Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

George.W作者

长城:合作固然重要,可要活下去还得靠自研能力

近日,长城举办了第八届科技节。在此期间,魏建军再次体现了自己的「危机感」。

除了年销400万辆、80%新能源车、1000亿元研发投入等这些2025目标,长城还在时刻展示自家研发的软硬件技术。

例如,例如,在科技节的第二天,咖啡智驾宣布升级:长城发布了线控底盘、咖啡智驾众创平台、大禹电池等多项产品,借助这一系列动作可以看出,身为整车厂的长城汽车,在全栈自研的路线上非常执着。

GEEP系列电子电气架构

控制功能逐渐集中,可实现燃油车FOTA

汽车通过电子电气架构传输车辆数据,长城新发布的产品全称为Greatwall E/E Platfrom,该公司表示今年将会开始量产使用域控制器架构的GEEP 3产品。

据介绍,目前大部分汽车的电子电器架构还是分布式架构,只有少数汽车采用域控制器架构。而在未来,中央+区域集成式架构则会成为主流汽车的标配。

长城透露采用了GEEP3的哈佛H6线束长度仅为1650mm,相较于传统车辆减少了一半,并且这款车也是首款实现FOTA功能的燃油SUV。

图片

以疏代阻的大禹电池

将免费公开专利

电池领域,安全问题是一个比较突出的挑战。目前来讲,电池电芯无法做到完全防止热失控,所以企业一般会从别的角度考虑电池防火的问题。

目前特斯拉所使用的是通过绝缘来保证五分钟内不起火,而长城的大禹电池采用了完全相反的思路。

发生热失控的电芯会被排出,随后通过引导热流、引入冷却液、最后灭火盒阻火来达到防止电池起火、爆炸的效果。长城汽车表示这项专利将会免费公开。

图片

线控底盘多重安全冗余

还支持跨域协调

在如今的汽车行业中,线控技术并不是一个很稀奇的产品了。

与传统传动系统不同的是,线控技术使用电子信号来取代机械、液压或是气动等形式的连接。线控系统主要包括五大部分:线控转向、线控油门、线控制动、线控悬架、线控换挡。

图片

这次长城表示其发布的线控底盘有两大核心技术。其一是机械电子线控制动,其二是线控转向。

对于如何保障线控底盘的安全性,长城汽车技术副总裁宋东先介绍道,为了保障安全,长城汽车认为在线控转向上设置三重安全冗余是十分必要的。对于电机,他们可能会使用双绕组电机或是单纯的多加一个电机。对于控制器长城汽车会设置芯片的三重备份,这样即使发生失效系统也还是可以正常工作。

线控制动控制全车四个轮子,每个轮子上都有双重冗余,保障车辆正常行驶。与使用广泛的iBooster相比,这款线控制动完全取消了液压缸,所有的制动力均来自电动机,所以一定程度上它简化了制动器的工作流程。

图片

在此之上,宋东先介绍长城汽车还拥有跨领域协调的能力。长城汽车对于车辆设计有一个理念—一个大脑,在这个理念形成之后,当某一系统发生问题时,其余系统可以相互配合做出修正。对于单体系统是多重冗余保证安全,而在总体上跨系统间的功能互补可以进一步提高线控底盘的安全性。

这款线控底盘不仅可以用在电动汽车上,使用长城汽车的第四代基础架构,这套底盘可以在混动车型和其他车型上使用,因为整个应用层的功能都会上移至架构中央计算单元中,只有驱动单机等硬件和软件保存在本地ECU上。「如果在这个车上能够用先进架构,我们的底盘也会发挥出我们最大的功能来」宋东先这样说道。

借助众创平台完善出行生态

在「软件定义汽车」的发展趋势下,汽车智能化产品力升级和个性化的用户体验升级离不开软件创新。自动驾驶技术的逐渐成熟及规模化应用,将进一步「解放」用户双手,刺激用户服务需求爆发式增长。

再次背景下,长城推出了众创平台。该平台将会涵盖智能驾驶、智能座舱、智能服务、智能互联四个方面,并且它也不会将「众创」限制在开放数据或接口这单一方面,而是在所有产业都会产生合作。

图片

「我们坚持自研的意思,首先是一定要自己「走进去」,但是同时也要引入外部竞争。如果做得再好,没有跟外部竞争,永远有才思枯竭的那一天。」长城汽车副总裁单红艳表示,长城必须要有自主技术,但也必须要有双轨和外部协作。「我们并不是说不用外部资源,而是内外部同步走。而且只有当自己更懂的时候,才能跟合作伙伴共同把双方优势都发挥到极致,这是永远的道理。」

图片

长城汽车副总裁穆峰也认为,「自研能力强才是真的强」。但是他们也表示,在现有局势下,单打独斗没有出路,只有更多合作方甚至是终端用户参与到生态服务的建设中,整个出行生态才可以真正繁荣。

让终端用户参与合作这一点,可能才是整个出行生态发展中最重要的一点,毕竟能否吸引到消费者才是一款产品面临的最终挑战。


产业自主研发智能汽车长城
相关数据
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

推荐文章
暂无评论
暂无评论~