過去幾年，在特斯拉及新勢力的帶動下，車企的盈利模式正在尋求從“一次售賣”轉變為“硬件預埋＋軟件付費解鎖”，背后是驅動汽車軟件架構的迭代，即從面向信號的軟件架構，過渡至面向服務的SOA架構。
同時，車企、芯片廠商以及Tier1也在構建汽車軟件開發生態圈，從底層RTOS一直到上層的應用功能落地。此外，信息網絡安全、基礎軟件（包括OS、中間件、AutoSAR）、OTA、數據閉環等等模塊化用例需求顯著上升。
進入2023年，整車電子架構升級進入新周期，無論是智能駕駛、智能座艙、車身控制還是信息網絡安全，軟件賦能仍是行業的主旋律。
作為智能汽車賽道的第三方研究咨詢機構，高工智能汽車研究院將繼續幫助車企、投資機構挖掘具備核心競爭力的軟件供應商，通過此次評選，助力行業進一步優化供應鏈體系，構建可持續的生態體系。
第三批入圍汽車軟件競爭力供應商及技術方案（入圍名單將進入第一輪評審，涉及定點及量產交付等相關數據的評估）：
上海宏景智駕信息科技有限公司
HyperNet
基于BEV Fusion的時空融合網絡，識別動靜態目標、地圖靜態元素；量產級深度優化的AI算法，豐富的神經網絡稀疏化和量化部署經驗；支持BEV高精地圖元素檢測， Occupancy，3D目標檢測等任務；
基于硬件加速的算子深度優化，包含圖像處理加速、神經網絡前后優化，CPU Neon加速；支持英偉達Orin, 安霸CV3，地平線J5等主流大算力平臺，?和 CV72， Orin N等中算力平臺；針對不同的算力平臺，可以提供BEV CNN / BEV Transformer 的解決方案
上海智駕汽車科技有限公司
MAXI-Net自動駕駛深度學習神經網絡模型
通過創新的MAXI-Net神經網絡模型機器算法，MAXIEYE以單目視覺實現了單目4D感知，其中創造性的使用視頻流（多幀）等圖像分析技術，在三維場景構建的基礎上引入時間維度的分析，實現從三維到四維的突破。
該網絡模型實現測距測速、碰撞時間計算更準，目標跟蹤更穩，本車及移動目標移動方向、路徑預測更準，測距測速精度誤差達到5%以內（行業平均水平10%），同時相較傳統算法更好地解決了起伏路面、車道線消失、鬼探頭，以及更多商業落地面臨的Corner Case。
為了推動高階自動駕駛的商業化落地，MAXIEYE將BEV技術架構應用于MAXI-Net之中，提出了由圖像空間感知轉換到BEV空間下感知的、融合時序信息的、端到端的、支持跨攝像頭及其他傳感器多模態的智駕深度學習感知方法。
這套方案極大地提高了感知精度、更好的解決目標遮擋問題、實現更優的特征融合，可以讓感知到融合規控的技術體系更加簡約輕量化，讓整個自動駕駛系統開發更加簡單高效。
歐菲光集團股份有限公司
自動泊車系統/自動泊車解決方案
歐菲光融合泊車采用攝像頭與超聲波雷達作為外部探測工具，基于對視圖的應用來實現車位線檢測、障礙物檢測；基于超聲波雷達完成對泊車空間的檢測、障礙物檢測；融合視圖與雷達信號，提供完整的外部障礙物檢測融合、泊車空間融合。
1、停車位智能搜索：基于深度學習算法準確識別多種常見車位。自動識別停車位方位和類型（水平/垂直/角度）。AI感知多傳感器融合自動過濾不可用車位。
2、停車路徑智能規劃：根據停車空間規劃最優路徑；融合Freespace及OD結果實時規劃路徑；實時修正路徑確保停在最優位置。
3、車輛智能控制：優化規劃泊車算法，實現方向盤轉動在車輛行進時完成。實時泊車規控算法，實現泊車過程中車速平穩，效率高。
北京智行者科技股份有限公司
全場景行泊一體駕駛輔助系統
行泊一體高階駕駛輔助系統具備高速/城區NOA、泊車、ADAS及報警等20余項功能，全部在一個域控制器中實現，相比傳統垂直煙囪式ECU產品，具有更高集成度、更高性價比及更靈活軟件升級能力。
在硬件配置方面，智行者行泊一體駕駛輔助系統采用11V5R1L12U的標準傳感器配置方案，同時，采用了國產化大算力芯片，承載多個800萬像素相機、激光雷達數據及重感知輕地圖技術對算力的需求，實現全場景高階自動駕駛需求，為用戶提供極致安全輔助系統。
由于關鍵軟硬件技術均為智行者全棧自研，因此在具體量產產品中，可根據車型具體應用場景及成本要求，進行定制化剪裁，最大限度提供最高性價比產品。
同時，基于智行者無人駕駛大腦全場景架構及多年技術積累，智行者將提供市面上首個針對鄉村/越野功能行車輔助功能，使得用戶能夠在惡劣場景下實現安全行車、享受更多智駕樂趣。
魔視智能
前融合感知框架Cyclops
魔視智能獨有自研多傳感器特征級前融合算法框架Cyclops,靈活適配多傳感器搭載方案,實現了基于4路環視相機前融合3D感知算法、激光視覺深度感知融合算法與激光點云3D感知方案,為行、泊域提供統一的算法框架。
該框架可靈活適配多種傳感器輸入，例如GNSS/IMU/Wheel可提供里程計信息輸入，激光雷達提供點云輸入，相機提供圖片輸入，同一平臺搭載的所有傳感器信息。通過神經網絡自動提取多傳感器原始數據特征，實現深度學習前融合方案。
該框架對于單相機輸入可形成單目深度算法感知框架，對于多模態數據輸入則可形成前融合算法框架與BEV算法框架等。
北京易航遠智科技有限公司
輕量級計算平臺行泊一體算法
基于包括感知、決策、規控等在內的全棧自研算法，易航智能實現了對SOC平臺資源的最大化利用。前視、環視相機同時接入，充分利用接口資源；通過芯片內的GPU資源實現全景渲染；利用芯片的USB接口實現DVR功能等。
易航智能還通過算法剪枝、知識蒸餾、共享Backbone等技術創新，優化算法算力，使輕量級計算平臺可以實現行泊一體，并支持擴展領航輔助駕駛NOA等高級功能。
蘇州暢行智駕汽車科技有限公司
RazorWareX 1.0（中間件）
RazorWareX 1.0為智能駕駛應用算法提供多種服務，在域控器各芯片間和車端各系統之間配置了高實時性、高寬帶的通信骨干網，充分調配硬件算力，共享傳感器數據，提供給AI算法運行環境，為智能駕駛提供高可靠性的開放軟件平臺。
擁有六大核心優勢：1、開放平臺，支持算法生態并行開發；2、健全的平臺服務軟件；3、跨芯片、跨域的異構RTE接口；4、時間觸發通信骨干網；5、高功能安全；6、用戶友好的配置工具鏈，代碼自動生成。
