2022智能汽车发展趋势，哪些技术将成为主流？

易车原创 回望2021在智能汽车领域我们见证了一起起大事件，我们也许会惊呼于某家互联网公司要转型造车了；感叹于某家企业宣称自家电动车续航突破1000km了；疑惑于车价上涨真的是因为缺芯导致的吗？好奇于路上一个个装着个“大帽子”的自动驾驶出租车真的和传统打车一样方便安全吗？

其实随着汽车的电动化、智能化、网联化和共享化的不断推进落地，越来越多的新技术、新产品应运而生，我们之所以能在智能车领域看到如今百花齐放的景象底层原因是技术的不断进步，简单来说就是科技的赋能。我们想知道车为何能够自动驾驶就需要首先了解什么是融合感知、车路协同、大算力芯片、高精地图等等技术的内含；想知道电动车续航的上限在哪，就首先要看看电池技术到了一个什么样的地步，4680电池，无钴电池、固态电池、CTP/CTC、刀片电池、800V平台等等；另外像车辆的电子电器架构、信息安全、热管理系统、混动技术、燃料电池技术这些庞大而复杂的技术如同底层地基一般决定着未来智能汽车的上层建筑。

在我们展望2022年车圈还会有哪些新的进展时我们不妨先围绕三项重点技术做一下盘点和解析，一是大算力芯片；二是800V高压SiC平台；三是多域融合的中央计算架构。这三大块内容将是在今年迎来强势发展和规模上车的关键技术，让我们挨个聊一聊。

01 1000TOPS大算力计算平台迎来量产装车元年

最近这一年我们似乎经常听到算力TOPS这个词,芯片厂商绞尽脑汁地提升自家产品的算力指标，各家车企也在不断标榜自家的车可以实现整车所少算力的性能，似乎马力不再是描述一辆车性能好坏的唯一标准，算力在如今这个智能车时代也已走到了舞台中央。那么究竟什么是算力呢？算力其实简单来说描述的是一颗芯片的计算能力，TOPS是算力的单位，1TOPS代表处理器每秒钟可进行一万亿次(10^12)操作，听起来是不是非常夸张。其实我们可以类比人类的大脑，人的大脑一般有100亿个神经元，神经元越多也意味着越聪明，那么车要想替代人类来思考就得有更为强大的计算能力帮助我们识别和预测道路上变化莫测的环境，提升我们驾驶的安全性。因此芯片算力越大，能处理和应对的场景和功能就越多，在紧急和复杂场景下能帮助我们的能力就越强。

在去年年底广州车展发布的沙龙机甲龙整车算力达到400TOPS;

小鹏G9达到508TOPS;

蔚来的ET7/ET5配备了包括5个毫米波雷达、12个超声波雷达、1超远距高精度激光雷达在内的33个高性能传感器，在四颗英伟达Drive Orin芯片的加持下，总算力高达1016 TOPS；

这还不算完,长城WEY摩卡在毫末智行联合高通研发的“小魔盒3.0”的加持下算力将会达到惊人的1440 TOPS。

但需要弄清一点上千TOPS的算力不是指单颗芯片而是由多颗芯片集成的一个超大算力平台，上面我们提到了蔚来的超算平台ADAM达到了1016TOPS是因为有四颗单片算力达到254TOPS的Orin芯片加持；因此我们也对目前主流芯片场上的芯片算力做了一个统计汇总，看看各家芯片都到了一个什么样的水平：

通过统计表我们可以发现目前在自动驾驶域，英伟达的Orin芯片是已量产芯片中算力最大的，国产品牌中以黑芝麻的华山2号A1000Pro为首达到了单片算力196TOPS，黑芝麻智能COM杨宇欣就曾表示：“软件定义汽车的前提是硬件先行，只有将硬件的性能和算力预备充足，后续的软件才能快速实现迭代升级和扩展功能的应用。”因此黑芝麻的发展战略就是硬件先行，尽可能大的铺算力，就像许多追求缸数和马力的性能爱好者一样，马力不一定用得到，但必须要有。但任何事都具有两面性，预埋的算力空间虽然给足了，那么成本必然会上去，就看车厂和消费者愿不愿意为这部分预留算力埋单了。

当然国产芯片厂地平线也是十分出色的，去年发布的征程5芯片达到了128TOPS，并且地平线CEO余凯曾多次表示，地平线并不单纯追求物理算力，而更看重深度神经网络算法在芯片上的计算效率，即FPS（Frames Per Second）。看似是一种更为走经济路线的意味。

另外目前在自动驾驶的芯片领域国外的三巨头英伟达、高通、英特尔Mobileye的实力仍旧不容小觑，在刚刚结束的CES 2022展会上，这三家也都拿出了看家的本事，英伟达宣布了有更多公司将采用其开放式的DRIVE Hyperion平台，像沃尔沃高端品牌极星、蔚来、小鹏、理想汽车、R 汽车和智己汽车均已采用DRIVE Hyperion。该平台包括高性能计算机和传感器架构，可满足完全自动驾驶汽车的安全要求。最新一代的DRIVE Hyperion 8 采用了冗余的NVIDIA DRIVE Orin系统级芯片、12个环绕摄像头、9个雷达、12个超声波模块、1个前置激光雷达和3个内部感知摄像头打造。

这套系统具备很强的安全冗余，即使在一台计算机或传感器发生故障的情况下，备份设备也可确保自动驾驶汽车将乘客安全带到目的地。

高通在自动驾驶领域推出Snapdragon Ride平台，能够满足L2+/L3级别的自动驾驶需求。高通近期也宣布了多项合作动态，包括助力通用汽车打造凯迪拉克LYRIQ、助力宝马打造其自动驾驶平台。同时，高通在展会上宣布扩展其技术组合，以应对自动驾驶领域不断变化的需求。

英特尔的Mobileye更是一连发布了三颗芯片，分别是EyeQ Ultra，EyeQ 6L和EyeQ 6H。也算是吹响了反攻的号角。

未来芯片的算力将会是智能汽车发展的基石，只有算力不断突破，才能使智能车的智能上限拉的更高。

02 800V高压SiC平台将成为车企的法宝

前面我们说的芯片算力高低决定了一辆车的智能水平，那么接下来我们要聊的技术就是决定一辆电动车充电快慢的能力。要知道充电慢已经成为了许多电动车用户的一大痛点也是劝退很多用户想要尝试电动车的罪魁祸首，虽然目前也有换电技术能极大提高补能效率，但由于成本高、推广难度大等原因制约着其发展。因此快充是目前发展潜力最大也是最可能成为主流的一种解决方案。

首先我们要知道充电快慢是由充电功率决定的，那么我们回想一下高中的物理知识，功率=电压×电流，即P=U*I，所以想要提高充电功率的途径只有两条，要么增大电压，要么提高电流。

因此从而发展出两条技术路线，一是以特斯拉和极氪为代表的大电流派，二是以保时捷为代表，其他众多厂商紧随支持的高电压派。先简单说一下大电流派，这个流派最大的难点就是由于电流升高导致的发热问题，同样引入发热公式：Q=I^2Rt，可以看到发热量会随电流的提升而呈指数倍的增长，因此如何散热成为了发展难题，以特斯拉为例，在V3超充桩上以250Kw的功率充电，最大电流可以高达600A，发热量可想而知，但特斯拉应用水冷充电枪以及多种热管理配合使得这一问题得以解决。并且特斯拉选用大电流为发展方向的原因还是成本控制问题，因为高压平台的元器件会使整车成本上升，以特斯拉目前不断下探的价格可以看出，高电压显然有些背道而驰了。

那么接下来说回主题高电压平台。传统的电压平台一般是400V，高压平台目前是将电压提升到800V甚至更高水平，高电压可以有效解决大电流的发热问题，低电流+高电压需要配套高压充电桩和车端的高压适配方案。

充电端：充电枪、接触器、线束、熔丝等部件要更换升级成耐高压材料。

车端：车辆本身的动力电池，空调压缩机、电驱动、PTC、OBC、DC/DC等面向高压平台的零部件都要进行新的设计和调整，以适应新的高压平台。

充电端的升级还好说，但是车端的元器件升级则需要新的技术支持才能实现。之前说到大电流的难题是发热问题，那么高电压的限制因素就是目前车规级的元器件IGBT(Insulated Gate Bipolar Transistor)，即绝缘栅双极型晶体管。

它的耐高压能力不足，因此就需要选取新的能耐高压的材料来替代现有部件，这个新材料就是SiC碳化硅。

SiC器件工作温度在200℃以上，工作频率在100kHz以上，耐压可达20kV，这些性能均优于传统硅基IGBT；SiC器件的体积为IGBT整机的三分之一至五分之一，重量是IGBT的40%-60%；还可提升系统的效率，在电动汽车不同工况下，SiC器件比IGBT的功耗降低60%-80%，效率可提升1%-3%。

但也要注意到IGBT在电动汽车上的成本占据约7%-10%，是除动力电池之外成本第二高的电动汽车配件。如果采用SiC，目前同一级别的SiC MOSFET的成本约是IGBT的8-12倍，并且耗损也大于IGBT。所以，如果用高电压平台，如何控制成本也将成为困扰车企的一大难题。

除了我们前面提到保时捷的Taycan已经使用了800V高压平台，许多国产品牌也在加速布局。例如像新发布的小鹏G9将搭载800V SiC平台，并配合480Kw高压超充桩。

长城沙龙机甲龙也支持高压平台，另外像比亚迪、东风岚图、吉利汽车、广汽埃安、理想汽车、北汽极狐等众多品牌都将加入到高压平台的阵营当中。

因此无论是大电流和高电压都是为了提升我们补能的效率，但以目前来看800V的SiC高压平台有望成为主流，众多车企也将在2022年搭载上车这一平台，因此今年也将是800V SiC高压平台的发展元年，虽然还有诸多难点有待解决，但我们可以看到市场的前景是十分不错的。

03 汽车电子电气架构由分布式架构向多域融合发展

聊到这个话题首先我们需要了解什么是电子电气架构也叫E/E架构，这个架构是指整车电子电气系统的总布置方案，即将汽车里的各类传感器、处理器、线束连接、电子电气分配系统和软硬件整合在一起，实现整车的功能、运算、动力及能量的分配。

通俗来讲我们车辆的四轮驱动、安全气囊、防抱死系统、升降车窗再到收音机车载娱乐系统等等功能的实现都需要在这个架构上完成，并且控制各个功能实现的是一个叫ECU的部件，ECU是指电子控制单元也称“行车电脑”，ECU的功能相对单一，基本就是一个ECU实现一个主要功能，那么可想我们车上有那么多的功能就需要几十种的ECU来控制，因此在早期的E/E架构中是分布式的形式，各个ECU通过CAN和LIN总线连接在一起，现在由于自动驾驶以及智能座舱的普及，车里如果还用分布式ECU来控制，那么对于芯片数量，整车成本以及安全性都提出了很大难题，因此用一个或几个“大脑”来操控全车的ECU与传感器的架构，DCU（Domain Control Unit），即汽车域控制器也就应运而生了。

目前域控制器典型的是分为动力总成，底盘控制，车身控制，自动驾驶, 智能座舱这5个主要的域。每个域有一个主要的高性能的ECU，负责处理域内的功能处理和转发。域内部一般使用低速总线，各个域之间使用高速总线或者现在用的比较多的车载以太网互联。

这些域控制里面比较受关注的就是自动驾驶域控制了。过去一套ADAS系统，要有好几个独立的ECU才能实现。比如车道偏移和交通识别ECU, 前向碰撞预警ECU, 泊车辅助ECU, 盲区检测ECU。有的还有全景环视ECU, 后防碰撞预警ECU 等等，现在有了自动驾驶的域控制器后，一个域就能实现全部功能了，大大提升了底盘的集成度和功能的集中控制。

未来E/E架构的发展会以 分布式→域集中式→中央计算式的方向发展：

分布式架构：该架构下，ECU与实现的功能存在对应关系。

域集中式架构：该架构对ECU实现了进一步的集成，引入DCU（domain controller unit，域控制器）。

中央计算式架构：该架构对DCU实现了进一步的集成，所有DCU融入一台中央计算机。功能与元件之间的对应关系不复存在，由中央计算机按需指挥执行器。

在域集中式到中央计算的过程中，还有一种过度的形式就是目前许多车企都在尝试的垮域融合。当前形成了两种主流的跨域融合方案：1、按功能融合2、按位置融合。

按功能融合：三域架构。三域架构将全车划分为整车控制（vehicle domain controller, VDC）、智能驾驶（ADAS domain controller, ADC）、智能座舱（cockpit domain controller, CDC）三大功能域，分别实现车辆行驶、自动驾驶、信息娱乐等功能。像大众MEB平台的E3架构、宝马iNEXT车型架构、华为CC架构等均属于此类。

按位置融合：按照汽车的物理空间，将全车划分为多个区域，如左车身域、右车身域等。线束数量能够大量减少，释放更多物理空间。特斯拉、丰田等均属于此类。

总之未来的发展方向一定是向着降熵的方向发展，分布式意味着复杂、混乱度高，逐级整合最终走向统一管理会使得熵值降低，意味着降本增效，意味着能拓展更多的功能。

04 写在最后

智能汽车势必在2022年迎来新一轮更为强势的飞跃与发展，我们通过这些前沿科技的的底层逻辑了解到了未来发展的大趋势，也更加期待今年我们会看到什么更新、更强的技术涌现，作为消费者我们在简单了解了功能背后的技术内含后就能在选择产品的时候更有主动性和发言权，也更能分辨哪些车企是真的有硬实力的。希望未来我们能一同见证这场智能车的革命，带给我们更加舒适、安全、酷炫的出行体验。