平时工作需要把电脑的资料导入手机，或者手机的资料传送到电脑，传来传去的很麻烦[单身狗]。不过现在手机系统的功能越来越强大，跨屏互联给我带来了很多便利[鼓掌]，通过跨屏互联建立连接后，电脑自动生成“手机分身”，用户只需要通过鼠标拖拽即可操控手机，将设备间的文件和数据进行快速共享。短时间内用户可以将手机照片或者大文件快速高效的备份到电脑上，也可以在电脑上直接打开文件进行编辑保存，#coloros13# 的升级点之一就是实现了多终端互联互通，多种智能设备都将会打通，实现多设备协同工作，提升效率。
大芯片面临的共同挑战（下）
原创 Chaobowx 软硬件融合
3 大芯片面临的共同挑战
3.1 挑战一：复杂大系统，对灵活性的要求高于对性能的要求
有一个非常经典的问题：终端非常流行SOC，但为什么数据中心服务器却依然是CPU打天下？
越是复杂的场景，对系统灵活性的要求越高。CPU作为云计算场景的主力计算平台有其合理性，主要体现在四个方面：
硬件的灵活性。软件应用迭代很快，支持软件运行的硬件处理引擎要能够很好地支持这些迭代。CPU因为其灵活的基础指令编程的特点，是最适合云计算的处理引擎。
硬件的通用性。云计算厂家购买硬件服务器，很难预测这些硬件服务器会运行哪类工作任务，最好的办法是采用完全通用的服务器。CPU由于其绝对的通用性，成为云计算场景最优的选择。
硬件的利用率。云计算的基础技术是虚拟化，通过虚拟化把资源切分，实现资源共享，以此提高资源利用并降低成本。只有CPU能够实现非常友好的硬件级别的虚拟化支持，从而实现更高的资源利用率。而其他硬件加速平台，（相对的）资源利用率很难做到很高，这就约束了其性能优势。
硬件的一致性。在云计算数据中心，软件和硬件是需要相互脱离的。同一个软件实体会在不同的硬件实体迁移，同样的同一个硬件实体也需要运行不同的软件实体。这对硬件平台的一致性提出了很高的要求。
在性能满足要求的情况下，CPU当仁不让的就成了数据中心计算平台的最佳选择。
可惜的是，目前，CPU的性能无法满足要求了。在CPU性能不满足要求的情况下，就需要创新的硬件来进行性能加速。如何在整个系统保持跟传统CPU接近的通用性、灵活性、可编程性、易用性的约束条件下，实现性能显著提升，成为了重要的挑战。
3.2 挑战二：如何数量级的提升综合性能？
我们之前都讲过，性能和单位指令的复杂度是正相关的。指令越简单，性能相对越低；指令越复杂，性能相对越好。但指令简单，我们就可以随心所欲组合各种各样的场景的应用程序；而指令越复杂，引擎所能覆盖的领域和场景就会越来越小。
如上图所示：
CPU性能最差，但几乎可以覆盖所有的计算场景，是最通用的处理器；
DSA覆盖某个特定领域，性能可以做到很好。但覆盖的领域如果算法更新迭代快或者领域的范围较小不足以支撑大算力芯片的大范围落地的话，这样的DSA芯片在商业上就很难成立。
GPU介于两者之间。
CPU软件，是通过基础的指令组合出来所需要的业务逻辑；而为了提升性能，硬件加速本质上是将业务逻辑固化成硬件电路。而将业务逻辑固化成电路，虽然提升了性能，但会约束芯片本身的场景覆盖。目前，很多算力芯片的设计陷入了一个怪圈：越优化性能，场景覆盖越狭窄；场景覆盖越狭窄，芯片出货量越低；芯片出货量低，无法覆盖芯片的一次性研发成本，商业逻辑不成立，后续的持续研发难以为继。
以AI为典型场景，目前AI芯片落地难的本质：很多AI芯片特别强调深度理解算法，然后把算法融入到芯片中。但受限于AI类算法多种多样，并且算法都在快速的迭代。这导致AI芯片一直无法大规模落地，芯片数以亿计的研发成本难以摊薄。因此，从目前来看，AI芯片在商业逻辑上无法成立。
AI芯片已经榨干了目前芯片所能达到的性能极限；未来，L4/L5级别的自动驾驶芯片需要算力十倍百倍的提升；而要想达到元宇宙所需的良好体验，则需要算力千倍万倍的提升。如何在确保芯片的场景覆盖如CPU一样通用全面，并且还能够十倍百倍甚至千倍万倍的快速性能提升，是大算力芯片需要直面的挑战。
3.3 挑战三：业务的横向和纵向差异性
业务的横向差异指的是不同客户之间相近业务的细节差异性；而纵向差异指的是单个用户业务的长期迭代的差异性。
不同用户的业务存在差异，即使同一大公司内部，不同的团队对相同场景的业务需求也是不完全一致的。并且，即使同一客户，受限于软件的快速更新迭代，其业务逻辑更新也会很快，显著的快于硬件芯片的更新迭代（软件迭代通常在3-6个月，而芯片迭代则是2-3年，还要考虑芯片4-5年的生命周期）。
针对横向和纵向的差异性，目前行业有几种显著的做法：
一些芯片大厂，针对自身对场景的理解，提供自认为最优的业务逻辑加速方案给到用户。但站在用户的视角，这样会丧失自身的差异性和创造性。用户需要修改自身的业务逻辑，这个风险也非常的高；并且，会对芯片公司形成强依赖关系。
一些大客户。针对自身差异化场景，自研芯片。可以满足自身差异化的竞争能力，但大用户内部也是由许多不同的小团队组成，不同团队业务场景仍然存在差异性；并且，单个业务纵向的长期迭代差异依然是需要考虑的。定制芯片在商业上是可行的，但需要考虑技术层面的通用芯片设计。
第三方通用的解决方案。“授人以鱼，不如授人以渔”，通过通用的设计，确保在每个领域，都能够实现一定程度上的软硬件解耦。芯片公司提供“通用”的硬件平台，让用户通过编程的方式实现业务差异化，“让用户掌控一切”。
3.4 挑战四：芯片的一次性成本过高
在先进工艺的设计成本方面，知名半导体研究机构Semiengingeering统计了不同工艺下芯片所需费用（费用包括了）：16nm节点则需要1亿美元；7nm节点需要2.97亿美元；到了5nm节点，费用高达5.42亿美元；3nm节点的研发费用，预计将接近10亿美元。
就意味着，大芯片需要足够通用，足够大范围落地，才能在商业逻辑上成立。做一个基本的估算：在数据中心场景，则需要50万以上的销售量，才能有效摊薄研发成本。在数据中心领域，这个门槛非常高。
3.5 挑战五：宏观算力要求芯片能够支撑大规模部署
性能和灵活性是一对矛盾，很多性能优化的芯片设计方案，显著的提升性能的同时，也显著的降低了芯片的通用性、灵活性和易用性，同时降低了芯片的场景和用户覆盖。从而导致芯片落地规模很小。
芯片落地规模小，单芯片再高的性能，都相当于无源之水，没有了意义。
因此，一个综合性的芯片平台，需要考虑芯片性能提升的同时，也要考虑如何提高芯片的宏观规模落地：需要考虑芯片的场景覆盖；需要考虑芯片的用户覆盖；需要考虑芯片的功能横向和纵向的差异性覆盖。
只有兼顾了性能和更多用户和场景覆盖，才能实现大芯片的规模化部署，才能显著的提升宏观算力。
3.6 挑战六：计算平台的融合
算力需要池化，并且，算力不仅仅是数据中心基于x86 CPU的算力池化，算力池化，需要：
算力需要跨不同的CPU架构，比如能够把x86、ARM、RISCv等主流架构的算力整合到一个算力池；
算力需要跨不同类型的处理引擎。比如把CPU、GPU、FPGA、DSA的算力整合到一个算力池；
算力还需要跨不同厂家的硬件平台，算力需要把不同Vendor提供的算力资源都能够整合到一个算力池；
算力需要跨不同位置，算力可以部署云、边、端甚至网络，可以把这些算力整合到一个算力池。
云网边端融合，就是把所有的算力资源整合到一起，真正实现跨云网边端自适应的软件运行。挑战在于，如何构建统一的开放的硬件平台和系统堆栈。
3.7 挑战七：生态建设的门槛
大芯片一定需要平台化，一定需要开发框架并形成开发生态。而框架和生态门槛高，且需要长期积累，对小公司来说是一件非常难的事情。
RISC-v CPU已经如火如荼，很多公司，特别是一些初创小公司，大家都非常认可RISC-v的开源开放的理念和价值，众人拾柴火焰高，大家共同推动RISC-v开放生态的蓬勃发展。
未来，计算进一步走向异构和超异构计算，架构和平台越来越多，此时，开源开放已经不是可选项，而是成为必选项。因为，如果不是开源开放，那就会导致算力资源完全的碎片化，何谈算力池化，何谈云网边端融合。
开源开放，是大芯片平台和生态建设的必然选择。
3.8 挑战八：（用户视角）宏观跨平台的挑战，没有平台依赖
站在芯片厂家视角，给客户提供芯片以及配套的驱动软件，然后有SDK等开发工具包，用户基于此开发自己的应用程序，这样就万事大吉。但站在用户的视角，问题可不是这样。用户的软件应用和硬件平台是完全脱离的。
我们以VM计算机虚拟化为例。用户的VM需要在不同的硬件平台上能够实时热迁移，这样就对硬件平台的一致性就有了要求。通常，硬件一致性是通过虚拟化来完成的，虚拟化给上层的VM抽象出标准的硬件平台，使得VM可以跨不同架构的硬件服务器运行。随着CPU性能的瓶颈，虚拟化相关堆栈逐渐下沉到了硬件加速，这样，就需要把硬件接口直接暴露给业务VM，那么就需要硬件架构/接口原生支持一致性。
硬件架构/接口原生支持一致性，换个表述，就是不同厂家的芯片平台提供的是相同的架构和接口，使得软件可以方便的跨不同厂家的硬件平台迁移。如果某个厂家提供的是私有架构/接口的硬件平台，那么用户就会对平台形成强依赖关系，并且如果选择的个性化平台越多，使得用户自己的数据中心变成割裂的各自不同的资源池碎片，这样云的整个运营管理变得非常的复杂和困难。
（正文完）
原创 Chaobowx 软硬件融合
3 大芯片面临的共同挑战
3.1 挑战一：复杂大系统，对灵活性的要求高于对性能的要求
有一个非常经典的问题：终端非常流行SOC，但为什么数据中心服务器却依然是CPU打天下？
越是复杂的场景，对系统灵活性的要求越高。CPU作为云计算场景的主力计算平台有其合理性，主要体现在四个方面：
硬件的灵活性。软件应用迭代很快，支持软件运行的硬件处理引擎要能够很好地支持这些迭代。CPU因为其灵活的基础指令编程的特点，是最适合云计算的处理引擎。
硬件的通用性。云计算厂家购买硬件服务器，很难预测这些硬件服务器会运行哪类工作任务，最好的办法是采用完全通用的服务器。CPU由于其绝对的通用性，成为云计算场景最优的选择。
硬件的利用率。云计算的基础技术是虚拟化，通过虚拟化把资源切分，实现资源共享，以此提高资源利用并降低成本。只有CPU能够实现非常友好的硬件级别的虚拟化支持，从而实现更高的资源利用率。而其他硬件加速平台，（相对的）资源利用率很难做到很高，这就约束了其性能优势。
硬件的一致性。在云计算数据中心，软件和硬件是需要相互脱离的。同一个软件实体会在不同的硬件实体迁移，同样的同一个硬件实体也需要运行不同的软件实体。这对硬件平台的一致性提出了很高的要求。
在性能满足要求的情况下，CPU当仁不让的就成了数据中心计算平台的最佳选择。
可惜的是，目前，CPU的性能无法满足要求了。在CPU性能不满足要求的情况下，就需要创新的硬件来进行性能加速。如何在整个系统保持跟传统CPU接近的通用性、灵活性、可编程性、易用性的约束条件下，实现性能显著提升，成为了重要的挑战。
3.2 挑战二：如何数量级的提升综合性能？
我们之前都讲过，性能和单位指令的复杂度是正相关的。指令越简单，性能相对越低；指令越复杂，性能相对越好。但指令简单，我们就可以随心所欲组合各种各样的场景的应用程序；而指令越复杂，引擎所能覆盖的领域和场景就会越来越小。
如上图所示：
CPU性能最差，但几乎可以覆盖所有的计算场景，是最通用的处理器；
DSA覆盖某个特定领域，性能可以做到很好。但覆盖的领域如果算法更新迭代快或者领域的范围较小不足以支撑大算力芯片的大范围落地的话，这样的DSA芯片在商业上就很难成立。
GPU介于两者之间。
CPU软件，是通过基础的指令组合出来所需要的业务逻辑；而为了提升性能，硬件加速本质上是将业务逻辑固化成硬件电路。而将业务逻辑固化成电路，虽然提升了性能，但会约束芯片本身的场景覆盖。目前，很多算力芯片的设计陷入了一个怪圈：越优化性能，场景覆盖越狭窄；场景覆盖越狭窄，芯片出货量越低；芯片出货量低，无法覆盖芯片的一次性研发成本，商业逻辑不成立，后续的持续研发难以为继。
以AI为典型场景，目前AI芯片落地难的本质：很多AI芯片特别强调深度理解算法，然后把算法融入到芯片中。但受限于AI类算法多种多样，并且算法都在快速的迭代。这导致AI芯片一直无法大规模落地，芯片数以亿计的研发成本难以摊薄。因此，从目前来看，AI芯片在商业逻辑上无法成立。
AI芯片已经榨干了目前芯片所能达到的性能极限；未来，L4/L5级别的自动驾驶芯片需要算力十倍百倍的提升；而要想达到元宇宙所需的良好体验，则需要算力千倍万倍的提升。如何在确保芯片的场景覆盖如CPU一样通用全面，并且还能够十倍百倍甚至千倍万倍的快速性能提升，是大算力芯片需要直面的挑战。
3.3 挑战三：业务的横向和纵向差异性
业务的横向差异指的是不同客户之间相近业务的细节差异性；而纵向差异指的是单个用户业务的长期迭代的差异性。
不同用户的业务存在差异，即使同一大公司内部，不同的团队对相同场景的业务需求也是不完全一致的。并且，即使同一客户，受限于软件的快速更新迭代，其业务逻辑更新也会很快，显著的快于硬件芯片的更新迭代（软件迭代通常在3-6个月，而芯片迭代则是2-3年，还要考虑芯片4-5年的生命周期）。
针对横向和纵向的差异性，目前行业有几种显著的做法：
一些芯片大厂，针对自身对场景的理解，提供自认为最优的业务逻辑加速方案给到用户。但站在用户的视角，这样会丧失自身的差异性和创造性。用户需要修改自身的业务逻辑，这个风险也非常的高；并且，会对芯片公司形成强依赖关系。
一些大客户。针对自身差异化场景，自研芯片。可以满足自身差异化的竞争能力，但大用户内部也是由许多不同的小团队组成，不同团队业务场景仍然存在差异性；并且，单个业务纵向的长期迭代差异依然是需要考虑的。定制芯片在商业上是可行的，但需要考虑技术层面的通用芯片设计。
第三方通用的解决方案。“授人以鱼，不如授人以渔”，通过通用的设计，确保在每个领域，都能够实现一定程度上的软硬件解耦。芯片公司提供“通用”的硬件平台，让用户通过编程的方式实现业务差异化，“让用户掌控一切”。
3.4 挑战四：芯片的一次性成本过高
在先进工艺的设计成本方面，知名半导体研究机构Semiengingeering统计了不同工艺下芯片所需费用（费用包括了）：16nm节点则需要1亿美元；7nm节点需要2.97亿美元；到了5nm节点，费用高达5.42亿美元；3nm节点的研发费用，预计将接近10亿美元。
就意味着，大芯片需要足够通用，足够大范围落地，才能在商业逻辑上成立。做一个基本的估算：在数据中心场景，则需要50万以上的销售量，才能有效摊薄研发成本。在数据中心领域，这个门槛非常高。
3.5 挑战五：宏观算力要求芯片能够支撑大规模部署
性能和灵活性是一对矛盾，很多性能优化的芯片设计方案，显著的提升性能的同时，也显著的降低了芯片的通用性、灵活性和易用性，同时降低了芯片的场景和用户覆盖。从而导致芯片落地规模很小。
芯片落地规模小，单芯片再高的性能，都相当于无源之水，没有了意义。
因此，一个综合性的芯片平台，需要考虑芯片性能提升的同时，也要考虑如何提高芯片的宏观规模落地：需要考虑芯片的场景覆盖；需要考虑芯片的用户覆盖；需要考虑芯片的功能横向和纵向的差异性覆盖。
只有兼顾了性能和更多用户和场景覆盖，才能实现大芯片的规模化部署，才能显著的提升宏观算力。
3.6 挑战六：计算平台的融合
算力需要池化，并且，算力不仅仅是数据中心基于x86 CPU的算力池化，算力池化，需要：
算力需要跨不同的CPU架构，比如能够把x86、ARM、RISCv等主流架构的算力整合到一个算力池；
算力需要跨不同类型的处理引擎。比如把CPU、GPU、FPGA、DSA的算力整合到一个算力池；
算力还需要跨不同厂家的硬件平台，算力需要把不同Vendor提供的算力资源都能够整合到一个算力池；
算力需要跨不同位置，算力可以部署云、边、端甚至网络，可以把这些算力整合到一个算力池。
云网边端融合，就是把所有的算力资源整合到一起，真正实现跨云网边端自适应的软件运行。挑战在于，如何构建统一的开放的硬件平台和系统堆栈。
3.7 挑战七：生态建设的门槛
大芯片一定需要平台化，一定需要开发框架并形成开发生态。而框架和生态门槛高，且需要长期积累，对小公司来说是一件非常难的事情。
RISC-v CPU已经如火如荼，很多公司，特别是一些初创小公司，大家都非常认可RISC-v的开源开放的理念和价值，众人拾柴火焰高，大家共同推动RISC-v开放生态的蓬勃发展。
未来，计算进一步走向异构和超异构计算，架构和平台越来越多，此时，开源开放已经不是可选项，而是成为必选项。因为，如果不是开源开放，那就会导致算力资源完全的碎片化，何谈算力池化，何谈云网边端融合。
开源开放，是大芯片平台和生态建设的必然选择。
3.8 挑战八：（用户视角）宏观跨平台的挑战，没有平台依赖
站在芯片厂家视角，给客户提供芯片以及配套的驱动软件，然后有SDK等开发工具包，用户基于此开发自己的应用程序，这样就万事大吉。但站在用户的视角，问题可不是这样。用户的软件应用和硬件平台是完全脱离的。
我们以VM计算机虚拟化为例。用户的VM需要在不同的硬件平台上能够实时热迁移，这样就对硬件平台的一致性就有了要求。通常，硬件一致性是通过虚拟化来完成的，虚拟化给上层的VM抽象出标准的硬件平台，使得VM可以跨不同架构的硬件服务器运行。随着CPU性能的瓶颈，虚拟化相关堆栈逐渐下沉到了硬件加速，这样，就需要把硬件接口直接暴露给业务VM，那么就需要硬件架构/接口原生支持一致性。
硬件架构/接口原生支持一致性，换个表述，就是不同厂家的芯片平台提供的是相同的架构和接口，使得软件可以方便的跨不同厂家的硬件平台迁移。如果某个厂家提供的是私有架构/接口的硬件平台，那么用户就会对平台形成强依赖关系，并且如果选择的个性化平台越多，使得用户自己的数据中心变成割裂的各自不同的资源池碎片，这样云的整个运营管理变得非常的复杂和困难。
（正文完）
实拍新朗逸星空版：设计配置多处升级，新鲜感油然而生
对于 上汽大众朗逸 ( 参数 | 询价 ) 这款车，相信几乎没有人不认识的，毕竟自2008年上市以来累计销量超过500万辆，是当之无愧的国民家轿。但熟悉的背后也就相应缺乏了一点新鲜感，这也是所有销量较大的车型很难跨过去的一道坎。
但随着2022款朗逸的到来，这种刻板的印象被打破了。
6月23日，上汽大众2022款朗逸上市，售价区间为12.09-15.09万元。新朗逸最大的看点之一就是带来了两种不同的前脸设计，其中星空版采用了更激进、前卫的设计语言，给人一种全新的感觉。导致很多朋友看了线上的发布会之后，仍觉意犹未尽。为此，我们来到4S店一探究竟。
外形部分
前卫、新颖，整体比例协调。
当你第一眼看到新朗逸星空版时，一定会觉得它和马路上的其他大众车型“格格不入”，是的，无论是看人还是看车，我们总是第一眼“看脸”，它仿佛是一款来自大众未来的车型，前卫且科幻。
说实话，如果扣掉中间的大众LOGO，还真不容易认出这是一台来自大众品牌的车型。
新的设计是大众品牌前所未见的——新朗逸星空版的前脸放弃了传统的镀铬格栅设计，采用了星钻造型元素来代替。这些星钻呈点阵分布，有一种处于星空深处律动外旋的动感，整体不失深邃、动感之美。仔细观察，这些星钻使用了扁平化的六边形造型。
下格栅也同步进行了升级，镂空式设计与上格栅的星空前脸相呼应，整体协调且极具运动气息。
尾部的细节也体现了新的设计手法，整体造型简洁但层次感并不单薄。LED尾灯呈修长犀利的形状，内部做了熏黑处理。新车的车身尾部还搭配车顶鲨鱼鳍天线，运动气息更为强烈。下包围也做了底部熏黑处理，配合大尺寸的回型镀铬饰条，增强了视觉冲击。
侧面的轮廓变化不大，侧面犀利的腰线和17吋花式锋刃轮毂非常吸睛。后者是新朗逸星空版专属的运动套件之一，该套件还包括了黑飒动感尾翼、运动酷黑后视镜、高光黑质感车顶，确实从风格上来讲，更适合年轻群体的欣赏口味。
可以肯定的是，在外形设计上，新朗逸星空版“吸睛力”十足，它展现出了新颖超前的一面，也体现出了上汽大众试图打破常规的决心。
内饰部分
运动、精致，面向年轻就该这样。
如果仅仅是在外形上做出改变，那么消费者一定觉得是“换汤不换药”。当我们打开车门的一瞬间，就得出一个结论：相对于外形，新朗逸的内饰变化更大。
和外观一样，新朗逸星空版在内饰上也采用了偏运动化的设计风格，但其在豪华感、设计感、科技感以及实用性四者间所找的平衡点颇为巧妙。该车最大的亮点在于质感大幅提升，采用了车门板、扶手箱等处大面积软性面料，配合上汽大众一贯的精良做工，让国民家轿也有了一些豪华感。
同时，这一次座舱也具备明显的数字座舱风格，10.25英寸的液晶仪表配以12英寸的悬浮式中控屏，丝毫不落后于造车新势力们。尤其值得注意的是，上汽大众将中控屏从嵌入式改为了悬浮式，不仅造型更简洁，行车时也不用低头观察了，客观上也带来了安全。
在营造运动化风格方面，设计师还特意在空调出风口、座椅和扶手处使用红色缝线作为点缀，配合星空版独有的“酷感黑”内饰配色方案，大大提升了运动感。此外，空调出风口、液晶仪表盘、门板等位置，均采用炫银质感的镀铬加以修饰，做工极为考究。
此外，值得注意的还有方向盘和座椅，老朗逸车主可能体会更强烈一些。全新的三幅式家族式真皮方向盘以及全新的采用大面积石墨黑色高级皮革面料的PVC座椅，无论是视觉还是实际触感，比起老款均有明显提升。
新朗逸星空版和经典版的差异更多的在于配色方面，二者在质感的营造、数字化座舱的建设方面总体一致，从实拍的新朗逸星空版的内饰表现也说明了，新朗逸的内饰提升非常明显。
科技配置
实用、先进，它是“科技生命体”。
新朗逸星空版的车机系统均采用MOS 3.X智慧车联系统，这是上汽大众旗下首款采用该系统的车型。可以提供导航、在线服务以及多种APP的便利。与以往一样，支持触控和感应操控。
在实际的简单体验中，可以感觉到新朗逸在智能车机方面的体验感大幅提升。这种提升感来自两方面：一是顺滑程度，基本上没有迟缓的感受；二是车载应用更为丰富，车载小程序还新增了航旅纵横、趣满满电影票、搜狐短视频、36氪、自驾游路书等小程序。
此外，车机导航新增了场景化在线导航，比如美食地图、旅游地图等等。用户在自驾游时，可以在车机端进行路书查询，查看具体行程路线、详情、评价等，进行参考。
全新的家族式三幅方向盘真皮包裹，手感不错，可以在方向盘上直接操作启动提供ACC自适应巡航和语音识别等功能。
更重要的是，本次新朗逸还配置了尾部倒车雷达、泊车后视影像系统以及自动折叠后视镜等，配合上自适应巡航、自动刹车辅助、电子手刹辅助以及自动驻车等功能，这些配置很多都是原本在更高级别的大众车型才出现的，如今也首次出现在新朗逸上。
写在最后
通过实车考察，我们可以发现新朗逸带来的变化还是很多的，也体现了上汽大众对于朗逸这款国民家轿的深度思考：
首先是外观变化，尤其是星空版的推出，表明了厂家希望朗逸更靠近年轻人群体，满足他们的审美；内饰质感的提升，意味着强化新朗逸作为合资车型的一贯优势；科技配置前所未有的一次给足，也反映出在面对自主品牌的攻势，合资品牌给出的答案。
而最终的结果是，满足消费者在A级家轿市场所有的产品想象，让他们无需在选牌子还是选配置中妥协。
对于 上汽大众朗逸 ( 参数 | 询价 ) 这款车，相信几乎没有人不认识的，毕竟自2008年上市以来累计销量超过500万辆，是当之无愧的国民家轿。但熟悉的背后也就相应缺乏了一点新鲜感，这也是所有销量较大的车型很难跨过去的一道坎。
但随着2022款朗逸的到来，这种刻板的印象被打破了。
6月23日，上汽大众2022款朗逸上市，售价区间为12.09-15.09万元。新朗逸最大的看点之一就是带来了两种不同的前脸设计，其中星空版采用了更激进、前卫的设计语言，给人一种全新的感觉。导致很多朋友看了线上的发布会之后，仍觉意犹未尽。为此，我们来到4S店一探究竟。
外形部分
前卫、新颖，整体比例协调。
当你第一眼看到新朗逸星空版时，一定会觉得它和马路上的其他大众车型“格格不入”，是的，无论是看人还是看车，我们总是第一眼“看脸”，它仿佛是一款来自大众未来的车型，前卫且科幻。
说实话，如果扣掉中间的大众LOGO，还真不容易认出这是一台来自大众品牌的车型。
新的设计是大众品牌前所未见的——新朗逸星空版的前脸放弃了传统的镀铬格栅设计，采用了星钻造型元素来代替。这些星钻呈点阵分布，有一种处于星空深处律动外旋的动感，整体不失深邃、动感之美。仔细观察，这些星钻使用了扁平化的六边形造型。
下格栅也同步进行了升级，镂空式设计与上格栅的星空前脸相呼应，整体协调且极具运动气息。
尾部的细节也体现了新的设计手法，整体造型简洁但层次感并不单薄。LED尾灯呈修长犀利的形状，内部做了熏黑处理。新车的车身尾部还搭配车顶鲨鱼鳍天线，运动气息更为强烈。下包围也做了底部熏黑处理，配合大尺寸的回型镀铬饰条，增强了视觉冲击。
侧面的轮廓变化不大，侧面犀利的腰线和17吋花式锋刃轮毂非常吸睛。后者是新朗逸星空版专属的运动套件之一，该套件还包括了黑飒动感尾翼、运动酷黑后视镜、高光黑质感车顶，确实从风格上来讲，更适合年轻群体的欣赏口味。
可以肯定的是，在外形设计上，新朗逸星空版“吸睛力”十足，它展现出了新颖超前的一面，也体现出了上汽大众试图打破常规的决心。
内饰部分
运动、精致，面向年轻就该这样。
如果仅仅是在外形上做出改变，那么消费者一定觉得是“换汤不换药”。当我们打开车门的一瞬间，就得出一个结论：相对于外形，新朗逸的内饰变化更大。
和外观一样，新朗逸星空版在内饰上也采用了偏运动化的设计风格，但其在豪华感、设计感、科技感以及实用性四者间所找的平衡点颇为巧妙。该车最大的亮点在于质感大幅提升，采用了车门板、扶手箱等处大面积软性面料，配合上汽大众一贯的精良做工，让国民家轿也有了一些豪华感。
同时，这一次座舱也具备明显的数字座舱风格，10.25英寸的液晶仪表配以12英寸的悬浮式中控屏，丝毫不落后于造车新势力们。尤其值得注意的是，上汽大众将中控屏从嵌入式改为了悬浮式，不仅造型更简洁，行车时也不用低头观察了，客观上也带来了安全。
在营造运动化风格方面，设计师还特意在空调出风口、座椅和扶手处使用红色缝线作为点缀，配合星空版独有的“酷感黑”内饰配色方案，大大提升了运动感。此外，空调出风口、液晶仪表盘、门板等位置，均采用炫银质感的镀铬加以修饰，做工极为考究。
此外，值得注意的还有方向盘和座椅，老朗逸车主可能体会更强烈一些。全新的三幅式家族式真皮方向盘以及全新的采用大面积石墨黑色高级皮革面料的PVC座椅，无论是视觉还是实际触感，比起老款均有明显提升。
新朗逸星空版和经典版的差异更多的在于配色方面，二者在质感的营造、数字化座舱的建设方面总体一致，从实拍的新朗逸星空版的内饰表现也说明了，新朗逸的内饰提升非常明显。
科技配置
实用、先进，它是“科技生命体”。
新朗逸星空版的车机系统均采用MOS 3.X智慧车联系统，这是上汽大众旗下首款采用该系统的车型。可以提供导航、在线服务以及多种APP的便利。与以往一样，支持触控和感应操控。
在实际的简单体验中，可以感觉到新朗逸在智能车机方面的体验感大幅提升。这种提升感来自两方面：一是顺滑程度，基本上没有迟缓的感受；二是车载应用更为丰富，车载小程序还新增了航旅纵横、趣满满电影票、搜狐短视频、36氪、自驾游路书等小程序。
此外，车机导航新增了场景化在线导航，比如美食地图、旅游地图等等。用户在自驾游时，可以在车机端进行路书查询，查看具体行程路线、详情、评价等，进行参考。
全新的家族式三幅方向盘真皮包裹，手感不错，可以在方向盘上直接操作启动提供ACC自适应巡航和语音识别等功能。
更重要的是，本次新朗逸还配置了尾部倒车雷达、泊车后视影像系统以及自动折叠后视镜等，配合上自适应巡航、自动刹车辅助、电子手刹辅助以及自动驻车等功能，这些配置很多都是原本在更高级别的大众车型才出现的，如今也首次出现在新朗逸上。
写在最后
通过实车考察，我们可以发现新朗逸带来的变化还是很多的，也体现了上汽大众对于朗逸这款国民家轿的深度思考：
首先是外观变化，尤其是星空版的推出，表明了厂家希望朗逸更靠近年轻人群体，满足他们的审美；内饰质感的提升，意味着强化新朗逸作为合资车型的一贯优势；科技配置前所未有的一次给足，也反映出在面对自主品牌的攻势，合资品牌给出的答案。
而最终的结果是，满足消费者在A级家轿市场所有的产品想象，让他们无需在选牌子还是选配置中妥协。
✋热门推荐