华为自动驾驶的打法

Posted 2021-04-27 建约车评

9月18-19日，在华为2019全联接大会上，华为智能汽车解决方案BU首次系统性地阐述了其智能驾驶业务。

 

简单地说，华为推出L4级全栈智能驾驶解决方案和MDC计算平台两个产品。这两者都是基于自研的AI芯片、CPU和操作系统，其中，前者展现了华为对复杂系统的强大集成能力，而后者则在商业模式上对产业界开放，欢迎广大产业链上下游合作伙伴参与。

 

在技术路径上，华为的智能驾驶既非从L2向L4演进，也不是L2与L4并行，而是“配置可裁剪的L4”。即先聚焦L4，再用L4的能力反哺L2，L2.5，L3，某种意义上就是“升维思考，降维打击”。

在去年10月份的全联接大会上，华为发布了AI芯片昇腾310及面向L4级智能驾驶的计算平台MDC 600。基于12nm制程的昇腾310可以8W的功耗达到16 TOPS 的算力。

 

而据此次全联接大会上公布的内容，目前，华为可提供MDC智能驾驶计算平台和L4全栈解决方案两种方案（以前者为主）。其跟奥迪合作的L4级自动驾驶车队上便搭载了华为L4级全栈智能驾驶解决方案。

 

当前，华为跟奥迪合作的测试车队规模已达数十辆。

 

除奥迪外，一汽、沃尔沃（乘用车）、东风、苏州金龙、山东浩睿智能、新石器等公司都已跟华为在自动驾驶方面展开合作。

 

一

 

在全联接大会期间，华为副董事长胡厚崑等多位高管在演讲中都提到“华为不是芯片公司，我们不卖芯片”。

 

具体到智能驾驶业务上，华为并不直接向车企或自动驾驶公司出售芯片，而是提供包括AI芯片、操作系统、算法、支持服务框架、设备管理、开发工具链、信息安全、功能安全在内的MDC智能驾驶计算平台。

自动驾驶域控制器的构建很复杂。倘若华为只向用户提供芯片，则用户拿回去之后还要再找人开发操作系统、算法，并对系统的适配性、耦合性做各种测试，这会是一个十分漫长的过程。

 

并且，用户自己开发的操作系统和算法，也未必能使芯片的算力最大程度地发挥出来。因此，华为提供的是一个工程化程度最高的开放平台。

 

MDC平台秉承开放的、平台化的理念，将跟产业链伙伴和商业合作伙伴一起来探索标准、推广标准、实践标准，并为开发者提供一系列标准化的传感器接口、线控接口，并支持和兼容AUTOSAR\ROS，同时，还提供一套功能完整的开发工具链。 

因此，车企和自动驾驶公司可在上面开发符合自身需求的自动驾驶应用，或整合来自Tier X们的的应用软件。

 

有了工程化程度最高的MDC开放平台，车企便只需聚焦于整车技术及决策、规划、控制算法插件，再做一些可提供差异化竞争力的功能软件，其他与自动驾驶相关部分可都交给华为。

 

Tier 1则可聚焦于传感器、线控等关键技术，而自动驾驶初创公司则可聚焦于算法。

 

这意味着，车企、Tier 1及自动驾驶初创公司们参与自动驾驶产业的进程将被大大简化、推出自动驾驶汽车的会周期缩短。

 

前段时间，华为被曝出正在申请高精地图采集资质，当时，便有不少人猜测，华为将成为四维、高德等图商的竞争对手。此外，还有传言说华为正打算做激光雷达。

 

那么，华为在智能驾驶领域的边界到底在哪里，会不会“什么都做”？

 

在这次大会上，《建约车评》向华为方面确认后得到的答复是：华为申请图商资质，只是为了方便测绘供测试使用的高精地图。将来量产版的高精地图，华为是向图商购买基础数据，然后再利用华为的AI能力加工。

 

华为的人工成本很高，去采集底图的性价比不高。况且，人家已经有现成的了，我为什么要亲自去采集？

 

9月17日，在四维图新召开的用户年度大会上，有华为的管理人员去发表了演讲；而在9月18日下午华为智能汽车分论坛上，四维图新CEO程鹏也到场发表了演讲。此外，四维图新还是华为云的用户。两家公司确为合作关系而非竞争对手。

 

至于激光雷达，华为研究激光雷达确有其事，并且，鉴于华为在光通信领域和微波通信领域的积累，做激光雷达和毫米波雷达并没有多少技术壁垒，但这并不意味着华为就要亲自去做这些东西。

 

其实，华为研究激光雷达，主要是为了验证，比如，激光雷达增加多少个，对算力增加的要求是多少、应该怎么去适配等。

 

华为认为，只有对传感器也有深刻理解，才能提出系统性的解决方案，并将上中下游打通，进而通过大量的路测数据来进行循环和迭代，再推动芯片技术的快速成熟。

 

此外，只有将上下游打通，才能建立起对行业的深度认知，才能具备整合能力，才会知道该怎么跟别人合作。

 

二

 

进入2019年以后，自动驾驶产业有一个明显的变化是：两大芯片巨头英伟达和Mobileye提L4的频率比以前少了，而曾在2017年喊出2019-2020年间L3量产的一众主机厂们也开始集体沉默了。

 

反倒是，声量一直不大的L2开始受到重视。今年，宝马、丰田等国际车企纷纷推出了L2级量产车，蔚来、小鹏、车和家等中国的造车新势力们也纷纷实现L2的量产。2019年，被认为是L2量产的元年。

 

那么，今后几年，华为在自动驾驶板块的重点会是L4还是L2？

 

实际上，华为内部，并不认可L4、L3、L2这样的划分。

 

在9月18日的演讲中，华为智能汽车解决方案BU总裁王军说：

 

“主流对自动驾驶技术等级从L0到L5的划分，是仅根据人为操作的参与程度来定义自动化的等级，这并不太准确。因为，相同的硬件和算法，面对不同场景所能达到的自动驾驶等级有较大差异。

 

”传统的自动驾驶分级只是对技术实现的评估，而不是针对特定场景的评估。但用户更关注的是适合场景带来的体验提升、效率提升及成本降低，而不是纠结技术概念。因此，对自动驾驶等级不区分场景，就不能有效反应用户在特定场景下的体验。“

 

所以，在华为看来，自动驾驶落地的阶段，按应用场景划分要比按从L0到L5的技术等级划分更合适。

 

比如，业界可以探索这样一种自动驾驶落地发展路径：

当然，这一划分并非华为首次提出。2017年以来，地平线战略副总裁李星宇也曾在多个场合强调“自动驾驶按技术等级划分，不如按应用场景划分”。

 

业界通过调研发现，在中国，城区行驶和泊车占用户用车时间的96%，因此，城际快速的点到点，核心城区的拥堵情跟随，加塞，红绿识别，市区的点到点，小区及停车场的自动泊车，成为华为最先要解决的场景。

 

这些，也是最能体现智能驾驶价值的关键场景。

 

下一步，就是识别有危险的结构化道路，如上下匝道、U型掉头；还有危险障碍物，如多种交通参与者。

 

三

 

从华为智能汽车解决方案的展台上了解到，华为目前主推的智能驾驶计算平台并不是在去年最早亮相的MDC 600，而是硬件配置做了适当“减配”、当然也更有利于快速商用的MDC 300。

 

为什么会发生这个变化？这就牵扯到一个概念“系统架构可伸缩”。

 

MDC 600是为L4级自动驾驶准备的，但现阶段，多数主机厂都将自动驾驶的重心放在一些更容易落地的场景如封闭园区等。

 

场景简单了，则自动驾驶系统的算力、传感器数等可适当“减配”。当然，减配后的方案，完全可支持新的应用场景。

 

因此，既不同于车企及Tier 1们通常从L2向L4演进的做法，也不同于一些科技公司L2与L4并行的做法，华为的设计理念是“以终为始”，即从一开始就针对最复杂的场景、使用最强的算力，以L4架构为设计框架；同时，又考虑到对L3和L2的支持，做一些功能上的“裁剪”。

 

比如，某高算力的MDC硬件平台可支持限定场景下的自动驾驶，在增加算力和激光雷达后便可支持全场景的自动驾驶，而在减配算力和激光雷达后，也完全能够支持辅助驾驶。

简而言之，“以终为始”及“系统架构可伸缩”的实质就是：配置可裁剪的L4能力。即在设计产品的时候，满足所有需求，但在具体推出产品的时候，客户可根据实际需求“勾选”某几项必须具备的功能。

 

这种可伸缩架构的好处是显而易见的：可用一套系统去应对多种难度不同的应用场景。对用户来说，则意味着增加了选择的多样性。

 

四

 

在过去一年多时间里，国内自动驾驶行业“寒冬来了”的悲鸣不绝于耳。华为这次阐释的智能驾驶打法，算是这个“萧条的季节里”最大的喜讯。

 

汽车产业自进入自动驾驶时代以来，原有的汽车芯片制造商NXP、英飞凌及瑞萨等都表现得力不从心，因为他们的芯片算力不足，只能满足ADAS的需求。现在，自动驾驶芯片基本都掌握在Mobileye和英伟达的手里，除特斯拉已可自力更生外，其他所有的自动驾驶公司，都高度依赖这两家公司的芯片。

 

曾经一度，中国初创公司地平线被业界认为是唯一有机会打破Mobileye和英伟达的芯片垄断的本土自动驾驶芯片厂商。但以去年10月份华为发布昇腾310及MDC 600为标志，这个领域又“冒出”了一个实力派玩家。

 

华为在2004年成立海思，进军半导体领域，其智能驾驶芯片，便建立在海思过去十多年来的积累之上，而其对复杂系统的集成能力，更是建立在华为过去三十多年来在ICT领域的深厚积累的基础之上。

 

英伟达的GPU是通用芯片，虽然算力高，但功耗也高，这让广大用户头疼不已。针对这一痛点，地平线、华为等公司则从一开始就发力ASIC芯片，以求实现算力和功耗的平衡。

 

比如，英伟达的Xavier 算力为30 TOPS，但功耗也高达30W，能效为1 TOPS/W,相比之下，华为昇腾310 算力为16 TOPS，功耗却仅为8W，能效为2 TOPS/W。

 

而与同为ASIC 芯片的Mobileye EyeQ 4(算力为2.5 TOPS，功耗为3W,能效0.83 TOPS/W）相比，华为昇腾 310的优势也格外明显。

 

华为还有一项英伟达和Mobileye所不具备的优势：云计算能力。

 

华为云是国内云计算市场排名Top 5的玩家，并且，据咨询机构IDC在今年8月初发布的《2019年Q1中国公有云服务市场跟踪报告》，从IaaS+PaaS整体市场份额来看，今年第一季度，华为云营收增长超过300%,华为云PaaS市场份额增速接近700%，在Top5厂商增速排名第一。

 

基于云计算能力，华为可实现端云协同，提供训练、仿真、数据标注、OTA等全套云端解决方案。

 

从当前的竞争格局看，华为可能是最有希望打破英伟达和Mobileye的芯片垄断的本土自动驾驶供应商。

 

而如果算法积累深厚的百度能跟华为这样芯片和操作系统能力强大的本土公司合作，可能会从根本上提升中国自动驾驶产业的整体竞争力，甚至是重塑全球自动驾驶产业的整体竞争格局。

 

截至今年7月，百度L4级别自动驾驶城市道路测试里程已经突破200万公里,而测试车辆的数量也达到300辆了，今后路测数据积累及算法进步的速度将加快。

 

除此之外，百度Apollo生态的合作伙伴已超过150家, 其中，广大车企、广大自动驾驶初创公司、甚至Tier 1都对更强算力、更低功耗的自动驾驶芯片有着强烈需求。

 

前面已经提到，与华为的昇腾310相比，英伟达的Xavier功耗太高，而Mobileye的EyeQ 4则算力不足，两者的能效都太低。倘若百度及Apollo成员在产品设计环节便采用低功耗、强算力的昇腾310，则他们可站在更高的起点上。

 

对AI芯片来说，其所能实现的功能，由算法来定义。而算法和芯片的高度协同，不仅可使芯片的算力最大程度地发挥出来，也可使算法的实现效果最优。因此，从一开始就选对自动驾驶芯片，也可少走不少弯路、节省不少时间。

 

此外，当前，英伟达、Mobileye都会向客户收一笔巨额的开发费用，很多中小客户无力承受。此前，为了争取更多的合作伙伴，中国自动驾驶初创公司地平线在策略上更开放更灵活、更注重服务质量和性价比。

 

那么，华为作为这个领域的新晋玩家，会收这笔费用吗？如果收，会收多少？想必，这是一个广大客户及开发者都极为关心的问题。

 

目前，尚未看到来自华为官方的信息。不过，我们可以尝试着做一些推测：

 

与英伟达和Mobileye是靠卖芯片赚取利润不同的是，华为已反复强调“我们不是芯片公司，不卖芯片”。华为提供的是一个完整的系统产品或方案，并且，还要打造一个开放的生态，在这个开放的生态中，必然会有大量的中小开发者，而这些开发者，可能是无力承担昂贵的开发费用的。

 

在2016年的首届华为全联接大会上，时任华为副董事长、轮值CEO郭平在主题演讲中提到一句“做大整个产业，比做大华为自己更重要”，笔者至今仍对这句话记忆犹新。实际上，“做大整个产业，比做大华为自己更重要”，已成为华为在打造产业生态时所奉行的价值观。

 

因此，笔者猜测，华为在接下来的商业策略，也必然是有利于调动广大开发者的积极性的。后者的积极性起来了，则应用开发、算法开发及技术验证及演进的进程便会加快，因而，自动驾驶的落地进程也会加快。

 

 如果您对这个话题有不同的理解,或有其他关于无人驾驶的经验可分享的,欢迎加作者微信(charitableman)交流。

招   聘

1. 人品好，三观正；

2. 极强的进取心；

3. 文字好，以写作为信仰；

4. 心态极度open；

5. 英语好。

简历请发[e-mail]，附上任意自己满意的作品。

建约车评  只做有价值的汽车科技报道