隨著汽車的電動化、智能化、網(wǎng)聯(lián)化和共享化的不斷推進落地，越來越多的新技術、新產(chǎn)品應運而生，我們之所以能在智能車領域看到如今百花齊放的景象底層原因是技術的不斷進步，簡單來說就是科技的賦能。

我們想知道車為何能夠自動駕駛就需要先了解什么是融合感知、車路協(xié)同、大算力芯片、高精地圖等等技術的內(nèi)涵；想知道電動車續(xù)航的上限在哪，就首先要看看電池技術到了一個什么樣的地步，4680電池，無鈷電池、固態(tài)電池、CTP/CTC、刀片電池、800V平臺等等；另外像車輛的電子電器架構(gòu)、信息安全、熱管理系統(tǒng)、混動技術、燃料電池技術這些龐大而復雜的技術如同底層地基一般決定著未來智能汽車的上層建筑。

在我們展望2022年車圈有哪些新的進展時，我們不妨先圍繞三項重點技術做一下盤點和解析，一是大算力芯片；二是800V高壓SiC平臺；三是多域融合的中央計算架構(gòu)。這三大塊內(nèi)容是2022年迎來強勢發(fā)展和規(guī)模上車的關鍵技術，讓我們挨個聊一聊。

1 1000TOPS大算力計算平臺迎來量產(chǎn)裝車元年

這一年我們似乎經(jīng)常聽到算力TOPS這個詞，芯片廠商絞盡腦汁地提升自家產(chǎn)品的算力指標，各家車企也在不斷標榜自家的車可以實現(xiàn)整車所少算力的性能，似乎馬力不再是描述一輛車性能好壞的唯一標準，算力在如今這個智能車時代也已走到了舞臺中央。那么究竟什么是算力呢？

算力其實簡單來說描述的是一顆芯片的計算能力，TOPS是算力的單位，1TOPS代表處理器每秒鐘可進行一萬億次(10^12)操作，聽起來是不是非?？鋸?。其實我們可以類比人類的大腦，人的大腦一般有100億個神經(jīng)元，神經(jīng)元越多也意味著越聰明，那么車要想替代人類來思考就得有更為強大的計算能力幫助我們識別和預測道路上變化莫測的環(huán)境，提升我們駕駛的安全性。因此芯片算力越大，能處理和應對的場景和功能就越多，在緊急和復雜場景下能幫助我們的能力就越強。

在去年年底廣州車展發(fā)布的沙龍機甲龍整車算力達到400TOPS；

蔚來的ET7/ET5配備了包括5個毫米波雷達、12個超聲波雷達、1超遠距高精度激光雷達在內(nèi)的33個高性能傳感器，在四顆英偉達Drive Orin芯片的加持下，總算力高達1016 TOPS；

這還不算完，長城WEY摩卡在毫末智行聯(lián)合高通研發(fā)的“小魔盒3.0”的加持下算力將會達到驚人的1440 TOPS。

但需要弄清一點上千TOPS的算力不是指單顆芯片而是由多顆芯片集成的一個超大算力平臺，上面我們提到了蔚來的超算平臺ADAM達到了1016TOPS是因為有四顆單片算力達到254TOPS的Orin芯片加持；因此我們也對目前主流芯片場上的芯片算力做了一個統(tǒng)計匯總，看看各家芯片都到了一個什么樣的水平：

通過統(tǒng)計表我們可以發(fā)現(xiàn)目前在自動駕駛域，英偉達的Orin芯片是已量產(chǎn)芯片中算力最大的，國產(chǎn)品牌中以黑芝麻的華山2號A1000Pro為首達到了單片算力196TOPS，黑芝麻智能COM楊宇欣就曾表示：“軟件定義汽車的前提是硬件先行，只有將硬件的性能和算力預備充足，后續(xù)的軟件才能快速實現(xiàn)迭代升級和擴展功能的應用?！?/span>

因此黑芝麻的發(fā)展戰(zhàn)略就是硬件先行，盡可能大的鋪算力，就像許多追求缸數(shù)和馬力的性能愛好者一樣，馬力不一定用得到，但必須要有。但任何事都具有兩面性，預埋的算力空間雖然給足了，那么成本必然會上去，就看車廠和消費者愿不愿意為這部分預留算力埋單了。

當然國產(chǎn)芯片廠地平線也是十分出色的，去年發(fā)布的征程5芯片達到了128TOPS，并且地平線CEO余凱曾多次表示，地平線并不單純追求物理算力，而更看重深度神經(jīng)網(wǎng)絡算法在芯片上的計算效率，即FPS（Frames Per Second）?？此剖且环N更為走經(jīng)濟路線的意味。

另外目前在自動駕駛的芯片領域國外的三巨頭英偉達、高通、英特爾Mobileye的實力仍舊不容小覷，在CES 2022展會上，這三家也都拿出了看家的本事，英偉達宣布了有更多公司將采用其開放式的DRIVE Hyperion平臺，像沃爾沃高端品牌極星、蔚來、小鵬、理想汽車、R 汽車和智己汽車均已采用DRIVE Hyperion。

該平臺包括高性能計算機和傳感器架構(gòu)，可滿足完全自動駕駛汽車的安全要求。最新一代的DRIVE Hyperion 8 采用了冗余的NVIDIA DRIVE Orin系統(tǒng)級芯片、12個環(huán)繞攝像頭、9個雷達、12個超聲波模塊、1個前置激光雷達和3個內(nèi)部感知攝像頭打造。

這套系統(tǒng)具備很強的安全冗余，即使在一臺計算機或傳感器發(fā)生故障的情況下，備份設備也可確保自動駕駛汽車將乘客安全帶到目的地。

高通在自動駕駛領域推出Snapdragon Ride平臺，能夠滿足L2+/L3級別的自動駕駛需求。高通近期也宣布了多項合作動態(tài)，包括助力通用汽車打造凱迪拉克LYRIQ、助力寶馬打造其自動駕駛平臺。同時，高通在展會上宣布擴展其技術組合，以應對自動駕駛領域不斷變化的需求。

英特爾的Mobileye更是一連發(fā)布了三顆芯片，分別是EyeQ Ultra，EyeQ 6L和EyeQ 6H。也算是吹響了反攻的號角。

未來芯片的算力將會是智能汽車發(fā)展的基石，只有算力不斷突破，才能使智能車的智能上限拉的更高。

2 800V高壓SiC平臺將成為車企的法寶

前面我們說的芯片算力高低決定了一輛車的智能水平，那么接下來我們要聊的技術就是決定一輛電動車充電快慢的能力。

要知道充電慢已經(jīng)成為了許多電動車用戶的一大痛點也是勸退很多用戶想要嘗試電動車的罪魁禍首，雖然目前也有換電技術能極大提高補能效率，但由于成本高、推廣難度大等原因制約著其發(fā)展。因此快充是目前發(fā)展?jié)摿ψ畲笠彩亲羁赡艹蔀橹髁鞯囊环N解決方案。

首先我們要知道充電快慢是由充電功率決定的，那么我們回想一下高中的物理知識，功率=電壓×電流，即P=U*I，所以想要提高充電功率的途徑只有兩條，要么增大電壓，要么提高電流。

因此從而發(fā)展出兩條技術路線，一是以特斯拉和極氪為代表的大電流派，二是以保時捷為代表，其他眾多廠商緊隨支持的高電壓派。先簡單說一下大電流派，這個流派最大的難點就是由于電流升高導致的發(fā)熱問題，同樣引入發(fā)熱公式：Q=I^2Rt，可以看到發(fā)熱量會隨電流的提升而呈指數(shù)倍的增長，因此如何散熱成為了發(fā)展難題，以特斯拉為例，在V3超充樁上以250Kw的功率充電，最大電流可以高達600A，發(fā)熱量可想而知，但特斯拉應用水冷充電槍以及多種熱管理配合使得這一問題得以解決。并且特斯拉選用大電流為發(fā)展方向的原因還是成本控制問題，因為高壓平臺的元器件會使整車成本上升，以特斯拉目前不斷下探的價格可以看出，高電壓顯然有些背道而馳了。

那么接下來說回主題高電壓平臺。傳統(tǒng)的電壓平臺一般是400V，高壓平臺目前是將電壓提升到800V甚至更高水平，高電壓可以有效解決大電流的發(fā)熱問題，低電流+高電壓需要配套高壓充電樁和車端的高壓適配方案。

充電端：充電槍、接觸器、線束、熔絲等部件要更換升級成耐高壓材料。

車端：車輛本身的動力電池，空調(diào)壓縮機、電驅(qū)動、PTC、OBC、DC/DC等面向高壓平臺的零部件都要進行新的設計和調(diào)整，以適應新的高壓平臺。

充電端的升級還好說，但是車端的元器件升級則需要新的技術支持才能實現(xiàn)。之前說到大電流的難題是發(fā)熱問題，那么高電壓的限制因素就是目前車規(guī)級的元器件IGBT(Insulated Gate Bipolar Transistor)，即絕緣柵雙極型晶體管。

它的耐高壓能力不足，因此就需要選取新的能耐高壓的材料來替代現(xiàn)有部件，這個新材料就是SiC碳化硅。

SiC器件工作溫度在200℃以上，工作頻率在100kHz以上，耐壓可達20kV，這些性能均優(yōu)于傳統(tǒng)硅基IGBT；SiC器件的體積為IGBT整機的三分之一至五分之一，重量是IGBT的40%-60%；還可提升系統(tǒng)的效率，在電動汽車不同工況下，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在電動汽車上的成本占據(jù)約7%-10%，是除動力電池之外成本第二高的電動汽車配件。如果采用SiC，目前同一級別的SiC MOSFET的成本約是IGBT的8-12倍，并且耗損也大于IGBT。所以，如果用高電壓平臺，如何控制成本也將成為困擾車企的一大難題。

除了我們前面提到保時捷的Taycan已經(jīng)使用了800V高壓平臺，許多國產(chǎn)品牌也在加速布局。例如像新發(fā)布的小鵬G9將搭載800V SiC平臺，并配合480Kw高壓超充樁。

長城沙龍機甲龍也支持高壓平臺，另外像比亞迪、東風嵐圖、吉利汽車、廣汽埃安、理想汽車、北汽極狐等眾多品牌都將加入到高壓平臺的陣營當中。

因此無論是大電流和高電壓都是為了提升我們補能的效率，但以目前來看800V的SiC高壓平臺有望成為主流，眾多車企也將搭載上車這一平臺，因此今年也將是800V SiC高壓平臺的發(fā)展元年，雖然還有諸多難點有待解決，但我們可以看到市場的前景是十分不錯的。

3 汽車電子電氣架構(gòu)由分布式架構(gòu)向多域融合發(fā)展

聊到這個話題首先我們需要了解什么是電子電氣架構(gòu)也叫E/E架構(gòu)，這個架構(gòu)是指整車電子電氣系統(tǒng)的總布置方案，即將汽車里的各類傳感器、處理器、線束連接、電子電氣分配系統(tǒng)和軟硬件整合在一起，實現(xiàn)整車的功能、運算、動力及能量的分配。

通俗來講我們車輛的四輪驅(qū)動、安全氣囊、防抱死系統(tǒng)、升降車窗再到收音機車載娛樂系統(tǒng)等等功能的實現(xiàn)都需要在這個架構(gòu)上完成，并且控制各個功能實現(xiàn)的是一個叫ECU的部件，ECU是指電子控制單元也稱“行車電腦”，ECU的功能相對單一，基本就是一個ECU實現(xiàn)一個主要功能，那么可想我們車上有那么多的功能就需要幾十種的ECU來控制，因此在早期的E/E架構(gòu)中是分布式的形式，各個ECU通過CAN和LIN總線連接在一起，現(xiàn)在由于自動駕駛以及智能座艙的普及，車里如果還用分布式ECU來控制，那么對于芯片數(shù)量，整車成本以及安全性都提出了很大難題，因此用一個或幾個“大腦”來操控全車的ECU與傳感器的架構(gòu)，DCU（Domain Control Unit），即汽車域控制器也就應運而生了。

目前域控制器典型的是分為動力總成，底盤控制，車身控制，自動駕駛, 智能座艙這5個主要的域。每個域有一個主要的高性能的ECU，負責處理域內(nèi)的功能處理和轉(zhuǎn)發(fā)。域內(nèi)部一般使用低速總線，各個域之間使用高速總線或者現(xiàn)在用的比較多的車載以太網(wǎng)互聯(lián)。

這些域控制里面比較受關注的就是自動駕駛域控制了。過去一套ADAS系統(tǒng)，要有好幾個獨立的ECU才能實現(xiàn)。比如車道偏移和交通識別ECU, 前向碰撞預警ECU, 泊車輔助ECU, 盲區(qū)檢測ECU。有的還有全景環(huán)視ECU, 后防碰撞預警ECU 等等，現(xiàn)在有了自動駕駛的域控制器后，一個域就能實現(xiàn)全部功能了，大大提升了底盤的集成度和功能的集中控制。

未來E/E架構(gòu)的發(fā)展會以 分布式域集中式中央計算式的方向發(fā)展：

分布式架構(gòu)：該架構(gòu)下，ECU與實現(xiàn)的功能存在對應關系。

域集中式架構(gòu)：該架構(gòu)對ECU實現(xiàn)了進一步的集成，引入DCU（domain controller unit，域控制器）。

中央計算式架構(gòu)：該架構(gòu)對DCU實現(xiàn)了進一步的集成，所有DCU融入一臺中央計算機。功能與元件之間的對應關系不復存在，由中央計算機按需指揮執(zhí)行器。

在域集中式到中央計算的過程中，還有一種過度的形式就是目前許多車企都在嘗試的垮域融合。當前形成了兩種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：三域架構(gòu)。三域架構(gòu)將全車劃分為整車控制（vehicle domain controller, VDC）、智能駕駛（ADAS domain controller, ADC）、智能座艙（cockpit domain controller, CDC）三大功能域，分別實現(xiàn)車輛行駛、自動駕駛、信息娛樂等功能。像大眾MEB平臺的E3架構(gòu)、寶馬iNEXT車型架構(gòu)、華為CC架構(gòu)等均屬于此類。

按位置融合：按照汽車的物理空間，將全車劃分為多個區(qū)域，如左車身域、右車身域等。線束數(shù)量能夠大量減少，釋放更多物理空間。特斯拉、豐田等均屬于此類。

總之未來的發(fā)展方向一定是向著降熵的方向發(fā)展，分布式意味著復雜、混亂度高，逐級整合最終走向統(tǒng)一管理會使得熵值降低，意味著降本增效，意味著能拓展更多的功能。