“智能化考驗的不再是供應鏈和成本管理，而是進化的速度，即如何以最快的速度滿足消費者的多樣化需求，并充分借助AI芯片和軟件，使得車輛從功能機器轉向高級行車伴侶，使得人類從駕駛任務承擔者轉變為出行享受者，這應該是整個中央計算平臺引領的行業變革的核心目標。”

　　9月7日晚，在由《中國汽車報》與廣州智能網聯汽車示范區運營中心聯合推出的“2020智能網聯汽車精品課”第22講中，地平線市場拓展與戰略規劃副總裁李星宇以“車載中央計算平臺技術挑戰與發展趨勢”為主題，詳細分析了車載中央計算平臺的架構、安全和算力，以及所帶來的行業變革趨勢。

　　?架構演進中OEM重獲主動權

　　李星宇指出，過去汽車智能化功能更多是以獨立單元的形式呈現，例如車窗的智能化、車身的智能化等，其實是分布式ECU架構，而隨著“軟件定義汽車”的理念深入人心，汽車的電子電氣架構也需要隨之改變，目標是通過底層架構變化，加速軟件開發。從分布式ECU架構到域架構，計算的集中度明顯提升，后者按照功能不同聚類，有了“面向服務（SOA）的架構”這個概念，軟硬解耦得以體現，且通過以太網作為車內骨干網進行互聯。這種趨勢繼續演進，就出現了中央計算架構，可以提供開放式軟件平臺，底層資源充分池化使得中央可以共享，在未來進一步打通云端計算和車端計算，形成更大的協同式計算網絡，但車端的邊緣計算依然是智能化的基石。

　　總結來看，車載計算構架的核心演進邏輯就是通過提供開放的、資源充足的硬件平臺，讓軟件的開發更加高效。

　　特斯拉的電子電氣架構演進就是一個典型的例子。特斯拉Model S基于功能有了較為明顯的域劃分，ADAS模塊橫跨動力域與底盤域。到了Model X，底盤域、車身低速容錯及車身域合并形成中央車身控制模塊，ADAS功能進一步擴展成為以Autopilot為代表的域控制器架構，而熱控制器與中控連到一起。再到Model 3，則變成了中央集中化的計算架構，以HW3.0為底層的計算平臺，再加上左右車身控制器，可以覆蓋全車的計算和控制。

　　“軟件定義汽車會對產業格局產生重大影響，使得OEM在與頂尖Tier1博弈的過程中，重新獲得優勢，不斷將過去屬于Tier1的功能拿回來重新自行開發。”李星宇說。

　　?特斯拉大幅領先傳統玩家

　　據李星宇介紹，在特斯拉的車載中央計算平臺中，有比較巧妙的功能安全機制，即FSD有兩顆芯片，同時都對同樣的數據進行分析，而后進行比對，再得出最終結論。該平臺以FSD為核心，一次性接入所有車載攝像頭作為主傳感器，集中化處理，再配合左右車身控制器，使得計算架構簡潔明了。

　　再看在傳統主機廠中汽車智能化比較激進的玩家寶馬，它采用了系列化計算平臺，從L1到L4全棧覆蓋。隨著自動駕駛等級提升，傳感器數量不斷增加。“中央計算平臺的主要任務就是環境感知，隨著傳感器數量持續增加，必然會導致平臺對算力的要求不斷飆升。”他說。

　　安全方面，寶馬在硬件上有異構雙機備份，軟件上采用交叉驗證，主要部件滿足ASIL-B等級，關鍵部件滿足ASIL-D等級。“從軟硬件配置來看，寶馬功能安全達到了完備的地步，但我們意識到，安全機制的復雜性又引入了新的安全風險。例如，采用大量校驗機制，但如何保證檢驗器可靠？”李星宇說，“安全本身沒有絕對完美的狀態，只有相對值確保達到對可靠性的要求。”

　　至于大眾集團則走折中路線，采用3個高性能計算機（ICAS）組成核心計算群，稱為E3架構，適合覆蓋不同等級的車型。“這種架構也能在相當程度上達到軟件定義汽車的目標，面對不同區域、不同用戶的功能可以得到高效開發，同時也是采用了面向服務的架構。”他說。

　　整體來看，特斯拉已經在去年實現了中央集中式的計算架構，寶馬則預計2021年推出，通用和大眾仍處于域控制或跨域融合階段。在Tier1中，安波福相對領先，半中央集中式的計算架構預計2022年，中央集中式的預計2025年推出。“不具備這種開發能力的主機廠可能要到2024年或2027年才能迎來量產車。從這一點來看，特斯拉已經大幅度領先了傳統玩家。有報告顯示，這種領先幅度至少在6年以上。”李星宇表示。

　　?AI計算芯片就是智能汽車數字發動機

　　李星宇指出，智能汽車的電子電氣架構設計面臨四大挑戰。一是功能、信息和預期功能安全，二是實時性，三是帶寬瓶頸，四是算力黑洞。

　　安全方面，ISO26262面對AI及自動駕駛這些新技術時是否充足，有待進一步評估。另外，還有一大批安全標準正在制訂中。相關標準主要是由國際標準化組織（ISO）和電氣電子工程師學會（IEEE）主導。“整體來看，智能汽車的安全標準還處于早期階段，但今后如何衡量汽車安全是業界繞不開的話題。現階段還在摸索。”他說。

　　感知及AI安全依然是自動駕駛落地的主要挑戰。軟硬件分離催生感知平臺，支撐上層多樣化功能。“感知是車對外部物理世界的數據化描述，沒有二異性，容易標準化。未來隨著智能化功能愈發復雜，我們就要求感知不能單獨用于某項功能，而是變成公有資源。未來整個數據的處理方式會發生根本性變化，也就是說，感知的處理會被進一步集中化。”他說。

　　算力方面，地平線創始人&CEO余凱曾指出，智能汽車時代，AI計算芯片就是數字發動機，提供智能汽車最重要的硬件基石：算力。李星宇表示，當前算力不足已經成為智能汽車發展的核心瓶頸。算力就好比智能汽車的腦容量，進化史上，靈長目動物智力的提升，是伴隨著大腦容量的不斷提升而獲得的，汽車的智能化也遵循同樣的趨勢，算力的持續提升是汽車智能化進步的標志。中央計算平臺對于算力的需求較為多樣化。AI計算是異構計算中占比最大的部分，邏輯算力的需求也在提升。中央計算平臺的兩大應用是自動駕駛和智能座艙，前者以AI計算為主，后者以邏輯計算為主，需要用不同芯片來實現。每增加一級自動駕駛等級，算力需求十倍上升。

　　AI對算力的需求過去7年間提升了7個數量級，舊摩爾定律已經無法支撐AI對算力的需求，且車規級AI芯片的軟件成本增長比硬件更快，正急劇推高芯片開發成本。李星宇表示，特斯拉之所以能領先競爭對手，主要在于自家的FSD，其相對于英偉達Drive PX2，性能提升21倍，功耗只增加1/4，成本還降了20%。從特斯拉可以看出AI計算的“新”摩爾定律：軟硬協同提升數據處理效能。

　　據了解，地平線基于軟硬協同理念來打造AI處理器，去年推出中國首款車規級AI芯片——征程2，今年第一季度應用在長安的量產車上。地平線還計劃推出征程5，可以在15W功耗下提供96 TOPS的算力。

　　李星宇指出，整體來看，車載計算平臺有四大趨勢：計算集中化、軟硬件解耦、平臺標準化以及應用生態化。三大核心支柱為：AI計算芯片、車載操作系統以及海量數據閉環。軟件定義汽車成終極方向：中央計算-區構架支撐面向服務的軟件框架。

　　技術的巨變必然帶來產業變革。他指出，汽車行業正按照IT行業的邏輯和節奏向前發展；產業生態也將重塑，拼圖式合作將替代傳統的塔狀結構供應鏈；整個汽車行業的價值鏈發生轉移，智能化零部件成整車最大成本因素，例如特斯拉Model 3的智能化零部件占比到2030年預計將達到45%；淘汰賽拉開序幕，行業迎來百年巨變。

　　?精彩問答

　　在講座之后，李星宇還與網友進行了問答互動。記者擷取精華，以饗讀者。

　　Q：地平線的芯片主打域控制器還是中央計算機域？

　　A：分階段，地平線征程2和征程3在域控制器階段，而計劃年底或明年初推出的征程5的算力有20倍提升，將應用于中央計算平臺。

　　Q：在特斯拉、大眾、寶馬等企業推出的計算平臺中，您最看好哪一種？為什么？

　　A：看好特斯拉所代表的計算平臺架構，其大幅提升了進化效率，軟件迭代效率較高。不過，并不是一種架構適用所有。特斯拉的車型較少，價位高，但大眾車型分布廣，類型多，故而其使用3個域控制器的架構，可有效搭配不同車型。寶馬對安全較為看重，故而采用了復雜的異構的計算架構，來達到自己的功能安全標準。所以說，每一家的計算平臺都必須根植于自家產品組合和品牌定位，只有最適合，沒有最優。

　　Q：邁向智能汽車時代，中國企業應該怎么做？

　　A：中國的主機廠應學習特斯拉，但不應是“復制”，比較可行的方式是充分集合中國的創新企業，協同作戰。中國市場的駕駛工況、消費者需求等與國外有諸多差異，這些差異可作為中國企業的突破口。上游有芯片開發能力的公司與主機廠進行深度組合，協同創新，會是一個更有實踐性的道路。

　　Q：中國的造車新勢力能趕上特斯拉嗎？較傳統主機廠有哪些優勢？

　　A：在中國的駕駛場景下，很期待中國的造車新勢力去追趕特斯拉。這些造車新勢力的進化速度非常快，這是其優勢所在。相比之下，傳統主機廠在組織和文化方面有先天劣勢，決策速度不夠快，人才結構不合理，還需要重新打造軟件能力。

　　Q：地平線除了芯片外，還會拓展上層業務嗎？

　　A：我們進行了多番嘗試，但從2019年開始堅定了路線，圍繞芯片去做底層賦能。我們的核心是：基于芯片，打造開放式開發平臺，使得客戶能夠基于這種平臺去打造自己的核心軟件能力。

　　Q：地平線今后是否還有更高算力的芯片規劃？

　　A：對，我們規劃的最新一代芯片的算力為三位數TOPS，對標全球最高水準。算力不足在相當長的時間內會成為智能汽車發展的瓶頸，如果說車載計算機是大腦，那我們首先要對腦容量進行擴容，才能保證其后續有迭代進化的能力。

　　Q：在智能化時代，燃油車相比電動汽車是不是沒有優勢？

　　A：電動汽車更容易平臺化，平臺對于智能化也是一個加分項。未來有兩個解耦趨勢，除了軟硬件解耦外，還有機械和電子的解耦，電動汽車的機電解耦先天比燃油車更容易。不過，這并不意味著燃油車沒有優勢，尤其是其會在相當長的時間內占市場主體，還是要看用戶需求，我們的第一個量產上車的車型就是燃油車。

　　編輯：齊萌

返回第一電動網首頁 >