产品介绍

  雷锋网新智驾按：本文为AI投研邦「大咖Live」第41讲地平线李星宇带来的关于《向超级中央计算机迈进--智能汽车电子构架变革迎接数字化重塑》的分享实录，会员专享内容，由新智驾整理。李星宇，地平线市场拓展与战略规划副总裁，无人驾驶行业资深专家；前恩智浦（飞思卡尔）汽车电子高级市场经理。

  目前，本期分享音频及全文实录已上线，「AI投研邦」会员可进入【AI投研邦】页面免费查看。

  日前，全球最大的汽车制造商大众宣布，组建自己的软件部门：数字汽车与服务部（Digital Car&Service），大众CEO迪思在今年的达沃斯世界经济论坛上表示：“在不远的将来，汽车将成为一个软件产品，大众也将会成为一家软件驱动公司”。

  在汽车行业向出行服务和智能化转型的大趋势下，新的智能功能和服务需求几乎每个月都需要更新，大众的组织变革表明软件定义汽车慢慢的变成了业界共识，传统的分布式汽车电子电气构架（E/EA）越来越难以为继。为了适应行业智能化重塑的大趋势，提升开发效率，一场深刻的构架变革正在酝酿，汽车行业正在沿着当年PC和手机行业走过的路迈向智能时代，这背后将折射出怎样的技术挑战、行业变局与应对措施？本文将进行深入探讨。

  1.智能汽车E/E构架设计面临四大挑战：功能安全、实时性、带宽瓶颈、算力黑洞。

  2.智能汽车E/E构架四大趋势：计算集中化、软硬件解耦、平台标准化以及功能定制化，商业化落地时间大约在2025年。

  4.新的E/E构架将使OEM在与领先的Tier1的博弈中重新赢得主动权。

  9.智能汽车将是有史以来软硬件开发量最大的单一产品，将诞生新的Wintel。

  10.智能汽车作为移动自主机器的第一形态，将撬动比自身市场大得多的商业价值。

  今天，E/E构架设计面临四大挑战：功能安全、实时性、带宽瓶颈、算力黑洞。

  1.在功能复杂度持续提升的情况下满足功能安全的要求，这里的功能安全是广义的，不仅包括ISO26262,还包括SOTIF和RSS。

  为此，智能汽车E/E构架正从分布式走向集中式；其终极形态将是超级中央计算机，这这中间还包括四个关键趋势：计算集中化、软硬件解耦、平台标准化以及功能定制化。

  1、计算集中化（Computing centralization）：服务导向的系统构架（SOA）将成为主流，为软件提供高性能实时计算平台，在这样一个大的理念下，计算集中化将催生真正的汽车大脑：超级中央计算机。目前各个玩家对这个概念的叫法五花八门，包括车载计算平台、主机（Host）以及服务器（Server）等，但本质都一样。

  为了满足ASIL-D功能安全的要求，一台汽车常常要有两台相同的主机互为备份，目前领先的Tier1如安波福、大陆等都使用这样的理念。

  伴随着计算集中化，产生了一个新的概念：区控制(zone control)，与目前流行的域控制器概念不同的是，区控制模块没有高级功能决策权，而是完成执行器、传感器、诊断以及传统I/O的连接汇总，类似于PC中的南北桥。

  拿军事打个比方，域概念就像是按照职能划分海陆空三军（电源域、底盘域、娱乐域、安全域），并且有独立的作战权，但不能彼此共享资源，而区概念则是按照战区进行组织划分，与中央计算机形成了联合作战司令部+战区的概念，协同性和执行效率将得到质的飞跃。

  在这样的构架下，决策通常都是由中央计算机来发出，但是也有例外，比如AEB紧急制动的功能，是最重要的ADAS功能，一旦前向智能传感器发现前方有障碍而且即将发生碰撞，可以不经中央计算机决策指令，直接启动执行机构进行刹车，或者在两台中央计算机都发生故障的时候接管刹车执行器，从而提供更高的安全冗余。

  如果我们对照人的决策机制，会发现有高度类似的情况：假如我们在野外突然碰到一头老虎，身体的第一反应是僵住不动，这个决策并不是来自大脑的高级理性系统（即皮质），而是来自非常原始的大脑边缘系统（哺乳动物都有），它在紧急状况下会切断大脑对躯干的控制，自动接管以保证能够在瞬间完成必须的生存反应。手碰到烫的东西立马缩回去是相同的决策机制，这样的例子不胜枚举。

  在未来，OEM交付的汽车将不是一个功能固化的产品，而是一个持续进化的机器人，在汽车整个生命周期内，硬件平台需要持续支持软件迭代升级，这在某种程度上预示着，我们一定要打造一个开放的、工具链完善的、拥有强大算力保障的计算平台，提供高达1000TOPS的算力，为各种软件功能提供充足的算力储备。

  目前业界还没有一款处理器能够完全满足如此高的算力需求，并且不同的处理器也有不同的性能维度，从实践角度看，需要一个非常灵活、有弹性的主机构架来应对。这里面有三个要求：可扩展、可配置、模块化。一台典型的主机使用PCI-e作为主干局域网（Backbone），提供很多卡槽，可以连接各种加速器（搭载GPU、FPGA、视觉ASIC等芯片的板卡）、安全MCU以及通用SoC。

  但另一方面，车载中央计算平台对功能安全和实时性要求毫不妥协，在工程实现上，挑战比传统PC/服务器构架要大得多，不能简单照抄。

  2、软硬件解耦：SOA构架还将产生硬件抽象层（HAL）的概念，硬件不再被某个功能独享，而是被抽象成软件/服务可以共享的资源。例如，一颗前视摄像头过去可能只为AEB/ACC服务，但现在，任何功能都能调用这颗摄像头。

  HAL可以看作支撑软硬件解耦的资源池。例如，随着SOA构架的发展，一个独立的感知层将会出现，将各个传感器抽象为可被各种应用（无论是人机交互还是ADAS/无人驾驶）调用的资源。而且将原始数据(比如摄像头的每一帧图像)转化为语义信息的工作，相当程度上在区（Zone）上就能够实现，由此减少对骨干网I/O带宽的需求，降低对中央计算机的算力需求，并提升数据处理的实时性。

  今天，功能安全是智能汽车面临的最大挑战之一，如果按照分布式的构架，为每个功能增加独立的安全冗余硬件，简直就是一场成本灾难，并且设计验证也很难收敛，但基于SOA和HAL的新设计构架，可以将所有的硬件资源与应用打通，构架师将有更多的安全路由选择，并能扩大安全冗余的资源纵深，充分复用各种硬件资源，为功能安全以经济成本实现开辟一条新的道路。

  在供应链管理方面，因为每种资源都有很多独立供应商，OEM将有更多的选择，而不像选择域控制器供应商那样打包购买。这种构架可以让OEM跟领先的Tier1的博弈之间重新赢得主动权。

  3、平台标准化：在未来，OEM可能只会开发一个电动汽车平台，覆盖低端车型、中端和高端车型。传统的内燃机受限于机械结构，需要有很多平台，但是EV不一样，底盘设计没太多限制，所以沿用一个统一的E/E构架成为可能。主机厂将打造自己的硬件平台，并满足三个原则：通用性、标准化以及互操作性。

  更重要的原因来自商业考虑：钱！开发这样的智能平台在大多数情况下要编写超过3亿行代码，比Windows操作系统要高一个数量级，开发并维护多个平台在经济上不可行。

  大众和福特已经在电动汽车领域共享EMB平台，以降低开发成本，随着这一趋势深入发展，非常有可能会出现类似PC行业的Wintel平台，进而形成一个面向智能汽车的生态系统，这一通用平台将被大多数OEM采用。类似的故事同样曾在手机行业上演，从功能机时代向智能机时代转变的过程中，先后涌现了塞班和安卓这样的通用平台。

  4、功能定制化：智能化是未来品牌差异化的核心要素，主要是通过增加软件功能来实现。软件的后部署将是大势所趋，这在某种程度上预示着，多数软件功能将是在汽车出厂之后交付的，软件迭代OTA将是新常态。这一趋势对于出行服务运营商来说尤其重要，各种不同的场景服务需求都一定要通过现有车队的大量升级来满足。

  来自麦肯锡的分析显示，软件在D级车（或大型乘用车）的整车价值中占10%左右，预计将以每年11%的速度增长，到2030年将占整车内容的30%。

  总体来看，这场构架变革是全面性的，还包括主干通信网络的重构、信息安全系统、以及虚拟开发验证环境等非常大的话题，这里就不一一讨论了。几乎能肯定的是，智能汽车是IT史上软硬件开发量最大的单一产品。

  *智能汽车所需要的软件代码量远超IT史上任何一个产品 来源: NXP官网

  历史不会简单重复，但总会押韵，这体现的是一致的商业和技术逻辑。在PC刚刚出现的七十年代末，PC的种类也是五花八门，处于战国时代，除了开创者Apple的PC，还有Commodore 的PET 2001机、Tandy的TRS-80机、PTC 的 Sol-20机等，这些PC使用的微处理器和操作系统也各不相同，结果是，各个公司不得不自己开发所有的应用，效率和质量都相当糟糕。

  1981年，IBM的5150 PC发布，这是一个具有里程碑意义的产品，它首度定义了PC内部各个模块间的技术规格如ISA等，并开放了除BIOS之外的所有技术资料，这一开源技术旋即形成了一个黑洞，牢牢地吸引了绝大部分公司的兴趣。一个ECO得以迅速形成，PC部件开发商和整机生产商都以该开放技术为基础进行开发，从而形成了PC机事实上的标准。

  对于PC这个当时的新兴起的产业，IBM的通用平台对创新效率的提升是决定性的，它使得兼容性和互操作性成为可能，任何一个单项技术，都有众多的公司在同时开发。表面上，这种开发模式充满了冗余，但并行化开发可以有效规避整个ECO被卡死在一个节点上的问题，大幅度的提升了ECO的整体开发成功率。其后的DOS/Windows软件平台则进一步降提升了应用和服务开发者的效率，提升了商业回报的杠杆率。

  智能汽车与PC和手机的本质不同在于：它对于安全性和实时性的要求不能有一点妥协，所以在技术上的挑战要大得多，因此通用平台的意义更大，它使得智能汽车行业的协同进化变得更高效。

  面对数字化重塑的浪潮，IBM认为，需要以客户体验为本，持续业务创新，以效率和客户为中心，建立快速的组织和数字化运营模式。

  1.组织变革：将所有汽车功能域进行集成对组织机构的冲击空前；从根本上重塑主机厂的组织构架，从面向功能的组织转向平台型开发组织。

  2.人才：从当前的基于汽车产品的模式转化为基于软件产品的模式；从以机械和硬件人才为主转向以软件人才为主。

  3.行业格局：改变现有的整车厂和供应商之间的生态系统；从塔状（Tier）供应链走向环状合作。

  4.核心技术：重新定义智能化时代的核心技术：计算平台、操作系统和应用软件。Tesla的核心技术布局是芯片和软件，可谓切中要害。

  在过去的数年里，我们正真看到无人驾驶的等级每提高一级，算力差不多要提升一个数量级。如果要实现全自动驾驶，我们应该1000TOPS量级的算力，而人脑的算力大概也是一千个TOPs，所以无人驾驶如果想达到人类的水平，首先要在算力方面达到人类的水平。

  这个等级的算力需要AI芯片突破成本、功耗和性能的瓶颈，就必须将处理器构架的创新，与算法和工具链相结合，软硬协同进行设计。脱离算法和工具链，单纯谈芯片的绝对算力是没有实际意义的。

  当前的业界存在一个很大的误区，往往会把绝对算力当作衡量AI芯片的主要指标，但我们真正需要的是有效算力，需要从四个维度来衡量：算力的有效利用率，每瓦的有效算力，每美元的有效算力，以及算力转化为AI结果的效能（目标数量，帧率等）。

  本质上讲，芯片和构架是手段和载体，软件是目的和灵魂。软硬件一起做，可以让手段和目的高度统一。

  只有硬件俯下身来去适配软件的时候，才能够使晶体管所发挥的效能大幅度增加。处理器构架的创新是一个非常高的壁垒，需要对软件有深刻理解。

  这样的整体解决方案决定了数据转化为决策/服务的效率和质量，是时代真正呼唤的硬科技。谷歌是这个理念的实践者，TPU的成功已经证明了这一点，在国内，初创公司地平线基于这样的理念，推出了极高效能的征程AI芯片，并即将推出第二代征程芯片。

  可以说，未来的智能汽车就是一部移动的超级计算机兼数据中心，而边缘的人工智能处理器是智能汽车竞争的主战场，更是技术制高点。

  谷歌是这个理念的实践者，TPU的成功已经证明了这一点，初创公司地平线也基于相同的理念，推出了极高效能的征程AI芯片，并即将推出第二代征程芯片。

  边云协同计算是另一个大趋势，车载中央计算机、MEC（多接入边缘计算）以及基于5G的云计算将组成的协同式计算方案，避免车端算力需求的无限增长。

  预测未来的最好方法就是去创造它，特斯拉、安波福、GM以及宝马等慢慢的开始实践，我们接下来会分析几个领先者的设计理念和路线图。

  安波福将自己的中央计算平台的构架称为智能汽车构架（Smart Vehicle ArchitectureTM，简称SVA)，汽车将成为一个整体计算平台，能够执行复杂的软件功能，就像在服务器上运行那样。这可以让OEM独立于硬件来开发软件功能，并且在不升级硬件的情况下升级软件和安全功能。

  供电数据中心（PDC）的理念非常类似于笔记本电脑的基座，一个典型的笔记本电脑的基座有USB、HDMI、SATA、电源插口等一系列接口，可以连接各种我们可能用到的外部设备，基座作为桥梁将外设与笔记本电脑连接起来。

  在智能汽车上，PDC将负责连接各种传感器、分布式音响系统和各种控制器/执行器，为此，PDC将需要有Ethernet、CAN以及LVDS等总线接口。

  PDC的另外一个关键作用是为无人驾驶系统提供较为可靠的备份电源（可以在电源发生故障时，数毫秒内切换到备份电源），同时，它还起到了网关以及各种控制器集成整合的作用（PDC有一个强大的处理器来实现这些功能），以此来实现区域控制，简化了中央计算机所要完成的工作。

  今天，主流的构架是以功能划分的逻辑域，但是，逻辑域的功能高度分散在不同的物理控制器中，结果是构架很复杂，在整合、测试以及可扩展性方面面临很大挑战。PDC的出现将外部执行单元与计算隔离，是典型的中央计算机+区控制的实现案例。

  开放服务器平台是一个非常灵活通用的计算平台，能够支持图形运算、AI计算、网络处理以及功能安全。类似于我们调用云端的服务器算力做各种应用一样，它支持各种车载应用的算力需求，从后备箱的自动控制，到人机交互，再到自动驾驶。

  这个平台不仅将计算的工作集中起来，而且提供了灵活的软件框架和智能的硬件抽象层，从而使得逻辑域成为物理硬件的模拟。这种突破对软件很友好，因为硬件被整合成了资源，而软件则从对于具体硬件的控制变成了在服务器上调用资源。软硬件解耦，为未来的车载应用创新解锁了几乎是不受限制的想象空间，就好像iPhone开启的应用程序市场模式一样，在未来，各种新的车载功能将可能来自第三方的公司，而非车厂，但车厂将有功能验证和发布流程认证，确保安全性和兼容性。

  根据安波福的规划，这种转变是分阶段进行的。2022年将会推出一个混合构架，把PDC整合到传统的车载E/E构架中。到2025年，将实现全开放服务器平台的构架，我们将会看到一个基于服务器构架的计算平台，该平台将整合PDC、安全冗余设计、以及一个标准的的软件开发框架，对于安全应用或非安全应用都保持一致。

  安波福认为OEM客户从传统的E/E构架到这一新构架的过渡将会渐进式的，但终局不会有悬念，那就是开放服务器平台。

  在Model3的E/E构架中，域控制器的概念被区控制替代，整个构架分为三大模块：第一个是无人驾驶(Autopilot)及娱乐控制模块，相当于中央计算机，第二个是右车身控制器（BCM RH），第三个是左车身控制器（BCM LH）。

  Autopilot与娱乐控制模块掌控了所有的摄像头和雷达传感器。在模块内部，Autopilot系统和娱乐系统这两大部分通过CAN和高速串行总线FPD-Link打通。这比起如今娱乐域和安全域老死不相往来的构架设计，明显高了一个层次。实际上，FPD-Link的存在表明，两者之间还可以传递视频数据。

  自动驾驶及娱乐控制模块Autopilot&InfotainmentControlModule虽然是一个模块，但是内部还是分了2个硬件平台和2个系统，最大的变化是将全车摄像头进行了集中的接入和运算，通过DrivePX2计算平台集中整车所需的AI算力。两个系统之间通过CAN和LVDS传送数据，摄像头图像可以由Autopilot系统接入后通过LVDS传给娱乐系统。这一架构让基于车内和车外图像的AI应用开发和更新迭代变得可实现。例如Tesla想在Model3上升级当下最热的ARNavi功能，也许只需要软件工程师动动手指头就搞定了。

  右车身控制器集成了自动泊车、座椅控制、扭矩控制等功能；左车身控制器集成了内部灯光、转向柱控制等。两个车身控制器也都和线控执行单元、转向控制、防抱死制动系统等执行器相连，可以直接操作车辆。在Model3新的EE架构中，电池管理和充电控制和DCDC、车载充电机、PDU都被集成进一个单一单元，缩减了整车的高压线束成本和装配成本。

  通过EE架构的集中化，Tesla将汽车的软件开发内化，将汽车底层硬件标准化和抽象化，此举让Tesla通过软件定义汽车和创新变得更容易。以19年初Tesla发布的Sentry模式和Dog模式，Twitter用户乔希•阿奇利(JoshAtchley)问马斯克，他能否实现一种“宠物狗模式”功能，即播放音乐，打开空调，屏幕上显示着“我很好，我的主人会回来的”。对此，马斯克只是简单地回答:“可以。”此外，另一位用户也建议将车内温度也显示在屏幕上，马斯克似乎很钟爱这一个想法，他在推特上回复说，“正是如此”。ElonMusk简单回复后就可以内部推动执行了，换在以前，Tesla的工程师需要去找相关的供应商逐一问一遍是否愿意接受变更，供应商们或许迫于压力，同意更改，但要长达半年的变更周期和天价的设变费用，而这一切假设可能是最理想的。

  特斯拉从Autopilot1.0到2.5的进化，都是沿着功能集中化，资源共享化的道路前进，而软件版本已经迭代到V9，则体现了特斯拉软硬件解耦，通过软件定义汽车的实践。对于消费者来说，每一次OTA系统升级都会带来新的体验，就不会感觉到这辆车会过时。最近通过OTA升级发布的“哨兵模式”和“狗狗模式”非常生动地体现了这一点。

  博世的渐进式路线从域的集中化开始演进，终极目标一样是车载中央计算机，并且进一步扩展了与云端配合的分布式计算能力。大陆的发展路径也和博世非常类似。

  从技术上总结，中央计算机-层-区的概念将建立起智能汽车的新构架。区是局部控制、感知与执行单元，层是按照职能划分的资源池，中央计算机是真正的决策大脑，面向应用/服务，调用各层资源，执行高级决策，由区控制单元执行决策或完成态势感知任务。

  对于车载E/E构架来说，中央计算机构架是全新的，但对于PC和手机行业，无论是SOA还是HAL，中央计算机构架都已经是非常成熟的概念。当智能化浪潮从IT行业延伸到汽车的时候，我们正真看到了相同的故事正在上演，汽车行业的基因正在发生改变。

  从这个意义上讲，无论是苹果、英特尔、高通、三星还是华为，他们大举进军汽车行业的逻辑，绝非简单地复制，而是将自身的IT基因与汽车固有的基因进行新的编辑，进化出新物种，并引领计算行业从手机的TOPS时代走向POPS（1000TOPS）时代，在这一过程中，他们有先天的基因优势。

  高度变化的需求、智能化的持续演进、车载硬件和软件系统复杂程度的提升对计算构架的可扩展性、易用性、系统可靠性提出了严峻的挑战，各大玩家殊途同归，朝着中央计算机的构架和服务导向的开发理念前进。特斯拉、通用、宝马、安波福、博世、伟世通以及地平线等正在引领这一潮流。

  目标往往是清晰的，但通往目标的路径却大相径庭，无论是IT新贵，还是汽车行业老兵，大家都是基于自己的优势积累，从不同的坡，爬同一座山。在这样的一个过程中，对于产品路线图、性能、安全性和成本的拿捏，各家都不完全一样，很难讲哪条路更好，所以无论是大陆和博世的渐进式域融合（domain fusion）路径，还是特斯拉和安波福更激进的实践，都是面向未来的探索，都值得尊重。

  从PC到手机，再到机器人，每一代智能设备相比前代，都是十倍体量的增长。智能汽车作为移动自主机器的第一形态，是机器人时代当之无愧的杀手级应用，更是技术旗舰，将催生无数种的移动机器人。正如蒸汽机开启了工业革命时代，手机行业引领了整个移动电子设备时代一样，智能汽车最终将撬动比自身市场大得多的商业价值。

  只有把视野放在在机器人时代宏大的叙事背景下，我们才可以看到智能汽车之于这个时代的全部意义。看到趋势并不难，难的是自我革命，谁能更坚决地拥抱这一趋势，谁就能赢得百年汽车行业巨变时代的竞争。

  为更深入的解决听众在智能驾驶方面的困惑，「Live」在分享结束后照旧是问答环节，李星宇对「AI投研邦」会员的疑问进行了一一解答。摘录部分如下：

  李星宇：核心还是人才和组织架构，从面向功能的组织转向平台型开发组织，堪称是涅槃重生。

  李星宇：首先这样的一个问题不可能有一个终极答案，它是一个持续寻找最优解的过程。其次，整个行业从各个维度上，包括法律、监管、开发全流程、认证测试准入等方面都是加固篱笆，其间可能会出现很多问题事故，但开放的大趋势是不会变的，我们从过去的历史里，从电力的发展、银行、核电的发展里都看到了相同的脉络。

  问：智能汽车向超级中央计算机迈进，是否会像PC和手机行业一样，出现一两家独大的局面？

  李星宇：我认为在行业的上游，比如高性能芯片和基础操作系统方面，有很大的可能性是这样的局面。他们有可能占据这场变革的中心位置。

  问：智能化大势所趋，主机厂内部、主机厂和一级供应商、软件公司之间的关系和各自的作用和地位会发生啥变化？

  李星宇：从简单的层状供应链模式转向协同进化的拼图模式。每一个玩家都需要寻找并定位自己的核心地盘，很难再出现全栈都很强的玩家。

  问：智能汽车的发展推进低于预期，站在二级供应商角度，你觉得智能汽车还面临哪些技术挑战？

  李星宇：这是一个用整篇PPT都无法圆满回答的问题。在方法论上，协同进化是解决之道。对与Tier1/OEM来说，不同的Tier2的组合可能是更好选择，所以，你的竞争对手很可能也是你的神助攻。