汽车控制器：汽车控制器多少钱一个
本文约8,000字，建议收藏阅读去年上海车展回来写了《自动驾驶域控制器的来龙去脉2023》，没想到这篇文章居然有四、五万的点击量，也从侧面说明智
本文约8,000字，建议收藏阅读
去年上海车展回来写了《自动驾驶域控制器的来龙去脉2023》，没想到这篇文章居然有四、五万的点击量，也从侧面说明智能驾驶行业确实非常火热今年本来北京车展完了就要更新的，但囿于琐事一直拖更到现在，实在是抱歉。
今年我们继续讨论域控以及三个行业趋势：L3、大模型和舱驾一体，最后我们再简单聊聊车路协同#01行业大势：快速出清、头部聚集去年域控制器的方案可谓是百花齐放，我在写上一篇文章（《自2023》）的时候也以为域控制器和芯片行业会出现极大繁荣，不想仅仅一年以后，行业就快速收敛，绝大多数智驾域控方案都惨淡收场，并快速筛选出了行业龙头。
按照前文的逻辑，自动驾驶域控的核心是智驾芯片我们先来看看2023年智驾芯片的表现：
图1. 2023年智驾芯片出货量[1]从2023年的数据可以看出，在国内智驾域控芯片领域，特斯拉和英伟达还是处于一骑绝尘的位置比较尴尬的是地平线征程5 (J5)虽然位列第三，但出货量只有英伟达Orin-X的不到五分之一 (200,087颗 vs 1,095,019颗)。
另外J5基本依靠理想L7、L8两款车出货（L6 24年第二季度才上市），其他押宝J5的方案商算是赔了个底儿掉，保护费交了不少，钱可是一分没挣到啊另外，征程3 (J3)出货量也出乎意料的不尽人意地平线目前只有征程2 (J2)，既可做前视一体机、也可以用在座舱监测（DMS）系统中，出货量稳定，可以说是地平线目前唯一一颗商业上取得了成功的芯片。
Mobileye凭借EQ4和EQ5，目前也是中国市场主流的智驾芯片和解决方案供应商但未来不出意外的话，基本上会是一个逐渐出清的状态上图没有列出被寄予厚望的黑芝麻按照黑芝麻自己的说法，截至2023年12月，所有芯片一共卖了15.2万片。
目前A1000芯片在各个项目上终于都能用了，也许从下半年开始出货量会逐渐赶上来？最后，回顾一下我在《自2023》里放的芯片列表在2024年的样子：
红线划掉的芯片要么已经噶了（比如寒武纪），要么没有量，要么已经不是厂商主推方案，所以不用太关注了哎，这个行业就是这么残酷另外，在域控层面，多SoC混搭，比如“J3搭配TDA4”等等这种方案，今年也没打出什么水花。
主流车企和Tier1的域控方案还是以单颗或者多颗同型号SoC搭配（比如大疆的双TDA4、理想的双Orin等等）为主伴随芯片表现的逐步明晰，智驾供应商也快速向头部聚集，也就筛选出了业界公认的四强，即地平线、大疆、华为、Momenta。
那么，2024年自动驾驶域控制器有哪些发展方向呢？#02域控支持量产L3自动驾驶？在国内实现L3自动驾驶一直都是车圈很热的一个方向，2023年11月四部委联合发布了《关于开展智能网联汽车准入和上路通行试点工作的通知》，被认为是国家希望推动L3加速落地的一个信号。
2024年6月4日工信部网站发布《四部门有序开展智能网联汽车准入和上路通行试点》的通知，确定9家首批智能网联汽车准入和上路通行试点联合体，更是掀起新一轮热度
图3. 九家联合体列表,来源工信部网站不过从使用主体可以很明显看出，第二个试点通知本意绝不是支持OEM做L3量产的，而是让车厂和出行服务商一起，搞类似最近大火的苕萝卜之类这种L4 Robotaxi。
图4. 武汉苕萝卜，来源澎湃新闻事实上，中国尚未进行L3自动驾驶立法全世界目前也仅有欧盟UNECE WP.29 R157一个L3自动驾驶法规，戴姆勒即依据R157搞了Drive Pilot这个L3自动驾驶功能，并在德国和美国上线，正式宣称“管撞也管赔”——即承诺Drive Pilot自动驾驶期间发生车祸由戴姆勒负全责。
R157最初把最高时速限制在60km/h，目前已经拓展到了130km/h但是！R157规定从“自动驾驶状态”切换到“人工驾驶状态”的切换时间是多久呢？10秒！也就是说，你的宝贝奔驰正在以130km/h的时速自动驾驶，而你正吃着火锅唱着歌，突然自动驾驶系统故障将要退出，你只有10秒钟时间放下手里的事情，观察路面并接管飞驰的车辆。
为了写这篇文章，我把R157修正附件的原文又看了一遍，还是10秒没变戴姆勒Drive Pilot官方操作手册，也注明了驾驶员要在10秒内接管系统但我一直坚持一个观点：10秒钟的接管时间是远远不够、也不安全的。
，目前这个设定只是对现有技术水平和电子电气架构的妥协。
图5. L3及L3以上自动驾驶域控必须支持FailOperational状态在功能层面，L3与L2最大的区别是系统故障以后，自动驾驶域控制器还能控制汽车继续安全行驶，为驾驶员接管争取时间这种“带故障运行”的状态（上图中的黄色状态）即是功能安全里常说的“Fail-Operational”即“失效可工作”。
带故障运行的最大时间就是留给驾驶员的接管时间车辆要实现“Fail-Operational”，首先要在整车电子电气架构上做充足的冗余设计如下图所示，常见的冗余包括冗余供电、冗余通信总线、传感器冗余、驱动冗余、6相/12相转向电机、制动执行器备份（例如iBooster+ESP或者IPB+RBU）等等，光在域控制器层面设计冗余是没用的。
图6. 整车电子电气架构的冗余，来源文献[7]自动驾驶域控制器要支持L3，最直接的方式也是备份其实业界在这方面的研究由来已久比如像下图所示，域控通过板载多颗Safety MCU来实现规划与控制算法在物理资源上的冗余；最近还有一些供应商提出，在做感知和规划的SoC里按流水线，精细区分不同核心完成不同任务，并把核间通信的数据备份存储起来。
这样万一传感器或者哪个核挂了，至少流水线后面的核能利用前一级所备份的数据继续计算一段时间
图7. L3域控板级方案：SoC核心的冗余和MCU的冗余，来源文献[7]那么回到主题即便不计投入做到了所有这些，戴姆勒也只能提供10秒的接管时间，技术上还很有待完善考虑到国内造车成本已经卷到极致，在没有明确利益的驱使下，国内OEM是不会盲目提升成本量产L3系统的。
更何况“人机共驾”显著难于纯自动驾驶是业界共识，L3本身就还有极多应用场景和交互方面的问题需要推敲，离真正成熟还很远总而言之，2024年以及未来的一两年内，域控制器支持L3自动驾驶量产落地，不是主流的发展的方向。
#03端到端大模型智能驾驶上车如今应该没有哪个概念比“大模型”更火热了，火到无论做什么事，不扯两句大模型都会显得自己与时代脱节拜特斯拉所赐，“端到端大模型”在智能驾驶中的应用在今年（2024）受到了以理想、蔚来、商汤、元戎为代表的各色公司的大力追捧。
图8. 大模型内容已经成了网红们新的流量密码我们先复习一下传统自动驾驶软件可分为感知（Perception）、建图定位(Localization)、规划（Planning）和控制（Control）几大模块。
出于自身算法特点以及对功能安全的要求，一般“感知”、“建图定位”运行在SoC（ARM A核）中，“控制”运行在MCU（ARM R或M核）中，而“规划”模块根据算法和计算资源的不同，可以灵活部署
图9. 传统智驾算法架构划分（之一）：感知、定位、规划、控制，来源网络而所谓“端到端”，是指自动驾驶系统像人脑一样，以传感器原始数据为输入，只经过一个模型，就能生成对汽车执行器的具体指令、内部不再拆分成不同的模块，可以作为一个整体来进行训练和优化，以达到信息无损传递、决策全局最优、系统延时最小，同时系统框架复杂度显著下降、代码量显著降低。
图10. 端到端自动驾驶大模型，来源网络其实端到端也不是什么新东西早在2016年，英伟达就发表过一篇名为"End-to-End Deep Learning for self-driving cars"的文章,讨论了端到端模型应用的可能性。
只是近年来由于特斯拉的自动驾驶技术路线，从HydraNet 到 BEV+Transformer，再到占用网络Occupancy Network，都一贯的正确且高效，使业界多少有了些“特斯拉迷信”鉴于今年特斯拉“宣称”FSD V12应用了端到端大模型, 自然就引领了业界的端到端潮流。
那么端到端大模型是怎么从demo一路演进到真正上车的呢？特斯拉并没有发布自己端到端大模型的技术细节，我借用非常有代表性的理想的大模型PPT来说明一下。
图11. 理想的端到端大模型技术演进，来源文献[9]可以看出，理想把第一代系统分成了感知、定位、规划、导航、NPN(Neural Prior Net, 先验神经网络)，以及没画进来的控制等部分这是一种去高精地图的自动驾驶算法框架，但大模型还没有应用进来。
用NPN来替代高精地图，这其实非常像特斯拉“众包采图”的路子具体方法如下图示，通过车辆传感器事先多次采集道路信息（多次，所以更完整、无遮挡），再通过神经网络提取出隐性的道路特征中间值（下图中的Road Features)，并保存起来作为先验信息。
等下次车辆再通过同一路段时，把这些先验信息和传感器实时采集的道路信息，以及导航高辅地图做比对，一起参与到BEV构建和规划计算中，最终得到精确的结果这个方法的本质是把自车当作地图测量车了但是由于测量的只是道路特征值（还是隐性的）而不违反《测绘法》。
图12. 理想NPN算法，来源网络
图13. NPN实时构建路网，来源文献[10]理想PPT里的第二个阶段，也是目前大部分声称搞“端到端”的公司所处的阶段，是“两段式”大模型即感知是一个模型，提供结构化输出；规划部分由原来的“基于规则”演进到“基于数据训练”的大模型，最终的输出是行驶路径，再通过传统的控制算法（PID、MPC等等）变成执行器控制指令。
在我看来“两段式”大模型是一种“伪大模型”简单而言两个模型在数据传输过程中自然就会发生信息丢失，数据存储也会产生较大冗余，而且无法联合训练、联合优化，没有真正发挥大模型的优势现在一些车企宣称在单Orin的域控上就能部署这种两段式大模型，如果实车效果确实不错的话，倒是能极大促进大模型上车。
第三个阶段，是单一大模型，也就是把感知模型和规划模型合二为一，由传感器原始输入直接生成行驶路径这是一种能够最大化挖掘大模型潜力的方式，但也对域控上芯片的算力有更高的要求单一大模型的上车，可能会触发域控的更新换代。
按照马斯克的定义，理想展示的这种单一大模型，都还不算是端到端，因为它的输出是路径，而不是执行器指令不过我觉得也没必要较这个真儿，自动驾驶的瓶颈早就不是控制了，只要规划的行驶路径正确，用经典方法可以丝滑转化成执行器指令，不一定非得为了“端到端”而“端到端”。
再说了，也得给广大规控工程师们留口饭吃，别赶尽杀绝啊！其实，业界也在怀疑特斯拉有没有真的实现“端到端”，毕竟马斯克放嘴炮也不是一次两次了下图是特斯拉在2023年CVPR会议上展示的大模型材料，前一页（图14）和2022年AI Day上展示占用网络时几乎是一样的，只是特斯拉强调现在用了一个统一的向量空间，或者说大模型，取代了原来复杂的内部架构（图15），直接输出交通参与者目标、信号灯和路面坡度等信息。
图14. 特斯拉展示的自动驾驶大模型架构，来源材料[11]
图15. 用大模型取代原有架构，来源材料[11]这种做法显然与马斯克说的从“传感器原始数据”到“执行器指令”的“端到端”有出入还是希望特斯拉能早日再搞个AI Day活动来详细解答一下吧前阵子蔚来的发布会上提出了“。
世界模型”，被普遍认为是端到端自动驾驶的终局形态世界模型的构建意味着AI能够真正的“理解”车辆运行的周围环境，理解一切行为的规则和因果，能够在不经训练的情况下推理做出正确的决策世界模型的真正成熟应用还有很长的路要走。
为了支持大模型在域控上部署，芯片厂商也在开发相应的产品大家听到较多的英伟达Thor芯片，集成的Blackwell GPU架构在设计时就考虑了对部署大模型的支持，同时Thor本身算力也比较强大，未来可能会成为端到端智能驾驶域控的主力芯片。
一些二线厂商，比如安霸（Ambarella），也推出了基于CV3-HD架构的N1系列芯片，支持部署多模态大模型，这次北京车展上做了展示。不过N1不是车规芯片，真要上车的路还很长。
图16. 安霸N1系列芯片支持多模态大模型部署，来源材料[12]智驾端到端大模型能否最终上车，是一件关乎智驾行业大洗牌的事大模型的训练需要巨量算力和成本支撑，每年的花销数以亿计，绝不是中小公司能承担的如果端到端智驾最终被证明可行，那么行业就会快速向几个算力寡头聚拢，同时对工程师的技术栈要求也会剧烈变化（比如感知融合、规控这些工程师的需求量会急剧下降），域控的形态、甚至整车电子电气的形态都会因之改变。
但是目前来看，端到端智驾也可能是一件“望山跑死马”的事：投入很大、硬件成本很高，最终的效果却可能与传统智驾算法差不多而且，从制造噱头的角度，只要智驾算法里用到了大模型——比如“两段式大模型”——你也可以宣称自己是端到端。
可能一年以后，所有公司的算法都宣称是“端到端”了，但真实情况如何，只有他们自己知道另一方面，安全性和可靠性也是挡在端到端智驾的一座大山理想在单一大模型之外，还搞了VLM第二系统，这是否有效有待验证；大模型的计算过程是隐式的，不可解释也不可测，如何满足功能安全同样是个大问题。
这一切都要留待实车表现去回答总而言之，未来两年自动驾驶域控支持端到端大模型，会是一个方向，但是存在一定不确定性#04域控支持舱驾一体2024年智驾域控另一个演进的重要方向是“舱驾一体”，也就是在一个控制器上，既实现智能驾驶功能、又实现智能座舱功能。
它的本质是提高软硬件模块的复用性、整体降本为了实现这些功能，控制器必须同时具备座舱图像处理所需要的大GPU算力和智驾需要的大NPU算力，同时还要保证充足的CPU计算资源，以及足够的网关接口，着实有点“既要又要”的意思。
具体实现而言，域控舱驾一体又分为两个阶段：1. One Box，Two Boards （2019-2023）顾名思义，这种舱驾一体架构是在一个控制器（中央域控）中集成一张智驾计算板（PCBA）和一张座舱计算板。
典型例子是特斯拉 HW3.0和HW4.0 从下图可看出，HW3.0域控的上层是以AMD Ryzen CPU和AMD Radeon GPU为核心的座舱PCBA（图中的Infotainment ECU，满足座舱控制和图像处理GPU算力需求），下层是以智驾芯片FSD为核心的智驾PCBA（图中的Autopilot ECU，满足NPU算力需求），他们共用了一套液冷系统。
（HW3.0中GPU是以模组小板的形式出现的，到了HW4.0中才真正和智驾PCBA融合在一张板上。）
图17. 特斯拉HW3.0 剖面图和外形,来源材料[13]除了特斯拉，小鹏XEEA3.5架构下的中央计算单元也采用了舱驾一体布局，并且更进一步，把智驾和座舱芯片集成到了一张板上，大幅提高了集成度其他厂商包括德赛西威、零束科技、亿咖通等也有相应的规划和产品落地。
图18. 零束跨域融合控制器ZXD1,来源材料[14]2. One Box，One Chip （2024 - ）进入2024年，迫于进一步降本的压力，舱驾一体开始快速向着“一片SoC同时实现座舱和智驾”的方向落地。
代表性的SoC包括英伟达Drive Thor，高通Snapdragon Ride Flex平台的首款芯片SA8775以及黑芝麻“武当”C1200系列芯片部分舱驾一体SoC一览：序号公司芯片算力(TOPS)
制程(nm)量产时间拟搭载车型1英伟达Drive Thor1000-200042025极氪等2高通SA8775P7242024哪吒3黑芝麻C1296<10072024未披露以上几款芯片目前都有较明确的上车量产计划，但展现的思路却不尽相同。
行业老大英伟达更倾向于“一步到位”，真正意义上使用一片芯片完成“座舱+高阶智驾的所有功能”，而高通和黑芝麻则选择“小步快跑”，从“座舱+一部分智驾功能”入局
图19. C1296，北京车展实拍。话说这物料上明显有个错别字...
图20. 集成了座舱和智驾功能的高通SA8775P, 来源材料15前面提到了，舱驾一体的主要收益是降本，但面临的问题也是突出的：首先是舱驾融合使软件整合复杂度显著上升以黑芝麻/均联智行展示的C1296开发工具链为例，整个软件系统要控制多个隔离的MPU、实时MCU、网关、安全岛，通过虚拟化来部署不同的操作系统等，核间通信是很大的挑战，整体稳定性和实时性如何保证也是个难题。
另一方面，目前车企的人力组织架构普遍也是舱、驾分离的，部门墙必然会对舱驾一体产生阻力舱驾一体的推进意味着组织架构也要进行调整，而这往往会比技术挑战更难以解决。
图21. C1296的配套软件开发工具链，北京车展摄从目前市场情况来看，竞争日趋白热化，降本还是压倒一切的首要任务所以各个车企都对舱驾一体趋之若鹜已官宣未来车型将使用Thor的车企包括理想、比亚迪、小米、百度（极越）、广汽（昊铂）、吉利（极氪）、长安、长城、小鹏，Tier1包括德赛、联想等等；高通SA8775的合作方也很多，OEM包括哪吒，Tier 1涵盖中科创达、车联天下、博世、航盛、华阳、大疆、镁佳等等。
除此之外开展舱驾一体预研项目的车企就更多了组织架构方面，比亚迪被曝今年成立智能化技术研究院整合座舱和智驾研发，而博世在更早就布局了座舱和智驾的研发力量整合相信未来会有更多车企顺应这个潮流可以比较确信的说，。
舱驾一体一定是未来两年域控制器的发展方向#05端到端大模型和舱驾一体冲突吗？先小结一下，从前文的分析来看，未来域控支持端到端大模型可能是个方向，而支持舱驾一体一定是发展方向那么我们自然会思考：这两个方向互相冲突吗？。
目前智驾域控领域经过多年厮杀，已经分化出了三个不同的市场其实打开地平线的主页，也能看到它分了三个智驾产品线，大致对应了这三个市场（但地平线应对不同市场的具体方案，除了J2以外从商业上来说都是失败的）
图22. 地平线的智驾产品划分：Mono, Pilot, SuperDrive这些内容《自2023》里有提到过，再重复一下智能驾驶主要市场一览：特征/市场AI算力（T）控制器形式智驾系统成本（人民币元）。
搭载车型价格区间（人民币万元）实现的功能实例低算力市场5左右前视一体机1000-2000<15，或中端车型的乞丐版基本L2主动安全、泊车辅助（独立控制器）吉利帝豪S，问界M5非华为智驾版中算力市场10-150
域控3000-500015-25主动安全+高速NOA+自动/记忆泊车途观L Pro高算力市场>200域控>5000>25主动安全+城市NOA+AVP问界新M7鉴于端到端大模型高额的训练成本，以及域控本身成本所限，端到端智驾是无法进入中、低算力市场的。
而无论高、中、低算力市场，都可以通过舱驾一体的方式来进一步降本这就意味着，英伟达选择的“一步到位”模式，既可以支持端到端智驾，又能够实现舱驾一体；而高通和黑芝麻投身的“小步快跑”模式，由于算力的缺失，目前天然就已放弃端到端了。
其他“One Box， Two Boards”的舱驾一体方案，由于配置比较灵活，可根据车企的技术路线（是否发展端到端）将不同芯片自由组合所以从这个意义上来说，端到端大模型智驾和舱驾一体是不冲突的#06总结和其他
除了以上的方向，自动驾驶域控制器还有一个大的方向就是支持车路协同特别是上个月国家公布了车路云一体化试点城市以后，车路协同这个领域又热了起来但目前车路协同的建设重点还是偏向于路侧基础设施车侧在2024年还不会是发展的热点，也许明年写《自2025》的时候，车路协同会是浓墨重彩的一笔。
那么，总结以上，自动驾驶域控制器的2024-2025：不会向支持L3落地的方向发展；会支持端到端自动驾驶，但这个方向有一定不确定性；主流方向是支持舱驾一体落地量产好了大家明年见我要玩《黑神话：悟空》去了。
参考：1.^https://auto.gasgoo.com/news/202402/27I70383513C601.shtml2.^https://m.gxfin.com/article/finance/cj/default/2024-07-04/6137010.html
3.^https://unece.org/sites/default/files/2023-12/R157e.pdf4.^https://unece.org/media/press/3682275.^https://unece.org/sites/default/files/2022-05/ECE-TRANS-WP.29-2022-59r1e.pdf
6.^https://www.mbusa.com/content/dam/mb-nafta/us/owners/drive-pilot/S-Class%20DRIVE%20PILOT%20Supplement.pdf
7.^https://www.sae.org/publications/technical-papers/content/2021-01-0068/8.^https://developer.nvidia.com/blog/deep-learning-self-driving-cars/
9.^https://chedongxi.com/p/322978.html10.^https://tsinghua-mars-lab.github.io/neural_map_prior/11.^https://www.youtube.com/watch?v=OKDRsVXv49A
12.^https://finance.yahoo.com/news/ambarella-brings-generative-ai-capabilities-100000974.html13.^https://www.eetasia.com/teslas-hardware-retrofits-for-model-3/
14.^https://www.sohu.com/a/765313030_37605015.^https://www.qualcomm.com/news/onq/2023/01/snapdragon-ride-flex-soc-central-compute-solution-bringing-software-defined-vehicle-vision-to-reality
16.^http://auto.cnfol.com/cheshidongtai/20240226/30627656.shtml17.^https://cpnn.com.cn/news/hg/202407/t20240704_1716823.html
/ END /汽车电子与软件每天分享一篇技术文章！欢迎关注，小编微信：btighteast
免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186
