在去年的上海車展上， 偉世通第一次正式對外介紹了自動駕駛相關規劃， 希望能夠通過「平臺+中介軟體+應用程式」的方式對外提供自動駕駛解決方案， 不過彼時並沒有展開詳細介紹。
到今年的CES， 偉世通如約展出了自動駕駛產品：DriveCore。 DriveCore不僅從名字上與偉世通此前針對儀錶和中控屏的SmartCore類似， 在產品與開發思路上也都十分相像。
根據偉世通自動駕駛首席架構師王凱的介紹， DriveCore是希望能夠給主機廠提供一個模組化可擴展平臺， 允許OEM能夠自由選擇不同的硬體與軟體、演算法， 就像樂高一樣， 最終拼出一個自動駕駛系統。
搭載DriveCore的偉世通自動駕駛測試車
DriveCore的模組化可擴展表現在哪裡？DriveCore由三部分組成：Compute、Run time以及Studio， 也就是底層硬體平臺、中間層以及開發工具：
1.Compute， 模組化可擴展的硬體計算平臺， 與其他廠商推出的計算平臺不同的是， 它並不依賴於某個特定的中央處理單元，
2.Runtime， 是車載中介軟體， 提供安全框架， 實現在不同硬體之間、演算法與應用之間的資料通訊
3.Studio， 是提供給開發人員的基於PC的軟體發展工具， 目前已經包含了物體識別、車道識別演算法的類比、測試與驗證環境。
要想讓自動駕駛系統「樂高化」， 那麼從系統上來說要實現的最為關鍵的就是， 將硬體與軟體剝離， 系統架構可以將來自不同供應商的演算法運行在不同的硬體平臺上， 這樣才能夠像樂高積木一樣， 讓主機廠根據需求來自主選擇合適的「積木」。 而實現這個就是底層的通用硬體平臺與車載中介軟體。
偉世通自動駕駛首席架構師王凱
1.底層通用平臺
要能夠支援不同的硬體， 偉世通要做的事情其實是定義好一個通用的架構， 然後在這個架構的基礎之上， 通過統一的介面定義實現擴展性， 增加對不同硬體的支援。 王凱表示， 在這一層面， 偉世通此前在儀錶領域就一直與各個晶片廠商有長期的合作夥伴，
根據王凱的介紹， 偉世通的硬體由兩部分組成：
1. 機板：提供安全性滿足需求的電源， 互聯功能（乙太網）及其他可擴展功能
2. 子卡：用統一的硬體介面定義， 可以使用不同的SoC或者MCU， 只要符合介面協定就行， 子卡板會做成通用大小， 也就是標準化， 便於擴展
在CES展臺上， 偉世通也展出了底層通用平臺的參考方案， 能夠支持從L2-L5級的自動駕駛， 底層架構一樣， 通過擴展的方式來滿足不同級別自動駕駛的需求。 當前第一批的硬體平臺支援包括英偉達、英特爾、恩智浦等， 未來偉世通會逐步擴充硬體支援平臺。
針對不同場景的硬體參考設計
2.中間層
中間層是DriveCore能夠運行的核心， 能夠讓資料在不同廠商的硬體、作業系統、演算法與應用之間進行通訊。 在這裡， 核心的技術由虛擬化（Hypervisor）與MMU（memory management unit）。 虛擬化技術能夠在不同的作業系統與域（Domain）之間進行資料共用， 並且要保證高速低時延，而MMU則是用來定義哪些硬體資源能夠訪問哪些資料，這是為了資料安全性需求，以免發生儀錶盤或者中控屏能夠讀取到底層執行系統資料的事件發生。
這項技術偉世通在開發SmartCore時就已經開始使用了，王凱此前也正是SmartCore的架構師。
底層通用平臺與中間層是偉世通建立DriveCore的核心，也可以說是偉世通此前在汽車行業的積累所稱，是他們核心技術所在。至於最終實現想實現的效果，以消費電子來舉例，就是軟體發展人員在開發軟體之後，可以直接通過偉世通提供的API，運行在“Windows”、“MacOS”、“Android”等不同的作業系統之上，可以適配來自高通、英特爾等等的晶片。
這樣帶來的好處是，對於自動駕駛系統的開發者以及自動駕駛解決方案的提供者來說，可以省去大量的優化適配時間，不需要去關心硬體是哪家的，更快地進行系統開發，縮短市場化時間，這樣，OEM在選擇上可以更加自由靈活，技術供應商也有了更好地平臺。
自動駕駛涉及到的另外硬體就是感測器，偉世通的DriveCore平臺也在逐步增加對不同感測器的支持。王凱表示，會從市場上最常用的品牌入手，涵蓋攝像頭、毫米波雷達與雷射雷達。
DriveCore背後的生意經在接受採訪時，王凱表示DriveCore的客戶就是主機廠，而對於主機廠來說，僅僅有這些核心還是不夠的，這就要說到Studio，開發工具了。
據王凱介紹，Studio的開發環境類似于自動駕駛開發者最為熟悉的Ros系統，方便開發者上手，採用GUI視覺化介面，所有與硬體、中介軟體相關的內容都會在介面上顯示，可以允許選擇不同的感測器與演算法，能夠直觀顯示出搭配不同的演算法、硬體與感測器之後，系統的最終表現如何。偉世通也會提供標注的資料庫，即原始資料+目標清單，偏于開發者判斷演算法的優劣；也可以通過介面看到硬體的使用率、存儲與時延等性能。
DriveCore的Studio（左中）與硬體參考設計（右）
而對於開發者來說，Studio最大的便利之處在於可以在初始沒有任何硬體的情況下進行類比。但凡底層通用平臺支援的硬體與感測器都可以在Studio中進行選擇模擬。在類比的基礎之上，再去搭建硬體平臺。
另外，為了一步到位，Studio中還集成了自動駕駛的測試與模擬環境。這個測試與模擬不僅僅是針對演算法、感測器或者是硬體平臺，還能夠輸入車輛的物理屬性與執行資料，可以看到在真實應用到具體車輛上，系統的表現。
在這個時間節點發佈自動駕駛解決方案，對於偉世通這個級別的製造商而言，實則有些晚了。畢竟目前自動駕駛的各個節點上，競爭都已經非常激烈。而熱愛吃螃蟹的主機廠們，其實也已經早早與供應商配好了對，諸如戴姆勒與博世、寶馬與英特爾、英偉達更是自處聯盟。尤其是對L4級以上的自動駕駛來說，更是早早進入研發階段。
在這個階段，相對而言系統的自由度與靈活性其實並不為主機廠或者供應商所看重，他們更看重的是先把自動駕駛的研發流程走一遍，真正知道會遇到什麼問題，該如何解決。等到這個過程取得階段性成果之後，落實到產品層面，自由度與靈活性才會被考慮。
所以如果偉世通要仿照博世、大陸、德爾福這類供應商的模式推出產品的話，那麼在各個階段都會存在時間積累與經驗上的差距。所以，偉世通另闢蹊徑，希望將自己原本積累的技術優勢能夠帶到自動駕駛這個新的技術領域中來。
DriveCore的開發流程
從王凱的介紹中來看，我們也能夠看到偉世通的商業邏輯：
1.首先是針對最終落地產品，系統的靈活性、開發的便利性與成本優勢為主機廠看重，主機廠希望能夠在新的商業模式中依舊掌握話語權，並且能以最快的速度將產品推向市場
2.想盡一切辦法給開發者提供便利，Studio的便利性不說，偉世通在美國也參與投資了ACM與MCity這兩個測試中心，也已經開始在這兩個地方開始自動駕駛的相關測試，並且能夠給OEM提供測試機會，模擬與測試也是當前自動駕駛技術落地的關鍵環節
3.以「模組化平臺」掌握屬於自己的話語權，偉世通希望籍此建立一個生態，讓自己成為OEM主機廠與技術供應商之間的“溝通者”
這次CES上偉世通就宣佈了四個合作夥伴，包括提供深度學習技術的DeepScale、提供全自動泊車方案的Steer、提供電腦視覺演算法的StradVision以及為Studio提供圖形環境類比技術的AAI。偉世通自己在進行相關演算法的開發，並希望與不同的技術供應商進行合作來完善演算法能力，最終選擇了DriveCore的主機廠可以隨意搭配，而對於技術供應商而言則是借助偉世通的平臺將產品推向更多客戶。
從這個角度看，偉世通又走得很靠前。目前同樣採用平臺類方案的有百度Apollo，但是兩者的理念差距很大，技術積累的領域也各有不同。據王凱介紹，偉世通的自動駕駛組在2017年1月份才成立，到5月份才初具規模。一年時間裡，偉世通完成了硬體開發，當然還沒有實現車規級，這是下一步要做的；自動駕駛車也已經在美國開始測試，目前已經實現沒有高精度地圖的情況下依靠攝像頭完成高速公路上的自動超車。
車雲小結擺在偉世通面前的難題也是實實在在的：要真正做到「模組化可擴展」，那麼必須要有足夠多的合作模組。
單純從技術來看，硬體層面相對好解決，偉世通有足夠的積累，真正的難點在於中間層，儘管有SmartCore此前的虛擬化技術開發經驗，但要讓不同廠商的演算法能夠在這一平臺實現高效通訊，這是一個長期的積累與優化的過程，最終優化的表現決定了DriveCore的競爭力。
好消息是，汽車產品的當前轉變趨勢是深層次的，汽車底層架構的變化與偉世通DriveCore的邏輯類似：軟體與硬體剝離，只是完全實現的週期會相對較長。偉世通的當前優勢在於速度，第一家從這個角度切入。未來要在整個行業層面去實現這種轉變，承擔類似偉世通角色的廠商就不可能只有一家。
並且要保證高速低時延，而MMU則是用來定義哪些硬體資源能夠訪問哪些資料，這是為了資料安全性需求，以免發生儀錶盤或者中控屏能夠讀取到底層執行系統資料的事件發生。這項技術偉世通在開發SmartCore時就已經開始使用了，王凱此前也正是SmartCore的架構師。
底層通用平臺與中間層是偉世通建立DriveCore的核心，也可以說是偉世通此前在汽車行業的積累所稱，是他們核心技術所在。至於最終實現想實現的效果，以消費電子來舉例，就是軟體發展人員在開發軟體之後，可以直接通過偉世通提供的API，運行在“Windows”、“MacOS”、“Android”等不同的作業系統之上，可以適配來自高通、英特爾等等的晶片。
這樣帶來的好處是，對於自動駕駛系統的開發者以及自動駕駛解決方案的提供者來說，可以省去大量的優化適配時間，不需要去關心硬體是哪家的，更快地進行系統開發，縮短市場化時間，這樣，OEM在選擇上可以更加自由靈活，技術供應商也有了更好地平臺。
自動駕駛涉及到的另外硬體就是感測器，偉世通的DriveCore平臺也在逐步增加對不同感測器的支持。王凱表示，會從市場上最常用的品牌入手，涵蓋攝像頭、毫米波雷達與雷射雷達。
DriveCore背後的生意經在接受採訪時，王凱表示DriveCore的客戶就是主機廠，而對於主機廠來說，僅僅有這些核心還是不夠的，這就要說到Studio，開發工具了。
據王凱介紹，Studio的開發環境類似于自動駕駛開發者最為熟悉的Ros系統，方便開發者上手，採用GUI視覺化介面，所有與硬體、中介軟體相關的內容都會在介面上顯示，可以允許選擇不同的感測器與演算法，能夠直觀顯示出搭配不同的演算法、硬體與感測器之後，系統的最終表現如何。偉世通也會提供標注的資料庫，即原始資料+目標清單，偏于開發者判斷演算法的優劣；也可以通過介面看到硬體的使用率、存儲與時延等性能。
DriveCore的Studio（左中）與硬體參考設計（右）
而對於開發者來說，Studio最大的便利之處在於可以在初始沒有任何硬體的情況下進行類比。但凡底層通用平臺支援的硬體與感測器都可以在Studio中進行選擇模擬。在類比的基礎之上，再去搭建硬體平臺。
另外，為了一步到位，Studio中還集成了自動駕駛的測試與模擬環境。這個測試與模擬不僅僅是針對演算法、感測器或者是硬體平臺，還能夠輸入車輛的物理屬性與執行資料，可以看到在真實應用到具體車輛上，系統的表現。
在這個時間節點發佈自動駕駛解決方案，對於偉世通這個級別的製造商而言，實則有些晚了。畢竟目前自動駕駛的各個節點上，競爭都已經非常激烈。而熱愛吃螃蟹的主機廠們，其實也已經早早與供應商配好了對，諸如戴姆勒與博世、寶馬與英特爾、英偉達更是自處聯盟。尤其是對L4級以上的自動駕駛來說，更是早早進入研發階段。
在這個階段，相對而言系統的自由度與靈活性其實並不為主機廠或者供應商所看重，他們更看重的是先把自動駕駛的研發流程走一遍，真正知道會遇到什麼問題，該如何解決。等到這個過程取得階段性成果之後，落實到產品層面，自由度與靈活性才會被考慮。
所以如果偉世通要仿照博世、大陸、德爾福這類供應商的模式推出產品的話，那麼在各個階段都會存在時間積累與經驗上的差距。所以，偉世通另闢蹊徑，希望將自己原本積累的技術優勢能夠帶到自動駕駛這個新的技術領域中來。
DriveCore的開發流程
從王凱的介紹中來看，我們也能夠看到偉世通的商業邏輯：
1.首先是針對最終落地產品，系統的靈活性、開發的便利性與成本優勢為主機廠看重，主機廠希望能夠在新的商業模式中依舊掌握話語權，並且能以最快的速度將產品推向市場
2.想盡一切辦法給開發者提供便利，Studio的便利性不說，偉世通在美國也參與投資了ACM與MCity這兩個測試中心，也已經開始在這兩個地方開始自動駕駛的相關測試，並且能夠給OEM提供測試機會，模擬與測試也是當前自動駕駛技術落地的關鍵環節
3.以「模組化平臺」掌握屬於自己的話語權，偉世通希望籍此建立一個生態，讓自己成為OEM主機廠與技術供應商之間的“溝通者”
這次CES上偉世通就宣佈了四個合作夥伴，包括提供深度學習技術的DeepScale、提供全自動泊車方案的Steer、提供電腦視覺演算法的StradVision以及為Studio提供圖形環境類比技術的AAI。偉世通自己在進行相關演算法的開發，並希望與不同的技術供應商進行合作來完善演算法能力，最終選擇了DriveCore的主機廠可以隨意搭配，而對於技術供應商而言則是借助偉世通的平臺將產品推向更多客戶。
從這個角度看，偉世通又走得很靠前。目前同樣採用平臺類方案的有百度Apollo，但是兩者的理念差距很大，技術積累的領域也各有不同。據王凱介紹，偉世通的自動駕駛組在2017年1月份才成立，到5月份才初具規模。一年時間裡，偉世通完成了硬體開發，當然還沒有實現車規級，這是下一步要做的；自動駕駛車也已經在美國開始測試，目前已經實現沒有高精度地圖的情況下依靠攝像頭完成高速公路上的自動超車。
車雲小結擺在偉世通面前的難題也是實實在在的：要真正做到「模組化可擴展」，那麼必須要有足夠多的合作模組。
單純從技術來看，硬體層面相對好解決，偉世通有足夠的積累，真正的難點在於中間層，儘管有SmartCore此前的虛擬化技術開發經驗，但要讓不同廠商的演算法能夠在這一平臺實現高效通訊，這是一個長期的積累與優化的過程，最終優化的表現決定了DriveCore的競爭力。
好消息是，汽車產品的當前轉變趨勢是深層次的，汽車底層架構的變化與偉世通DriveCore的邏輯類似：軟體與硬體剝離，只是完全實現的週期會相對較長。偉世通的當前優勢在於速度，第一家從這個角度切入。未來要在整個行業層面去實現這種轉變，承擔類似偉世通角色的廠商就不可能只有一家。