即將結束的2024年，對於汽車智慧型領域來說，是極其“內卷”的一年。 在華為、小鵬等車企內卷的帶動下，我國智慧型駕駛裝機率普遍超過50%，智慧型座艙標配滲透率達9213%。可以說，2024年是汽車智慧型化的一年，低階智慧型駕駛和非智慧型座艙成為市場上的少數產品。 然而，在智慧型化普及之後，車企下一步將專注於技術迭代，讓消費者收穫更具競爭力和價效比的產品。
從智慧型化兩個主要方面（智慧型駕駛和智慧型座艙）來看，2024年很可能是乙個主體驗的時代。 也就是說，以NOA為代表的城區高階智慧型駕駛功能將轉移到中型計算平台，最終高價效比的解決方案將降低上車成本智慧型座艙開始連線多個場景。 在技術迭代的路線上，明年的趨勢會是什麼？
進入城市NOA普及階段後，國內車企出現了一種奇怪的現象，實現類似城市NOA功能的車企會選擇更強的計算硬體來實現。 華為ADS 20系統使用的MDC 610具有200 tops的算力，支援城市地區的NCA功能。 小鵬汽車擁有相同的城市NOA功能，它使用2顆NVIDIA Orin-X晶元，總算力為504TOPS。 蔚來甚至使用4臺Orin-X實現智慧型駕駛，總算力達1000+ TOPS。 在相同的使用者體驗下，不同方案之間的算力可以達到5倍以上，這顯然是不合邏輯的。
現階段，晶元和解決方案提供商面臨的乙個問題是，算力無法提公升到一定程度。 目前，城市NOA面臨的問題不僅限於算力，還在於演算法架構和硬體配置。
我們可以看看現在城市地區支援NOA的硬體配置，主流解決方案是算力晶元（Orin-X）和雷射雷達的組合，超過200TOPS支援高速NOA的智慧型駕駛方案，採用84-128TOPS算力晶元（Orin-N或地平線遠征5）+非雷射雷達組合。 可以看出，主流城區的NOA方案採用雷達感知輔助+增強算力模式。
從硬體角度來看，城市地區對NOA算力的需求集中在城市地區的複雜道路，導致感知資料的複雜性公升級，晶元需要更多的算力來處理複雜的場景元素，包括識別障礙物。 從軟體角度來看，現階段主流智慧型駕駛方案採用BEV+障礙物識別網路，計算的核心點是識別障礙物型別，標註障礙物優先順序。
地平線和英偉達都在推廣BEV+Transformer的端到端演算法框架，該框架通過占用網路**識別道路關聯和道路參與者的軌跡，兩種演算法框架的結構不同。 BEV+Transformer利用視覺的透視效應，在BEV空間內進行**，改變了傳統的感知演算法。
目前主流的感知演算法主要集中在攝像頭感知2D畫面、雷射雷達識別位置、晶元整合2D和3D集上。 BEV+Transformer可以減少感知任務中的識別、感知和**錯誤，通過神經網路實現端到端優化，通過自學習和習促進感知模型的快速迭代。
基於這種新的演算法框架，將增加車載攝像頭的數量，減少雷達的作用，從而降低晶元遇到的算力壓力。 在SoC層面，對晶元的唯一要求是需要增加快取和頻寬，這對於晶元廠商來說，對現有的晶元架構進行適配和微調，增加底層軟體優化要容易得多，這比增加算力要容易得多。
基於該架構模型，地平線開發了4個旅程5個晶元分工實現的智慧型駕駛解決方案，可實現高速城市NOA，這也證明了該架構可以有效降低對晶元算力的需求。
2024年4月，大疆創新推出L2+智慧型駕駛功能，具有類似強視覺架構，可實現80TOPS算力的城市先行。該方案的成本僅在5000-15000元之間，這使得登上算力平台成為可能。
今年11月，第二代HBapilot無地圖NOH解決方案於今年年底發布，僅需72 100TOPS算力即可實現城市NOH。 這些新的解決方案將把城市NOA的最低算力水平從200 TOPS降低到中等算力平台的72-100 TOPS。
可以預見，明年，隨著架構模型的改變，城市NOA功能將覆蓋中低算力平台，推動高階智慧型駕駛載客率提公升。 此前，俞成東表示，新M7城市智慧型駕駛包選包率為75%，明年在新架構的帶動下，城市NOA選包率極有可能提公升到90%的水平，其中主要增加幅度在中低計算平台車型，即 價格在10-200,000的低價車型。
無論HarmonyOS座艙系統還是魅族Flyme Auto系統，現階段智慧型座艙系統的主要演進點是打破單車智慧型的孤島效應，專注於裝置之間的無縫連線。 鴻蒙智慧型座艙系統的超級桌面和導航目的地感知功能，利用手機和車機的算力進行連線，利用手機算力進行車機應用。
澎湃的作業系統，今年發布的 HarmonyOS 40是在加強手機算力連線的基礎上，開放更多終端裝置。 乙個典型的功能是華為在智傑S7發布會上宣布的汽車與全屋智慧型聯動，車機通過智慧型家居中控控制家中的空調、音響、電視、照明等智慧型裝置。 這種形態實現了車聯網與物聯網的連線，並將在2024年繼續深化。
明年，智慧型座艙服務將加強會員在座艙內的感知，華為最近申請了一項專利，提供基於車主親密度的場景化服務。 該專利通過駕駛艙感知乘員的上落客位置資訊、乘車位置資訊以及與車主的通訊頻率資訊，從而轉換相應的場景化駕駛艙服務。 該功能顯著強化了智慧型座艙在多場景下的銜接程度，很有可能在未來的鴻蒙座艙系統中載入。
德賽還提出了一種新的智慧型座艙系統邏輯，基於STR節能方法，通過獲取環境預測系統來判斷系統是否處於合適的溫度，通過開啟空調來調節艙內外的環境溫度，該專利還優化了空調在不同溫度場景下的溫度效能。
總而言之，2024年的智慧型座艙將突出多場景連線，通過智慧型家居協議連線更多家庭、辦公室等場景。 駕駛艙內的場景優化提供了更具情境化的智慧型駕駛艙體驗。