云计算-芯片-汽车智能化趋势
作者：互联网
云计算-芯片-汽车智能化趋势
参考文献了解
https://mp.weixin.qq.com/s/Fz_qVe97SxClVrEcbWK7ag
https://mp.weixin.qq.com/s/Tt_tIqm8BxsXapfJPX0bZA
https://mp.weixin.qq.com/s/rGw0Ope5FCVttFgNvvBuCA
https://mp.weixin.qq.com/s/cgBT5Ye94GJxFev1JfIHNw
云计算九大行业趋势
对云计算行业进行了界定——以按需自主服务的方式通过互联网为用户提供弹性可配置的共享计算资源池，按服务模式可分为基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS），按部署模式可分为公有云、私有云及混合云。
在此基础之上，蓝皮书创造性的提出了“云生态”的概念，并从四大板块——基础设施、平台层关键技术、通用软件和SaaS以及垂直行业应用（金融科技、工业数字化、医疗科技、自动驾驶、机器人等）对云生态进行了论述，梳理了一张生态图谱，总结了九大行业发展趋势，深度覆盖了六十个细分赛道，对整个云生态行业进行了全景扫描。
九大行业趋势指明发展方向
近年来，中国云计算市场保持高速增长，根据中国信通院数据，2020年我国云计算整体市场规模2091亿元，同比增长56%，其中公有云市场规模1277亿元，同比增长85%，私有云市场规模814亿元，同比增长26%。
资料来源：中国信通院
公有云细分市场中，SaaS市场规模达到278亿元，较2019年增长43%，PaaS市场规模突破100亿元，同比提升145%，数据库、中间件及微服务增长迅速；根据IDC 2021年三季度统计，阿里云、亚马逊云、腾讯云、华为云和百度云位居公有云PaaS市场份额前五。IaaS市场规模接近900亿元，同比增长98%，阿里云、华为云、腾讯云、天翼云和亚马逊云占据公有云IaaS市场份额前五。
国内云计算技术生态发展不断成熟，企业上云步伐不断加快，在宏观层面，汉能投资撰写团队经过紧锣密鼓地企业征集、走访调研、专家讨论等环节总结出云生态行业九大发展趋势，以及蕴含在趋势下的驱动因素、行业价值和投资机会。
趋势一：基于边缘计算的分布式云成为新一代计算架构。其中的驱动因素是5G/万物互联时代各类终端设备接入管理及本地化海量数据实时计算需求，催生分布式云架构。这个背景下，分布式云的多接入、低时延、低带宽、本地化安全、可离线使用的价值将会得到充分体现。分布式云趋势下所涉及的投资机会包括边缘计算和终端的计算芯片、异构计算、算力网关盒子以及相关的网络安全。
趋势二：云原生技术成熟实现上下层技术解耦，云厂商IaaS产品差距缩小，企业跨云部署应用服务门槛降低，混合多云部署策略成为企业主流选择。混合多云部署具备如下价值：规避单供应商技术绑定风险，融合本地部署和公有云部署优势，多供应商之间选择优势产品及报价方案 。
趋势三：云原生架构生态持续完善，生产环境采纳度得到提升。目前云原生主流技术正在从爆发期向成熟期转型，企业新业务、新产品、新服务的发布和迭代速度日益加快。
趋势四：遵循零信任框架的SASE云安全体系成为网络安全发展新方向。政策合规推动市场刚需，底层架构转变孕育市场机会。
趋势五：产学研助推国产软件核心技术发展，软件上云打通数据孤岛。在政策和资本的双驱动下，软件助力企业向精细化运营转变。在垂直软件发展方面，可借鉴海外经验：把握技术、监管和人口变革机遇成为细分龙头。
趋势六：通用软件由销售驱动往产品驱动转型。疫情加速线上办公用户习惯培育，普遍从销售引导型（SLG）向产品引导型（PLG）转型。目前行业发展现状是：S/CRM、ERP、HRM、数据中台和财税等领域逐步细分。
趋势七：云大厂采用不同的业务、生态、资本策略进行积极布局。
趋势八：国内云生态厂商布局海外，助力中国企业出海并与全球云生态厂商同台竞争。近年来中国云生态企业出海步伐不断加速。客户需求侧，以互联网行业为代表的跨境电商、网络游戏、短视频等业务海外收入规模不断扩大，传统行业的海外业务拓展和上云统一管理需求日趋明显，以及“一带一路”国家政策带动海外贸易趋势等，都推动了对海外云计算节点资源的需求。不过值得注意的是，出海服务商在扩大收入的同时，应当紧跟全球前沿技术架构，避免形成技术代差，提前适应成熟商业模式。
趋势九：云生态整体融资活跃，部分赛道进入并购整合期。目前行业现状是应用层融资规模创新高，平台层关键技术融资进入高速增长期，部分领域进入并购整合期。
四个层面看云生态发展机遇结合国内云计算产业现状和特性，蓝皮书从基础设施、平台层关键技术、通用软件和SaaS以及垂直行业应用（金融科技、工业数字化、医疗科技、自动驾驶、机器人等）四个层面对云生态行业的发展趋势进行了观察、概括及预测。
在基础设施层，上云驱动力从互联网行业向传统领域迁移云厂商集中度提升，细分玩家产品化、精细化、生态化发展。
在平台层，随着数字化转型逐渐深入，数据中台作用愈发显现，成为打通数据孤岛挖掘数据价值的重要载体。
在通用SaaS层，“大江大海出大鱼”，SaaS市场天花板极高，通用型SaaS是能够产生巨头公司的黄金赛道。于不区分客户行业而提供专业的通用型服务，通用SaaS相比某些垂直行业SaaS具有更广阔的市场空间，也不容易受到行业的周期性影响，能够更好地避免单一市场的系统性风险。尽管国内SaaS起步晚，渗透率低，但近年增速快，相较美国仍有提升空间。
在垂直行业中，蓝皮书首先指出了金融科技行业的最新趋势：首先，金融科技行业普遍呈现集中式向分布式的转型趋势；其次金融行业信创自主可控逐渐进入规模化阶段，而且零信任、隐私计算等安全技术在金融行业的应用愈发重要；最后，低代码、自动化、智能化等技术助力金融行业效率提升，行业整体服务水平得到大幅提升。
其次，在工业数字化领域，我国工业数字化较发达国家仍有距离，“十四五”规划明确工业数字化增量空间。而十四五规划和双碳政策带来工业智能化渗透率进一步提升，数字化成为成熟工业的下一个竞争点。
第三，在医疗科技领域，随着云计算、大数据、人工智能等技术的日益成熟，诸多新兴科技正在越来越广泛的在医疗领域开花结果。以AI制药为例，从全球范围来看，AI制药企业已经完成技术、概念的验证，进入主流化和商业化阶段。并且AI制药应用领域不断扩张，将从小分子向大分子发展，同时应用场景也将从靶点发现、化合物筛选、化合物优化进一步向药物研发后端扩展。伴随全球发展浪潮，中国AI制药行业发展进入新阶段，企业将从单环节业务向平台化能力发展。
第四，在自动驾驶领域，随着汽车电动化、智能化的普及，移动连接技术以及5G的广泛应用，基于LBS（Location Based Services）的出行服务的成熟，自动驾驶引领的汽车及出行行业的历史性产业变革开启了新篇章。自动驾驶将极大地改变落地场景的成本结构、安全性、运营效率，Robotaxi（无人驾驶出租车）、Robotruck（无人驾驶卡车）、Robodelivery（无人驾驶物流配送）每个场景的潜在市场规模均超过万亿。当自动驾驶解放驾驶员，安全和效率得到常态化保证后，持续增长的个性化车内体验需求与内容、娱乐、LBS服务的结合也将极大的丰富产业的衍生价值。
最后，在机器人领域，基于云计算的超强运算能力和5G的强大通信能力，人工智能技术在机器人上的应用成为可能。目前机器人主要分为工业机器人和服务机器人两大类。就前者来说主要呈现出国际化、场景化、智能化的发展趋势；后者在个性化需求定制以及大数据赋能方面不断加强，并呈现出场景不断细分的趋势，此外国内服务机器人凭借技术、性价比等方面的优势，不断撬开海外市场。
汽车电子控制单元剖析
1. 发动机电子控制系统
发动机电子控制系统（EECS）通过对发动机点火、喷油、空气与燃油的比率、排放废气等进行电子控制，使发动机在最佳工况状态下工作，以达到提高其整车性能、节约能源、降低废气排放的目的。
01电控点火装置（ESA）
电控点火装置由微处理机、传感器及其接口、执行器等构成。该装置根据传感器测得的发动机参数进行运算、判断，然后进行点火时刻的调节，可使发动机在不同转速和进气量等条件下，保证在最佳点火提前角下工作，使发动机输出最大的功率和转矩，降低油耗和排放，节约燃料，减少空气污染。
02电控燃油喷射（EFI）
电控燃油喷射装置因其性能优越而逐渐取代了机械式或机电混合式燃油喷射系统。当发动机工作时，该装置根据各传感器测得的空气流量、进气温度、发动机转速及工作温度等参数，按预先编制的程序进行运算后与内存中预先存储的最佳工况时的供油控制参数进行比较和判断，适时调整供油量，保证发动机始终在最佳状态下工作，使其在输出一定功率的条件下，发动机的综合性能得到提高。
03废气再循环控制（EGR）
废气再循环控制系统是目前用于降低废气中NOx 排放的一种有效措施。其主要执行元件是数控式EGR阀， 作用是独立地对再循环到发动机的废气量进行准确的控制。ECU 根据发动机的工况适时地调节参与再循环废气的循环率，
发动机在负荷下运转时，EGR阀开启， 将一部分排气引入进气管与新混合气混合后进入气缸燃烧，从而实现再循环，并对送入进气系统的排气进行最佳控制，
从而抑制有害气体NOx的生成，降低其在废气中的排出量。但过量的废气参与再循环， 将会影响混合气的点火性能，从而影响发动机的动力性，特别是在发动机怠速、低速、小负荷及冷机时，再循环的废气会明显地影响发动机性能。
04怠速控制（ISC）
怠速控制系统是通过调节空气通道面积以控制进气流量的方法来实现的，主要执行元件是怠速控制阀（ISC）。ECU 根据从各传感器的输入信号所确定的目标转速与发动机的实际转速进行比较，根据比较得出的差值，确定相当于目标转速的控制量，去驱动控制空气量的执行机构，使怠速转速保持在最佳状态附近。
除以上控制装置外，发动机部分利用的电子技术还有：节气门正时、二次空气喷射、发动机增压、油气蒸发、燃烧室的容积、压缩比等方面，并已在部分车型上得到了应用。
2. 动力传动电子控制系统
01电控自动变速器（ECAT）
一般来说， 汽车驱动轮所需的转速和转矩， 与发动机所能提供的转速和转矩有较大差别，因而需要传动系统来改变从发动机到驱动轮之间的传动比，将发动机的动力传至驱动轮，以便能够适应外界负载与道路条件变化的需要。此外，停车、倒车等也靠传动系统来实现，适时地协调发动机与传动系统的工作状况，充分发挥动力传动系统的潜力，使其达到最佳的匹配，这是变速控制系统的根本任务。ECAT可以根据发动机的载荷、转速、车速、制动器工作状态及驾驶员所控制的各种参数，经计算、判断后自动改变变速杆的位置，按照换挡特性精确控制变速比，从而实现变速器换挡的最佳控制，得到最佳挡位和最佳换挡时间。该装置具有传动效率高、油耗低、换挡舒适性好、行驶平稳性好以及变速器使用寿命长等优点。采用电子技术特别是微电子技术控制变速系统，已经成为当前汽车实现自动变速功能的主要方法。
02电控四轮驱动技术（4WD）
汽车的驱动力来源于轮胎对地面的附着， 四轮驱动充分利用了车轮对地面的附着， 当然会获得好的驱动性能。但因转向时各轮的转弯半径不同，车轮转动的速度也就不同（内外、前后），四个车轮不能通过刚性传动系统连接，
必须在左右两轮间以及前后驱动轴间设置差速器。带来的问题是四个车轮的驱动力受与地面摩擦力最小的轮的限制，需要再设置差速锁。电控四轮驱动技术是通过传感器感知四个车轮在路面上的情况，通过微电脑进行分析判断，通过电磁阀驱动，改变黏液耦合器的特性，在前后驱动轴之间以及左右轮上分配驱动力。
3. 制动控制系统
01防抱死制动系统（ABS）
通过安装在各车轮或传动轴上的转速传感器检测各车轮的转速，计算车轮滑移率，并与理想的滑移率相比较，做出增大或减小制动器制动压力的决定，命令执行机构及时调整制动压力，以保持车轮处于理想的制动状态，即能够使车轮始终维持在有微弱滑移的滚动状态下制动，
不会抱死。这已成为目前小型载客汽车的标准配置。
02电子制动力分配系统（EBD）
汽车制动时， 如果四个轮胎附着地面的条件不同，四轮与地面的摩擦力不同，在制动时（四个轮子的制动力相同）就容易产生打滑、倾斜和侧翻等现象。
EBD的功能就是在汽车制动的瞬间， 高速计算出四个轮胎由于附着不同而导致的摩擦力数值，然后调整制动装置，使其按照设定的程序在运动中高速调整，达到制动力与摩擦力（牵引力）的匹配，以保证车辆的平稳和安全。该系统与ABS配合可大大提高制动性能。
03驱动防滑系统（ASR）
汽车制动防抱死系统的功能完善和扩展则是驱动防滑系统（ASR），两系统有许多共同组件。该系统利用驱动轮上的转速传感器感受驱动轮是否打滑，当打滑时，控制元件便通过制动或通过油门降低转速，使其不再打滑。它实质上是一种速度调节器，可以在起步和弯道中速度发生急剧变化时，改善车轮与路面间的纵向附着力，提供最大的驱动力，提高其安全性，维持汽车行驶的方向稳定性。
04车身电子稳定系统（ESP）
这是一套防滑系统，ESP能够识别到车辆不稳定状态，并通过对制动系统、发动机管理系统和变速器管理系统实施控制，从而有针对性地弥补车辆滑动，以防车辆滑出车道。
其他公司类似产品如下：日产：车辆行驶动力学调整系统（Vehicle Dynamic Control，VDC）。丰田：车辆稳定控制系统（Vehicle Stability Control，VSC）。本田：车辆稳定性控制系统（Vehicle Stability Assist
Control，VSA）。宝马：动态稳定控制系统（Dynamic
Stability Control，DSC）。
05电子驻车制动系统（EPB）
该系统是指将行车过程中的临时性制动和停车后的长时性制动功能整合在一起，并且由电子控制方式实现停车制动的技术。
EPB是由电子控制方式实现停车制动的技术， 其工作原理与机械式驻车制动器相同，均是通过拉索拉紧后轮刹车蹄进行制动。另一种则是使用电子机械卡钳，通过电动机卡紧刹车片产生制动力来达到控制停车制动的目的。EPB从基本的驻车功能延伸到自动驻车功能（AUTO HOLD）。自动驻车功能技术的运用，使得驾驶者在车辆停下时不需要长时间制动，
以及在启动自动电子驻车制动的情况下，能够避免车辆不必要的滑行，简单地说就是车辆不会后溜。
4. 转向控制系统
01电动助力转向系统（EPS）
当操纵方向盘时， 装在转向轴上的扭矩传感器不断地测出转向轴上的扭矩信号，该信号与车速信号同时输入到电子控制单元（ECU）。电子控制单元根据这些输入信号确定助力扭矩的大小和方向，电动机的扭矩由电磁离合器通过减速机构减速增扭后，加在汽车的转向机构上，使其得到一个与汽车工况相适应的转向作用力。
02电控四轮转向技术（4WS）
汽车在行驶中转向时，由于受侧向力的作用， 前轮有不足转向的特性，后轮有过度转向的倾向。后者会引起汽车失去转向行驶的稳定性，车速越快问题越明显，甚至出现侧滑翻车。
解决措施一般是通过使后轮在与前轮相同的方向转动1°～2°角进行补偿。电控四轮转向技术是通过传感器感知前轮的转速、方向盘的转角、车身的偏转等，通过微电脑处理，由伺服电动机驱动后轮转向，响应时间在几十毫秒内。
5. 行驶控制系统
01自适应悬挂系统（ASS）
自适应悬挂系统能根据悬挂装置的瞬时负荷， 自动、适时地调整悬挂的阻尼特性及悬架弹簧的刚度，以适应瞬时负荷，保持悬挂的既定高度，极大地提高了车辆行驶的稳定性、操纵性和乘坐的舒适性。
02巡航控制系统（CCS）
巡航控制（Cruise Control） 又称恒速行驶系统， 是让驾驶员无须操作油门踏板就能保证汽车以某一固定的预选车速行驶的控制系统。在长途行驶时，可采用巡行控制系统，驾驶员不必经常踩油门踏板，恒速行驶装置将根据行车阻力自动调整节气门开度以调整车速在恒速状态附近。
若遇爬坡，车速有下降趋势，微机控制系统则自动加大节气门开度；在下坡时，又自动关小节气门开度，以调节发动机功率。当驾驶员换低速挡或制动时，这种控制系统则会自动断开。该系统可以减轻驾驶员长途驾驶的疲劳，给驾驶带来很大的方便，同时也可以得到较好的燃油经济性。
03汽车胎压监测系统（TPMS）
该系统是一种能对汽车轮胎气压、温度进行自动检测，并对轮胎异常情况进行报警的预警系统。
系统可分为两种：一种是间接式胎压监测系统， 通过轮胎的转速差来判断轮胎是否异常；另一种是直接式胎压监测系统，通过在轮胎里面加装四个胎压监测传感器，在汽车静止或者行驶过程中对轮胎气压和温度进行实时自动监测，并对轮胎高压、低压、高温进行及时报警，避免因轮胎故障引发交通事故，以确保行车安全。
6. 安全性电控系统
01安全气囊（SRS）
该系统是国内外汽车上一种常见的被动安全装置。在车辆相撞时，由电控元件用电流引爆安置在方向盘中央（有的在仪表盘板、杂物箱后边）等处气囊中的渗氮物，迅速燃烧产生氮气，瞬间充满气囊。气囊的作用是在驾驶员与方向盘之间、前座乘员与仪表板之间形成一个缓冲软垫，避免硬性撞击而受伤。此装置一定要与安全带配合使用，否则效果大为降低。
02碰撞警示和预防系统（CWAS）
该系统有多种形式， 有的在汽车行驶中， 当两车的距离小到安全距离时，即自动报警，若继续行驶，则会在即将相撞的瞬间，自动控制汽车制动器将汽车停住；有的是在汽车倒车时，显示车后障碍物的距离，有效地防止倒车事故发生。
7. 舒适性电控系统
01自动空调系统
汽车空调自动温度控制（Automatic Temperature Control，ATC），俗称恒温空调系统。一旦设定目标温度，ATC系统即自动控制与调整，
使车内温度保持在设定值。自动空调系统由制冷系统、取暖系统、通风（配气） 系统、自动控制系统、空气净化系统五部分组成。
全自动温度控制系统的组成包括温度传感器、控制系统ECU、执行机构等。其中温度传感器包括车外气体温度传感器、车内气体温度传感器、日照传感器（阳光强度传感器）和蒸发器温度传感器。
02自动调节座椅系统（AAS）
该装置是人体工程技术与电子控制技术相结合的产物，它通过传感器感知乘坐人员的体态， 并使座椅状态与其相适应， 满足乘客的舒适性要求。
03自适应前照灯系统（AFS）
自适应前照灯系统可在前照灯照明范围内， 根据车身的动态变化、转向机构的动作特性等综合因素进行计算和判断，从而判定汽车当前的行驶状态，对前照灯近光进行相应的调整，并能在会车时自动启闭和防眩。它能够有效地降低驾驶者在夜晚弯路上行车的疲劳程度，使驾驶者能够看清转弯处的实际路况，使驾驶者能够拥有充分的时间进行转向操纵和应对紧急情况，从而明显提高夜晚弯路上行车的安全性。在日本，一些汽车商在其高档轿车中已标配AFS， 如丰田汽车公司在“猎犬” 上采用了可变式“自适应性前照灯系统”。
04夜视系统（NVS）
夜视系统是全天候的电子眼，延伸了驾驶员的视力范围， 使其视力范围达到近光灯照射距离的3～5倍， 且能帮助驾驶员看到远处来车的灯光， 在雨雪、浓雾天气时，对公路上的物体也能尽收眼底，大大提高了汽车行驶的安全性。车载夜视系统是根据红外成像原理工作的，属被动式红外成像技术。该系统本身不发出任何信号，而是通过一个起摄影作用的传感器来探测前方物体热量，热能被集中到一个可以通过各种红外线波长的探测器，被探测器的红外线敏感元件（与温度有关的电容器，其电容大小随所接收红外线的多少而变化）
吸收， 而后将辐射依次转换为电信号和数字信号， 再通过眼前显示（HUD）或车内显示屏将图像显示给驾驶者。目前，
越来越多的汽车厂家开始开发和使用车载夜视系统，但由于价格原因，国外各大汽车生产厂家只是在其顶级豪华车型中使用了该系统，像悍马H2SUT、宝马7系列轿车、奔驰全新S级轿车、卡迪拉克帝威等。随着科技的发展和夜视系统生产成本的降低，车载夜视系统将会得到全面普及。
8. 多媒体通信系统
多媒体通信系统包括汽车导航与定位系统、语音系统、信息系统、通信系统等。
01汽车导航系统与定位系统（NTIS）
该系统可在城市或公路网范围内， 定向选择最佳行驶路线，并能在屏幕上显示地图，表示汽车行驶中的位置，以及到达目的地的方向和距离。这实质是汽车行驶向智能化发展的方向，再进一步就可成为无人驾驶汽车。
02语音系统（VS）
该系统包括语音报警和语音控制两类。语音报警是在汽车出现异常，如燃油温度、冷却液温度、油压、充电、尾灯、前照灯、排气温度、制动液量、手制动等出现不正常现象或自诊断系统测出有故障时，计算机经过逻辑判断后输出信息至扬声器或警示器报警。语音控制是指用驾驶员的声音来指挥和控制汽车的某个部件、设备进行动作。
03信息系统（IS）
该系统可将发动机的工况和其他信息参数， 通过微处理机处理后，输出对驾驶员有用的信息。显示的信息除冷却液温度、油压、车速、发动机转速等常见的内容外，还有瞬时耗油量、平均耗油量、平均车速、行驶里程、车外温度等，根据驾驶员的需要，可随时调出显示这些信息。
04通信系统（CS）
这方面真正使用且采用最多的是汽车电话， 在美国、日本、欧洲等发达国家和地区较普及，目前的水平在不断地提高，除车与路之间、车与车之间、车与飞机等交通工具之间的通话外，还可通过卫星与国际电话网相联，实现行驶过程中的国际间电话通信、网络信息交换、图像传输等。现在由于汽车有了支持无线电话网络、宽带数字信号、互联网络以及其他新兴的无线通信技术，使人们能够随时随地获取信息和服务。
05车联网系统（T-BOX）
车联网系统包含四部分， 即主机、车载T-BOX、手机APP及后台系统。主机主要用于影音娱乐以及车辆信息显示；车载T-BOX主要用于和后台系统/手机APP通信，实现手机APP的车辆信息显示与控制。
当用户通过手机APP发送控制命令后，TSP后台会发出监控请求指令到车载T-BOX，车辆在获取到控制指令后，通过CAN 总线发送控制报文并实现对车辆的控制，
最后反馈操作结果到用户的手机APP上，这个功能可以帮助用户远程启动车辆、打开空调、调整座椅至合适位置等。
云厂商的下一程：构建生态，与中小企业共生共赢
数字经济正成为继农业经济、工业经济之后的主要经济形式之一。作为数字经济的重要底座和支撑，云计算所扮演的角色越来越重要，“万物上云”已成为大势所趋。经过十多年的发展，中国已经逐渐成为全球第二大云计算市场。云计算的迅猛发展带动了各行各业的上云行动，技术落地深入到每一个产业链和企业之上，中小企业也不例外。从国家层面来说，《“十四五”促进中小企业发展规划》和《“十四五”数字经济发展规划》均明确提出了促进中小企业数字化转型的战略部署。作为扩大就业、改善民生、稳定经济的重要支撑，中小企业在迈向高质量发展的过程中，数字化转型已成其“必修课”。从中小企业自身来说，降本增效是当下重要的命题，决定企业的生死存亡，通过数字化转型可快速释放势能，促进企业发展。
而在万物上云趋势下，企业不仅要上云，更要用好云，能够在云上构筑自己的能力。在这个过程中，中小企业要如何做？头部云厂商又是如何放开自身能力，助力中小企业数字化转型的呢？
万物上云趋势下，为何大厂开始看重中小企业？根据 Gartner统计，2021年以IaaS、PaaS、SaaS为代表的全球公有云市场规模达到3,307亿美元，增速32.5%。与此同时，我国云计算市场也保持持续高速增长——2021年中国云计算总体处于快速发展阶段，市场规模达 3,229 亿元，较2020年增长54.4%。在全球云计算市场蓬勃发展之际，云厂商的竞争也越来越激烈，当下“生态化布局”已成为云厂商们的基本共识。作为国民经济的毛细血管，中小企业占全国企业总数的99%以上，贡献全国50%以上的税收，60%以上的GDP，70%以上的技术创新成果和80%以上的劳动力就业，也是云厂商构建生态版图的重要拼图。与大企业有专门的CIO及信息化采购部门不同的是，中小企业在数字化转型方面面临更多的困难，他们也不是不想转，而是不敢转、不会转，需要有影响力且懂中小企业痛点的厂商带着走。对于云厂商来说，一方面，中小企业数字化转型市场仍是蓝海一片，是潜在的中长尾客户。根据第三方数据统计，目前只有9%处于数字化转型的深度应用阶段，79%处于数字化转型的初级阶段，12%处于数字化转型应用践行阶段。另一方面，大企业因资金资源实力雄厚，一开始就成为云厂商重点服务和争取的对象，其对云厂商的信任和依赖比较稳定，能转则已转。目前市场竞争已趋于饱和，云厂商想获得新的增量也需要开辟新的市场。在此背景下，各大厂商也都针对中小企业，推出了配套的服务政策。比如阿里云于今年调整新一轮的组织架构，细分18各行业，并在每个行业安排一位总经理，负责行业的数字化创新。除此之外，还将全国划分16个区域，并任命区域负责人做好本地化运营。腾讯云则是凭借其社交基因，充分发挥微信、QQ等社交平台的属性，连接中小企业，并推出“专精特新”扶持计划。华为云则利用其生态优势，强调联结生态伙伴一起拓展中长尾市场。在华为公司高级副总裁、华为中国区总裁鲁勇看来，如何把数字化转型经验，以及相关的管理经验、人才发展经验、实施与落地经验更好地传递与赋能，需要线上+线下的模式结合起来。为了进一步深化服务中小企业，8月28日，华为联合3万多家合作伙伴共同发起“828 B2B 企业节”，旨在打造“成就好生意，成为好企业”的载体，帮助企业发现商机、降本增效，真正帮企业带来收益。
赋能数中小企业的数字化转型，需要云厂商什么样的能力？商机和降本增效，正是中小企业的创新发展离不开的两个核心要点。前者主要是因为中小企业受限于资源、平台及信息的融会贯通的限制，导致其在商机获取方面相对困难；后者则主要依赖于数字化转型，与大企业有专门支撑数字化转型的组织和人相比，中小企业受技术创新、人才、知识储备等方面的限制，数字化转型面临困难。如果这两个方面无法解决，中小企业的抗风险能力就很难提升，也无法享用数字经济发展的成果。针对这两个核心痛点，中小企业无论是在产品、服务的打造上，还是伙伴的选择上，都急需一个可将二者聚合的载体，帮助中小企业快速敏捷地选择其所需的产品与服务。对于C端用户，我们不难发现这样的聚合及需求匹配平台，即便是再长尾小众的需求，也都能找到服务商，甚至中国移动互联网发展史就是一部方便用户吃穿住用行的发展史。而B端企业，却罕见这样的聚合平台。“作为深耕ICT领域30多年的企业，华为也积累了一些技术及经验，我们希望能够赋能更多的中小企业，助力它们通过数字化转型实现高质量发展。”鲁勇说。过去五年的发展中，华为云逐步在头部市场中站稳了脚跟，但其中长尾市场，尚处于发展阶段。要想获得突破性发展，华为云在中长尾市场必须实现突破，那就要更紧密地联合生态伙伴，和生态伙伴实现共建、共赢、共销全流程闭环，缺一不可。此次的828 B2B企业节也是华为联合生态伙伴针对中小企业痛点提出的具体服务策略，围绕着企业最为关注的六大价值——商机促进、优品优惠、技术创新、品牌提升、经验分享和人才发展展开行动，旨在帮助企业解决数字化转型问题，更好地实现融通创新。据悉，在828 B2B企业节期间，华为将与生态伙伴一起，基于华为云150多个赋能云产业创新中心，联合3万多家企业，200多家媒体，300多个行业协会，在80多个城市，开展1000多场数字化交流与赋能活动，让中小企业可便捷地获取商机。同时，针对企业数字化的四大关键场景，开展四大专项行动，包括专精特新扶持行动、初创企业扶持计划、中企出海支持行动、中小企业纾困专项行动。除此之外，为让中小企业能获取更多优品优惠，此次华为及伙伴共挑选了上万款产品，其中2000多款产品、华为终端云服务的花瓣引擎和服务号资源，都会以特别的折扣、补贴、优惠提供给企业，减轻数字化一次性投入，让企业获得真实惠。“授人以鱼不如授人以渔”，华为将联合生态合作伙伴为中小企业技术赋能。在鲁勇看来，中小企业的技术创新成本高昂，但也并非无解决之道，“积极融入大企业的创新生态中，便可实现融通创新发展。华为也将拿出相应生态发展政策，帮助中小科技公司获得更好的创新能力。”华为对企业的赋能是以“以能力为中心”的全方位赋能，涵盖了产品、技术、商业与市场能力。而828 B2B企业节就是华为对企业赋能的重要载体和落地方案之一。目前华为已经帮助了众多中小企业创新成长和数字化转型。以大连开元管道有限公司（以下简称“大连开元”）为例：作为国家级专精特新小巨人，大连开元尽管在数字化管理上已有一定的应用经验，但由于正在运营的系统中存在多个系统并行，导致系统与系统、业务与业务之间独立运行，无法做到数据互通，也无法满足实际业务耦合性强的特点。为此，大连开元不得不采用人工汇总的方式，以致于数据错误、重复操作、效能低下等情况长期存在，更是影响了企业产品扩展和业务拓展。
针对这些问题，华为云帮助企业升级了原有的ERP，解决了多系统并行和数据孤岛的问题，帮助企业实现业务和财务的高度融合、支撑生产管理业务，帮助企业降本增效，保证企业信息流的高效传递和企业数据的完整性，提高企业在行业市场的竞争力，为后续持续优化提升奠定基础。
发挥合力，华为云生态赋能中小企业在华为内部，对华为云的定位是：“华为云是华为公司的黑土地，且是唯一的黑土地"。足见华为云在华为未来发展中的地位。而华为云也确实不负所望，自2017年成立至今，用不到5年时间，跻身全球第五大云厂商，中国第二大云厂商之列。根据Gartner发布的报告显示，2021年华为云拿下全球18%的市场份额，排名跻身全球第五，国内第二位，成为主流云厂商中增速最快的企业，年增长率达到67%。根据近期华为对外披露的数据，迄今为止，在世界500强企业中有267家选择华为作为数字化转型合作伙伴。纵观全球，华为正在通过生态赋能，帮助个人、家庭及企业组织实现数字化转型。当下，面对企业对云需求的深层次需求，包括华为云在内的云厂商们日益重视生态建设。而生态建设的背后，除了资源、技术、产品服务之外，最主要的是企业在行业里的口碑与影响力。比如此次828 B2B企业节顺利开展的主要原因，除了华为云一以贯之的“一切皆服务”的理念得到合作伙伴的认可之外，背后的支撑更是华为对大中小企业的号召力。因为联合超3万家生态伙伴，在国内外开展的活动，需要的是成千上万家企业将自己各种资源及能力，以及需求汇聚到一起，进行供需匹配后方可能实现。这其中，大企业要主动牵头，将技术、经验溢出，联动中小企业，开放创新，推动链式反应。华为这一理念得到了众多生态伙伴的认同与支持。在828 B2B企业节启动仪式上，中软国际、软通动力、伟仕佳杰、神州数码、拓维信息、赛意、金蝶、用友等8家联合发起企业的相关负责人纷纷表示肯定与支持。在中软国际董事局主席兼CEO陈宇红看来，828 B2B企业节是一个应运而生的节日，“我们与华为有同样的共识，认为充满活力的中小企业是我国经济韧性的重要保障。”拓维信息董事长李新宇表示，会与华为一起，打造细分行业全栈国产化解决方案、软硬一体化产品及解决方案，提供更好的服务，赋能千行百业的数字化转型升级。赛意信息董事长兼CEO张成康也表示，赛意将通过演讲、咨询、培训来帮助中小企业数字化转型，成为中小企业数字化转型的导师。下一阶段，赛意将举办一系列的市场活动，让更多企业特别是中小制造业企业敢于转型，并帮助中小企业培养更多的人才。伟仕佳杰控股有限公司高级副总裁郑杰则透露，828期间将举办多场针对下游合作伙伴的培训、赋能，同时依托覆盖东南亚的资源优势，帮助中小企业拓展海外渠道，而在资金方面，还将联合上游金融机构，打造针对下游中小企业的融资方案。“单丝不成线，孤木难成林”，只有打造云生态的协同效应，才能走得更远。在这个层面，谁能抓住生态建设的核心，高效赋能中小企业，谁就将在未来云计算市场格局中赢得主动地位。
特斯拉想干掉“刹车失灵”
特斯拉自动驾驶系统每天能防止40起因司机失误造成的车祸！近日，特斯拉自动驾驶软件总监Ashok Elluswamy在CVPR 2022会议上做了一个演讲，介绍了特斯拉自动驾驶团队在过去一年中取得的多项成果，尤其是名为Occupancy Networks的神经网络模型（以下简称占据网络）。他讲到，自动驾驶系统传统上用到的语义分割、深度信息等做法存在不少问题，比如2D转3D比较困难，对深度信息的估算不准等。在使用占据网络后，该模型能够预测车辆周围物体占据的空间（包括动态物体下一步的动作产生的空间）。基于此，车辆在不需要识别具体的障碍物是什么的情况下，就能做出避让动作——Ashok Elluswamy在推特上甚至开起了玩笑，说特斯拉的车甚至能躲避UFO！基于该技术，车辆还能够看到周围角落里是否有障碍物，以此能够跟人类司机一样实现无保护转向！简而言之，就是占据网络明显增强了特斯拉的自动驾驶能力（L2）。此外，Ashok Elluswamy还着重介绍了特斯拉Autopilot系统在防止驾驶员误操作方面的努力。通过感知外界环境和驾驶员的操作系统，车辆能够识别到驾驶员的误操作，比如在错误的时候踩下了加速踏板，车辆会中止加速并且进行自动刹车！
▲特斯拉主动制动
这就是说，此前国内频繁曝出的一些因为驾驶员误操作而产生的“刹车失灵”问题将被从技术上进行限制。不得不说特斯拉在推动技术进步上真的很有一手。以下为Ashok Elluswamy的演讲视频编译，略有删改。
01.纯视觉算法强大 二维图像转三维
演讲伊始，Ashok表示，并不是所有人都了解特斯拉自动驾驶系统具体的功能，因此他简单介绍了一下。
▲Ashok
据他介绍，特斯拉自动驾驶系统可以帮助车辆实现车道保持、车辆跟随、减速过弯等，除了这些，特斯拉自动驾驶系统还配备了标准安全功能，例如紧急制动和避障，可以避免多种碰撞事故。除此之外，自2019年以来，约有100万辆特斯拉可以在高速公路上使用更先进的导航，检查临侧车道信息来执行变道，识别高速路的出入口。而且特斯拉自动驾驶系统还能在停车场自动泊车、识别交通信号灯和路牌，以及能进行右转弯，绕开汽车等障碍物。目前，这些功能已经经过了十几万名特斯拉车主的验证。在演讲中，Ashok还拿出了一段用户录制的视频。视频显示，用户在旧金山拥挤的道路上行驶时，车机屏幕显示了周围的环境，例如道路边界、车道线、附近车辆的位置和速度。
▲系统识别出周围环境
而这些一方面需要特斯拉车机和摄像头等硬件的支持，一方面还需要特斯拉自动驾驶系统内置的算法和神经网络的支撑。据Ashok介绍，特斯拉搭载了8个120万像素的摄像头，它们可以360度捕捉周围环境影像，平均每秒可以生成36帧图像。而后特斯拉的车机将对这些信息进行处理，每秒可进行144万亿次运算（TeraOPs/s）。而且这些过程都是在基于纯视觉算法进行的，并未使用激光雷达和超声波雷达，也没有高清地图。那特斯拉自动驾驶系统又是如何识别一般障碍物的呢？Ashok表示，当遇到一般障碍物时，系统会使用空间分割方法。使用空间分割方法时，系统对空间内的每一个像素进行标记，标记为“可行驶的”和“不可行驶的”，然后自动驾驶芯片再来处理这个场景。不过，这个方法也存在一些问题。
▲对物体的标记
首先，系统标记的物体像素处于二维空间，而为了给汽车在三维空间中导航，物体像素需要转换出三维空间中对应的预测值，这样特斯拉的系统才能建立互动的物理模型，并顺利处理导航任务。
▲对物体的标记
而系统在将物体像素从二维图像转换到三维图像时，需要进行图像语义分割（指像素级地识别图像，即标注出图像中每个像素所属的对象类别）。这个过程会产生不必要的图像或系统中不必要的像素，而图像的地平面上的几个像素可以产生巨大的影响，直接决定如何将这个二维图像转换成三维图像。所以，特斯拉不希望在规划时产生这样影响较大的像素。另外，不同障碍物还需要使用不同方法来判断。一般来说，比较常用的还是物体的深度值（从观察者角度看向物体时的距离，这个距离再通过投影变换、标准化设备坐标、缩放平移后，最终得到的值）。在某些场景中，系统可以先预测障碍物。而在另一个场景下，系统也可以对图像的像素检测深度，所以每个像素都会产生一些深度值。
▲深度图（右侧）
但是，尽管最终生成的深度图非常漂亮，而当用深度图进行预测时，只需要三个点。而且在对这三个点进行可视化的时候，尽管在近处看着还行，但是随着距离的增加，它们也会发生形变，在下一阶段这些图像也很难继续使用。例如，墙壁可能会发生形变而变弯曲。而地平面附近的物体也是由较少的点来确定的，这就使得在规划时系统无法正确判断障碍物。而又因为这些深度图是在多个摄像头采集到的平面图像上转换而成的，因此最终很难产生一个相同的障碍物，而且系统也很难预测出障碍物的边界。因此，特斯拉提出了占据网络方案来解决这个问题。
02.计算空间占用率 给物体编码
在演讲过程中，Ashok还用视频展示了这个占据网络方案。他说，从视频上可以看出，在这个方案中，系统对8个摄像头捕捉到的图像处理，然后计算物体的空间占用率，最终生成了示意图。
▲生成的模拟图像
而且特斯拉汽车在行驶时每挪动一下，系统网络就会重新计算周围物体的空间占用率。另外，系统网络不仅会计算出一些静态物体的空间占用率，例如树木和墙壁，还会计算包括行驶的汽车在内的动态物体的空间占用率。之后，网络将图像输出成三维图像，而且还可以预测被遮挡的物体，因此即使汽车只上传了物体的部分轮廓，用户也可以分辨清楚物体。此外，尽管系统捕捉到的图像因为远近不同，图像的分辨率不同，但是基于以上方案，最终呈现的模拟三维图像的分辨率是相同的。
▲生成的图像分辨率相同
而这就意味着整个方案运行得十分高效，Ashok表示，计算平台运行10毫秒，系统网络能够以100赫兹的速率运行，这个运行速率甚至比很多相机记录图像的速度还快。那么，这个过程是如何完成的呢？这就需要了解一下占据网络方案的架构。在讲解占据网络方案的架构时，Ashok以特斯拉鱼眼摄像头和左侧摄像头拍到的图像为例，对两者图像校正过程进行了对比。首先，系统会先对图像进行拉伸，然后提取图像特征，查询出三维图像相关的点是否被占用，然后使用三维位置编码，然后将其映射到固定的位置，之后这些信息会在之后的计算中被收集。
▲对图像进行初步处理
之后，系统将对图像空间进行位置嵌入，继续通过三维查询处理图像流，最终生成三维占用特征。因为生成的是高维占用特征，所以很难在空间的每一个点上执行此操作。因此系统会在较低维度生成这些高维特征，例如使用典型的上采样技术，生成高维空间占用率。
▲计算物体的空间占用率
有趣的是，Ashok在演讲中透露，当初做这个占据网络方案只是用于处理静态的对象，但是最终发现只处理静态的树很难，而且系统在刚开始分辨“真假行人”的时候，也遇到了很多困难。但是团队最终发现，无论这些障碍是移动的，还是静止的，系统最终只需做到能够躲避掉这些障碍就好了。
▲真假行人
因此，占据网络方案不再区分动态障碍物和静态障碍物，而是使用其他的分类对其进行处理，计算物体的瞬时空间占用率，不过这还不足以能保证特斯拉汽车可以安全行驶。因为如果只计算瞬时空间占用率，当特斯拉汽车在高速上行驶时遇到一辆车，然后就开始放慢速度并不是很合理。系统更想知道，在之后不同的时刻这辆车的空间占用率，以及变化情况。这样的话，系统就可以预测出这辆车何时会离开。所以，方案还涉及还预测了占用流。
▲占用流的计算过程
占用流这个数据可以是空间占用率或时间的一阶、高阶导数，也可以提供更精确的控制，将它们统一到同一个坐标系中。系统将使用同一种方法来生成空间占用率和占用流，这还将针对各种障碍物提供强大的保护。
03.障碍物类型不重要 系统可避免撞车
Ashok还表示，常规运动或移动网络不能判断物体的类型，例如到底是静态的物体还是一辆行驶的车辆。但是从控制层面来说，物体的种类实际上并不重要，占据网络方案提供了很好的保护，防止网络出现分类困境。因为不管是什么原因造成的障碍，系统都会认为这部分的空间被占用了，并且以某一速度移动。一些特殊类型的车辆可能有奇怪的突起，很难用传统技术建模，系统则会用立方体或其他多边形来表示移动物体。这样一来，物体就可以进行任意的挤压，用这种占位的方法，而不需要复杂的网格状拓扑结构建模。当车辆在进行无保护或者有保护的转弯时，可以使用几何信息来推断遮挡情况。几何信息不仅要推测车辆摄像头所识别到的信息还需要推测未识别到的信息。例如，当一辆车正在进行无保护转弯时，前面有一条分岔路，可能有潜在的车辆被树木和路标遮挡，所以汽车“知道”它不能从这些遮挡物中看到车辆。基于不同的控制策略，汽车可以提出问题并消除这种遮挡。因此，对于一个静止的物体，车可以在行驶的途中识别其何时变得可见。由于有完整的三维障碍物，汽车也可以预判到什么距离会撞到这一物体，然后系统会通过平顺的控制来识别并通过这一被遮挡的物体。所以占据网络方案在很多不同的方面都有助于改善控制栈。这一方案是神经辐射场的延伸，神经辐射场（NeRf）在过去几年里在很大程度上接管了计算机视觉研究。
▲NeRf与占据网络关联示意图
NeRf是在单个场景或单个位置的图像重建场景，从单个位置的一个点进行重建。Ashok表示，特斯拉的车辆在行驶中，后台处理接收到的图像较为准确，所以可以（用NeRf）生成跨时间并精确的图像路线，通过NeRf模型和3D状态差异化渲染图像来产生较准确的3D重建。而现实世界的图像会存在一个问题——我们在现实世界中会看到大量不真实或有差别的景象。例如太阳眩光或挡风玻璃上的污垢或灰尘会因为光线的衍射而产生变化，或者雨滴会进一步扭曲光线的传播，最终产生伪影。对此提高鲁棒性的方法是使用更高层次的描述符，但这些描述符在一定程度上不会改变局部照明伪影（如眩光）。因为RGB（颜色系统）图像可能非常嘈杂，但在RGB之上添加描述符可以提供一层语义上的保护，防止RGB值的变化。因此，特斯拉的目标是将这种方式用于占据网络方案。
▲描述符比RGB更具鲁棒性
由于占据网络方案需要在几个镜头中产生空间占用率，不能在汽车中运行完整的神经优化，但神经优化可以缩小在后台运行，确保它产生的空间占用率能够解释汽车在运行时收到的所有传感器的图像。此外，也可以在训练时叠加描述符，为这些网络产生良好的监督；同时也可以通过差异化渲染不同的传感器数据来监督所持有的图像。目前特斯拉已经有了减少障碍物的网络，下一步就是避免任何碰撞，Autopilot已经有很多安全功能。紧接着，Ashok展示了三段Autopilot启动避免碰撞的视频。这里的碰撞事故指的是由于驾驶员不小心将油门踏板当制动踏板踩下而导致的撞车事故。Ashok在表示驾驶员不小心将油门当成刹车踩时，汽车会加速并导致碰撞，但车辆会识别并自动中止加速，并自动刹车防止碰撞。在第一段视频中，Ashock表示如果Autopilot没有启动并阻止汽车加速，视频中的司机很可能会落入河中。
▲特斯拉AP启动避免车掉入河中
同样，第二段视频显示，一名特斯拉司机在停车时误踩油门，但Autopilot迅速启动并阻止汽车撞上商店和行人。
▲特斯拉AP启动避免车撞向商店
04.通过占用率 车辆自动规划路径
但让汽车平稳地制动并刹停可能需要数秒乃至数分钟的时间，而汽车在行驶的过程中，可能没有足够的时间来识别障碍物并进行计算。所以我们要用神经网络来达到这一目的；尤其最近还出现了更加复杂的隐性场景。特斯拉自动驾驶团队所要做的也就是从以前的网络中获取空间占用率。首先，要把空间占用率编码到一个超级压缩的多层感知器（MLP）中。本质上，这个MLP是对任何特定查询状态下是否可以避免碰撞的隐含表示，这个避免碰撞的方法在某一时间范围内提供了一些保证。例如，可以在2秒或4秒或某个时间范围内避免碰撞。Ashok在这里又举了一个例子，他给出了一条自上而下的道路，黑色像素是障碍物、灰色像素是路面、白色像素是道路车道线。在这个三维空间的俯视图中，可以把车放在任何像素的位置，模拟碰撞是否可以避免。
▲车辆行驶情况示意图
他表示：“如果你把汽车想象成一个单一的点，避免碰撞的周期设置为瞬间，那么当前时间是否会发生碰撞，仅仅取决于障碍物的位置；但问题是，汽车不是一个点，它有一个类似矩形的形状，也可以转向。”因此，只有当将形状与障碍物卷积时，才能够立即知道汽车是否处于碰撞状态。随着汽车的转向（或因失控旋转），碰撞场会发生变化。绿色意味着汽车处于一个没有碰撞的安全位置，红色意味着碰撞，所以当汽车旋转时，碰撞位置更多；但当汽车位置被对齐时，绿色的位置扩大，意味着汽车不会发生碰撞。整体来看，Ashok展示了如何利用多幅相机视频和产品产生密集的空间占用率和占用流，通过空间占用率可以通过神经网络产生一个有效的避碰场，即车辆通过摄像头“看”，根据经验判断，以合适的速度和方向通过障碍物的道路。
▲避免碰撞的隐式神经网络
Ashok还分享了一个模拟环境下的实验，驾驶员踩下油门加速并且没有转向行为，汽车监测到会发生碰撞并规划一条路径以使汽车安全地通过。Ashok在演讲结束时表示，如果他们能够成功实施以上的所有技术，他们就可以生产出一辆永远不会撞车的汽车。显然，这项工作还没有完成，在他的最后一张PPT中，Ashok积极向工程师们发出邀请，欢迎他们加入特斯拉，制造一辆永远不会撞车的汽车！
▲Ashok Elluswamy欢迎更多人才加入特斯拉
05.结语：特斯拉不断探索自动驾驶
自从特斯拉带火自动驾驶技术后，自动驾驶的赛道便涌现了一大批的跟随者。但不得不说，特斯拉始终还是走在行业的前列，不断探索着自动驾驶的新方法。本次特斯拉Autopilot项目负责人带来新的技术解读，也一定程度上为我们提前展示了特斯拉未来自动驾驶技术的亮点。凭借特斯拉不断探索的精神，其自动驾驶也会继续领跑整个汽车市场。
参考文献了解
https://mp.weixin.qq.com/s/Fz_qVe97SxClVrEcbWK7ag
https://mp.weixin.qq.com/s/Tt_tIqm8BxsXapfJPX0bZA
https://mp.weixin.qq.com/s/rGw0Ope5FCVttFgNvvBuCA
https://mp.weixin.qq.com/s/cgBT5Ye94GJxFev1JfIHNw
标签：特斯拉,芯片,智能化,系统,华为,汽车,自动,计算,图像 来源： https://www.cnblogs.com/wujianming-110117/p/16637977.html