1. 从“单打独斗”到“强强联合”为什么L3级自动驾驶必须走合作之路最近看到小鹏汽车和德赛西威官宣合作共同研发L3级自动驾驶系统这事儿在业内其实不算意外反而像是一声发令枪标志着自动驾驶的竞争进入了一个新阶段。过去几年我们看惯了车企和供应商之间“甲方乙方”的采购关系车企出需求供应商交方案一手交钱一手交货。但到了L3这个坎儿这套玩法开始不灵了。为什么因为L3不再是简单的功能叠加而是一个需要软硬件深度耦合、系统级安全冗余、并且要能大规模量产落地的复杂工程。任何一家公司想凭一己之力从芯片、传感器、域控制器硬件到感知、规控、地图软件全栈自研不仅投入巨大而且风险极高时间窗口也等不起。小鹏汽车在智能驾驶领域的积累有目共睹从高速NGP到城市NGP其全栈自研的算法能力是国内第一梯队的。但“全栈自研”不等于“全链自造”。汽车的电子电气架构正在从分布式走向集中式核心就是“域控制器”尤其是自动驾驶域控制器ADCU。它好比智能汽车的大脑负责处理海量的传感器数据并做出驾驶决策。这个“大脑”的性能、可靠性、成本直接决定了L3系统能否上车、体验如何、以及消费者买不买得起。德赛西威正是国内在智能座舱、智能驾驶域控制器领域的头部供应商其IPU系列产品已经搭载在多款量产车型上。这次合作本质上是“最强大脑”小鹏的算法寻找“最健壮的身躯”德赛西威的域控制器硬件与底层软件是一次典型的优势互补。更深一层看这不仅仅是两家公司的商业合作更反映了行业面对L3量产难题时的一种共识性解法。L3有条件自动驾驶意味着系统要在设计运行域ODD内完全负责动态驾驶任务驾驶员可以脱手脱眼。这对系统的功能安全ISO 26262 ASIL D级要求、预期功能安全SOTIF、以及人机交互HMI提出了前所未有的严苛要求。它要求感知系统有更高的冗余和置信度决策规划系统要能处理更复杂的“边角案例”Corner Case同时还要有完备的降级策略和接管提醒。这些挑战需要芯片算力、传感器配置、硬件设计、底层软件、中间件、上层应用算法进行端到端的协同优化。一个高效的、定制化的域控制器平台是承载这一切的基础。小鹏与德赛西威的携手正是为了打造这样一个深度定制、高度融合的硬件平台为小鹏的L3算法提供一个性能与安全都“过硬”的舞台。2. 解剖L3级自动驾驶域控制器的核心挑战不只是算力竞赛提到自动驾驶域控制器很多人第一反应就是用了哪家芯片算力多少TOPS这固然重要但在这场L3的合作研发中算力只是入场券真正的挑战藏在后面。德赛西威需要和小鹏一起解决一系列比单纯堆砌算力复杂得多的问题。2.1 异构计算与资源调度让芯片各司其职现在的自动驾驶域控制器普遍采用异构多核SoC方案比如英伟达的Orin、高通的Ride平台或者地平线的征程系列。以Orin为例它内部包含CPU集群、GPU集群、以及专用的DLA深度学习加速器和PVA可编程视觉加速器。L3系统的不同任务对计算资源的需求截然不同感知融合大量并行矩阵运算适合在GPU或DLA上跑。预测与规划包含大量逻辑判断和序列决策更适合在CPU上运行。图像预处理、后处理可能由PVA或DSP处理更高效。挑战在于如何将小鹏庞大的算法模型和软件模块高效、合理地映射到这片异构计算的“土地”上这需要双方工程师对彼此的硬件架构和软件架构有极其深入的理解。德赛西威需要提供强大的底层驱动、编译器工具链和运行时库确保小鹏的算法能充分发挥芯片性能小鹏则需要根据硬件特性可能对算法模型进行量化、剪枝、编译优化甚至调整任务拆分策略。这绝非简单的“适配”而是深度的“协同设计”。一个糟糕的资源调度方案可能导致算力利用率低下实时任务延迟最终影响系统响应速度和安全。2.2 功能安全与预期功能安全构筑“双安全”防线L3系统要求达到汽车功能安全最高等级ASIL D。这意味着域控制器从芯片选型开始到硬件设计如双路供电、锁步CPU、底层软件AUTOSAR Classic/Adaptive再到系统软件都需要遵循一套完整的安全开发流程。德赛西威作为Tier-1需要主导硬件层面的安全机制实现比如内存的ECC纠错防止因宇宙射线等导致的比特翻转造成数据错误。电源监控与看门狗确保系统在异常掉电或软件死锁时能安全进入安全状态。通信链路的安全校验确保与传感器、执行器之间的数据传递可靠。而预期功能安全SOTIF的挑战更大。它关注的是系统在不存在故障的情况下由于性能局限或误用可能导致的危险。例如感知算法在极端天气下漏检了一个静止物体这不算硬件故障但会导致危险。应对SOTIF需要域控制器提供强大的数据记录和回灌能力。合作中双方很可能要共同定义一套完整的“数据闭环”系统控制器需要实时记录触发某些场景如紧急刹车、人工接管前后一段时间内所有传感器的原始数据、中间算法结果和系统状态。这些数据被传回云端用于迭代优化小鹏的算法模型。这就要求域控制器有足够的高速存储如大容量eMMC或UFS和稳定的数据导出接口。2.3 热管理与可靠性设计对抗现实世界的严酷环境一块满载运行的域控制器功耗轻松突破百瓦其产生的热量是巨大的。在夏天地表温度超过50度的机舱内如何保证控制器长期稳定工作在70度甚至更高的环境温度下是对硬件工程能力的终极考验。德赛西威需要设计高效的散热方案可能是热管散热鳍片甚至考虑液冷。这涉及到结构设计、材料学、流体仿真等一系列复杂工程。 同时汽车电子要经受振动、冲击、冷热循环、电磁干扰等严苛考验。域控制器内部可能有十几层PCB板上面密布着BGA封装的芯片任何一处虚焊或材料疲劳都可能导致系统失效。合作的深度也体现在这里小鹏需要提供真实的车辆安装位置、环境数据和使用场景德赛西威基于此进行针对性的可靠性设计与测试如三综合试验温度、湿度、振动确保这个“大脑”在车辆全生命周期内足够健壮。3. 合作研发的具体落地从需求对齐到软硬件深度耦合那么这样一场战略合作在实际的研发流程中是如何一步步展开的它远比采购一个黑盒子的域控制器复杂得多我们可以将其理解为一次漫长的“共同孕育”。3.1 联合定义阶段厘清“要什么”和“能给什么”这是所有工作的起点也是最容易产生分歧的阶段。小鹏的智能驾驶团队会带着他们对于下一代L3系统的功能定义、性能指标如感知距离、定位精度、规控响应时间、安全目标ASIL等级、SOTIF目标以及成本目标与德赛西威的工程团队坐在一起。功能清单拆解例如“在高速公路上实现自动超车”这个功能需要拆解为感知模块需在多少米外稳定识别相邻车道车辆的速度和加速度规划模块需要在多少毫秒内计算出安全超车轨迹控制模块需要对转向和扭矩进行如何精确的协调。每一个子功能都对应着对域控制器计算、通信、IO的具体需求。传感器接口定义小鹏的L3系统会采用怎样的传感器方案是纯视觉毫米波雷达还是加入了激光雷达摄像头是800万像素还是200万像素帧率是多少这些决定了域控制器需要提供多少路高速GMSL、FPD-Link或以太网接口以及接口的带宽和同步精度。软件架构与中间件双方会共同确定底层的软件架构。是采用传统的AUTOSAR Classic还是更灵活的AUTOSAR Adaptive中间件是采用ROS2、CyberRT还是联合定义一套私有协议这决定了算法模块如何部署、通信以及被管理。这个阶段输出的不是一份简单的需求文档而是一套详细的“系统需求规范System Requirements Specification”和“硬件-软件接口定义HSI”这是后续所有开发工作的“宪法”。3.2 硬件设计与联合调试把蓝图变成电路板基于联合定义的需求德赛西威的硬件团队开始进行原理图设计、PCB Layout、元器件选型与采购。这个过程并非德赛西威独立完成小鹏的工程师会深度参与评审特别是在与性能、安全相关的关键路径上。 例如在电源树设计时需要确保为AI芯片核心供电的电源轨有足够的电流余量和快速的动态响应能力以防止算法峰值算力需求时出现电压跌落导致芯片复位。这需要小鹏提供典型的和峰值的工作负载模型。 硬件样品出来后便进入紧张的联合调试阶段。这里充满了“脏活累活”信号完整性测试用高速示波器和矢量网络分析仪测量高速串行总线如PCIe Ethernet的信号质量确保眼图开阔误码率达标。电源完整性测试测量各电源轨在芯片动态负载下的纹波噪声必须严格控制在芯片厂商要求的范围内。热测试将控制器放入温箱在高温环境下满载运行用热成像仪观察芯片和PCB表面的温度分布验证散热设计是否有效。EMC测试确保控制器本身产生的电磁干扰不影响车内其他设备同时也能抵抗来自外部的干扰如手机信号、充电桩。任何一项测试失败都可能意味着硬件需要改版耗时耗力。3.3 软件集成与性能优化让算法在硬件上“飞起来”当硬件平台基本稳定后重心就转移到软件。德赛西威会提供板级支持包BSP、基础驱动、操作系统如QNX或Linux和中间件框架。小鹏的算法团队则开始进行大规模的软件迁移和集成。 这个过程的核心挑战是性能优化。最初集成上去的算法其运行效率可能只有理论值的30%-50%。合作双方的软件工程师需要携手进行深度优化编译器优化尝试不同的编译选项针对特定的CPU指令集如ARM的NEON进行优化。内存访问优化调整数据在内存中的布局使其符合缓存友好性原则减少缓存命中失败带来的延迟。任务并行化与流水线设计将感知、预测、规划等任务合理地分配到不同的计算核心上并设计好它们之间的数据流水线避免某个核心“饿死”或“堵死”。通信优化优化进程间通信IPC或网络通信的开销确保关键数据如障碍物信息能以最低延迟送达规划模块。这个阶段双方可能会共建一个庞大的持续集成/持续部署CI/CD流水线自动化地完成代码编译、单元测试、在环仿真HIL和性能回归测试。每一次代码提交都能快速看到其对系统整体性能和资源占用的影响。4. 量产背后的长尾问题测试、验证与数据闭环即使软硬件都开发完毕也仅仅意味着系统在实验室里跑通了。要真正实现L3级自动驾驶的量产上车还有两座大山需要翻越海量的测试验证以及建立能够持续进化的数据闭环。4.1 场景库构建与仿真测试在虚拟世界中“穷举”危险实车路测成本极高且无法覆盖所有危险场景。因此基于场景的仿真测试成为必由之路。小鹏和德赛西威需要共同构建一个庞大的场景库这些场景来源于真实路采数据挖掘从小鹏现有车队采集的海量数据中通过聚类分析提取出具有代表性的常规场景和风险较高的“边角案例”。标准法规场景如NCAP、UNECE等法规中定义的测试场景。逻辑性生成场景通过算法改变天气、光照、交通参与者行为等参数生成海量的衍生场景。合作的关键在于如何让这些虚拟场景在仿真环境中高效运行这需要德赛西威提供高精度的车辆动力学模型、传感器模型模拟摄像头成像、激光雷达点云生成和域控制器硬件在环HIL测试接口。仿真系统能够向域控制器注入虚拟的传感器信号并接收其发出的控制指令从而在虚拟环境中完成对整套系统的闭环测试。通过数百万甚至上亿公里的仿真测试可以快速暴露系统在极端场景下的逻辑缺陷这是实路测试无法比拟的效率。4.2 实车路测与影子模式在真实世界中查漏补缺仿真测试再完善也无法完全替代真实世界的复杂性和不确定性。因此大规模的实车路测不可或缺。搭载了联合开发系统的测试车队会在全国各种典型路况下进行测试。 这里有一个至关重要的技术“影子模式”。在测试车甚至未来量产车上L3系统会始终在后台默默地运行但它并不实际控制车辆或者在一个安全的子集内进行控制。它会将自己的感知、决策结果与人类驾驶员的实际操作进行对比。当系统判断与人类驾驶行为出现显著差异时例如系统认为应该刹车但驾驶员没有踩或者驾驶员紧急接管就会自动触发数据记录保存事发前后一段时间的所有相关数据。 这些数据是黄金。它们记录了系统“犹豫不决”或“判断错误”的真实案例。通过分析这些数据工程师可以精准地定位问题是某个传感器的标定在特定光照下漂移了是感知模型对某种罕见车型的识别置信度不足还是规划算法对某个博弈场景的处理策略过于激进这些发现将直接驱动下一轮的算法优化和模型训练。4.3 数据闭环与OTA迭代让系统“越开越聪明”上述所有测试和数据收集最终都要服务于“数据闭环”。这是实现L3系统持续进化、应对长尾问题的核心引擎。合作双方需要建立一套从车端到云端的完整数据管道车端数据触发与脱敏通过影子模式或特定触发条件采集原始数据并在车端进行必要的脱敏处理如模糊化车牌、人脸。高效回传通过5G或高速Wi-Fi在车辆空闲时如夜间充电将数据包回传到云端数据中心。云端处理与标注利用云端强大的算力对海量数据进行自动或半自动标注生成高质量的训练数据集。模型训练与验证用小鹏的算法团队基于新数据训练出改进版的感知、预测模型并在云端仿真环境中进行充分验证。OTA部署将验证通过的新模型和新软件通过空中升级OTA的方式推送到所有已售车辆上。这个闭环的顺畅运转同样依赖于软硬件的深度结合。域控制器需要具备稳定的数据记录和上传能力云端的数据平台需要能解析控制器生成的特定格式日志OTA升级机制需要确保在更新底层驱动或中间件时整个系统的功能安全和稳定性不受影响。小鹏与德赛西威的合作必须贯穿这个数据闭环的每一个环节。5. 对行业与消费者的深远影响不止于两家公司的共赢小鹏与德赛西威的这次合作其影响涟漪会逐渐扩散到整个行业和终端消费者。5.1 重塑产业链关系从“链”到“网”传统的汽车供应链是线性的、层级的。OEM主机厂指定需求Tier-1一级供应商交付总成Tier-2提供芯片等元器件。但在智能驾驶时代这种关系正在被打破。像小鹏这样拥有强大软件能力的车企需要更深地介入到Tier-1甚至Tier-2的领域去定义硬件和底层软件而像德赛西威这样的Tier-1其价值也不再仅仅是集成和制造而是向上要具备与车企联合定义产品、联合开发的能力向下要具备对芯片等核心资源的把控和二次开发能力。产业链正在从一条“链”变成一张深度交织的“网”。这种合作模式一旦跑通将会被更多车企与供应商所效仿加速整个行业L3及以上级别自动驾驶的研发进程。5.2 加速技术降本与普及L3系统目前成本高昂主要贵在激光雷达、高算力芯片和复杂的域控制器上。通过这种深度定制的合作可以避免很多“过度设计”。例如针对小鹏的算法特点可以精确地定义所需的最小算力选择性价比更高的芯片组合或者在硬件设计上做减法去掉一些用不上的接口和功能。德赛西威凭借其规模优势也能在元器件采购和生产制造上降低成本。这种合作有助于将L3系统从“豪华选配”逐渐推向“主流标配”让更多消费者能够体验到高阶自动驾驶的便利。5.3 为消费者带来更可靠、更连续的体验对于消费者而言最直接的感受将是体验的提升。由于软硬件是深度协同开发的系统的稳定性和性能潜力会更好。比如因为资源调度更优系统响应可能会更快更丝滑因为热管理设计更到位系统在长时间高温环境下性能衰减更少。更重要的是这种合作模式支撑起了强大的数据闭环和OTA能力。这意味着消费者买到的不是一辆功能固定的车而是一个能够持续学习、持续进化的智能终端。今天系统处理不好的某个匝道口或特殊天气可能在下一次OTA后就得到了显著改善。这种“常用常新”的体验才是智能汽车区别于传统汽车的核心价值。这次合作是一次重要的行业示范。它告诉我们面对自动驾驶这座技术高峰单打独斗式的“攀登”风险巨大而基于各自核心优势的“组队协作”不仅能更有效地利用资源、分摊风险更能通过深度的化学反应创造出“112”的产品竞争力。当车企的软件灵魂找到了供应商的硬件躯体并且实现了神经层面的完美融合真正的L3量产落地才算看到了清晰的路径。这不仅是小鹏和德赛西威的下一步很可能也是整个行业迈向高阶自动驾驶的必经一步。
