汽車的賣點，正在悄然向AI創新傾斜。落地到產品，就是智能車的方方面面。

　　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端車企，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“智能體驗”，閉口一個“AI芯片”。

　　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。

　　這廂寶馬奔馳都在座艙內搞上了大連屏。

　　那邊新勢力的各種智能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”的消息，同樣與智能座艙有關：

　　福特將為電馬Mach-E用戶免費升級高通驍龍8155芯片(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，在這么一場A級大型車展上，“智能化”著實已經成了廠商們比拼的頭號亮點。

　　其中，又以“智能座艙”為先鋒大將。

　　01

　　智能座艙，智能化競爭加速*站

　　汽車智能化競爭，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，變得越來越智能、便捷，人們自然而然會希望在汽車這個“第三空間”之中，同樣享受到智能化帶來的便利。

　　業內就有觀點認為，汽車如今已經發展到了“四個輪子+一部智能手機”的時代，誰在智能化變革中慢上一步，即使現在身位靠前，也隨時可能被后來者趁機反超。

　　現在看來，在*波汽車智能化的浪潮之中，走在最前面的就是智能座艙。

　　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。

　　因此座艙中更大的屏幕、更智能的人機交互方式、更個性化的應用服務，都能以最直觀的方式*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，更高級別的智能駕駛仍屬于長線落地工程。

　　真正掌握高階智能駕駛技術的公司尚屬少數，技術本身也需要更長時間的優化迭代和安全性驗證。

　　相比之下，隨著車規級芯片近些年的發展，算力不斷提升、AI模型量化壓縮算法的進一步突破，以及5G技術支持下車聯網方面的進展，智能座艙商業化的時機顯然更加成熟。

　　數據也已對此有所驗證。

　　自2019年以來，中國大幅度減弱了對新能源汽車行業的補貼。但根據乘聯會數據，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。

　　從全年數據來看，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：國家信息中心

　　并且新能源滲透率的進程，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，智能化帶來的差異化能力，正在成為新賣點。

　　這種新賣點，當前集中到了智能座艙的競爭中。

　　有意思的是，盡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。但在更底層的芯片選擇上，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，就正在憑借其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……

　　所以在智能手機領域的*驍龍，怎么到了智能車時代也依然如此能打?要知道，智能座艙芯片這個市場并不算是全新的藍海市場。

　　如此披堅執銳、所向披靡之勢，背后究竟是什么原因?

　　02

　　智能座艙面臨哪些挑戰?

　　其中緣由，還是得先回歸到智能座艙需求本身來看。

　　智能座艙，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能化的三大想象。

　　其一，交互便捷性。對于司機而言，開車時必須確保視線不離開路面，因此交互方式必須越簡潔越好，*能用手勢、表情、語音等方式搞定一切車機交互。

　　其二，應用智能性。無論是智能溫控、兒童保護還是分區語音識別，本質上都是讓汽車更“貼心”的功能，而且這種智能化還在席卷車上更多的裝置。

　　其三，車機互聯能力。包括遠程智能控車、手機車載應用同步等，都是延伸智能設備邊界的功能，真正做到應用之間無縫互聯。

　　與此前純硬件優化、外飾變更帶來的座艙升級不同，智能化變革時代的座艙*次遭遇AI技術的沖擊，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算法的出現，對座艙芯片進一步提出的算力要求，這背后是用戶需求驅動、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信息交互的中心出入口，與駕乘者交互的時間更長，智能車對算力的需求只會變得越來越高。

　　另一方面是隨著交互精確性提升、用戶對智能應用需求增加，對智能座艙搭載算法的性能和精確度提出了新的要求，如何在確保性能的情況下盡可能搭載更多AI算法，成為新的難題。

　　據量子位觀察，相比傳統座艙芯片廠商，驍龍座艙平臺正是從這兩方面“逐一擊破”，成為如今智能車中幾乎是標配的存在。

　　單拿交互功能來看，無論是手勢、語音還是多模態交互識別，目前在不少搭載驍龍座艙平臺的智能車上都已經能看到，其核心原因還是座艙平臺上搭載的AI算法準確性和識別效率都有所提升。

　　但如果回顧智能座艙芯片的進展，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，高通不僅針對算法“早有準備”，還一直致力于提升AI算法在各平臺上應用的性能，包括改進模型大小和運行效率等等。

　　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，里面提到了一種輕量級的2D和3D手勢估計方法，通過讓模型自己意識到預測的不確定性，并在每次迭代時“重復利用”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*水平。

　　對于智能座艙而言，交互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空間的交互，也就是AI算法中的多模態融合能力。

　　然而多模態之間的關系并不好找，甚至對于AI而言，有時候更多模態(語音、視覺等)的交互并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。

　　交互功能以外，更多座艙應用也面臨著智能化變革。

　　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，即通過車鑰匙。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制語音助手、空調溫度等預設。

　　其實，AI算法和算力都只是驍龍座艙平臺提供的底層能力，至于如何利用這些能力提升車載應用和交互的準確性，也需要Tier 1和廠商發揮自己的能力和創造力，針對自己用戶的需求進行定制性開發部署。

　　例如，高通前段時間推出的AI軟件棧，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，還推廣到了其他設備如電腦、可穿戴設備上。

　　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，并在其智能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算法為例，有的車型智能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。

　　而智能座艙還只是AI創新時代，高通在智能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布局中發現，高通對于智能車領域的“AI加持”遠不止于此，還同樣體現在智駕和車路協同上。

　　03

　　還有智駕和車路協同

　　相對智能座艙的技術“爆發”，智能駕駛和車路協同更接近于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數據，也需要AI相關技術的持續創新，直到感知算法和軟硬件達到某一標準，才可能落地并最終量產。

　　以智能駕駛場景為例，目前通過傳感器數據提供冗余已成為應對智能駕駛安全性的解決方法之一。

　　如何在積累更多長尾場景數據的同時，盡可能充分利用傳感器數據、提升融合準確率，來拔高智能駕駛模型面對突發情況的“適應能力”，是決定智能駕駛技術能否落地的關鍵。

　　如在這次的成都車展上，中國*搭載Snapdragon Ride平臺的長城魏牌摩卡DHT-PHEV激光雷達版首次亮相。

　　這輛新車搭載2顆125線激光雷達、5顆毫米波雷達、12顆超聲波雷達、12顆高清攝像頭等多達31個傳感器，以確保行車安全性，然而Snapdragon Ride平臺不僅hold住了這么多傳感器所需的算力，而且通過*的能效表現對這些數據進行處理。

　　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傳感器融合進行了研究，結合攝像頭和激光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。

　　至于車路協同，則需要進一步提升定位精度和信號傳輸能力，來提升汽車在道路上行駛的安全性、降低定位延遲并提升準確性。

　　例如在ICC上的一篇論文中，高通就提出了一種基于無監督學習提升環境定位的方法，能做到在2D環境圖里的中值誤差在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。

　　再加上驍龍車對云服務，上述四大板塊組成的整個驍龍數字底盤，便是高通在智能汽車領域的整體架構布局，涵蓋汽車智能化所需的座艙、車載網聯、智能駕駛和云服務關鍵數字化板塊，這其中的核心，仍然是其擅長的高性能、低功耗計算和無處不在的連接。

　　如今高通的AI技術外溢到汽車場景，并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，智能座艙和智能駕駛本就密不可分，如今在AI計算和5G連接等前沿技術的驅動下更是趨于融合。

　　硬件上，隨著智能座艙芯片性能提升，可以將多余的算力提供給智能駕駛算法，從而進一步容納算力需求更高、性能更優的模型;

　　軟件上，智能駕駛算法的應用，又會進一步提升智能座艙的使用時間，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，那么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。

　　在這個萬物智能互聯的全新發明時代，高通正是基于AI這個*基礎性的技術，結合5G、C-V2X(蜂窩車聯網)等連接技術優勢，在汽車產業中構筑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周期浪潮。

　　未來智能汽車產業走向，或許也能通過這些技術得以預測。