时间: 2024-08-10 16:11:09 | 作者: 通风柜
这是2020年，王启研最深刻的体会之一。当时蔚来已经卖车2年多，但是汽车联网模块仍存在用户抱怨的情况，甚至上升为“CEO工程”。公司创始人李斌给当时负责数字网关的王启研下了死命令，“这样的一个问题一定要解决好！”
复盘下来，王启研发现，问题根源出在通信模块上，这是从一家欧洲供应商采购而来的黑盒方案，蔚来内部只能看到模块出现异常，但很难定位到具体漏洞。
最后是李斌亲自打电话给供应商CEO，蔚来中美团队与供应商欧洲团队隔天开一次会，在大量用户数据测试下，才帮供应商找到问题根源。“但如果是我们自己的代码，可能两天就解决了。”
即便因为投入巨资而受到争议，蔚来没放弃构建他们的智能电动汽车技术版图：从最上层的智能应用，深入至智能驾驶芯片，甚至是更底层的整车操作系统。
事实上，车企涉猎操作系统不算罕见，但基本服务于智能驾驶、智能座舱等领域，而蔚来自研的天枢SkyOS操作系统的目标是——整车全域，覆盖智能驾驶、车控、车联、数字座舱等，相当广泛。
蔚来甚至还会深入到自研芯片的底层软件。“我们为神玑芯片提供一整套底层软件的能力，包括仿真、虚拟化、OS、中间件、工具链等。”王启研说。
搭建整车操作系统件并非易事。手机、电脑等操作系统管理的硬件不超过10个，而智能汽车的整车电子零部件上百个，要协调的硬件数量与软件复杂度都急剧上升，对系统的数据吞吐量、低时延、安全以及稳定性，有相当高要求。
具体来看，SkyOS有一个虚拟化平台、4个操作系统内核，以及N个中间件工具链等。据王启研介绍，最底层虚拟化平台的作用其实是整合与再分配，给不一样的应用提供共享的资源池。
在虚拟平台之上，蔚来4个操作系统内核覆盖了智能驾驶、车控、车联、数字座舱等领域。比如SkyOS-R操作内核可以部署智能驾驶域的大部分功能，该内核有高性能、高实时性等特性。
“未来的汽车将成为一个由AI驱动的智能体。”王启研多次强调这一观点。科技日上，CEO李斌也史无前例地肯定了AI的重要性：一个成功的智能电动汽车公司，一定是一家成功的AI公司。
王启研认为，汽车未来将会有更多的智能化融合，而非单点数字化升级。比如蔚来的天行全主动智能底盘，即便在车前盖叠放香槟高脚杯，路过连续起伏的路面时，也能如履平地。这个底盘功能的实现，就需要从智驾芯片平台调用算力来实现，是典型跨域应用。
尤其是当汽车的电子电气架构，从分布式转向跨域融合，再到中央集成式后，车辆的电子功能实现交给了数个甚至一个计算平台。届时，汽车也将成为由AI驱动的智能体，可以充分调动整车所有能力，拉高智能天花板。
“所以当全新电子电气架构诞生的时候，需要相应的OS来支持集中式中央计算、AI大算力、高吞吐、复杂调用的需求。”王启研说道。
按照蔚来的规划，蔚来的天枢SkyOS下一步，还将更加深入支持自研的神玑芯片落地、舱驾融合、以及车内的AI原生应用体验等。
王启研认为，AI大模型参数量非常大，对车端算力和内存要求很高，同时AI模型本地化部署会是明显趋势。“但我们不希望本地资源光跑模型，把车端算力资源用完了。所以资源的优化、精致使用将是一个长期主题。”
以下是36氪汽车与蔚来数字系统副总裁王启研的对线氪汽车：现在车企大多在应用层的智能座舱、智能驾驶做系统，蔚来做整车操作系统，希望能发挥出什么样的效果？
王启研：从若干层面来看，第一，有了整车全域操作系统底座后，可以让一些原本不太可能的智能功能变得可能。比如蔚来天行智能底盘，它涵盖了智能驾驶、底盘、网关、云端、手机端的东西，还有通信，数据分享，是一个很复杂的体系。如果每个软件栈独立存在，没有相互打通，在实现这个功能时，会发现延时很高，就没有办法及时响应，或者没法做很复杂的算法。拉通软件平台，可以实现更复杂的功能。
另一个维度是，智能汽车已经发展了快10年时间，整个生命周期的软件产品维护，会是个更加显著的问题。能不能在全生命周期内，给用户提供最新的体验？对一个有多品牌、多产品线、多车型，多地区运营，未来有百万用户群体的车企来说，要做到这件事情本身非常难。
举个例子，一款车大概50-60个ECU，每个ECU有不同版本，整车有上百个大功能，几百个小功能，如果要做一次软件更新，这么多硬件版本，整体测试工作量可以想象有多大。所以一定要有个平台，能分层解耦，才能在不断推出新车型时，保持软件更新的效率。随着车辆保有量越来越大，体系化能力的底座发挥的作用会更加明显。
王启研：我们不会依赖外部厂商或者合作伙伴，因为这个能力未来可能不只服务于我们自己，还可能服务行业其他友商，这决定了我们设计操作系统时的一些决策。我们的操作系统没有一样东西是依赖于外部的，绝大多数都是我们工程师设计和开发的，有一小部分基于开源，就像安卓也是基于Linux内核长出来的体系。我们希望借助一些开源项目以及自研，实现自主可控。
王启研：可以这么说，大家对智能电动汽车形态的理解，决定了如何布局技术。我们觉得将来的汽车一定是以AI为驱动的智能体，把整车能力充分调动起来，所以需要一个底层平台拉通车内与外界、车端云端整合在一起。
王启研：我跟一些朋友聊，他们往往遇到第一个问题是战略。下定决心干这个事，是需要足够魄力的，要想的足够清楚，这可能是第一个坎。然后才是怎么设计，需要什么供应链。好在，斌哥有很强的前瞻性，给了大量支持，我们第一个难题基本没有遇到，直接进入执行阶段。技术攻坚方面，可能要分阶段分步骤，比如NT2.0阶段，我们先找了一个最刚需的领域，先把能力建立起来，后面不断优化。我们不一定面面俱到，但一定要满足特有需求。比如新架构下支持大算力、资源调度、通信延迟、可靠性等，我们要用最少的资源最少的时间把这个事干好。
王启研：一些芯片厂商确实会对底层软件有限制。这个可能要根据公司的策略来选择，比如智驾现在都是英伟达的芯片，后面我们也会有自己的神玑芯片，我们为神玑芯片提供一整套底层软件的能力，包括仿真、虚拟化、OS、中间件、工具链等。
王启研：比如天行底盘就借智驾Orin的算力。这个是通过硬件虚拟化，就是给不同类型的应用提供共享的资源池，这是一个典型的虚拟化动作。还有我们体系化的底层支持，可以实现更好的安全性可靠性，比如AEB刹停时间减少50%。我们在NT3.0会有神玑和Orin两种智驾芯片配置，我们在神玑上有整套SkyOS战略；英伟达实际是对底软这块是有要求的，但我们不是说不能跑，但确实有些限制。
王启研：新势力在智能电动汽车产品的规划上基本还是一致的，只是大家在具体路径、策略、节奏上可能不太一样。我们更看长期一点的布局，不是6个月就能做完的东西。很多车型的维护成本、效率难题会慢慢体现出现，我们预知的早一些，大概2020年就看到了。
王启研：鸿蒙OS主要面向座舱领域，但我们在最早设计时，就把整车融合的诉求都考虑进去了。我们是主机厂，还是有先天优势。在一代平台或者是早期研发过程中，我们也积累了很多的经验，也有一些教训，所以我们知道想要全生命周期的维护，需要一个什么样的OS支持，跟只覆盖座舱还是有些区别。
王启研：我们确实进入到了多品牌、多车型快速增长的阶段。如果还按照原来的车型节奏，没办法同时推进这么多车型。我们作为中间的标准平台，可以提供标准接口，他们可以在不同的硬件配置上同时开发，而且模块可以分享，共享率达到90%以上。另外，大家可能比较容易忽略的是工具链。OS开发都需要有趁手的工具链。在AUTOASAR的年代，可能配套的是达芬奇工具链，但那个平台本身有局限性。现阶段造车需要共同合作，快速迭代、随时测试，所以我们也是花了很大精力打造了一整套工具链，从设计、开发、集成、测试、仿真、调试等，这是SkyOS能迭代效率更快、更多复用，真正发挥能力的关键。
王启研：在汽车架构技术升级过程中，供应商的角色调整是一个不可避免的事情。我们原来车上有很多小黑盒子，功能怎么实现我不知道。但有了天枢后，我们可以把功能集成在域控制器，可以节省大量成本，也提高了整车生命周期的效率和降低迭代成本。这个过程中，供应商怎么办呢？供应商能做的就是深耕功能，积累know-how，与OEM探索新的合作模式，比如在我们的平台上开发的功能。其实整车OS并不是唯一推动供应商角色转变的因素。整个汽车技术架构的变化，就会造成合作方式的改变。
我们也开发了一些小工具，能把AUTOSAR的代码转化成兼容我们操作系统的东西。但AUTOSAR是20年前的架构，非常老旧，设计有先天不足，可以把AUTOSAR转化、适配我们的接口，但可能没有很好的方法最优使用我们的系统资源。
王启研：车上的硬件资源其实可以归类，比如高安全性、低延时、高可靠性这些，主要是把应用所需的运行环境进行分类。但算力资源的模块划分不一定是按照物理的芯片SoC硬件来划分，而是通过虚拟化技术来实现资源划分。虚拟化其实在云端系统已经是20年的行业标准了。如果每个应用都有自己的服务器，服务器绝大多数时间的资源利用可能是10%，90%是浪费的，所以要把资源能共享给多个用户，利用率会高很多。
车上，智驾和座舱的算力需求都蛮大的，但无非是CPU、GPU、NPU、ISP，如果归类然后组合，通过隔离虚拟化的技术，保证资源模块相互之间没有影响，能轻松实现更高算力应用，也就是更低bom成本。
比如共享摄像头数据，以前可能要走以太网传输，占用大量带宽，还有两边存储的CPU资源，但如果放在一个硬件上，通过共享内存的方式来分享，资源消耗率基本上是很低，这也是跨域融合的好处。
王启研：在NT3上就会有。神玑是一个巨大的资源池，我们要把它充分的利用起来，不光是座舱分享，其他智能应用都可以使用。
王启研：主要的方向是更加深入支持AI原生应用的体验。我觉得未来汽车会成为一个AI综合能力很强的智能体。现在机器人领域最火的是具身智能，但车是应用更广泛、数量更大的机器人。这个产品形态下，硬件架构和OS都会有新的诉求。
王启研：AI大模型的参数量非常大，对算力和内存的要求有很大，我们要能最高效支持AI大模型的部署，包括异构算力的使用，也要更加高效。我们有神玑这样的集中式资源池，也有高通座舱芯片的算力，需要把异构硬件整合利用起来，车端和云端的整合都需要优化。
我们应该是车企中最早使用边缘云技术的，车与云之间可以做到非常低的延时，给用户更好的提供低延时的服务。在大算力大模型时代，如果想给大模型提供公共资源，一个好的办法就是，利用5g边缘云的低延时能力，端上和云上就可以做实时交流。
AI模型本地化部署的确是个很明显的趋势，但我们不希望本地资源光跑模型，把车端算力资源用完了。所以资源的优化、精致使用是一个长期主题。
“卖多少退多少”！花近300万请千万粉丝网红带货，商家质疑刷单，警方立案
新消费日报 享界S9上市24小时大定超2500台；雅戈尔投资林清轩；罗永浩发文回应被指五宗罪……
与中坚力量共成长，2024建信信托艺术大奖评委会特别奖获奖艺术家凌海鹏
华为Mate70系列：11月左右发布！华为Nova13系列：经销商9月分货
