0
堆料，在PC、智能手機領域，常用于形容在主板或手機上堆砌大量的一流配件，以體現產品差異化和競爭力的現象。
新智駕發現，智能汽車似乎也開始出現了這種“堆料”趨勢。其中，環境感知傳感器、芯片等硬件配置成了“堆料”的重災區。
以最近推出的幾款智能汽車為例。
蔚來ET7：傳感器方面擁有共33個高性能感知硬件，其中包括了11個高清攝像頭、5個毫米波雷達、12個超聲波雷達、1個激光雷達；芯片方面，則搭載了4顆全球首發的NIVIDIA DRIVE Orin芯片，算力達1016TOPS；
智己汽車：傳感器方面擁有15個高清視覺攝像頭、5個毫米波雷達、12個超聲波雷達、3個激光雷達；芯片方面，同時搭載了可提供30-60TOPS算力的英偉達Xavier，以及可提供500-1000+TOPS算力的英偉達Orin X芯片；
上汽MARVEL R：頂配版共有28個駕駛高精度傳感器，包括11個攝像頭、5個毫米波雷達、12個超聲波雷達；芯片方面，搭載了華為5G巴龍芯片、Mobileye EyeQ4H芯片的5G雙擎智能處理系統；
上汽R汽車ES33：傳感器方面擁有共33個高精度感知硬件，包括12個超高清攝像頭、12個超聲波傳感器、2個中國首發量產的PREMIUM4D成像雷達、6個長距點云雷達，以及1個全球首發量產的Luminar lris激光雷達；芯片方面，則率先量產應用了英偉達的Orin芯片，擁有500-1000+TOPS的算力；
可以看到，除了越來越多的傳感器和芯片，“首發”“首發量產”“率先量產應用”等強調配置前沿性的字眼也成了智能汽車的賣點和噱頭。
誠然，能將智能整車的硬件堆砌到當下的頂尖水平，也不失為一種實力的體現。
只是，靠“堆料”真的能堆出一臺真正的“智能車”嗎？我們對于智能車的想象難道要僅限于此？
當我們在談論智能汽車時，我們到底在談論什么？
早些年，人們對智能汽車的想象，更像是從智能手機上延伸而來。
無論是車載信息娛樂系統，還是語音、手勢等智能交互，這些技術都與手機智能化的邏輯別無二致。
安信證券曾指出，智能汽車同智能手機一樣，皆遵循著“交互的變革-架構的升級-生態的演化”這一相同的發展路徑。
目前，由于汽車交互體驗逐漸趨同、自動駕駛成果不斷涌現和落地，汽車智能化已逐步邁入第二階段，自動駕駛逐漸超越智能交互、車載操作系統，成為承接人們對智能汽車想象的主要載體。
自動駕駛，自然也成了造車玩家們加碼的主要目標。
而其中最能直觀地體現自動駕駛系統性能的，莫過于傳感器、芯片這類可以用數量、算力等可量化的指標衡量的硬件配置。
再加上，目前推出的幾款智能汽車皆以“期貨”形式發布，其自動駕駛的性能表現如何無從體現，而且現在進行公開實測的意義也不大，畢竟再經過一兩年的迭代優化，系統性能想必會比現在表現得更好，車企實在無須冒此風險。
因而，在沒有更進一步的技術突破、更好的營銷宣傳方向之前，傳感器、芯片的硬件堆砌，就成了造車玩家們呈現汽車智能化程度、搶占公眾注意力的唯一捷徑。
只是，當所有人都在“堆料”的時候，“堆料”也只是一時的商業噱頭，難以成為產品真正的核心競爭力。
更何況，豪華的硬件組合并不意味著優秀的產品。一臺真正的智能汽車，并非依靠傳感器、芯片的“堆料”就能實現。
首先，從技術層面，“堆料”復雜化了硬件之間的耦合問題。
理論上而言，傳感器的數量和種類越多，汽車就能收集到越多、越全面的環境信息。但在實際應用中，傳感器并非多多益善。
曾有業內人士表示，“除了成本因素之外，不合理的傳感器組合也會帶來相互之間的干擾。而除了感知傳感器外，車輛上還搭載控制傳感器、環境傳感器等，各類傳感器的信號傳輸、功耗散熱等都需要設計考慮。”
而且元件越多，整個系統出現故障的概率也會隨之提升。
安森美半導體的高管Sandor Barna曾表示，多個傳感器的校準及協調，是設計多傳感器系統的挑戰之一。
傳感器供應商日本村田制作所方面則進一步指出，相比傳感器數量的增加，如何在眾多的信息中篩選出有效信息，并提高其信賴度，顯得更為重要。
換言之，如果能夠更好地優化傳感器組合、控制傳感器數量，通過算法改進等各種手段，充分發揮單個傳感器的最佳性能，或許也能實現不錯的效果。
行業內，堅持使用第一性原理解決技術問題的特斯拉正是這一路線的踐行者。
日前，一向不走尋常路的特斯拉獲得了一項“使用視覺圖像數據估算物體屬性”的新專利。
這項專利，正是特斯拉為了解決多傳感器的系統復雜性、成本和輸入帶寬要求等問題而發明的技術。
特斯拉指出，“隨著傳感器數量和類型的增加，系統的復雜性和成本也在增加。此外，每增加一個傳感器，都會增加自動駕駛系統的輸入帶寬要求。因此，需要找到傳感器的最優配置，限制傳感器的總數，而不限制其捕捉數據的數量和類型，從而準確描述周圍環境，安全控制車輛。”
據稱，該項技術通過兩個神經網絡，僅使用圖像數據，就可以檢測和測量車輛與周圍物體之間的距離。這一方法可以增加從圖像中提取的數據量，進一步降低特斯拉的自動駕駛系統對傳感器的依賴。
其次，一昧選擇最前沿的產品進行“堆料”，有時并不意味著性能的提升，反而會導致風險疊加。
如上汽R汽車推出的ES33，標榜自己采用了中國首發量產的PREMIUM 4D成像雷達、全球首發量產的Luminar lris激光雷達，以及率先量產應用了英偉達的Orin芯片。
誠然，“首發量產”是一個標榜產品技術前沿的賣點，但有的時候這也同樣意味著風險。
而這種風險不僅指向技術的穩定性，首次量產的產品是否能及時交付的問題，也將使整車的生產和交付面臨加倍的壓力。
更何況，現在的“堆料”更多的是屬于硬件預埋，由于現行法規和技術的限制，更高級別的自動駕駛功能目前還無法啟用。
例如，要到2022年才能交付的蔚來ET7，其產品預售頁上即標明，NAD自動駕駛系統“部分功能可能在交付車輛時無法立即使用，相關功能未來將通過遠程方式逐步開啟”。
而智己預計在今年底上市、明年交付的智能純電轎車，盡管“2021年底，具備點到點零接管自動駕駛能力”，但是這一功能要在“在法律法規允許以及高清地圖開放的情況下”才能實現。
也就是說，盡管這些汽車有著大量的硬件投入，但實際上這些硬件的智能化功能和價值短期內并不能完全釋放。
短期內無法兌現的技術承諾，即使“堆”出了傳感器、芯片的豪華組合套餐，恐怕也很難借此提高市場的購買意愿。
需要指出的是，能從根本上反映汽車的智能化及其性能差異化的，大概率會是軟件。
“軟件定義汽車”的時代，軟件或是整車價值的核心所在。
摩根士丹利在一份自動駕駛產業報告中提到，傳統的汽車生產中，硬件占據了整車價值的90%，軟件僅占據10%。但是，未來軟件所占的價值比重將會提高到40%，硬件則將下降到40%，至于剩余的20%將由內容決定。
此外，麥肯錫曾預計，汽車軟件市場將以每年9%的速度增長，到2030年整個市場規模將達到840億美金。
德勤咨詢更是進一步指出，決定未來汽車差異性的將是軟件及軟件更新迭代所帶來的性能和功能變化。
或許，硬件“堆料”只能帶來一時的話題度，軟件才是對戰時最有力的武器。
就目前而言，“堆料”是商業的考量，但一定不是技術的未來。
“軟件定義汽車”的時代，如果還將目光停留在硬件上，或許根本就是本末倒置。
或許在陷入“內卷”之時，各家都在卯勁往一處使力時，我們更應該沉下心思考，現在所競逐的東西真的是未來智能汽車的核心競爭力所在嗎？
智能汽車的最終形態會是如何？當下尚未有定論，只是行業的發展如果只停留在“堆料”，那么這個問題可能就永遠不會出現真正的答案。
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
