隨著汽車的電動化、智慧化、網聯化和共享化的不斷推進落地,越來越多的新技術、新產品應運而生,我們之所以能在智慧車領域看到如今百花齊放的景象底層原因是科技的不斷進步,簡單來說就是科技的賦能。
我們想知道汽車為何能夠自動駕駛就需要先了解什麼是融合感知、車路協同、大算力晶片、高精地圖等等技術的內涵;想知道電動車續航力的上限在哪,就首先要看看電池技術到了一個什麼樣的地步,4680電池,無鈷電池、固態電池、CTP/CTC、刀片電池、800V平台等等;另外像車輛的電子電器架構、資訊安全、熱管理系統、混動技術、燃料電池技術這些龐大而複雜的技術如同底層地基一般決定著未來智慧汽車的上層建築。
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,一是大算力晶片;二是800V高壓SiC平台;三是多域融合的中央運算架構。這三大塊內容是2022年迎來強勢發展和規模上車的關鍵技術,讓我們挨個聊一聊。
這一年我們似乎常聽到算力TOPS這個詞,晶片廠商絞盡腦汁地提升自家產品的算力指標,各家車企也在不斷標榜自家的車可以實現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,算力在如今這個智慧車時代也走到了舞台中央。那麼究竟什麼是算力呢?
算力其實簡單來說描述的是一顆晶片的運算能力,TOPS是算力的單位,1TOPS代表處理器每秒鐘可進行一兆次(10 ^12)操作,聽起來是不是非常誇張。其實我們可以類比人類的大腦,人的大腦一般有100億個神經元,神經元越多也意味著越聰明,那麼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境,提升我們駕駛的安全性。因此晶片算力越大,能處理和應對的場景和功能就越多,在緊急和複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個超音波雷達、1超遠距離高精度雷射雷達在內的33個高性能感測器,在四顆英偉達Drive Orin晶片的加持下,總算力高達1016 TOPS;
這還不算完,長城WEY摩卡在毫末智行聯合高通研發的「小魔盒3.0」的加持下算力將會達到驚人的1440 TOPS。
但需要弄清楚一點上千TOPS的算力不是指單顆晶片而是由多顆晶片整合的一個超大算力平台,上面我們提到了蔚來的超算平台ADAM達到了1016TOPS是因為有四顆單片算力達到254TOPS的Orin晶片加持;因此我們也對目前主流晶片場上的晶片算力做了一個統計匯總,看看各家晶片都到了一個什麼樣的水平:
透過統計表我們可以發現目前在自動駕駛域,英偉達的Orin晶片是已量產晶片中算力最大的,國產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:“軟體定義汽車的前提是硬體先行,只有將硬體的性能和算力預備充足,後續的軟體才能快速實現迭代升級和擴展功能的應用。」
因此黑芝麻的發展戰略就是硬體先行,盡可能大的鋪算力,就像許多追求缸數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,那麼成本必然會上去,就看車廠和消費者願不願意為這部分預留算力埋單了。
當然國產晶片廠地平線也是十分出色的,去年發布的征程5晶片達到了128TOPS,並且地平線CEO餘凱曾多次表示,地平線並不單純追求物理算力,而更重視深度神經網路演算法在晶片上的運算效率,即FPS(Frames Per Second)。看似是一種更為走經濟路線的意味。
另外目前在自動駕駛的晶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採用其開放式的DRIVE Hyperion平台,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採用DRIVE Hyperion。
該平台包括高性能電腦和感測器架構,可滿足完全自動駕駛汽車的安全要求。最新一代的DRIVE Hyperion 8 採用了冗餘的NVIDIA DRIVE Orin系統級晶片、12個環繞攝影機、9個雷達、12個超音波模組、1個前置雷射雷達和3個內部感知攝影機打造。
這套系統具備強大的安全冗餘,即使在電腦或感測器故障的情況下,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平台,能夠滿足L2 /L3等級的自動駕駛需求。高通近期也宣布了多項合作動態,包括助力通用汽車打造凱迪拉克LYRIQ、輔助寶馬打造其自動駕駛平台。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更是一連發布了三顆晶片,分別是EyeQ Ultra,EyeQ 6L和EyeQ 6H。也算是吹響了反攻的號角。
未來晶片的算力將會是智慧汽車發展的基石,只有算力不斷突破,才能讓智慧車的智慧上限拉的更高。
前面我們說的晶片算力高低決定了一輛車的智能水平,那麼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,但因成本高、推廣難度高等原因限制其發展。因此快充是目前發展潛力最大也是最可能成為主流的解決方案。
首先我們要知道充電快慢是由充電功率決定的,那麼我們回想一下高中的物理知識,功率=電壓×電流,也就是P=U*I,所以想要提高充電功率的途徑只有兩條,要嘛增加電壓,要嘛提高電流。
因此從而發展出兩條技術路線,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,其他眾多廠商緊跟支援的高電壓派。先簡單說一下大電流派,這個流派最大的困難就是由於電流升高導致的發熱問題,同樣引入發熱公式:Q=I^2Rt,可以看到發熱量會隨電流的提升而呈指數倍的增長,因此如何散熱成為了發展難題,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個問題得以解決。而特斯拉選用大電流為發展方向的原因還是成本控制問題,因為高壓平台的元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。
那麼接下來說回主題高電壓平台。傳統的電壓平台一般是400V,高壓平台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、熔絲等零件要更換升級成耐高壓材料。
車端:車輛本身的動力電池,空調壓縮機、電力驅動、PTC、OBC、DC/DC等面向高壓平台的零件都要進行新的設計與調整,以適應新的高壓平台。
充電端的升級還好說,但是車端的元件升級則需要新的技術支援才能實現。之前說到大電流的難題是發熱問題,那麼高電壓的限制因素就是目前車規級的元件IGBT(Insulated Gate Bipolar Transistor),即絕緣柵雙極型電晶體。
它的耐高壓能力不足,因此需要選取新的能耐高壓的材料來取代現有零件,而這個新材料就是SiC碳化矽。
SiC裝置工作溫度在200℃以上,工作頻率在100kHz以上,耐壓可達20kV,這些效能均優於傳統矽基IGBT;SiC裝置的體積為IGBT整機的三分之一至五分之一,重量為IGBT的40%-60%;還可提昇系統的效率,在電動車不同工況下,SiC裝置比IGBT的功耗降低60%-80%,效率可提升1%-3%。
但也要注意到IGBT在電動車上的成本佔據約7%-10%,是除動力電池之外成本第二高的電動車配件。如果採用SiC,目前同一等級的SiC MOSFET的成本約為IGBT的8-12倍,且耗損也大於IGBT。所以,如果用高電壓平台,如何控製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已經使用了800V高壓平台,許多國產品牌也在加速佈局。例如像新發表的小鵬G9將搭載800V SiC平台,並配合480Kw高壓超充樁。
長城沙龍機甲龍也支援高壓平台,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高壓平台的陣營當中。
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高壓平台有望成為主流,眾多車企也將搭載上車這一平台,因此今年也將是800V SiC高壓平台的發展元年,雖然還有許多難點有待解決,但我們可以看到市場的前景是十分不錯的。
#聊到這個主題首先我們需要了解什麼是電子電氣架構也叫E/E架構,這個架構是指整車電子電氣系統的總佈置方案,即將汽車裡的各類感測器、處理器、線束連接、電子電氣分配系統和軟硬體整合在一起,實現整車的功能、運算、動力及能量的分配。
通俗來講我們車輛的四輪驅動、安全氣囊、防鎖死系統、升降車窗再到收音機車載娛樂系統等等功能的實現都需要在這個架構上完成,並且控制各個功能實現的是一個叫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實現一個主要功能,那麼可想我們車上有那麼多的功能就需要數十種的ECU來控制,因此在早期的E/E架構中是分散式的形式,各個ECU透過CAN和LIN匯流排連接在一起,現在由於自動駕駛以及智慧座艙的普及,車上如果還用分散式ECU來控制,那麼對於晶片數量,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與感測器的架構,DCU (Domain Control Unit),即汽車網域控制站也就應運而生了。
目前網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, 智慧座艙這5個主要的網域。每個域都有一個主要的高效能的ECU,負責處理域內的功能處理和轉送。域內部一般使用低速匯流排,各域之間使用高速匯流排或現在使用的比較多的車載乙太網路互聯。
這些網域控制裡面比較受關注的就是自動駕駛域控制了。過去一套ADAS系統,要有好幾個獨立的ECU才能實現。例如車道偏移和交通識別ECU, 前向碰撞預警ECU, 泊車輔助ECU, 盲區偵測ECU。有的還有全景環視ECU, 後防碰撞預警ECU 等等,現在有了自動駕駛的域控制器後,一個域就能實現全部功能了,大大提升了底盤的集成度和功能的集中控制。
未來E/E架構的發展會以分散式域集中式中央運算式的方向發展:
#分散式架構:此架構下,ECU與實作的功能存在對應關係。
域集中式架構:該架構對ECU實現了進一步的集成,引入DCU(domain controller unit,域控制器)。
中央運算式架構:該架構對DCU實現了進一步的集成,所有DCU融入一台中央電腦。功能與元件之間的對應關係不復存在,由中央電腦按需指揮執行器。
在域集中式到中央運算的過程中,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。目前形成了兩種主流的跨域融合方案:1、依功能融合2、依位置融合。
依功能融合:三域架構。三域架構將全車劃分為整車控制(vehicle domain controller, VDC)、智慧駕駛(ADAS domain controller, ADC)、智慧座艙(cockpit domain controller, CDC)三大功能域,分別實現車輛行駛、自動駕駛、資訊娛樂等功能。像是大眾MEB平台的E3架構、BMWiNEXT車型架構、華為CC架構等都屬於此類。
依位置融合:依照汽車的實體空間,將全車劃分為多個區域,如左車身域、右車身域等。線束數量能夠大量減少,釋放更多實體空間。特斯拉、豐田等均屬於此類。
#總之未來的發展方向一定是向著降熵的方向發展,分佈式意味著複雜、混亂度高,逐級整合最終走向統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。
以上是一文盤點智慧汽車的發展趨勢及主流技術的詳細內容。更多資訊請關注PHP中文網其他相關文章!