汽車軟體深度報告：汽車軟體產業鏈及未來趨勢分析

北京新浪網 10-01 20:00
來源：未來智庫

關鍵結論

電動智能趨勢下，汽車逐步由機械驅動向軟體驅動過渡。近年 SDV（軟體定義汽車）概念逐步被行業認知，根源在於「汽車如何體現差異化」問題的變遷，隨著電 動化帶來的汽車電子構架革新，汽車硬體體系將逐漸趨於一致，軟體成為定義 汽車的關鍵，行業更具想像空間。即造車壁壘已經由從前的上萬個零部件拼合 能力演變成將上億行代碼組合運行的能力。本文通過對汽車軟體行業的系統性 梳理，幫助讀者把握行業成長中的投資機會。

我們提出零部件賽道三維篩選框架，基於起點（單車價值量）-持續時間（產品生 命周期）-斜率（產品升級速度）三維體系評價細分零部件的市場空間，軟體平均單車價值量由傳統車的 200 美元，提升至 2025 年新能源汽車的 0.23 萬美元，進 一步至 2025 年新能源汽車的 1.8 萬美元。未來十年軟體市場復合增速為 9%，2030 年 500 億美元空間，57%的增量來自於 ADAS 及 AD 軟體。

軟體如何定義汽車價值？百年汽車工業面臨由機械機器向電子產品過渡的新變 局。汽車「駕駛感」及車機 APP 化的功能實現發生在我們看不到的隱秘角落— —上百的電子控制單元循環執行軟體代碼功能塊，通過高性能的中央計算單元， 與硬體體繫結合以解析駕駛員需求，邏輯運算後向機械部件發送相應響應指令。

汽車軟體成為未來汽車構架重要組成部分。而整車電子電氣構架提供的硬體、 操作系統實現的管理功能、基礎軟體平台構架實現的抽象化為 SDV 不可或缺的 三大關鍵部分，軟硬體的分離（研發分離、功能發佈分離）成為實現 SDV 基礎。

發展史與整車廠戰略。汽車軟體隨產業技術升級持續迭代：1970 年代的簡單發 動機控制演算法→1980 年代中央計算單元創新→1990 年代信息娛樂系統創新→ 2000 年代安全系統→2010 年代開始向全新汽車電子構架及軟體系統演變。不 同於以前依靠多個 ECU 由部件供應商主導的無獨立軟體產品概念時代，主機廠 愈發需具備軟體的管理能力及核心軟體設計能力。整車廠中特斯拉引領車載軟 件行業最高技術，大眾重金重塑軟體架構，整車廠關乎開發周期、賦予附加值、 構架實現、軟體變現模式以及操作系統切入等問題上仍未進行標準化定義，卻 為影響行業發展的關鍵所在。

產業鏈機遇。新科技、軟體公司湧入帶動供應鏈管理的扁平化、邊界模糊化， 帶動供應鏈生態體系變革。供應模式上，預計 Tier1 與整車廠之間將採取兩種合作方式，其一，整車廠主導軟體，Tier1 負責硬體生產；其二，整車廠定義軟 件框架規範標準，Tier1 供應符合標準的相關軟體。盈利模式上，偏向製造業邏 輯的大部分汽車硬體由於堆橋數量將受到限制，終將會進入產業穩態階段，往 介面及功能上的標準化發展，維持較穩定的利潤率水平；軟體由於迭代周期快 且行業特性帶來的標準化程度低，賦予汽車新盈利模式。現階段特斯拉三大付 費模式打開車企軟體變現想像空間，開發基礎平台收許可費、供應功能模塊按 Royalty 收費及定製化的二次開發均為未來軟體供應商主流打法。

推演的 5 大未來趨勢。汽車終將成為搭載「差異化元素」的通用化平台。一方 面，ECU 功能模塊里循環迭代的代碼驅動汽車執行動作反饋；另一方面，車載 娛樂信息系統 APP 化吸引第三方開發者入場。海量數據將在車內流轉，關於賦 能域控制器、定位車機系統的各項軟體性能升級，包括功能中心化、乙太網應 用、整車 OTA 升級、信息交互上雲及深層次的信息安全防禦等，或將帶來汽車 軟體一系列發展機遇。

SDV 新階段：軟體如何定義汽車價值

百年汽車工業面臨由機械機器向電子產品過渡的新變局。跨入駕駛室，安靜的 啟動、柔中帶剛的加速、平穩過渡的剎車等為代表的汽車「駕駛感」逐步由機 械驅動向軟體驅動過渡，這一套功能的實現發生在我們看不到的隱秘角落—— 上百的電子控制單元循環執行軟體代碼功能塊，通過高性能的中央計算單元， 與硬體體繫結合以解析駕駛員需求，邏輯運算後向機械部件發送相應響應指令。近年來，SDV（Software Define Vehicles，即軟體定義汽車）概念逐步被整車 廠認知，根源在於「汽車如何體現差異化」問題的變遷，隨著電動化帶來的汽 車電子構架革新，汽車硬體體系將逐漸趨於一致，整車廠很難在硬體上打造差 異化，此時軟體成為定義汽車的關鍵，即造車壁壘已經由從前的上萬個零部件 拼合能力演變成將上億行代碼組合運行的能力。

汽車軟體為未來汽車構架重要組成部分

汽車軟體與硬體體系發生分化。近幾十年隨汽車構架升級、性能與用戶操作感 需求逐年提升，汽車軟硬體數量爆發，並愈發複雜化。在硬體方面，電控單元 數量迅速增長，於 2010 年面臨增速放緩的拐點（主要受整車成本與控制器數 量平衡的影響），2025 年隨行業集中式電子電氣架構趨勢持續推進，電控單元 邁向集成化從而控制器數量將較為平穩。在軟體方面，各大主機廠軟體功能體 系越做越大，其中「功能函數」作為軟體體系中的最小單元，其單車數量持續 增大，控制器內部的功能函數複雜度提升，疊加智能座艙新增的應用型軟體需 求，軟體重要性愈發凸顯。2010 年（增速放緩的硬體數量 VS. 急劇攀升的軟 件數量）與 2025 年（硬體產業成型 VS.軟體加速迭代塑造汽車差異性）為汽車 軟硬體發展中兩個重要的分水嶺。

汽車複雜的運作需軟硬體結合進行。無論是駕駛艙對汽車電子功能的調用，抑 或汽車與駕駛員和環境互動，均可抽化為軟硬體密切配合的模型，即駕駛員的 需求與汽車功能反應之間存在著複雜的控制鏈條：駕駛員通過機械硬體或部分 虛擬按鈕輸入期望（例如通過車載按鈕、踏板等輸入型機械硬體給出期望）→ 駕駛員動作轉換為電子信號傳入電控單元→執行器控制控制對象達到駕駛員的 需求→感測器向電控系統持續反饋控制達成的具體情況，軟體邏輯持續運算向 執行器發出指令，最終達成駕駛員的期望要求。以剎車輔助駕駛為例，在駕駛 員剎車信號不足或過慢的情況下，內置的一套軟體邏輯將被激活，讓制動系統 自動做出減速相應。在電控單元中快速進行的一次次軟體迭代循環，為汽車正 常運作的基石。

SDV 研發工具鏈仍以 V 流程為主。汽車研發系統過程能拆解為軟體、硬體、執 行器及感測器 4 大部分。與傳統車相同，V 模型為車企主流的開發流程，從產 品設計、子系統設計、控制器驗證及系統驗證等階段均有相對應的工具鏈進行 支撐，涵蓋從系統到軟體以及集成后的一系列測試等內容。SDV 模式下對工具 鏈的應用具部分變化：一方面，硬體愈發通用化，研發會集中在作為功能集群 的 ECU 開發上；另一方面，車的各種功能實現盡量靠軟體實現。

Step 1：產品設計階段。此階段核心為分析和拆解需求。由消費者的需求、車 型安全及性能的剛性需求以及法律法規需求定義出軟體的基礎構架，以及定義 出各大功能模塊。

Step 2：子系統設計階段。步驟為由系統構架需求定義軟硬體構架設計。關乎 軟體系統部分在這一步雛形初顯，能將技術問題具體化，例如定義軟體能實現 的功能、軟體功能模塊的分離、如何跟對應的控制器配合等。

Step 3：控制器驗證階段。完成硬軟體及控制器集成，代碼成型并迭代測試。

Step 4：系統驗證階段。測試軟硬體在整車上的裝載使用情況。

SDV不可或缺的三大關鍵部分——電子電氣架構、操作系統、軟體平台

整車電子電氣構架為硬體基礎。汽車電子電氣架構（Electronic and Electrical Architecture，文中簡稱 EEA）最初由德爾福公司提出，以博世經典的五域分類 拆分整車為動力域（安全）、底盤域（車輛運動）、座艙域/智能信息域（娛樂信 息）、自動駕駛域（輔助駕駛）和車身域（車身電子）等 5 個子系統。後續演變 成車企所定義的一套整合方式，可形象看作人體結構中的骨架部分，後續需要 「器官」、「血液」和「神經」進行填充。具體到汽車上來說，EEA 把汽車中的 各類感測器、ECU（電子控制單元）、線束拓撲和電子電氣分配系統完美地整合 在一起，完成運算、動力和能量的分配，實現整車的各項智能化功能。博世曾 經將汽車電子電氣架構劃分為三個大階段：傳統分散式電子電氣架構-域控制器 電子電氣架構-集中式電子電氣架構：

（1）傳統分散式的電子電氣架構：主要用在 L0-L2 級別車型，此時車輛主要由 硬體定義，採用分散式的控制單元，專用感測器、專用 ECU 及演算法，資源協同 性不高，有一定程度的浪費。產業鏈分工上，車型架構由整車廠定義，實現核 心功能的 ECU 及其軟體開發由 Tier 1 完成。

（2）域控制器電子電氣架構：從 L3 級別開始，通過域控制器的整合，分散的 車輛硬體之間可以實現信息互聯互通和資源共享，軟體可升級，硬體和感測器 可以更換和進行功能擴展。屬於過渡形態，ECU 仍承擔大部分功能實現，整車 廠將參與部分域控制器的開發。

（3）集中式電子電氣架構：以特斯拉 Model 3 領銜開發的集中式電子電氣架構 基本達到了車輛終極理想——也就是車載電腦級別的中央控制架構。此時集成 化趨勢將消減大部分 ECU，主機廠將逐漸主導原本屬於 Tier 1 參與的軟體部分 （預計以直接開發模式或定義規範標準后讓供應商參與），其目標是設計簡單的 軟體插件和實現物理層變化的本地化。

操作系統實現管理功能。車載操作系統（Car-OS)承擔著管理車載電腦硬體與 軟體資源的程序的角色。20 世紀 90 年代伊始，汽車上基於微控制晶元的嵌入 式電子產品的應運興起，需加入相關的軟體架構以實現分層化，即汽車電子產 品均需要搭載嵌入式操作系統。從產品品類上，汽車電子產品可歸納為兩類， 一是以儀錶，娛樂音響、導航系統為代表的車載娛樂信息系統；二是主管車輛 運動和安全防護的電控裝置。兩者對比而言，電控系統更強調安全性和穩定性， 因此應用於電控單元 ECU 的嵌入式操作系統標準更為嚴格。未來操作系統發展 面臨兩大趨勢，一是以 OSEK、AUTOSAR 為典型代表的操作系統標準聯盟將 定義統一的技術規範；二是智能網聯趨勢下數據融合度提升，由於各個部件的 安全標準等級不一從而整車上存在多種操作系統的運用，通常引入虛擬機管理 （可提供同時運行多個獨立操作系統的環境），如在智能座艙 ECU 中同時運行 Android（車載電子操作系統）和 QNX（電控操作系統）。

基礎軟體平台構架是實現抽象化的關鍵所在。從定義上，軟體架構為軟體系統 定義了一個高級抽象（軟體表達行為、屬性、相互作用、集成方式及約束均在 此架構上體現）。而 SDV 核心內涵是能夠通過軟體作用，動態地改變構架網路 節點之間的聯結或分離狀態，從而定義汽車不同的功能組成。基礎軟體平台需 具備三方面要求：一是可靠性，能保證汽車功能實現的實時和安全；二是通用 性，適用於不同車型和不同的操作系統上；三是網構架節點易於更換聯結方式。AUTOSAR 是全球各大整車廠、供應商聯合擬定開放式標準化的軟體架構，其 使得不同結構的電子控制單元的介面特徵標準化，從而軟體具更優的可擴展性 及可移植性，降低重複性工作，縮短開發周期。

汽車軟硬體分離為 SDV 基礎

軟硬體的分離涵蓋研發分離、功能發佈分離兩方面。軟硬體分離為實現 SDV 基 礎，電動化趨勢簡化造車流程，未來汽車硬體的研發、製造更偏向於流水線過 程，而軟體發展逐步具互聯網的快速迭代趨勢傾向。汽車軟硬體分離概念由此 而生，其包含兩方面內容，一方面，由於開發周期（汽車硬體 5-7 年的開發周 期 vs. 軟體 2-3 年的開發周期）及技術領域（偏向製造業 vs.偏向互聯網）的 差別，汽車軟硬體在開發上、供應上逐漸分開。另一方面，軟體的功能發佈可 以與車型完成分離，新軟體不僅適用於新車，仍可快速發佈到已量產車型上， 增強車型硬體的使用長尾期。

軟硬體分離在功能升級及工藝裝配上具優勢。基於軟硬體分離的新構架體系在 車型功能升級及製造模式上發生變化。功能升級上，新的擴充功能由軟體定義 通過雲端直接升級，無需再在硬體層面進行驗證；工藝製造上，與軟體分離后 的電子電氣構架不同於現階段「八爪魚」式的複雜構造，更易於自動化裝配。

當前車企實現更新的方式——硬體冗餘，後續依靠更新升級。

（1）硬體預置：傳統汽車定價由硬體及性能決定。而 SDV 模式下，相同硬體 的車型通過不同的軟體配置決定車與車之間不同的功能與體驗。車企在車型設 計之初需提前定義軟硬體，SOP 時將具備擴展功能的冗餘硬體預裝，後續將通 過付費型軟體升級或者功能開放回收成本。以特斯拉的 AutoPilot 為例，冗餘的 預設硬體將通過後期持續的軟體升級調動功能，為新創收模式。

（2）性能預置：性能預置分為兩個方面，控制器算力預留，為更多的軟體功能 和演算法預留空間。隨智能駕駛趨勢，車載算力大幅提升，由於無法預估後續所 需算力的極限，通常在實際情況中會預留算力空間。性能預留，通常在各性能 硬體上做事先預留，以應付如加速性能提升，續航里程提升，圖像的清晰度提 升，音響效果提升等升級事項。例如 2018 年 6 月，美國權威雜誌《消費者報 告》發現， Model3 剎車距離比皮卡福特 F-150 要長。ElonMusk 接受了《消 費者報告》的批評並承諾通過 OTA 儘快解決此問題。此後在不到一周時間， 特斯拉通過一次 OTA 升級解決了該個問題，《消費者報告》重新測試后發現， 升級后的 Model3 剎車距離縮短了 5.8 米。

追溯發展史：汽車軟體的前世

汽車軟體隨產業技術升級持續迭代：1970 年代的簡單發動機控制演算法（軟體嵌 入應用模式）→1980 年代中央計算單元創新（顯示車輛基本信息）→1990 年 代信息娛樂系統創新（GPS、自適應巡航控制出現）→2000 年代安全系統（出 現高級駕駛員輔助駕駛概念）→2010 年代開始向全新汽車電子構架及軟體系統 演變（電子化和軟體化，出現無人駕駛概念）。

1980 年代之前，汽車僅搭載車燈、啟動機、火花塞等簡易電子設備，並未運用 任何軟體部分。整車電子設備通信及電能供給依靠銅導線傳輸。部分豪華車裝 置僅由收音機為核心部件的車載娛樂系統。

1970 年代，發動機系統具備演算法功能。出現點火系統、電子燃油噴射等裝置， 軟體直接嵌入應用使用，軟體之間無關聯具獨立性。

1980 年代隨 IT 技術起步，電子電氣化革命在傳統機械部件上進行創新。油耗 及行駛距離等信息可在車內做電子化顯示，搭載軟體的電控單元開始出現，如 防抱死系統 ABS、車輛穩定系統 ESP、電子變速箱等電子系統誕生，新功能由 嵌入式軟體的演算法控制，CAN 及 LIN 匯流排解決不同控制器之間的通信問題。

1990 年代，信息娛樂系統持續創新，軟體成為汽車重要部分。汽車軟體構架愈 發分散，出現 GPS 及自適應巡航控制等較高階的電子組件及軟體。同時，不同 控制器間持續延長的通信匯流排成為車企後續進行成本管控的重要一環。

2000 年代，安全系統推出，軟體開始主導汽車創新。「高級輔助駕駛概念」在 此階段興起，例如駕駛員未及時反應的障礙物可以系統運算下汽車自發停車規 避。此時的軟體系統更為高階，行業引入 AUTOSAR 標準軟體構架。車型方面， 電子化特徵明顯，賓士 S 級轎車車型電控單元超 80 個，通信匯流排近 2000 條。

2010 年開始，汽車電動化帶來電子電氣構架、汽車軟體新變局。智能駕駛、車 聯網概念引入，造車新勢力、互聯網企業等多玩家參與進造車環節，以特斯拉 為代表的整車廠重新定義軟體系統，新創 OTA 新升級模式。

產業鏈機遇：SDV重塑市場格局

新科技、軟體公司的湧入帶動了供應鏈管理的扁平化、邊界模糊化，推動產業 競爭要素髮生本質變化，帶動供應鏈生態體系變革。在傳統封閉式供應鏈的汽 車製造商在整條供應鏈中只負責一個環節，主要擔任汽車研發製造的角色。而 在新生態體系中，汽車軟硬體分離重塑產業格局，主機廠、供應商以及互聯網 企業均參與進汽車新生態體系，從汽車全生命周期覆蓋整個產業鏈條。

供應模式轉變，主機廠、供應商及互聯網企業入局

SDV 軟體開發模式下，不同於以前依靠多個 ECU 由部件供應商主導的無獨立 軟體產品概念時代，主機廠愈發需具備軟體的管理能力及核心軟體設計能力， 並引入供應商及互聯網企業參與此環節。在軟體領域，預計未來 Tier1 與整車 廠之間將採取兩種合作方式：

其一，整車廠主導整車軟體部分，Tier1 負責硬體生產。在傳統車企巨頭入場燃 油車領域 100 多年的歷史里，造車流水線仍以機械製造為主，Tier1 以分擔主機 廠重資產角色存在，通常與整車廠車型生產周期形成相應配套。而在智能化時 代，軟體主要以輕資產模式運轉，出於掌握核心技術考量通常為主機廠所主導。其二，整車廠定義軟體框架規範標準，Tier1 供應符合此標準的相關軟體。瞬息 萬變的技術導致車企研發容錯率下降。尤其對新入場的造車勢力而言，若在前 1~2 款車連續失敗，大概率將面臨淘汰。因此對部分在技術儲備、研發及資金 實力較弱的主機廠而言，可在其定義軟體標準後由 Tier1 進行對應的開發配套。

盈利模式轉換，將逐漸由硬體逐漸向軟體傾斜

硬體發展具天花板效應，軟體持續賦予車型新附加值。以經過 15 年發展的手機 產業鏈為例，硬體體系隨處理器性能持續提升、攝像頭像素及攝像頭個數持續 增加、屏幕材質與大小升級，其產業增速趨緩，硬體盈利模式逐漸固化。而隨 蘋果 iPhone 產品橫空出世定義軟體附加值新模式，小米做低手機硬體利潤並將 其定位於功能載體，至此軟體與服務成為手機產業鏈盈利模式的重要來源。對 標至汽車，偏向造業模式的傳統車具較固定的盈利模式，從而車企具較穩定的 利潤率，而目前在汽車電子電氣化架構趨勢下，軟體有多樣性應用的空間，無 論硬體抑或軟體體系均包含升級或新生環節，盈利模式尚未定型。而長遠來看， 偏向製造業邏輯的大部分汽車硬體由於堆橋數量將受到限制，終將會進入產業 穩態階段，往介面及功能上的標準化發展，維持較穩定的利潤率水平；軟體由 於迭代周期快且行業特性帶來的標準化程度低，賦予汽車新盈利模式。

特斯拉已構築初階車企軟體盈利模式。矽谷出身的特斯拉已證實一條軟體大規 模變現的可行性路徑，分為 FSD 付費、軟體應用商城及訂閱服務三種模式：

（1）FSD 付費模式：特斯拉車型在售出后標配 Autopilot 輔助駕駛功能，而實 現自動泊車、智能召喚的 FSD 全自動駕駛功能需付費使用。FSD 單價並未固 定，過去一年內特斯拉 FSD 售價經過三次提價（國外 8000 美元，國內 6.4 萬 元），成為特斯拉利潤的重要來源。以 2019 年 36.7 萬輛的交付量計算（30 萬 輛 Model3，6.7 萬輛 ModelS/X），假定 35%的 FSD 裝載率，6500 美元的 ASP， 則軟體收入近 8.3 億美元（其毛利率大概率高於 80%）。

（2）軟體應用商城：類似手機應用商城，可即時購買性能升級軟體包（包括輔 助駕駛功能、FSD 及各類性能升級包），通過 OTA 進行升級。

（3）訂閱服務：2019Q4 推出定價 9.9 美元/月的車聯網高級連接服務，包括流 媒體、卡拉 OK、影院模式等功能。2020Q2，特斯拉宣布計劃在年底推出定價 100 美元/月的 FSD 套件訂閱服務，為 FSD 的使用提供另一選擇。

對於第三方汽車軟體供應商，盈利模式仍不明晰，參考手機產業模式及目前行 業發展情況，預計其未來有望採用以下 3 種主流盈利模式：

（1）受主機廠委託，開發基礎平台並收取許可費用。

（2）供應功能模塊按汽車出貨量 Royalty收費（按銷售量和單價一定比例分成）。

（3）基於車企平台為其做定製化的二次開發，並收取費用。

市場空間：未來十年軟體市場復合增速為 9%，2030 年 500 億美元空間

軟體市場進入快速擴張期。包括系統軟體和應用軟體在內的軟體系統將在智能 化趨勢中，由低基數實現快速擴張，據麥肯錫預計，軟體在 D 級車整車價值中 所佔的比例有望在 2030 年達到 30%，將成為未來汽車行業最重要的領域。

市場規模方面：電動智能化趨勢下硬體發展周期領先於軟體，增量市場彈性小 於軟體。據麥肯錫，2020-2030 年汽車軟體和 E / E 架構市場預計復合年增長 7％， 從目前的 2380 億美元增長至 2030 年的 4690 億美元。拆分來看，2020-2030 年軟體市場規模（操作系統、中間件及功能軟體）復合增速為 9%（由 2020 年 的 200 億美元，增長至 2025 年的 370 億美元，進一步增長至 2030 年的 500 億美元）。2020-2030 年動力系統市場規模復合增速為 15%，主要受動力源更 迭拉動。在硬體方面，ECU/DCU、感測器以及其他電子元件的復合增速分別為 5%、8%及 3%。軟體的應用帶動汽車集成及驗證環節革新，2020-2030 年集成 及驗證市場規模復合增速為 10%。

單車價值量方面：汽車軟硬體實現分離后兩者的發展模式將出現分化。其中硬 件體系的價值量隨模塊化、集成化發展，在規模化降本過程中其單車價值量增 長將較為平緩或略下降態勢；而軟體體系迭代速度快，在其對附加值模式的持 續探索下，價值量將持續上行。據麥肯錫預計，汽車中軟體單車價值量增速最 大，純電動車型將由 2025 年的 0.23 萬美元增長 7倍至 2030 年的 1.82 萬美元。同期 ECU/DCU、感測器、動力系統（除電池）及其他電子器件增速分別為 37%、 27%、-7%、5%。此外，在豪華車及主打智能化車型上，軟體的價值量佔比及絕對值將處較高水平。

汽車結構方面：全球汽車軟體與硬體內容結構正發生著重大變化，軟體驅動逐 漸成為主導。據麥肯錫預測，2016年軟體驅動佔比從 2010年的 7%增長到 10%， 預計 2030 年軟體驅動的佔比將達到 30%，屆時硬體驅動佔比僅為 41%。

軟體內容方面：應用型軟體為汽車軟體發展主力，ADAS 及 AD 軟體為主要增 量。據麥肯錫預測，2020-2030 年一體化軟體、驗證型軟體及功能性軟體市場 規模復合增速分別為 9%、10%、10%，其中功能性型軟體佔據汽車軟體半壁江 山（結構上佔比 6 成）。2020-2030 年按軟體功能劃分的市場規模中，最大增量 為 ADAS 及 AD 軟體，佔市場規模增量的 57%；信息娛樂、安全及聯網相關軟 件次之，占 20%；操作系統和中間件、車身和動力系統相關軟體、動力總成和 底盤相關軟體分別佔據 10%、10%、2%。

整車廠戰略思路：軟體為必爭之地

在汽車構架三步走過程中——傳統分散式電子電氣架構-域控制器電子電氣架 構-集中式電子電氣架構，主機廠將逐漸主導原本由 Tier 1 包攬的定製軟體部分， 軟硬體進行拆分發包的趨勢近年來愈發明顯。車企和互聯網軟體企業紛紛入局， 特斯拉引領車載軟體行業最高技術，大眾計劃緊跟，組建 5 千名軟體工程師開 發旗下所有車型統一的操作系統「vw.OS」，汽車屬性已然將逐漸由代步工具轉換 為移動的第三空間（例如未來的娛樂、辦公場所）。現階段整車廠與 Tier 1 的合 作模式仍在探索中，關乎開發周期、賦予附加值、構架實現、軟體變現模式以 及操作系統切入等問題上仍未進行標準化定義，卻為影響行業發展的關鍵所在。

特斯拉在軟體層面最大亮點是OTA 升級模式

特斯拉創整車 OTA 升級先河。其升級主要在兩個方面：一方面，將軟體升級發 送到車輛內的車載通訊單元，更新車載信息娛樂系統內的地圖和應用程序以及 其他車機類軟體。例如升級車機的運算速度、屏幕操作流暢度，運行高畫質游 戲以及增強可視化效果等，屬於駕駛艙內「看得見」的升級。另一方面，以直 接將軟體增補程序傳送至有關的電子控制單元（ECU），為 Autopilot 持續引入 及優化新功能。例如提升時速、修復駕駛漏洞等。軟硬體分離開發、硬體性能 冗餘的設計思路是實現 OTA 的必要條件，隨法規放開、演算法逐漸完善，特斯拉 以 OTA 升級軟體模式逐步解鎖新運用功能。此外，特斯拉顛覆車載軟體盈利模 式，以 6.4 萬元的 FSD 選裝軟體包定價、2000 美元的「 Acceleration Boost」 動力性能加速升級包獨創軟體付費的商業模式。

集中式電子電氣架構提供 OTA 基礎。特斯拉的整車 OTA 升級需要其超前的汽 車電子電氣架構做配套配合，傳統車企分散式電子電氣架構中 ECU 數量龐大， 單個 ECU RAM 內存容量有限，同時供應商的底層代碼和嵌入軟體差別較大， 難以完成整車功能的統一更新。而特斯拉採用集中式的電子電氣架構，分為 CCM(中央計算模塊，整合ADAS 及 IVI 域功能)、BCM LH(左車身控制模塊)、 BCM RH(右車身控制模塊)三個部分，2015 款的 Model S 大約有 15 個 ECU， 此後發佈的 Model 3 則直接通過 Hardware3.0 和三個車身控制器執行來控制行 駛、轉向和停止等功能，集中的架構和高算力的控制模塊支撐了特斯拉整車 OTA 升級。目前特斯拉已經可以通過 OTA 的方式實現改善車輛的底盤、信息娛樂、 電池續航、ADAS 乃至自動駕駛等多項功能，讓車的功能迭代更加靈活和便捷， 最終變成一台可以不斷進化的智能終端。

OTA 升級過程需數據網路配合，其安全性尤為重要。特斯拉 OTA 升級即指將程序從主機廠伺服器更新到指定 ECU，主要步驟為：車輛與伺服器通過蜂窩網 絡進行安全連接，將待更新的固件傳輸至車輛遠程信息處理系統及 OTA Manager，OTA Manager 將固件分發至需更新的 ECU 並管理更新過程，更新 完畢後向伺服器發送確認信息。整個 OTA 升級過程面臨安全考驗，騰訊科恩實 驗室曾實現對特斯拉的無物理接觸遠程攻擊，並將漏洞情況報告給特斯拉以做 修復。OTA 模式的信息安全（信息包加密及隔離）及功能安全（車輛狀態信息 傳輸）需得到足夠保障。

特斯拉 OTA 依然屬於行業標杆，傳統車企追趕特斯拉在研發 OTA 過程中仍面 臨困境。具先發優勢的特斯拉在 OTA 對動力和底盤系統有效升級層面、用戶體 驗、系統成熟和穩定性方面均處於行業領先地位，引領傳統車企和造車新勢力 跟隨布局，但仍面臨較多困難，體現在三個方面：其一，需投入較大的人力、 物力、財力，考驗主機廠研發實力；其二，OTA 打破固有的經銷商提供增值服 務的模式，利潤蛋糕重新切分具一定阻力；其三，OTA 安全性和穩定性上要求 較高，主機廠需理解部分互聯網領域技術。

大眾重塑軟體架構，推行 vw.OS 規劃

曾囿於軟體問題車型延遲交付。在特斯拉軟體技術快速迭代壓力下，大眾加緊 開發基礎架構，或因為開發過於倉促等因素，曾多次發生軟體問題，如新一代 純電動汽車 ID.3 因為軟體開發延遲造成交付時間推遲，新款高爾夫也曾因為倉 促上馬新技術（全數字座艙）於車輛中發現軟體問題而臨時停售。

大眾已著手構建軟體架構體系。為抗衡特斯拉及科技巨頭等新勢力的布局，大 眾愈發重視汽車軟體開發業務。2020 年 1 月 1 日起，大眾集團所有軟體開發工 作被集中至獨立新部門——Car.Software（2019 年 6 月份成立）。Car.Software 分為「互聯汽車和設備平台」「智能車身和駕駛艙」「自動駕駛」「車輛運動和能源」以 及「數字業務和出行服務」五個業務單元，其所有功能都將用於開發 vw.OS 車機 系統。一系列車型軟體問題出現后，寶馬製造工程高級副總裁 Dirk Hilgenberg 加入成為 Car.Software 負責人。此外大眾也對智能駕駛研發體系進行重組，如 拆分 L4 智能駕駛研發部分、合併各部門自動輔助駕駛研發。

大眾軟體計劃的內在驅動力來源於兩個方面：

其一：汽車軟體代碼愈發複雜。大眾曾做過統計，汽車軟體的行代碼遠大於其 他應用終端（汽車軟體 1 億行代碼 VS. Facebook 8 千萬行代碼 VS. PC 電腦 4 千行代碼 VS. 飛機 2.5 千萬行代碼 VS. 谷歌瀏覽器 1 千萬行代碼），是智能 手機的 10 倍。2020 年整車代碼量有望超 2 億行，達 L5 級智能駕駛代碼量有 望超 10 億行。

其二：汽車成為複雜的聯網設備，軟體將扮演重要角色。在大眾傳統車型上僅 需約 70 個 ECU，功能相對較為分散。而在未來的集成化計算單元體系下，軟 件的重要性將愈發凸顯，與 ECU 配合定義汽車功能，涵蓋操作系統、基礎軟體 以及其他應用軟體的車載軟體大眾均會自主開發。

大眾對研發投入、人員安排及軟體化目標做出規劃：

投入方面，大眾集團將在未來三到五年內投入 90 億美元（約合人民幣 630 億 元）資金進行軟體開發。員工方面，不同於製造環節的裁員情況，數字化部門 員工由 5000 名再次擴編至 1 萬人。軟體化目標方面，內部研發軟體佔比由不 足 10%提升到 60%以上，同時提出「8 合 1 目標」（將現有的 8 個電子平台整 合為一個平台）。2025 年前，所有新車型將使用 vw.OS 操作系統和定製的雲服 務（大眾與微軟合作），軟體在汽車創新中佔據 90%份額。

汽車軟體的未來推演

若考慮對汽車開發的終極假想，汽車最終會成為搭載「差異化元素」的通用化 平台。以目前視角，差異化元素涵蓋智能座艙（人與車互動的生態系統，包括 包括全液晶儀錶、車聯網、車載信息娛樂系統 IVI、ADAS、HUD、AR、AI、全 息、氛圍燈、智能座椅等方面）及智能駕駛（L1~L5 級智能駕駛等級）領域。而差異化元素主要由車型全新的電子電氣架構和軟體兩方面定義，一方面，ECU 里的功能模塊持續循環迭代的代碼驅動汽車執行最適宜的動作反饋；另一方面， 車載娛樂系統越發 APP 化吸引較多第三方開發者入場。海量數據在車內流轉， 其深層次的安全防禦（檢測和防禦網路攻擊）愈發重要。經過產業趨勢推演， 提出以下 5 大汽車軟體趨勢預判。

趨勢 1.往車輛集中式電子電氣架構發展，功能中心化

集中式電子電氣架構為終極構架體系。以域控制器為代表產品的跨域集中式電 子電氣架構再往後走，就是集成化程度更高的車輛集中式電子電氣架構—— Vehicle computer and zone concept（車載電腦），終極階段為 Vehicle cloud computing（車雲計算）。未來車輛通過用高性能的中央計算單元取代現在常用 的分散式計算的架構，將實現「軟體定義車輛」的終極目標。再此過程 ECU 的整合過程持續提升，應用程序完全從硬體中抽象出來，控制單元概念最終被 智能節點計算網路接棒。

趨勢2.更高傳輸性能的乙太網作為主幹網路承擔信息交換任務

乙太網作為車內通信網路大勢所趨。隨車內數據傳輸總量及對傳輸速度要求持 續提升，以及在跨行業的標準協議需求驅動下，支撐更多應用場景、更高速的 乙太網有望取代 CAN（主要用於車載控制數據傳輸，最大帶寬 1MB/s）、LIN（低 成本通用串列匯流排，主要用於車門、天窗及座椅控制）、Most（主要用於發數據 包）等傳統汽車車內通信網路成為車內通信網路。在對同樣的 ECU 的軟體進行 更新時，CAN 模式下的傳輸時間是乙太網的 30 倍。因此，乙太網的運用趨勢 得到主流整車廠（如寶馬、通用等）及半導體公司（如博通、恩智浦等）認可， 均推出符合乙太網的應用元件。未來趨勢上，乙太網並非能一蹴而就完全替代 CAN、LIN，預計多種通信模式將在較長一段時間內共存——CAN、LIN 用於傳 感器和執行器等封閉低級網路間的數據傳輸；乙太網（取代 MOST 等技術）用 於域控制器及子部件間的信息交換。

趨勢3.OTA 空中升級模式普及

OTA 由特斯拉引領，向全行業普及。由特斯拉最先推行的 OTA 升級功能模塊 能持續修復汽車軟體缺陷、解決部分故障、解鎖或引入新功能以滿足用戶需求， 成為汽車軟體發展的主流趨勢。按照升級對象的不同，OTA 可分為 FOTA（硬 件在線升級）、SOTA（軟體在線升級）兩個大類，其中 FOTA 主要針對基礎硬 件和汽車底層安全相關功能的升級需求，例如剎車系統、制動系統及 BMS 等；SOTA 主要對座艙娛樂系統進行升級。對 ECU 而言，其內部為備份軟體準備了 額外區域空間，以備當前運行程序出現故障或升級中發生斷錯誤時自動滾回備 份軟體系統，防止車輛出現安全事故。

趨勢4.汽車在雲端交換信息

更為靈活的雲服務是 SDV 載體。從早期的機械時代過渡到目前的硬體時代，在 進一步進化至未來的軟體時代，汽車的功能實現方式持續演變，隨著客戶的個 性化定製需求日益增加，加之雲計算對智能、靈活和自動化的天然要求，由「軟 件定義」來操控硬體資源成為更合適的解決方案，未來大部分汽車功能在雲端 運行，為車企轉型提供聯接使能、數據使能、生態使能和演進使能。因此，在 雲計算的計算、存儲和網路等各方面的基礎設施上，均呈現出從軟硬體捆綁， 到硬體+閉源軟體，再到白盒硬體+開源軟體的演進趨勢。而雲服務也成為 AI、 智能汽車、大數據等新興科技實現商業化落地的載體（例如特斯拉在雲服務載 體上進行 OTA 升級）。近年來雲服務市場實現爆髮式增長，而車載環節尚處於 發展初期，後續增量空間大。

趨勢5.信息安全領域需深層次防禦

汽車電子的運用及智能網聯化趨勢推進車載信息安全要求提升。汽車脫離孤立 單元后，隨之而來的是攻擊面的新增，一方面車輛聯網后其數據面臨被盜取、 泄露風險，另一方面電控系統普及后存在轉向、剎車等關鍵功能被外部控制的 可能性（例如破解車機、T-Box、網管后，向 CAN 發送惡意指令）。即接入汽車控制終端的 APP、網路系統、ECU 代碼均可能成為新攻擊向量。雲（車聯網 平台）-管（車聯網基礎設施）-端（車載智能及聯網設備）均存在信息安全問 題，將造成車輛功能性安全隱患：

（1）雲端與管端：接送關鍵數據的中央互聯網關直接連接至車企後台，部分第 三方公司被允許數據訪問。目前網聯實現通常會通過 APP 實現應用層功能（例 如解鎖車門、調用空調功能等），此時存在手機端與雲端的通信過程，且應用程 序供應商能直接訪問開放的相關數據介面。通過雲端和對外通信管端能對車機 端直接進行攻擊。

（2）車機端：當功能系統被授權時，黑客能對CAN匯流排發送相關指令控制ECU。騰訊道恩實驗室曾對特斯拉 Model S 進行過無物理破解實驗，以 Wifi 熱點接入 向車載娛樂系統植入軟體取得車機許可權，在破解網關后能控制其多個電控單元。

為抵禦外部攻擊需建立深層次的安全防禦系統，嚴控與功能安全及數據連接。汽車的防護措施隨交互信息增多其力度持續提升。車企安全團隊通常基於雲-管 -端對症建立安全防禦系統以應對外部攻擊：

（1）雲端：車載終端是汽車安全架構的核心，主要注意 T-BOX（用於車端和 外界通信）和 OBD（用於將汽車外部設備連接到 CAN 匯流排）兩大塊的信息防 護。實時進行入侵檢測，防止 DDos 攻擊。

（2）管端：汽車在未來將頻繁接入和退出網路節點，存在被篡改信息的風險。通常需要對通訊過程及傳輸數據進行加密，採用專門的 APN 接入網路。

（3）車機端：加強安全固件驗簽及防 root 機制，管理介面並建立監控體系。此外，可在車輛功能模塊上單設安全晶元對數控進行校驗。

部分第三方供應商能參與至信息安全環節。汽車安全防禦對於以特斯拉、蔚來、 小鵬等為代表的有互聯網基因的造車新勢力來說，擁有一定先天的優勢。包括 特斯拉在成立之初便組建了來自谷歌、微軟等互聯網企業的 40 人的網路安全專 家，小鵬和蔚來與阿里、騰訊等互聯網廠商進行深度合作，未來華為等供應商 是此領域的預備軍。目前網路安全系統仍缺乏標準的信息安全方案，原本的汽 車軟硬體供應商難以以統一標準滿足不同整車廠的信息安全要求，並且在測試 階段很難直接接入車企平台進行網路安全試驗。預計未來行業將有提供信息安 全方案、網路安全模塊以及某一特定領域防禦系統的第三方軟體供應商出現。

投資建議和推薦標的

百年汽車工業面臨由機械機器向電子產品過渡的新變局，在我們看不到的隱秘 角落——上百的電子控制單元循環執行軟體代碼功能塊，通過高性能的中央計 算單元，與硬體體繫結合以解析駕駛員需求，邏輯運算後向機械部件發送相應 響應指令。近年來，SDV（軟體定義汽車）概念逐步被整車廠認知，根源在於 「汽車如何體現差異化」問題的變遷，硬體體系將逐漸趨於一致，軟體成為定 義汽車的關鍵，即造車壁壘已經由從前的上萬個零部件拼合能力演變成將上億 行代碼組合運行的能力。

SDV 趨勢下汽車軟硬體分離重塑市場格局，盈利模式由硬體向持續賦予附加值 的軟體傾斜。主機廠愈發需具備軟體的管理能力及核心軟體設計能力，並引入 供應商及互聯網企業參與此環節，開發基礎平台並收取許可費用、供應功能模 塊按汽車出貨量 Royalty 收費及基於車企平台做定製化的二次開發均為未來主 流的軟體供應商盈利模式。預計 2030 年 500 億美元市場空間，復合增速 9%。

汽車最終會成為搭載「差異化元素」的通用化平台。一方面，ECU 里的功能模 塊持續循環迭代的代碼驅動汽車執行最適宜的動作反饋；另一方面，車載娛樂 信息系統越發 APP 化吸引較多第三方開發者入場。海量數據在車內流轉，其深 層次的安全防禦（檢測和防禦網路攻擊）愈發重要。關於賦能域控制器、定位 車機系統的各項軟體性能升級，包括車內乙太網應用、整車 OTA 升級、信息交 互上雲及深層次的信息安全防禦等，或將帶來一系列發展機遇。

資料來源：https://m.news.sina.com.tw/article/20201001/36497492.html?fbclid=IwAR1zWwTMiTHwfLyqZ7Qx698UjYwI3v0c-hs3gXdy560Rf5BgAS4Ts4QLbOQ

1949-2019：中國硬科技終迎來黃金時代

本文來源自CV智識
……………………………………………………

┃從達特茅斯的夏天到中國科技的“春天”

上世紀 50 年代，中國剛剛從槍炮與戰爭中站立起來不久，滿目瘡痍，百廢待舉，科技尤其如此。國內專門的研究機構一度不超過 30 多個，全國科技人才一度不足 5 萬人。

同一時期，大西洋彼岸的美國也正歷經一段黃金歲月。儘管存在核滅絕、種族隔離和迫在眉睫的冷戰的威脅，但上個世紀 50 年代仍然被視為美國歷史上幸福和繁榮的時代。

1956 年夏季，新罕布什爾州漢諾威小鎮，達特茅斯學院群星閃耀，一群來自各大研究機構和科技公司的科學家們聚在一起，共同研究了兩個月，目標是“精確、全面地描述人類的學習和其他智慧，並製造機器來類比”。

這是人類近代歷史上，頂級科學家們第一次如此齊活地聚在一起，就機器智慧問題進行探討，也正因為此，達特茅斯會議後來被公認為人工智慧的起源。

與達特茅斯會議幾乎同一時期，參會的西蒙、紐厄爾和第一屆圖靈獎得主艾倫·佩利（Alan Perlis）一起創立了卡內基梅隆大學（Carnegie Mellon University，CMU）的電腦系，從此，CMU 電腦系成為電腦科學和人工智慧研究的高地。

80 年代，一批懷抱“遠大的理想、志向、抱負和對新事物的追求”的中國學生陸陸續續來到 CMU 電腦系，向人工智慧先驅們拜師問道。

這些年輕人，包括曾經活躍于谷歌的李開復，百度的陸奇，前微軟亞洲研究院院長沈向洋，現任微軟亞洲研究院院長洪小文。

而一些當時沒有選擇 CMU 的年輕人，如電腦視覺華人鼻祖黃煦濤、2000年圖靈獎得主姚期智，則在同樣散佈在東部學術高地的各個頂尖實驗室裡。

90 年代，當時只有二十出頭的中國年輕人湯曉鷗，剛剛從中科大資訊科學技術學院畢業。此後，他沒有選擇繼續留在母校，而是來到歷史悠久，學術輝煌的美國東北部繼續求學深造。

新千年之初，深度學習技術已然取得重大突破，卻還沒有迎來屬於它的高光時刻，在李開復、沈向洋、湯曉鷗等人之後，更多的年輕人開始來到東部各大高校的實驗室裡深造。

2006 年，時年 25 歲的周曦揮別呆了七年之久的中科大，進入伊利諾大學香檳分校（UIUC），成為華人電腦視覺大師黃煦濤當年在全球招收的三位學生之一。

當時的中科大已然成為國內眾所周知的語音研究高地，頭部語音AI公司科大訊飛和雲知聲創始團隊均來自中科大。

周曦想要做更有挑戰的事情，他對當時在中國發展仍然很不充分的圖像識別技術產生了極大的興趣，而美國恰好擁有當時獨一無二的圖像識別研究環境。

他很快在UIUC搭建了Cluster伺服器陣列，將語音辨識領域的演算法跟思想與圖像識別領域巧妙交叉碰撞。此後的幾年，周曦跟團隊先後戰勝 MIT、東京大學、IBM、Sony等著名研究機構，拿到六次世界智慧識別大賽冠軍。

而在 2006 年前後，與周曦一同拜入黃煦濤門下的，還有依圖的顏水成，文遠知行的韓旭和甯華中、文安智能的陶海、奇點汽車的黃浴等人。

學成之後，這批人幾乎無人留在美國，而是陸續歸來，把最前沿的尖端科技帶回中國。

┃以外企為師，走向世界

新千年之初的中國，伴隨著改革開放成長起來的 80 後、85 後年輕人，已經告別了衣不蔽體、食不飽腹的最艱難歲月。年輕人們不再需要為解決溫飽問題發愁了，整個社會的創新力與活力隨之開始釋放。

2000 年，世紀交疊，熱鬧的清華園照常迎來一批新的學生，王永瑞便是新生中的一員，此後 8 年，他一直在清華精密儀器繫念書。

畢業之後，王永瑞曾在航太科工四院待過短暫的一段時間，2013 年他加入清華旗下產業啟迪之星，從普通員工做到常務副總經理，從事硬科技創業專案投資孵化工作。從清華到啟迪，王永瑞一直是中國科技創業浪潮的見證者與參與者。

8 年間，偌大的園子內外發生的一切，王永瑞回想起來依然歷久彌新。

彼時的清華人，尚且對創新創業沒有如今天般的熱情，上課、作業，業餘時間搞搞社團，參加參加學生會的工作，學生們常是規規矩矩的，在就業的選擇上同樣如此。

深度學習技術尚未起來，演算法也還不那麼常見，機械類、材料類、晶片類學科仍然冷門，硬科技尚且沒有像今天這樣受到如日中天的追捧。

那是外企在中國最為風光無兩的時代，遍佈望京商圈的是摩托羅拉、愛立信等外企，金輝大廈還不是阿裡的地盤，360 集團也尚未在這裡築起高樓。

“在那個年代整體來講，創業的比例還是小，打工也基本上是去外企的金融公司和互聯網公司，大量的網路設備公司，像愛立信，它並不是國內的企業，還是大的外企。”王永瑞回憶起他求學時期同窗好友們的就業選擇，大量的人才都去了外企互聯網公司和金融公司。

與此同時，國內的互聯網也在萌芽，新浪、搜狐、網易等門戶網站出現，懷抱著好奇的清華人也開始做一些校園網、社群項目的創業。

隋建鋒是清華機械專業的博士生，在園子裡渡過了近十年的學習和工作生涯。雖然一直從事硬科技相關研究，他也見證了清華人在互聯網時代的摩拳擦掌、躍躍欲試。

2008 年，人人網最火的年頭。清華園內，一個叫“師兄幫幫我”的校園社交平臺風雲一時。

苦於解決個人問題的清華理工男們，為了增加接觸女生的機會，做了一個類似于校園版百合網的社交網站，後來越做越大，一時間席捲了北京幾十所高校，甚至誤打誤撞獲得了薛蠻子的天使投資。

隋建鋒親身經歷了“師兄幫幫我”風雲一時的那段日子，而做此項目的正是他的同班同學，“師兄幫師妹去解決問題，問題解決了之後師妹要請師兄吃一次飯，其實它背後的邏輯就是解決男女相處的問題，清華理工科女生偏少男生偏多，這就給大家提供了一個交流的機會。”

“最瘋狂的時候，他們發了好多的券，你註冊了就可以去免費領一個雞腿，推廣得非常火。”隋建鋒覺得，那可能是他距離互聯網創業最近的一次。

遺憾的是，短暫火了一陣之後，由於缺乏真正的商業變現模式，“師兄幫幫我”沒有再繼續運營下去。

但好在，一些年輕人正在成長，已經成長起來的人則聚到了一起，為平靜的中國科研氛圍注入新的活力。

九十年初，中國電腦產業苗頭燃起，而大洋彼岸的軟體巨頭正面臨創新與競爭壓力，微軟前任首席技術官麥爾伏德向比爾蓋茨諫言，將研究院開到中國來。

1998年，微軟中國研究院成立。37歲的語音辨識專家李開復受命成為首任院長。三年後，最初的微軟中國研究院更名為微軟亞洲研究院。

巧婦難為無米之炊，李開復組建團隊之初頻頻受阻，說服海外精英歸國並不容易，卻也不乏慕名而來的熱血青年，張亞勤的加盟成為打開僵局的契機，隨後沈向洋加入，成為團隊的第一個研究員。

1999年，研究院第一批管理團隊逐漸成形，由國內高校博士生和海歸派組成。略微發黃的合照記錄下知春路 49 號的偉大時刻，在往後的十幾年裡，這批人的光熱輻射至大半個中國科技圈。

微軟亞洲研究院，又被稱為MSRA，對於大眾而言，她是個遠不如阿裡、騰訊等互聯網巨頭響亮的名字，即使在人工智慧已然發展得如日中天的今天，她的名氣依然不敵商湯、曠視之類的 AI 獨角獸。

但大眾同樣不知道的是，沒有樹大根深的MSRA，就不會有此後一代又一代的互聯網巨頭、移動互聯網巨頭，再到如今的 AI 獨角獸。

香港科技大學電腦系與數學系教授、前騰訊AI Lab主任張潼曾這樣向筆者談及MSRA對於公司穿越發展週期、基業長青的重要意義。

“研究院有幾個功能，一個功能是它會在短期專案上支援一些產品；另外一個是本身它也會對做一些技術儲備，為開發一些產品做積累；還有一個我覺得挺重要但被忽略的一點，研究院作為公司的人才儲備，在產業迅速變革的時候，這些人才才能產生價值。”

在張潼看來，微軟歷經多輪時代浪潮之而不倒，重回全球市值第一寶座，正與其人才儲備息息相關。

“比如說微軟，”張潼告訴筆者，“它原來就是一個軟體公司，但後來在做搜索的時候，雖然沒有做到Google的程度，卻能夠很快地起來，包括現在做雲計算，它為什麼能夠成為市值最高的公司之一？就是因為技術的儲備、人才的積累，在公司轉型上，如果沒有這些人才儲備，就沒有辦法去做這些事情。”

象牙塔內，學術研究熱火朝天，人才貯備從無到有；象牙塔外，互聯網創業水大魚大、戰事紛呈，已然開啟一個新的時代。

MSRA 建院這一年前後，搜狐、京東、阿裡、騰訊、新浪、網易、百度相繼誕生，外企們應該不會想到，當時還是由一群初生牛犢的中國年輕人創立的幾家門戶網站，或是ebay、Google的“拙劣模仿者”們，在此後的十年裡順勢崛起，直至將他們“掃地出門”。

隨著中國第一波互聯網發展熱潮湧現，中國公司開始為創新事業向矽谷尋找人才、資金，甚至包括公司命名的方式。

把別人的成果直接商用當然會被人詬病，但正是這段經歷讓中國的互聯網公司積累了使用者介面設計、網站架構和後端軟體發展的初步經驗。

三十年河西，三十年河東。

百度的核心功能和極簡主義的設計風格借鑒了Google，但在此基礎上，李彥宏堅持不懈地優化網站，以迎合中國用戶的搜索習慣。淘寶以ebay為師，卻另謀在初期為商家提供免費服務的模式，最終打敗ebay。

曾比作中國版BuzzFeed的位元組跳動，通過機器學習演算法為使用者提供定制化的新聞內容。現在，BuzzFeed的市值也已和位元組跳動不在一個量級。美團的靈感來自Groupon，但其業務線卻從團購一路拓展至電影、外賣、酒店、旅遊等本地生活服務等，現在美團的估值已經10 倍於Groupon。

Google、eBay、Uber、Airbnb、LinkedIn、Amazon……一個又一個美國巨頭都想贏得中國市場，卻無一不鎩羽而歸。

外國分析師在美國公司無法佔領中國市場這個問題上糾結的時候，中國的公司正忙著打造更好的產品。

資本聞風而動，人才循錢而至。

隨之而來的是，風投資金和人才魚貫湧入互聯網行業。市場如火如荼，創業公司的數量呈幾何級數增長。

大多數創業公司的產品靈感或許來自大洋彼岸，和矽谷的競爭的確產生了中國本土的互聯網巨頭，但真正造就了一代創業者鬥士的，卻是外人難以想像的殘酷“本土大戰”。

“如果你去外面看看，你會發現這個世界上最好的市場其實就在你腳下。”這是現如今大多數出海創業者對於開闢海外市場最為深刻的感受。

中國市場競爭的殘酷，讓中國互聯網公司探索出了完善的商業模式和強大的運營能力。

一些在殘酷的“本土廝殺”中成功出局的中國企業，也在海外戰場上開啟了與全球科技巨頭的無限戰爭。

2012 年，隨著智慧手機的出現與普及，中國移動互聯網出海風口開始形成，作為出海先驅，獵豹更是將中國免費工具的模式移到了海外。

2016 年，有更多公司開始把中國模式複製到海外市場，隨著市場的變化，出海的類型開始多樣。

中國企業出海的典範位元組跳動，一方面 Copy From China，將在中國獲得成功的資訊流模式複製到海外市場；另一方面則借助資本的力量在海外展開大肆並購，最終通過技術輸出的方式實現全球擴張。

直到最近兩年，無論是遊戲、內容還是電商類產品，出海的中國公司已經逐漸讓產品達到完全當地語系化的狀態。中企出海，已然歷經從稚嫩到成熟。

┃AI時代：走入無人區

“2000 年的時候，大家更多還是想著錢，怎麼快速賺到錢。”這是王永瑞還在清華念書時，對互聯網帶來的外部環境的極速變化，最為深刻的感受。

但賺到錢的一個好處是，中國的創業者們終於有錢去做些從前囊中羞澀之時難以做到的事情了。

發展硬科技，讓中國在底層研究、前沿科技的突破上真正屹立於世界民族之林，則是大多數中國科學家與技術人心中一顆自始至終都不曾熄滅的種子。

互聯網這十年，伴隨著供應鏈的成熟、市場的培育、人才儲備越來越充足，也為發展硬科技的提供了可能。

王永瑞談到，在清華讀書的這些年裡，周圍很多同學，還是“在互聯網圈裡混。”

到 2008 年畢業時，他明顯感覺到，一些新的變化正在發生，“這個時間段逐漸開始有一些人開始往硬科技的方向去做，慢慢的也有人去做硬科技的創業。”

“硬科技和移動互聯網的區別還是比較明顯的，它區別就是說一個週期的問題，聯網可能你投入就快了，慢的話我就三個月肯定也出來東西了，如果你是做一個硬體產品，週期不會這麼短，還不算你前期的人員、知識儲備以及經驗積累。”

王永瑞談到硬科技時說：硬科技創業雖然週期長、難度大，但這不妨礙越來越多有情懷、有個性、有創造力的工程師們加入進來。

“國內在很多基礎應用工程應用的學科建設，或者說知識儲備過程中還沒有達到，或者說離世界上先進的水準還有一定差距，中國大量的工科學生還是有一種情懷在，真的想把這個 gap 給彌補上來。”

至少在清華園裡，2010 年前後，雙創提出來前幾年，學校、學生們對於將產學研結合，甚至創業的熱情開始變得高漲。

隋建鋒回憶說，那個時候還沒有人工智慧這種說法，“現在的人工智慧、智慧硬體，那個時候我們叫機電一體化，簡單理解就是用各種各樣的方式實現機器人的自動化。”

互聯網風雲十年，是清華人不斷開放、追求變化的十年，而姚班的出現則把這種求變之心放大到一個極致。

打比賽、做課題、搗鼓機器，一些工科生做著做著，就開始了“真槍實彈”的創業。這批人當中，有小馬智行的樓天城，曠視科技的印奇、唐文斌、楊沐，MOMENTA 的曹旭東，深鑒科技的姚頌、單羿，禾賽科技的李一帆……今天，他們撐起了 AI 創業大潮的半壁江山。

2004年9月的一天，正在普林斯頓大學攻讀博士學位的張勝譽像往常一樣與導師姚期智碰面交流近期研究進展。姚期智突然對他說：“我要回中國了，permanently（永遠地）。”

張勝譽後來回憶說：“當時有些訝異，但隨即感到釋然。單純從研究角度講，的確沒有一個地方比普林斯頓更舒服。他回國，應該是要去做一件大事。”

此後不久，姚期智辭去普林斯頓終身教職，正式加盟清華大學高等研究中心，成為清華全職教授，在清華園裡，開啟了人生下半場全新的探索。2005 年，姚期智主導與微軟亞洲研究院共同合作成立“電腦科學實驗班”，姚班由此而生。

姚班初成立時，“教主”樓天城還是剛剛入學“萌新”，還在安徽蕪湖一中讀高三的“怪小孩”印奇，仍然幻想著有朝一日能編織出《終結者》中的天網世界，在後來的人工智慧浪潮中叱吒風雲的姚班少年們，此刻正在園子裡積蓄能量。

八年前，印奇與唐文斌、楊沐下定決心開始人工智慧領域創業之時，人工智慧還遠未成為一個風口，或者說尚且未被完全證明為一股可以改變時代的浪潮。

創業之初，印奇就曾與唐文斌商定，二人同赴美國攻讀博士，印奇專注智慧感測器方向，學的是硬體，唐文斌則繼續研究軟體。三人決定出發之時已然想好，做AI，最終一定會走到做硬體這一步。

而在MSRA的實驗室裡，湯曉鷗依然沉溺于拿兒子照片做人臉識別研究的快樂。此時的湯教授應該還沒有想到，日後不久，他會跑出來創業。畢竟，在以基礎科學研究聞名的 MSRA，誰能實現最多的技術突破，誰就獲得最多尊重。

直到 2012 年，人工智慧以深度學習的面貌重新贏得世人關注，屬於硬科技從業者的創業黃金時代終於來了。

多年來對神經網路根深蒂固的成見讓人工智慧的許多研究人員忽略了這個已經取得出色成果的“邊緣群體”，但 2012 年傑佛瑞·辛頓的團隊在一場國際電腦視覺競賽中的勝出，讓人工神經網路和深度學習重新回到聚光燈下。

在邊緣地帶煎熬了數十年後，以深度學習的形式再次回到公眾視野中的神經網路法不僅成功地讓人工智慧回暖，也第一次把人工智慧真正地應用在現實世界中。

研究人員、未來學家、科技公司 CEO 都開始討論人工智慧的巨大潛力：識別人類語言、翻譯檔、識別圖像、預測消費者行為、辨別欺詐行為、批准貸款、幫助機器人”看”甚至開車。

隨之而來的是，越來越多的學者在這個時候離開象牙塔，一批遠在海外的人也陸續回國，他們要從中得到在學術圈外一展身手的機會，當然也嗅到了商機，還有金錢的味道。

2014 年，湯曉鷗帶著他在港中文多媒體實驗室 (mmlab) 的一眾“門徒”跑出來創業了，取中國歷史上第一代王朝商朝開國君主之名——商湯，商湯科技應運而生。

一批 AI 公司有如雨後春筍般冒出來，不管是 MSRA、清華，還是 UIUC、中科院、mmlab，一代科學家與技術人們，仿佛跟約定好了一樣接二連三地流入尚且年幼的科技創業前沿陣地。

┃AI+5G 時代：細分，落地，紮入產業

造輪子的時代過去了，AI 從發明的年代邁入實幹的年代，從專家的年代邁入資料的年代。

西方國家點燃了深度學習的火炬，但最大的受益者卻是中國。在資料和工程人才方面，中國擁有得天獨厚的優勢。

無論是國際市場，還是國內市場，5G 和人工智慧都備受關注。被冠以“互聯網預言家”的馬化騰，更是公開表示“一個 AI+5G 的全智慧時代正在到來。”

“硬科技真正的突飛猛進，或者說走到了風口浪尖，有幾方面原因，一個是整個供應鏈、市場環境確實更加成熟了，包括很多柔性製造新技術的應用，感測器的不斷小型化，包括智慧硬體底層的技術系統的開發，一些主晶片的小型化，這一系列的技術，搭建得比較成熟了。”

硬科技的發展，則是跟隨著技術、市場、供應鏈的完善水到渠成的結果，而硬科技專案越來越受大家追捧，同樣是這個時代自然而然的發展趨勢。

王永瑞明顯感受到，硬科技真正掀起熱潮，是在最近一兩年。人工智慧領域的創業尤其如此。

在經過前期的拼實力、拼融資、拼應用等一系列競爭之後，AI獨角獸們逐漸開始學著做產品，講應用，談落地。

2019 年，大家的目光不約而同地轉向了商業化落地，以及實現規模化收入上。細分、落地、紮入產業，人工智慧的競爭已然進入下半場。

“真的太瘋狂了，什麼華為、阿裡都進來了。”一位 AI 公司的朋友這樣描述今年下半年整個行業的競爭態勢。

隋建鋒談及了他今年經手的兩個印象頗為深刻的項目。

“當時我在北京接觸智慧硬體的專案叫情感記錄儀，像一個小的紐扣一樣配在身上，通過提取人的溫度、心跳來判斷出你的情緒。這項目也經歷過一段時間，最後黃掉了。”

這樣的項目，到底有沒有存在的意義？隋建鋒反問，“你的情緒你高興還是喜悅還是悲憤，你自己肯定會主觀地意識到，還需要用這種智慧硬體來衡量你是高興還是不高興嗎？”

智慧硬體所謂的智慧肯定是服務於硬體，不是為了智慧而智慧，這是隋建鋒從事硬科技專案投資孵化以來最為深刻的感受。

“來到深圳之後我又接觸到一個智慧讀錶盤的專案，它的應用物件就是水錶電錶，每個月要有人去讀這個數，這其實是一個工作量非常大的事情，然後一個團隊專門做了一個讀表儀，一把它放到水錶上，它就能夠及時把資料傳輸出來。”

“做智慧硬體一定離不開應用場景，這是我在北京和深圳感受到的一個非常大的差別，也是目前整個 AI 大的領域特別重要的一個點，一定要找到痛點。”

在更加細分垂直的領域，如醫療、教育、智慧製造、腦機交互，大風口之下，一個個小風口正在形成，一個個小獨角獸正在誕生。

最近一兩年，AI醫療賽道的森億智慧，將製藥時間從8年縮短到幾個月的AI製藥公司 InSilico Medicine，從事類腦晶片研發的靈汐科技，腦機交互產品研發的腦陸科技、優腦銀河等，明顯開始受到資本的青睞。

隋建鋒說，如今 VC 技術化，甚至 LP 技術化的趨勢正變得愈發明顯。“我們在找LP的時候，也傾向於找那些理解技術，能給硬科技創業者帶來更多資源的 LP。”

AI商業化的1.0在雲端，是基於大資料做應用。AI商業化2.0的變化趨勢是從雲端到邊緣，把人工智慧的能力帶到每個人身邊。

5G則是有效連接雲端和邊緣的高速度、高可靠性和低時延的通信管道，可以用最優化的方式實現人工智慧的資源配置。

5G和AI結合在一起一定會進入很多新場景，產生很多新機會。今年4月初, 中國完成首例 AI+5G手術，在400公里外完成“補心”手術，為智慧醫療開啟無限想像空間。

而這些都只是剛剛開始。

┃尾聲：科技人，永遠年輕

最早今年之內，AI獨角獸曠視科技就要在港交所敲響IPO的鐘聲。

曠視終於從 8 年前那個窩在創新工場共用辦公空間小角落裡敲代碼、磨產品的“幾人組”，發展成如今第一個衝刺港股的“純人工智慧公司”。

一個月前，筆者在美麗的西南山城重慶，拜訪了雲從科技總部，恰逢曠視招股書公佈當天，問及雲從研究院院長周翔友商上市一事，周翔打趣著說到，“你看曠視都已經上市了，這個行業肯定不會繼續虧下去了。”

猶記得，招股書發佈當晚，業內一時譁然。

這家年輕AI獨角獸的表現，似乎並沒有此前大家期待的那麼高，對整個行業帶來的影響，吉凶禍福，難以預測。

筆者也就此事詢問了雲從聯合創始人姚志強，他堅定地認為“行業趨勢不可逆。短期內是有泡沫的。任何事物的快速發展，不可能沒有泡沫，它是發展過程中特定階段的產物。”

“但是真正的泡沫是不代表未來，是虛幻的，是一定會帶來沉痛的，但如果泡沫代表未來，那麼短暫的泡沫對未來趨勢影響不大，只要是在大趨勢下的選擇，一定會出現一個偉大的企業。”

在曠視人眼中，印奇不苟言笑，平時總是“端著”，唐文斌則更加外向，和大家聊技術、談人生都不在話下。

印奇也曾坦陳，自己性格比較內斂，在機場碰到客戶，一度會躲著走，直到最近兩年，他開始“強迫”自己主動上去跟客戶打個招呼。印奇一直處在從一個典型理工男努力轉變為合格公司管理者的過程中。

姚志強告訴筆者，“只要是技術男認定的事兒，我們就不會想太多的結果，先卯足勁幹再說。”但“失敗和成功的教訓都指向一個，要接地氣，技術必須為其他行業提供服務，並且能夠真的解決問題。”

王永瑞與禾賽科技的李一帆是同門好友。變形金剛、機器貓、自己組裝的模型，在他的印象中，李一帆的桌面上總是擺滿了各式各樣的機器人。“工程類的東西完完全全地融入到了他的生活，你能感受到那是一種發自內心的喜愛。”

平日裡，依圖科技創始人朱瓏喜歡圍著他辦公室所在的一層樓，一圈一圈地轉，不過，他轉圈從來不是為了監視員工。有關應該如何經營這家公司，他一直在思考。

90後的馬漢東已經是AI醫療公司森億智慧的聯合創始人。員工問他，我們所做的事情到底有沒有意義？馬漢東的回答是，你們直接去醫院裡看一看，我們的設備、應用，救的都是人命。

既身坐冷板凳，又頭頂泡沫，科技創業，可謂路上道道折。但創業者們從來沒有懷疑過這其中的價值。

幾十年的發展也有力地證明，科技公司的力量正變得越來越強大，聚聚了一大批頂尖科技公司的中國力量也越來越難被取代。

中國的科技公司，歷經了從無到有，又從Copy to China到Copy from China的大時代。直至如今，一些重要領域已然躋身世界前列，這是近代以來從未曾有過的重大改變。

Joe：「人工智慧未來2年內，在美股市場肯定還有一波可以炒作的空間」

人工智慧（AI）被視為第四次工業革命核心，預估到2020年，市場商機規模高達3000億美元，「得晶片者得天下」概念發酵，因此吸引各大科技廠爭相加碼投資。

過去因為資料量不夠大，同時機器CPU無法做準確分析，如今各種結構與非結構性資料量愈來愈大，全部被集中到雲端或者可藉由終端手機進行資料蒐集及分析。資料量愈來愈多樣化，加上各式演算法愈來愈精進，使得人工智慧的環境趨於成熟。

Nvidia（英偉達）一直是圖像處理的行業龍頭，GPU的浮點運算、同步並行運算是非常適用於人工智慧的深度學習神經網絡，因此成為AI晶片領頭軍。谷歌無人駕駛汽車就採用了Nvidia的移動終端處理器Tegra（4核CPU+256核GPU）。2016年8月，英偉達推出首台深度學習超級計算器Nvidia DGX-1。2017年4月，Nvidia宣布為Tesla自駕車開發全新數據中心加速器Tesla P100已經供貨，面向人工智慧、自動駕駛、氣候預測、醫藥開發等專業領域。

Google在2017年5月的I/O大會推出AI晶片「TPU」（Tensor Processing Unit）是客製化的ASIC（特殊應用邏輯IC），專為機器學習設計，用於改善搜尋結果的相關性，提高Google街景服務地圖和導航功能的正確度。也就是說，TPU專為特定用途設計的特殊規格邏輯IC，只執行單一工作，所以速度更快，但缺點是成本較高。

英特爾2016年9月收購視覺晶片公司Movidius。歷經將近一年的研發，於2017年8月底宣佈推出了全新的Myriad X視覺處理器（Vision Processing Unit；VPU），這是全球第一個配備神經運算引擎（Neural Compute Engine）的系統單晶片（SoC），可用於加速產品端的深度學習推理，未來可應用在無人機、機器人、智慧攝像機、虛擬實境與擴增實境等產品。

高通早在2015年CES推出Snapdragon Cargo是一款無人機SoC晶片，具有視覺運算可應用於工業、農業監測、航拍。此外，高通的驍龍820晶片也被應用於VR頭盔中。事實上，高通已經在研發能在終端完成深度學習的移動設備晶片。

IBM推出TrueNorth 晶片，又於2017年8月9日宣布已發展出採用多台伺服器搭配分散式深度學習軟體（Distributed Deep Learning；DDL）縮短深度學習時間，提高效率。IBM使用了64個自行開發的Power 8伺服器，每一個微處理器都與256顆英偉達繪圖處理器透過NVLink連接起來，讓兩種晶片之間的資料流程進行傳輸。當其開始處理來自ImageNet-22K資料庫的750萬張圖片時，其識別準確率高達33.8%，比起微軟先前的29.8%紀錄還高。

蘋果公司對未來開發的產品，一向神祕低調。消息傳出蘋果正在開發AI晶片Apple Neural Engine，且內建於新一代的iPhone/iPad原型機進行測試，期望提升臉部或語言辨識能力。還有研發出一套人工智慧架構平台，可讓兩組Siri軟體相互對話溝通，應用在智慧居家領域。同時，蘋果也積極開發深度學習技術，鎖定自動駕駛車以及智慧家居應用，要把虛擬語音助理軟體Siri更加智慧化。

微軟準備為下一代Hololens擴增實境裝置打造一個客製化的TPU人工智慧晶片，也不排除在Hololens晶片推出之後，也可以用於微軟的雲端服務之上。也在試驗另一種晶片FPGA（可程式化邏輯元件），FPGA介於GPU和ASIC之間，沒有GPU那麼通用，也不像ASIC只有單一功能，FPGA能重新編程，執行多種功能。

結語
AI晶片包含三大類市場，分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用 GPU圖像處理，尤以Nvidia 是此一領域龍頭，但是，有些業者認為GPU處理效率不夠快，而且因應眾多特定新產品的不同需求，於是，推出NPU、VPU、TPU...等等。總而言之，AI晶片是一個新興的產品，等待「殺手級」出現，充滿無限大的市場。由於，搶未來AI應用市場商機，科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。

目前還不清楚哪種架構的晶片會在 AI 大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要求，難度上比雲端數據晶片更高。

至於CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代，答案應該不會。因為，新出現的處理器只是為了處理新發現或尚未解決的問題；同時，希望晶片市場能有更多競爭及選擇，不要英特爾、高通獨大。科技企業搶人工智慧應用商機，AI晶片成為兵家必爭之地。

http://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=13742