前景

现代社会，照明不再只是传统概念中的“照亮黑暗”的概念，而是逐渐发展成为根据人、物体、交通的动向和强度自动控制光线的“新”照明。阳光。 随着物联网技术（IoT）的发展，照明技术与其相结合而诞生的智能照明系统，通过传感器、控制器和网络接口的结合，实现了智能控制的需求。

城市里，灯光是必不可少的。 不仅具有较高的观赏价值，而且强调艺术灯光景观与景区历史文化、周边环境的和谐统一。 景观灯利用不同的形状、不同的光色和亮度来营造景观。 科捷迅系统拥有丰富的控制系统（无线控制、有线控制、传感器控制），为客户提供有效的照明控制解决方案。

系统组成

4G版、NB-IoT版：无线通信控制节点（4G、NB-IoT通信）直接与云端服务器通信，安装方便，但有一定的流量卡费用。

LoRa版本：一个区域一个网关智能灯光智能灯光，每个网关有250个LED灯。 网关可以控制每个LED灯的时序。

WIFI版本：该版本需要在WIFI路由器覆盖的区域使用。 通信模块通过路由器与云端服务器进行通信。

云端服务器对这些信息进行数据分析和计算，从而使指定的LED灯按照所需的定时等规则打开和关闭。

电脑端有WEB页面，手机端有小程序进行控制和管理。 WEB页面和小程序为公版软件，上面没有成都科捷讯的公司信息，方便集成商和中间商推广系统和产品。

系统平台

系统功能

1、系统可根据灯光分时、分段、分组调节灯光的亮度和开关控制；

2、开关控制任意灯、一根线、任意自定义组分区，定时开关灯及调光控制；

6、通过系统权限设置，防止非授权人员操作，确保系统控制安全可靠；

7、历史数据查询可生成报表或图表；

经济观察网记者 郑辰野 对于当前的汽车市场来说，智能化已经成为每个厂商都无法回避的焦点话题。

“现在（每辆）智能汽车大约使用1000-2000颗芯片，包括MCU、BCU、智能座舱、自动驾驶等。至少近年来，所有中国（安谋科技）合作伙伴都在布局这些技术。（在-车载芯片市场）热闹可期，困难重重，优势是确定性，未来至少20年，车载芯片将是智能汽车行业的一个新兴领域，最大的问题是， （市场）变化太快，智能汽车行业（参与者）还没有能力模仿，或者没有机会‘抄作业’，每个企业都需要创新。” 7月5日，在2023年汽车智能计算技术沙龙上，芯片IP设计巨头ARM科技（中国）有限公司业务执行副总裁徐亚涛表示。

据市场研究机构预测，到2025年，全球汽车人工智能硬件、软件和服务市场规模将达到265亿美元。此外，根据IHS报告，到2030年，全球汽车智能座舱市场规模将达到达到681亿美元，而中国市场规模将超过1600亿元人民币。 甚至超过了电力、价格、能耗等指标。

在沙龙嘉宾的分享中智能交通，记者注意到，业内人士对汽车芯片市场的发展持乐观态度，认为软件和算法将在智能汽车中发挥更重要的作用，并将成为差异化因素对于汽车制造商来说。 竞争的关键要素。

“随着芯片技术、硬件技术、软件技术、人工智能、深度学习算法等的快速发展，智能计算已成为大势所趋，车辆智能计算软硬件平台和服务的竞争将越来越激烈。汽车行业的竞争更加激烈。领先的底层架构、优秀的软件迭代、不断优化和不断发展的硬件技术将加速整个汽车行业的转型和变革。” 徐亚涛指出。

车载智能计算充满挑战

与PC、手机的发展历史一样，车载智能计算的演进速度很大程度上决定了车辆智能化的演进速度。 。

“辅助驾驶、自动驾驶、智能座舱是跨越人工智能、高性能芯片、通信技术、传感器技术、车辆控制技术、操作系统等基础软硬件以及功能安全要求等的系统工程。技术实现难度较大。”安谋科技智能物联网及汽车业务线负责人赵永超表示。

他指出，智能汽车带来了更加复杂的电子元件ECU（汽车电子控制器）通过软件和通信协议协调工作，这对车身电子电气架构、开发成本、车身重量带来了巨大挑战。

“车内的传感器和各种电子电气系统的信息传输和控制都是由ECU完成的，它们的应用都很广泛。据统计，2019年中国汽车中ECU的数量约为20-30个，而目前高智能车型的主ECU数量可能会超过100个。” 赵永超举了一个例子。

复杂多样的传感器和控制单元、实时捕获的海量数据、不断迭代的算法和模型，都对基础硬件计算平台提出了更加严格的计算要求。

“智能汽车需要处理传感器（摄像头、激光雷达、雷达和超声波）捕获的海量数据，并且必须提供实时反馈，例如交通状况、事件、天气状况、路标、交通信号等. 每秒需要进行 TB 级的计算（TOPS）才能同时处理多个具有挑战性的任务（例如，对象提取、检测、分割、跟踪等）。根据 Lucid 研究人员的计算，各种计算产生的累积数据量智能汽车每小时的传感器数量约为 1.4 TB-19TB。” 赵永超说道。

他认为，L2及以下级别的驾驶辅助系统需要处理的数据量较小，算法模型简单，因此小型算力芯片与算法之间的强耦合就可以满足系统要求。

但随着激光雷达等高性能传感器的量产以及智能驾驶系统算法通用化的提高，对于L3级及以上智能驾驶系统来说，传感器数量的增加以及多重高分辨率的影响摄像头海量的实时环境感知数据，加上算法模型的日益复杂，对计算平台的处理能力提出了巨大的挑战。

此外，面对不断升级的数据处理需求，当前AI算法演进周期与智能芯片设计周期之间存在矛盾。

“算法演进速度非常快，过去10年，几乎每年都会出现新的深度学习算法模型。据统计，大约每14个月，新模型就能使计算效率提高一倍，但典型的开发周期汽车芯片需要三年。” 赵永超说道。

他进一步强调，算法优化会给计算平台架构带来巨大的挑战，计算平台架构必须根据算法的特点进行优化，才能保持足够的计算效率和性能。

这种进化速度的不匹配，需要芯片企业预测算法的发展趋势，前瞻性地将其计算特性融入到芯片架构设计中，这样经过三年的研发，芯片产品将在2019年推出。市场。 同时，仍然能够很好地适配最新的主流算法，同时保证能够满足关键应用需求。

“通过软件和硬件的结合，我们可以保持较高的硬件利用率，并通过软件算法创新实现真正的向后兼容，但实现这一点非常困难。” 赵永超说道。

他还指出，目前大多数自动驾驶技术都是基于GPU（图形处理芯片）进行AI（深度神经网络）计算。 但 GPU 的能效或成本效益不如定制芯片 (ASIC)。 最大的问题之一是功耗，为了实现L3以上的完美工作，需要超过1000瓦的功率来处理来自多个摄像头、雷达、激光雷达等的实时海量数据。

巨大的能源消耗需求，也是对电动汽车动力储存的考验。

国内知名智能驾驶芯片厂商北京地平线机器人技术研发有限公司（以下简称“地平线”）战略规划副总裁李星宇在分享中直言，智能驾驶尚未实现。迎来了它的“世界”时刻。

在他看来，智能驾驶行业的发展这几年已经逐渐回归理性。 市场已经从追求L4（高度自动驾驶）一步步转向寻求L2+（组合驾驶辅助）。 驾驶技术已经从示范领域的小众尝试，转变为大众化的价值创造。

“目前中国70%的行驶里程和90%的行驶时间都在城市地区，市场的研发重点正在向城市NOA转移。” 李星宇说道。

所谓城市NOA（上）指的是“导航辅助驾驶”。 一些汽车制造商还将相应的功能称为“高级辅助驾驶”。 点辅助驾驶功能，通过设置起点和终点，汽车系统自动对道路环境进行判断，做出驾驶决策。

“我们的行业在L2阶段已经成熟，但还没有破解L4，现在卡在L2+的状态，相当于价值创造拉瓦尔喷嘴的咽喉。如果不解决这个咽喉问题NOA在城市领域，未来很难完成智能驾驶领域的价值转型，也很难解锁AIGC、XR、元界等更多领域的应用。” 李星宇说道。

李兴宇认为，星上智能计算的设计理念是不仅要支持好的算法，还要使其成为最有效的物理硬件实现。 在这个过程中智能交通，需要软件和硬件在算法和工程技术上进行大量的探索。

在他看来，自动驾驶芯片实现了“从感知到定位到调节”的完整闭环，并遵循严格的安全标准。 计算架构已经从基于逻辑的1.0时代走向了基于智能的2.0时代，其本质是从基于规则的设计方法转向基于数据的设计方法。

不过，赵永超也指出，目前的自动驾驶算法模型不能很好地应对长尾场景。

他表示，95%以上的车祸是由各种人为失误造成的，但对于完全自动驾驶技术的量产来说，在伦理和法律要求下，不能容忍因AI技术不成熟而造成的车祸。 即使有更先进的AI模型算法和更完整的训练标注数据来提高自动驾驶的安全性和准确性，但极端情况下仍然需要人类驾驶员的干预，至少到目前为止还没有算法可以解决所有问题。 极端场景。

“从自动驾驶算法的角度来看，每一起由低级错误引发的事故都体现了人工智能算法或模型的不完整性。我们不能接受自动驾驶算法犯下的低级错误，即使错误概率低至0.01。 %。” 赵永超说道。

软件成本占比将大幅提升

近年来，不止一家汽车制造商的高管公开表达过“汽车的未来是四轮手机”等类似观点。 定义性的、服务驱动的时代。

赵永超指出，软件定义汽车（简称：SDV）主要基于特定的汽车硬件平台，通过软件实现相关功能和特性。 其周期贯穿于汽车生产、制造、销售及后续服务等阶段。 它代表着汽车从硬件平台向智能、可扩展、可持续升级的移动物联网终端的转变。

“软件定义的汽车可以提供日益复杂的安全和保护功能、更高水平的系统自主性，以及接受与各种功能和安全机制相关的软件更新的能力。支持保险公司信息、警报或紧急情况的高级服务和应用程序提出索赔时的通知。” 赵永超说道。

在沙龙发布的2023年车载智能芯片白皮书中，记者在“软件定义汽车”部分看到了如下表述。 SDV的主要驱动力来自三个方面：用户需求、体验提升和服务成本降低。 首先，消费者使用智能手机和移动互联网的习惯和意愿已成功延伸至汽车领域，如车载信息娱乐、智能网联、人机交互等产品形态。

其次，当前车辆信息娱乐、远程信息处理或车辆诊断系统的软件升级不再需要前往经销商或4S店。 SDV 能够接收无线 (OTA) 更新，其中包括安全补丁、信息娱乐改进、自动驾驶、辅助驾驶等核心车辆功能的调整，甚至动力总成和车辆动力学调整和监控。 此外，ECU、传感器、执行器和用户行为都会产生大量数据。 这些数据有机会完成本地实时分析或发送到云端进行处理，使主机厂能够深入了解汽车的状态和用户习惯，并改进汽车。 软件生命周期管理，个性化功能开发，与消费者建立更深更紧密的服务关系。

“汽车是一个具有机械动力的数字信息终端，很多重要的功能和特性需要借助软件和算法来完成，比如智能语音控制车内空调温度、检测驾驶员疲劳程度、目前中高端汽车的软件代码超过1.5亿行，软件占汽车生产总成本的10%左右，相信随着更多软件、算法的部署，和应用程序相比，软件的总成本将逐渐增加，甚至超过车辆总成本的50%。” 赵永超说道。