自动驾驶技术正在改变汽车产业。

虽然没人能准确预测无人驾驶何时到来，但在量产汽车市场，当前一些智能电动车产品已经具备了能切实提高行驶安全、降低驾驶疲劳的辅助驾驶功能。

例如，搭载导航辅助驾驶（不同厂家对其称谓不同——NOA、NOP、NGP、NOH均属此列）的车辆，能够在高速公路和城市快速路上完全由系统控制，其间包括变道、超车、加减速、上下匝道等动作一律由车辆自主完成，驾驶员要做的只是将手轻扶在方向盘上，“监督”车辆的操作。

除高速场景外，特斯拉面向城市道路的FSD Beta，当前在北美的覆盖用户已超过10万人。而在中国，小鹏汽车、毫末智行等厂商也将于今年下半年推出城市道路导航辅助驾驶。

在日新月异的功能背后，是以特斯拉为代表的新兴车企，正不断加大自动驾驶研发投入，期望通过销量的增长收集更多行驶数据，并建立云端超算能力和数据处理能力，不断加快自动驾驶算法的迭代速度，以期最终进化到L4。

这样的“渐进式”路径得到了越来越广泛的共识：

一些曾致力于直接攻克L4、以无人驾驶Robotaxi为商业目标的初创公司，选择“将L4技术降维应用于L2”，寻求与Tier1和主机厂的量产合作机会。

传统的汽车供应商巨头，一边寻求提升自身软件能力，一边通过与他方合作，向主机厂提供软硬一体的智能驾驶解决方案。

华为、百度、小米等科技企业，或是选择亲自造车，或是向车企推出了高阶智能驾驶解决方案。

在这百舸争流的智能驾驶量产浪潮中，还存在这样一股势力：他们定位于智能驾驶域控制器提供商，集传统汽车供应链的工程能力、人工智能算法能力和初创企业的灵活服务能力于一身，致力于满足整车厂迅速量产智能驾驶功能的需求。

一、为什么有需求？

讨论如何在车辆上搭载智能驾驶功能，需从汽车的电子电气架构说起。

在燃油车时代，车辆上与电子电气相关的功能由ECU（Electronic Control Unit）定义。任何一个用电子技术控制的微小功能（例如车窗开关），都由一个ECU加上与之匹配的传感器、执行器组成的独立子系统实现。

每当汽车需要增加新的功能，只需增加一个新的ECU子系统即可。

最早的智能驾驶功能也是如此：1990年代出现的ACC自适应巡航系统，即是由传感器、ECU和制动及加速执行器组成。

最开始，由于汽车上的电子功能有限，ECU子系统的数量维持在个位数，小巧的ECU芯片和纤细的线束分布在“浩瀚”的整车布置中，各得其所。但随着汽车上越来越多的机械功能实现电控，加上CAN总线系统的运用让高效电子通信成为可能，21世纪初，汽车上ECU的数量迅速增加到了数十个。

不断增多的ECU子系统带来诸多弊端：

从技术层面看，由于每一个ECU的软件都需定制化开发，功能单一，基础软件难以标准化，上层应用逻辑复杂，无法通过OTA实现功能升级，系统的上限不高。

从成本角度看，日益庞杂的线束布置，以及每一个ECU未被完全利用的算力叠加而成的浪费，使得汽车产品的成本更高、车身更重（不利于能耗），材料利用效率低下。

汽车行业当然不会坐视这样的低效长期存在，于是，分散的ECU开始相互结合，新增的功能被添加进已有的ECU中，从而节省了ECU的数量。

例如，如今汽车上的ACC自适应巡航系统，大都与AEB自动紧急制动系统共享雷达、摄像头等传感器，并共用一个ECU。

在这样的模式下，主机厂和Tier 1形成了稳定的合作关系：主机厂定义汽车的功能需求，Tier 1汇总这些需求并把一个个定制的ECU集成到子系统中，交付给主机厂。

然而，以特斯拉Model 3为代表的智能电动车的出现，给这一稳定局面带来了冲击。

为了与新兴的智能电动车产品竞争，传统汽车厂商需要在新推出的车型上搭载智能驾驶和智能座舱功能，并要具备对这些功能OTA升级的能力。

解决的办法是，将一些可共享传感器和控制器的ECU，融合到一个更大的域控制器中。域融合可以将数量繁多的ECU替换为更集成、效率更高、用料更少的功能域。同时还能基于标准化的底层软件，不断开发出新的上层应用。

对众多的传统汽车厂商来说，任务是明确的，然而实现起来并不简单。

从硬件层面看，将ECU整合成一块芯片并不难，难的是负责芯片设计的架构师，要对汽车上主要部件的功能有深入理解，这才有望设计出在长达数年的整车开发周期里能够支持不断增多的汽车功能软件的计算架构。

具备跨汽车和软件行业经验的顶级专家并不多见，因此需要有庞大的软件团队，与硬件团队进行协同开发。

任务本身的技术难度，加上需在能力体系和组织文化截然不同的团队间进行大量协调沟通，使得这项工作的复杂程度呈指数级上升。

这便是为何，直到2020年，也就是特斯拉Model 3交付三年之后，当一名来自丰田的工程师面对从Model 3上拆解下来的那个“将ADAS智能驾驶、4G通信和座舱娱乐所需的计算模块融于一体”的名为CCM（Central Computing Module）的盒子时，只能瞠目结舌地表示：“这东西我们做不出来”。

面对汽车的智能电动化竞争，日本车企抱着“半躺平”态度，但身在全球竞争最激烈市场的中国本土车企，却一刻也不能懈怠。

快速推出具备竞争力的智驾功能，是每一个中国汽车厂商的刚需。

智能电动车对Tier 1的能力提出了更高的要求，但这是一门产品形态不同于以往的汽车供应链生意。传统的Tier 1供应商有着与传统主机厂相同的难题——软件能力的欠缺倒在其次，更难克服的是多年形成的组织架构很难满足大量的协同开发所需的灵活性。

在这样的背景下，一批中国本土域控制器厂商，看到了成长为新兴Tier 1巨头的机会。

二、知行科技的解决方案

成立于2016年的知行科技，是最早专注智能驾驶前装量产解决方案的供应商之一。

公司创始人宋阳拥有在博世的十余年整车供应链经验，因此知行科技天然具备对工程化量产能力和车规级安全标准的重视，以及对BOM成本控制和硬件使用效率的敏感。

基于这样的理念，知行科技看准国产ADAS的市场机遇，打造了仅依靠1颗摄像头就实现包括ACC、AEB、LKA、TJA、TSR、LDW等基础L2级功能的量产方案iFC2.0。目前该方案已获得十多个量产项目定点，并已在五菱E300、威马E5、吉利嘉际等车型上实现量产。

在初步建立能力体系并实现从0到1的量产交付之后，针对更高阶的智能驾驶功能，知行科技分别将“行泊一体”域控制器和NOA导航辅助驾驶，列为硬件和软件层面的产品开发目标。

行泊一体

面对“行车”和“泊车”这两大类智能驾驶功能，整车厂在不同级别的车型上配置功能时，需要权衡成本与可行性，并解决不同研发部门与多个供应商之间的协作问题。

在当前分布式ECU、域控制器等方案共存并持续变化的阶段，主机厂的不同车型在开发周期中所处的阶段不同，因此采用的智能驾驶域控制器呈现的形态也各不相同。

基于功能特性、硬件选型、供应商协作关系等因素，不同厂商选择将泊车功能植入不同的域控制器。例如在一些车型上，基础的泊车辅助功能需用到座舱域的360环视影像传感器，因此被集成到了算力存在富余的智能座舱域控制器中，形成“舱泊一体”方案。

但对更高阶的泊车功能而言，将泊车与行车域相结合更为高效。例如，AVP记忆泊车在泊入车位前，需在停车场内行驶一段较长的距离，因此需用到行车功能；而行车域遇到“加塞”场景时，同样可利用泊车域的环视摄像头及超声波传感器数据提高应对能力。

知行科技认为，当前以及未来一段时期内，行泊一体架构具备以下优势：

1.可将行车和泊车的传感器数据共用，提高智能驾驶性能；

2.算力更大，且配备百兆甚至千兆以太网，可支持OTA功能迭代；

3.通过分层式软件架构实现软硬件解耦，主机厂能够方便快捷地进行差异化上层应用软件开发和迭代升级，提升开发效率；

4.降低部分硬件成本，并使域控硬件布置更紧凑、效率更高。

2021年7月，知行科技推出行泊一体域控制器产品IDC，并提供标准版IDC MID和旗舰版IDC HIGH，分别满足车企对不同级别产品的功能和成本需求。

IDC MID可适配德州仪器TDA4、Mobileye EQ5H双SoC方案，算力可达40+TOPS，采用4R5V传感器配置，并支持Mobileye REM及高精地图和定位服务。

基于这样的硬件配置，IDC MID方案可实现NOA导航辅助驾驶、HPA记忆泊车、360全景影像等功能。

IDC HIGH的规划算力达到100+TOPS，并支持外接MPU实现算力提升。摄像头将升级到8MP像素，提供更精确更远距离的感知。该方案计划于2023年底完成应用开发，将会支持复杂的高架道路和城市路口场景，并将通过逐步迭代，实现包括高速/城市快速路、普通城市道路、泊车场景的点到点智能驾驶全覆盖。

知行科技的行泊一体方案已获得国内多家头部车企的量产订单。

NOA

NOA导航辅助驾驶现已成为区分汽车产品是否具备高阶智能驾驶能力的重要标准。

在高速和城市快速路上使用NOA功能，能够帮助用户及时并入匝道、变道超越慢车、自动定速巡航，从而大幅缓解长途驾驶的疲劳感。

站在2022年中来看，在全球已交付的量产车型上搭载这一功能的汽车厂商，仍然只有特斯拉、蔚来、小鹏、理想和长城5家。

知行科技的NOA导航辅助驾驶系统目前更新到了3.0版本，计划在2022年年底配合OEM实现量产交付。

该系统可实现在高速公路及城市快速路等结构化道路上按导航自动上下匝道、自动变道、自动超车、车道保持、自动避让、巡航行驶、弯道减速、接管提醒等功能。

知行科技将其NOA功能的技术亮点归纳为以下4点：

1.精简系统：最优化精简的传感器布局，以及高度集成的域控软硬件系统，组成成本最优的解决方案。

2.计算平台：可拓展支持100+TOPS算力，依据ISO 26262 ASIL-D开发；通过仿真、结构设计和材料应用解决高功耗芯片散热问题和可靠性问题，实现多传感器在满足车规级EMC前提下的稳定信号传输。

3.算法：深度学习和多传感器感知及融合算法；大数据闭环及算法训练；传感器参数动态矫正算法解决传感器参数改变导致的性能下降；在人、车、动物等通用物体检测基础上，使用3D重建技术构建障碍物环境。

4.数据闭环：依托自建数据闭环和云平台，通过脱敏后的数据实现算法和功能迭代。

三、凭什么能成功？

放眼2022年的自动驾驶产业，激烈的竞争正在愈演愈烈。通往“L4圣杯”的拥挤赛道上，不仅有资金和技术实力强大的科技巨头、占据终端场景的出行公司和运输公司，还有每年在全球售出数千万辆汽车的新老车企，以及数量繁多的初创公司。

每一个参赛选手都在展望实现自动驾驶后的美好愿景，也都渴望率先撞线。

在汽车行业，每一个主机厂都希望自主解决智能驾驶这件事情，但面对各方局限和生存的压力，最终还是会回归到商业可行性，亦即“花多少钱能把这件事干成”。

知行科技认为，汽车产业最终比拼的是价格和效率。对于短期内无法独立实现智能驾驶研发的主机厂而言，与其不切实际地大干快上，不如借助行业的力量，把各家的专长发挥到极致，打造具有竞争力的产品。

过去主机厂与Tier 1的关系，是相对垂直化的线性关系；而在智能电动车产品形态剧烈变化的背景下，汽车供应链逐渐演变为立体网状结构——过去等级森严的Tier 1、Tier 2、Tier 3当中，挤进了Tier 0.5这样的新玩家，过去的Tier 1巨头们也在通过合纵连横，力图守住固有的地位。

在这样的变革时期，知行科技这样的“Tier 1新势力”，希望利用自身优势快速抢占市场，成长为自动驾驶赛道的新兴选手。

在接受《建约车评》采访谈及公司的竞争优势时，知行科技CTO卢玉坤表示，提早进入市场迅速积累的实际量产经验、对主机厂需求和ADAS系统的深入理解、汽车供应链和工程化能力，以及数据闭环下的算法迭代能力，是知行科技的主要竞争力。

其中，工程能力是知行科技的立命之本。

由于接口、功耗、算力等需求增多，域控制器的元器件物料数量远多于过去车上的ECU，所以要解决散热、电磁干扰、功能安全等方面的设计分析，并在满足可靠性、电磁兼容、环境试验等要求的前提下，将域控制器的尺寸控制在特定范围内。

卢玉坤举例称，过去算力较小的盒子，由于功耗在30W以下，采用自然散热即可；而对于行泊一体域控制器搭载的大算力芯片，高效的散热方案至关重要。

行业的主流方案是水冷，但具体制冷液使用什么类型，管道如何布局，如何设置合适的流速却十分考验厂商在长期研发和量产中积累的功力。

另一个例子是，只有基于对行泊一体ADAS系统的深入理解，才能在域控系统层面做出高效、精简的设计，在确保实现感知性能的前提下把传感器做到最少，从而降低成本。

在计算模块的硬件方面，同样有精简的空间。例如知行科技在行泊一体域控制器中取消了外置MCU，而将原先由MCU承担的功能软件放进了SoC中。这样的设计，需要面对内存有限、软件移植风险、短期投资回报低等问题，但长远看，在SoC芯片内部集成ASIL-D等级的功能安全岛，通过锁步方式提升SoC功能安全等级，从而实现SoC的高度集成化，将会是未来的趋势。

通过迅速量产积累落地经验、抢占市场份额，以及通过面向长远的研发投入打造更具前瞻性的设计，知行科技期望找到短期竞争与长期发展之间的平衡。

在软件层面，智能驾驶域控制器的量产落地同样考验Tier 1对技术工程化的理解。

由于智能驾驶域控制器是从2021年才开始大规模量产的新型部件，难以避免将会在未来几年内暴露出诸多问题。当问题出现时，Tier 1需要有能力把问题逐层分解下去、找到合适的团队一一解决掉。

智能电动车迭代周期缩短、产品开发进度不断被压缩，Tier 1必须具备足够的工程基础能力，才能应付时间短、任务重的局面，支持主机厂按计划推出产品。

对于自动驾驶的算法迭代，大规模、高质量的数据是最核心要素。在这方面，知行科技打造的iDalo数据闭环系统，由车端采集上传、云端管理和应用、用户端数据标注和监控三个模块组成。

针对《建约车评》关于如何解决数据来源、与合作车企之间的数据归属等问题时，卢玉坤介绍称：

“知行科技已经与多家OEM达成协议，将在多个量产项目中应用知行科技数据闭环系统iDalo，该系统由3个模块组成，分别为车端采集上传模块、云端管理及应用模块、用户端数据标注和监控模块。车辆行驶数据可通过事件触发、地理位置触发、特定场景触发等形式触发并上传，在脱敏后先通过T-Box上传到OEM的云端，而后知行科技在OEM的私有云上要求资质、做数据的筛选，并用作神经网络训练。”

2006年，英国数学家Clive Humby首次提出了“数据将是新的石油”的表述。

此后的十数年里，这一论断在多个领域被反复证实，而在基于神经网络技术快速发展的视觉感知、自然语言处理、自动驾驶乃至通用人工智能领域，这一论断同样适用。

在自动驾驶算法逐渐趋同之后，针对长尾场景的高质、海量的数据，将成为技术继续进步的最核心要素。

对于知行科技以及任何一家希望以智能驾驶Tier 1身份实现自动驾驶的企业而言，在未来3-5年内，智驾系统在终端市场的装机规模、数据收集规模、数据处理能力和依靠数据迭代算法的能力，将是取胜的关键。