向电动化智能化转型,技术创新是关键动力.pdf

向电动化智能化转型，技术创新是关键动力借助全球最大规模的市场优势，我国汽车产业快速实现新能源和智能网联汽车的产业化发展，引领全球汽车产业链的革新与生态重构。本次峰会上，10 余位行业大咖就电动化智能化技术创新分享各自观点。在汽车领域，科技创新正不断推动产业日新月异，电动化和智能化技术正成为重塑全球汽车产业格局的主要潮流。7 月 6 日下午，在 2023 中国汽车论坛的“第五届全球汽车技术发展领袖峰会”主题论坛上，比亚迪股份有限公司汽车工程研究院副院长刘坚坚，重庆长安汽车股份有限公司首席专家李伟，宁德时代新能源科技股份有限公司首席科学家吴凯，特来文/本刊记者 赵子垚“第五届全球汽车技术发展领袖峰会”主题论坛现场“第五届全球汽车技术发展领袖峰会”主题论坛现场电新能源股份有公限司董事长于德翔，大陆投资（中国）有限公司大陆集团汽车子集团中国区首席技术官慕容特博士（Dr.Thomas Meurers），地平线总裁陈黎明，东软睿驰汽车技术（上海）有限公司总经理曹斌，奇瑞汽车股份有限公司副总经理谷俊丽，中电金信软件有限公司智能汽车事业部总经理洪涛，联通智网科技股份有限公司数字化与信息安全部总经理关泰璐等车企、供应链、电池、芯片、封面故事汽车纵横 2023.0836软件、车联网企业代表和行业相关人士分享了对新能源汽车技术创新、智能网联发展趋势等方面的实践经验和独特看法。本次峰会由中国汽车工业协会常务副会长兼秘书长付炳锋主持，中国工程院院士、车辆工程专家、中国工程院副院长钟志华，中国工程院院士倪光南就新能源、智能网联汽车技术分别做引导发言。付炳锋表示，在全球百年不遇的大变局下，汽车行业正面临着电动化和智能化等全新时代的转型。技术创新变得尤为重要，成为推动行业发展的关键动力。钟志华认为，新能源车的核心技术、规模和技术趋势已经处于领先地位。然而，在下一阶段，还应致力于在新材料、新结构、新工艺和新装备等领域做更多贡献，不断提升新能源车的性能水平，以更好地满足消费者对于性能的追求。在倪光南看来，目前，智能网联汽车已经成为国家重点关注的新兴产业，在智能网联汽车领域，采用 RISC-V 架构的基础软件有望为车载系统提供高效、灵活的解决方案，进一步推动智能网联汽车技术的发展和应用，这将为我国汽车产业带来新的发展动力。新能源车技术创新进入“深水区”针对动力电池安全稳定性这一话题，刘坚坚表示，纯电动汽车要真正实现对燃油汽车的替代，必须朝向高安全性的方向持续发展。“从安全角度来看，磷酸铁锂电池具有较好的热稳定性，同时其不含镍钴等稀有材料，更符合当今社会资源的可承受能力，有效避免了金属原材料供应瓶颈。”此外，他也强调，行业还需要不断探索“锰铁锂”、固态电池等方面的技术进步，以构建更安全、资源丰富的新材料体系。另一方面，电池防护技术方面也需要重新构建以电池为中心的安全设计理论和方法，不断迭代升级制造工艺，提升电池在极端工况下的稳定性及可靠性。而在电池管理方面，随着云BMS相关融合创新技术的落地应用，例如“车-云-网”技术正充分利用互联网和大数据，正建立起电动汽车云端大数据安全预警平台，以实现对电池状态的实时检测和故障预警。吴凯对此持赞同观点，他认为未来结合如大数据监测和预警系统的智能技术，以实现动力电池的零事故目标完全可行。同时，他也强调任何技术的突破都不是一蹴而就，尤其是对电池这类强耦合产品，往往一项能力的提高也可能伴随着其他相关方面的下降。因此，他表示在将强化电池安全作为当前新能源汽车行业发展的首要技术目标外，针对电池的补能速度和性能衰减的研究也应是重点关注方向。对于日渐加剧的产业布局走向垂直整合还是横向协同的模式之争，李伟表示：“当前，新能源汽车还处于发展初期，技术更新快、关键系统成本占比高、供应波动大，企业适度垂直整合有助于掌握核心技术及产品迭代主动权，掌控成本、保证供应安全。”同时，他也表示，并不是所有的技术都适合自主开发。随着新能源汽车产业发展进入成熟期，“专业分工可能更有优势，效率更高、成本更精益”。就新能源汽车充换电等应用领域拓展趋势，于德翔分享了他在低碳化方面的思考。他表示随着大规模电动汽车的发展，电动汽车充电的随意性和不可控性对电网构成了巨大威胁，因此需要在大电网的支撑下，构建起充电网+微电网+储能网的新型电力系统，而非简单地依赖充电桩的布设，以解决正在大规模化的新能源发电和新能源汽车的电力问题。他强调“真正的新能源汽车要回归到新能源”，即从源头上减碳，利用电动汽车富余容量和富余寿命做好储能工作，对电网进行能量调节和储存，进一步推动能源低碳化。封面故事 2023.08 AUTO REVIEW37汽车智能化发展面临多面挑战消费者对智能化的需求正不断提升，特别是中国年轻消费者对新车智能化特性的接受程度为智能化发展提供了坚实基础。然而，考虑到汽车行业内部的不断“卷”，以及技术架构本身的不断进步，智能化需求的耦合和迭代速度正对产业发展带来挑战。如今，这种变化正在推动供应端企业对新时代汽车智能网联技术的发展有着更深刻的认识。慕容特表示，大陆集团正逐渐将智能网联技术研发从分散性的架构转变为区域性架构，并将不同领域的技术融合在一起，以建立特定区域的高性能控制器。此外，慕容特还强调整个汽车行业需要思考如何更好地应对未来智能技术的需求。在面对发展侧重点各异的多样技术时，如何找到发展的平衡点变得尤为重要。“技术选择和整合过程中，必须综合考虑复杂性和经济性，确保所选择的技术能够切实解决问题，并且具备经济效益”。车用操作系统方面。曹斌表示，解决系统跨车型适配及不同车型间迭代开发效率的关键挑战，在于能否实现软件复用。同时，为实现复杂软件组件之间的融合和集成，也需确保集成第三方软件的过程便捷性。其次，他强调“开放式创新”将意味着能否在统一平台上对操作系统开发应用，以满足不断变化的消费者需求。“因此要构建广义操作系统并形成稳定接口，通过不断的筛选、迭代、淘汰和创新，孵化出越来越多真正有价值的新特性”。智能座舱方面。洪涛认为，智能座舱的整体发展变化显著。目前，智能座舱的电子电气架构，已从过去的单一显示转变为多屏载体，整体软件架构也朝着 SOA（面向服务）方向进行转型。这种转型使得新功能开发的复杂度有所降低，在底层采用通用硬件接口后，其上层软件对于底层硬件的依赖性减少，形成复用组件。洪涛也表示，基于这种模式，未来软件走向模块化研发也将会导致更多跨域的数据分享和通信，同时芯片需求算力也将数倍提升，“因此需要在软件层面对于芯片的算力进行有“第五届全球汽车技术发展领袖峰会”主题论坛嘉宾合影“第五届全球汽车技术发展领袖峰会”主题论坛嘉宾合影封面故事汽车纵横 2023.0838效分配”。依据长安汽车在智能驾驶方面的探索经验，李伟指出目前行业内 L3 级及以上自动驾驶发展受到一些阻碍，并存在六大路线之争，包括纯视觉与感知融合、重地图与轻地图、数据驱动与知识驱动、单车智能与车路协同、跨越式与渐进式、通用化与专用化等问题。因此，在智能驾驶路线的选择上，需要综合考虑安全可行、技术可行、成本可行以及商业可行等因素。他认为未来的智能驾驶路线将趋向于采用轻地图、融合感知且有成本竞争力、基于数据+知识双驱动的发展方向。关泰璐认为汽车数据安全问题正日益加剧。随着“软件定义汽车”的发展，数据安全攻击的隐秘程度和攻击路径不断进化。攻击者可以通过TSP（第三方服务提供商）或 OEM（原始设备制造商），通过网侧、路侧、端侧等途径进行攻击，增加了数据安全的风险。“汽车数据安全问题实则是一个复杂的巨系统，涉及到车-路-云-网-边-端等多个行业环节。然而，目前大部分解决方案都集中在车端和云端，缺乏有效的融合方式，无法形成一个综合的安全防护体系。”因此，关泰璐认为构建一个整合各个环节的防护体系变得尤为重要。智能化发展应回归用户价值驱动在陈黎明看来，“用户价值驱动”是推动智能驾驶技术创新和发展的“最优解”。他表示，目前市场上智能驾驶实际性能体验差距的背后，实际上仍是技术层面的挑战。“一是现有的算法，不足以支撑复杂场景的功能和性能；二是现有硬件有效算力和其带宽，不足以支撑最先进的算法和大模型，硬件层面仍需补强；三是现有软件架构，不足以支撑高度自动化的快速迭代，使得整个开发成本高，开发周期长”。因此，对于以城市 NOA 为例的智能驾驶产品，陈黎明认为应该是一个渐进式发展逐步逼近用户体验上限的过程。当前阶段最主要的任务是对 ODD（运行设计域）进行扩展，即从单车道到多车道，从高速公路到城区，从简单场景到复杂场景，不断扩展 ODD 的使用场景。接下来，才是接管表现的提升，力求提升百万公里接管次数的极限，以进一步改善用户的驾驶体验。谷俊丽认为，智能驾驶产业应该回归到“以用户驱动”为主导的市场竞争中。在这个过程中，关键在于要使用成本可控的技术，打造成本可控的产品，并提供更佳的用户体验。同时，对于高阶自动驾驶的发展，也需要考虑如何满足政策的需求。在曹斌看来，软件开发有望为汽车产业带来全新“附加值”。随着对软件投入的不断增加，车企正在探索如何变现软件，并在车辆销售后通过增值服务持续获得软件收入。但同时也需注意的是，几乎所有的车企和零部件供应商都面临一个重大课题，即软件的复杂度持续提高。随着汽车操作系统形态朝向分布式和跨域的趋势发展，单纯依赖于域控的操作系统内核加中间件处理能力已然不足。企业需要考虑软件的组织结构和开发方法是否能够支撑，包括软件开发成本是否能在每个新车型中足够摊销以保持边际毛利率，以及能否覆盖不断增长的软件开发原材料费用等巨大挑战。AI 大模型的风潮兴起，也对汽车产业的智能网联技术发展产生深刻的影响，李伟认为，AI 的发展将对现有的发展观念、汽车技术、产品和研发形成颠覆性的影响。“首先，AI 将优化技术架构，为汽车产业带来新的可能性；其次，AI 打破了产品体验的束缚，使汽车能够成为自学习、自成长的系统；最后，AI 加持将提升研发效率，预计开发效率可能会提升30%至 40%。”综合来看，基于规则、数据和知识的驱动，大模型将全面赋能汽车行业，使技术架构更加完善，产品体验更加常新常用，同时推动研发范式实现革命性转变。