智能应用 影音
大联大(世平)
ST Microsite

电动车时代 还是秤斤论两卖电子零件?

汽车电动化後,所需的半导体、被动元件量也随之增加。法新社

汽车产业进入典范转移,电动车以及自驾车商机涌现。业界预估,以每年全球汽车产量9,000万台换算,所需的半导体与被动元件消耗量,等同於20亿支智能手机(过去几年智能手机的最高年度销售量还不到15亿支),可以想像背後可能的庞大商机。

数据显示,汽车电子占平均每辆汽车生产成本比重将由2020年的40%提升到2030年的45%;而国际学术杂志IEEE Spectrum的研究预估2030年约占50%。其他研究显示每辆车所含半导体金额,将由2020年的486美元提升到2025年的716美元。从半导体广泛使用的五大类别(汽车、通信、消费应用、数据处理、工业军事)来看所占比例,汽车领域将由2018年的占有9%提升到2023年的12%。

这些紮实的成长,肇因於汽车产业几年前开始进入「数码化」以及「智能化」。但是电子零件的增加、复杂化,软件、演算法的开发更形重要(请参考前文〈软件吃掉硬件的自驾技术〉)。

另一个被忽略的角度:秤斤论两卖。单单计算硬件价格,完全低估未来电动车生态系所引发的全新应用、软件、服务等。可以想像一下2010年开始智能手机盛行之後所触发的全新移动应用(金融、电商、音乐、运动等),这些衍生的软件以及服务产值是单单计算电子零件数量时所忽略的。

而电子零件也不是以过去寻常的方式增加,必须配合终端需求(智能化、数码化)不断演进。ECU中常见的MCU已不在是单纯的控制处理器,还需加上GPU甚至是优化深度学习技术的NPU,这在ADAS、AR、或是智能座舱应用中逐渐成为常态。

提供各种车辆功能所需的ECU/MCU也将由过去的分散式,逐渐演变汇聚成为集中式(2025~)。原因不外乎行车电脑的运算能力增强,可以提供各种运算;更重要的是更细腻的行车控制必须统合各种功能。例如ADAS系统对路面以及环境的理解(预测)可以协助避震系统、安全预警、AR显示、甚至是座舱信息、娱乐系统调整等,车辆功能由分散(独立)走向协同运作。如此一来,传统ECU/MCU供应商得提早因应未来的变化,试着与其他系统整合,AI化、提升软件效能、或是提高与OEM业者的直接合作机会。

同样的,车辆联网成为常态。可以想像车辆中大量传感器的IoT数据,对於使用者、OEM、以及维修据点有多大的吸引力,用以了解驾驶如何使用车子,进而提供个人化车辆,设计车辆功能、人机界面,甚至是机电系统的调校等,具有庞大的潜力。我们在绿能AI新创thingnario的经验也发现,善用全球维运中的2,000多个太阳能电站的各种IoT数据,结合深度学习演算法以及绿能领域知识,可以提升电站营运效能达10%。同样的,这庞大的车辆IoT数据,结合联网功能,绝非单纯电子零件的价值而已。

Tesla近来积极发展(深度整合软硬件、AI技术突破、自行开发行车电脑、深度学习服务器等)对於目前的车辆制造供应链会引起巨大变化。传统OEM更加焦虑,数码化、智能化、软件工程等技术并不是传统OEM角色所擅长的。当然可以透过招募改变公司内部的基因,但是缓不济急;或结合外部夥伴,但该如何结盟?如何才能成就彼此而不是反被对方吞吃了。Tier-1的供应商(直接供货给OEM)该如何做才能平缓OEM的焦虑?甚至造成Tier-1的板块移动?或许谁能为OEM车厂们有效率的提供软件(智能)产品设计,谁就最有可能在竞争中胜出。

专注在销售电子零件硬件是我们过去几十年习惯的电子产业链,在逐渐进入崭新电动车时代中,我们还是用同样的方式在经营新的事业?OEM、Tier-1因应智能化、数码化面对不一样的焦虑,该如何满足他们下时代的需求?可以想像的是,走旧路到不了新目标。

徐宏民(Winston Hsu)现任台大资工系教授及NVIDIA AI Lab计划主持人。哥伦比亚大学电机博士,专精於机器学习、大规模影像视讯查找与识别。为讯连科技研发团队创始成员,慧景科技(工业智能新创)共同创始人;曾任IBM华生研究中心客座研究员、美国微软研究院客座研究员。习惯从学术及产业界的角度检验技术发展的机会;十余年产学合作及新创经验,近年致力将深度学习技术落实到产业,并协助成立研究开发团队。曾获2018 IBM Research Pat Goldberg Memorial Best Paper Award 、2018伪装人脸识别冠军、杰出信息人才奖、吴大猷先生纪念奖等国内外研究奖项。