不久前,号称券商“一哥”的中信证券发布了一片篇堪称“卷死同行”的研报,题为《从拆解Model3看智能电动汽车发展趋势》。为何说其“卷”呢,因为中信证券研究部联合多家专业公司,耗时两个月对一辆特斯拉Model 3进行了彻底的拆解,才得到这么一篇长达94页的深度研报,可谓引起了金融行业和汽车行业不小关注。
尽管大家都普遍先调侃其“卷”,但是依然不可否认这是一篇认真且严肃的研报。其从庖丁解牛式的拆解特斯拉Model 3的角度,在E/E架构、线束与连接器、三电技术、热管理、车身等方面全面的展示并分析了其作为智能电动汽车全球领先标杆的技术细节,并指出了相关发展趋势。同时并持续且坚定的看好作为世界最大、发展最快新能源汽车市场的中国智能电动汽车产业的发展。
当然,作为一篇研报,其主要目的还是给投资策略作指导建议,但其实不仅仅从投资角度去看的话,汽车行业人和普通人看完之后估计会有一个疑问:特斯拉到底有多先进?中国的汽车企业差距有多大?
——今天,我们就一起看看中国是不是有车企或者技术,可以对标甚至超过特斯拉!
特斯拉创新的底层技术——E/E架构
整篇研报中,通过拆解一台Model 3,对于诸多我们耳熟能详的技术做了深刻的分析,比如其FSD自研芯片、4680电池、CTC电池底盘集成、一体化压铸车身等等。这些技术确实都是引领各个领域技术趋势的领先科技,也是特斯拉不断在智能化、电动化和整车生产制造方面的超强创新力的体现。
但是有一项技术的创新,为整个智能电动汽车产业带来的变革之大、影响之深,是整个行业的普遍共识,更是此篇研报作为最主要的部分放在第一Part,并花费近半篇幅去研究的——电子电气架构(Electrical /Electronic Architecture,简称E/E架构或EEA)。
E/E架构为何物?
E/E架构是干嘛的呢?其专业点解释是把汽车中各类传感器、ECU(电子控制单元)、线束和电子电气分配系统整合到一起完成运算、动力、能量的分配,进而实现整车的各项功能。是不是觉得晦涩难懂?通俗点讲,如果把汽车比作人体,那我们通常了解的车身机械结构就相当于人的骨骼,动力、转向就是人的四肢,那么E/E架构就相当于是人的神经系统和大脑了。这样就好理解了吧,汽车能不能动、结不结实要看车身和动力,但是聪不聪明就要看E/E架构了。所以,在当下消费者最能直观感受的智能驾驶、智能座舱等智能电动汽车的“聪明”能力,其背后不仅是强大的传感器和芯片,更需要先进的E/E架构作为支撑。
E/E架构的发展趋势:从分布到集中
但是汽车的E/E架构并不是生来就一蹴而就足以支撑高级智能化的,而是它正在经历了从“群雄割据”的分布式到“天下一统”的集中式的发展历程。在早期智能电动汽车到来之前的传统燃油车时代,E/E架构是分布式的,其每个ECU通常只负责控制一个单一的功能单元,彼此独立的控制着发动机、刹车、天窗等等功能,就好比你的器官和四肢都受自己的“大脑”控制一样,而非你本身的中央大脑。像这样的构成,基本素质肯定是足够的,但也一定是不够聪明的。
(奔驰的网络连接及 ECU 架构 -来自知乎答主 朱玉龙)
行业对于E/E架构的发展判断基本一致为从分布到集中,即按照分布式、域集中式、跨域集中式、整车集中式,最后车云计算模式的顺序发展(具体可见下图德勤给出的划分)。而当下新势力和转型中的传统车企都基本处于或正在转向“域集中式”E/E架构阶段,即根据功能划分出不同的域,如底盘、车身、动力、智能驾驶、智能座舱,并实现域内集中控制、域间互联。
从上图可以看出,行业下一代发展的目标是整车集中式的E/E架构,那么这就不得不提到特斯拉了。其实早在2012年的Model S时期,特斯拉就有明显的按照功能域划分,已经领先当时的其他车企很多了,但是作为E/E架构的全面变革者,特斯拉在2017年发布的Model 3上,实现了向“中央计算+区域控制”架构的迈进,可以说是在形式上“基本”成为了整车集中式的E/E架构。其最大的创新在于“区域控制”,简单来说就是其域控制器架构直接从按照“功能”划分变成了按照“位置”划分,即除中央控制器外,分前车身、左车身、右车身三个区域控制器。这样按照位置划分去控制物理位置上相近的电子电气功能,不仅直观合理,更可以降低因复杂的布线带来的生产和开发成本,但确实需要强大的软硬件能力去实现深度软硬解藕,可以说是超前领先了。
(来自汽车小将公众号)
特斯拉E/E架构的美中不足
但是为什么我说特斯拉的这套EE架构是“基本“成为了整车集中式E/E架构呢?其实是因为除了上述三个区域控制器之外的中央控制器。Model 3 的中央计算模块,只是结构上的将智能座舱MCU、自动驾驶FSD以及车内外联网模块集成在一块板子上,各模块独立运行各自的操作系统,且通信架构还是以CAN总线为主,这其实距离真正意义上的中央集中式E/E架构还有一定的距离。
(从研报中拆解的Model 3的自动驾驶域和座舱域控制器来看,其确实是驾舱分离的)
当然你会说:特斯拉都自研出FSD自动驾驶芯片了,还要怎样?确实,其FSD形成的壁垒是其他整车厂商不可企及的,但从智能驾驶和智能座舱两个域架构的宏观角度看,我国的智能电动汽车品牌还是有机会和特斯拉拼一拼的,这里我就要拿近期刚刚发布“汽车机器人“ROBO-01概念车的集度去和特斯拉比较比较了。
(集度首款汽车机器人概念车ROBO-01)
舱驾融合,是迈向汽车智能化终局的实质性一步
集度在其发布会上释放的诸多技术亮点中,不仅有最强座舱芯片高通8295和最强自动驾驶芯片英伟达Orin X,更有通过集度智能化架构JET(JIDU Evolving Technology)实现的“舱驾融合”,做到智能座舱和智能驾驶的算力共享、感知共享、服务共享,智舱域控制器可支持智驾系统失效下的系统级安全冗余,而智驾域控制器则可支持智舱3D人机共驾地图的极致AI交互。
相较于特斯拉形式上的驾&舱域控制器集中,不得不说集度提出的在功能层面上的“舱驾融合”更先进。但为什么强如特斯拉却没有这么做呢?根本原因是在于芯片。
智能座舱芯片:特斯拉vs其他 ≈ PC vs手机
我们都知道,目前在智能汽车中主导智能化的芯片分两类,智能座舱芯片和自动驾驶芯片。其中自动驾驶芯片,就如当下大家耳熟能详的特斯拉的FSD、英伟达Xavier和Orin,以及Mobileye的Eye Q5芯片等等。其中除了英伟达最新发布的、AI算力达到恐怖的254TOPS的Orin X芯片外,不得不说特斯拉单车两颗FSD共计144TOPS的AI算力,再加上其贵在自研更匹配自家软件算法,确实优秀。
主流自动驾驶芯片参数对比
而说到智能座舱芯片,技术路径就出现分歧了。特斯拉最新交付的Model Y Performance车型,其MCU 3.0座舱系统搭载的则是AMD品牌的 Ryzen CPU (4核8线程)+ Radeon GPU(8G独显)芯片组合,而这一套的前身MCU 2.0则是搭载饱受卡顿诟病Intel“阿童木”Atom A3950芯片。AMD?Intel?此情此景是否熟悉?对,这是和PC一个套路!
而目前除了特斯拉以外的高阶智能电动车,很多都采用高通品牌的智舱芯片,尤其是最近因某些车企硬件升级而讨论度颇高的8155芯片。而说到高通,大家就更熟悉了,安卓系统智能手机芯片的老大。
——所以路线差异大家就大概明白了:特斯拉和其他品牌在智能座舱上的差异,是类似PC和手机的差异。
那么,是什么差异导致特斯拉当下无法实现深度的“舱驾融合”呢?我们先从集度的“舱驾融合”说起——集度通过自研的高阶智能化架构JET,融合了电子电气架构EEA和SOA操作系统,利用全覆盖、低延时、高宽带的千兆以太网环路链接全车,以算力共享、感知共享、服务共享实现了贯穿始终的舱驾融合能力:
比如,集度创新打造3D动态人机共驾地图解决方案,即通过静态座舱地图导航和自动驾驶域捕捉到的动态感知数据融合,实现车窗外物理世界、车窗内数字世界,不仅让汽车机器人感知跑在三维地图上,更能够通过智能座舱和无界一体化大屏为驾乘人员提供一镜到底的数字化体验
同时,集度的舱驾融合备份方案,还能做到智舱随时待命,当遇到极端情况智驾失效,智舱可以第一时间接管驾驶任务,让车辆安全停车。而这一创新功能得以实现的前提,则是将由集度中国首发搭载的高通8295芯片,其具备的高达30 TOPS的AI算力,足以支撑作为智驾的冗余。
高通8295芯片到底有多强?对比当下名声大噪的8155芯片就知道了。其中,提升最为显著的即为NPU的AI算力,达30 TOPS,接近8155芯片的八倍。众所周知NPU作为ASIC芯片的一种,其带来的AI算力是专门用于支撑自动驾驶、AI深度学习等神经网络算法的,所以8295芯片作为智舱芯片,其AI算力已经接机单颗FSD芯片的一半,集度将其作为舱驾融合的底气无可厚非。
那么,现在来说特斯拉为何无法舱驾融合。其最新推出的MCU 3.0座舱系统所搭载的AMD Ryzen CPU + Radeon GPU类PC路线芯片,尽管GPU算力堪比索尼PS5达到了惊人的10TFLOPS,甚至可在车里实现畅玩3A大型游戏。但是,这套智舱芯片是匮乏由NPU所带来的专属AI算力的。尽管使用GPU也可通用于智驾的AI计算,但已经拥有强大的FSD芯片的特斯拉明显不会为了使用而使用——所以,特斯拉目前的方案就只能是舱&驾各司其职,而非深度融合。而无法深度融合,自然就做不到类似集度那样的诸多“黑科技”了——因此,说特斯拉的这套E/E架构是“基本”上的整车集中式E/E架构,也算不为过。
这样看来,集度通过其创新的智能化架构JET,融合EEA和SOA,并承载高阶自动驾驶核心功能和强大的AI能力,实现了域间&域内的全域融通,着实在智能电动汽车的E/E架构核心智能领域,做到了不输特斯拉!
08-01 17:27
08-01 17:26
08-01 17:26
08-01 17:26
08-01 17:26
08-01 17:13
08-01 17:12
08-01 17:12
08-01 16:54
08-01 16:51