1. 智能汽车时代，汽车架构向域控制演进
1.1. 汽车智能化发展趋势加速，车企积极布局
消费者对汽车的需求向智能化转变。近年来，汽车行业高速发展的主要驱动力已由 过去供给端的产品和技术驱动，逐渐转换为不断提高的客户需求驱动。随着消费者需求层 次的不断提升，汽车不再是简单的出行工具，而是向智能汽车演进，成为满足消费者个性 化需求的第三空间。智能汽车的内涵，可以总结为“通过搭载先进传感器等装置，运用人 工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车”。 智能汽车的主要场景包括智能驾驶和人机互动等。
消费者重视智能科技，支付意愿强。据麦肯锡调研数据，超过 80%以上的受访者认 可辅助驾驶、智能互联、自动驾驶这三种功能的价值，付费意愿占比最高达到 40%。而针 对代表软件定义汽车的 OTA 技术，更是有过半数消费者愿意为之买单。
主流车企积极布局汽车智能化，构建品牌竞争力。为了满足消费者的需求，主流车企 都在向汽车智能化的方向积极布局。以智能座舱为例，国内外主流车企纷纷加大对智能座 舱的布局，中控大屏、AR-HUD、智能表面等产品在逐渐应用，手势/生物等新兴技术也使 得人机交互更加多样化。座舱智能化已经成为车企打造差异化亮点的重要方向之一。
全球车企积极布局自动驾驶业务。当前 L2 技术在全球范围内已经普遍实现量产，特 斯拉在自动驾驶领域发力较早，目前已经具备 L4 能力。其他主流车企也在积极布局 L4+ 技术，目标量产时间在 2025 年之前。
1.2. 分布式架构难以满足智能汽车需求，正向域控制方向发展
传统汽车一般采用分布式电子电气架构，功能系统核心是 ECU。ECU（电子控制单 元）是传统汽车电子系统的控制中枢，可在大量传感器、电源及通信芯片以及执行器等零 部件的配合下实现对汽车状态的操控，因此又被称为“行车电脑”。在分布式 E/E 架构中， 每个控制系统采用单独的 ECU，不同的电控系统功能保持独立性，彼此之间的交互很少。 因此，每增加一个功能就需要增加一个 ECU，传统汽车智能功能的升级主要依赖于 ECU 和传感器数量的累加。
急剧增加的 ECU 数量带来成本及技术弊端。根据 Strategy Analytics 的数据，目前 汽车平均采用约 25 个 ECU，但是高端车型 ECU 数量已经超过 100 个。ECU 数量的增加 带来线束布置复杂、车重增加、算力浪费、协同困难等成本及技术弊端。来自不同供应商 的 ECU 运行着不同的操作系统及应用软件，以及背后复杂的底层代码，难以在智能化阶 段统一维护升级，为汽车开发测试、制造成本及售后维护带来巨大压力。现阶段分布式 ECU 架构发展已接近瓶颈，难以满足下一代智能汽车的需求。
汽车智能化要求 E/E 架构由分布式向域控制演进。在以域为单位的域控制架构中， 引入以太网并将分散的 ECU 集成为运算能力更强的域控制器（DCU），相对集中地控制 每个域，从而解决分布式架构存在的成本、算力等局限性。
1）成本节省
域控制架构将传感与处理分开，传感器和 ECU 不再一对一，管理更便捷，有效减少 了 ECU 和线束的数量，从而降低硬件成本和人工安装成本，同时更有利于器件布局。
2）便于 OTA 升级
在传统分布式架构下，大量分离嵌入式的 OS 和应用程序由不同 Tier 1 提供，导致难 以统一维护和 OTA 升级。而域控制架构做到了统一管理与信息交互，便于 OTA 升级，也 便于 DCU 拓展功能。
3）算力集中
一方面，域控制架构将汽车算力集中，实现软硬件解耦，能够有效利用域内算力；另 一方面，高阶自动驾驶需要处理大量数据，算力要求高达几百 Tops，统一在 DCU 中处理 以保证结果最优。
1.3. 基于功能划分为五大域，不同域之间差异较大
基于功能将汽车 E/E 架构划分为五大域。博世、大陆等传统 Tier 1 将汽车 E/E 架构 按照功能划分为动力域、底盘域、座舱域、自动驾驶域、车身域五大区域。目前，这种架 构已经被大部分车企、零部件企业采纳，成为行业域控制器主流架构。 1) 动力域（安全）：主要用于动力总成的优化与控制，同时兼具电气智能故障诊断、 智能节电、总线通信等功能。 2) 底盘域（车辆运动）：由传动系统、行驶系统和制动系统共同构成，集成整车制 动、转向、悬架等车辆横向、纵向、垂向相关的控制功能，实现一体化控制。 3) 车身域（车身电子）：基于传统 BCM 对车灯、车窗、车门等的控制，集成了空 调风门控制、胎压监测、PEPS、网关等功能，实现车身节点功能和零部件的集 成。 4) 座舱域（信息娱乐）：实现 HUD、仪表盘等部件的融合，信息娱乐、人机交互、 车载互联网等功能，并为自动驾驶功能提供辅助。 5) 自动驾驶域（辅助驾驶）：能使车辆具备多传感器融合、定位、路径规划、决策 控制、图像识别、数据处理、高速通讯等功能，完成自动驾驶。
不同域控制器的技术要求差异较大。座舱域、自动驾驶域控制器需要涉及大量 AI 运算，因此其对芯片的性能、操作系统级算法要求很高；而对动力域、底盘域、自动驾驶 域控制器而言，由于涉及整车安全的部件较多，整体开发难度较大，因此功能安全验证级 别要求非常高，而对计算能力要求较低。 目前竞争焦点集中在座舱域与自动驾驶域。从供应端来看，智能座舱域以及自动 驾驶域的供应链较为完整，且单车价值量较高；而其他域则是对传统功能系统的进一步集 成，涉及的供应商繁多，易产生利益冲突，且价值增量有限。此外，动力域和底盘域对功能安全验证级别要求极高，具有较高的技术壁垒。因此，座舱域与自动驾驶域成为目前多 数厂商的竞争焦点。
2. 自动驾驶进程加速，打开域控制器市场空间
2.1. 高级别自动驾驶加速进行中
汽车正加速向高级别自动驾驶演进。根据智能化程度，自动驾驶可以分成 L0-L5 六 个层级。通常 L3 以下被成为辅助驾驶，L3 及以上才是真正意义上的自动驾驶，因为从 L3 开始，允许驾驶员脱手，而且如果发生事故，责任在车企一方。当前阶段，市场上自 动驾驶以 L2+为主，但随着技术进步及法规政策的不断调整，比如深圳市在 2022 年 6 月 出台国内首部 L3 级的法规，L3+自动驾驶落地的时代会很快到来。
2.2. 自动驾驶域控制器需要考虑综合算力
自动驾驶域控制器包括芯片、操作系统和中间件，向上支撑应用软件开发，向下连接 E/E 架构和众多系统零部件。自动驾驶域控制器作为汽车运算决策的中心，其功能的实现 依赖于主控芯片、软件操作系统和中间件、应用算法等多层次软硬件的有机结合。
高阶自动驾驶对算力的需求呈爆发式增长。作为涉及车控的安全功能，自动驾驶的 落地遇到的是系统级的挑战，需突破高算力、低功耗、高功能安全等级要求的 AI 芯片等 相关技术，还需要整车级别的配套升级。芯片作为自动驾驶域控制器的核心，其算力决定 了可满足哪一级别的自动驾驶需求。自动驾驶级别每升高一级，对算力的需求增加数倍， 呈爆发式增长。
高阶自动驾驶需要多传感器融合。高阶自动驾驶需要车辆能够精准感知外部环境， 包括行人、车辆、障碍物、车道红绿灯等交通标志，多传感器融合是各种精确环境感知应 用的基础。比如极狐阿尔法 S 使用的传感器高达 34 个，包括摄像头、毫米波雷达、激光 雷达、超声波雷达。
多传感器融合要求芯片向 SoC 异构方向发展。自动驾驶是一个综合算力支撑的平衡 系统，来支持不同传感器所需的完整算力。比如 CPU 可以给激光雷达的算法计算，包括 路径规划的算法计算；GPU 可以提供在泊车环境下全景算法拼接，包括虚拟的车模 3D 渲 染；NPU 则提供感知计算；ISP 提供图象处理的计算能力等等。从目前市场上主流的自动 驾驶 SoC 芯片处理器架构方案来看，英伟达、特斯拉主要采用 CPU+GPU+ASIC 方案， Moblieye、地平线等公司主要采用 CPU+ASIC 方案，Waymo、百度等公司主要采用 CPU+FPGA 方案。
（信息来源：腾讯网）
发表评论 取消回复