智慧應用 影音
大聯大(世平)
ARUBA

電動車時代 還是秤斤論兩賣電子零件?

汽車電動化後,所需的半導體、被動元件量也隨之增加。法新社

汽車產業進入典範轉移,電動車以及自駕車商機湧現。業界預估,以每年全球汽車產量9,000萬台換算,所需的半導體與被動元件消耗量,等同於20億支智慧型手機(過去幾年智慧型手機的最高年度銷售量還不到15億支),可以想像背後可能的龐大商機。

資料顯示,汽車電子佔平均每輛汽車生產成本比重將由2020年的40%提升到2030年的45%;而國際學術雜誌IEEE Spectrum的研究預估2030年約佔50%。其他研究顯示每輛車所含半導體金額,將由2020年的486美元提升到2025年的716美元。從半導體廣泛使用的五大類別(汽車、通信、消費應用、數據處理、工業軍事)來看所佔比例,汽車領域將由2018年的佔有9%提升到2023年的12%。

這些紮實的成長,肇因於汽車產業幾年前開始進入「數位化」以及「智慧化」。但是電子零件的增加、複雜化,軟體、演算法的開發更形重要(請參考前文〈軟體吃掉硬體的自駕技術〉)。

另一個被忽略的角度:秤斤論兩賣。單單計算硬體價格,完全低估未來電動車生態系所引發的全新應用、軟體、服務等。可以想像一下2010年開始智慧型手機盛行之後所觸發的全新行動應用(金融、電商、音樂、運動等),這些衍生的軟體以及服務產值是單單計算電子零件數量時所忽略的。

而電子零件也不是以過去尋常的方式增加,必須配合終端需求(智慧化、數位化)不斷演進。ECU中常見的MCU已不在是單純的控制處理器,還需加上GPU甚至是優化深度學習技術的NPU,這在ADAS、AR、或是智慧座艙應用中逐漸成為常態。

提供各種車輛功能所需的ECU/MCU也將由過去的分散式,逐漸演變匯聚成為集中式(2025~)。原因不外乎行車電腦的運算能力增強,可以提供各種運算;更重要的是更細膩的行車控制必須統合各種功能。例如ADAS系統對路面以及環境的理解(預測)可以協助避震系統、安全預警、AR顯示、甚至是座艙訊息、娛樂系統調整等,車輛功能由分散(獨立)走向協同運作。如此一來,傳統ECU/MCU供應商得提早因應未來的變化,試著與其他系統整合,AI化、提升軟體效能、或是提高與OEM業者的直接合作機會。

同樣的,車輛聯網成為常態。可以想像車輛中大量感測器的IoT資料,對於使用者、OEM、以及維修據點有多大的吸引力,用以瞭解駕駛如何使用車子,進而提供個人化車輛,設計車輛功能、人機介面,甚至是機電系統的調校等,具有龐大的潛力。我們在綠能AI新創thingnario的經驗也發現,善用全球維運中的2,000多個太陽能電站的各種IoT資料,結合深度學習演算法以及綠能領域知識,可以提升電站營運效能達10%。同樣的,這龐大的車輛IoT資料,結合聯網功能,絕非單純電子零件的價值而已。

Tesla近來積極發展(深度整合軟硬體、AI技術突破、自行開發行車電腦、深度學習伺服器等)對於目前的車輛製造供應鏈會引起巨大變化。傳統OEM更加焦慮,數位化、智慧化、軟體工程等技術並不是傳統OEM角色所擅長的。當然可以透過招募改變公司內部的基因,但是緩不濟急;或結合外部夥伴,但該如何結盟?如何才能成就彼此而不是反被對方吞吃了。Tier-1的供應商(直接供貨給OEM)該如何做才能平緩OEM的焦慮?甚至造成Tier-1的板塊移動?或許誰能為OEM車廠們有效率的提供軟體(智慧)產品設計,誰就最有可能在競爭中勝出。

專注在銷售電子零件硬體是我們過去幾十年習慣的電子產業鏈,在逐漸進入嶄新電動車時代中,我們還是用同樣的方式在經營新的事業?OEM、Tier-1因應智慧化、數位化面對不一樣的焦慮,該如何滿足他們下世代的需求?可以想像的是,走舊路到不了新目標。

徐宏民(Winston Hsu)現任台大資工系教授及NVIDIA AI Lab計畫主持人。哥倫比亞大學電機博士,專精於機器學習、大規模影像視訊搜尋與辨識。為訊連科技研發團隊創始成員,慧景科技(工業智能新創)共同創辦人;曾任IBM華生研究中心客座研究員、美國微軟研究院客座研究員。習慣從學術及產業界的角度檢驗技術發展的機會;十餘年產學合作及新創經驗,近年致力將深度學習技術落實到產業,並協助成立研究開發團隊。曾獲2018 IBM Research Pat Goldberg Memorial Best Paper Award 、2018偽裝人臉辨識冠軍、傑出資訊人才獎、吳大猷先生紀念獎等國內外研究獎項。