精品課第22講 || 李星宇：算力為王！車載中央計算平臺賦能軟件定義汽車

“對智能的考驗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，充分利用AI芯片和軟件，讓車輛從功能機器變成高級駕駛伴侶，讓人類從駕駛任務承擔者變成出行享受者。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程”第22講中，地平線市場開發與戰略規劃副總裁李興禹對車載中央計算平臺的架構、安全性、計算能力，以及由此帶來的行業變革趨勢做了詳細分析。

OEM重新獲得架構發展的主動權

李興禹指出，過去汽車的智能化功能是以獨立單元的形式呈現的，比如車窗的智能化、車身的智能化等。事實上，它是一個分布式ECU架構。然而，隨著“軟件定義的汽車”的概念深入人心，汽車的電子和電氣架構也需要改變，目標是通過底層架構的改變來加速軟件開發。從分布式ECU架構到域架構，計算的集中度明顯提高。后者按照不同的功能進行集群化，以“面向服務(SOA)架構”的理念，可以體現軟硬解耦，在車內以以太網為骨干網絡互聯。隨著這種趨勢的不斷發展，出現了一種中央計算架構，它可以提供一個開放的軟件平臺。底層資源充分匯集，中央政府可以共享。未來云計算和車端計算將進一步開放，形成更大的協同計算網絡，但車端的邊緣計算仍然是智能化的基石。

綜上所述，車輛計算架構的核心演進邏輯是通過提供一個開放的、資源豐富的硬件平臺，讓軟件開發更加高效。

特斯拉電子電氣架構的演變就是一個典型的例子。特斯拉Model S基于功能有明顯的域劃分，ADAS模塊橫跨動力域和底盤域。在Model X中，底盤域、車身低速容錯和車身域合并形成中央車身控制模塊，ADAS功能進一步擴展到以Autopilot為代表的域控制器架構，而熱控制器與中央控制相連。再到Model 3，就變成了集中式計算架構，以HW3.0為底層計算平臺，加上左右車身控制器，可以覆蓋整車的計算和控制。

“軟件定義的汽車將對產業結構產生重大影響，使原始設備制造商在與頂級Tier1的博弈過程中重新獲得優勢，并不斷將過去屬于Tier1的功能帶回并自行重新開發。”李興禹說。

特斯拉大幅領先傳統玩家。

據李興禹介紹，在特斯拉的車載中央計算平臺中，有一個巧妙的功能安全機制，即FSD有兩個芯片，兩個芯片同時分析相同的數據，然后進行比較，才能得出最終的結論。該平臺以FSD為核心，一次性連接所有車載攝像頭作為主傳感器，集中處理，配合左右車身控制器，使計算架構簡單明了。

我們再來看看寶馬，一個在傳統代工中更聰明的玩家。它采用了一系列計算平臺，覆蓋了從L1到L4的整個堆棧。隨著自動駕駛水平的提高，傳感器的數量越來越多。“中央計算平臺的主要任務是環境感知。隨著傳感器數量的不斷增加，必然導致平臺對計算能力的需求飆升。”他說。

安全性方面，寶馬在硬件上有異構雙機備份，在軟件上有交叉驗證。主要部件達到ASIL B級，關鍵部件達到ASIL D級。“從軟件和硬件配置的角度來看，寶馬的功能安全已經達到了一個完整的水平，但我們意識到……安全機制的復雜性帶來了新的安全風險。比如大量使用驗證機制，但是如何保證檢查器的可靠性？李興禹說，“安全本身并不是絕對完美的，只有相對值才能確保可靠性要求得到滿足。"

至于大眾集團，走的是折中路線，采用三臺高性能計算機(ICAS)組成核心計算組，稱為E3架構，適用于覆蓋不同檔次的車輛。“這種架構也能在相當程度上實現軟件定義汽車的目標。可以高效開發不同地區、不同用戶的功能，還采用了面向服務的架構。”他說。

綜合來看，特斯拉去年已經實現了集中式計算架構，寶馬預計2021年推出。通用和大眾還處于領域控制或跨領域整合階段。在Tier1中，Amber相對領先。半集中式計算架構預計在2022年推出，集中式計算架構預計在2025年推出。“不具備這種開發能力的OEM廠商可能要到2024年或2027年才能迎來量產車。由此看來，特斯拉已經大大領先于傳統玩家。有報告顯示，這種領先至少是6年。”李興禹說。

AI計算芯片是智能汽車的數字引擎。

李興禹指出，智能汽車的電子和電氣架構設計面臨四大挑戰。第一，功能、信息和預期功能的安全性；第二，實時性能；第三，帶寬瓶頸；第四，計算能力的黑洞。

在安全性方面，ISO26262在面對人工智能和自動駕駛等新技術時是否足夠需要進一步評估。此外，正在制定大量的安全標準。相關標準主要由國際標準化組織(ISO)和電氣電子工程師協會(IEEE)主導。“總體來說，智能汽車的安全標準還處于早期階段，但未來如何衡量汽車的安全性是行業無法回避的話題。現階段我還在探索。”他說。

感知和AI安全仍然是自動駕駛落地的主要挑戰。軟硬件分離催生了感知平臺，支撐上層的多樣化功能。“感知是汽車對外部物理世界的數字化描述。沒有二元性，容易標準化。未來，隨著智能功能的日益復雜，我們要求感知不能單獨用于某項功能，而是成為一種公共資源。未來整個數據的處理方式將發生根本性的變化，即感知的處理將進一步集中化。”他說。

在計算能力方面，Horizon &的創始人；CEO余凱曾指出，在智能汽車時代，ai計算芯片是數字引擎，提供了智能汽車最重要的硬件基石:計算能力。李興禹表示，目前計算能力不足已經成為智能汽車發展的核心瓶頸。計算能力就像智能汽車的大腦容量。在進化史上，靈長類動物智力的提高是隨著腦容量的不斷提高而獲得的，汽車的智力也遵循同樣的趨勢。計算能力的不斷提升是汽車智能化進步的標志。對中央計算平臺的計算能力的需求是多樣化的。AI計算是異構計算中最大的部分，對邏輯計算能力的需求也越來越大。中央計算平臺的兩大應用是自動駕駛和智能駕駛艙。前者以AI計算為主，后者以邏輯計算為主，需要用不同的芯片來實現。每增加一級自動駕駛，對計算能力的需求就增加十倍。

AI對計算能力的需求在過去7年里增長了7個數量級。舊有的摩爾定律已經無法支撐AI對計算能力的需求，汽車級AI芯片的軟件成本增長速度快于硬件，正在快速推高芯片開發成本。李興禹說，特斯拉領先于競爭對手主要是因為它自己的FSD。與NVIDIA Drive PX2相比，性能提升21倍，功耗僅增加1/4，成本降低20%。從特斯拉身上，我們可以看到AI計算的“新”摩爾定律:軟硬件協同提高數據處理效率。

據了解，Horizon基于軟硬件協同的概念構建AI處理器。去年，它推出了中國首款汽車級AI芯片——Journey 2，并于今年第一季度應用于長安的量產車。Horizon還計劃推出Journey 5，它可以在15W的功耗下提供96 TOPS的計算能力。

李興禹指出，總體來看，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、應用生態化。三大核心支柱分別是:AI計算芯片、車載操作系統、海量數據閉環。軟件將汽車定義為終極方向:中央計算區域框架支持面向服務的軟件框架。

技術的巨大變革必然帶來產業的變革。他指出，汽車產業是按照IT產業的邏輯和節奏發展的；產業生態也將被重塑，拼圖式合作將取代傳統的塔式結構供應鏈；整個汽車產業價值鏈發生轉移，智能零部件成為整車最大的成本因素。例如，預計到2030年，特斯拉Model 3的智能零部件比例將達到45%；淘汰賽拉開序幕，行業迎來百年巨變。

精彩問答

講座結束后，李興禹還與網友進行了問答互動。記者為讀者提取精華。

問:Horizon的芯片是主域控制器還是中央計算機域？

答:分階段來看，地平線征途2和征途3處于域控制器階段，而計劃于明年年底或明年年初推出的征途5，計算能力提升20倍，將應用于中央計算平臺。

問:在特斯拉、大眾和寶馬推出的計算平臺中，你最看好哪一個？為什么？

答:我看好以特斯拉為代表的計算平臺架構，大大提高了進化效率，軟件迭代效率高。然而，沒有一種體系結構適用于所有情況。特斯拉車型少，價格高，而大眾分布廣，種類多，所以采用三域控制器的架構，可以有效匹配不同的車型。寶馬更注重安全，所以采用復雜的異構計算架構來實現自己的功能安全標準。所以每一個計算平臺都必須植根于自己的產品組合和品牌定位，只有最適合的，沒有最好的。

問:智能汽車時代，中國企業該怎么做？

答:國內的主機廠應該向特斯拉學習，但不應該“抄襲”。比較可行的辦法是充分聚集國內的創新企業，共同努力。中國市場在驅動條件和消費者需求方面與國外有很多不同，這可以作為中國企業的突破口。有芯片開發能力的上游公司與OEM廠商深度結合，共同創新，將是更實際的方式。

問:中國的造車新勢力能趕上特斯拉嗎？相比傳統主機廠有什么優勢？

答:在中國的駕駛場景中，我很期待中國的造車新勢力趕上特斯拉。這些新生力量的進化速度非常快，這是他們的優勢。相比之下，傳統OEM在組織和文化上存在先天劣勢，決策速度不夠快，人才結構不合理，軟件能力有待重建。

問:除了芯片，地平線還會拓展上層業務嗎？

答:我們做了很多嘗試，但從2019年開始，我們加強了路線，專注于芯片做底層賦能。我們的核心是構建一個基于芯片的開放開發平臺，讓客戶基于這個平臺構建自己的核心軟件能力。

問:地平線未來會有更強大的芯片計劃嗎？

答:是的，我們計劃的最新一代芯片的計算能力是三位數的TOPS，這是世界上最高的。計算能力不足將成為智能汽車長期發展的瓶頸。如果說星載計算機是大腦，那么首先要擴大腦容量，保證其后續的迭代進化能力。

問:在智能時代，燃油車相比電動車是否沒有優勢？

答:電動車更容易平臺化，平臺也是智能化的加分項。未來將出現兩種脫鉤趨勢。除了軟件和硬件解耦，還會有機械和電子解耦。電動汽車的機電解耦本來就比燃油汽車容易。但這并不意味著燃油車沒有優勢，尤其是會長期占據市場主導地位，還是要看用戶的需求。我們第一款量產車是燃油車。

編輯:蒙奇“對智能的考驗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，充分利用AI芯片和軟件，讓車輛從功能機器變成高級駕駛伴侶，讓人類從駕駛任務承擔者變成出行享受者。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程”第22講中，地平線市場開發與戰略規劃副總裁李興禹對車載中央處理器的架構、安全性、計算能力等做了詳細分析……ing平臺，以及由此帶來的行業改革趨勢。

OEM重新獲得架構發展的主動權

李興禹指出，過去汽車的智能化功能是以獨立單元的形式呈現的，比如車窗的智能化、車身的智能化等。事實上，它是一個分布式ECU架構。然而，隨著“軟件定義的汽車”的概念深入人心，汽車的電子和電氣架構也需要改變，目標是通過底層架構的改變來加速軟件開發。從分布式ECU架構到域架構，計算的集中度明顯提高。后者按照不同的功能進行集群化，以“面向服務(SOA)架構”的理念，可以體現軟硬解耦，在車內以以太網為骨干網絡互聯。隨著這種趨勢的不斷發展，出現了一種中央計算架構，它可以提供一個開放的軟件平臺。底層資源充分匯集，中央政府可以共享。未來云計算和車端計算將進一步開放，形成更大的協同計算網絡，但車端的邊緣計算仍然是智能化的基石。

綜上所述，車輛計算架構的核心演進邏輯是通過提供一個開放的、資源豐富的硬件平臺，讓軟件開發更加高效。

特斯拉電子電氣架構的演變就是一個典型的例子。特斯拉Model S基于功能有明顯的域劃分，ADAS模塊橫跨動力域和底盤域。在Model X中，底盤域、車身低速容錯和車身域合并形成中央車身控制模塊，ADAS功能進一步擴展到以Autopilot為代表的域控制器架構，而熱控制器與中央控制相連。再到Model 3，就變成了集中式計算架構，以HW3.0為底層計算平臺，加上左右車身控制器，可以覆蓋整車的計算和控制。

“軟件定義的汽車將對產業結構產生重大影響，使原始設備制造商在與頂級Tier1的博弈過程中重新獲得優勢，并不斷將過去屬于Tier1的功能帶回并自行重新開發。”李興禹說。

特斯拉大幅領先傳統玩家。

據李興禹介紹，在特斯拉的車載中央計算平臺中，有一個巧妙的功能安全機制，即FSD有兩個芯片，兩個芯片同時分析相同的數據，然后進行比較，才能得出最終的結論。該平臺以FSD為核心，一次性連接所有車載攝像頭作為主傳感器，集中處理，配合左右車身控制器，使計算架構簡單明了。

我們再來看看寶馬，一個在傳統代工中更聰明的玩家。它采用了一系列計算平臺，覆蓋了從L1到L4的整個堆棧。隨著自動駕駛水平的提高，傳感器的數量越來越多。“中央計算平臺的主要任務是環境感知。隨著傳感器數量的不斷增加，必然導致平臺對計算能力的需求飆升。”他說。

安全性方面，寶馬在硬件上有異構雙機備份，在軟件上有交叉驗證。主要部件達到ASIL B級，關鍵部件達到ASIL D級。“從軟件和硬件配置來看，寶馬的功能安全已經達到了完整的水平，但我們意識到安全機制的復雜性引入了新的安全風險。比如大量使用驗證機制，但如何保證檢查者的可靠性？”李興禹說，“安全本身不是絕對完美的，只有相對值才能確保滿足對可靠性的要求。”

至于大眾集團，走的是折中路線，采用三臺高性能計算機(ICAS)組成核心計算組，稱為E3架構，適用于覆蓋不同檔次的車輛。“這種架構也能在相當程度上實現軟件定義汽車的目標。可以高效開發不同地區、不同用戶的功能，還采用了面向服務的架構。”他說。

總的來說，特斯拉去年已經實現了集中式計算架構，而且……MW預計在2021年推出。通用和大眾還處于領域控制或跨領域整合階段。在Tier1中，Amber相對領先。半集中式計算架構預計在2022年推出，集中式計算架構預計在2025年推出。“不具備這種開發能力的OEM廠商可能要到2024年或2027年才能迎來量產車。由此看來，特斯拉已經大大領先于傳統玩家。有報告顯示，這種領先至少是6年。”李興禹說。

AI計算芯片是智能汽車的數字引擎。

李興禹指出，智能汽車的電子和電氣架構設計面臨四大挑戰。第一，功能、信息和預期功能的安全性；第二，實時性能；第三，帶寬瓶頸；第四，計算能力的黑洞。

在安全性方面，ISO26262在面對人工智能和自動駕駛等新技術時是否足夠需要進一步評估。此外，正在制定大量的安全標準。相關標準主要由國際標準化組織(ISO)和電氣電子工程師協會(IEEE)主導。“總體來說，智能汽車的安全標準還處于早期階段，但未來如何衡量汽車的安全性是行業無法回避的話題。現階段我還在探索。”他說。

感知和AI安全仍然是自動駕駛落地的主要挑戰。軟硬件分離催生了感知平臺，支撐上層的多樣化功能。“感知是汽車對外部物理世界的數字化描述。沒有二元性，容易標準化。未來，隨著智能功能的日益復雜，我們要求感知不能單獨用于某項功能，而是成為一種公共資源。未來整個數據的處理方式將發生根本性的變化，即感知的處理將進一步集中化。”他說。

在計算能力方面，Horizon &的創始人；CEO余凱曾指出，在智能汽車時代，ai計算芯片是數字引擎，提供了智能汽車最重要的硬件基石:計算能力。李興禹表示，目前計算能力不足已經成為智能汽車發展的核心瓶頸。計算能力就像智能汽車的大腦容量。在進化史上，靈長類動物智力的提高是隨著腦容量的不斷提高而獲得的，汽車的智力也遵循同樣的趨勢。計算能力的不斷提升是汽車智能化進步的標志。對中央計算平臺的計算能力的需求是多樣化的。AI計算是異構計算中最大的部分，對邏輯計算能力的需求也越來越大。中央計算平臺的兩大應用是自動駕駛和智能駕駛艙。前者以AI計算為主，后者以邏輯計算為主，需要用不同的芯片來實現。每增加一級自動駕駛，對計算能力的需求就增加十倍。

AI對計算能力的需求在過去7年里增長了7個數量級。舊有的摩爾定律已經無法支撐AI對計算能力的需求，汽車級AI芯片的軟件成本增長速度快于硬件，正在快速推高芯片開發成本。李興禹說，特斯拉領先于競爭對手主要是因為它自己的FSD。與NVIDIA Drive PX2相比，性能提升21倍，功耗僅增加1/4，成本降低20%。從特斯拉身上，我們可以看到AI計算的“新”摩爾定律:軟硬件協同提高數據處理效率。

據了解，Horizon基于軟硬件協同的概念構建AI處理器。去年，它推出了中國首款汽車級AI芯片——Journey 2，并于今年第一季度應用于長安的量產車。Horizon還計劃推出Journey 5，它可以在15W的功耗下提供96 TOPS的計算能力。

李興禹指出，總體來看，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、應用生態化。三大核心支柱分別是:AI計算芯片、車載操作系統、海量數據閉環。軟件將汽車定義為終極方向:中央計算區域框架支持面向服務的軟件框架。

技術的巨大變革必然帶來產業的變革。他指出，汽車產業是按照IT產業的邏輯和節奏發展的；產業生態也將被重塑，拼圖式合作將取代傳統的塔式結構供應鏈；整個汽車產業價值鏈發生轉移，智能零部件成為整車最大的成本因素。例如，預計到2030年，特斯拉Model 3的智能零部件比例將達到45%；淘汰賽拉開序幕，行業迎來百年巨變。

精彩問答

講座結束后，李興禹還與網友進行了問答互動。記者為讀者提取精華。

問:Horizon的芯片是主域控制器還是中央計算機域？

答:分階段來看，地平線征途2和征途3處于域控制器階段，而計劃于明年年底或明年年初推出的征途5，計算能力提升20倍，將應用于中央計算平臺。

問:在特斯拉、大眾和寶馬推出的計算平臺中，你最看好哪一個？為什么？

答:我看好以特斯拉為代表的計算平臺架構，大大提高了進化效率，軟件迭代效率高。然而，沒有一種體系結構適用于所有情況。特斯拉車型少，價格高，而大眾分布廣，種類多，所以采用三域控制器的架構，可以有效匹配不同的車型。寶馬更注重安全，所以采用復雜的異構計算架構來實現自己的功能安全標準。所以每一個計算平臺都必須植根于自己的產品組合和品牌定位，只有最適合的，沒有最好的。

問:智能汽車時代，中國企業該怎么做？

答:國內的主機廠應該向特斯拉學習，但不應該“抄襲”。比較可行的辦法是充分聚集國內的創新企業，共同努力。中國市場在驅動條件和消費者需求方面與國外有很多不同，這可以作為中國企業的突破口。有芯片開發能力的上游公司與OEM廠商深度結合，共同創新，將是更實際的方式。

問:中國的造車新勢力能趕上特斯拉嗎？相比傳統主機廠有什么優勢？

答:在中國的駕駛場景中，我很期待中國的造車新勢力趕上特斯拉。這些新生力量的進化速度非常快，這是他們的優勢。相比之下，傳統OEM在組織和文化上存在先天劣勢，決策速度不夠快，人才結構不合理，軟件能力有待重建。

問:除了芯片，地平線還會拓展上層業務嗎？

答:我們做了很多嘗試，但從2019年開始，我們加強了路線，專注于芯片做底層賦能。我們的核心是構建一個基于芯片的開放開發平臺，讓客戶基于這個平臺構建自己的核心軟件能力。

問:地平線未來會有更強大的芯片計劃嗎？

答:是的，我們計劃的最新一代芯片的計算能力是三位數的TOPS，這是世界上最高的。計算能力不足將成為智能汽車長期發展的瓶頸。如果說星載計算機是大腦，那么首先要擴大腦容量，保證其后續的迭代進化能力。

問:在智能時代，燃油車相比電動車是否沒有優勢？

答:電動車更容易平臺化，平臺也是智能化的加分項。未來將出現兩種脫鉤趨勢。除了軟件和硬件解耦，還會有機械和電子解耦。電動汽車的機電解耦本來就比燃油汽車容易。但這并不意味著燃油車沒有優勢，尤其是會長期占據市場主導地位，還是要看用戶的需求。我們第一款量產車是燃油車。

編輯:蒙奇

標簽：特斯拉寶馬大眾理念Model 3

汽車資訊熱門資訊