放大看

2024年3月22日， 在北京汽车研究总院、知行科技、易航智能、宏景智驾、博立智新、昱感微电子、捷飞科半导体等合作伙伴的大力支持下，由佐思汽车研究主办的《2024汽车NOA与L3解决方案暨第七届自动驾驶论坛》圆满闭幕。

2023年是高阶智能驾驶方案落地的元年，也是SOA整车架构下多域融合的关键里程碑，不管是自动驾驶轻地图方案的出现，还是AI大模型的高调上车，都为自动驾驶市场增长提供了更广阔的空间，也对产业链参与者的实力提出了更严格的要求。

此次论坛荣幸邀请到来自捷飞科半导体的战略产品规划高级副总裁&首席营销官--赵兴华先生作为本次论坛的嘉宾主持人，对各位嘉宾的演讲做了精彩的总结。

放大看

01

首先由北汽研究总院智能驾驶专业总师徐志刚以视频的方式为大家分享了题为《数据驱动高阶智驾新探索》的演讲。徐总师从四个方面做了介绍：

放大看

1

高阶智驾发展趋势。

2

北汽智驾规划。

3

北汽高阶智驾应用与探索。

4

展望。

他提到近两年自动驾驶技术迭代飞速推进，量产落地的速度也在加速。根据相关的数据，从市场规模来看，2023年是高阶智驾的量产元年，城市NOA和高速NOA销量达到95万辆，预计在2024年达到150万辆。配置的趋势也在加快，渗透率也将达到3.8%。

针对车辆具有城市NOA功能的用户调研，56.3%的用户将上下班的通勤作为主要的使用场景，40.6%的用户每周的使用频次高达2-3次。城市NOA正处于创新的阶段，预计在2024-2025年城市NOA将作为中高端车型的旗舰配置。另外车型的配置趋势当中，对于价格也在持续地进行下探。

另外徐总师也从从算法分析和数据方面讲述了高阶智驾系统核心的发展趋势。对于高阶智驾的路线来看，通过强感知算法轻地图，不依赖高精地图实现的城市NOA成为了行业主流的技术路线。数据闭环体系的搭建是从数据的采集、回流、处理、数据标注、模型训练、验证来持续提升高阶智驾能力的方向，同时也成为实现的必由之路。

其次，徐总师介绍了北汽智能驾驶规划。北汽通过智能网联板块的整合，逐步地建立满足车型的需求，同时满足更高用户体验的智能网联核心技术正向设计以及开发能力。技术框架也以汽车芯片为基础，以电子电气架构、基础软件平台、软件架构设计、软件集成以及工具链作为基础支撑，在智能驾驶、智能座舱、智能车控以此作为支柱，数字化云平台形成顶端的能力，形成完整的开发技术框架。

对于产品和技术现状来讲，2021年北汽就开展了架构2.0面向SOA的产品形态到3.0的升级。2025年将实现新一代电子架构的应用。

对于基础软件平台的开发框架，北汽通过自主可控的智能网联基础软件平台，用敏捷开发的方式应对用户快速多变的需求，通过统一的标准接口以及开发的方式提供跨车型、跨平台的软件复用，提升研发效率，缩短研发周期。

北汽高阶智驾也是分三步走来开展平台的建设：首先，搭建北汽自主可控的车云协同数据采集平台。第二步，在已搭建的数据平台，建立云端的标注平台、云端仿真平台，同步建立专属的智驾大数据分析平台，拓展数据的采集平台。第三步，2025年实现数据闭环的能力，建设训练的平台以及实现标注、场景复建、泛化、数据分析实现自动化。

最后在展望方向上，数据驱动时代已经到来，数据开发与管理成为高阶智驾行业走向“下半场”的方向，北汽集团坚持创新驱动的战略转型，持续推进“高、新、特”发展战略，打造“百年北汽”。

02

知行科技算法总监莫博为大家分享了《高性价比的智驾量产之路与行业趋势》的演讲。

放大看

莫博首先介绍了知行科技主要业务情况及发展历程，知行科技从2016年成立，最开始做iFC（前向一体机）产品，2021年量产SuperVisionTM，2023年量产了行泊一体域控制器iDC Mid，在2023年第四季度于德国成立子公司服务中国车企，2023年12月底在港股成功上市。

其次莫博介绍了知行科技目前的产品路线。现在比较被外界熟知的是iDC 系列，暂时这套方案使用了两种芯片，iDC Mid使用TI的TDA4系列芯片，最开始在2023Q2交付了第一个项目，包含了L2行车、自动泊车、记忆泊车、360环视等一系列功能。之后又开发了选用RENESAS的V4H芯片的iDC High，这个产品将在今年开始交付。

关于解决方案， 知行科技提供的主要有1V &1VxR，5VxR，6VxR及10VxR等可适配不同价格车型的解决方案。

关于核心技术：知行科技选择全性自研，从底层驱动到中间件、到算法、到上层的功能全栈投入。用这种方式一方面提高效率，一方面降低当前技术成本。另外对于超声波感知算法、环视感知、 BEV感知以及记忆泊车算法都做了具体的介绍。

莫博还分享了知行科技的海外布局。基于知行科技德国子公司的支持，知行科技成功助力某头部自主车企成功通过欧盟新GSR法规认证，知行科技采用纯视觉的技术方案，无需地图信息，仅凭单V（单个智能摄像头）的技术方案即可满足GSR法规中ADAS部分合规要求。

最后，莫博也提到了行业趋势：

趋势一

怎么做到极致性价比？极致性价比是现在众多智驾公司都在追寻的一个方向，知行科技立足这点去提供更被OEM接受的解决方案。

趋势二

怎么做到更好的用户体验或者人机交互？目前的障碍物显示从雷达盾的方式改到了PDC水波纹。3D重建方面，类似于360显示上肯定有大批量畸变，但是不是有更好的方式能做得更好？包括车位选择，现在在2D图上，怎么在实景图上显示？例如现在比较流行的特殊显示器，包括手势识别、眼神识别等等，可以根据视线的转移启动屏幕，这些都能比较好地提升人机交互体验，所以如何提升用户体验？慢慢会成为OEM或Tier1后面着重发力的点。

03

佐思汽研技术咨询总监周彦武发表了题为《SDV软件定义汽车的三大基石》的演讲。

放大看

SDV大家可能听说的次数非常多，为什么要SDV？为什么不用SDV就不行？SDV主要是应对于智能化，智能化主要是自动驾驶、座舱，会导致你的软硬件，特别是软件成本、软件开发周期，对公司来说是长期的固定成本，在车辆上体现出硬件的成本和软件的成本，估计将来电子系统和软件加起来占到车的一半成本。

SDV主要是为了降低硬件方面的成本、线束的成本和软件方面的成本，特别是对国外企业来说，国外企业的工程师是不会写程序的，他们不会写C++、不会Object，也不会Python，只会逻辑，设计一个逻辑，一切强调从模型生成，就是工具驱动型，强调一个整体的团队方面。现在看来国内电子技术明显领先，但是国外靠这个方面在追赶，就是靠SDV。

SDV需要几个基础的条件：一个是计算架构E/E架构，再一个是软件架构，还有开发方面，主要是虚拟ECU和类似于IT业的一种方法论，CI/CD就是持续集成、持续交付，从IT或者手机类行业得来的。

SOA必须要基于这种架构，如果没有以太网、中央的架构，这个SOA也很难实现，这时就像一个服务器一样，所有的应用汇集到这块，由中央CPU来做处理。现在大家还是顶多用一个、两个做座舱域或者智驾域，还是分开的，别的地方还是比较分散的。

SOA让汽车必须成为PC，虽然说中国软件人才非常多，但是对老外来说，特别是对欧洲的厂家、日本的厂家来说，软件工程师很贵，并且是比较紧缺的，所以他们的考虑是将来尽量朝这种方向去发展，上层应用、中间层操作系统，底层无需关注硬件，朝这个方向发展。

SOA特别是软件这块的开发周期缩短，等一下会再讲为什么能做到这样。刚开始说NOA和大算力芯片，也说一下芯片，中央计算架构里CPU的算力比AI的算力重要，因为AI相当于外设、打印机、显卡，只是加速某一方面，狭义的AI加速器只是加速AI神经网络，甚至只是加速一个卷积的算法。如果是现在的话，有Transformer出现，狭义的加速器是不存在的，因为现在的Transformer或者以后发现的某些新算法可能需要各种各样运算资源，包括DSP，包括矢量、标量，各种算力资源都需要，但现在狭义的AI加速器基本上只能提供一个卷积的，特别是CNN卷积，完全的并行计算，矩阵和矩阵之间的乘法，只能提供矩阵乘法。如果没有做好全面数据流，没有并行计算，如果是串行或者有时间串序的，像DNN没办法加速。

现在整个车的开发是V字架构，这算是一个瀑布架构，传统汽车开发模式是一个V模型或者瀑布的，将来整个新型的CI/CD持续集成、持续交付，类似于IT行业，每天至少一次集成，把所有的代码持续集成到主干。不是说不会出Bug，能第一时间发现Bug，有些人做了老半天，可能做了几个月发现错得很厉害，整个方向错了，保证不会有大的方向错误，这是IT行业的标准。

你要实现这三个基石才能真正做到SDV，国外可能进展快一点，国内慢一点，对传统车厂不太想在软件上花费精力的有用，但是有些新兴车厂就是软件人才多，可能不大会用这种，喜欢手工代码或者之类的。

04

宏景智驾高级工程经理柴可宁分享了主题为《利用视觉OCC任务加速BEV检测量产落地》的演讲。柴工的演讲主要分为五个部分：

放大看

1

宏景智驾公司介绍。

2

工业界的OCC介绍。

3

宏景的感知算法。

4

在实操中发现OCC怎么样降低整个BEV开发的成本，加速周期。

5

数据真值的处理能力。

宏景智驾是一家全栈的智能驾驶解决方案商，从2018年成立，最早开始是先做Robotaxi，目前已经量产的车型，包括正在量产和新的订单已经超过了100万辆。且能够提供软件、算法、中间件、域控，行车和泊车整体功能，在行车、泊车已经量产了比较多的项目。也是目前全球首家多个行业的首发，首发了包括地平线征程2、征程3的域控方案。

其次柴工介绍这两年非常火的OCC(Occupancy Network）”，在工业界最早被提及主要是2022年特斯拉在AI Day上提出，它的核心思想是用图像多个摄像机和多个时序的输入，能够在模型中构建一个4D的空间表示，这个4D的空间表示可以输出这个空间是否被占据，空间里的一些语义和空间里的一些运动状态。

这项技术也被特斯拉用于Foundation的技术，用在了特斯拉的FSD和Optimus机器人里。其实特斯拉提出之后，国内的各家头部公司也是快速地对于OCC的算法开始做自研，甚至上车。

放大看

关于宏景感知算法，这些年逐渐的演进，他称之为1.0、2.0、3.0。

放大看

宏景感知的1.0，更多时候主要是在图像的空间里做一些检测和分割，在真值数据上主要是模型和真值数据单帧，一帧图像对应图片里2D的标注，一般来说行车和泊车的算法都是分离的。宏景目前的前视感知1.0已经在今年9月份能够完成量产交付，泊车感知已经完成多个量产的项目交付，目前能够升级到2.0，所以在感知1.0里，宏景已经做到量产的状态。

在2.0时代，主要把感知从2D升级到4DBEV架构， 4D BEV感知架构支持目标检测，地图检测，OCC检测， 可以支持轻地图的ADAS产品。还有一个点是在行车和泊车上可以用一套模型和算法去做整个方案，而不是行车、泊车的时候需要两套方案，而且在行泊的时候做一些切换。目前宏景的BEV感知架构最低支持部署在20+ Tops的平台上，支持高性价比的产品交付。