智能網聯汽車正走向硬件趨同、軟件定義和數據驅動，而操作系統是汽車軟件的靈魂，目前操作系統是不是受制於國外？兩年前中國提出自動駕駛操作系統頂層設計，進展如何？一系列的問題需要找到答案。
尚進博士，國汽智控（北京）科技有限公司總經理、首席技術官，也是國家智能網聯汽車創新中心首席技術專家、中國智能網聯汽車產業創新聯盟基礎軟件工作組組長、清華大學車輛與運載學院客座研究員，請他來解讀上述問題再合適不過。
爲什麼是硬件趨同、軟件定義和數據驅動？
“走到今天的硬件趨同、軟件定義和數據驅動階段，智能網聯汽車將怎樣演進？未來方向如何？”
尚進博士指出，這一觀點是行業專家智慧的匯聚，但並非源於汽車行業。過去30年ICT行業的發展是一個見證，而智能汽車正在重新演繹。
芯片、硬件、軟件或操作系統、數據和雲計算代表了現在的關注和熱點技術。“硬件趨同、軟件定義、數據驅動”這12個字是對產業從零到成熟過程的一個總結性預測。
芯片很重要，沒有硬件就沒有軟件，硬件趨同是技術的發展特色，更是產業集中化的體現。從PC、服務器芯片可以看到，巨頭們投入很大，最後沒有小玩家的活路。
智能汽車領域首先是一場變革，像ICT行業一樣，芯片架構、商業模式和產業發展出現了趨同，一些小的處理器變成了集中域控，越來越集成；大型SoC中AI元素將佔據很大算力，但汽車也離不開通用計算和實時可控的芯片。芯片架構中的硬件也包括不同的AI、ARM和實時異構核，這些東西在集中化基礎上分佈化，形成多個芯片甚至多個板卡。
“很早就有軟件定義網絡、軟件定義很多東西的說法，怎麼理解軟件定義汽車或智能車？”——記者
尚進博士認爲，軟件定義是說智能汽車在集中化趨勢下，車輛功能設計和實現的一種方法論的變化或趨勢。軟件定義的本質不是用代碼實現，之所以提軟件，是因爲整個車輛功能中離應用最近的才最能體現系統架構。軟件定義代表的是變成一個複雜系統的智能汽車需要一個比較好的架構。
做一個好產品的前三件事兒是：架構、架構、架構，只不過由於複雜的硬件、複雜的軟件，軟件定義特別體現在三個方面：一是整個系統架構是不是集中式架構，包括集中式架構下的新的產業鏈、硬件、操作系統、應用開發，都需要架構先行；二是主要功能是用軟件來實現的，自動駕駛要使用AI芯片實現感知，但它不是主要功能，只是整個自動駕駛工作中很小的部分，但需要很大數據量，甚至有一定難度。
更重要的是，我們要有支撐、體現軟件價值的系統產品和架構。軟件的價值或優勢有幾方面，第一是快速功能開發，第二是在保證高效、高質量、高實時、高安全情況下的高效開發，能夠更新，容易迭代，如OTA。
傳統上，汽車行業認爲軟件定義就是互聯網，沒有顧及傳統的流程開發體系，其實真正的軟件工程或複雜系統軟件更講究流程，既然要用軟件實現就要保證在最好的架構基礎上開發更多的功能，生命週期內的迭代也要更高效，前提都是高實時、高可靠性。
“作爲汽車開發測試的一部分，用仿真訓練自動駕駛模型，驗證更多場景，這也是數據驅動，怎麼理解數據驅動的真正含義？”——記者
尚進博士回答，仿真是數據驅動，但還不能與真正意義上的數據驅動相提並論，不是智能汽車需要考慮的新核心。數據驅動更偏向車外，更強調驅動。現在的車輛採集了數據，也放到了雲端，而數據驅動主要是圍繞智能汽車產品設計，怎樣用數據來提高車輛產品質量，包括實時性等。數據驅動更強調怎麼把雲計算應用於車輛設計，即車輛產品的工程設計，既是基於數據來完善設計，也可以擴展到數據中心，用雲計算框架支撐智能車輛的功能開發。
他解釋說，每年的新車價格都不一樣，特別是低檔車單車邊界內智能有限，還有保有量的問題；軟件在生命週期內需要升級，特別是要保證車輛使用5到10年。幾年後的軟件功能一定會超過現在的硬件，不管價格如何，也不可能預埋5年後的硬件，也不可能知道5年後是什麼硬件。
這些都指向同一件事情：在車內做好軟件定義和硬件趨同後，往雲上走才能真正突破單車計算的物理邊界。這就要利用邊緣計算、雲計算，這就是中國的車路雲。所以，路側和雲都是計算資源，車輛不只是座艙等，而是需要保證實時可靠，所以數據驅動不能被動地將ICT進展僅僅理解爲僵化的數據和現有的模型，而是不侷限於單體開發，利用雲計算或數據中心驅動車輛設計。實際上和軟件定義和自動駕駛一樣，都是圍繞車輛的核心功能，雖然座艙也是數據驅動，但還要再進一層，考慮智能汽車產品終點應該是什麼樣子。
“誰都不知道5年以後硬件是什麼樣子，又怎麼支持這個軟件呢？”——記者
尚進博士表示，單車可能不知道，但是會有邊緣計算、邊緣雲或5G、6G高速通信，計算硬件在邊緣雲上，因爲有5G或5G優化，硬件在車內和車外沒有什麼差別，重要的是軟件和操作系統的延伸。所以，數據驅動更是計算驅動，但如果只是計算驅動，現在也有更大的硬件。國汽智控更希望強調的是從終點——整個產業架構、產業生態出發。現在智能汽車的目標很簡單，花5年或6年時間，可以把汽車這個機械爲主的產品變成和ICT持平的水準。現在的計算機、筆記本和手機一樣，任何生態都是和雲計算融合在一起，要圍繞車輛的目標功能把它融合在車輛平臺中，不僅是座艙或車聯網，而是自動駕駛或車控動力系統等更大的範圍。
車的要求更高，卻是5G真正最大的應用市場。5G具有高帶寬、低延遲和高穩定性，現在高鐵上用4G看視頻已經沒問題了，很難想象5G有什麼比較大的應用，其實更大的行業應用就是高速移動的車輛。車控系統一定是更低延遲，不僅是自動駕駛，也包括底盤、動力系統，所以車輛是5G最大的應用市場。
自動駕駛爲什麼要有一個好的操作系統和架構？
“從計算機到現在的手機，最核心的軟件就是操作系統，這麼多年應該都是國外操作系統佔壟斷地位，現在的汽車也是這樣？”——記者
尚進博士予以否認，他表示，作爲智能駕駛操作系統的定義者和先行者，國汽智控最近獲得了“2021中國汽車出行產業最具投資價值企業TOP10”獎，證明了其正在做的事情具有重要意義。
國汽智控的核心產品是操作系統，確切說是智能駕駛/自動駕駛/智能汽車操作系統。操作系統是產品的核心，過去其他行業已經證明，操作系統本身的定義和行業相關，如果說智能汽車的核只是現在車上用的QNX、安卓、Lunix等，那就錯了，因爲這些已經是成熟的東西，大家都在用，可爲什麼大衆等車企仍然覺得車的能力還差得很遠呢？因爲這些不是核，不是定義的智能駕駛操作系統。
“那是不是需要做自主可控呢？”——記者
尚進博士說，國汽智控不是爲了自主而自主，缺少自研纔來做，首先做的一定是產業急需的，能夠起到核心作用；第二需要澄清中國核是爲自動駕駛定義的，這種形成國標體系的核不是“敵有我無”，而是誰都沒有，所以起步就是行業領先、行業創新。
現在的形勢是採用封閉體系的特斯拉一騎絕塵；行業缺少ICT和車輛融合的東西，一些主機廠也在做自己的軟件公司，但產品都沒做出來，更談不上成熟。對ICT理解最深刻的是中國和美國，更容易提出和做出這樣的操作系統，而傳統的汽車領先國家不一定先知先覺。即使是國外的AUTOSAR（汽車開放系統架構）也達不到這個高度。
“那麼，怎樣來定義自動駕駛操作系統呢？爲什麼很多主機廠覺得離智能汽車那麼遙遠？”——記者
很簡單，行業缺少AI芯片，傳統車用芯片有的是，而智能芯片不是這些芯片，需要有支撐操作系統的大型複雜硬件平臺。至於操作系統，不用什麼高深的定義，用樸素語言講就是支持所有的硬件芯片或硬件平臺，能夠向上支持應用開發的承上啓下的基礎軟件。應用決定操作系統，爲自動駕駛應用開發的這個東西就是自動駕駛操作系統。既然支持自動駕駛這麼核心熱門的應用，就要用定製化應用、定製化開發來實現核心作用。
“這個操作系統應該是一個通用平臺？”——記者
真正成功市場化的操作系統一定是大家都用，除了座艙、底盤、動力操作系統，它主要關注自動駕駛應用開發，最後應該形成一個整車單一操作系統，支持上面所有的應用開發。
國汽智控正在推動的最難、最複雜的東西就是自動駕駛操作系統。智能汽車操作系統一定符合智能汽車的核心定位，現在的內核遠遠達不到，很明顯在智能性能方面，車企沒有因爲使用內核或AUTOSAR而趕上特斯拉。
全球都在做ICT和車的融合，都在做基礎軟件，但它還沒有成熟，更沒有落地，所以不用有自主可控的急迫感，急迫感在於產業急需。
中國自動駕駛操作系統頂層設計進展如何？
兩年前，我國提出了中國自動駕駛操作系統頂層設計，而國汽智控成立至今才一年半。尚進博士說，公司前期醞釀時間比較長，包括定義整個架構，先有了定位的市場和適合這個市場的產品架構定義才註冊了公司。到目前爲止，公司發佈了1.0、1.5和2.0三個產品版本，基本上實現了當初定義、現在成爲國標的智能駕駛操作系統核心的產業化。從產業落地看，現在已在和五六家主機廠進行量產開發，明年將陸續裝車。
“主機廠是國內爲主？”——記者
基本上是國內自主品牌，因爲某種程度上自主品牌對自主可控要求更高，但並不限於自主品牌。
“國汽智控做的操作系統是否可以解決安全問題呢？”——記者
操作系統的功能就是實現或保證車輛系統或自動駕駛系統的實時性、安全性和主機廠的應用定製開發。安全是貫穿操作系統最核心的東西，覆蓋功能安全、預期功能安全和信息安全，這幾方面的考慮、設計和實現都是操作系統不可缺少的部分。
另一個重點是數據安全，它一定是在操作系統內部實現。一個量產化的自動駕駛操作系統一定包含智能駕駛的數據安全防護功能，這是必須做的事情。信息安全在智能駕駛中的創新還包括：做到實時性、可靠性與智能駕駛OS的融合，在保證整個系統可靠的前提下不增加額外成本。
另外，自動駕駛或智能汽車數據量很大，傳感器很多，每天幾個T的數據，需要大規模數據處理，對數據處理安全的要求更高；而且汽車是移動的，我國有很多數據分類分級准入標準，大規模海量數據和移動數據，包括車內車外環境，甚至攝像頭主動採集的數據，都是這方面數據的特色，這是以前數據安全行業沒有遇到過的。
智能汽車不僅是一個存儲設備，還是一個計算單元，數據要在其中再加工，有很多熟數據，還有很多新數據，也會有數據安全問題。面臨的最大挑戰除了和自動駕駛強耦合外，還會產生新的動態數據安全問題。
由於涉及周圍的人和地理信息太多，隱私保護最大的落地需求可能是智能汽車。其他方面的隱私保護有相應法規，主要針對人，但車輛不一樣，它會進入很多敏感地區，涉及敏感對象，不知不覺被採集數據，這是智能汽車的新挑戰。
“在操作系統層面能解決這些問題嗎？”——記者
應對這些挑戰的創新技術的落地點在操作系統內，同時整個系統還要保證實時性、可靠性和低成本，這是集成融合的挑戰，所以做數據安全的人要懂自動駕駛操作系統，才知道怎樣融合成一個產品。這是信息安全產品的一個特色，其真正落地離不開對防護對象的深層次瞭解和融合，才能保證整體是一個產品，特別是防護對象是2B產品時的實時性、可靠性。
國汽智控在供應鏈中的定位在哪裏？
尚進博士告訴記者，國汽智控是一家科技初創公司，也是國家平臺企業，主要任務是“智慧融合，中國方案”，主要產品都是智能汽車缺芯少核的東西。其定義的核心產品自動駕駛操作系統也是整個行業的頂層設計，將服務於所有主機廠。其操作系統支持大小不同的芯片，首先是開放、解耦、標準。開放產品軟硬一體，但不是全棧式開發，而是適合主機廠在上面做定製開發。開放是操作系統和硬件之間的界面或接口是開放的，能夠集成不同的芯片硬件形態，上面的應用開發也是這樣。解耦是指操作系統內部的內核、AUTOSAR、軟件算法等，邊界也是開放、解耦的，其他廠商也可以做一部分，由國汽智控做核心部分的集成，共建成一個主機廠所需的操作系統，其中甚至有主機廠的貢獻。開放不僅是在邊界，也包括操作系統內部的部分。這樣的操作系統基於產業鏈廠商的貢獻，可以適合所有車型。
“你們現在做的這些產品和國家標準是怎樣的關係？”——記者
由於缺芯少核是行業急需，國汽智控在頂層設計方面做了一些工作，操作系統國家標準體系是由國家智能網聯汽車創新中心直接推動的，國汽智控發揮了引領和貢獻作用，做了具體執行工作，包括分層之間接口的國標頂層設計。當然，每個國標也有所有主機廠和產業鏈的參與。在這方面國汽智控做的很多事是針對整個行業，特別是協同產業資源，以創新科技和系統集成持續引領和支撐行業發展，提升我國智能網聯汽車及相關產業在全球價值鏈中的地位。
“你們的幾個產品有什麼特點？能夠滿足什麼需求？” ——記者
現在是兩類產品、四個單元，一類產品是車內的，硬件和軟件操作系統一體，主機廠可以在上面開發裝車；另一類產品是車外的，比如邊緣雲。所謂四大單元實際上是兩類產品四個單元組成——智能汽車操作系統（ICVOS）、智能汽車域控制器（ICVHW）、車雲協同基礎軟件（ICVEC）及信息安全數據安全（ICVSEC）。車內產品有OS和硬件，也有第三方硬件，以及自研的細分市場硬件；OS內部還有數據安全或信息安全等三個單元；車外OS幾乎一樣，包括數據、車雲基礎平臺，相當於雲端硬件。
“車外產品是不是常說的路側設備？”——記者
的確可以部署在路側和邊緣雲上，但如果能把路側網聯賦能再提升一層，就需要路側的標準開放體系，以及各種開放架構和高實時、高安全實現。路側有感知硬件、操作系統和算法，不可能一家封閉來做，也應該是個標準開放體系，讓很多東西都能進來。另外，如果只是提供給車做智能駕駛輔助參考，意思不大，應該起到和車內傳感器差不多的主要作用，其實現要求高實時、高可靠，正好車內OS都符合這些要求，可以部分自然延伸到路側。它可以不叫OS，但都是標準開放的實時、可靠、安全架構或實現這一架構的核心產品。
特斯拉的成功應該如何解讀？
“目前國內一些試驗區、先導區都在路測自動駕駛汽車，您對此怎麼看？”
這是中國網聯汽車方案和架構在示範區落地的很好證明，各地都很關注和認可這個發展方向，這是很好的事情。如果我們真能趕超特斯拉，一定是利用中國的基礎建設來推動車輛產品的發展。
“您的意思是不是特斯拉側重單車智能，而中國在車路協同方面做的更好些？”——記者
特斯拉是單車智能沒有錯，但是其前提也是美國基礎建設不夠，所以它覺得也沒有太大必要做別的。如果有足夠的基礎設施，它也會思考更多。中國確實是網聯式V2X，但大家對V2X的詮釋不夠完全，太看重其結果：只要有路側，只要有通信就好；關注demo比較多，極少關注如何提高車輛產品設計的變革或吸收推動作用，也就是數據驅動。只將V2X理解爲路側設備是不夠的，需要補充的是，數據驅動或網聯式的一個重要環節是通過車外生態反哺車輛核心功能，而不僅僅是車聯網或座艙這些已經成熟的應用。行業對智駕域、底盤域、車身域的作用認識不夠，重要的是突破單車計算和傳感邊界，同時仍能保持和支撐車輛產品的實時性、可靠性和安全性。另外，路側攝像頭或其他傳感器要保證安全等級對單車智能的支撐，真正用L1、L2硬件的車實現L3，而不用更多硬件成本。
“Robotaxi和乘用車是兩條不同的技術路線，孰優孰劣？” ——記者
這是從L4、L5做，還是從L1、L2做的技術紛爭，前幾年最熱的討論是特斯拉和Waymo誰能成功？今天看，只能說特斯拉成功了，因爲Waymo始終沒有推向運營，反而特斯拉不僅造車成功了，自動駕駛也在往L4走。
問題在於，目前看真正實現L4、L5還有很多理論瓶頸，比如強人工智能、如何保證AI安全等。產業推動方面，像谷歌Waymo這種體量可能還有些問題。另一方面，從市場看，大家也逐漸認識到輔助駕駛或L2、L3也是剛需，也有很大市場，也會帶動智能汽車設計。智能網聯是下半場，不一定無人駕駛才能推動，L3集中域控或大域控也能帶動智能汽車變革。
特斯拉今天這麼高的市值絕不僅僅是有最大部署量的L2或L2+功能，而是整個車輛產品設計對同行降了好幾維的打擊，其背後的自動駕駛功能只是一小部分，卻帶動了車輛整體架構、芯片、操作系統，支撐了更多、更好、更高效的設計和OTA的更廣泛使用等變革。
無人駕駛的研究會繼續下去，但汽車行業變革並不是以它爲終點，更不是以它爲主要路線。人們需要L2、L3、自動泊車，這有點像沿途下蛋，可以發現更寬的路子，還會下很多蛋。如果真和Waymo比，特斯拉某些場景車還不如，但好像不是這樣，大家真正關心的是車輛是怎麼重新設計的，或核心功能怎麼設計，以及帶來的生態改變、數據帶來的生態附加值。
“上面講到了汽車新四化中的網聯化、智能化，電動化很明白，還有共享化呢？”
對，共享不一定是無人，共享不一定沒有方向盤，所需要的實際上是最後1公里，L3、L4反而能夠實現共享。現在大家都在學特斯拉，包括無人駕駛公司，這不是說特斯拉的無人駕駛、自動駕駛路線勝利了。它只是以市場帶動了產品，或以產品引導了市場，以市場落地反過來提升了技術，是一個比較好的模式創新。
特斯拉有它的優勢，但這也從另一個層面證明一個問題，毫無疑問，部署量大、使用頻繁，一方面是產品確實不錯，有更多的數據，肯定可以訓練提升系統，包括一些極端情況；反過來，這麼大的數據也沒有實現完全的L4，說明確實還有理論瓶頸，或者跟數據的關係沒那麼大。從產業看，特斯拉還是依照市場規律，不拘泥於自動駕駛目標，在打造汽車產品。
特斯拉確實領先，但爲什麼也實現不了L4？這個問題值得大家思考！