才知道怎樣融合成一個産品。這是資訊安全産品的一個特色，其真正落地離不開對防護對象的深層次了解和融合，才能保證整體是一個産品，特别是防護對象是2B産品時的實時性、可靠性。
國汽智控在供應鍊中的定位在哪裡？
尚進博士告訴記者，國汽智控是一家科技初創公司，也是國家平台企業，主要任務是“智慧融合，中國方案”，主要産品都是智能汽車缺芯少核的東西。其定義的核心産品自動駕駛作業系統也是整個行業的頂層設計，将服務于所有主機廠。其作業系統支援大小不同的晶片，首先是開放、解耦、标準。開放産品軟硬一體，但不是全棧式開發，而是适合主機廠在上面做定制開發。開放是作業系統和硬體之間的界面或接口是開放的，能夠內建不同的晶片硬體形态，上面的應用開發也是這樣。解耦是指作業系統内部的核心、AUTOSAR、軟體算法等，邊界也是開放、解耦的，其他廠商也可以做一部分，由國汽智控做核心部分的內建，共建成一個主機廠所需的作業系統，其中甚至有主機廠的貢獻。開放不僅是在邊界，也包括作業系統内部的部分。這樣的作業系統基于産業鍊廠商的貢獻，可以适合所有車型。
“你們現在做的這些産品和國家标準是怎樣的關系？”——記者
由于缺芯少核是行業急需，國汽智控在頂層設計方面做了一些工作，作業系統國家标準體系是由國家智能網聯汽車創新中心直接推動的，國汽智控發揮了引領和貢獻作用，做了具體執行工作，包括分層之間接口的國标頂層設計。當然，每個國标也有所有主機廠和産業鍊的參與。在這方面國汽智控做的很多事是針對整個行業，特别是協同産業資源，以創新科技和系統內建持續引領和支撐行業發展，提升大陸智能網聯汽車及相關産業在全球價值鍊中的地位。
“你們的幾個産品有什麼特點？能夠滿足什麼需求？” ——記者
現在是兩類産品、四個單元，一類産品是車内的，硬體和軟體作業系統一體，主機廠可以在上面開發裝車；另一類産品是車外的，比如邊緣雲。所謂四大單元實際上是兩類産品四個單元組成——智能汽車作業系統（ICVOS）、智能汽車域控制器（ICVHW）、車雲協同基礎軟體（ICVEC）及資訊安全資料安全（ICVSEC）。車内産品有OS和硬體，也有第三方硬體，以及自研的細分市場硬體；OS内部還有資料安全或資訊安全等三個單元；車外OS幾乎一樣，包括資料、車雲基礎平台，相當于雲端硬體。
“車外産品是不是常說的路側裝置？”——記者
的确可以部署在路側和邊緣雲上，但如果能把路側網聯賦能再提升一層，就需要路側的标準開放體系，以及各種開放架構和高實時、高安全實作。路側有感覺硬體、作業系統和算法，不可能一家封閉來做，也應該是個标準開放體系，讓很多東西都能進來。另外，如果隻是提供給車做智能駕駛輔助參考，意思不大，應該起到和車内傳感器差不多的主要作用，其實作要求高實時、高可靠，正好車内OS都符合這些要求，可以部分自然延伸到路側。它可以不叫OS，但都是标準開放的實時、可靠、安全架構或實作這一架構的核心産品。
特斯拉的成功應該如何解讀？
“目前國内一些試驗區、先導區都在路測自動駕駛汽車，您對此怎麼看？”
這是中國網聯汽車方案和架構在示範區落地的很好證明，各地都很關注和認可這個發展方向，這是很好的事情。如果我們真能趕超特斯拉，一定是利用中國的基礎建設來推動車輛産品的發展。
“您的意思是不是特斯拉側重單車智能，而中國在車路協同方面做的更好些？”——記者
特斯拉是單車智能沒有錯，但是其前提也是美國基礎建設不夠，是以它覺得也沒有太大必要做别的。如果有足夠的基礎設施，它也會思考更多。中國确實是網聯式V2X，但大家對V2X的诠釋不夠完全，太看重其結果：隻要有路側，隻要有通信就好；關注demo比較多，極少關注如何提高車輛産品設計的變革或吸收推動作用，也就是資料驅動。隻将V2X了解為路側裝置是不夠的，需要補充的是，資料驅動或網聯式的一個重要環節是通過車外生态反哺車輛核心功能，而不僅僅是車聯網或座艙這些已經成熟的應用。行業對智駕域、底盤域、車身域的作用認識不夠，重要的是突破單車計算和傳感邊界，同時仍能保持和支撐車輛産品的實時性、可靠性和安全性。另外，路側攝像頭或其他傳感器要保證安全等級對單車智能的支撐，真正用L1、L2硬體的車實作L3，而不用更多硬體成本。
“Robotaxi和乘用車是兩條不同的技術路線，孰優孰劣？” ——記者
這是從L4、L5做，還是從L1、L2做的技術紛争，前幾年最熱的讨論是特斯拉和Waymo誰能成功？今天看，隻能說特斯拉成功了，因為Waymo始終沒有推向營運，反而特斯拉不僅造車成功了，自動駕駛也在往L4走。
問題在于，目前看真正實作L4、L5還有很多理論瓶頸，比如強人工智能、如何保證AI安全等。産業推動方面，像谷歌Waymo這種體量可能還有些問題。另一方面，從市場看，大家也逐漸認識到輔助駕駛或L2、L3也是剛需，也有很大市場，也會帶動智能汽車設計。智能網聯是下半場，不一定無人駕駛才能推動，L3集中域控或大域控也能帶動智能汽車變革。
特斯拉今天這麼高的市值絕不僅僅是有最大部署量的L2或L2+功能，而是整個車輛産品設計對同行降了好幾維的打擊，其背後的自動駕駛功能隻是一小部分，卻帶動了車輛整體架構、晶片、作業系統，支撐了更多、更好、更高效的設計和OTA的更廣泛使用等變革。
無人駕駛的研究會繼續下去，但汽車行業變革并不是以它為終點，更不是以它為主要路線。人們需要L2、L3、自動泊車，這有點像沿途下蛋，可以發現更寬的路子，還會下很多蛋。如果真和Waymo比，特斯拉某些場景車還不如，但好像不是這樣，大家真正關心的是車輛是怎麼重新設計的，或核心功能怎麼設計，以及帶來的生态改變、資料帶來的生态附加值。
“上面講到了汽車新四化中的網聯化、智能化，電動化很明白，還有共享化呢？”
對，共享不一定是無人，共享不一定沒有方向盤，所需要的實際上是最後1公裡，L3、L4反而能夠實作共享。現在大家都在學特斯拉，包括無人駕駛公司，這不是說特斯拉的無人駕駛、自動駕駛路線勝利了。它隻是以市場帶動了産品，或以産品引導了市場，以市場落地反過來提升了技術，是一個比較好的模式創新。
特斯拉有它的優勢，但這也從另一個層面證明一個問題，毫無疑問，部署量大、使用頻繁，一方面是産品确實不錯，有更多的資料，肯定可以訓練提升系統，包括一些極端情況；反過來，這麼大的資料也沒有實作完全的L4，說明确實還有理論瓶頸，或者跟資料的關系沒那麼大。從産業看，特斯拉還是依照市場規律，不拘泥于自動駕駛目标，在打造汽車産品。
特斯拉确實領先，但為什麼也實作不了L4？這個問題值得大家思考！
END