本次對話内容由CMC 資本高級投資經理王旎瑞記錄并整理
以下是對話實錄 :
華逸群：首先非常感謝朱教授參與此次訪談，您在汽車領域有将近 30 年的工作經曆，汽車行業的投資熱點也不斷在變化，據您的觀察來看未來的行業發展熱點在哪裏？
朱教授：
中國汽車工業從 20 世紀 80 年代開始進入到發展壯大時期，一個階段是外資車型引進、消化到自主開發，這種模式下發展了 25 年，那個時候核心資産是資質，資質的獲得是 發改委工信部批準，擴産也是發改委工信部批準，資金的投入和資質的批準相匹配就可以了。一階段的主角是國有汽車廠，第二階段開始有民營汽車廠出現，比如比亞迪、吉利，到了最近 10 年有了造車新勢力，這個時期的投資主要判斷創始團隊的綜合能力，判斷誰是頭部車企。第三個階段新能源汽車創新，新能源汽車産業投資開始關注上遊核心零部件，最開始大家是關注的大三電的投資，包括電池、電機和電控，其中電池是比較好的投資方向，投對的人也獲得了很成功的收益，在電池領域最大的受益者是甯德時代、其次是比亞迪、特斯拉。韓國的三星和 LG 本來在消費電子時代他們的電池是領先的，但是他們在車規上做的不夠好，導緻寶馬和通用出現了召回事件，所以目前也落後了。電機領域受制于銅等有色金屬等成本問題，其實大電機是不太容易掙錢，但是車上新增了很多小電機，整體利潤都不錯。電控領域目前競争相對比較散，還沒有出現明顯的勝者。下一個階段的關注重點是智能化，估計 2 年内各個玩家會分出勝負。
華逸群：您提到下一個重點是智能化，智能化包括智能座艙和自動駕駛兩個部分，目前這兩個部分發展的狀态是如何的？
智能座艙已經通過了兩輪的技術修正，目前在應用上已經實現大量落地，現在已經到了讨論降低成本的階段。目前智能座艙是一個給汽車制造業賦能的角色，是錦上添花的角色，沒有智能座艙的車是無法銷售出去的，但是由于今年行業整體的利潤率的問題，智能座艙想要賣出行業溢價可能有一些困難。自動駕駛現在是行業下半場非常關注的闆塊，我們看到自動駕駛的首代産品是堆料做出來的，成本上存在短闆，在量産化方面是未達預期，目前正在進行行業技術的第二輪修正，整體的前景非常具有想象空間，也是汽車銷售溢價的希望。
華逸群：關于自動駕駛，我們目前觀察到的情況是，大部分企業選擇了 L2+ 的方案，您指的是這方面的修正嗎？
首先是來明确自動駕駛的分級，之前 SAE（美國汽車工程師學會）的分級是比較工程化的，按照駕駛的任務來分級，就是人和車分别管什麽。L2 ADAS 的智能是管了車輛縱向控制任務和橫向控制任務，這樣的一種智能化叫做輔助駕駛。那麽 L3 需要新增一個駕駛任務，叫做觀察環境，L2 和 L3 最大的區别就是 L2 的人類駕駛員要觀察環境，L3 的人類駕駛員可以不時刻觀察環境，可以走神了，那麽 L4 就是駕駛員可以閉眼了甚至可以無人駕駛，人類沒有駕駛任務了。回到目前大家比較關注的 L2+ 和 L3，我們想把它提一個新的名詞是監督駕駛，就是車真的是車自己開的，但是還不是自動駕駛，因爲還需要人類監督它。如果是監督駕駛，L3 與 L2+ 的駕駛體驗差不多，但是 L3 等級的自動駕駛由于功能安全的要求，成本會成倍上升，所以 L3 目前并不是一種好的商品形态。
自動駕駛第二輪技術路線的修正在某種程度上是在向特斯拉的路線靠齊，特别是在 L2+ 的領域，這個也是量産中成本要求的結果。
華逸群：目前國内在高階自動駕駛的标準出台方面進展如何？會對車企在 L3 領域的投入和銷售策略産生何種影響？
歐洲針對 L3 推出了 ECE R157 法規，但是那個法規更多是針對強準則模型自動駕駛算法的産品形态，把自動駕駛的使用場景縮小到高速公路 0-60 車速下擁堵工況的本車道巡航功能，并不是用戶最常用的場景。從應用場景上和目前的自動駕駛強 AI 算法的技術特征上，ECE R157 法規都存在硬傷，該法規的不足我國标準制定和出台的相關部門也已經充分意識到了。美國現在的開放程度是高的，加州基本都可以開放給自動駕駛運營，我國目前的 ODD 開放程度現在還做不到。在歐洲和美國标準的基礎上探索出一套符合目前技術發展前沿和我國國情的标準還需要監管部門和頭部車企的共同努力，整體來看 L3 标準的出台還需要一段時間。
車企會持續進行高階自動駕駛的投入，目前标榜自己是 L2+ 的車型，從技術角度在某種意義上已經達到了實質上更爲高階的水平。在車輛的銷售方面，即使 L3 的法規出台了，在短期内爲了規避群體性事件風險，L3 的車型可能銷售總量也比較少，更多是作爲旗艦車型和銷售标杆的存在，比如現在歐洲幾款過了 L3 認證的車型也是向指定用戶群體小範圍銷售。不過未來 L3 車型的推出可以作爲價格錨點，提升 L2+ 車型的性價比以帶動相關銷售。
華逸群：如果我們以 L2+ 作爲近期路線修正的方向，那麽與路線修正相對應的技術修正主要有哪些方面？有哪些領域是值得關注的？
從算法層面，自動駕駛的算法路線現在是有變化的。感知方面原來是訓練專業模型，需要大量的數據标注，有标簽就一定會存在 Corner case，另外也需要考慮過度拟合的問題。過拟合産生的麻煩就是隻有置信度很高的時候系統才會判定爲真，這個在 ADAS 時期是沒有問題的，ADAS 隻要求較低的誤判率，對較高漏檢率是有容忍度的，隻要不發生幽靈刹車就可以。識别物體之後要進行軌迹預測，原來 ADAS 裏面的軌迹預測是以跟蹤爲主，采取卡爾曼濾波和外推方案，基本不需要 AI。現在的算法體系在往 BEV+transformer+ 占用網絡的方向發展，在預測和規控環節加入更多的 AI 元素，倡導端到端的閉環。
從傳感器層面，早期我們看到在 30 萬以上車型的自動駕駛方案是 4 片英偉達 Orin+2-3 個激光雷達 + 高精地圖，現在上車的硬件方案的趨勢是去掉 2 片昂貴的 Orin 芯片，幹掉激光雷達和幹掉高精地圖。
傳感器方面，沒有激光雷達之後，重視攝像頭和關注 4D 毫米波雷達。攝像頭方面，ADAS 階段的 30 萬像素需要提升到 200 萬像素，新一代系統普遍采用 800 萬像素。200 萬像素其實不太夠，200 萬像素下，50 米之内的交通錐桶識别的置信度隻有不到 60%。最開始 Mobileye EQ4 爲代表的首批産品都是 200 萬像素，但是如果連交通錐桶都識别不了肯定不夠用，特斯拉的 hardware 4.0 就采用了索尼的 500 萬像素，國内的玩家基本都卷到 800 萬像素。在純視覺路線下毫米波雷達都可能被幹掉，但是 4D 毫米波雷達可以關注，現在我們在采集一個數據集，采集 800 萬像素攝像頭 +4D 毫米波搜集的數據，用 128 線激光雷達的數據作爲真值來對照。在 BEV+Transformer+ 占用網絡下的算法體系下 4D 毫米波雷達表現還不錯。首先 4D 毫米波雷達可适應 BEV 坐标，生成三維點雲；第二毫米波雷達有衍射能力，可以更好地避免鬼探頭等場景；第三毫米波雷達自帶速度維度的信息。但是也要注意的是毫米波雷達的成本是和天線數是挂鈎，天線數上升會導緻成本是級數上升。比如雖然角分辨率隻有 1 度的毫米波雷達，成本已經從 700 元降到 200 元左右，但是如果想把毫米波雷達的角分辨率提升到和激光雷達一樣的精度，成本非常不可控。另外現在 4D 毫米波雷達還沒有量産，目前都是 2 片級聯或者 4 片級聯，方案的成熟性有待提升。
沒有高精度地圖以後，高精度定位和慣性導航還是必要的。特斯拉不用高精度定位，因爲他們有自己的低軌衛星，特斯拉從 Autopilot 開始用低軌衛星進行定位精度提升，2018 年的時候定位精度是 1 米，然後 hardware 4.0 版本下定位精度可以提高到 0.35 米。我們現在如果不用高精度定位的話定位精度是十幾米，采用千尋的高精度定位之後達到 0.6 米，千尋方案下單車年費在 50 元左右，整體性價比還不錯。另一個是六軸慣性導航，某些車廠和刹車系統供應商合作的 ESC 裏面有三軸慣導（X 軸、Y 軸和 Rotation），從定位來說是足夠的，國内的基本都是上的六軸慣導，輔助駕駛階段其實是不太需要，但是未來智能底盤的發展一定是要用到六軸的，所以這個技術預埋是沒有錯的。
華逸群：那目前在智能化的發展中還有哪些趨勢是值得關注的？比如智能底盤，你怎麽看待這個概念未來的發展？
智能底盤需要一個域控，底盤的控制不是 AI 爲主的，更多是走 MPC（模型預測控制）路線。現在你看特斯拉，他的緊急控制還有提升空間，他現在刹車、轉向還需要制動、轉向系統分别發指令，制動、轉向、空懸各個系統不互聯，這種結構正常行駛的時候可以，但是遇到緊急控制的時候安全性就不行，那麽未來底盤域需要一個域控，把驅動、制動、轉向、懸架、電池管理全部放在一個控制器裏面，提高功能安全的等級。那我們可以預見未來車内 MCU 的數量是會減少的，以前一個車裏有 60-70 個 MCU，以後會大量拿掉，把系統的控制算法全部交給域控來做。
我們能看到的就是未來全面的域控化，除了自動駕駛和智能座艙兩塊芯片，底盤域控是第三塊重要的域控。至于之前的車身控制（VCU）可能就融入到智能座艙域控芯片裏面，沒必要單獨再做一個車身控制器，今年第二代的智能座艙産品中，大家已經實現了開車靠語音了，通過語音交互的方式來開窗戶、調空調、調座椅，這裏面能不能實現語音控制是一方面，敢不敢把物理的控制按鍵拿掉是另一方面，比如把車窗的控制物理按鍵拿掉，說明這個 ECU 就已經沒有了，控制功能已經上移到智能座艙域控芯片，未來随着軟件開放能力增加，是不斷給核心域控做加法。現在蔚小理已經把很多硬操作點拿掉，那車身裏面的智能座艙至少能減少十幾個 ECU，這些 ECU 和操作硬件的去除也能明顯節約成本。
華逸群：好的，關于汽車智能化與自動駕駛，這個話題還有非常多值得展開探讨。今天短暫的交流，我們也得到了非常多的幹貨。非常謝謝朱老師今天的時間，也希望中國汽車産業在智能化發展的進程中，能誕生新一批世界級的企業！
