汽車智能化深度報告：車載計算平臺產(chǎn)業(yè)鏈全面拆解

1、汽車智能化深度報告：車載計算平臺產(chǎn)業(yè)鏈全面拆解1 決策篇車載計算平臺由硬件平臺+系統(tǒng)軟件+功能軟件構(gòu)成 智能駕駛產(chǎn)業(yè)主要可以分為感知層、決策層與執(zhí)行層，本篇是汽車智能化系列 專題的第二篇，主要圍繞著汽車智能化的決策層展開。本篇報告針對車載計算平臺全產(chǎn)業(yè)鏈的每個細(xì)分環(huán)節(jié)，從其概念、技術(shù)路徑、發(fā)展趨勢、競爭格局等 內(nèi)容展開。車載計算平臺是智能網(wǎng)聯(lián)汽車的“大腦”，從硬件到軟件主要包括：（1）異構(gòu)硬件平臺：CPU 計算單元、AI 單元（GPU、ASIC、FPGA）、MCU 控制單元、存儲、ISP 等其他硬件組成的自動駕駛域控制器；（2）系統(tǒng)軟件：硬件抽象層（Hypervisor、BSP）、操作系統(tǒng)內(nèi)核

2、（QNX/Linux/ Andriod/Vxworks）、中間件組件等；（3）功能軟件：自動駕駛通用框架（感知、決策、執(zhí)行）、功能軟件通用框架 （數(shù)據(jù)抽象/數(shù)據(jù)流框架/基礎(chǔ)服務(wù)）；（4）其他：工具鏈（開發(fā)、仿真、調(diào)試、測試等）、以及安全體系（功能安全、 信息安全等）。EEA 架構(gòu)逐漸走向域集中，DCU 應(yīng)運而生單車 ECU 數(shù)量激增，無法滿足汽車智能化的需求。1980 年代開始，以機械為 主宰的汽車行業(yè)內(nèi)掀起一場電子電氣化革命，電子控制單元（Electronic Control Unit，ECU）占領(lǐng)了整個汽車，此時的汽車電子電氣架構(gòu)都是分布式的，各個 ECU 都通過 CAN（Controll

3、er Area Network，控制器域網(wǎng)絡(luò)）或 LIN（LocalInterconnect Network，局部互聯(lián)網(wǎng)絡(luò)）總線連接在一起，通過工程師預(yù)設(shè)好的 通信協(xié)議交換信息。在傳統(tǒng)的 EEA 架構(gòu)下，ECU 是系統(tǒng)的核心，智能功能的 升級依賴于 ECU 數(shù)量的累加。原有智能化升級方式面臨研發(fā)和生產(chǎn)成本劇增、安全性降低、算力不足等問題， 傳統(tǒng)分布式架構(gòu)亟需升級，傳統(tǒng) EEA 架構(gòu)主要面臨以下問題：（1）控制器數(shù) 量過多：各級別汽車 ECU 數(shù)量都在逐年遞增，每臺汽車搭載的 ECU 平均 25 個，一些高端車型通常會超過 100 個；（2）線束布置過于復(fù)雜：ECU 數(shù)量越 多，總線數(shù)量必將更長

4、，2000 年奔馳 S 級轎車的電子系統(tǒng)已經(jīng)擁有 80 個 ECU， 1,900 條總長達 4km 的通信總線。2007 年奧迪 Q7 和保時捷卡宴的總線長度突 破 6km，重量超過 70kg，基本成為位列發(fā)動機之后的全車第二重部件；（3） “跨域”信號傳輸需求增加：智能駕駛需要大量的“跨域”信號傳輸，環(huán)境傳 感器（雷達，視頻和激光雷達）產(chǎn)生了大量數(shù)據(jù)傳輸?shù)男枨?，這也對傳統(tǒng)分散 式 ECU 基礎(chǔ)架構(gòu)提出了挑戰(zhàn)。為適應(yīng)智能化需求，催生出以 DCU 為主的域集中架構(gòu)。為了控制總線長度、 降低 ECU 數(shù)量，從而降低電子部件重量、降低整車制造成本，將分散的控制器 按照功能域劃分、集成為運算能力更強的

5、域控制器（Domain Control Unit，DCU） 的想法應(yīng)運而生。博世用三類 EEA 架構(gòu)共六個階段來展示架構(gòu)演進方向：分布 式（模塊化、集成化）、域集中式（集中化、域融合）、集中式（車載電腦、 車-云計算）。功能域與空間域是當(dāng)前域控制器發(fā)展的兩條路徑。域控制器根據(jù)劃分方式，主 要可以分為以五大功能域劃分和以車輛特定物理區(qū)域劃分兩種，相較于純粹以 功能為導(dǎo)向的域控制器，空間域劃分的集中化程度更高，對 OEM 廠商自身開 發(fā)能力要求也會更高：（1）基于功能劃分的域控制器：典型代表博世、大陸等傳統(tǒng) Tier 1博世、大陸等傳統(tǒng) Tier 1 將汽車 EEA 架構(gòu)按功能劃分為動力域（安全）

6、、底盤 域（車輛運動）、信息娛樂域（座艙域）、自動駕駛域（輔助駕駛）和車身域 （車身電子）五大區(qū)域。每個區(qū)域?qū)?yīng)推出相應(yīng)的域控制器，最后再通過 CAN/LIN 等通訊方式連接至主干線甚至托管至云端，從而實現(xiàn)整車信息數(shù)據(jù)的 交互。（2）基于空間劃分的域控制器：典型代表特斯拉基于空間劃分的域控制器是以車輛特定物理區(qū)域為邊界來進行功能劃分，相較 于純粹以功能為導(dǎo)向的域控制器，其集中化程度更高。特斯拉則是其中的典型 代表，2012 年 Model S 還是以典型的功能域劃分為主，2017 年推出 Model 3 則直接進入準(zhǔn)中央架構(gòu)階段，特斯拉的 EE 架構(gòu)只有三大部分，包括 CCM（中 央計算模塊）

7、、BCM LH（左車身控制模塊）、BCM RH（右車身控制模塊）。 中央計算模塊直接整合了駕駛輔助系統(tǒng)（ADAS）和信息娛樂系統(tǒng)（IVI）兩大 域，以及外部連接和車內(nèi)通信系統(tǒng)域功能；左車身控制模塊和右車身控制模塊 分別負(fù)責(zé)剩下的車身與便利系統(tǒng)、底盤與安全系統(tǒng)和部分動力系統(tǒng)的功能。特 斯拉的準(zhǔn)中央 E/E 架構(gòu)已帶來了線束革命，Model S/Model X 整車線束的長度 是 3 公里，Model 3 整車線束的長度縮短到了 1.5 公里，Model Y 進一步縮短到 1 公里左右，特斯拉最終的計劃是將線束長度縮短至 100 米。以功能域劃分的域集中式會是大部分主機廠當(dāng)下的主要選擇。采用功能域

8、還是 空間域，核心還是取決于 OEM 自身的實力和與供應(yīng)商體系的博弈，OEM 未來 會加大垂直整合程度，將核心軟硬件盡可能掌握在自己手中，形成技術(shù)壁壘。 但是目前來看，以大部分主機廠和 Tier 1 自身的戰(zhàn)略布局，預(yù)計大部分主機廠 仍會使用混合域的 EEA 架構(gòu)，即部分功能域集中化，形成“分布式 ECU+域控 制器”的過渡方案，最后形成“Super controller（中央超級計算機）+ Zonal control unit（區(qū)控制器）”的架構(gòu)，這一演進過程可能長達 5-10 年。單車智能化逐步提升，對計算平臺的需求持續(xù)增加當(dāng)前自動駕駛正處在 L2 向 L3 級別跨越發(fā)展的關(guān)鍵階段。其中，

9、L2 級的 ADAS 是實現(xiàn)高等級自動駕駛的基礎(chǔ)，從全球各車企自動駕駛量產(chǎn)時間表來看，L3 級 別自動駕駛即將迎來大規(guī)模地商業(yè)化落地。隨著自動駕駛級別的提升，單車傳感器的數(shù)量呈倍級增加。預(yù)計自動駕駛 Level 1-2 級需要 10-20 個傳感器，Level 3 級需要 20-30 個傳感器，Level 4-5 級需要 40-50 個傳感器。Level 1-2 級別：通常具有 1 個前置遠(yuǎn)程雷達和 1 個攝像頭，用于自適應(yīng)巡航 控制，緊急制動輔助和車道偏離警告/輔助。2 個向后的中程雷達可實現(xiàn)盲點 檢測，外加 4 個攝像頭和 12 個超聲波雷達則可實現(xiàn) 360 度視角的泊車輔助功 能。預(yù)計

10、Level 1-2 的總傳感器數(shù)量約為 10-20 個左右。Level 3 級別：在 Level 1-2 配置的基礎(chǔ)上，外加 1 個遠(yuǎn)程激光雷達，由于主 動距離測量，激光雷達還具有高分辨率，廣角和高精度的特點，這對于檢測 和分類對象或跟蹤地標(biāo)以進行定位將是必需的。對于高速公路領(lǐng)航系統(tǒng) （Highway pilot）應(yīng)用，通常會額外增加 1 顆后向的遠(yuǎn)程激光雷達。預(yù)計會 使用 6-8 個攝像頭，8-12 個超聲波雷達和 4-8 個毫米波雷達，以及 1 個激光 雷達，因此，預(yù)計 Level 3 的傳感器總數(shù)量會在 20-30 個左右。Level 4-5 級別：通常需要多種傳感器進行 360視角的交

11、叉驗證，以消除每 種傳感器的弱點。預(yù)計會使用 8-15 個攝像頭，8-12 個超聲波雷達和 6-12 個 毫米波雷達，以及 1-3 個激光雷達，因此，預(yù)計用于 Level 4 至 5 的傳感器總 數(shù)量會在 30-40 個左右。隨著自動駕駛等級的提高，所需的算力高速提升。汽車自動駕駛的智能化水平取決于算法是否強大，從 L1 到 L5，自動駕駛每提升一個等級，算力要求也同 樣提升一個等級：L3 之前，自動駕駛所需算力較低；L3 需要的 AI 算力達到 20TOPS；L3 之后，算力要求數(shù)十倍增長，L4 接近 400TOPS，L5 算力要求更 為嚴(yán)苛，達到 4000+TOPS。每增加一級自動駕駛等級

12、，算力需求則相應(yīng)增長 一個數(shù)量級。根據(jù)英特爾推算，在全自動駕駛時代，每輛汽車每天產(chǎn)生的數(shù)據(jù) 量將高達 4000GB。2 硬件平臺之一：芯片計算芯片是算力時代下智能網(wǎng)聯(lián)汽車的核心計算芯片可分為 MCU 芯片與 SoC 芯片。隨著汽車 EE 架構(gòu)的不斷革新，汽車 半導(dǎo)體高速發(fā)展，按功能不同，汽車半導(dǎo)體可分為汽車芯片和功率半導(dǎo)體，而 在汽車芯片中，最重要的是計算芯片，按集成規(guī)模不同，可分為 MCU 芯片與 SoC 芯片。 MCU（Micro Control Unit）微控制器，是將計算機的 CPU、RAM、ROM、定 時計數(shù)器和多種 I/O 接口集成在一片芯片上，形成芯片級的芯片；而 SoC （Sy

13、stem on Chip）指的是片上系統(tǒng)，與 MCU 不同的是，SoC 是系統(tǒng)級的芯 片，它既像 MCU 那樣有內(nèi)置 RAM、ROM，同時又可以運行操作系統(tǒng)。智能化趨勢驅(qū)動汽車芯片從 MCU 向 SoC 過渡。自動駕駛對汽車底層硬件提出 了更高的要求，實現(xiàn)單一功能的單一芯片只能提供簡單的邏輯計算，無法提供 強大的算力支持，新的 EE 架構(gòu)推動汽車芯片從單一芯片級芯片 MCU 向系統(tǒng)級 芯片 SoC 過渡。SoC 市場高速發(fā)展，預(yù)計 2026 年市場規(guī)模達到 120 億美元。汽車智能化落地 加速了車規(guī)級 SoC 的需求，也帶動了其發(fā)展，相較于車載 MCU 的平穩(wěn)增長， SoC 市場呈現(xiàn)高速增長的

14、趨勢，根據(jù) Global Market Insights 的數(shù)據(jù)，預(yù)計全球 車規(guī)級 SoC 市場將從 2019 年的 10 億美元達到 2026 年的 160 億美元，CAGR 達到 35%，遠(yuǎn)超同期汽車半導(dǎo)體整體增速。傳統(tǒng) MCU：MCU 需求穩(wěn)步增長，海外寡頭長期壟斷MCU 是 ECU 的運算大腦。ECU（Electronic Control Unit，電子控制單元）是 汽車 EE架構(gòu)的基本單位，每個 ECU 負(fù)責(zé)不同的功能。MCU 芯片嵌入在 ECU 中 作為運算大腦。當(dāng)傳感器輸入信號，輸入處理器對信號進行模數(shù)轉(zhuǎn)換、放大等 處理后，傳遞給 MCU 進行運算處理，然后輸出處理器對信號進行功

15、率放大、 數(shù)模轉(zhuǎn)換等，使其驅(qū)動如電池閥、電動機、開關(guān)等被控元件工作。MCU 根據(jù)不同場景需求，有 8 位、16 位和 32 位。8 位 MCU 主要應(yīng)用于車體 各子系統(tǒng)中較低端的控制功能，包括車窗、座椅、空調(diào)、風(fēng)扇、雨刷和車門控 制等。16 位 MCU 主要應(yīng)用為動力傳動系統(tǒng)，如引擎控制、齒輪與離合器控制 和電子式渦輪系統(tǒng)等，也適合用于底盤機構(gòu)上，如懸吊系統(tǒng)、電子動力方向盤、 電子剎車等。32 位 MCU 主要應(yīng)用包括儀表板控制、車身控制以及部分新興的 智能性和實時性的安全功能。在目前市場的主流 MCU 當(dāng)中，8 位和 32 位是最 大的兩個陣營。汽車智能化不斷滲透，單車 MCU 需求增加。隨

16、著汽車 EE 架構(gòu)的演變，單車 MCU 需求量不斷增加。自動駕駛浪潮帶動 MCU 需求，根據(jù) IHS 統(tǒng)計，與傳統(tǒng) 燃油車單車相比，智能駕駛汽車所需 MCU 數(shù)量是其 4 倍以上，且高位數(shù) MCU 由于其高算力將扮演重要角色。MCU 市場穩(wěn)步發(fā)展，預(yù)計 2026 年全球規(guī)模達 88 億美元。在市場規(guī)模上，全 球 MCU 市場呈現(xiàn)穩(wěn)步發(fā)展的趨勢，根據(jù) IC Insights 估計，預(yù)計全球 MCU 市 場規(guī)模從 2020 年的 65 億美元達到 2026 年的 88 億美元，CAGR 達到 5.17%， 略低于同期汽車半導(dǎo)體增速。同時我國 MCU 發(fā)展與世界齊頭并進，預(yù)計 2026 年市場規(guī)模達

17、到 56 億元，CAGR 達到 5.33%，與世界同期基本持平。瑞薩、恩智浦、英飛凌等海外廠商占據(jù)主要市場份額，國產(chǎn)廠商滲透率較低。 目前全球 MCU 市場呈現(xiàn)寡頭競爭局面，市占率靠前的瑞薩、恩智浦、英飛凌 等廠商均是國際廠商，CR7 占比達到 98%，由于車規(guī)級 MCU 研發(fā)周期較長， 認(rèn)證要求較高，目前國內(nèi)廠商滲透率較低，僅有幾家企業(yè)能夠?qū)崿F(xiàn)中低端產(chǎn)品 的量產(chǎn)。智能座艙 SoC：高通在中高端數(shù)字座艙呈現(xiàn)壟斷局面一芯多屏不斷普及，高通在中高端數(shù)字座艙呈現(xiàn)壟斷地位。伴隨著數(shù)字座艙滲 透率不斷提升，車內(nèi)數(shù)量不斷增加，屏幕尺寸不斷增大，智能座艙快速普及， 一芯多屏逐漸成為主流，也帶動智能座艙 So

18、C 芯片的快速放量。SoC 應(yīng)用在智 能汽車上主要有智能座艙以及自動駕駛兩方面，相比于自動駕駛 SoC，座艙域 SoC 由于要求相對較低，成為 SoC 落地智能汽車的先行者。高通、恩智浦、德 州儀器、英特爾、聯(lián)發(fā)科等各家不斷更新其座艙 SoC 產(chǎn)品，在中高端數(shù)字座艙 域，目前高通呈現(xiàn)壟斷地位。目前，高通已經(jīng)贏得全球領(lǐng)先的 20+家汽車制造商的信息影音和數(shù)字座艙項目，高通驍龍 820A 和 8155 兩代平臺成為眾多車型 數(shù)字座艙平臺的主流選擇，高通也將推出的第四代座艙 SoC SA8295，在算力、 I/O 能力等方面表現(xiàn)出色，不斷穩(wěn)固其在中高端數(shù)字座艙的穩(wěn)固地位。自動駕駛 SoC：CPU+X

19、PU 是當(dāng)前主流，英偉達當(dāng)前領(lǐng)先自動駕駛芯片是指可實現(xiàn)高級別自動駕駛的 SoC 芯片。隨著自動駕駛汽車智能 化水平越來越高，需要處理的數(shù)據(jù)體量越來越大，高精地圖、傳感器、激光雷 達等軟硬件設(shè)備對計算提出更高要求，因此在 CPU 作為通用處理器之外，增加 具備 AI 能力的加速芯片成為主流，常見的 AI 加速芯片包括 GPU、ASIC、FPGA 三類。CPU 作為通用處理器，適用于處理數(shù)量適中的復(fù)雜運算。CPU 作為通用處理 器，除了滿足計算要求，還能處理復(fù)雜的條件和分支以及任務(wù)之間的同步協(xié)調(diào)。 CPU 芯片上需要很多空間來進行分支預(yù)測與優(yōu)化，保存各種狀態(tài)以降低任務(wù)切 換時的延時。這也使得它更適

20、合邏輯控制、串行運算與通用類型數(shù)據(jù)運算。以 GPU 與 CPU 進行比較為例，與 CPU 相比，GPU 采用了數(shù)量眾多的計算單元 和超長的流水線，但只有非常簡單的控制邏輯并省去了 Cache。而 CPU 不僅 被 Cache 占據(jù)了大量空間，而且還有有復(fù)雜的控制邏輯和諸多優(yōu)化電路，相比 之下計算能力只是很小的一部分。常見的 AI 加速芯片包括 GPU、ASIC、FPGA 三類：GPU：適用于處理數(shù)量龐大的相對簡單的運算。GPU 擁有一個由數(shù)以 千計的更小、更高效的 ALU 核心組成的大規(guī)模并行計算架構(gòu)，大部分 晶體管主要用于構(gòu)建控制電路和 Cache，而控制電路也相對簡單，GPU 的計算速度有

21、擁有更強大的處理浮點運算的能力，更擅長處理多重任 務(wù)，比如圖形計算。FPGA：現(xiàn)場可編程門陣列，它是在 PAL、GAL、CPLD 等可編程器件 的基礎(chǔ)上進一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定 制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件 門電路數(shù)有限的缺點。ASIC：一種為專門目的而設(shè)計的集成電路。是指應(yīng)特定用戶要求和特 定電子系統(tǒng)的需要而設(shè)計、制造的集成電路。ASIC 的特點是面向特定 用戶的需求，在批量生產(chǎn)時與通用集成電路相比具有體積更小、功耗更 低、可靠性提高、性能提高、保密性增強、成本降低等優(yōu)點。“CPU+XPU”是當(dāng)前自動駕駛 SoC 芯片設(shè)計的主流

22、趨勢。根據(jù) XPU 選擇不 同，又可以分為三種技術(shù)路線：CPU+GPU+ASIC、CPU+ASIC 以及 CPU+FPGA 三類。（1）“CPU+GPU+ASIC”，主要代表英偉達、特斯拉 FSD 以及高通 Ride。 英偉達 Xavier 和特斯拉 FSD 采用“CPU+GPU+ASIC”的設(shè)計路線，英偉達 Xavier 以 GPU 為計算核心，主要有 4 個模塊：CPU、GPU、以及兩個 ASIC 芯片 Deep Learning Accelerator（DLA）和 Programmable Vision Accelerator （PVA）；特斯拉 FSD 芯片以 NPU（ASIC）為計算

23、核心，有三個主要模塊：CPU、GPU 和 Neural Processing Unit（NPU）。（2）“CPU+ASIC”，主要代表 Mobileye EyeQ5 系列和地平線征程系列。 Mobieye EyeQ5 和地平線征程系列采用“CPU+ASIC”架構(gòu)，EyeQ5 主要有 4 個模塊：CPU、Computer Vision Processors（CVP）、Deep Learning Accelerator （DLA）和 Multithreaded Accelerator（MA），其中 CVP 是針對傳統(tǒng)計算機視 覺算法設(shè)計的 ASIC；地平線自主設(shè)計研發(fā)了 Al 專用的 ASIC 芯

24、片 Brain Processing Unit（BPU）。（3）CPU+FPGA，主要代表 Waymo。與其余廠商不同，Waymo 采用 “CPU+FPGA”的架構(gòu)，其計算平臺采用英特爾 Xeon12 核以上 CPU，搭配 Altera 的 Arria 系列 FPGA。目前各家發(fā)布的最新芯片平臺均可以支持 L3 或 L4 級的算力需求，英偉達當(dāng)前 處于領(lǐng)先位置。英偉達單顆 Orin 的算力可以達到 254TOPS，而 2022 年落地 的車型中搭載 4 顆 Orin 的蔚來 ET7 和威馬 M7 其巔峰算力將超過 1000TOPS， 高通驍龍 Ride 平臺的巔峰算力預(yù)計在 700-760TO

25、PS，Mobileye 也推出了面向 高階自動駕駛的 EyeQ6 Ultra，算力達到 176 TOPS，當(dāng)前各家最先進的算力平 臺均可以支持 L3 或 L4 級的算力需求。從相關(guān)量產(chǎn)車型來看，英偉達 Orin 成為 當(dāng)下的主流選擇，Mobileye 正在逐漸掉隊。評估芯片性能，算力、能耗、效率缺一不可評估芯片的性能，一般采用 PPA 即 Power（功耗），Performance（性能）， Aera（面積）三大指標(biāo)來衡量性能。而智能駕駛領(lǐng)域，峰值算力成為衡量自動 駕駛芯片的最主要指標(biāo)，常見的指標(biāo)有 TOPS、FLOPS、DMIPS 三種：TOPS（Tera Operation Per Sec

26、ond）：每秒完成操作的數(shù)量，乘操作算 一個 OP，加操作算一個 OP。TOPS 的物理計算單位是積累加運算（Multiply Accumulate, MAC），1 個 MAC 等于 2 個 OP。TOPS 表示每秒進行 1 萬 億次操作。FLOPS（Floating-Point Operations Per Second）：每秒可執(zhí)行的浮點 運算次數(shù)的字母縮寫，它用于衡量計算機浮點運算處理能力。浮點運算， 包括了所有涉及小數(shù)的運算。MFLOPS（MegaFLOPS）等于每秒 1 百萬 次的浮點運算；GFLOPS（GigaFLOPS）等于每秒 10 億（=109）次的 浮點運算；TFLOPS（

27、teraFLOPS）等于每秒 1 萬億次的浮點運算。DMIPS（Dhrystone Million Instructions Per Second）：是測量處理器 運算能力的最常見基準(zhǔn)程序之一，常用于處理器的整型運算性能的測量。 MIPS：每秒執(zhí)行百萬條指令，用來計算同一秒內(nèi)系統(tǒng)的處理能力，即每秒 執(zhí)行了多少百萬條指令。不同的 CPU 指令集不同、硬件加速器不同、CPU 架構(gòu)不同， 導(dǎo)致不能簡單的用核心數(shù)和 CPU 主頻來評估性能，Dhrystone 作為統(tǒng)一的跑分算法，DMIPS 比 MIPS 的數(shù)值更具有意義。（1）智能座艙 SoC： DMIPS 衡量 CPU 算力的主要單位是 DMIPS

28、，基本上 SoC 高于 20,000 DMIPS 才能流暢地運行智能座艙的主要功能，如 AR 導(dǎo)航或云導(dǎo)航、360 全景、播放 流媒體、AR- HUD、多操作系統(tǒng)虛擬機等。GPU 方面，100 GFLOPS 的算力 就可以支持 3 個 720P 的屏幕。一般來說，CPU 高于 20,000 DMIPS，GPU 高 于 100 GFLOPS 的 SoC 就是智能座艙 SoC 芯片。（2）自動駕駛 SoC： TOPS 峰值算力體現(xiàn)的只是芯片的理論上限，不能代表其全部性能。自動駕駛 需要的計算機視覺算法是基于卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)的，而卷積神經(jīng)網(wǎng)絡(luò)的本質(zhì)是 累積累加算法（Multiply Accumula

29、te，MAC），實現(xiàn)此運算操作的硬件電路單 元，被稱為“乘數(shù)累加器”。這種運算的操作，是將乘法的乘積結(jié)果 b*c 和累 加器 a 的值相加，再存入累加器 a 的操作。TOPS = MAC 矩陣行* MAC 矩陣列 * 2 *主頻，TOPS 峰值算力反映的都是 GPU 理論上的乘積累加矩陣運算算力， 而非在實際 AI 應(yīng)用場景中的處理能力，具有很大的局限性。以英偉達的芯片為 例，Orin、Xavier 的利用率基本上是 30%左右，而采用 ASIC 路線，ASIC 芯片 針對不同的神經(jīng)網(wǎng)絡(luò)模型去優(yōu)化，基本上可以做到 60%80%之間。地平線提出最真實的 AI 效能由理論峰值計算效能、有效利用率、

30、AI 算法效率 組成。地平線在 2020 全球人工智能和機器人峰會提出了芯片 AI 性能評估方式 MAPS（Mean Accuracy-guaranteed Precessing Speed），地平線認(rèn)為最真實 的 AI 效能實際上由三要素組成，分別為理論峰值計算效能、有效利用率、AI 算法效率。（1）理論峰值計算效能，TOPS/W、TOPS/$，即傳統(tǒng)理論峰值衡 量的方法；（2）芯片有效利用率，把算法部署在芯片上，根據(jù)架構(gòu)特點，動用 編譯器等系統(tǒng)化解決一個極其復(fù)雜的帶約束的離散優(yōu)化問題，而得到一個算法 在芯片上運行的實際利用率，這是軟硬件計算架構(gòu)的優(yōu)化目標(biāo)；（3）AI 算法 效率，每消耗一個

31、 TOPS 算力，能帶來多少實際的 AI 算法的性能，它體現(xiàn)的是 AI 算法效率的持續(xù)提升。3 硬件平臺之二：域控制器面向高階自動駕駛，異構(gòu)多核硬件架構(gòu)成為趨勢車載計算平臺需采用異構(gòu)多核芯片硬件架構(gòu)。自動駕駛的域控制器，要具備多 傳感器融合、定位、路徑規(guī)劃、決策控制、無線通訊、高速通訊的能力。通常 需要外接多個攝像頭、毫米波雷達、激光雷達，以及 IMU 等設(shè)備，完成的功能 包含圖像識別、數(shù)據(jù)處理等。面向 L3 及以上高階自動駕駛，單一芯片無法滿足 諸多接口和算力需求，計算基礎(chǔ)平臺需采用異構(gòu)芯片的硬件方案，具有芯片選 型靈活、可配置拓展、算力可堆砌等優(yōu)點。計算平臺的異構(gòu)分布硬件架構(gòu)主要 包括 C

32、PU 計算單元、AI 單元和控制單元。（1）CPU 計算單元： 由車規(guī)級多個多核 CPU 組成，大多為 ARM 架構(gòu)，單核主頻高，計算能力強， 擅長處理高精度浮點數(shù)串行計算，通過內(nèi)核系統(tǒng)管理軟硬件資源、完成任務(wù)調(diào) 度，用于執(zhí)行自動駕駛相關(guān)大部分核心算法，同時整合多源數(shù)據(jù)完成路徑規(guī)劃、 決策控制等功能。（2）AI 單元： AI 單元是整個異構(gòu)硬件平臺中算力的最主要來源，承擔(dān)大規(guī)模浮點數(shù)并行計算 需求，主流的 AI 芯片可選用 GPU、FPGA、ASIC 三種等。通常內(nèi)核系統(tǒng)進行 加速引擎及其他芯片資源的分配、調(diào)度。AI 單元實現(xiàn)對多傳感器的數(shù)據(jù)高效處 理與融合，獲取用于規(guī)劃及決策的關(guān)鍵信息。（3

33、）控制單元： 負(fù)責(zé)可靠性和車輛控制，功能安全和冗余監(jiān)控作用，不要求很高的算力，但是 可靠性必須要有保障?；趥鹘y(tǒng)車輛控制器 MCU，實現(xiàn)車輛動力學(xué)橫縱向控制 并滿足功能安全 ASIL-D 等級要求。高性能的車載計算平臺是高階自動駕駛的必備，除了異構(gòu)多核的硬件架構(gòu)外， 分布彈性可擴展、豐富的 I/O 接口資源、高內(nèi)存帶寬、車規(guī)與功能安全等也都 是高階自動駕駛域控制器的必備特點：（1）硬件異構(gòu)： 面向高階自動駕駛的計算平臺需兼容多類型多數(shù)量傳感器，單一芯片無法滿足 諸多接口和算力要求，需采用“CPU+XPU”的異構(gòu)硬件方案，前文已做詳細(xì) 介紹；（2）分布彈性可擴展： 車載計算平臺需具有彈性擴展特性

34、以滿足不同等級自動駕駛需求。針對 L3 及以 上高階自動駕駛，隨著自動駕駛等級提升，車載智能計算基礎(chǔ)平臺算力、接口 等需求都會增加。除提高單芯片算力外，硬件單元也可復(fù)制堆疊，自動駕駛操 作系統(tǒng)彈性適配硬件單元并可進行平滑拓展，達到整體系統(tǒng)提升算力、增加接 口、完善功能的目的；（3）豐富的 I/O 接口資源： 高階自動駕駛的感知系統(tǒng)傳感器種類與數(shù)量眾多，車載攝像頭、激光雷達、毫 米波雷達、超聲波雷達、組合導(dǎo)航、IMU、V2X 模塊等，因此豐富的接口資源 也是很自動駕駛域控制器的關(guān)鍵特點。車載攝像頭的數(shù)據(jù)接口一般采用 GMSL 或 FPDLink，激光雷達都是采用 Ethernet 接口，目前大多

35、是普通 Ethernet；毫 米波雷達都是 CANFD 傳輸，超聲波雷達采用 LIN 總線，組合導(dǎo)航和慣導(dǎo)常見 接口為 RS232 串口，V2X 模塊采用 Ethernet 接口傳輸。除了上述傳感器所需 IO 接口外，常見的其它高速接口與低速接口比如 PCIe、USB、I2C、SPI 等；（4）高內(nèi)存帶寬： 自動駕駛芯片平臺因為要接入大量的傳感器數(shù)據(jù)，因此內(nèi)存的壓力非常大。整 個系統(tǒng)往往呈現(xiàn)出 Memory-Bound 系統(tǒng)的特點，因此內(nèi)存帶寬通常決定了系統(tǒng) 性能的理論上限；（5）車規(guī)與功能安全： 與消費級不同，車規(guī)級產(chǎn)品在安全性和可靠性上有更高要求。如 AEC-Q100、 ISO 26262

36、 等，ISO 26262 對安全等級做了劃分，常見的是 ASIL-B 和 ASIL-D 級別。高性能 SoC 主芯片占整體域控制器的主要成本當(dāng)前市面上最為成熟的域控制器為特斯拉 19 年推出的 HW 3.0，特斯拉首次推 出其自研的 FSD 芯片，通過以太網(wǎng)總線的方式承載數(shù)據(jù)輸入與以太網(wǎng)交換的功 能，其成本整體較為透明，通過拆解其 BOM 成本，梳理高階自動駕駛域控制 器的成本分布。預(yù)計 HW 3.0 板上全部芯片的成本約在 5000 元左右，外加車規(guī)級接插件、以太 網(wǎng)連接器以及 PCB 等外圍硬件，整塊板子的硬件成本大約在 7500-8500 人民 幣之間。其中，主控 SoC 芯片約占總芯片

37、成本的 61%左右，占整體硬件成本 的 20%左右。特斯拉 HW 3.0 的主板上共搭載了兩塊的自研芯片，雙芯片的目 的是作為安全冗余，互相對照，每塊芯片可以獨立運算。每塊芯片周圍有四塊 鎂光 DRAM 內(nèi)存，每塊芯片分別配有一塊東芝閃存芯片，用于承載操作系統(tǒng)和 深度學(xué)習(xí)模型。主板的右側(cè)是視頻輸出接口，從上到下依次是 FOV 攝像頭、環(huán)視攝像頭、A 柱 左右攝像頭、B 柱左右攝像頭、前視主攝像頭、車內(nèi) DMS 攝像頭、后攝像頭、 GPS 同軸天線；左側(cè)是電源接口和其他另外的輸入/輸出接口，從上到下依次是 第二供電和 I/O 接口（車身 LIN 網(wǎng)絡(luò)等），以太網(wǎng)診斷進/出、調(diào)試 USB、燒錄、

38、主供電和 I/O（底盤 CAN 網(wǎng)絡(luò)等）。OEM 自研、系統(tǒng)集成商、軟件平臺商三方勢力各顯身手自動駕駛域控制器玩家主要分為系統(tǒng)集成商、軟件平臺廠商以及 OEM 廠商三 大類。（1）OEM 廠商：特斯拉以及國內(nèi)的造車新勢力如蔚來、小鵬、威馬、理想、上汽智己等都已實現(xiàn)或宣布將自研自動駕駛域控制器，以掌握未來軟件 定義汽車下底層的硬件自主權(quán)；（2）系統(tǒng)集成商和 Tier 1：如博世、大陸、采 埃孚等國際 Tier1 和系統(tǒng)集成商,德賽西威、經(jīng)緯恒潤、華為等一批本土 Tier1 和系統(tǒng)集成商；（3）軟件平臺廠商：如映馳科技、東軟睿馳、TTech、中科創(chuàng) 達等公司。（1）智能座艙域控制器：全球范圍內(nèi)，偉

39、世通、大陸、博世、安波福在座艙域 控制器市場占據(jù)主導(dǎo)地位，國內(nèi)企業(yè)華為、德賽西威、航盛電子、東軟等也紛 紛推出了座艙域控制器解決方案。在座艙 SoC 芯片方面，主要包括高通 820A 與 8155P、英特爾 Atom、恩智浦 i.MX8、瑞薩 R-CAR H3、德州儀器 Jacinto 系列等。（2）自動駕駛域控制器：全球范圍內(nèi)，全球 Tier1 基本都已布局自動駕駛域控 制器產(chǎn)品，典型產(chǎn)品如偉世通 DriveCore、博世 DASy、大陸集團 ADCU、采埃 孚 ProAI、Veoneer Zeus、麥格納 MAX4 等，國內(nèi)方面，如德賽西威 IPU 系列、 經(jīng)緯恒潤 ADC、東軟睿馳 CP

40、DC、華為 MDC 等。除了 OEM 廠商自研之外，OEM 廠還孵化成立獨立第三方智能駕駛軟件平臺型 公司參與域控制器市場。此外，在域控制器市場還有一類重要的玩家，就是從 主機廠孵化成立的智能駕駛軟件平臺型公司，如長城汽車的毫末知行，吉利汽 車的億咖通等。長城汽車即將在2022年發(fā)布的新摩卡車型將搭載高通驍龍Ride 平臺，相關(guān)域控制器設(shè)計與生產(chǎn)則是由毫末知行來實現(xiàn)的。億咖通在 2021 年 與偉世通和高通達成戰(zhàn)略合作，為全球市場提供領(lǐng)先的智能座艙解決方案，此 外億咖通在 2020 年與安謀中國合作成立芯擎科技，2021 年 10 月國內(nèi)首顆 7nm 車規(guī)級座艙芯片“龍鷹一號”流片成功，計劃在

41、 2022 年三季度實現(xiàn)量產(chǎn)，2022 年底實現(xiàn)前裝上車。4 系統(tǒng)軟件之一：操作系統(tǒng)操作系統(tǒng)標(biāo)準(zhǔn)與分類：車控 OS 與座艙 OS在智能網(wǎng)聯(lián)時代，車機操作系統(tǒng) OS（operating system）按下游應(yīng)用劃分， 可以分為車控 OS 和座艙 OS 兩大類：（1）車控 OS：主要負(fù)責(zé)實現(xiàn)車輛底盤 控制、動力系統(tǒng)和自動駕駛，與汽車的行駛決策直接相關(guān)；（2）座艙 OS：主 要為車載信息娛樂服務(wù)以及車內(nèi)人機交互提供控制平臺，是汽車實現(xiàn)座艙智能 化與多源信息融合的運行環(huán)境，不直接參與汽車的行駛決策。對于車控 OS 而言，可分為嵌入式實時操作系統(tǒng) RTOS 和基于 POSIX 標(biāo)準(zhǔn)的 操作系統(tǒng)。（1）嵌

42、入式實時操作系統(tǒng) RTOS：傳統(tǒng)車控 ECU 中主控芯片 MCU 裝載運行的嵌入式 OS，面向經(jīng)典車輛控制領(lǐng)域，如動力系統(tǒng)、底盤系統(tǒng)和車身 系統(tǒng)等。要求實時程序必須保證在嚴(yán)格的時間限制內(nèi)響應(yīng)，特點包括速度快， 吞吐量大，代碼精簡，代碼規(guī)模小等；（2）基于 POSIX 標(biāo)準(zhǔn)的操作系統(tǒng)：主 要面向智能駕駛系統(tǒng)，主要滿足其高通信和低延時的要求。汽車電控 ECU 必須是高穩(wěn)定性的嵌入式實時性操作系統(tǒng)，主流的嵌入式實時 操作系統(tǒng)都兼容 OSEK/VDX 和 Classic AUTOSAR 這兩類汽車電子軟件標(biāo)準(zhǔn)。 嵌入式實時操作系統(tǒng)具有高可靠性、實時性、交互性以及多路性的優(yōu)勢，系統(tǒng) 響應(yīng)極高，通常在毫秒

43、或者微秒級別，滿足了高實時性的要求。目前，主流的 嵌入式實時操作系統(tǒng)都兼容 OSEK/VDX 和 Classic AUTOSAR 這兩類汽車電子 軟件標(biāo)準(zhǔn)。歐洲在上世紀(jì) 90 年代提出了汽車電子上分布式實時控制系統(tǒng)的開放式系統(tǒng)標(biāo) 準(zhǔn) OSEK/VDX。但隨著技術(shù)、產(chǎn)品、客戶需求等的升級，OSEK 標(biāo)準(zhǔn)逐漸不能 支持新的硬件平臺。2003 年，寶馬、博世、大陸、戴姆勒、通用、福特、標(biāo)志 雪鐵龍、豐田、大眾 9 家企業(yè)作為核心成員，成立 AUTOSAR 組織，致力于建 立一個標(biāo)準(zhǔn)化平臺，獨立于硬件的分層軟件架構(gòu)，制定各種車輛應(yīng)用接口規(guī)范 和集成標(biāo)準(zhǔn)，AUTOSAR 是基于 OSEK/VDX 發(fā)展出

44、來的，但涉及的范圍更廣。AUTOSAR 主要包括 Classic Platform AUTOSAR（CP）和 Adaptive Platform AUTOSAR（AP）兩個平臺規(guī)范：CP AUTOSAR 是基于 OSEK/VDX 標(biāo)準(zhǔn)的，廣泛應(yīng)用于傳統(tǒng)嵌入式 ECU 中，如發(fā)動機控制器、電機控制器、整車 控制器、BMS 控制器等；AP AUTOSAR 基于 POSIX，主要應(yīng)用于自動駕駛等 需求高計算能力、高帶寬通信、分布式部署的下一代汽車應(yīng)用領(lǐng)域中。QNX、Linux、VxWorks 是主要的底層內(nèi)核狹義 OS 僅包含內(nèi)核（如 QNX、Linux），廣義 OS 從下至上包括從 BSP、操 作

45、系統(tǒng)內(nèi)核、中間件及庫組件等硬件和上層應(yīng)用之間的所有程序。QNX、Linux 是目前常見內(nèi)核 OS，VxWorks 也有一定應(yīng)用。隨著 WinCE 停 止更新逐漸退出，OS 內(nèi)核的格局較為穩(wěn)定，主要玩家為 QNX（Blackberry）、 Linux（開源基金會）、VxWorks（風(fēng)河）。其中 Linux 屬于非實時操作系統(tǒng)， 而 QNX 和 VxWorks 屬于實時操作系統(tǒng)，WinCE 是微軟開發(fā)的嵌入式操作系統(tǒng)， 正在逐步退出汽車操作系統(tǒng)市場。（1）Blackberry QNX： QNX 是遵從 POSIX 規(guī)范的類 UNIX 實時操作系統(tǒng)，是全球第一款達到 ASIL D 級別的車載操作系統(tǒng)

46、，優(yōu)點是穩(wěn)定性和安全性非常高，QNX 依靠其微內(nèi)核架構(gòu) 實現(xiàn)性能和可靠性的平衡，主要特點有內(nèi)核小、代碼少以及故障影響小，驅(qū)動 等錯誤不會導(dǎo)致整個系統(tǒng)都崩潰，通用、沃爾沃、奧迪、上汽等均用 QNX 作為 自動駕駛 OS。但缺點是 QNX 作為非開源系統(tǒng)，兼容性較差，開發(fā)難度大，在 娛樂系統(tǒng)開發(fā)中應(yīng)用不多，主要是開放性不夠，應(yīng)用生態(tài)缺乏。（2）Linux（Android）： Linux 是基于 POSIX 和 UNIX 的開源操作系統(tǒng)，可適配更多的應(yīng)用場景，具有 很強的定制開發(fā)靈活度，主要用于支持更多應(yīng)用和接口的信息娛樂系統(tǒng)場景。 Android 是谷歌基于 Linux 內(nèi)核開發(fā)的開源操作系統(tǒng)，主

47、要應(yīng)用在車載信息娛樂 系統(tǒng)、導(dǎo)航領(lǐng)域，在國內(nèi)車載信息娛樂系統(tǒng)領(lǐng)域占據(jù)主流地位。由于其完全開 源，基于 Linux 開發(fā)的難度也極大，而且開發(fā)周期比較長，這就限制了車機系 統(tǒng)進入門檻。（3）VxWorks： VxWorks 由 Wind River 設(shè)計開發(fā)的嵌入式實時操作系統(tǒng)，以其良好的可靠性和 卓越的實時性被廣泛地應(yīng)用在通信、軍事、航空、航天等領(lǐng)域，VxWorks 由 400 多個相對獨立的目標(biāo)模塊組成，但與 Linux 相比，VxWorks 需要收取高昂的授 權(quán)費，開發(fā)定制成本較高，這限制了其市場占有率的增長。QNX、Linux 是當(dāng)前車機 OS 內(nèi)核的首選。根據(jù)賽迪顧問的統(tǒng)計，QNX 由

48、于其 典型的實時性、低延時、高穩(wěn)定等特征，2021 年 QNX 市占率達到 43%，是當(dāng) 前市占份額最高的車機 OS，已應(yīng)用在包括寶馬、奧迪、奔馳等超過 40 個品牌， 全球使用了 QNX 的汽車超 1.75 億輛；Linux（含 Android）Linux 版本豐富， 經(jīng)過改造 Linux 內(nèi)核也將具備實時性功能，21 年市占率 35%；WinCE 當(dāng)前市 占率 8%，呈現(xiàn)快速下滑態(tài)勢，未來可能將逐步在市場消失；VxWorks 同時具 備實時性及開源特點，但其業(yè)務(wù)重點一直在復(fù)雜工業(yè)領(lǐng)域，對于汽車產(chǎn)業(yè)投入 較少，售價及維修費用極其昂貴，目前僅在部分高端品牌車型上有所嘗試。QNX+Linux 或

49、 QNX+Android 是當(dāng)前的主流趨勢隨著智能座艙和智能駕駛的進步，OEM 廠商更加關(guān)注車機 OS。然而，無論是 傳統(tǒng) OEM 巨頭或是造車新勢力，從零開始開發(fā)操作系統(tǒng)都絕非易事，根據(jù)對 基礎(chǔ)系統(tǒng)的改造程度不同，一般可以分為三類：（1）定制型車機 OS：在基礎(chǔ) OS 的基礎(chǔ)上進行深度開發(fā)和定制（包括系統(tǒng)內(nèi) 核修改），與 Tier1 和主機廠一起實現(xiàn)座艙系統(tǒng)平臺或自動駕駛系統(tǒng)平臺。例 如百度車載 OS、大眾 VW.OS、特斯拉 Version；（2）ROM 型車機 OS：基于 Android 或 Linux 定制開發(fā)，無需更改系統(tǒng)內(nèi)核。 海外主機廠多選擇基于 Linux 開發(fā) ROM 型車機

50、 OS，國內(nèi)自主品牌則主要選擇 應(yīng)用生態(tài)更好的 Android。例如奔馳、寶馬、蔚來、小鵬等整車廠的車機系統(tǒng)都 屬于 ROM 型車機 OS；（3）超級汽車 APP：并非完整的車機 OS，而是手機映射系統(tǒng)，是指集地圖、音樂、語音、社交等功能于一體的多功能 APP，滿足車主需求。例如百度 Carlife、 華為 HiCar、蘋果 CarPlay、谷歌 AndroidAuto 等。QNX+Linux 或者是 QNX+Android 是當(dāng)前智能駕駛 OS+智能座艙 OS 的主要 選擇。當(dāng)前 QNX、Linux（包含 Android）仍是 OS 底層內(nèi)核的主要選擇，無論 是智能駕駛 OS 還是智能座艙

51、OS 基本都會采用 QNX+Linux 或者是 QNX+Android 的組合方式。以 QNX 為代表的實時操作系統(tǒng)主要用在駕駛 OS 上，由于應(yīng)用生態(tài)上較為薄弱，當(dāng)前座艙 OS 主流是 Android 以及基于 Linux 系統(tǒng)的定制型及 ROM 型系統(tǒng)。5 系統(tǒng)軟件之二：硬件抽象層與中間件層硬件抽象層之一 BSP：主板硬件與操作系統(tǒng)之間的橋梁BSP（Board Support Package，板級支持包）是構(gòu)建嵌入式操作系統(tǒng)所需的 引導(dǎo)程序、內(nèi)核、根文件系統(tǒng)和工具鏈提供的完整的軟件資源包。對于具體的 硬件平臺，與硬件相關(guān)的代碼都被封裝在 BSP 中，由 BSP 向上提供虛擬的硬 件平臺，B

52、SP 與操作系統(tǒng)通過定義好的接口進行交互。BSP 介于主板硬件和操作系統(tǒng)之間的一層，也屬于操作系統(tǒng)的一部分，主要目 的是為了支持操作系統(tǒng)，使之能夠更好的運行于硬件主板，為 OS 和硬件設(shè)備 的交互操作搭建了一個橋梁。由于所屬的中介位置，BSP 的功能分為兩部分， 一方面為 OS 及上層應(yīng)用程序提供一個與硬件無關(guān)的軟件平臺，另一方面 OS 可以通過 BSP 來完成對指定硬件的配置和管理。不同的操作系統(tǒng)對應(yīng)于不同定義形式的 BSP。例如，VxWorks 的 BSP 和 Linux 的 BSP 相對于某一 CPU 來說盡管實現(xiàn)的功能一樣，但寫法和接口定義是完全 不同的，所以寫 BSP 一定要按照該系

53、統(tǒng) BSP 的定義形式來寫，這樣才能與上 層 OS 保持正確的接口，良好的支持上層 OS。硬件抽象層之二 Hypervisor：虛擬化平臺，跨平臺應(yīng)用的重要途徑提供平臺虛擬化的層稱為 Hypervisor。虛擬化是通過某種方式隱藏底層物理硬 件的過程，從而實現(xiàn)多個操作系統(tǒng)可以透明地使用和共享硬件。Hypervisor 是 實現(xiàn)跨平臺應(yīng)用、提高硬件利用率的重要途徑。車載領(lǐng)域的 Hypervisor 負(fù)責(zé)管 理并虛擬化異構(gòu)硬件資源，以提供給運行在 Hypervisor 之上的多個操作系統(tǒng)內(nèi) 核。Hypervisor 支持異構(gòu)硬件單元（包括控制單元、計算單元、AI 單元）的隔 離，在同一個異構(gòu)硬件平

54、臺上支持不同的操作系統(tǒng)內(nèi)核，從而支持不同種類的 應(yīng)用。Hypervisor 虛擬機管理助力多系統(tǒng)融合。Hypervisor（虛擬機）是運行在物理 服務(wù)器和操作系統(tǒng)之間的中間軟件層，可用于同步支持 Android、Linux、 QNX多系統(tǒng)。根據(jù) ISO26262 標(biāo)準(zhǔn)規(guī)定，儀表盤的關(guān)鍵數(shù)據(jù)和代碼與娛樂信息系統(tǒng) 屬于不同等級，主流市場中，QNX 或 Linux 系統(tǒng)用來驅(qū)動儀表系統(tǒng)，信息娛樂 系統(tǒng)則以 Android 為主，目前技術(shù)只能將兩個系統(tǒng)分開裝置在各自芯片中。然 而，虛擬機可以同時運作符合車規(guī)安全標(biāo)準(zhǔn)的 QNX 與 Linux，因此虛擬機管理 的概念被引入智能座艙操作系統(tǒng)。隨著液晶儀表以

55、及其他安全功能的普及，供應(yīng)商不需要裝載多個硬件來實現(xiàn)不 同的功能需求，只需要在車載主芯片上進行虛擬化的軟件配置，形成多個虛擬 機，在每個虛擬機上運行相應(yīng)的軟件即可滿足需求。引入虛擬機管理最重要的 意義在于虛擬機可以提供一個同時運行兩個及以上獨立操作系統(tǒng)的環(huán)境，比如 在智能座艙中同時運行 Android（座艙 OS）和 QNX（車控 OS），為智能網(wǎng)聯(lián) 汽車的應(yīng)用提供高性價比且符合安全要求的平臺。QNX Hypervisor是當(dāng)前市場的主流。目前常見的Hypervisor包括黑莓的QNX、 英特爾與 Linux 主導(dǎo)的 ACRN、Mobica 為代表的 XEN、松下收購的 Open Synerg

56、y 的 COQOS、德國大陸汽車的 L4RE，法國 VOSyS 的 VOSySmonitor 等，其中最主流的是黑莓的 QNX 與英特爾與 Linux 主導(dǎo)的 ACRN，其中黑莓的 QNX 是目前唯一被大規(guī)模商用且安全等級達到 ASIL D 級的虛擬化操作系統(tǒng)。中科創(chuàng)達、武漢光庭信息、南京誠邁科技是黑莓 VAI 項目的系統(tǒng)集成商類的合 作伙伴。2017 年 3 月，黑莓公司宣布正式成立 VAI（Value-Added Integrator） 項目，拓展嵌入式軟件市場，成為黑莓公司 VAI 項目合作伙伴，將基于黑莓的 嵌入式技術(shù)提供集成服務(wù)、安全關(guān)鍵型解決方案，包括黑莓 QNX Neutrino

57、 實 時操作系統(tǒng)、QNX Momentics 工具套件、QNX 管理程序、應(yīng)用程序和媒體 QNX SDK、QNX 無線架構(gòu)、QNX 認(rèn)證操作系統(tǒng)、QNX 醫(yī)用操作系統(tǒng)、Certicom 工具包、Certicom 管理的公鑰基礎(chǔ)設(shè)施以及 Certicom 資產(chǎn)管理系統(tǒng)。目前， 黑莓 VAI 項目的中國區(qū)系統(tǒng)集成商類的合作伙伴主要包括中科創(chuàng)達、武漢光庭 信息、南京誠邁科技等。長期看，智能座艙與自動駕駛兩大系統(tǒng)終將走向融合。由于目前車控域與座艙 域兩者的發(fā)展目標(biāo)平行，同時，由于 QNX、Linux 與 Andriod 三大系統(tǒng)各有優(yōu)劣，因此，通過虛擬機管理多個獨立系統(tǒng)是當(dāng)下實現(xiàn)“多快好省”的智能網(wǎng)聯(lián)

58、 汽車的發(fā)展路徑。但從長期看，想要真正實現(xiàn)高級自動駕駛的必要前提就是車 控與座艙的融合，即智能座艙與自動駕駛系統(tǒng)的容二虎，這樣將會從整體層面 給未來留下更系統(tǒng)的升級空間。當(dāng)然兩大系統(tǒng)的融合也面臨著系統(tǒng)疊加導(dǎo)致的 片負(fù)載加重，對計算性能形成挑戰(zhàn)。中間件層：助力軟硬件解耦分離，提升應(yīng)用層開發(fā)效率中間件隔離應(yīng)用層與底層硬件，助力軟硬件解耦。中間件位于操作系統(tǒng)、網(wǎng)絡(luò) 和數(shù)據(jù)庫之上，應(yīng)用軟件的下層，作用是為處于自己上層的應(yīng)用軟件提供運行 與開發(fā)的環(huán)境，幫助用戶靈活、高效地開發(fā)和集成復(fù)雜的應(yīng)用軟件，實現(xiàn)軟硬 件的解耦分離。車企致力于定義更統(tǒng)一的中間件通信和服務(wù)，以降低開發(fā)成本 和系統(tǒng)復(fù)雜度，操作軟件（OS

59、）和中間件是促進軟硬件分離的底層軟件組件。 即使車企選擇自研操作系統(tǒng)，但同時也會依賴于供應(yīng)商提供標(biāo)準(zhǔn)中間件產(chǎn)品， 尤其基礎(chǔ)軟件平臺的架構(gòu)極其重要，可大幅提升應(yīng)用層軟件的開發(fā)效率。所有中間件方案中，最著名的是 CP AUTOSAR 的 RTE。AUTOSAR 的兩個平 臺 AUTOSAR Classic 和 AUTOSAR Adaptive 為不同的車輛用例提供了分層的 軟件體系結(jié)構(gòu)方法，AUTOSAR 以中間件 RTE（Runtime Environment）為界， 隔離上層的應(yīng)用層（Application Layer）與下層的基礎(chǔ)軟件（Basic Software）。 RTE 使得硬件層完全

60、獨立于應(yīng)用層，OEM 廠商可以專注于開發(fā)特定的、有競 爭力的應(yīng)用軟件，同時使得廠商不關(guān)心的基礎(chǔ)軟件層被標(biāo)準(zhǔn)化。分布式通信（Data Distribution Service, DDS）通過實現(xiàn)低延遲數(shù)據(jù)連接、極 高的可靠性和可擴展的靈活架構(gòu)，使數(shù)據(jù)成為未來移動數(shù)字平臺的中心。DDS 提供的用于以數(shù)據(jù)為中心的連接的中間件協(xié)議、連接框架和 API 標(biāo)準(zhǔn)。它集成 了分布式系統(tǒng)的組件，提供了低延遲的數(shù)據(jù)連接、極高的可靠性和可擴展的體 系結(jié)構(gòu)，滿足業(yè)務(wù)和任務(wù)關(guān)鍵型應(yīng)用程序的需求。AUTOSAR Adaptive 平臺 2017 年推出，2018 年便集成了 DDS 標(biāo)準(zhǔn)，將 DDS 與 AUTOSAR