“全栈自研”还是“全栈可控”？-车企自动驾驶自研趋势分析-九章智驾标准化分析报告

——车企自动驾驶自研趋势分析作者：刘嘉俊周晓成2越来越多的车企重视技术上的独立，并加大了对于自动驾驶“全栈自研”的宣传力度，从“全栈自研”字面理解看来，原先自动驾驶需要产业链上下游多方协作，而某个车企做到了一家企业目录目录Part1：自动驾驶“全栈”的构成何为“全栈”•车企自研算法的主要原因•不同车企对自动驾驶算法的布局•关于车企是否自研自动驾驶中间件的观点争议•自研原因——部分供应商产品存在诸多问题•车企自研中间件的难点及未来可能的布局方式•车企自研内核的主要原因•车企自研自动驾驶OS内核的主要难点•车企对于不同自动驾驶OS内核的选择•车企自研智驾芯片的主要原因•车企自研智驾芯片所需的能力•不同车企自研芯片的分工模式•车企自研自动驾驶域控制器的主要原因•车企自研智驾芯片所需的能力与投入•不同车企布局自动驾驶域控制器的方式•自研原因——部分供应商产品存在诸多问题•车企对数据闭环工具链的布局3.4没有真正的“全栈自研”Part1：自动驾驶“全栈”的构成——何为“全栈”目录5获取难度较大，且当前部分企业开展“无高精地图”方支持算法应用实现的AI算法框架，快速构建通用的基础功能获取难度较大，且当前部分企业开展“无高精地图”方支持算法应用实现的AI算法框架，快速构建通用的基础功能通用AI算法框架是集合主流AI算法模型的软件库，供开发必需品；当前仅有QNXHypervisor同时满足应用于量产车型且功能安全等级达到ASIL-D级，因此HypervisoBSP同时具有硬件相关性和操作系统相关高，第三方软件服务商具有较好的竞争优势，极少有车企开展自研，因此BSP不纳入自研讨论范畴。传感器等其他硬件产业链日趋成熟，均有专业供应商提应用层算法应用层算法直接用于实现自动驾驶功能和界面的软件策略AI算法框架AI算法框架感知模块计算模块云控模块其他模块系统软件计算单元（计算单元（CPU/GPU/ASIC/FPGA)承载系统硬件系统硬件摄像头摄像头毫米波雷达激光雷达GPS&IMUV2X其他传感器数据闭环工具链目录目录•车企自研算法的主要原因•不同车企对自动驾驶算法的布局•关于车企是否自研自动驾驶中间件的观点争议•自研原因——部分供应商产品存在诸多问题•车企自研中间件的难点及未来可能的布局方式•车企自研内核的主要原因•车企自研自动驾驶OS内核的主要难点•车企对于不同自动驾驶OS内核的选择•车企自研智驾芯片的主要原因•车企自研智驾芯片所需的能力•不同车企自研芯片的分工模式•车企自研自动驾驶域控制器的主要原因•车企自研智驾芯片所需的能力与投入•不同车企布局自动驾驶域控制器的方式•自研原因——部分供应商产品存在诸多问题•车企对数据闭环工具链的布局车企自研各个模块的主要原因解决产品使用的问题率低、资源分配不合理、兼容性差等问题容性及匹配度提供的工具链做“分段开发”导致的“数据孤岛”现象打造差异化能打造智驾的差以支持上层做特殊的应用•对架构进行定制，以支持车企内部的特定带来的高昂开发成本提高供应链•提高修复问题时的可控性件供应商制约发挥车企自身的优势易做自动驾驶域、座舱域、底盘域的整合•希望对安全性与稳定性进行深度优化发流程的匹配度在部分模块中，车企选择自研是在行业缺乏成熟产品阶段下的无奈之举；后续随着行业的成熟度逐渐提高，产品性能、稳定性、车规级等要求被满足，车企将更多考虑成本，如果供应商可提供足够成熟、成本更低的产品，车企选择供应商方案更具性价比。重要度高78备注自动驾驶面临的挑战：将多个不同类型的传感器数据进行融合和推理，实现有效的多模感知和融合推理在当前仍然是一个复杂的问题。备注自动驾驶面临的挑战：将多个不同类型的传感器数据进行融合和推理，实现有效的多模感知和融合推理在当前仍然是一个复杂的问题。9智驾供应商备注①车企是否自研、自研的程度均取决于企业基因，关键在于底层的驱动力，若自研能够切实提高产品开发效率、降低成本等，车企自研的自驱力便增强；②车企自研算法的核心逻辑之一在于对于数据的强把控，自研软件算法来对数据进行更好的应用。智驾供应商备注①车企是否自研、自研的程度均取决于企业基因，关键在于底层的驱动力，若自研能够切实提高产品开发效率、降低成本等，车企自研的自驱力便增强；②车企自研算法的核心逻辑之一在于对于数据的强把控，自研软件算法来对数据进行更好的应用。车企产品安全验证，若加快功能迭代的频次，潜在的风险与收益不成正比③问题修复周期不可控：车企与智驾供应商合作量产后，若出现了新的CornerCase，智驾供应商需要服务多家车企，给某一车企解决问题的资源不可控，导致解决问题的时间周期不可控能汽车时代，车企寻求新的开发模式来提高功能迭代频次与降本的平衡点除了供给矛盾之外，车企自研算法的主要原因还在于提高对数据的利用能力，使用量产车辆供应商无法满足车企迭代需求，车企自研实现更快的迭代速度•早入局者：已实现领先的算法迭代速度及优化能力•晚入局者：自研感知算法遭遇困境，要求供应商白盒交付进行学习消化产品快速推向市场倾向选择供应商方案规划算法自研控制算法强把控供应商无法满足车企迭代需求，车企自研实现更快的迭代速度•早入局者：已实现领先的算法迭代速度及优化能力•晚入局者：自研感知算法遭遇困境，要求供应商白盒交付进行学习消化产品快速推向市场倾向选择供应商方案规划算法自研控制算法强把控部分车企将合作开发作为过渡方案，培养自身能力后逐步实现自研车企与智驾方案商以投资或成立合资公司的形式促成合作开发外采作为自研/合作开发之部分车企没有资源支撑自研，选择外采采购智驾方案商服务同一车企可能多种方式并存感知算法同一车企可能多种方式并存感知算法规划算法控制算法部分/部分/纯自研①部分车企“算法自研”的方式是设立独立部门作为Tier0.5角色，由Tier0.5自研部分算法（如规划控制）并集成部分外部供应商优质算法（如感知），如果该②智驾功能体验的差异更多在规划与控制层体现，越来越合作采购观点二：车企应该自研中间件打造功能体验差异：现阶段同级别企业的应用层算法难以做到差异化，车企寄希望于通过中间件增强用户功能体验上的差异；部分车企自主掌握上层应用，可根据上层应用的观点二：车企应该自研中间件打造功能体验差异：现阶段同级别企业的应用层算法难以做到差异化，车企寄希望于通过中间件增强用户功能体验上的差异；部分车企自主掌握上层应用，可根据上层应用的需求去匹配中间件，对中间件做定制化，进而支持上层做一些特殊的应用若主机厂与供应商的开发模式或组织架构不完全匹配，主机厂在不调整下难以直接使用供应商产品，可能会导致车企相应自动驾驶项目量产进度受影响的算法足够成熟，也能够以更低成本完成由供应商提供算法向自研算法的切换合更具有优势，自研中间件后能否更好实现跨域之间的通信机制观点一：车企没必要自研中间件观点一：车企没必要自研中间件中间件是相对通用的产品：中间件并非车企实现差异化竞争的重点车企自研的中间件量产后难以协调供应商配合：车企自研的中间件若出现问题，将会涉及到上层应用以及下层硬件平台的修正，若该中间件已量产上车，上下层软硬件供应商通常不会配合处理车企方面导致的问题车企对Know-How的积累慢于中间件供应商研中间件将限制中间件应用的范围和场景（车企自研中间件的投入产出比低：中间件是偏底层的技术，如果为了实现微小的差异性而对大部分通用的基础软件进行重复投入，投入产出比低且严重降低开发效率①车企自研中间件是现阶段的过渡方案②从产业发展规律来看，中间件最终会走向标准化、通用化，中间件需要对采集回传的数据进行格式转换，转换过程中较易备注①现阶段，车企选择中间件时通常会②在定义好问题边界的前提下，发现•若合作方配合度较低、工程服务能力差，需提供实际证据证明中间件存在问题，否则陷入互相推诿的局面，耗③若车企使用的中间件为多方合作产中间件AutoSarAP功能安全要求机制多，影响SoC芯片传输效率中间件需要对采集回传的数据进行格式转换，转换过程中较易备注①现阶段，车企选择中间件时通常会②在定义好问题边界的前提下，发现•若合作方配合度较低、工程服务能力差，需提供实际证据证明中间件存在问题，否则陷入互相推诿的局面，耗③若车企使用的中间件为多方合作产中间件AutoSarAP功能安全要求机制多，影响SoC芯片传输效率中间件产品的性能好坏会直接影响上层应用开发执行时间延长任务执行执行时间被占用（少执行一次）部分供应商提供的中间件工具链不完整经典中间件产品保证功能安全自动驾驶功能扩展增加订阅和发布的机制考虑域控间的相互通讯AutoSarAP如果前期没有评估中间件需要占用的资源，在后期实际量产过程中可能会发现通信中间件负载太大，占用CPU资源和内存资源若选用标准化中间件，原型开发阶段需要耗费大量研发精力，但功能量产阶段便捷若不考虑标准化中间件，原型期可快速针对功能做出demo，在量产过程中将存在功能融&数据回传数据回传效率低干扰传输效率拖累上层应用任务互相干扰模块耦合问题负载过大原型向量产迁移的不兼容不支持SOA不同车企车企布局中间件的方式部分自研能力强的车企选择此方式不同车企车企布局中间件的方式部分自研能力强的车企选择此方式可能面度二次开发深度受限的问题供应商在提供标准产品的基础上再为车企提供半定制化服务其他厂商提供通信管理后，车企做一些抽象层的定制化开发可能面临合作配合度不够、灵活性不强、流程僵化等问题，而转向其他布局方式由智驾方案商决定a.使用芯片厂商方案商自研部分车企不关注中间件车企自研中间件的难点车企自研中间件的难点未达到较好的成熟度，而OEM的软件能力尚部科技公司的水准，因此搭建团队自研中间件终端用户并不关注自动驾驶的底层技术而更多关层，大多数车企更倾向将研发资源聚焦在可以向①部分车企在应用层软件和算法方面实力较②中间件中的日志、诊断、执行管理等模块会率先标准化，但不足以解决车企开发效率低的问题，部分追求开发效率的车企对于中间件的定制化需求强烈，将排备注②底层操作系统开发难度大、生态建立困难，并且基础软件研发周期长，投入消耗巨大备注②底层操作系统开发难度大、生态建立困难，并且基础软件研发周期长，投入消耗巨大，车载操作系统80%的市场份额被QNX、Linux等国外厂商的方案占据，进口依赖，在一定程度上带有政存在差异，包括硬件架构、感知系统、控制策略等方面；为更好地适操作系统内核，以便在架构上进行定制化。部分车企希望通过自研内核来对安全性进行深度优化，并在系统设计时充分考虑如何防止潜在的漏洞和车企自研内核的驱动力——为更好地满足OS内核的产品需求OS车企自研内核的驱动力——为更好地满足OS内核的产品需求自动驾驶系统需要快速处理感知数据并做出决策，因此操作系统内核必须提供可预测的实时调度，以确保任务按时执行并具备低延迟的响应自动驾驶系统涉及多个任务和模块同时运行，内核需要支持并发执行、任务调度和资源管理，以协调多任务环境决策和感知模块之间需要高效的实时通信和数据传自动驾驶技术更新尚未走到终局，为了满足各种算法模型的需求，操作系统内核应具备适应未来技术变化的能力，即高生态兼容性和扩展性，支持系统的升级和扩展操作系统内核必须稳定运行，避免系统崩溃、死锁操作系统内核应提供内存保护和安全机制，以防止任务干扰和未经授权的访问①对功能安全的需求将导致整体开发投入激增若要满足功能安全的需求，除自研内核外还需要做好非内①对功能安全的需求将导致整体开发投入激增若要满足功能安全的需求，除自研内核外还需要做好非内车企自研内核的难点②开发团队构建困难开发OS内核需要大量经验丰富的人才，目前行业内具有相……操作系统硬件驱动即使车企投入大量的资源与时间，自研OS内核成功，用户也无法感知到自研内核与非自研内核的区别从使用者角度而言，在OS驱动完善、解决图像数据大容量拷贝问题等前提下，不同操作系统内核对用户体验并不会带来本质的区别备注备注②部分车企对Linux内核进行改造/修否是是打开CONFIG_PREEMPT_RT后为微秒级无低高中微内核架构，具有模块化的特点优点在于代码空间小、比单内核易用但限制车企的自主性单内核架构，所有系统调用和OS服务都在同一地方，因此效率高，可充分发挥硬件性能支持不同CPU架构运行，可适配更多应用场景，有更丰富的软件库可供选择具有较强的定制开发灵活度微内核架构影响力主要在航空电子，在汽车奥迪、沃尔沃、吉利等特斯拉、蔚来、理想、小鹏、长城、比亚迪、智己等部分信息来源：国泰君安证券、智驾最前沿、电子发烧友网、公开信息16备注①车企希望通过布局汽车芯片以掌握更多研发主导权，并通过提高软件与芯片的结合效率，提高产品技术优势；其中，车企最核心的目的是实现芯片know-备注①车企希望通过布局汽车芯片以掌握更多研发主导权，并通过提高软件与芯片的结合效率，提高产品技术优势；其中，车企最核心的目的是实现芯片know-how的②自研SoC芯片无法在本质上解决芯片供应链问题，在芯片代工厂产能有限的前提下，若车企芯片需求量小，无法与其他芯片设计公司争夺产能。但车企对于大算力芯片的采购量小，因此与芯片算法工程师或团队深入参与芯片开发有利于算备注①车企自研芯片的难点一方面在于即②车企自研芯片需根据自动驾驶行业备注①车企自研芯片的难点一方面在于即②车企自研芯片需根据自动驾驶行业③部分车企的芯片团队对芯片自研并车企自研芯片的前提是对各种核心IP从而能选择合适的IP来做芯片设计构IP不能简单评估算力，需兼顾芯片带宽、外设、内存、能效比、成本等多方面，综合评估后优化对于不同IP的选择认证总流程耗时3.5~4年，认证环节耗时1.5确定产品足够的资金支持车企自研SoC芯片，出货量及流片成功率未知，获取先进制程产能的难度高于成熟的芯片设计公司功能安全异构、多核异构、多核SoC设计与优化为了提高算法与硬件架构的兼容性，提高芯片的使用效率，车企自研芯片时需要了解前瞻性的AI算法，要求车企的算法能力达到顶尖科技公司的水准提高关键性能指标——性能提高关键性能指标——性能/功率比各个组件能够协同工作晶圆制造芯片封装芯片测试全过程都一手包办的半导体垂直整合型公司没有制造能力，专注于芯片设计的公司晶圆制造芯片封装芯片测试全过程都一手包办的半导体垂直整合型公司没有制造能力，专注于芯片设计的公司备注①不同车企对芯片的自研方式开备注①不同车企对芯片的自研方式开展了各类尝试，例如与芯片厂商开展“IP授权”形式的合作。②芯片并不是一个能随便跨界的领域，后续车企的自研方式更多可能是向芯片公司选取成熟的IP来定制芯片。芯片设计晶圆制造芯片封装芯片设计晶圆制造芯片封装芯片设计芯片测试车企自研晶圆厂封装测试厂车企自研晶圆厂芯片设计环节拆分物理/时序/功耗验证A车企自研整个设计环节B所有IP均外采C等IP外采D车企逐个环节亲自挑选供应商合作采购确保对核心技术有更大的掌控力，提高技术的可靠性、性能和安全性，以便更好备注若不开展自研，车企只需要负责验收与节点跟踪，虽然可以快速、低确保对核心技术有更大的掌控力，提高技术的可靠性、性能和安全性，以便更好备注若不开展自研，车企只需要负责验收与节点跟踪，虽然可以快速、低成本拿到打包方案，但缺点在于可定制的功能相对较少，缺少创新性、个性化；若自研自动驾驶域控制器，在理想状态下成本更低，研发周期更快，配合更紧密，可以在芯片还没定版时就参与规划，产品推出更选型掌握在自身手中，能有效压低整个域控方不同车型的品牌与市场定位有不同的特点和需求，自研控制器可以更好地满足这化需求，并整合到车企的整体解决方案中，从而适应车提高车企对技术的掌控力提高车企对产品的定义能力降低成本提高产品规划的灵活性降低对外部资源的依赖备注自研域控制器不仅要面临技术上的挑战，而且还要面临一系列工程上的挑战，在量产前的阶段，自动驾驶域控制器的工程体系的复杂度和应用软件的复杂度会耦合在一起，极大拖长工期，增加开发成本。需搭建相应测试实验室对相关产品量产与成本控制的能力备注自研域控制器不仅要面临技术上的挑战，而且还要面临一系列工程上的挑战，在量产前的阶段，自动驾驶域控制器的工程体系的复杂度和应用软件的复杂度会耦合在一起，极大拖长工期，增加开发成本。需搭建相应测试实验室对相关产品量产与成本控制的能力数据周转的设计：需要有对外千兆网口、百兆网口等配置硬件电容的选型数据传输性能：避免丢包、接收数据中断等情况外形尺寸设计：满足可靠性、电磁兼容和环境试验要求前提下，将域控制器外形控制在较小尺寸范围底层软件性能：避免堆栈溢出、多核心跳数据不同步情况工具链消除bug：避免导致死机、代码刷机失败其他的设计验证：•高低温测试：-40℃到85℃循环测试；•抗振测试：加速度57.9m/s²,X、Y、Z三轴向各32小时；•IP67级防尘测试：灰尘2kg/m³,持续5小时；•盐雾突变测试：PH值盐雾6.5~7.2，高温高湿多次循环10天；•ESD静电释放测试：接触放电，正负5千伏；空气放电，正负15千伏；•电气负荷测试：过压，电源瞬断，叠加交流电，电压反向；&备注①数年时间、数百人团队、几亿元资金，是车企自研自动驾驶域控的基础投入；车企自研域控制器还将面②当前国内域控制器供应链已经足够制造效率高，基本可满足一款车几十万套域控制器的配套需求；车企在量产制造、成本控制、测试实验等方面并不具备优势，因此车企将备注①数年时间、数百人团队、几亿元资金，是车企自研自动驾驶域控的基础投入；车企自研域控制器还将面②当前国内域控制器供应链已经足够制造效率高，基本可满足一款车几十万套域控制器的配套需求；车企在量产制造、成本控制、测试实验等方面并不具备优势，因此车企将域控制器硬件生产、测试等部分交交给芯片厂商的开发费及工具链授权费用：若选择英伟达芯片，费用约几百万美元/年专业设备的购置成本：购置硬件开发测试（硬件抗振动测试、抗电磁干扰测试、高低温测试、防尘防水测试•将算法部署在域控制器•涉及10万公里的路测和•周期：4~6个月•为面向量产做准备化以及成本控制•涉及30~50万公里路测以及200万公里仿真测试确定SoC芯片选型后，需要先对芯片做周围电子元器件的搭建和通讯调试，经过多轮测试再A样测试面向量产•物理性能、电气性能验安全性等•周期：4~6个月部分新势力车企为主部分新势力车企为主•有足够的资金实力和软件人才支撑自研备注当前车企以代工的方式自研域控制器，后续随着软件模块成熟、标准化，部分车企可能会逐步将部分软件工作交给供应商。部分传统车企为主部分传统车企为主•资源不够充足，需要供应商提供硬件、底层软件和应用层软件的打包服务第一梯队第一梯队第二梯队第二梯队第三梯队第三梯队备注①自动驾驶研发流程的每一个环节，都需要与之对应的工具支撑，但数据驱动的开发流程起步晚，供应商提供的工具链效率并不高。②车企使用不同公司提供的工具链做“分段开发”，然而各环节工具链厂商只关注自身功能而不关注全局，导致“数据孤岛”现象；为提升效率，部分车企不得不自己开发工具链或寻找合作伙伴。③数据闭环工具链需要与车企的研备注①自动驾驶研发流程的每一个环节，都需要与之对应的工具支撑，但数据驱动的开发流程起步晚，供应商提供的工具链效率并不高。②车企使用不同公司提供的工具链做“分段开发”，然而各环节工具链厂商只关注自身功能而不关注全局，导致“数据孤岛”现象；为提升效率，部分车企不得不自己开发工具链或寻找合作伙伴。③数据闭环工具链需要与车企的研发流程高度匹配，这在一定程度上也推动了车企自研数据闭环工当前自动驾驶数据回传触发机制、数据上传策略不能满足后续问题分析的要求，传车牌等敏感信息去除，再统一格式寻找稀有但重要的cornercase可能需要大量人工筛选和分析，效率低下示牌和信号灯标注、语义分割等，不同类型的数据标注都要涉及到具体标注规范和标注质检流程，整体流程繁琐大规模数据的训练需要大量计算资源，模型优化和调参过程复杂，训练时间长将路测遇到的场景纳入仿真场景库时，需要手动建场景库，而手动构建效率极低使用几种仿真软件时，不同软件的场景案例库格式不能兼容、文件不能通用↓部分新势力车企尝试招募团队进行SIL仿真平台开发，但并未在该环部分新势力车企尝试招募团队进行SIL仿真平台开发，但并未在该环备注①车企受限于资源投入和当前的技术备注①车企受限于资源投入和当前的技术②车企自研工具链的优势是可以直接）；部分车企因无法得到供应商的有效支持而选择自研工具，但自研的工具在数据处理效率、操作友好性等方题，此时车企会将自研工具与第三方产品比较性能，若第三方产品性能远超自研的工具，即便价格贵也会部分车企在数据相关工具链研发方面已有投入，但价值研发工具链的难点在于支撑海量量产车辆智驾数据的应用，当前工具链可承载的上传数据量、云端存储量、数据•头部自动驾驶团队为了开发效率，不得不各自“造轮子”目录Part3：布局“全栈”不等同于“全栈自研”3.1“全栈自研”难以体现车企在自动驾驶中的实际布局3.4没有真正的“全栈自研”外采为主+团队自研为辅合作开发→逐步切换到团队自研功能需求定义→合作开发or采购车企与头部供应商围绕车型开发进行深度合作，供应商提供全链条打包外采为辅+团队自研为主外采为辅+团队自研为主部分外采+部分基于开源代码自研外采为主+部分基于开源代码自研外采为主+部分基于开源代码自研外采个别车企外采成熟个别车企外采成熟外采成熟产品外采成熟产品外采所有IP进行芯片设计外采成熟产品外采成熟产品外采成熟产品外采成熟产品生产制造委外代工生产制造委外代工供应商设计、集成、加工生产制造委外代工供应商设计、集成、加工供应商设计、集成、加工部分外采+部分自研，动态调整部分外采+部分自研，动态调整部分外采+部分自研，动态调整短期没有需求①若严格按照“全栈”的定义，即便是行业领先车企宣传的自动驾驶“全栈自研”也更多是指向对于各个模块的深度参与；部分车企布局“全栈”，但部分关键技术模块仍由供应商提供，且研发成果尚未达到量产应用的水平；大多数车成熟期发展期产业初期作为车企“自研”之外的保底方案，另一方面进行深度合作，更成熟期发展期产业初期作为车企“自研”之外的保底方案，另一方面进行深度合作，更