当前位置: 首页 > news >正文

对话|全年HUD前装将超330万台,疆程技术瞄准人机交互“第一屏”

2024年,在高阶智驾进入快速上车的同时,座舱人机交互也在迎来新的增长点。Chat GPT、AR-HUD、车载投影等新配置都在带来新增量机会。

高工智能汽车研究院监测数据显示,2024年1-10月,中国市场(不含进出口)乘用车前装标配W/AR-HUD交付264.14万辆,同比增长51.17%;其中,AR-HUD搭载交付64.34万辆,同比大幅增长288.53%。

同时,AR-HUD贡献占比(W/AR-HUD整体市场交付量)从上年同期的9.48%快速提升至24.36%。高工智能汽车研究院预测,到2027年,AR-HUD搭载率或将首次超过W-HUD,成为中国乘用车市场的搭载主力。

按照高工智能汽车研究院的预测,2024年全年中国市场乘用车交付W/AR-HUD将超过330万台,其中,AR-HUD交付将超过80万台。其中,以LCoS为代表的高性能AR-HUD方案成为市场关注的焦点。

12月18日,合肥疆程技术有限公司(以下简称“疆程技术”)成为首批华为智能车载光领域获得认证的11家合作伙伴之一,共同推动基于LCoS技术路线的AR-HUD解决方案普及应用。

目前,疆程技术推出的新一代AR-HUD方案,在LCoS方案高分辨率、高亮度优势基础上,结合自由曲面成像的自研二次光学技术,已经实现高达13*5°的视场角,对比度实测数据突破2000:1,且画面畸变能控制在2%以内。

疆程技术组建于2018年初,主营产品涵盖抬头显示系统、电子外后视镜系统、透明A柱及车载显示系统等产品,也是国内首家实现大尺寸增强现实抬头显示(AR-HUD)及电子外后视镜(CMS)前装量产的供应商之一。

在AR-HUD产品方案研发方面,疆程技术实现了阳光倒灌规避、光学畸变矫正、图像重影消除、多数据AR视觉算法开发等多项技术突破,同时,可以提供DLP、TFT及LCOS三种主流技术路线的量产方案。

以下是《高工智能汽车》与合肥疆程技术有限公司研发总监雷琼的对话:

图片

《高工智能汽车》:HUD前装市场这两年增长很快,每月搭载同比增速持续保持在50%左右的。同时,作为未来市场主力的AR-HUD更是持续数月保持翻倍同比增长。但同时,市场竞争尤其是价格下行压力也在不断加剧,怎么看HUD行业的竞争态势?

雷琼:从规模上看,无论是W-HUD还是AR-HUD,都呈现出显著的增长趋势。而发展到一定阶段后,将面临市场拐点的挑战,这是行业内的共识。

当前HUD行业搭载率占优的还是W-HUD,竞争则显得尤为激烈。这种竞争不仅来源于细分行业内部,更受到整车企业竞争的压力影响,迫使赛道内的每一个参与者都要跟随市场步伐,努力冲出来,做大做强。

不可否认的是,尤其是W-HUD,当前行业更多的是在成本控制上展开竞争,整车企业也更聚焦于供应商的产品交付与成本控制能力,同时,也基本不会再给供应商技术试错的机会。

《高工智能汽车》:目前,车企对于AR-HUD还存在一些疑虑。一方面,各种技术路线(TFT、DLP、LCoS、光波导等等)都有企业在做,站在车企的角度,似乎也没有明确未来主流的应用方案倾向;

另一方面,过去一年,国内车企都在卷高阶智驾。这也意味着,AR-HUD要发挥最佳的交互体验(比如,大量智驾数据的融合),仍需要等到舱驾智能化进入相对稳定、成熟的阶段。

这种矛盾的底层逻辑是什么?

雷琼:我认为车企的态度还是相当理性的,对HUD的状态及实现效果的认知也是比较实际的。一直以来,HUD产品在国内处于产品的宣传「领先」实际应用的状态,这种时间差也在一定程度上导致了终端用户和车企对于某些技术的「疲劳感」。

目前来看,我们都在努力,但完全满足用户的AR沉浸式交互体验需求仍有一定的距离。短期内,疆程技术仍会将重心投入到AR体验的持续优化上,也会继续与华为以及更多车企客户、合作伙伴们一起,共同挖掘AR-HUD数据融合的价值,推动行业的向前发展。

《高工智能汽车》:整车智能是当下汽车智能化的新热点,比如,舱驾融合正在推动舱、驾、车控甚至是底盘的深度协同。但同时,对于车企来说,也面临内部研发、产品定义的组织架构重构难题。

比如,HUD,尤其是AR-HUD就是典型的舱驾融合的落地点,要打通座舱、智驾等等环节的数据,从而实现显示交互的进一步体验升级。但,要达到理想的状态,一定是会碰到许多痛点和难点。

雷琼:数据融合是个很大的系统化工程,难点很多,比如,对于HUD所需的驾舱数据的共识与打通,以及更好体验的虚实融合AR显示算法。

鉴于当前汽车行业的快速发展态势,整车的开发周期正不断缩短。以我们的定点交付项目为例,某些车型的开发周期仅仅只有八个月左右。然而,要确保数据融合的成功落地,前期的周密规划与车厂的深度共识是不可或缺的基石,以及持续加大AR显示算法研发投入。

《高工智能汽车》:融合,硬件是一部分,也是基础;再往上,比如系统分层解耦(中间件)或者应用层算法,这方面还有哪些标准化的模块,能够促进车厂内部数据的快速打通?

雷琼:从我们的角度来看,在车厂的项目开发前期,我们会基于车厂功能需求快速分解提取我们所需的的规范需求,比如ADAS、导航或者车身数据形成标准化的API接口。

《高工智能汽车》:这次和华为的合作,从疆程的角度来看,无论是后续的市场开拓,还是对于AR-HUD行业,有什么里程碑的意义?

图片

雷琼:作为华为智能车载光领域AR-HUD解决方案业务侧首批合作伙伴,疆程技术和华为将聚焦AR-HUD领域,通过建立长期、稳定的全面合作关系,做到优势互补、互利共赢,尽快实现资源投入,解决车厂在AR-HUD产品上日益丰富的场景需求与体验提升,加快AR-HUD市场化进程。

比如,我们在2024第二届智能车载光峰会上展示的LCoS AR-HUD解决方案,就是双方的合作成果之一,其产品光学性能、图像效果均十分出色,赢得了与会嘉宾的高度赞誉。

另外,我们也达成了一致共识,就是在未来智驾演进到L3甚至L4级阶段,AR-HUD将作为人机交互“第一屏”的定位,作为智驾系统的意图展示窗口,减少驾驶员监管频率,增进人对系统的信任度。

当然,这也对AR-HUD的解决方案优化和升级,提出了更大画幅,更高色域等更高的性能要求,也极大促进LCoS技术路线的市场化落地。

《高工智能汽车》:任何新生事物的出现,都会经历终端消费者对于产品认知不断纠偏的过程;比如,市面上不少厂家宣传的AR-HUD,实际上就存在很多认知的偏差。很多消费者其实也不太清楚什么是W-HUD,什么是AR-HUD,什么是真正的AR。

而在标准法规层面,相比于海外市场偏向于法规先行模式,中国市场这几年汽车智能化的迅猛发展,更多是市场驱动型,由于没有市场准入门槛的存在,就会导致市场上已经上车产品的良莠不齐。

对于AR-HUD行业的健康可持续发展角度来说,标准法规体系的加快建立,从而提高市场准入门槛也是至关重要的一环,目前有哪些新的进展?

雷琼:是的,HUD产品在宣传端和实际应用端之间存在一些差异。从用户角度来看,HUD产品的AR效果一旦被过度宣传,将导致用户对AR产生认知疲劳和质疑态度。

在这种情况下,我们是建议从行业共识和标准制定的角度去规范市场秩序。一方面,行业内对于HUD的评价指标和测量方法存在差异,导致用户端的产品体验难以统一;另一方面,也希望通过行业共识和标准定义来确保竞争维度的一致性,共同提升用户的实际体验,真正让竞争回归到产品本身的价值与体验上。

《高工智能汽车》:事实上,HUD前装市场已经进入洗牌阶段,对于挺进“决赛圈”,疆程技术的核心竞争力体现在哪些方面?

雷琼:疆程技术是一家专注于技术创新并秉持稳健发展理念的公司。自2018年起,公司发展的每一步都坚实而稳健。在AR-HUD领域,疆程技术始终是行业的领跑者,率先完成了国内首台搭载AR-HUD方案的预研车型项目开发。

而在量产项目的推进上,无论是在DLP还是TFT技术上,疆程技术都保质保量的完成了业内最大尺寸的AR-HUD量产项目的交付。今年,我们更是在客户口碑和销量上实现了双赢,完成了包括吉利、北汽等车厂的众多车型的量产交付。

而从产品技术维度上,虽然行业内的产品形态不断趋于同质化,但产品背后的技术实现路径却并不尽相同,尤其是HUD产品的光学解决方案。

比如,疆程技术能在LCoS技术上实现最大、最亮且最方正的图像效果,离不开公司在光学技术上的积累与沉淀,能确保光效传递上的低功耗和高效率,实现对畸变、动态畸变、重影等核心参数的有效控制。比如,畸变数据控制在2%以内,基本达到显示器的成像效果与色彩还原度。

除此之外,疆程技术也在不断加码生产交付能力的提升,以便应对未来可预期的国内市场,甚至是海外市场的更大规模交付要求。

《高工智能汽车》:疆程技术作为国内最早一批研发AR HUD的公司之一,展望未来3-5年,这个市场最终会形成什么样的格局?

雷琼:从国内市场环境和车厂需求来看,我理解是5-6家,且单家供应商最大市场份额占比很难超过30%。

《高工智能汽车》:过去几年,汽车智能化带来的变革,除了软硬件技术的创新和快速迭代,零部件和整车企业的关系,也在发生微妙变化。您感受到的最大变化是什么?

雷琼:对我们而言,车厂始终是持开放与支持的态度。只是在过去几年里,车厂出于对技术成熟度的审慎考量,以及对于很多初创公司的交付能力疑虑,项目的量产落地进程相对缓慢。

时至今日,疆程技术在项目开发、质量管理及生产交付等多个维度均展现出高度的成熟度。车厂对我们的信赖度也在显著提升,双方的项目合作也因此变得更加顺畅无阻。正因如此,自今年起,疆程技术在HUD产品领域的量产车型数量实现了高速增长。

相关文章:

对话|全年HUD前装将超330万台,疆程技术瞄准人机交互“第一屏”

2024年,在高阶智驾进入快速上车的同时,座舱人机交互也在迎来新的增长点。Chat GPT、AR-HUD、车载投影等新配置都在带来新增量机会。 高工智能汽车研究院监测数据显示,2024年1-10月,中国市场(不含进出口)乘用…...

【论文笔记】QLoRA: Efficient Finetuning of Quantized LLMs

🍎个人主页:小嗷犬的个人主页 🍊个人网站:小嗷犬的技术小站 🥭个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。 基本信息 标题: QLoRA: Efficient Finetun…...

计算机网络之---物理层的基本概念

物理层简介 物理层(Physical Layer) 是 OSI(开放系统互联)模型 中的第 1 层,它主要负责数据在物理媒介上的传输,确保原始比特(0 和 1)的传输不受干扰地从一个设备传送到另一个设备。…...

Burpsuite20241102macM1版安装

1、安装jdk11 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" brew update brew install openjdk11 echo export PATH"/opt/homebrew/opt/openjdk11/bin:$PATH" >> ~/.zshrc source ~/.zshrc j…...

缓存常见问题

缓存问题: 1. 缓存穿透:访问一个不存在的缓存 2. 缓存击穿:大批用户访问热点数据的时候,热点数据缓存失效,大量访问数据库 3. 缓存雪崩:大批量缓存全部失效 Redis和Memcached区别: 1. Redi…...

C++ 入门第25天:线程池(Thread Pool)基础

往期回顾: C 学习第22天:智能指针与异常处理-CSDN博客 C 入门第23天:Lambda 表达式与标准库算法入门-CSDN博客 C 入门第24天:C11 多线程基础-CSDN博客 C 入门第25天:线程池(Thread Pool)基础 前…...

微信小程序中的 storage(本地存储)和内存是两个完全不同的存储区域

这是一个非常关键且容易混淆的概念 既然 this.globalData.appId appId 是将 appId 存储在内存中,为什么微信小程序中的 wx.getStorage 和 wx.setStorage(本地存储)中没有 appId,并且您提出了一个非常重要的疑问:stor…...

WLAN基本原理与配置

一、WLAN概述 二、WLAN的基本概念 AC与Fit AP的组网架构: 1.二层组网 AC和Fit AP在一个广播域中 2.三层组网 AC和Fit AP需要跨三层通信 CAPWAP(无线接入点控制和配置协议): 该协议定义了如何对AP进行管理、业务配置&#…...

KaliLinux 2022.1安装和相关配置

一、安装系统和设置中文 (一)下载安装KaliLInux2022.1 以直接下载虚拟机映像文件为例,下载地址:https://www.kali.org/get-kali/#kali-virtual-machines,下载完成后直接解压,再用VMware打开后开机&#x…...

HarmonyOS开发:ArkTS初识

ArkTS基本语法 ArkTS语言简介 ArkTS是鸿蒙生态的应用开发语言。基本语法风格与TypeScript(简称TS)相似,在TS的生态基础上进一步扩展,继承了TS的所有特性,是TS的超集。 基本语法概述 扩展能力 基础语法&#xff1a…...

Unity的四种数据持久化方式

目录 什么是数据持久化 数据持久化之PlayerPrefs 概述 API及用法 电脑中存放的位置 优缺点 主要用处 封装PlayerPrefs 数据持久化之XML XML是什么 读取XML信息 C#读取XML的方法有几种 读取xml文件信息 读取元素和属性信息 总结 写入XML信息 选择存储目录 存储…...

机器学习笔记 - 单幅图像深度估计的最新技术

1、深度估计简述 单眼深度估计是一项计算机视觉任务,AI 模型从单个图像中预测场景的深度信息。模型估计场景中对象从一个照相机视点的距离。单目深度估计已广泛用于自动驾驶、机器人等领域。深度估计被认为是最困难的计算机视觉任务之一,因为它要求模型理解对象及其深度信息之…...

Postman接口测试02|接口用例设计

目录 六、接口用例设计 1、接口测试的测试点(测试维度) 1️⃣功能测试 2️⃣性能测试 3️⃣安全测试 2、设计方法与思路 3、单接口测试用例 4、业务场景测试用例 1️⃣分析测试点 2️⃣添加员工 3️⃣查询员工、修改员工 4️⃣删除员工、查询…...

C#语言的学习路线

C#语言的学习路线 C#(读作“C Sharp”)是一种由微软开发的现代编程语言,具有强大的功能和灵活性,广泛应用于桌面应用程序、Web开发、游戏开发以及企业级应用等多个领域。无论你是编程新手还是有一定基础的开发者,掌握…...

双目的一些文章学习

文章1 PSMNet https://arxiv.org/pdf/1803.08669PSMNet文章博客PSMNet文章中牵涉到的一些知识,空洞卷积,SPPNet网络,计算视差时用soft argmin代替argmin文章中引入了空洞卷积和SPPNet网络来融合多尺度的信息,又引入3D卷积来增加模…...

开源模型应用落地-qwen2-7b-instruct-LoRA微调合并-ms-swift-单机单卡-V100(十三)

一、前言 本篇文章将使用ms-swift去合并微调后的模型权重,通过阅读本文,您将能够更好地掌握这些关键技术,理解其中的关键技术要点,并应用于自己的项目中。 二、术语介绍 2.1. LoRA微调 LoRA (Low-Rank Adaptation) 用于微调大型语言模型 (LLM)。 是一种有效的自适应策略,…...

【C++面向对象——类与对象】CPU类(头歌实践教学平台习题)【合集】

目录😋 任务描述 相关知识 一、类的声明和使用 1. 类的声明基础 2. 类的访问控制 3. 类的使用 二、类的声明和对象的声明 1. 类声明中的函数定义 2. 对象声明的多种方式 三、构造函数和析构函数的执行过程 1. 构造函数 2. 析构函数 实验步骤 测试说明…...

性能测试05|JMeter:分布式、报告、并发数计算、性能监控

目录 一、JMeter分布式 1、应用场景 2、原理 3、分布式相关注意事项 4、分布式配置与运行 二、JMeter报告 1、聚合报告 2、HTML报告 三、并发用户数(线程数)计算 四、JMeter下载第三方插件 五、性能监控 1、Concurrency Thread Group 线程组…...

关于Java面试题大全网站无法访问的解决方案

如果Java面试题大全网站无法访问,你仍然可以通过以下渠道获取高质量的Java面试题资源: 1. 国内网站 牛客网: 网址:https://www.nowcoder.com/特点:提供大量Java面试题和在线编程练习,适合刷题和模拟面试。推…...

CSS进阶和SASS

目录 一、CSS进阶 1.1、CSS变量 1.2、CSS属性值的计算过程 1.3、做杯咖啡 1.4、下划线动画 1.5、CSS中的混合模式(Blending) 二、SASS 2.1、Sass的颜色函数 2.2、Sass的扩展(extend)和占位符(%)、混合(Mixin) 2.3、Sass的数学函数 2.4、Sass的模块化开发 2.5、Sass…...

React 第五十五节 Router 中 useAsyncError的使用详解

前言 useAsyncError 是 React Router v6.4 引入的一个钩子,用于处理异步操作(如数据加载)中的错误。下面我将详细解释其用途并提供代码示例。 一、useAsyncError 用途 处理异步错误:捕获在 loader 或 action 中发生的异步错误替…...

51c自动驾驶~合集58

我自己的原文哦~ https://blog.51cto.com/whaosoft/13967107 #CCA-Attention 全局池化局部保留,CCA-Attention为LLM长文本建模带来突破性进展 琶洲实验室、华南理工大学联合推出关键上下文感知注意力机制(CCA-Attention),…...

STM32F4基本定时器使用和原理详解

STM32F4基本定时器使用和原理详解 前言如何确定定时器挂载在哪条时钟线上配置及使用方法参数配置PrescalerCounter ModeCounter Periodauto-reload preloadTrigger Event Selection 中断配置生成的代码及使用方法初始化代码基本定时器触发DCA或者ADC的代码讲解中断代码定时启动…...

Neo4j 集群管理:原理、技术与最佳实践深度解析

Neo4j 的集群技术是其企业级高可用性、可扩展性和容错能力的核心。通过深入分析官方文档,本文将系统阐述其集群管理的核心原理、关键技术、实用技巧和行业最佳实践。 Neo4j 的 Causal Clustering 架构提供了一个强大而灵活的基石,用于构建高可用、可扩展且一致的图数据库服务…...

sqlserver 根据指定字符 解析拼接字符串

DECLARE LotNo NVARCHAR(50)A,B,C DECLARE xml XML ( SELECT <x> REPLACE(LotNo, ,, </x><x>) </x> ) DECLARE ErrorCode NVARCHAR(50) -- 提取 XML 中的值 SELECT value x.value(., VARCHAR(MAX))…...

项目部署到Linux上时遇到的错误(Redis,MySQL,无法正确连接,地址占用问题)

Redis无法正确连接 在运行jar包时出现了这样的错误 查询得知问题核心在于Redis连接失败&#xff0c;具体原因是客户端发送了密码认证请求&#xff0c;但Redis服务器未设置密码 1.为Redis设置密码&#xff08;匹配客户端配置&#xff09; 步骤&#xff1a; 1&#xff09;.修…...

sipsak:SIP瑞士军刀!全参数详细教程!Kali Linux教程!

简介 sipsak 是一个面向会话初始协议 (SIP) 应用程序开发人员和管理员的小型命令行工具。它可以用于对 SIP 应用程序和设备进行一些简单的测试。 sipsak 是一款 SIP 压力和诊断实用程序。它通过 sip-uri 向服务器发送 SIP 请求&#xff0c;并检查收到的响应。它以以下模式之一…...

return this;返回的是谁

一个审批系统的示例来演示责任链模式的实现。假设公司需要处理不同金额的采购申请&#xff0c;不同级别的经理有不同的审批权限&#xff1a; // 抽象处理者&#xff1a;审批者 abstract class Approver {protected Approver successor; // 下一个处理者// 设置下一个处理者pub…...

【无标题】路径问题的革命性重构:基于二维拓扑收缩色动力学模型的零点隧穿理论

路径问题的革命性重构&#xff1a;基于二维拓扑收缩色动力学模型的零点隧穿理论 一、传统路径模型的根本缺陷 在经典正方形路径问题中&#xff08;图1&#xff09;&#xff1a; mermaid graph LR A((A)) --- B((B)) B --- C((C)) C --- D((D)) D --- A A -.- C[无直接路径] B -…...

Kafka入门-生产者

生产者 生产者发送流程&#xff1a; 延迟时间为0ms时&#xff0c;也就意味着每当有数据就会直接发送 异步发送API 异步发送和同步发送的不同在于&#xff1a;异步发送不需要等待结果&#xff0c;同步发送必须等待结果才能进行下一步发送。 普通异步发送 首先导入所需的k…...