誠然，要突破傳統桎梏，實現真正意義上的降本增效，僅憑“壓榨”硬件顯然不夠，算法層的創新及與硬件之間的融合并進也成為當下各大BLDC驅動整體解決方案商們打開市場的一條關鍵通道。畢竟，隨著芯片和電子系統硬件設計的逐步趨同化，越來越多芯片廠商開始依賴自主的軟件生態尤其是獨有的算法馳騁市場，這也成為當下芯片廠商實現“降本增效”和“差異化”的絕佳手段。

從軟件算法層面來看，受控制理論和控制器件的限制，過去的BLDC電機一直采用經典PID控制，該控制方法可以使系統性能滿足各種靜、動態指標要求，但系統的魯棒性不盡人意。隨著控制對象的日益復雜化，進一步提高BLDC電機調速系統的快速響應性、穩定性和魯棒性，智能控制算法受到關注，這包括模糊控制、神經網絡控制、專家系統等。

智能控制系統具有自學習、自適應、自組織等功能，能夠解決模型不確定性問題，非線性控制問題，以及其他較為復雜的問題。而BLDC電機是一個多變量、非線性、強耦合的控制對象，因此利用智能控制可以取得較為滿意的控制結果。目前已經有一些較為成熟的智能控制方法應用在了BLDC電機控制，比如模糊控制和PID相結合的Fuzzy-PID控制、模糊控制和神經網絡相結合的復合控制、隸屬度參數經遺傳算法優化的模糊控制、單神經元自適應控制等等。

無刷直流電機具有結構簡單、運行可靠、功率密度高、調速性能和機械特性好等特點，它是一個非線性、多變量、強耦合的系統，某業內資深人士對記者表示：“因而采用傳統的自適應控制方式很難滿足實際需求，采用智能自適應控制方法直接驅動是較好的解決方案。傳統的自適應控制存在四大基本問題：第一，需要復雜的離線訓練。第二，辨識所需的充分激勵信號和系統平穩運行的矛盾。第三，對系統結構假設。第四，實際應用中，模型的收斂性和系統穩定性無法保證。另外，傳統自適應控制方法中假設系統結構的信息，在處理非線性、變結構或大時間延遲時很難適用。”

而目前，市面上最成熟的一類是模型參考自適應控制（MRAC），該業內資深人士補充到：“MRAC的基本原理就是讓被控對象的輸出與參考模型產生期望的性能指標相一致，MRAC具有不需要控制對象的精準數據模型、也無需進行參數辨識、且容易實現和自適應速度快的優點。缺點是對負責的快速變化比較敏感，為此可以將其他控制方法與MRAC相結合以獲得更好的控制性能。另外，模糊控制也是一種比較流行的智能控制模型，它具有不依賴于對象模型，用語言變量描述系統特點，并依據系統的動態信息和模糊控制規則進行推理以獲得控制量，因而具有動態響應好、超調小、硬件的實現比較簡單、魯棒性強的特點，包括有模糊PID控制、模糊PID雙控制、模糊PID自適應控制。”

除此之外，針對特定角度進行專用型算法的創新也是目前比較主流的路徑。作為國際芯片大廠，TI認為高效率的變速和更長的電機使用壽命是BLDC電機被越來越多采用的主要原因之一，Kannan Soundarapandian也表示：“TI的控制算法，尤其是無傳感器算法，可幫助BLDC電機實現更高效率、更高可靠性以及更具成本優勢的物料清單選擇。TI的方案可幫助車用12V系統實現三相無傳感器正弦波控制，這是TI正在積極投入的領域，以期獲得更好的表現。使得BLDC驅動器能夠在兼顧安全性的情況下，驅動車用48V系統的大功率電機。與現有的三相48V BLDC電機驅動器相比，該器件將電源和信號鏈進行集成，可將系統尺寸減小多達30%。”進而能夠很大程度上實現降本增效。

總之，國內汽車BLDC市場正醞釀起步，隨著48V系統的飛速普及，BLDC在新能源市場將大有可為，這也將全面帶動從電源管理、微控制器到MOSFET等功率開關以及相關傳感器市場的飛速增長。而對于驅動電路和芯片設計廠商來說，靈活性且差異化的解決方案才是迎合客戶需求、穩固市場份額的關鍵。但顯然，這需要軟硬件的雙管齊下、協同并進，尤其是隨著硬件端差異化優勢的日趨遞減，軟件算法在未來顯然會有更高的市場價值，且隨著智能化技術的持續演進，智能自適應驅動算法將成為未來汽車BLDC領域的最佳、最滿意的控制策略，經過長期的技術積累、優化和反復測試、驗證，未來的可靠性、程序效率有望全面提高，讓BLDC真正成為新能源汽車邁入智能化的一大步。