首页科技快讯切割安卓后，华为车机比手机更流畅，自动驾驶断网也能用？

切割安卓后，华为车机比手机更流畅，自动驾驶断网也能用？

来源：晰数塔互联网快讯时间：2024年06月22日 21:41

正式与安卓切割，华为近日在开发者大会上，发布了全新的鸿蒙NEXT操作系统，也就是此前所说的“纯血”鸿蒙。再加上同时发布的盘古大模型5.0，华为在生态构造与AI智能两方面的动作，对移动终端的意义是显而易见的。而汽车作为新兴的智能移动端，华为打出的重拳，或许效果会更为明显。

安卓和苹果都造不出好车机，切割后的华为可以？

很简单，因为在车机领域，安卓甚至是更朴素的Linux内核，一直都处于垄断地位。苹果iOS系统对此一直敬而远之，CarPlay的影响力，更是在近年持续被降低。其中很重要的一个原因，便是汽车智能化的发展趋势下，越来越多的车企，以及互联网企业，开始下场自己做深度定制的操作系统。但如何如何深度，短时间内，大多数入局者仍然无法做到与安卓的切割。即便切割，其开放程度又容易被打上问号，也就与智能汽车的初衷相背离。

与安卓的切割不仅是一个自由度上的问题，而且还是一个实实在在的使用场景问题。安卓的诞生，是为了移动端而来不假。但在移动端发展的时间轴中，智能手机生态，才是其业务重心。也就是说，原生安卓或者基于安卓打造的车机系统，都很难彻底摆脱以智能手机终端为核心的开发思路。这种思路会传递至开发者身上，从而影响整个生态的构建。

拿苹果的iOS系统举例，该系统也是立足移动端，与PC端的macOS是两套东西。而iPad产品使用的是iOS系统，但在屏幕尺寸来到11英寸，甚至13英寸的情况下。诸多娱乐性质，以及专业生产力性质的软件，仍然无法完美适配iPad。前者的开发者需要在iPhone端之外，创建诸如HD版本的应用，适配越来越大的iPad。而后者显然不能影响正牌iMac的市场，特别是在iPad已经率先用上M4芯片的情况下。简单来说，后发的iPad虽然也挺好，但iPhone的基本盘，与iMac的专业高利润份额，优先级始终得更高的。这也是为什么，尺寸更小、也没用M系列芯片的iPad mini，始终好评度都很出色的原因之一。

拿iPad举例，最表层的原因，就是从屏幕尺寸出发，它与车机终端，在相当长的时间里，都比较接近。可即便如此，即便iPad也是苹果公司的亲儿子，生态上也无法与iPhone与iMac相提媲美。就更别说软硬件开发更多是合作状态，且智能手机终端是无法撼动的核心板块的安卓系统了。这就是华为在操作系统上，迟早要与安卓断根的核心原因之一。

仅以智能汽车板块来说，它对于华为的重要性，显然不是谷歌和苹果可以比拟的。后发的华为，也有足够的空间，在包括汽车终端，以及智能手机、平板、PC端，实现多段协同。基于安卓系统，这些眼下显然是做不到的。就算做得到，也难免带着安卓在智能手机端积累的沉重“包袱”上路。

车机的工作逻辑毕竟与智能手机端不同，两者的差异显然要大于iPad与iPhone，而且随着智能座舱的进一步发展，这种差距还会更大。举几个最简单的场景，比如语音助手、音乐、导航等等，在智能汽车中无疑是核心需求。这与智能手机端集中在通信、娱乐等场景的核心需求有明显错位。自然需要在操作、界面、生态打造上，拉开差距。

而在与安卓进行切割之后。鸿蒙NEXT一来可以集中注意力，打造更符合时代发展和用户需求的应用。另外，应用的体积也将得到大幅降低。轻、快的开发思路，将有助于开发者，也将降低应用上车的门槛。所以，站在车机的角度，鸿蒙系统虽然起步晚，但追赶速度是最快的，且在与安卓切割之后，这一速度还会更快。

至于系统运行流畅度的提升，倒更像是一系列切割动作之后的“赠品”。车机的寿命本就与智能手机不可同日而语。绝大多数消费者都没法做到2年换车，更何况换车也要面临残值问题。即便车企、入局的互联网企业，以及芯片厂商，对其进行减负和优化。但面对从智能手机端走过来的安卓，硬件端从8155芯片卷到8295芯片的努力，多少都得为操作系统的历史冗余买单。就更别说很多重叠需求中，对开发资源的浪费。以及非重叠需求中，开发者的积极性如何保证。

智能汽车加速算法升级，离线应用前景广阔？

如果说操作系统，还是包括智能汽车在内，所有智能终端都需要面对的技术问题。那么智能驾驶，基本就是专属于智能汽车的技术需求了。当然，华为的盘古大模型5.0，本质上就是一套更先进的算法模型。所以它的应用场景，并不局限在智能驾驶领域。此前在工业制造、建筑设计、气象等领域都已经有成熟的应用案例。

当我们把AI算法与智能驾驶结合起来，最明显的效果，当属加强了智驾方案的学习能力。无论智能驾驶说的有多么高大上，其最基础的逻辑还是离不开“跑图”。越是复杂的场景，就越离不开长期，甚至是重复的跑图学习过程。新算法在学习能力上的提升，则可以大幅缩短智能驾驶系统的学习周期。甚至很多复杂场景的学习工作，也可以转移到后台的虚拟跑图中进行，从而缩短在实际前台的学习过程，减少对实际路网的工作影响。

这种对虚拟场景的理解能力，类比一下，可以参考我们学习几何时的空间理解能力，又或者说学车时，教练总是要求的“车感”。新的大模型对图形、文本、视频等素材的理解能力，以及汽车上越来越多，也越来越先进的感知硬件，正在帮助AI算法，在后台就可以模拟出更为真实的场景训练。而在实际应用智能驾驶的过程中，算法的升级，又在反哺车辆克服雨雪天气、阳光直射、黑夜等复杂路况的能力。

最后值得一提的是，盘古大模型5.0是一整套方案的统称。细节上，它提供了一系列规格不同的模型方案，以协助不同智能端的具体需求。低规格的模型，虽然不足以应对智能汽车端所有的智能驾驶使用与学习需求。但其低功耗和无须联网、离线可用的优势，在覆盖无图且无网络场景的极端情况下，有助于为车辆的驾驶辅助系统，进行安全托底。这将有效提升车辆在极端情况下，使用智能驾驶功能的安全冗余。在越来越多智驾方案选择不依赖高精地图的当下，即便是只跑主流城市路况，这项技术的现实意义依旧存在。

写在最后：智能驾驶与智能座舱，是智能汽车发展的两大具象化技术方向。鸿蒙NEXT与安卓的正式切割，也意味着搭载该操作系统的智能汽车端，将迎来更为流畅，且应用更新、补充针对性更强、更快的软件生态。至于盘古大模型5.0，核心并非针对汽车单一应用场景。但其大幅提升的学习能力，加速了算法与智能汽车终端的感知之间的正循环。至于优化的离线算法能力，或将在未来汽车智能驾驶安全部分，展现出更大的市场潜力。

发布于：北京