虎扑体育网

都省省吧，华为才是汽车界的华为，剩下的蔚来小鹏比亚迪，能成为汽车界的小米就不错了。

下附华为专家交流，划重点：

1、电动方面，除了电芯不做，华为全包。

2、AI芯片算力：提升AI芯片算力毫无门槛，华为已经可以到512TOPS，其实是个数字游戏，软硬结合才是门槛。

3、传感器是智能驾驶的核心，大众选择了华为。

4、特殊芯片禁运仍然存在，整车厂某些部件处于半走私状态。

5、电子电气架构：特斯拉并不先进，牺牲安全性追求快速迭代，很多硬件非车规级。

1、智能化是否在电动车更容易实现？燃油车是否从根本架构上不适合智能化。比如之前市场有观点认为，电动车因为电机驱动，动力介入更快，燃油车因为发动机驱动，动力介入相对慢。比如都收到指令要刹车，电动车比燃油车是否能反应更快？

油车难点主要在线控制动， 线控制动门槛高，特别是速度控制这方面，电动车速度控制方便多，油车的线控制动是博世垄断，制动就三家，博世大陆采埃孚。电动车在速度控制上比油车容易得多，油车是电子油门，反应速度是会差一点，也不会差太多。

电车考虑能量回馈，一开始用的线控制动ibooster同时可以线控和有能量回馈。油车一开始用的ESP，想改的话底盘部分比较麻烦。

2、 华为布局的情况？

电动这方面除了电芯不做，其它都做。华为智能驾驶叫做MDC（移动数据中心），传感器部分华为无限负责，华为能源负责整个电动车的零部件包括BMS，电机、油进电机、电驱动，除了电芯不做，pack也在尝试做。

进展：人力严重不足，顶多支持两三家。用的最多的是北汽irtfocus，基本都是它 的东西，底盘麦格纳，那上面除了电芯不是华为的，其余能用到的基本都是华为的。 

华为710A说进了比亚迪座舱，实际没有，比亚迪用的还是高通625/ms8953， 座舱进展是最慢的。自动驾驶这块，大众、奥迪订单确定，跟华域的联系确定，上汽 大众确定性比较高。电动车领域，做了底盘、电驱动，做的人太多，给人的感觉不 是很专业。电机进展好一点，据说找人代工，单做电机不行，对华为来说三合一电驱动是最好方案。

核心合作伙伴是北汽，长安。国内整车厂对华为提防心理，华为想做德系车。

Q&A：

1、AI芯片，华为升腾（升腾910已经512TOPS），地平线征程系列（五代96TOPS），百度昆仑（260TOPS），评价下国产芯片的实力以及和国外 Mobileye、英伟达相比，优势劣势差距？芯片评价主要看什么？算力是评价AI芯片一个重要的指标，华为新一代芯片已经512TOPS，英伟达2022 年投产的ORIN 芯片算力200TOPS，eyeQ5算力24TOPS，算力做很高有必要，并且华为的实力真的是比英伟达更强吗？DRIVE AGX XIAVIER用两块系统级芯片， 达到320TOPS，ORIN升级到双片400TOPS，单片、双片的选择有什么讲究？

算力实质上是一个数字游戏，我们默认取INT8整数位，有双精度浮点INT64,INT32,INT8,INT16四种，实际无意义，算力实质是乘号累加，MAC乘法累加：一个乘一个加两个指令，两个指令合在一起，可以一下子完成两个指令，只针对深度学习中卷积运算，深度学习中有CNN神经卷积网络，它只有在卷积的时候运用这种运算，这是深度学习中运算消耗最大的运算，这是硬件，是达到最大效能的INT8。

实际上我们要软硬配合，如果算力整数4位、1bite、整数16位，和最适合硬件的运算方式不匹配，利用效率有时候会直接下降20%、30%、40%、50%，看上去 200TOPS，运行这个神经网络只有20TOPS，可能下降特别多，完全不匹配。行话根本不看算力，看神经网络利用率，模型利用率做到90%，或者80%才是高水平。因此要软硬一体，做软件也要做硬件，做硬件也要做软件。光有硬件没软件，或者光有软件没硬件，毫无意义，没有价值。地平线现在做的比较好，行业内叫打榜，深度学习厂家比拼算法的地方。

TOPS就是MAC，就是最早设计理论中的DSP，没有任何难度，只要你不怕成本，芯片量加大，增加运算单元（LE），TOPS很容易上升。运算单元做起来很简单，没有任何门槛， 难度。华为其实是3D外围优化。

芯片运算量可以做的非常高，需要频繁读取数据，写入数据，芯片的瓶颈是存储器和运算单元的连接，算力是1000TOPS，存储只能1TOPS，算力只能是1TOPS,和运算单元再高没有关系，没有意义。解决瓶颈问题，方法是缩短存储器和运算单元的物理距离，在一个基板上尽量靠近，这样封装形式市场有两种，分别是COWOS和英特尔的EMIB。COWOS就台积电一家，就是为什么高性能计算芯片7nm、5nm只能在台积电代工，苹果、高通、 英伟达、AMD都全部给台积电。Nm意义不大，关键在封装。封装一层只有10um的材料，台积电对封装材料研究非常强。

封装台积电永远都会垄断市场，打破不了它。英特尔也有，最新十代酷睿、十一代酷睿，英特尔技术不次于台积电，英特尔不做数字游戏， 说自己就是10nm，但是他的10nm和台积电的5nm、7nm不会差太多，市场不怎么认，自己产能也紧张，不怎么做这个代工。

芯片设计毫无难度，精力应放在如何把数据格式调整的更好，指令集尽量减少频繁的读取存取数据，寒武纪的核心是指令集。也就是谷歌说的脉动阵列，脉动阵列就是基本不再存取，走完一个阵列之后，再来存取，其他的话，每一次都要存取。计算机芯片设计没有任何难度，都在比较TOPS，LE做大一点，成本高，没有难度，只针对深度学习。如果不是深度学习与卷积算法，算力没有价值。逻辑加减乘除开放运算需要CPU来做，让它做只会慢得惊人，只针对MAC做的，算力高对安全也没有价值，深度学习只有识别目标，算力只是在识别出目标才可以做的更快，识别不出来100wTOPS都没意义。

2、芯片厂商都会做自己的算法平台，智能驾驶最核心是什么领域？在这些领域竞争格局是什么？有哪些公司可能国产替代?

我们设计的芯片找不到代工厂，做高性能汽车芯片只有前几家代工，初创公司只做 10000太少，苹果英伟达都是1亿的量，我们订单排在很靠后，拿到芯片遥遥无期，因此设计门槛很低，量产门槛高。

智能驾驶的核心还是在传感器这一块，自己做传感器，传感器再加上算法才是有必要的。例如谷歌要自己做传感器，做智能雷达，自己做硬件才掌握感知层，感知层大家觉得没有进步空间，但是感知层进步空间很大，难度很高，华为自己做激光雷达，做双目，双目是一个门槛，单目Mobileye两三个月就能做出来，双目找一个独立第三方很难，要自己开发，特别是豪华车，奔驰、宝马这些。华为自己选择双目，也被大众选择，奥迪下一套真真正正的L3用的是华为，豪华车企大都选择双目。双目没有免费资源，学习资源很少。华为实际上是海思图灵，鲲鹏实际上是服务器，以前的ARM服务器，MDC实际 上是想让鲲鹏用ARM服务器，7nm可能拿不出来，下一代可能不用鲲鹏。双目就可以，只需几何算法，不需要那么高算力，14nm即可以解决车企，正是这点大众选择华为。深度学习高性能计算必须用7nm，否则效率下降70%左右，没有意义。双目难度非常高， 很难有外部资源，深度学习免费资源论文很多，深度学习只是个调参，是个玄学，好坏只是运气好，不同的数据集产生不同效果，传统车厂要对深度学习敬而远之，因为不确定性因素太多。无法解释这次安全率多少，下次安全率多少。

3、感知端存在高门槛，博世和大陆在感知端产品很全面，难点在融合方面，国内大多数集中在传感端，是否国内国外存在大差距，未来国内厂商是否会变成硬件代工厂？

业内没有人对传感器融合感兴趣。传感器融合摄像头雷达本身数据差别很大，很难融合在一起，融合效果很差，UBER事故就是这个例子，三方数据无从取舍。特斯拉没有传感器融合，纯粹一个视觉的。量产车基本不会用，原因在于成本高，没有明显提升效果，摄像头一个毫米波雷达一个，最后做两个传感的交集，反而漏检的可能性更高，不很合适。

国内做24G角雷达比较多，华域、德赛，门槛低，没有任何技术门槛。摄像头只有华为 摄像头可以自己做，其他厂商的摄像头基本代工。

国内厂商竞争力差太多。比如之前国内厂商一开始要做安全气囊，奥托立夫就从8000降到400，国内厂商随之推出。国内厂商一旦让博世、conti觉得是竞争对手，可以轻松打击，它的成本采购太有竞争力。严格规定禁止向中国出售77G芯片，欧盟严格搞可以禁运，大家睁一只眼闭一只眼，国内厂商的采购基本在半走私状态，采购成本远比国际厂商高，70-80%成本在两块芯片，收发器+DSP，现在感受不到国内威胁，国内性能差很多、成本高很多。现在博世LRR高性能、长距离雷达博世是不卖的，只卖低端MRR，价格还高。角雷达国内做挺好，77G也可以，国外厂商对角雷达传感器没兴趣，没利润，300块一个，甚至100块一个。

产品一致性，国内1000、2000套做得出来，10万套不行，需要长时间在生产线摸索，博世、Conti也有这个问题，产品出现良率问题只有不到四个人知道原因，产线摸索了四年才把良率做上来，国内做不了，射频是个玄学，焊点差距1mm效果不一样，一线工人才有切身体会，但是国内缺乏具有经验的一线工人。雷达门槛非常低，一两个人就能做，德州仪器推出TOP片使得什么都省了，做个 PCB板盒子封起来，没有任何门槛。

4、三端国内目前感知端国内厂商参与多，决策端百度华为，执行端主要是线控制动，国内厂商在哪一领域有优势可以实现国产替代？

域控制器最容易，德赛能做，华阳想做也能做。主要是算法问题，控制器门槛低。线控制动伯特利可能就低端车会用，中小厂商会用。测试至少要1年，100万公里，伯特利标准的测试场都没有，中国没有独立的第三方测试场，盐城那个被德国大陆包了，国内都是用仿真系统做的。国内测试系统和博世、Conti没法比，人家 40、50个车厂都有认证，测试超过10年时间。伯特利可能在低端车、EPB上，要求不高，伯特利可以，线控制动one box只有三家能做，博世最开始都做不好，博世ibooster1代、2代， 大 陆MDC1技术水平全世界公认最高，ibooster1抢占市场就是因为MDC1技术水平非常复杂，4、5年才解决，博世第一时间占领市场，二代一开始在本田CLV的车上就召回， 国内目前基本都是ibooster，博世都尚且如此，去年才有终极产品IPB，这才是和大陆MDC1一个级别的东西。

国内做整个电子产品可能更具有优势，EPB可能还可以。制动太重要，还牵涉能量回收的问题，两个系统。博世都召回过2、3 回。博世现在的IPB比ibooster2代便宜40、 50%，可靠性更高，国内模仿ibooster，博世下一代都出来了。MDC1用在新一代宝马、奥迪上，还有将来的奔驰上。设计没有问题，图纸都可以给，难点在软件方面，使用场景复杂，车上人数、下雨天还是晴天，只有一套策略，决策算法要在测试厂每天连续测试10年堆积，制动都是数据堆出来的。博世、大陆核心只有一两个人知道。踩刹车牵引力能量回馈到什么程度，万一需要急刹，多少毫秒之间的，车上坐不同人数怎么执行策略，这才是关键所在，设计无所谓，德国有一堆厂家可以买原材料，万安也能做、商用车制动厂家也能做，伯特利可能工艺成熟，但是长期不可能，成本支撑不起来。标准测试场投资至少十个亿，投资周期很长。能做制动的全世界只有3家，做EMB的只有7家，大公司一一对应，门槛相当之高。

资本市场火热的在技术人员看来很冷淡，行业内部人员和行研人员看法不同。

5、智能驾驶行业公司包括自动驾驶公司，Tier1等都在结盟，是否会形成结盟趋势，各环节绑定？对各个结盟展望？

沃尔沃与Veoneer解散，Veoneer主要做L2，财务状况糟糕，亏损严重，人力成本高，沃尔沃想做L4，分手后Veoneer还拿了1800万美元现金，Veoneer持续不断往下掉。和Tier1结盟有一个现代和安波福的结盟，现代动作比较慢，觉得和安波福会比较快。Tier1结盟大多数脚踩几条船，大陆和英特尔，Mobileye，英伟达结盟，结盟非常松散，不稳定，随时会改变。L4投入大，Tier1不愿投资，不会真正的进行合作。宝马BBA基本解散，是竞争对手，各怀鬼胎，合作的出行公司也要卖了。博世大概率和奔驰结盟，技术路线一致，坚持双目。宝马早期7系、5系都是用双目产品，效果连单目都不如，宝马算法、传感器都很糟糕，汽车架构是他的强项，以太网这些，算法是奔驰的强项，从1995年就开始搞。

6、电子电气架构现在是分布式向域集中转变，域控制器、多域控制器、中央集成式这个的大致发展时间节点，可以展望下吗？

特斯拉是标准的域控制器，根本不是中央集成式，它的电子电气架构一点都不先进，架构才能定义汽车，特斯拉不按常理出牌，用做手机的方式做车。它以太网交换机是GBAB标准，是2012年之前做以太网巢，不是做安全自动驾驶的，特斯拉胆子比较大，传统车厂不会这么做，要等到下一代TS3，价格比较贵，导入周期比较长。宝马电子电气架构比特斯拉先进。电子电气架构主要是AUTOSAR和以太网。马斯克觉得安全没必要那么高，不重视的化很容易做到，更新迭代速度快，传统车厂一个车型生命周期七到八年，换代速度慢，车型没有卖够7、8 年很少换。特斯拉没有包袱，用的是最新的，大众电动车架构远远领先于特斯拉，10000 个软件工程师，系统特别复杂，推迟了很多次，越先进的成本越高。硬件没有满足软件需求，有也成本非常贵，车厂没有办法，特斯拉找非车规的用。

7、展望电子电气行业发展和整车厂差距、架构特点？

架构上两层，一层Aotusar，一层上面APP，大众所谓的DWOS，做成后软件厂商利润降低，整车厂商利润增加，难度高风险高，中间件、通讯层做的不够好会出麻烦，需要考虑成本问题，新的系统车型会考虑尝试，适合的硬件没有，架构实际上不会有太大变化，在域控制器阶段，很难跨越、跳跃。

大众的车只有三个运算单元ICES，都是瑞萨M3，至少要用H3，M3算力很低 20000mix， H3有40000mix，架构设计很先进，但是受限于成本，流畅性卡壳。关键资源还是在上游，NXP、瑞萨、德州仪器。以太网交换机大概全世界只有3家，万兆全世界以太网只有1家，ADAS时代应用，如果要用800万像素东西，128线激光雷达，这些事必须的。比AI芯片门槛高得多，就是经验摸索，关键在上游。下游是门槛最低的

8、只做电动车的车厂，线上直销，线下体验店模式，怎么看这种新的商业模式？传统车商怎么做来应对？

这是个趋势，卖车不赚钱，4S店不靠卖车赚钱。电动车毛利率高，卖车就有利润，能支撑起体验店这种模式。

电动车一旦卖车利润率很低，支撑不了这种模式的运营成本，就可能走4s店形式。