作者|周雅
假如你穿越到1900年,站在美國紐約的第五大道上,你會看到1輛汽車和99匹馬車。
▲ 圖:1900年紐約第五大道對比1913年紐約第五大道。
汽車業(yè)迎來了百年變局,電氣化是全球汽車的共同命題,無論是傳統(tǒng)車廠,還是新勢力,大家都在想方設法謀求「創(chuàng)新之路」。
在這個關鍵節(jié)點,芯片大廠恩智浦,試圖與車廠一起去共同應對這些創(chuàng)新難題。
四個巨變,看清未來局面
因為如果想在2050年真正實現(xiàn)凈零排放,全球新能源車的普及率應該超過85%。
中國已經成為了新能源車的最主要市場,去年產能在全球占比54%,相較之下,歐洲占比26%,美國占比15%。美國市場以特斯拉為首,三大車廠起步較慢,但它們決心也非常大。
在這一局面下,汽車產業(yè)鏈將處于一個隨時變化融合的環(huán)境中。恩智浦全球副總裁、新能源及驅動系統(tǒng)產品線總經理李曉鶴在“恩智浦2022媒體開放日”上總結道,行業(yè)即將發(fā)生四個變化,變化之劇烈,則可用顛覆式來形容:
▲恩智浦全球副總裁、新能源及驅動系統(tǒng)產品線總經理李曉鶴(右)與恩智浦大中華區(qū)汽車電子市場總監(jiān)周翔(左)
變化一:產業(yè)要將對汽車成本和碳排放的管理從「造車階段」延伸到「全生命周期」,更深入貫徹節(jié)能減排理念。
麥肯錫預測,到2025年,電動汽車材料生產階段排放量將占汽車全生命周期總排放量的45%。到2040年,材料生產環(huán)節(jié)的碳排放占比將達到約85%。
而汽車全生命周期成本中的排碳優(yōu)化能力,將會直接決定企業(yè)在新能源中的競爭力、成本和利潤。
變化二:汽車產業(yè)鏈正在變短。
產品開發(fā)周期也從原來的4年縮短到了2年,因此整條鏈路的響應更迅速。”李曉鶴說,這對整個行業(yè)的創(chuàng)新能力、創(chuàng)新體系、技術迭代能力都提出了更高要求。
這樣的做法,既能簡化設計,又能加快開發(fā)速度,是一種很有效的研發(fā)方式。
當然,也有不少的整車廠考慮到自身的市場定位、研發(fā)流程以及研發(fā)實力等因素,依舊選擇通過電池廠+Tier1的合作形式。
但無論是哪種開發(fā)模式,最后呈現(xiàn)出來的,會是一種百花齊放、各個鏈條并存的狀態(tài),且這種狀態(tài)將會長期共存。
變化三:新能源汽車生產平臺的造車量級將從「幾十萬輛」升至「百萬輛」,這對平臺的質量體系、供貨體系、全球支持體系、商務體系都將產生重大影響。
變化四:軟件定義邊界,造車的核心技術從鋼鐵變成軟件,那么未來造車的方式方法、迭代速度和管理模式都會發(fā)生顛覆性變化。
李曉鶴也強調,“這個市場短期內充滿了不確定性,但在中長期所有人都對這個市場的潛力沒有質疑,所以我們非??春?。”
要創(chuàng)新,也要創(chuàng)芯
不過無論如何,短時間內的不確定性,依然需要汽車產業(yè)去應對。
在電氣化領域,恩智浦是全球為數(shù)不多的以交鑰匙方案提供整體電控單元系統(tǒng)的公司,產品包括MCU微處理器、模擬前端、柵極驅動器、安全電源管理、車載網絡、傳感器等。
實際上,芯片,已經成了汽車工業(yè)牽一發(fā)而動全身的變量——從如何用好這些技術新能力,到如何保證新產業(yè)鏈的穩(wěn)定性。
缺芯的一個最重要的原因,是因為汽車電子及汽車工程的騰飛,所以真相不是汽車總芯片量少了,而是每一輛汽車對芯片的需求呈現(xiàn)幾何級數(shù)的增長。
放眼未來,汽車領域更多的創(chuàng)新,也都需要圍繞「芯片」來進行。從域控制器,到互聯(lián)汽車,到ADAS,再到新能源,未來還將出現(xiàn)更多的形態(tài),包括軟件定義汽車更加普及、百萬級EV平臺大量出現(xiàn)、出行即服務概念將涌現(xiàn),這些趨勢也對底層的芯片技術提出挑戰(zhàn)。
既要降低整個生命周期的成本和碳排放;又要延長續(xù)航里程,加快充電速度;還要掌握軟件定義汽車的新能力;最后是建立起適應百萬級產能的平臺。
首先在降低生命周期方面,恩智浦的思路是“一前一后”,制造前端是簡化部件成本、加速自動化裝配流程、延長電池的使用壽命;后端則是進一步簡化二次回收利用,幫助車企降低整個生命周期的成本;
“延長續(xù)航里程最重要的,不是把電池做得越來越大,而是把電驅能效做得越來越好”,而恩智浦通過提供800V母線電壓解決方案,提供更快的充電速度以及更少的損耗,同時提供更高的功能安全和診斷要求,利用AI和云計算,來強化及改進電池的使用方式。
,恩智浦采用了模塊化域超算、更多的仿真建模、軟件及OTA的支持等等。
,汽車的質量與供應、全球服務體系、在工業(yè)界的標準化就會顯得尤為重要。當然,如果要幫助車企實現(xiàn)這樣的價值主張,對供貨商的要求也提高了,不能只是造一顆芯片,而是能打得出組合拳:
四是有強大的汽車運營、供貨和質量管理能力。“在業(yè)內,恩智浦正是能把這四項技能做得完善的領先企業(yè)之一。”李曉鶴總結道。
恩智浦和主機廠、電池廠一起來打造創(chuàng)新金三角,這樣的結果是,恩智浦的模擬前端銷售數(shù)量產生了“幾何級”增長,累計出貨量超過1億片,在全球排名前20的新能源車企中就有10家采用了恩智浦的方案。
共性問題,共創(chuàng)解決
既然問題是復雜而多變的,那么生態(tài)合力的重要性就不言而喻了。恩智浦和李曉鶴不止一次強調,恩智浦正在通過系統(tǒng)解決方案和客戶一起做創(chuàng)新。
但電池系統(tǒng)的定義不能孤立在車身之外,它的演進其實是沿襲著軟件和數(shù)據(jù)的演進,而軟件數(shù)據(jù)的演進則取決于整車的電子電氣架構。
具體而言,隨著算力及云越來越普及,域控制器的軟件會向上集成,從而電池包中的軟件含量會減少,大部分的關于BMS的軟件與處理能力,會進入域控制器甚至超算單元中,并進行合理分層。
“無軟件電池就是這么一個概念,以前電池中要有微處理器,算法在電池中執(zhí)行,然后再通過CAN與域控制器連在一起。而通過域控制器及邊緣控制器,算力可以更集中,維護也更加方便。”為此,恩智浦正在與客戶協(xié)力打造更智能的電池管理芯片,從而幫助客戶降低電池包里的軟件量,適應整體電氣架構的遷徙,比如恩智浦已經開發(fā)了一系列CAN轉換為BMS菊花鏈的網關,顯著降低了節(jié)點微處理器的算力消耗。
同時,恩智浦也與初創(chuàng)公司、大學正在圍繞云計算的BMS系統(tǒng),通過云計算、物理模型、物理建模、人工智能等新技術,可以更準確地估算電池的剩余電量以擴充里程,更準確估算電池的健康狀況以提高安全性和二次利用的效率。
上文已經提到,在電池的生命周期成本中,排碳優(yōu)化是一個很重要的因素,這個因素會直接決定企業(yè)在新能源中的競爭力、成本和利潤。而恩智浦正在利用光通信技術,降低BMS的連接線束,從而實現(xiàn)輕量化、易組裝等特點。
“未來一定是百花齊放的,最后選擇何種通信協(xié)議,要根據(jù)應用場景而定。比如中國市場流行的一些裝配方式,對于靈活性的裝配需求不高。但在大模組的情況下,無線會體現(xiàn)出獨特的優(yōu)勢。”
“從電池的創(chuàng)新來看,恩智浦實現(xiàn)了全生命周期的閉環(huán)維護,而不只是一個簡單的生產。”從電池如何有效利用,到如何提高電池的壽命,到如何讓電池更易于維護,到如何讓電池更好地被二次利用,最后從能源的源頭到最后車輪的優(yōu)化,恩智浦都有解決之道。
目前在全球前20的新能源廠商中,已經有9家采用了恩智浦的逆變器方案,而且恩智浦和8家主要的功率模塊廠商都有配合。
到那時,對于消費者而言,電動汽車和燃油車的使用體驗應該會是類似的。
最后談及中國市場,李曉鶴指出,恩智浦希望盡可能地增強和中國客戶的互動,為此在中國設有相當大的應用工程和產品團隊,這包括系統(tǒng)驗證、產品測試等。恩智浦堅持長期深耕中國市場,并堅持做好本地化服務。“對恩智浦而言,最重要的一定是能夠通過我們的領先產品和本土服務幫助中國的客戶創(chuàng)造價值,并實現(xiàn)電氣化時代的可持續(xù)發(fā)展,我們一同共贏未來。”
其中最典型的兩個代表案例是:恩智浦最新一代高精度18串ASIL-D電池管理模擬前端IC解決方案將在小鵬汽車實現(xiàn)全球首發(fā),并計劃在2023年實現(xiàn)量產;恩智浦的高度集成、高能效以及ASIL-D的門極驅動器,將支持蔚來高端車型的三電系統(tǒng)選型,助力蔚來汽車實現(xiàn)從IGBT到碳化硅的過度與升級。
在漫長的歷史長河中,一百年前的13年不過是一個很短的瞬間,但足可以發(fā)生改變產業(yè)格局的劇變?,F(xiàn)在,新的巨變正在出現(xiàn),新的不確定正在積累,而對身處其中的從業(yè)者來說,唯一可以確定的,就是用創(chuàng)新迎接挑戰(zhàn)。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。
關注科技創(chuàng)新、技術投資。
以文會友,左手硬核科技,右手浪漫主義。