汽车迈入极卷时代，智能驾驶差异化竞争已经成为车企追求的焦点。作为智能驾驶的基石，汽车芯片的能力很大程度上决定了整车系统的上限。

今年以来，整个智驾行业以飞一般的速度向前推进，不仅上半年L2/L2+级辅助驾驶渗透率提升至40%，L3也有望提前到来。如此节奏，在带来汽车产业“质变”的同时，也给行业抛出了一些新问题。

比如在内卷、降本、大模型上车等诸多议题之下，智能驾驶要如何摆脱同质化竞争、实现技术创新？底层芯片要怎样赋能智驾方案，满足更为复杂的算法和功能要求，缩小与国外的距离？软硬件如何更好地协同发展？本期“芯向亦庄”系列「热点对话」，邀请了捷豹路虎中国自动驾驶及智能辅助驾驶副总裁邢斌，宏景智驾创始人兼CEO刘飞龙，辉羲智能市场副总裁刘奇，为旌科技运营副总裁赵敏俊，将共同致力于“描绘”一个汽车芯片与智能驾驶的新未来。

高阶智驾由“震荡期”走向提速

从简单的ADAS，到行泊一体规模化上车，再到城市NOA进入元年，中国智能驾驶在这几年跑出了“加速度”。本期参与热点对话的行业专家一致认为，国内L2功能现在已经较为成熟，但是一些高级别的智驾产品，还是处于发展的早期阶段。

邢斌将目前中国高级智能驾驶行业形容为“震荡期”，他认为，现在有些功能用户的体验已经不错，但像是城市场景的L2+功能其实还没到一个可用的程度。

刘飞龙认为，“不同的功能定义可能对应在不同时期或者说不同级别的不同时期。现在L2是相对标准化的产品，已经到稳定期。L2+的行泊一体、高速体验等有做的好的，有做得不好的，其实还在调整期；再往下像城市场景，比如记忆行车、城市NOA等还属于发展早期，”

目前，L2功能在终端市场的快速普及也证明了这一点。根据盖世汽车研究院数据，今年上半年，中国L2级自动驾驶功能的渗透率已经达到40%，成为市场主要的驾驶辅助方案。

不难发现，经过多年发展，整个行业已慢慢从相对激进的态势走向从L2往L3循序渐进的过程，更为强调落地与实际需求。为旌科技运营副总裁赵敏俊也谈到，“现在进入到了一个相对务实的阶段。大家开始真正的去思考商业，怎么去真正把产品做扎实，然后能够上车，使得这个车跑起来，真正实现所想象的那些功能。”

值得一提的是，虽然当前市场距离L3及更高阶智驾的真正落地尚有一段距离，但是最近关于L3新政策的出炉，直接给智能驾驶行业吹响了一个加速奔跑的积极信号。

11月17日，四部门发布关于开展智能网联汽车准入和上路通行试点工作的通知，一方面将加速智能网联汽车产业化进程，推动L3提前到来；另一方面也将推动智驾逐渐成为标配，并有望迎来新的“质变”。

邢斌谈到，L3到来的速度超出了其预期，而得益于政策的刺激，预计L3会从10年往前推进到5~7年，也有可能更快。

然而不可忽视的是，新规在加速L3进程的同时，背后也会带来一系列的挑战，尤其当前新出来的L3政策细节还不是特别明确，另外高阶智驾本身在技术上面临的挑战也不容小觑。

邢斌直言，城市场景的L2+本质上还是L2级辅助驾驶，里面并不需要一些冗余，主要由人来负全责。而L3的定义是由车来处理复杂场景，对车的要求极大提升。

在刘飞龙看来，除了整车层面要加强冗余之外，对于智能驾驶系统来讲，不仅是硬件层面，冗余软件也要更为强大。“L3它应该是在指定的驾驶条件下，如ODD下实现无人驾驶，或者说司机可以不管车。”

就以自动驾驶发展过程中颇为争议的责任认定为例，当事故发生时，由于系统和人为因素交织，责任认定困难。而L3的一个标志就是系统接管车辆。邢斌指出，这就需要车企完整记录事件，提供支撑材料判定责任方，背后要做很多的数据记录、数据管理以及数据运营等一系列工作，所以复杂度是完全不一样的。

在这些挑战面前，高阶自动驾驶究竟要如何能走向无人驾驶，今年最热话题——大模型上车被普遍认为或是一个突破口，当然随之而来的也有难题需要解决。

“Transformer处理文字和视觉的强大能力，有潜力建立整个world model。具体到自动驾驶，Transformer在车端的推理的上限很高，但是也会带来巨量的数据与成本难题。”刘奇谈到。

邢斌也深有同感，他坦言，大模型上车对车企来说在一定程度上降低了感知的门槛。但由于软件模型的趋同，更加凸显了数据的重要性。因此车企不得不去思考两大问题。一是如何获取大量的数据，尤其是对于销量并不是特别大的车企；二是成本问题，要如何通过最高的效率获取最高质量的数据。

某种程度上，效率与成本高度相关，降低数据采集的资源浪费，背后指向的其实也是当前热议的智驾发展挑战与降本问题。

智驾升级拉高芯片需求上限

智驾越是迈向高阶，场景应用就越复杂，这也意味着更庞大的数据处理需求。作为性能的承载，芯片被赋予“厚望”。很大程度上，芯片的能力决定了智驾系统的上限。不仅车企对系统的芯片算力预留有所要求，随着L3的加速推进，芯片算力的上限要求也将进一步被拉高。以NOA为例，一般高速NOA对算力的需求大约在30-100TOPS之间，城市NOA则在要200TOPS往上。

刘奇强调，“像高等级的自动驾驶采用BEV+Transformer，现在已经是一个公认的范式，而且开发的过程也变成了数据闭环这种方式，所以对芯片的神经网络处理能力等要求会非常高。”

那么，芯片要如何去迎接这些算力与性能挑战？刘奇的观点是要用创新的计算架构来高效匹配先进模型，为数据闭环的实现、高级别算法演进奠定强大的算力底座。这意味着SoC架构不仅要支持当前的AI模型，还要能够适应未来的算法演进和新的计算需求。

赵敏俊进一步表示，芯片需要做更多前瞻性的工作。他谈到，一颗芯片研发周期非常长，至少一年以上，因为车规芯片要进行可靠性测试等，往往更久。“我们更多希望去跟主机厂、Tier 1交流，他们对场景和需求理解更深入，就可以反馈给芯片，大家一起定义出好用的芯片。而且我们在设计产品的时候往往还要考虑可扩展性，这是很关键的。此外，也会更多按照L4的标准去做L3芯片，这样才能给到Tier 1、主机厂更多的冗余，有更多可操作的空间应对不断升级的场景需求。”

不过，需指出的是，对于芯片算力的提前布局，也不是越超前越好。邢斌直言，芯片作为一种硬件，相对软件的迭代周期要长一些，“基本上我认为每两年芯片可能会翻一番，或者它的算力会跳一次。如果说（布局）超前5年，但可能两年之后新的芯片出来性能更好，可能也没有必要。所以有一定的超前，但是不能超前太多。”

此外，受制于摩尔定律，芯片的工艺在不断接近物理极限，算力堆砌到一定程度也面临着物理极限以及成本问题。

“当前的汽车芯片市场与早期的手机市场比拼CPU核数有所类似，汽车芯片则是比拼算力。我们始终认为芯片最大的挑战是如何把计算的效率发挥出来，而不是简单的堆砌算力，这是最关键的，也是芯片公司真正要去做解决的问题。”赵敏俊表示。

内卷之下，如何思考自研边界

谈起智能驾驶，不得不提全栈自研。全栈自研固然可以帮助车企建立技术壁垒、提高竞争力，更好地满足客户需求，但并非所有的车企都能担负全栈自研的成本与精力，那么自研的边界在哪？

邢斌认为，找准自己的定位，对车企来说非常重要。像是体量大的车企若有余力可以进行全栈自研，而对于其他车企，则需要有针对性的掌控核心领域，讲究投入与价值回报。

而在刘飞龙看来，车企是否需要全栈自研，可从两个维度去衡量：自研的必要性，以及自研效率和成本。相对来说，高级智能驾驶系统的资源投入的必要性较大，如城市NOA系统，而在中低阶层面可以更多依赖供应商的标准化产品。前者可利用先进的产品技术达到优秀的用户体验，占据差异化竞争优势，后者可以实现分工协作与规模化降本。

事实上，“高阶自动驾驶如城市NOA的这种开发模式，不是以往开发成本的概念。”刘奇强调。他进一步指出，“开发出来后还有大量的成本。其中数据才决定了性能的上限，但是数据是非常大的成本项目。这个东西又跟自动驾驶将来的商业模式有关。什么时候能把自动驾驶变成一个可持续的收入，可能这个事情就完全打通了。但在目前这种状态下，可能还是要先把这个功能跟性能做起来，才有人买单。”

而在市场激烈的内卷下，除了整车厂与Tier1在部分领域的边界逐渐模糊，芯片与算法公司的边界也日渐模糊。为了支持实现更好的系统性能，当前芯片厂和算法公司实际都在互相“跨界”。

针对这一现象，刘奇解释道，“芯片公司去做算法的根本逻辑是为了让我们的客户更好地用芯片，其次是为了缩短芯片进入市场的时间。”

刘飞龙也坦言，“芯片公司做算法软件跟Tier 1做量产级软件还是有些区别的。芯片厂要做原型设计来证明芯片潜力和大概设计框架，但是大量数据迭代、整机成本优化是供应商的价值，这里面需要很多打磨。”

在赵敏俊看来，产品体验一定是上下游一起做起来的，都想全部自研，某种程度上是一种资源的浪费。“软件和硬件要深度协同但又不能完全耦合，既要通过深度协同定义出更好发挥软件的芯片，又不能因为完全耦合而导致客户产品失去差异化。我们始终认为，未来生态圈的主流趋势是开放共赢。”

当前，芯片的国产化已经成为一条非常清晰的赛道。尽管国外芯片巨头依然占领本土车用半导体芯片市场，但国内基于智能驾驶领域的提前加码，在芯片层面与国际巨头的差距也在逐渐缩小。

行业专家纷纷表示，像是最复杂的SoC芯片，虽较国际一流企业还是有一定差距，但国内目前已经有了很大的进步。像是AI芯片、自动驾驶芯片以及算法等，国内这几年也走得非常快。在这些领域，国内是有望追赶并最终超过对方的。但同样不可忽视的是，国外对智驾产品功能的精细度打磨，对产品质量和技术先进的要求，实际要高于国内，这也是国内需要改善的地方。

综合来看，中国汽车产业已经走上了以技术变革、产业重构、生态融合的发展新阶段，中国也逐渐开启了以智驾技术反哺外资的新局面。伴随L3政策松绑、大模型上车，智驾行业从底层芯片到整车厂正以更快的速度迭代升级，并在一系列机会与挑战中，试图共同描绘一个全新的未来蓝图。