在智能駕駛領(lǐng)域，自動輔助導(dǎo)航駕駛（NOA）功能相較于基礎(chǔ)L2級輔助駕駛，對感知精度和計算能力提出了更高的要求。雖然BEV（Bird's Eye View，俯視圖）感知可以在低算力芯片上運行，但其感知精度和算法的復(fù)雜程度不如中高算力芯片。此外，對于無地圖或輕地圖的NOA功能，智能駕駛域控制器需要處理更多的感知數(shù)據(jù)，對計算能力的要求更高。因此，頭部主機(jī)廠在中高端車型中傾向于使用高算力芯片。本文將探討高算力智能駕駛域控制器在NOA和L3級智能駕駛中的關(guān)鍵作用，以及未來的發(fā)展趨勢。

NOA功能對算力的要求

NOA功能需要更高的感知精度和計算能力，這意味著智能駕駛域控制器需要具備強大的計算能力和多傳感器融合能力。在高算力平臺上，NOA通?；赥ransformer架構(gòu)的carrier-based方案。這種方案能夠通過復(fù)雜的深度學(xué)習(xí)算法，實現(xiàn)更高精度的感知和導(dǎo)航。

然而，在低算力平臺上，NOA功能的實現(xiàn)需要采用更簡化的算法方案。例如，BEV Depth和BEV Det等方式，將2D感知數(shù)據(jù)轉(zhuǎn)化為3D視圖，以實現(xiàn)基本的NOA功能。雖然這些方案在低算力芯片上可以運行，但感知精度和性能與高算力平臺相比仍有差距。

此外，對于無地圖或輕地圖的NOA功能，智能駕駛域控制器需要處理更多的感知數(shù)據(jù)。這種情況下，域控制器需要具備更高的算力，以確保系統(tǒng)能夠?qū)崟r處理復(fù)雜的環(huán)境感知和自動駕駛決策。

高算力芯片在智能駕駛域控制器中的應(yīng)用

隨著智能駕駛功能的不斷發(fā)展，高算力芯片成為智能駕駛域控制器的核心。頭部主機(jī)廠在中高端車型中選擇高算力芯片，主要是為了滿足NOA功能的精度要求，并為未來的L3級智能駕駛做準(zhǔn)備。

相比城市NOA，L3級智能駕駛對算力的需求更高。L3級智能駕駛需要在設(shè)計運行條件下，車輛能夠自動執(zhí)行所有駕駛?cè)蝿?wù)，并且在特定情況下能夠安全接管。然而，當(dāng)前市面上已量產(chǎn)的芯片在算力方面難以滿足L3級智能駕駛的需求。這意味著芯片向更高算力發(fā)展的趨勢仍將持續(xù)。

為了滿足未來L3級智能駕駛的需求，車企需要在設(shè)計智能駕駛域控制器時進(jìn)行算力預(yù)埋。這種預(yù)埋設(shè)計可以確保未來軟件升級時，域控制器具備足夠的算力支持。此外，為了確保系統(tǒng)的安全性，車企也需要考慮冗余設(shè)計。較為簡單的冗余設(shè)計是放置兩個域控制器或增加備用芯片，以確保在主控制器發(fā)生故障時，系統(tǒng)仍能正常運行。

隨著智能駕駛功能的發(fā)展，高算力智能駕駛域控制器將在未來發(fā)揮重要作用。以下是未來的發(fā)展趨勢：

高算力芯片的普及：隨著智能駕駛功能的需求增加，高算力芯片將在智能駕駛域控制器中得到廣泛應(yīng)用。這將有助于提升NOA和L3級智能駕駛的性能和可靠性。

多傳感器融合：為了實現(xiàn)更高精度的感知，智能駕駛域控制器將進(jìn)一步整合多種傳感器數(shù)據(jù)。這將有助于提高環(huán)境感知的準(zhǔn)確性。

深度學(xué)習(xí)與AI：隨著Transformer等深度學(xué)習(xí)架構(gòu)的應(yīng)用，智能駕駛域控制器將具備更強大的算法能力，以滿足未來智能駕駛的需求。

系統(tǒng)安全性和冗余設(shè)計：為了確保智能駕駛系統(tǒng)的安全性，智能駕駛域控制器需要考慮冗余設(shè)計和多層次的安全機(jī)制。這將確保系統(tǒng)在各種情況下的穩(wěn)定運行。

高算力智能駕駛域控制器在NOA和L3級智能駕駛中的作用至關(guān)重要。隨著技術(shù)的不斷發(fā)展和算力需求的增加，智能駕駛域控制器需要不斷創(chuàng)新，以滿足未來的智能駕駛需求。高算力芯片的普及、多傳感器融合、深度學(xué)習(xí)與AI，以及系統(tǒng)安全性和冗余設(shè)計，將成為智能駕駛域控制器未來發(fā)展的關(guān)鍵方向。通過不斷提升算力和優(yōu)化結(jié)構(gòu)，智能駕駛域控制器將為智能駕駛技術(shù)的發(fā)展提供強有力的支持。