在技術路徑上，華為的智能駕駛既非從L2向L4演進，也不是L2與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，某種意義上就是“升維思考，降維打擊”。
依托自身強大的底層研究能力和復雜系統(tǒng)集成能力，華為也踏入智能駕駛領域，提供可剪裁智能計算平臺和L4級全棧式解決方案，讓企業(yè)專注自己的專業(yè)領域，縮短自動駕駛汽車推出周期，華為成為繼地平線之后又一家有希望打破英偉達和Mobileye芯片壟斷的本土自動駕駛供應商。
9月18-19日，在華為2019全聯(lián)接大會上，華為智能汽車解決方案BU首次系統(tǒng)性地闡述了其智能駕駛業(yè)務。
簡單地說，華為推出L4級全棧智能駕駛解決方案和MDC計算平臺兩個產(chǎn)品。這兩者都是基于自研的AI芯片、CPU和操作系統(tǒng)，其中，前者展現(xiàn)了華為對復雜系統(tǒng)的強大集成能力，而后者則在商業(yè)模式上對產(chǎn)業(yè)界開放，歡迎廣大產(chǎn)業(yè)鏈上下游合作伙伴參與。
在技術路徑上，華為的智能駕駛既非從L2向L4演進，也不是L2與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，某種意義上就是“升維思考，降維打擊”。
在去年10月份的全聯(lián)接大會上，華為發(fā)布了AI芯片昇騰310及面向L4級智能駕駛的計算平臺MDC 600。基于12nm制程的昇騰310可以8W的功耗達到16 TOPS 的算力。
而據(jù)此次全聯(lián)接大會上公布的內(nèi)容，目前，華為可提供MDC智能駕駛計算平臺和L4全棧解決方案兩種方案（以前者為主）。其跟奧迪合作的L4級自動駕駛車隊上便搭載了華為L4級全棧智能駕駛解決方案。
當前，華為跟奧迪合作的測試車隊規(guī)模已達數(shù)十輛。
除奧迪外，一汽、沃爾沃（乘用車）、東風、蘇州金龍、山東浩睿智能、新石器等公司都已跟華為在自動駕駛方面展開合作。
一
在全聯(lián)接大會期間，華為副董事長胡厚崑等多位高管在演講中都提到“華為不是芯片公司，我們不賣芯片”。
具體到智能駕駛業(yè)務上，華為并不直接向車企或自動駕駛公司出售芯片，而是提供包括AI芯片、操作系統(tǒng)、算法、支持服務框架、設備管理、開發(fā)工具鏈、信息安全、功能安全在內(nèi)的MDC智能駕駛計算平臺。
自動駕駛域控制器的構建很復雜。倘若華為只向用戶提供芯片，則用戶拿回去之后還要再找人開發(fā)操作系統(tǒng)、算法，并對系統(tǒng)的適配性、耦合性做各種測試，這會是一個十分漫長的過程。
并且，用戶自己開發(fā)的操作系統(tǒng)和算法，也未必能使芯片的算力最大程度地發(fā)揮出來。因此，華為提供的是一個工程化程度最高的開放平臺。
MDC平臺秉承開放的、平臺化的理念，將跟產(chǎn)業(yè)鏈伙伴和商業(yè)合作伙伴一起來探索標準、推廣標準、實踐標準，并為開發(fā)者提供一系列標準化的傳感器接口、線控接口，并支持和兼容AUTOSAR\ROS，同時，還提供一套功能完整的開發(fā)工具鏈。
因此，車企和自動駕駛公司可在上面開發(fā)符合自身需求的自動駕駛應用，或整合來自Tier X們的的應用軟件。
有了工程化程度最高的MDC開放平臺，車企便只需聚焦于整車技術及決策、規(guī)劃、控制算法插件，再做一些可提供差異化競爭力的功能軟件，其他與自動駕駛相關部分可都交給華為。
TIer 1則可聚焦于傳感器、線控等關鍵技術，而自動駕駛初創(chuàng)公司則可聚焦于算法。
這意味著，車企、TIer 1及自動駕駛初創(chuàng)公司們參與自動駕駛產(chǎn)業(yè)的進程將被大大簡化、推出自動駕駛汽車的周期會縮短。
前段時間，華為被曝出正在申請高精地圖采集資質(zhì)，當時，便有不少人猜測，華為將成為四維、高德等圖商的競爭對手。此外，還有傳言說華為正打算做激光雷達。
那么，華為在智能駕駛領域的邊界到底在哪里，會不會“什么都做”？
在這次大會上，《建約車評》向華為方面確認后得到的答復是：華為申請圖商資質(zhì)，只是為了方便測繪供測試使用的高精地圖。將來量產(chǎn)版的高精地圖，華為是向圖商購買基礎數(shù)據(jù)，然后再利用華為的AI能力加工。
華為的人工成本很高，去采集底圖的性價比不高。況且，人家已經(jīng)有現(xiàn)成的了，我為什么要親自去采集？
9月17日，在四維圖新召開的用戶年度大會上，有華為的管理人員去發(fā)表了演講;而在9月18日下午華為智能汽車分論壇上，四維圖新CEO程鵬也到場發(fā)表了演講。此外，四維圖新還是華為云的用戶。兩家公司確為合作關系而非競爭對手。
至于激光雷達，華為研究激光雷達確有其事，并且，鑒于華為在光通信領域和微波通信領域的積累，做激光雷達和毫米波雷達并沒有多少技術壁壘，但這并不意味著華為就要親自去做這些東西。
其實，華為研究激光雷達，主要是為了驗證，比如，激光雷達增加多少個，對算力增加的要求是多少、應該怎么去適配等。
華為認為，只有對傳感器也有深刻理解，才能提出系統(tǒng)性的解決方案，并將上中下游打通，進而通過大量的路測數(shù)據(jù)來進行循環(huán)和迭代，再推動芯片技術的快速成熟。
此外，只有將上下游打通，才能建立起對行業(yè)的深度認知，才能具備整合能力，才會知道該怎么跟別人合作。
二
進入2019年以后，自動駕駛產(chǎn)業(yè)有一個明顯的變化是：兩大芯片巨頭英偉達和Mobileye提L4的頻率比以前少了，而曾在2017年喊出2019-2020年間L3量產(chǎn)的一眾主機廠們也開始集體沉默了。
反倒是，聲量一直不大的L2開始受到重視。今年，寶馬、豐田等國際車企紛紛推出了L2級量產(chǎn)車，蔚來、小鵬、車和家等中國的造車新勢力們也紛紛實現(xiàn)L2的量產(chǎn)。2019年，被認為是L2量產(chǎn)的元年。
那么，今后幾年，華為在自動駕駛板塊的重點會是L4還是L2？
實際上，華為內(nèi)部，并不認可L4、L3、L2這樣的劃分。
在9月18日的演講中，華為智能汽車解決方案BU總裁王軍說：
“主流對自動駕駛技術等級從L0到L5的劃分，是僅根據(jù)人為操作的參與程度來定義自動化的等級，這并不太準確。因為，相同的硬件和算法，面對不同場景所能達到的自動駕駛等級有較大差異。
傳統(tǒng)的自動駕駛分級只是對技術實現(xiàn)的評估，而不是針對特定場景的評估。但用戶更關注的是適合場景帶來的體驗提升、效率提升及成本降低，而不是糾結技術概念。因此，對自動駕駛等級不區(qū)分場景，就不能有效反應用戶在特定場景下的體驗?！?/p>
所以，在華為看來，自動駕駛落地的階段，按應用場景劃分要比按從L0到L5的技術等級劃分更合適。
比如，業(yè)界可以探索這樣一種自動駕駛落地發(fā)展路徑：
當然，這一劃分并非華為首次提出。2017年以來，地平線戰(zhàn)略副總裁李星宇也曾在多個場合強調(diào)“自動駕駛按技術等級劃分，不如按應用場景劃分”。
業(yè)界通過調(diào)研發(fā)現(xiàn)，在中國，城區(qū)行駛和泊車占用戶用車時間的96%，因此，城際快速的點到點，核心城區(qū)的擁堵情跟隨，加塞，紅綠識別，市區(qū)的點到點，小區(qū)及停車場的自動泊車，成為華為最先要解決的場景。
這些，也是最能體現(xiàn)智能駕駛價值的關鍵場景。
下一步，就是識別有危險的結構化道路，如上下匝道、U型掉頭;還有危險障礙物，如多種交通參與者。
三
從華為智能汽車解決方案的展臺上了解到，華為目前主推的智能駕駛計算平臺并不是在去年最早亮相的MDC 600，而是硬件配置做了適當“減配”、當然也更有利于快速商用的MDC 300。
為什么會發(fā)生這個變化？這就牽扯到一個概念“系統(tǒng)架構可伸縮”。
MDC 600是為L4級自動駕駛準備的，但現(xiàn)階段，多數(shù)主機廠都將自動駕駛的重心放在一些更容易落地的場景如封閉園區(qū)等。
場景簡單了，則自動駕駛系統(tǒng)的算力、傳感器數(shù)等可適當“減配”。當然，減配后的方案，完全可支持新的應用場景。
因此，既不同于車企及TIer 1們通常從L2向L4演進的做法，也不同于一些科技公司L2與L4并行的做法，華為的設計理念是“以終為始”，即從一開始就針對最復雜的場景、使用最強的算力，以L4架構為設計框架;同時，又考慮到對L3和L2的支持，做一些功能上的“裁剪”。
比如，某高算力的MDC硬件平臺可支持限定場景下的自動駕駛，在增加算力和激光雷達后便可支持全場景的自動駕駛，而在減配算力和激光雷達后，也完全能夠支持輔助駕駛。
簡而言之，“以終為始”及“系統(tǒng)架構可伸縮”的實質(zhì)就是：配置可裁剪的L4能力。即在設計產(chǎn)品的時候，滿足所有需求，但在具體推出產(chǎn)品的時候，客戶可根據(jù)實際需求“勾選”某幾項必須具備的功能。
這種可伸縮架構的好處是顯而易見的：可用一套系統(tǒng)去應對多種難度不同的應用場景。對用戶來說，則意味著增加了選擇的多樣性。
四
在過去一年多時間里，國內(nèi)自動駕駛行業(yè)“寒冬來了”的悲鳴不絕于耳。華為這次闡釋的智能駕駛打法，算是這個“蕭條的季節(jié)里”最大的喜訊。
汽車產(chǎn)業(yè)自進入自動駕駛時代以來，原有的汽車芯片制造商NXP、英飛凌及瑞薩等都表現(xiàn)得力不從心，因為他們的芯片算力不足，只能滿足ADAS的需求?，F(xiàn)在，自動駕駛芯片基本都掌握在Mobileye和英偉達的手里，除特斯拉已可自力更生外，其他所有的自動駕駛公司，都高度依賴這兩家公司的芯片。
曾經(jīng)一度，中國初創(chuàng)公司地平線被業(yè)界認為是唯一有機會打破Mobileye和英偉達的芯片壟斷的本土自動駕駛芯片廠商。但以去年10月份華為發(fā)布昇騰310及MDC 600為標志，這個領域又“冒出”了一個實力派玩家。
華為在2004年成立海思，進軍半導體領域，其智能駕駛芯片，便建立在海思過去十多年來的積累之上，而其對復雜系統(tǒng)的集成能力，更是建立在華為過去三十多年來在ICT領域的深厚積累的基礎之上。
英偉達的GPU是通用芯片，雖然算力高，但功耗也高，這讓廣大用戶頭疼不已。針對這一痛點，地平線、華為等公司則從一開始就發(fā)力ASIC芯片，以求實現(xiàn)算力和功耗的平衡。
比如，英偉達的Xavier 算力為30 TOPS，但功耗也高達30W，能效為1 TOPS/W，相比之下，華為昇騰310 算力為16 TOPS，功耗卻僅為8W，能效為2 TOPS/W。
而與同為ASIC 芯片的Mobileye EyeQ 4（算力為2.5 TOPS，功耗為3W，能效0.83 TOPS/W）相比，華為昇騰 310的優(yōu)勢也格外明顯。
華為還有一項英偉達和Mobileye所不具備的優(yōu)勢：云計算能力。
華為云是國內(nèi)云計算市場排名Top 5的玩家，并且，據(jù)咨詢機構IDC在今年8月初發(fā)布的《2019年Q1中國公有云服務市場跟蹤報告》，從IaaS+PaaS整體市場份額來看，今年第一季度，華為云營收增長超過300%，華為云PaaS市場份額增速接近700%，在Top5廠商增速排名第一。
基于云計算能力，華為可實現(xiàn)端云協(xié)同，提供訓練、仿真、數(shù)據(jù)標注、OTA等全套云端解決方案。
從當前的競爭格局看，華為可能是最有希望打破英偉達和Mobileye的芯片壟斷的本土自動駕駛供應商。
而如果算法積累深厚的百度能跟華為這樣芯片和操作系統(tǒng)能力強大的本土公司合作，可能會從根本上提升中國自動駕駛產(chǎn)業(yè)的整體競爭力，甚至是重塑全球自動駕駛產(chǎn)業(yè)的整體競爭格局。
截至今年7月，百度L4級別自動駕駛城市道路測試里程已經(jīng)突破200萬公里，而測試車輛的數(shù)量也達到300輛了，今后路測數(shù)據(jù)積累及算法進步的速度將加快。
除此之外，百度Apollo生態(tài)的合作伙伴已超過150家， 其中，廣大車企、廣大自動駕駛初創(chuàng)公司、甚至TIer 1都對更強算力、更低功耗的自動駕駛芯片有著強烈需求。
前面已經(jīng)提到，與華為的昇騰310相比，英偉達的Xavier功耗太高，而Mobileye的EyeQ 4則算力不足，兩者的能效都太低。倘若百度及Apollo成員在產(chǎn)品設計環(huán)節(jié)便采用低功耗、強算力的昇騰310，則他們可站在更高的起點上。
對AI芯片來說，其所能實現(xiàn)的功能，由算法來定義。而算法和芯片的高度協(xié)同，不僅可使芯片的算力最大程度地發(fā)揮出來，也可使算法的實現(xiàn)效果最優(yōu)。因此，從一開始就選對自動駕駛芯片，也可少走不少彎路、節(jié)省不少時間。
此外，當前，英偉達、Mobileye都會向客戶收一筆巨額的開發(fā)費用，很多中小客戶無力承受。此前，為了爭取更多的合作伙伴，中國自動駕駛初創(chuàng)公司地平線在策略上更開放更靈活、更注重服務質(zhì)量和性價比。
那么，華為作為這個領域的新晉玩家，會收這筆費用嗎？如果收，會收多少？想必，這是一個廣大客戶及開發(fā)者都極為關心的問題。
目前，尚未看到來自華為官方的信息。不過，我們可以嘗試著做一些推測：
與英偉達和Mobileye是靠賣芯片賺取利潤不同的是，華為已反復強調(diào)“我們不是芯片公司，不賣芯片”。華為提供的是一個完整的系統(tǒng)產(chǎn)品或方案，并且，還要打造一個開放的生態(tài)，在這個開放的生態(tài)中，必然會有大量的中小開發(fā)者，而這些開發(fā)者，可能是無力承擔昂貴的開發(fā)費用的。
在2016年的首屆華為全聯(lián)接大會上，時任華為副董事長、輪值CEO郭平在主題演講中提到一句“做大整個產(chǎn)業(yè)，比做大華為自己更重要”，筆者至今仍對這句話記憶猶新。實際上，“做大整個產(chǎn)業(yè)，比做大華為自己更重要”，已成為華為在打造產(chǎn)業(yè)生態(tài)時所奉行的價值觀。
因此，筆者猜測，華為在接下來的商業(yè)策略，也必然是有利于調(diào)動廣大開發(fā)者的積極性的。后者的積極性起來了，則應用開發(fā)、算法開發(fā)及技術驗證及演進的進程便會加快，因而，自動駕駛的落地進程也會加快。