编者按：本文来自微信公众号“新智驾”（ID:AI-Drive），作者：苏姗姗，36氪经授权发布。

堆料，在PC、智能手机领域，常用于形容在主板或手机上堆砌大量的一流配件，以体现产品差异化和竞争力的现象。

新智驾发现，智能汽车似乎也开始出现了这种“堆料”趋势。其中，环境感知传感器、芯片等硬件配置成了“堆料”的重灾区。

以最近推出的几款智能汽车为例。

蔚来ET7：传感器方面拥有共33个高性能感知硬件，其中包括了11个高清摄像头、5个毫米波雷达、12个超声波雷达、1个激光雷达；芯片方面，则搭载了4颗全球首发的NIVIDIA DRIVE Orin芯片，算力达1016TOPS；

智己汽车：传感器方面拥有15个高清视觉摄像头、5个毫米波雷达、12个超声波雷达、3个激光雷达；芯片方面，同时搭载了可提供30-60TOPS算力的英伟达Xavier，以及可提供500-1000+TOPS算力的英伟达Orin X芯片；

上汽MARVEL R：顶配版共有28个驾驶高精度传感器，包括11个摄像头、5个毫米波雷达、12个超声波雷达；芯片方面，搭载了华为5G巴龙芯片、Mobileye EyeQ4H芯片的5G双擎智能处理系统；

上汽R汽车ES33：传感器方面拥有共33个高精度感知硬件，包括12个超高清摄像头、12个超声波传感器、2个中国首发量产的PREMIUM4D成像雷达、6个长距点云雷达，以及1个全球首发量产的Luminar lris激光雷达；芯片方面，则率先量产应用了英伟达的Orin芯片，拥有500-1000+TOPS的算力；

可以看到，除了越来越多的传感器和芯片，“首发”“首发量产”“率先量产应用”等强调配置前沿性的字眼也成了智能汽车的卖点和噱头。

诚然，能将智能整车的硬件堆砌到当下的顶尖水平，也不失为一种实力的体现。

只是，靠“堆料”真的能堆出一台真正的“智能车”吗？我们对于智能车的想象难道要仅限于此？

智能汽车陷入“堆料”陷阱

当我们在谈论智能汽车时，我们到底在谈论什么？

早些年，人们对智能汽车的想象，更像是从智能手机上延伸而来。

无论是车载信息娱乐系统，还是语音、手势等智能交互，这些技术都与手机智能化的逻辑别无二致。

安信证券曾指出，智能汽车同智能手机一样，皆遵循着“交互的变革-架构的升级-生态的演化”这一相同的发展路径。

目前，由于汽车交互体验逐渐趋同、自动驾驶成果不断涌现和落地，汽车智能化已逐步迈入第二阶段，自动驾驶逐渐超越智能交互、车载操作系统，成为承接人们对智能汽车想象的主要载体。

自动驾驶，自然也成了造车玩家们加码的主要目标。

而其中最能直观地体现自动驾驶系统性能的，莫过于传感器、芯片这类可以用数量、算力等可量化的指标衡量的硬件配置。

再加上，目前推出的几款智能汽车皆以“期货”形式发布，其自动驾驶的性能表现如何无从体现，而且现在进行公开实测的意义也不大，毕竟再经过一两年的迭代优化，系统性能想必会比现在表现得更好，车企实在无须冒此风险。

因而，在没有更进一步的技术突破、更好的营销宣传方向之前，传感器、芯片的硬件堆砌，就成了造车玩家们呈现汽车智能化程度、抢占公众注意力的唯一捷径。

只是，当所有人都在“堆料”的时候，“堆料”也只是一时的商业噱头，难以成为产品真正的核心竞争力。

更何况，豪华的硬件组合并不意味着优秀的产品。一台真正的智能汽车，并非依靠传感器、芯片的“堆料”就能实现。

“堆料”不是智能车的未来

首先，从技术层面，“堆料”复杂化了硬件之间的耦合问题。

理论上而言，传感器的数量和种类越多，汽车就能收集到越多、越全面的环境信息。但在实际应用中，传感器并非多多益善。

曾有业内人士表示，“除了成本因素之外，不合理的传感器组合也会带来相互之间的干扰。而除了感知传感器外，车辆上还搭载控制传感器、环境传感器等，各类传感器的信号传输、功耗散热等都需要设计考虑。”

而且元件越多，整个系统出现故障的概率也会随之提升。

安森美半导体的高管Sandor Barna曾表示，多个传感器的校准及协调，是设计多传感器系统的挑战之一。

传感器供应商日本村田制作所方面则进一步指出，相比传感器数量的增加，如何在众多的信息中筛选出有效信息，并提高其信赖度，显得更为重要。

换言之，如果能够更好地优化传感器组合、控制传感器数量，通过算法改进等各种手段，充分发挥单个传感器的最佳性能，或许也能实现不错的效果。

行业内，坚持使用第一性原理解决技术问题的特斯拉正是这一路线的践行者。

日前，一向不走寻常路的特斯拉获得了一项“使用视觉图像数据估算物体属性”的新专利。

这项专利，正是特斯拉为了解决多传感器的系统复杂性、成本和输入带宽要求等问题而发明的技术。

特斯拉指出，“随着传感器数量和类型的增加，系统的复杂性和成本也在增加。此外，每增加一个传感器，都会增加自动驾驶系统的输入带宽要求。因此，需要找到传感器的最优配置，限制传感器的总数，而不限制其捕捉数据的数量和类型，从而准确描述周围环境，安全控制车辆。”

据称，该项技术通过两个神经网络，仅使用图像数据，就可以检测和测量车辆与周围物体之间的距离。这一方法可以增加从图像中提取的数据量，进一步降低特斯拉的自动驾驶系统对传感器的依赖。

其次，一昧选择最前沿的产品进行“堆料”，有时并不意味着性能的提升，反而会导致风险叠加。

如上汽R汽车推出的ES33，标榜自己采用了中国首发量产的PREMIUM 4D成像雷达、全球首发量产的Luminar lris激光雷达，以及率先量产应用了英伟达的Orin芯片。

诚然，“首发量产”是一个标榜产品技术前沿的卖点，但有的时候这也同样意味着风险。

而这种风险不仅指向技术的稳定性，首次量产的产品是否能及时交付的问题，也将使整车的生产和交付面临加倍的压力。

更何况，现在的“堆料”更多的是属于硬件预埋，由于现行法规和技术的限制，更高级别的自动驾驶功能目前还无法启用。

例如，要到2022年才能交付的蔚来ET7，其产品预售页上即标明，NAD自动驾驶系统“部分功能可能在交付车辆时无法立即使用，相关功能未来将通过远程方式逐步开启”。

而智己预计在今年底上市、明年交付的智能纯电轿车，尽管“2021年底，具备点到点零接管自动驾驶能力”，但是这一功能要在“在法律法规允许以及高清地图开放的情况下”才能实现。

也就是说，尽管这些汽车有着大量的硬件投入，但实际上这些硬件的智能化功能和价值短期内并不能完全释放。

短期内无法兑现的技术承诺，即使“堆”出了传感器、芯片的豪华组合套餐，恐怕也很难借此提高市场的购买意愿。

需要指出的是，能从根本上反映汽车的智能化及其性能差异化的，大概率会是软件。

“软件定义汽车”的时代，软件或是整车价值的核心所在。

摩根士丹利在一份自动驾驶产业报告中提到，传统的汽车生产中，硬件占据了整车价值的90%，软件仅占据10%。但是，未来软件所占的价值比重将会提高到40%，硬件则将下降到40%，至于剩余的20%将由内容决定。

此外，麦肯锡曾预计，汽车软件市场将以每年9%的速度增长，到2030年整个市场规模将达到840亿美金。

德勤咨询更是进一步指出，决定未来汽车差异性的将是软件及软件更新迭代所带来的性能和功能变化。

或许，硬件“堆料”只能带来一时的话题度，软件才是对战时最有力的武器。

结  语

就目前而言，“堆料”是商业的考量，但一定不是技术的未来。

“软件定义汽车”的时代，如果还将目光停留在硬件上，或许根本就是本末倒置。

或许在陷入“内卷”之时，各家都在卯劲往一处使力时，我们更应该沉下心思考，现在所竞逐的东西真的是未来智能汽车的核心竞争力所在吗？

智能汽车的最终形态会是如何？当下尚未有定论，只是行业的发展如果只停留在“堆料”，那么这个问题可能就永远不会出现真正的答案。