魚羊 蕭簫 發自 凹非寺
量子位 | 公眾號 QbitAI
一切技術創新週期,一切發明時代,其實都是冪集創新作用的時代。我們希望透過這一系列欄目提供一種尺度,丈量技術創新週期的尺度,從技術維度把握創新浪潮的演進路線。
這是量子位最新原創系列策劃欄目“冪集創新”第二期,本期的主題是智慧車。
汽車的賣點,正在悄然向
AI創新
傾斜。落地到產品,就是智慧車的方方面面。
且看車圈近來最熱議題成都車展,連寶馬沃爾沃這樣老牌高階車企,都把傳統汽車看重的設計感、動力性之類先放到了一邊。
基本上是開口一個“智慧體驗”,閉口一個“AI晶片”。
這不,起碼在最為直觀的車機上,甭管是新勢力還是傳統車企,那叫一個卷出了花兒。
這廂寶馬賓士都在座艙內搞上了大連屏。
那邊新勢力的各種智慧操作引得觀眾們擠爆場館。
比如理想L9來了個手勢操作:
小鵬G9則搞起了“座艙聲學”,車內香氛、氛圍燈、座椅都可以和音樂進行聯動:
再看美系車福特,最“破圈”的訊息,同樣與智慧座艙有關:
福特將為電馬Mach-E使用者免費升級高通驍龍8155晶片
(第三代驍龍座艙平臺旗艦級)
。
更是贏得了一票車主點贊。
可以說,在這麼一場A級大型車展上,“智慧化”著實已經成了廠商們比拼的頭號亮點。
其中,又以“智慧座艙”為先鋒大將。
智慧座艙,智慧化競爭加速第一站
汽車智慧化競爭,其實早已箭在弦上。
畢竟,當手機等電子產品在AI等前沿技術的加持之下,變得越來越智慧、便捷,人們自然而然會希望在汽車這個“第三空間”之中,同樣享受到智慧化帶來的便利。
業內就有觀點認為,汽車如今已經發展到了“四個輪子+一部智慧手機”的時代,誰在智慧化變革中慢上一步,即使現在身位靠前,也隨時可能被後來者趁機反超。
現在看來,在第一波汽車智慧化的浪潮之中,走在最前面的就是
智慧座艙
。
一方面,消費者與汽車之間最近距離的高頻接觸點,就是座艙。
因此座艙中更大的螢幕、更智慧的人機互動方式、更個性化的應用服務,都能以最直觀的方式第一時間讓消費者有所感知,進而轉變為差異化的市場競爭力。
另一方面,從技術的角度而言,在當下這個時間節點,更高級別的智慧駕駛仍屬於長線落地工程。
真正掌握高階智慧駕駛技術的公司尚屬少數,技術本身也需要更長時間的最佳化迭代和安全性驗證。
相比之下,隨著車規級晶片近些年的發展,算力不斷提升、AI模型量化壓縮演算法的進一步突破,以及5G技術支援下車聯網方面的進展,智慧座艙商業化的時機顯然更加成熟。
資料也已對此有所驗證。
自2019年以來,中國大幅度減弱了對新能源汽車行業的補貼。但根據乘聯會資料,國內新能源汽車滲透率上揚趨勢仍然明顯。
2022年7月,國內新能源車零售滲透率為26。7%,較去年同期14。8%的滲透率,提升了11。9個百分點。
從全年資料來看,新能源車2019年滲透率為5。2%,2020年為6。0%,2021年已升至15。7%。增漲幅度超過了之前的預計。
△圖源:國家資訊中心
並且
新能源滲透率的程序,伴隨著AI技術的滲透
。隨著發動機、變速箱等傳統汽車“差異點”消失,智慧化帶來的差異化能力,正在成為新賣點。
這種新賣點,當前集中到了智慧座艙的競爭中。
有意思的是,儘管各家車企在功能效果上各有側重,走的是差異化競爭路線。但在更底層的晶片選擇上,卻有趨同之勢。
比如前文提到的福特電馬引發熱議的驍龍座艙平臺,就正在憑藉其AI技術成為一眾車企全新旗艦車機的標配:
極氪001、理想L9、小鵬G9、智己L7、蔚來ET7、高合HiPhi Z、路特斯ELETRE,寶馬i7……
所以在智慧手機領域的王者驍龍,怎麼到了智慧車時代也依然如此能打?要知道,智慧座艙晶片這個市場並不算是全新的藍海市場。
如此披堅執銳、所向披靡之勢,背後究竟是什麼原因?
智慧座艙面臨哪些挑戰?
其中緣由,還是得先回歸到智慧座艙
需求本身
來看。
智慧座艙,本質上是AI技術給座艙帶來的變革
。它的出現至少滿足了人們對汽車智慧化的三大想象。
其一,
互動便捷性
。對於司機而言,開車時必須確保視線不離開路面,因此互動方式必須越簡潔越好,最好能用手勢、表情、語音等方式搞定一切車機互動。
其二,
應用智慧性
。無論是智慧溫控、兒童保護還是分割槽語音識別,本質上都是讓汽車更“貼心”的功能,而且這種智慧化還在席捲車上更多的裝置。
其三,
車機互聯能力
。包括遠端智慧控車、手機車載應用同步等,都是延伸智慧裝置邊界的功能,真正做到應用之間無縫互聯。
與此前純硬體最佳化、外飾變更帶來的座艙升級不同,智慧化變革時代的座艙第一次遭遇AI技術的衝擊,帶來創新潛能的同時,也給實際落地帶來了兩大挑戰。
一方面是大量AI演算法的出現,對座艙晶片進一步提出的
算力
要求,這背後是使用者需求驅動、也是汽車電子電氣架構的革新。
隨著汽車域融合趨勢的到來,座艙域和自動駕駛域、車身域等眾多板塊和技術不斷交織、融合,座艙作為汽車控制和資訊互動的中心出入口,與駕乘者互動的時間更長,智慧車對算力的需求只會變得越來越高。
另一方面是隨著互動精確性提升、使用者對智慧應用需求增加,對智慧座艙搭載
演算法的效能和精確度
提出了新的要求,如何在確保效能的情況下儘可能搭載更多AI演算法,成為新的難題。
據量子位觀察,相比傳統座艙晶片廠商,驍龍座艙平臺正是從這兩方面“逐一擊破”,成為如今智慧車中幾乎是標配的存在。
單拿
互動功能
來看,無論是手勢、語音還是多模態互動識別,目前在不少搭載驍龍座艙平臺的智慧車上都已經能看到,其核心原因還是座艙平臺上搭載的AI演算法準確性和識別效率都有所提升。
但如果回顧智慧座艙晶片的進展,會發現從2016年的驍龍820A到2019年的第三代驍龍座艙平臺、再到即將量產的第四代驍龍座艙平臺,AI計算的能力也一直在提升,高通不僅針對演算法“早有準備”,還一直致力於提升AI演算法在各平臺上應用的效能,包括改進模型大小和執行效率等等。
以AI手勢估計算法為例,高通在頂會WACV 2022上發表了一篇最新論文,裡面提到了一種輕量級的2D和3D手勢估計方法,透過讓模型自己意識到預測的不確定性,並在每次迭代時“重複利用”部分層迭代,極大地降低了模型體積,同時準確性和效率都達到了當前手勢估計模型的領先水平。
對於智慧座艙而言,互動演算法遠不止手勢一種,要想提升整體便捷性,更重要的是針對整個3D空間的互動,也就是AI演算法中的
多模態融合
能力。
然而多模態之間的關係並不好找,甚至對於AI而言,有時候更多模態
(語音、視覺等)
的互動並不一定能增加理解準確性,反而可能起到干擾作用。
因此,針對多種模態的同時輸入,AI模型需要一種機制來決定各模態之間是否存在強關聯,如果不是的話就在某個階段降低關聯度,避免出現語音“誤導”姿態估計等情況。
互動功能以外,
更多座艙應用
也面臨著智慧化變革。
例如車主身份的識別上,以前針對汽車車主的識別方式只有一種,即透過車鑰匙。但如今座艙不僅能以細微差異識別每個車主之間的身份,而且能針對這些差異迅速調整車內定製語音助手、空調溫度等預設。
其實,AI演算法和算力都只是驍龍座艙平臺提供的底層能力,至於如何利用這些能力提升車載應用和互動的準確性,也需要Tier 1和廠商發揮自己的能力和創造力,針對自己使用者的需求進行定製性開發部署。
例如,高通前段時間推出的
AI軟體棧
,就是一個專門給AI開發者打造的“工具箱”,不僅讓汽車和手機之間開發的應用能互聯互通,還推廣到了其他裝置如電腦、可穿戴裝置上。
又例如,從成都車展上搭載驍龍座艙平臺的車型來看,無論理想L9、智己L7還是沙龍機甲龍等,廠商如何利用驍龍平臺的AI能力,並在其智慧座艙中推出具體的功能和配置,其最終使用場景、體驗也存在明顯差異。
以面部表情估計AI演算法為例,有的車型智慧座艙用它來檢測司機疲勞駕駛、提升行車安全性;但也有車型用它來識別車主情緒,以此推薦相應的音樂、或是開窗透氣等。
而智慧座艙還只是AI創新時代,高通在智慧車領域進行技術賦能的場景應用之一。
我們同樣能在論文和研發佈局中發現,高通對於智慧車領域的“AI加持”遠不止於此,還同樣體現在智駕和車路協同上。
還有智駕和車路協同
相對智慧座艙的技術“爆發”,智慧駕駛和車路協同更接近於
AI技術
在汽車場景厚積薄發的過程。
這個過程除了需要時間積累模型經驗和資料,也需要AI相關技術的持續創新,直到感知演算法和軟硬體達到某一標準,才可能落地並最終量產。
以
智慧駕駛
場景為例,目前透過感測器資料提供冗餘已成為應對智慧駕駛安全性的解決方法之一。
如何在積累更多長尾場景資料的同時,儘可能充分利用感測器資料、提升融合準確率,來拔高智慧駕駛模型面對突發情況的“適應能力”,是決定智慧駕駛技術能否落地的關鍵。
如在這次的成都車展上,中國首款搭載Snapdragon Ride平臺的長城魏牌摩卡DHT-PHEV鐳射雷達版首次亮相。
這輛新車搭載2顆125線鐳射雷達、5顆毫米波雷達、12顆超聲波雷達、12顆高畫質攝像頭等
多達31個感測器
,以確保行車安全性,然而Snapdragon Ride平臺不僅hold住了這麼多感測器所需的算力,而且透過領先的能效表現對這些資料進行處理。
而發表在NeurIPS上的一篇論文顯示,高通的工程技術人員和學術機構針對感測器融合進行了研究,結合攝像頭和鐳射雷達同時進行目標檢測,在考慮到光照和天氣條件等環境噪聲的情況下,誤差率降低15%左右。
至於
車路協同
,則需要進一步提升定位精度和訊號傳輸能力,來提升汽車在道路上行駛的安全性、降低定位延遲並提升準確性。
例如在ICC上的一篇論文中,高通就提出了一種基於無監督學習提升環境定位的方法,能做到在2D環境圖裡的中值誤差在4cm、3D環境中保持在15cm以內的定位,以提升車輛在特定車路協同道路上行駛的準確性。
針對車路協同,早在2020年,一汽紅旗就已經搭載了高通的
驍龍汽車智聯平臺
。
再加上驍龍車對雲服務,上述四大板塊組成的整個驍龍數字底盤,便是高通在智慧汽車領域的整體架構佈局,涵蓋汽車智慧化所需的座艙、車載網聯、智慧駕駛和雲服務關鍵數字化板塊,這其中的核心,仍然是其擅長的高效能、低功耗計算和無處不在的連線。
如今高通的AI技術外溢到汽車場景,併成為創新的驅動力之一,從冪集創新場景的維度,是否有內在的邏輯可以推測?
就
場景需求
而言,智慧座艙和智慧駕駛本就密不可分,如今在AI計算和5G連線等前沿技術的驅動下更是趨於融合。
硬體上,隨著智慧座艙晶片效能提升,可以將多餘的算力提供給智慧駕駛演算法,從而進一步容納算力需求更高、效能更優的模型;
軟體上,智慧駕駛演算法的應用,又會進一步提升智慧座艙的使用時間,從而帶動更多創新應用的出現。
而這樣的場景需求隨著技術的融合發展,還會越來越多。
從
冪集創新規律
來看,當最基礎性、生態型底層技術創新出現,便會催生一系列場景的變革。
如果說10的一次冪是底層落地變革場景,那麼10的二次冪帶來的便是百倍降本增效的提升;
而隨著10的三次冪,這一場景不僅帶來數以千計的生態位機會、開發者機遇,更因此在行業中產生了對大一統底層平臺的需求。
在這個萬物智慧互聯的全新發明時代,高通正是基於AI這個最具基礎性的技術,結合5G、C-V2X
(蜂窩車聯網)
等連線技術優勢,在汽車產業中構築了一系列底層平臺技術,以賦能企業的身份,掀起新一輪技術變革週期浪潮。
未來智慧汽車產業走向,或許也能透過這些技術得以預測。
參考連結:
[1]https://openaccess。thecvf。com/content/WACV2022/papers/Yang_Dynamic_Iterative_Refinement_for_Efficient_3D_Hand_Pose_Estimation_WACV_2022_paper。pdf
[2]https://openaccess。thecvf。com/content/WACV2022/papers/Lee_Leaky_Gated_Cross-Attention_for_Weakly_Supervised_Multi-Modal_Temporal_Action_Localization_WACV_2022_paper。pdf
[3]https://ml4ad。github。io/files/papers/Radar%20and%20Camera%20Early%20Fusion%20for%20Vehicle%20Detection%20in%20Advanced%20Driver%20Assistance%20Systems。pdf
[4]https://arxiv。org/abs/2203。08264
— 完 —
量子位 QbitAI · 頭條號簽約