經濟觀察網 記者 濮振宇 “汽車行業(yè)最缺的是智算的基礎設施”“現(xiàn)在座艙進入了‘無人區(qū)’，國外沒有國內發(fā)展快”“（操作系統(tǒng)自主可控）這件事情做晚了，將來的切換成本太高，甚至幾乎沒有切換可能”，在9月29日舉辦的全球智能汽車產業(yè)大會（下稱“2024GIV”）上，行業(yè)協(xié)會、高校院所、企業(yè)代表圍繞中國智能汽車發(fā)展面臨的新問題，展開了多輪討論。

中國汽車的智能化進程，被行業(yè)公認已經走在世界前列，但相關企業(yè)乃至整個行業(yè)的煩惱并沒有因此減少。作為智能化的兩大核心方向之一，智能座艙領域從算力到標準再到方向，正面臨著三道新“坎”。

不缺車廠，缺算力

“人工智能時代，汽車企業(yè)缺的不是產能。多幾個整車廠，少幾個整車廠，好像不是產業(yè)發(fā)展的主要矛盾，到了人工智能時代，汽車行業(yè)最缺的是智算的基礎設施，而不是生產能力，智算基礎設施不足，將會成為智能網聯(lián)汽車加速發(fā)展的主要矛盾。”中國電動汽車百人會副理事長兼秘書長張永偉在2024 GIV上表示。

“智算”就是智能領域的計算能力，算力是推動人工智能發(fā)展的三大要素之一，被稱為人工智能的“發(fā)動機”和核心驅動力。

張永偉表示，隨著汽車與AI深度融合，端到端智能駕駛、座艙大模型等加速上車，行業(yè)對智能算力的需求快速增長。沒有幾千張乃至上萬張卡的算力集群，沒有充足的算力、算法、數(shù)據(jù)的團隊，企業(yè)很難在新的賽道上形成競爭力。

中國電動汽車百人會現(xiàn)場展示的數(shù)據(jù)顯示，在端到端智能駕駛領域，起步算力是1 EFLOPS，車企平均投入算力已達到3 EFLOPS以上，但距100 EFLOPS的理想算力仍然遙遠。在座艙大模型領域，基礎模型算力需求大于10EFLOPS，座艙垂域模型算力需求為數(shù)百到數(shù)千PFLOPS（1EFLOPS=1000 PFLOPS）。

一邊是需求的旺盛，另一邊是供給不足。張永偉表示，國內車企的算力主要依靠國內存量的英偉達芯片，而英偉達的芯片現(xiàn)在很難買到，算力難以增長。

數(shù)據(jù)顯示，國內車企現(xiàn)有的算力都在10 EFLOPS以下，到2024年底，中國移動、中國電信、中國聯(lián)通的規(guī)劃算力分別是17 EFLOPS、21 EFLOPS和15EFLOPS，三大運營商合計53 EFLOPS，但圍繞“端到端”大模型，一家企業(yè)需要的理想算力就高達100 EFLOPS。

按照張永偉的設想，未來應該從四方面加強算力共建共享，提升資源利用效率，一是算力集中，提高模型迭代效率；二是基礎模型共享，減少資源重復利用；三是軟硬協(xié)同，提升軟硬件適配；四是生態(tài)共建，完善軟件開發(fā)生態(tài)。

在張永偉看來，除了算力規(guī)模不足，中國本土算力還需解決從不成熟向成熟化發(fā)展的問題，“不成熟”指雖然有了英偉達芯片，但圍繞著芯片所形成的軟件才剛剛起步，現(xiàn)有的本土算力是“有芯片、缺軟件”的不成熟算力。“要通過豐富軟件和生態(tài)，（把不成熟的算力）變成成熟的算力，減少算力在硬件上未來被‘卡脖子’的問題。”他說。

百度智艙業(yè)務部總經理李濤認為，在產品設計中也應該避免算力浪費。“今天很多座艙設計是把Pad安到了車上，然后把移動App直接遷移到車機上去?，F(xiàn)在行業(yè)里統(tǒng)計，單臺車上搭載App最多的有189個。可以想象，在駕駛過程中從189個App里翻你想要的應用是多么困難，這也會占用寶貴的車機算力及內存資源。”李濤在2024 GIV上說。

不缺資源，缺標準

任何一個新興領域，標準從無到有都是一個復雜的過程。中國軟件評測中心智能網聯(lián)汽車產品與系統(tǒng)測評室主任王榮在2024 GIV的發(fā)言中，14次提到“標準”二字。“隨著操作系統(tǒng)技術的演進，操作系統(tǒng)可以算作核心，現(xiàn)在的汽車座艙和操作系統(tǒng)的功能迭代需要企業(yè)建立標準化的技術中臺，統(tǒng)一運行環(huán)境和各個接口的標準。”他說。

與歷史更悠久的智能駕駛領域不同，智能座艙概念最近幾年才開始廣為人知。作為一個新興領域，智能座艙本身是復合性的和非標準化的，很多廠商對此的認知相當模糊，行業(yè)缺乏相關標準。

作為產業(yè)界人士，神州數(shù)碼汽車業(yè)務集團CTO劉黎對標準建立迫切性的認知更直觀。“不管是你躺在車里面還是在車外面，都要跟車交互，車跟車之間也要交互，車跟V2X、跟車路云還要有交互，這個交互的框架跟現(xiàn)在手機App應用商店的框架完全不一樣了，這些標準都有待于我們去建立。”劉黎說。

從Windows系統(tǒng)到安卓系統(tǒng)，個人電腦和智能手機領域都出現(xiàn)了由少數(shù)國外操作系統(tǒng)主導整個行業(yè)以及全球市場的情況。在智能汽車領域，操作系統(tǒng)的標準也是業(yè)界當下關心的一個重點話題。對于中國智能汽車產業(yè)來說，操作系統(tǒng)的標準不應被國外企業(yè)牽著鼻子走。

張永偉表示，中國電動汽車百人會在四年前就開始呼吁推動汽車操作系統(tǒng)的自主可控，這幾年也在積極地推動本土操作系統(tǒng)率先上車，實現(xiàn)規(guī)?；瘧茫@是一個戰(zhàn)略性的問題，這件事情做晚了，將來的切換成本太高，甚至幾乎沒有切換可能。

為什么自主可控如此重要？“最近發(fā)生的一些終端事件，有的車被遠程鎖死，包括一些電子產品被遠程引爆、遠程控制。像汽車這么大的終端，必須在基本層面實現(xiàn)自主可控，大家都已經有共識。”張永偉說。

無論在哪個行業(yè)，操作系統(tǒng)牽涉的利益相關方都相當眾多，操作系統(tǒng)廠商、芯片廠商、網絡技術廠商等通常會既合作又博弈，為了提高軟件的可擴展性和可移植性，其中部分企業(yè)會逐漸形成“技術聯(lián)盟”，共同推動某個操作系統(tǒng)成為行業(yè)主導。

談及這一問題，張永偉認為，現(xiàn)在需要解決的問題是讓已出現(xiàn)的車載、車控、智駕操作系統(tǒng)盡快上車，實現(xiàn)規(guī)?；瘧谩＼嚻笠袚鹱屪灾鞑僮飨到y(tǒng)上車的主要責任，不能讓操作系統(tǒng)企業(yè)沒有利潤，操作系統(tǒng)企業(yè)也要創(chuàng)新發(fā)展模式，與車企共生共贏，不能讓車企失去對自己未來發(fā)展、產品和技術升級的主導權，大家要加快探索出一個商業(yè)和創(chuàng)新的閉環(huán)。

不缺優(yōu)勢，缺方向

“AI座艙過去五年爆發(fā)式增長，但其他體系跟不上，進步這么快的時候，全鏈條跟不上怎么辦？也就是現(xiàn)在座艙進入了‘無人區(qū)’，國外沒有國內發(fā)展快……新冠肺炎疫情前國內的座艙產品基本落后國外一到兩代，而從去年開始基本領先一到兩代。”清華大學智能綠色車輛與交通全國重點實驗室教授曹東璞在2024 GIV上感慨。

根據(jù)中國汽車工程學會在《汽車智能座艙分級與綜合評價白皮書》中的說法，智能座艙可以分為L4、L3、L2、L1、L0五個等級。智能座艙相應的等級越高，即表示智能座艙任務主動交互能力越強，服務內容越豐富以及執(zhí)行場景的拓展能力更強。

曹東璞表示，目前一些智能座艙處在L2階段，大部分智能座艙還在L1層面。2023年夏天，幾家汽車主機廠與他進行了交流，希望整個行業(yè)盡快形成L3高階認知智能座艙的定義，進而反過來指導下一代產品的定義。

眼下，在更高級別智能座艙定義尚未形成的情況下，智能座艙該如何升級演進？這是擺在所有智能座艙企業(yè)面前的緊迫現(xiàn)實課題。

李濤表示，隨著AI技術、自然語言理解的進步，如今座艙能泛化地理解用戶更自然口語化的表達。這個過程中，人們對座艙的使用頻次從最早每天3—5次的個位數(shù)到今天飆到兩位數(shù)，甚至在一些語音交互技術領先的車型上已達到接近三位數(shù)。

但李濤并不認為座艙語音交互次數(shù)就是越多越好。“因為整體車輛設計的智能化程度比較低，系統(tǒng)無法深度地理解用戶當前所需，用戶只能不停發(fā)出原子化的操作指令，系統(tǒng)才能按照指令一步一步地完成用戶的需求。”李濤說。

與李濤的看法類似，字節(jié)跳動旗下火山引擎座艙大模型負責人張航認為，“我一個眼神ta就懂了”才是最理想的交互狀態(tài)?；鹕揭嬖谶M行調研時，發(fā)現(xiàn)用戶都覺得“外賣上車”功能很好，他們希望在去公司的路上點一杯咖啡外賣，但卻較少使用這個功能，因為其交互效率太低了。

作為國內智能座艙的頭部供應商，百度近日宣布將其智能座艙升級為Apollo超級座艙，并稱此座艙具有全感融合、全局規(guī)劃和全域執(zhí)行能力，計劃在智艙用戶交互頻率上做“減法”。

李濤解釋了百度Apollo超級座艙的設計思路：最早整個座艙里圍繞的是艙內感知和操作，現(xiàn)在應該讓車能主動感知用戶的需求，因為“艙—駕—云—圖”的趨勢變得非常明顯，艙里的攝像頭、毫米波雷達傳感器同樣可以幫助智艙提升用戶體驗。未來，市場需要一個能夠知道用戶上下文、了解用戶此時此刻所想所需并且自動生成全局化執(zhí)行方案的新時代座艙。

張航透露，火山引擎提高智艙交互效率的方案較激進，就是把車內所有感知信號、用戶信息、環(huán)境信息、車內狀態(tài)交給大模型，用大模型的推理能力在不同場景、不同狀態(tài)下做出比較好的判斷。“以前說‘我有點冷’，語音肯定會調高空調溫度，但現(xiàn)在大模型會有自己的推理，比如現(xiàn)在是冬天，車窗是開著的，這時大模型給出的動作就變成了關上車窗。”他說。

與關注座艙交互效率的百度和火山引擎不同，神州數(shù)碼更關注座艙應用形態(tài)。劉黎表示，現(xiàn)在的座艙應用，其實是把手機的卡片式交互移植到車上去?，F(xiàn)在神州數(shù)碼與一些芯片廠商、車企開始進行新的嘗試，希望打造更多模態(tài)、沉浸式的座艙應用，以最大程度發(fā)揮智能汽車平臺相較于手機平臺的優(yōu)勢。