近几年，特斯拉从采用供应商的“重软硬一体化”方案，过渡到自研算法结合第三方芯片的“轻软硬一体化”方案，最终实现了自研芯片的“重软硬一体化”。如今，国内的蔚来、理想、小鹏等公司也遵循了类似的路径。“蔚小理”推出的旗舰车型大多基于 Orin 芯片平台，并都已宣布了芯片流片的进展，预计将在未来一到两年内搭载上车。

  随着智驾技术的慢慢的提升，无人驾驶行业软硬一体的趋势愈加明显，软硬一体化系统的大规模量产能力也慢慢的变成为高阶智驾竞争的胜负手。

  9 月 5 日，在辰韬资本联合主办的“2024 无人驾驶软硬协同发展论坛暨报告发布会”上，近 200 位产业专家、投资机构、研究机构及智能驾驶头部企业的代表探讨了软硬一体产品设计模式对于无人驾驶行业带来的挑战和机遇。

  会上，辰韬资本、南京大学上海校友会无人驾驶分会、九章智驾三方联合发布 2024 年度《无人驾驶软硬一体演进趋势研究报告》，该报告从软硬一体的定义及行业现状，软硬一体的底层原因、软硬一体的开发能力分析、软硬一体代表公司、软硬一体发展驱动力及软硬一体未来发展的新趋势等多个角度对软硬一体这一产品设计模式进行深入分析。

  尽管“软硬一体”已经成了行业内很多领先玩家的重要战略，但是目前仍没有对软硬一体给出有效的讨论范畴的定义。该报告说明，软硬—体硬件核心是无人驾驶的高性能计算芯片，并将软硬一体的讨论限定在对于无人驾驶行业生态有重大影响的核心对象：包括无人驾驶软件 Tier1、无人驾驶芯片厂商以及主机厂，描述的是公司具备的软硬件协同的研发能力和开发模式，并可提供软硬一体的产品。

  与此同时，该报告对软硬一体的形态进行了界定，并将软硬一体两种典型的形态分为“重软硬一体”和“轻软硬一体”。目前，行业内有三种不同的分工模式和开发模式。

  “重软硬一体”指由同一个公司完成芯片、算法、操作系统 / 中间件的全栈开发，基于此衍生出生态合作模式，这种模式包括海外的 Mobileye、特斯拉、Nvidia（开发中） 以及国内的华为、地平线、Momenta（开发中）等。

  “轻软硬一体”指无人驾驶解决方案公司采用第三方芯片，在某款特定芯片上具备极致的优化能力和丰富的产品化交付经验，能够最大化发挥该款芯片的潜能，这方面的典型案例包括卓驭（大疆）、Momenta 等。

  从“重软硬一体”模式衍生出的轻量化模式，将软硬耦合程度最深的 AI 算法和 SoC 芯片做深度绑定，作为标品向客户提供，其他软件模块和硬件模块由生态合作伙伴来提供。Mobileye、地平线、特斯拉在最早期采用的就是这样的开发模式。

  辰韬资本执行总经理刘煜冬表示，现在无人驾驶芯片并未达到算力非常富裕的阶段，不存在绝对的软硬分离公司或者开发模式。软硬解耦更多展现的是过程，指的是从“重软硬一体”向“轻软硬一体”转变的过程。而造成软硬—体发展变化的一大原因是成本驱动，主要有两个方面。

  第一，不管由软件公司做定制芯片，还是做深度绑定某一颗芯片优化，可以最大化发挥芯片能力，避免很多平台芯片设计带来浪费；第二，由无人驾驶公司或者主机厂自研芯片，可以明显降低单芯片成本。只要有足够芯片出货量，就可以从公司层面降低整体开销。

  对于芯片公司来讲，执行软硬一体策略必须前瞻性地关注算法的演进趋势，甚至投入较多资源和精力去搭建自研算法团队和解决算法团队。

  对于软件 Tier1 公司来说，采用平台型芯片和采用专用型芯片去应对软硬一体策略会有一些不同。采用平台型芯片，软件 Tier1 公司需考虑的点与芯片公司比较类似，要对算法和芯片技术进展保持比较激进的前瞻性关注。另外，软件 Tier1 选择一颗通用芯片的时候，需要在硬件层面留出较多余量。如果采用专用型芯片，能节约更多资源，提高性价比，所以有更高收益。但对软件 Tier1 来说，采用这种策略对芯片理解、芯片应用能力的要求会更高。

  针对软硬一体策略，整车厂考虑的维度会更为复杂。要不要做算法自研，这是整车厂长期讨论的问题，这主要根据公司定位。对于大部分新势力来讲，它们本身定位就是无人驾驶科技公司，做算法自研是自然而然的选择；对于大部分传统 OEM 来说，其更强调全栈可控，也不一定能够支撑维持大规模算法资源团队，所以倾向于从供应商的白盒合作和内部团队自研两方面去推进。

  从软硬一体策略上来讲，整车厂的选择针对不一样配置也有差异化。一般来说，针对低阶智驾配置更倾向于采用供应商软硬一体方案，比如 Mobileye IQ4、地平线E 都能够交付成熟的“重软硬一体”方案；对于高阶自驾配置来说，这通常是主机厂差异化竞争力的来源，所以整车厂会倾向于采用自研算法 + 平台型的第三方芯片“轻软硬一体”策略，或更进一步自研芯片做“重软硬一体”方案。

  而在芯片问题上，对于整车厂来说更多是经济性的考量。报告认为，自研芯片出货量低于 100 万片就可能很难投入产出比平衡。另外，整车厂自研芯片后，库存控制也会变成要重点考虑的问题。

  尽管软硬一体的方案能够为公司能够带来成本上的巨大优势以及更广阔的生存空间，但也对公司在技术能力上提出了更为苛刻的要求——执行软硬一体战略的企业一定在算法、芯片（重软硬一体）以及中间件和底软等领域有着深度的技术积累和工程经验。因此，该报告对软硬一体所一定要具有的开发能力如智驾系统算法架构、智驾芯片设计能力、智驾系统底层软件等维度结合不一样的企业案例进行深入分析。

  基于对近 30 位行业资深专家的访谈以及对历史上别的行业的情况做横向对比，报告总结了影响软硬一体策略判定的三个要素：技术成熟度、技术平权度及总收益。当满足其中一条时公司就具备考虑软硬一体的条件，满足其中两条时公司就会具有推动软硬一体的动力，如果三条全部满足则软硬一体就是公司在当前的最优选择策略。

  此外，报告对无人驾驶赛道软硬件一体不一样的参与企业，如主流芯片厂商英伟达、华为、地平线、高通；主机厂特斯拉、理想、蔚来、小鹏、比亚迪；软件 Tier1 如 Momenta、卓驭科技（大疆车载）等不一样的代表性公司当前的软硬一体策略、背后的原因、进展情况、未来趋势等进行了多维度分析。

  刘煜冬指出，整个行业走向更加深度软硬—体集成有三个条件。第一，算法技术框架有阶段性收敛。第二，不管是整车厂还是无人驾驶公司，做这件事情难度已经降低很多，得益于半导体行业中的芯片设计、IP、工具链等都已经有很成熟的生态环节。从芯片设计角度来说，技术有了平权。第三，选择做深度重软一体方案公司，到底能不能有足够出货量覆盖投入产出。

  对于软硬一体未来发展的新趋势，该报告认为，整体看来，软硬一体与软硬解耦是一体两面，最终市场会形成两者并存的态势，但是短期内，软硬一体的公司在市场上体现出更强的竞争力。

  在无人驾驶行业，软硬一体的趋势会根据自动驾驶方案的高低阶而有所不同：对低阶智驾，主机厂往往会直接采用供应商的软硬一体方案，并向标准化的方向发展；对高阶智驾算法等关键能力，主机厂自研的比例会慢慢的高；当芯片算力远大于实际应用的需求、解决方案与芯片算力的适配不再成为核心能力时，行业就具备了达到软硬解耦的必要条件。

  不过由于当前算法仍在快速迭代，对算力的需求仍处于激增状态。目前仍然是芯片算力配合算法需求进行不断提升，所以在很长一段时间内，软硬一体策略仍然会是行业主流。

  对芯片公司来说，需要持续不断做更多软件方面的投入来构建自己的“护城河”，工具链层面也需要打造更完整的生态。对整车厂来说，如果自研芯片能够实现比较好的投入产出比，整车厂也会有比较强的动力和技术实力做自研芯片。

  对于软件 Tier1 来说，由于大部分整车厂和终端客户选择智驾系统的时候，它的 T0 级决策是选芯片，并不会因为软件公司到底用哪块芯片去选。所以更好的策略是深度适配更多的芯片。如果有足够的实力自研芯片，需要更好抓住技术变化“窗口期”来发挥软件公司在需求引领和迭代方面的优势。

  今年业内在端到端布局非常多，并且都认为端到端会对芯片计算需求慢慢的升高。对于通用型芯片公司来说，应对端到端的挑战需要做计算能力更强的芯片。同时，现在端到端用到的基本神经网络架构还没有收敛。之前都做 Transformer，未来像 Mamba 以及 RWKV 等这类新的神经网络架构也在出现，专用芯片针对这样的算子去做前瞻性的布局也会获取一定的优势。

  实际上，现在市场上真正可以在一定程度上完成单芯片单板舱驾一体的芯片选择并不多，比较有代表性的就是英伟达和高通两款芯片。早期舱驾一体更多会采用“轻软硬一体”方案，由不同解决方案公司搭载在少数平台芯片上。

  具身智能可能是智能手机、智能无人驾驶后新的发展的新趋势，现在也比较像智能驾驶行业早期发展状况。早期，低阶任务机器人可能会采取了比较简单“重软硬一体”解决方案。随着生态的发展，未来会有更多不同分工以及开发模式的选择。

  2024年8月18-19日，AICon 全球AI开发与应用大会·上海站成功举办，汇聚超过60位大模型行业先锋，全方位剖析大模型训练与推理机制、多模态融合、智能体Agent前沿进展、检索增强（RAG）生成策略、端侧模型优化与应用等热点内容。经过嘉宾授权，「AI前线」为你私家整理了一份演讲PPT合集，不容错过。关注「AI前线」，回复关键词「PPT」免费获取。

  AI 应用开发、大模型基础设施与算力优化、出海合规与大模型安全、云原生工程、演进式架构、线上可靠性、新技术浪潮下的大前端…… 必须得说，QCon 还是太全面了。现在报名能够轻松的享受 9 折优惠，详情请联系票务经理 咨询。