在智能驾驶领域，自动辅助导航驾驶（NOA）功能相较于基础L2级辅助驾驶，对感知精度和计算能力提出了更高的要求。虽然BEV（Bird's Eye View，俯视图）感知可以在低算力芯片上运行，但其感知精度和算法的复杂程度不如中高算力芯片。此外，对于无地图或轻地图的NOA功能，智能驾驶域控制器需要处理更多的感知数据，对计算能力的要求更高。因此，头部主机厂在中高端车型中倾向于使用高算力芯片。本文将探讨高算力智能驾驶域控制器在NOA和L3级智能驾驶中的关键作用，以及未来的发展趋势。
NOA功能对算力的要求
NOA功能需要更高的感知精度和计算能力，这意味着智能驾驶域控制器需要具备强大的计算能力和多传感器融合能力。在高算力平台上，NOA通常基于Transformer架构的carrier-based方案。这种方案能够通过复杂的深度学习算法，实现更高精度的感知和导航。
然而，在低算力平台上，NOA功能的实现需要采用更简化的算法方案。例如，BEV Depth和BEV Det等方式，将2D感知数据转化为3D视图，以实现基本的NOA功能。虽然这些方案在低算力芯片上可以运行，但感知精度和性能与高算力平台相比仍有差距。
此外，对于无地图或轻地图的NOA功能，智能驾驶域控制器需要处理更多的感知数据。这种情况下，域控制器需要具备更高的算力，以确保系统能够实时处理复杂的环境感知和自动驾驶决策。
高算力芯片在智能驾驶域控制器中的应用
随着智能驾驶功能的不断发展，高算力芯片成为智能驾驶域控制器的核心。头部主机厂在中高端车型中选择高算力芯片，主要是为了满足NOA功能的精度要求，并为未来的L3级智能驾驶做准备。
相比城市NOA，L3级智能驾驶对算力的需求更高。L3级智能驾驶需要在设计运行条件下，车辆能够自动执行所有驾驶任务，并且在特定情况下能够安全接管。然而，当前市面上已量产的芯片在算力方面难以满足L3级智能驾驶的需求。这意味着芯片向更高算力发展的趋势仍将持续。
为了满足未来L3级智能驾驶的需求，车企需要在设计智能驾驶域控制器时进行算力预埋。这种预埋设计可以确保未来软件升级时，域控制器具备足够的算力支持。此外，为了确保系统的安全性，车企也需要考虑冗余设计。较为简单的冗余设计是放置两个域控制器或增加备用芯片，以确保在主控制器发生故障时，系统仍能正常运行。
随着智能驾驶功能的发展，高算力智能驾驶域控制器将在未来发挥重要作用。以下是未来的发展趋势：
高算力芯片的普及：随着智能驾驶功能的需求增加，高算力芯片将在智能驾驶域控制器中得到广泛应用。这将有助于提升NOA和L3级智能驾驶的性能和可靠性。
多传感器融合：为了实现更高精度的感知，智能驾驶域控制器将进一步整合多种传感器数据。这将有助于提高环境感知的准确性。
深度学习与AI：随着Transformer等深度学习架构的应用，智能驾驶域控制器将具备更强大的算法能力，以满足未来智能驾驶的需求。
系统安全性和冗余设计：为了确保智能驾驶系统的安全性，智能驾驶域控制器需要考虑冗余设计和多层次的安全机制。这将确保系统在各种情况下的稳定运行。
高算力智能驾驶域控制器在NOA和L3级智能驾驶中的作用至关重要。随着技术的不断发展和算力需求的增加，智能驾驶域控制器需要不断创新，以满足未来的智能驾驶需求。高算力芯片的普及、多传感器融合、深度学习与AI，以及系统安全性和冗余设计，将成为智能驾驶域控制器未来发展的关键方向。通过不断提升算力和优化结构，智能驾驶域控制器将为智能驾驶技术的发展提供强有力的支持。
来源：汽车测试网
