2023年的上海车展，对于智能驾驶貌似少了前几年的疯狂，前几年大家疯狂的卷算力，卷摄像头像素，卷激光雷达数量，喊进军城市领航辅助，喊L4自动驾驶。但今年基本没有主机厂大张旗鼓的卷配置，大力宣传智能驾驶功能，L4智能驾驶公司只有可怜的一两家单独参展而且更偏重于重卡或者商用专用领域。在供应链端方面更多的是喊出低成本（少传感器，少算力）快速落地的方案支持上量。

那么

智能驾驶产业目前是什么现状？

(资料图)

智能驾驶供应链的难点有哪些？

需要怎么样的智能驾驶供应链？

本文将结合从业经验和认知对以上三点进行分享，希望能够带来一些信息和启发。

智能汽车，目前共识的就是智能化的基础电子电气架构正在由分布式向域控发展未来走向中央处理器方向。

传统的分布式电子电气架构基本各项功能一套传感器的方式，一个处理器ECU，一个执行机构的方式，甚至很多功能都不需要数字化的传感器和处理器，根本无法实现高效率综合体量的智能，因为所有的功能都需要得到数字的映射，而低延迟，高度融合的感知和控制正是智能汽车的技术基本。

当前智能汽车根据消费者需求和车辆本身的特性裂分出两大智能域控：

第一个是开放的娱乐系统域需要将互联应用世界带入汽车让汽车形成第三空间，这个基本上很多技术可以来自于手机智能家电行业。

第二个是安全时效的移动出行域也就是智能驾驶域，其实智驾域按照移动出行的速度低速和高速需求分为泊车和行车两套系统，但趋势就是行泊一体，以视觉主导的智能驾驶，基本原则都是传感输入，AI处理，路径规划，控制，所以行泊一体可以高效利用算力资源，保持传感以及输出的低延迟和高度融合。

当然这两个域也不是最高效的，中长期趋势也是融合，如之前文章《2000TOPs的英伟达和高通要把智能汽车带向何方？》介绍过英伟达以及高通都竞相发布了几千TOPs的芯片，当然还有老牌intel也暗暗发力。

所以电子电气架构的域控发展从车端打通行驶环境，车和用户数据流，而大数据云将环境，用户，企业串联形成大数据闭环，创造了软件定义汽车的基础，给了企业，用户，资本在人工智能时代带来无限的想象空间。

但是，2022年以福特和大众烧完超过 30 亿美元的投资后退出了做自动驾驶L4的Argo AI为高峰，国内各类做L4的智能驾驶公司都转向降维做L2为标志,可以看到智能驾驶资本和产业都弥漫寒气。汽车产业的巨头有说“无人驾驶都是扯淡”，也有说“无人驾驶是忽悠”（当然其实这两位大佬都说的是无人驾驶，同时他们都表示辅助驾驶是必然），还有说智能驾驶10年内的主流都是无限停留在L2。

而从消费者方向我们明显可以感受到，多家曾经在媒体上早早demo的城区领航辅助和记忆泊车等高阶智能驾驶功能确迟迟不能落地。媒体上秀的各类一镜到底零接管的高阶智能驾驶到实际使用却在很多关键时刻直接“甩手”给驾驶员，弄的消费者实际使用体验不但不轻松还得时刻精神紧绷。

所以从产业，资本和客户感知来看，智能驾驶功能可能中短期停留在L2+，客户感知提升进入瓶颈期，但基于AI的智能驾驶却是汽车电子发展以及AI技术发展的大势所趋，根据Gartner预测智能驾驶产业发展已经经历了起伏波动在未来十年都是健康爬升。

到了2023年一场“价格战”席卷整个汽车行业，让众多追求智能驾驶应用的汽车企业猛然发现“诗和远方”并不是企业的归宿，企业成立的目的是盈利，所以智能驾驶都在寻找智能驾驶体验和成本之间的最优比，于是有人喊出高阶智驾成本应该占整车的3-5%。

所以智能驾驶虽然有了电子电气架构和AI技术应用的趋势推进但是面对客户感知的提升和成本下降的压力，智能驾驶产业中各方供应链依然不是拿到技术的船票就能到达目的地的。

智能驾驶供应链的难点有哪些？

汽车这一波智能化下，催生出众多的智能驾驶供应商，在国内是百舸争流，千帆竞发，但国内绝大部份智能驾驶供应商都是从IT，手机，软件等起家，他们都有智能驾驶方案的概念和可行性方案，都有demo车型在进行测试，但很少有智能驾驶量产落地的经验，可是智能驾驶到量产上车显然不是demo那么简单。

一个成熟的技术可行性方案要上车量产必须经历以下步骤：

概念和可行性，基本上大部分智能驾驶创业公司都完成这一步，都有自己可行性的demo，最典型的就是起的大早的百度，在2017年之前就收割了一大批联合demo。但demo仅仅代表这个方法是可行的。

工程以及验证测试， 工程以及验证测试是上车的第一步，将概念和可行性第一次融入到整车。第一次供应商和主机厂进行碰撞，构建基于整车的prototype，整车方面需要思考将概念落地，需要进行哪些软硬件的变更和匹配，这个阶段engineering 就是detail。例如传感器和新的域控放哪里？整车功耗是否能够满足？整车冷热管理是否能够满足？新功能软件以及硬件是否满足整车功能安全设计？功能是否满足客户需求？还有很多不同主机厂的整车独特的要求，这一关是非常重要的核心，也是量产最难点。

设计验证测试，有了工程可实施性之后，就是真正的融合上车了。这个阶段需要冻结绝大部分设计方案，让智能驾驶和整车和谐，确定了零件的sourcing方案，确定了所有时间，财务，客户需求目标完成。

试制，这个阶段基本算是靴子落地了，在工厂内部进行量产之前的试制，开始确认所有供应商的PPAP，确认所有的零部件装配流程，为量产做最后的零件质量，装配设备确认和调试，物流流程畅通等。

量产，基本上项目结束，更多的是物流以及品控和优化降本。

而要当前新智能驾驶供应链上车基本上都会卡在工程以及验证测试这一关，这里是软件芯片等与汽车最大鸿沟所在的地方，如果智能驾驶供应链不熟悉汽车以及汽车开发，那么很难，主机厂和供应商合作的prototype样车将会困难重重；如果主机厂不开放包容，那么项目将举步维艰。可以看到很多智能驾驶供应商索性自己撸起袖子造起车来了，但是以小鹏汽车为例就可知，以智能驾驶方案牵头造车将会是一条很难走的路。

所以，技术方案和客户需求（主机厂以及消费者）匹配，方案和成本的冲突，量产关系和能力都是智能驾驶当前的难点。

需要怎么样的智能驾驶供应链？

那么什么样的智能驾驶供应链如何破局，什么样的智能驾驶供应链是当前汽车产业所需的呢？

首先是有灵魂的智能驾驶方案，智能驾驶“灵魂”之争的故事早就出现在智能驾驶主机厂和供应链之间，其实这个灵魂的核心是“数据”不管是软件定义汽车还是AI其实本质上都是基于对数据的挖矿去寻找客户价值以及自身企业服务入口。所以智能驾驶供应链需要能够打通数据流，也就是通俗的打通全栈，梳理好智能驾驶硬件软件和云，确保数据流方案明确，主机厂或者客户可以清晰明确拿到或者看到数据的流向，从而确保有“灵魂”，可用可控的“灵魂”。

其次是可升级可泛化的智能驾驶方案，智能驾驶是物联网以及算法软件在汽车产业落地的场景之一，我们在智能消费电子时代不管是用户还是开发都深深的烙上了可升级的概念，所以智能驾驶产业一样，消费者希望可升级的功能，主机厂希望可升级和可泛化的硬件和软件方案来确保自己可以快速响应快速发展和变化的客户需求和市场。

最后是灵活的方案以及以客户为中心的服务，汽车由于零件多，供应链长，主机厂特别是在消费者拥有强势口碑和品牌的主机厂很多时候都不希望被零部件供应商打包锁定，所以他们总喜欢看到供应链灵活多样的选项；也希望他的供应链也像他以客户为中心的服务

总结

Jack认为智能驾驶在过去几年的高速发展下，进入一个比较良性的稳定竞争期。

一方面，汽车在电子以及物联网技术发展的大背景下催生网联化的趋势明确，电子电气架构发展为软件定义汽车打通传感器，域控制器，系统，云等大数据流通的通道，为智能驾驶奠定了大量提升渗透率的空间。

另一方面，自动驾驶功能长时间停留在L2+的客户感知，受技术以及法规等发展现状限制，其提升进入瓶颈期，为大红大紫的智能驾驶，带来了一丝冷静。

最后汽车行业正在面临新一轮的品牌洗牌，其中表现为价格战，也为智能驾驶戴上了成本需求的紧箍咒。

所以对于智能驾驶的发展，渗透率的提升是明确的，但是对于智能驾驶功能配置，成本的平衡和能否高效量产落地却是当前主机厂以及供应链在智能驾驶竞争中的重点，谁能赢好智能驾驶下一波却是需要思考和均衡好以上几点。

参考文章以及图片

*未经准许严禁转载和摘录

关键词：