汽車數字化的現狀與未來-車三道四

最新 02-27

春節前屠楓先生到公司進行了一場題為《汽車數字化的現狀與未來》的演講。本文借著這個演講內容的思路進行梳理和延伸，試著去思考幾個問題，希望對本人和讀者都能帶來一些思考和啟發。

本篇內容主要試著思考幾個問題：

1、為什麼要談數字化，它與當前的眾多新能源車初創企業湧入有什麼關係；

2、數字化技術的發展趨勢以及規律；

3、汽車行業的數字化將走向何處；

4、對中國品牌企業有哪些啟示以及如何應對；

首先，為什麼講數字化，為什麼講汽車的數字化？

講數字化，首先要弄清楚什麼是數字化。數字化是指將任何連續變化的輸入（如自然界中圖像、線條或聲音等）信號轉化為一串離散的信號單元，在計算機中用0和1表示，也就是將一些連續的信號進行採樣、切割並轉化為數字模型。

那為什麼要轉化為數字呢？因為它天生具有一些優點。

第一，易存儲，因為只要把一些0和1的數字存儲起來就可以了；

第二，易傳輸，且傳輸過程中不會失真（例如以前的模塊電視接收節目會產生雪花，而網路數字電視不會）；

第三、易處理（容易被計算機集成電路處理）

當然它也有缺點，因為採集的是離散數據，為了保證數據更接近真實形態，就必須加大採樣頻率，這樣將導致數據量的變大；而數據量的加大對傳輸和處理都將產生影響（例如網路數字電視雖沒有雪花，但如果傳輸高清數據，數據量大，而網路傳輸技術跟不上，仍然會產生卡滯）；所以，當一種產品為了滿足某種功能需要採集相當大的數據，如果沒有相應的軟硬體支持，將很難取得突破。

而隨著汽車新能源的應用、感測器、智能晶元、雲計算、人工智慧、大數據處理、虛擬現實、5G與通信、互聯網服務等軟硬體技術的快速發展，直接將汽車這個傳統行業推到了風口浪尖，也成了群雄逐鹿的戰略高地。

因為汽車是最能集中體現這些技術應用的載體之一。

我想跟最近幾年全球所謂的互聯網造車和汽車智能駕駛技術等一連串的社會、經濟和技術事件有關。細心的讀者會發現，原來很多與汽車行業不相關的企業都開始涉足汽車領域了，不僅包括谷歌、百度、阿里、華為等IT或互聯網企業，就連做空調的、搞房地產甚至賣白酒的都開始進入這一領域了。各大投資巨頭也樂此不疲地看好這一行業前景，不斷加碼投入，生怕這頭走到風口的肥豬從嘴中溜走。

那麼為什麼會出現這樣的情況，為什麼互聯網或眾多IT企業與汽車行業產生這麼大的交集，這就不得不提上汽集團總裁陳虹提出的汽車新四化了。陳虹在行業內率先提出，未來汽車行業的趨勢和方向將是電動化、網聯化、智能化和共享化。

個人認為這是由幾方面共同作用力的結果：市場需求、技術進步、產業變化以及政策和資本的支持。

其實一個行業涉及其中任何一個變化都具有相當的顛覆性。例如第一個電動化，這將涉及能源結構的巨大變革，而且這個速度正在加快。特斯拉是較早進行電動化的新能源造車企業，取得了空前的成功，從而給後來者樹立了標杆。而基本上近幾年國際和國內諸多造車新勢力也都直接進入新能源領域（純電動、燃料電池等），所以電動化已是大勢所趨。同時，電動化也成就了一大批電池電芯製造和控制研發企業。電動化涉及相關的上下游產業鏈將帶動一大批零部件及整車製造和服務企業的發展。

一個變化影響已是如此巨大，更不要說汽車行業將涉及4個方向的變革。

正是由於傳統汽車、新能源汽車和互聯網技術、無線通信技術、數據存儲與處理技術、智能無人駕駛技術以及未來智能交通、定位和出行服務這幾個方面的市場需求、技術發展走到了一起，產生了交集才使得這麼多新勢力蜂擁而入去拓展這個潛力廣闊的市場。

汽車行業趨勢上的四化，從最根本的是因為在數字技術上的進步。因為不管是市場需求也好還是政策上的引導也好，沒有技術作為支撐，一切都是空談。

其實從網聯化的角度上講，汽車有點類似於現在的智能手機，已經成為一種智能終端，只是終端的型式不同而已。一個是移動通信和信息終端，一個是物理空間上的移動終端。它們已經是當前人類進化出的器官，不可或缺。而網聯化要想獲得突破，其實離不開新一代的通信技術，而5G通信技術的即將應用也就為汽車的網聯化提供必要的技術支撐（華為目前已研發出5G晶元）。而智能網聯汽車也是政府大力扶持的產業之一。

而汽車的智能化，個人理解主要涉及以下部分（見下圖），當前主要汽車企業、IT企業、零部件供應商企業或新技術創新企業都在其中有所涉足。

車三道四理解的汽車智能化實現框架

（感測器、晶元技術、操作系統、硬體控制系統和自主執行系統）

那麼汽車行業的數字化未來將呈現什麼趨勢呢？

我想從汽車的智能化作為切入點來進行梳理。為什麼是從這個切入點，因為我認為在其框架內所涉及的領域最能體現數字化技術變革和挑戰。

汽車要想實現智能化，首先要像人或生物那樣，有相應的信息輸入，然後根據輸入的信息進行存儲記憶、學習和判斷，最後根據判斷進行相應的反饋和執行。而未來汽車主要也是遵循這樣的邏輯進行技術創新。

感測器技術

信息的輸入離不開一系列的感測器，僅僅是傳統汽車就有一大堆感測器。簡單羅列一下，僅發動機就有：水溫感測器、節氣門位置感測器、凸輪軸位置感測器、機油位置和機油壓力、氧感測器、壓力和壓差感測器、空氣流量感測器、進氣壓力感測器等等；而整車上也有非常多的感測器：環境溫度、車內溫度、陽光和雨量、轉向角度、大燈水平調節高度、蓄電池電流、碰撞加速度感測器、輪速與車速、攝像頭、倒車雷達等。

傳統車已經有這麼多的感測器，這還不包含新能源所涉及的三電系統相關的感測器以及國內最新排放要求所涉及的諸多感測器；而到汽車的智能化或無人駕駛層面將會面臨更多且新型的感測器。下圖是智能駕駛測試汽車所涉及的感測器。

目前測試的無人駕駛汽車涉及的感測器類型

根據當前主流的無人駕駛測試車輛主要涉及以下5類感測器（數量上目前小於20個，預計未來會更多）：

激光雷達、電磁波雷達（毫米波雷達）、超聲波雷達、被動視覺感測器（說人話就是攝像頭+識別演算法，如：紅外攝像頭、常規攝像頭）、聲音感測器。

上汽乘用車公司研發的無人測試車

谷歌無人測試車

如此多的感測器將會產生大量的數據。傳統或新能源汽車所採集的感測器數據還不夠大，但要將汽車實現智能駕駛，採集並需要處理的數據將是海量。

舉個栗子，上圖所示的上汽測試無人車和谷歌無人車頂那個凸出的東西其中就有激光雷達，而且是三維激光雷達。它可以生成周圍空間的點雲數據，從而實時繪製出車輛周邊的三維空間地圖；同時，激光雷達還可以測量出周邊其它車輛在三個方向上的距離、速度、加速度、角速度等信息，再結合GPS高精地圖計算出車輛的位置，這些龐大豐富的數據信息傳輸給ECU 分析處理後，以供車輛快速做出判斷。谷歌無人測試車的激光雷達，能同時發出64束激光束，最快每秒旋轉20圈，也就是每1/20秒，或者50毫秒生成一張周圍的3D圖像，它的測量範圍是120米，精度達到2厘米，每秒鐘採集2.2M的數據信息，這幾乎相當於20M的寬頻全速下載的數據，存儲並實時處理如此海量的數據肯定不是一件簡單的事情。

激光雷達產生的實時點雲數據，數據量巨大

這麼多不同類型的感測器產生如此大的數據量，也必然帶來另一個技術：大數據。

大數據

感測器將從自然界獲取的模擬信號轉化為數字信號後產生了大量的需要處理的數字化信息。而這些大數據也具有如下特點：

進一步延伸思考的話，未來汽車將直接獲取非常多種類型的數據。而這些數據可以用來做什麼，對於開發者來說有什麼作用呢？其實這些數據完全大有作為。例如通過對客戶駕駛數據的監測，可以判斷出駕駛員的職業、駕駛習慣等，這些信息對於保險定價大有益處；另外，新車開發設計之初，主機廠通常都會做一些調研，而這個調研的準確性如何其實是存在疑問的。如果通過一些感測器獲得相應數據就可以識別並獲得用戶的相關信息，例如可以獲得用戶的畫像，並為後續新產品的開發提供準確的數據參考。這將大大有利於汽車的研發。

因為誰掌握了客戶的需求，誰更了解客戶，誰就可以商業的競爭中獲勝。

所以從某種程度上講，未來誰擁有數據，誰將擁有未來商業的制高點。

所以未來跑在路上的汽車，已不僅僅是簡單的交通出行工具或駕駛工具，而是一個個數據終端，即使這輛車報廢了，也不像今天的舊車如廢鐵一樣回收，而是帶著寵大的有價值的數據。

AI人工智慧

順著這個思路往下思考，產生了這麼多的數據，感覺是像創造了一款有生命的移動機器，但是這些數據如果不進行處理，也將只是一堆數字而已，不能發揮它的作用。所以這些數據如何被處理將帶來另一項數字技術——人工智慧。

提到人工智慧就不得不提谷歌的阿爾法GO，因為正是阿爾法GO採用了深度學習的人工智慧程序實現了第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的壯舉。而之後的升級版本阿爾法GO ZERO更強，它已經不需要通過和人下棋來進行自我學習，而是通過自由隨意地在棋盤上下棋，然後在自我博弈中學習成長。這個事件象徵著計算機技術已進入人工智慧的新信息技術時代（新IT時代），其特徵就是大數據、大計算、大決策，三位一體。它的智慧正在接近人類。

GIF

其實人工智慧是在上個世紀50年代由圖靈（Alan Mathison Turing）提出。圖靈在1950年發表論文《計算機器與智能》（ Computing Machinery and Intelligence），為後來的人工智慧科學提供了開創性的構思。同年，圖靈發表了著名論文《機器能思考嗎？》，也正是這篇劃時代的文章，使圖靈被公認為「人工智慧之父」。

既然人工智慧這麼早就提出來了，為什麼這60多年一直沒有取得突破呢？不是因為想法不對，而是一些條件不具備。想一想，當汽車獲取大數據後，必須擁有強大的運算能力，再運用機器學習的各項演算技術，萃取出複雜的規則，才能讓汽車執行類似人類智慧的行為，從而實現自動駕駛的功能。而擁有強大計算和學習能力的前提是——晶元、操作和控制系統。

晶元、操作和控制系統

正是由於智能晶元和操作控制系統技術的快速發展，才使得汽車的智能駕駛在可預見的未來成為可能。

下圖是目前在智能駕駛晶元領域的國際產業格局（部分）。原來不搭界的公司現在卻是勾肩搭背、親密無間。

如英偉達，一個圖形處理晶元的半導體（GPU）公司，因為在圖形處理技術和數字媒體處理器行業深耕多年，結果有意無意地走到了汽車智能駕駛的發展風口。從圖中也可以看出英偉達已經在該領域獲得了一騎絕塵的領導地位，與眾多主流公司或零部件系統研發企業進行合作，也使得英偉達成為當前一個炙手可熱的公司。

而英特爾這頭行業晶元製造巨頭也在2017年3月斥資153億美元收購了以色列自動駕駛汽車技術公司Mobileye，完成了加入汽車智能駕駛領域競爭的布局。