精品课第22讲 || 李星宇：算力为王！车载中央计算平台赋能软件定义汽车

“对智能的考验不再是供应链和成本管理，而是进化的速度，即如何以最快的速度满足消费者的多样化需求，充分利用AI芯片和软件，让车辆从功能机器变成高级驾驶伴侣，让人类从驾驶任务承担者变成出行享受者。这应该是整个中央计算平台引领的行业变革的核心目标。”

9月7日晚，在中国汽车报与广州智能网联汽车示范区运营中心联合推出的“2020智能网联汽车精品课程”第22讲中，地平线市场开发与战略规划副总裁李兴禹对车载中央计算平台的架构、安全性、计算能力，以及由此带来的行业变革趋势做了详细分析。

OEM重新获得架构发展的主动权

李兴禹指出，过去汽车的智能化功能是以独立单元的形式呈现的，比如车窗的智能化、车身的智能化等。事实上，它是一个分布式ECU架构。然而，随着“软件定义的汽车”的概念深入人心，汽车的电子和电气架构也需要改变，目标是通过底层架构的改变来加速软件开发。从分布式ECU架构到域架构，计算的集中度明显提高。后者按照不同的功能进行集群化，以“面向服务(SOA)架构”的理念，可以体现软硬解耦，在车内以以太网为骨干网络互联。随着这种趋势的不断发展，出现了一种中央计算架构，它可以提供一个开放的软件平台。底层资源充分汇集，中央政府可以共享。未来云计算和车端计算将进一步开放，形成更大的协同计算网络，但车端的边缘计算仍然是智能化的基石。

综上所述，车辆计算架构的核心演进逻辑是通过提供一个开放的、资源丰富的硬件平台，让软件开发更加高效。

特斯拉电子电气架构的演变就是一个典型的例子。特斯拉Model S基于功能有明显的域划分，ADAS模块横跨动力域和底盘域。在Model X中，底盘域、车身低速容错和车身域合并形成中央车身控制模块，ADAS功能进一步扩展到以Autopilot为代表的域控制器架构，而热控制器与中央控制相连。再到Model 3，就变成了集中式计算架构，以HW3.0为底层计算平台，加上左右车身控制器，可以覆盖整车的计算和控制。

“软件定义的汽车将对产业结构产生重大影响，使原始设备制造商在与顶级Tier1的博弈过程中重新获得优势，并不断将过去属于Tier1的功能带回并自行重新开发。”李兴禹说。

特斯拉大幅领先传统玩家。

据李兴禹介绍，在特斯拉的车载中央计算平台中，有一个巧妙的功能安全机制，即FSD有两个芯片，两个芯片同时分析相同的数据，然后进行比较，才能得出最终的结论。该平台以FSD为核心，一次性连接所有车载摄像头作为主传感器，集中处理，配合左右车身控制器，使计算架构简单明了。

我们再来看看宝马，一个在传统代工中更聪明的玩家。它采用了一系列计算平台，覆盖了从L1到L4的整个堆栈。随着自动驾驶水平的提高，传感器的数量越来越多。“中央计算平台的主要任务是环境感知。随着传感器数量的不断增加，必然导致平台对计算能力的需求飙升。”他说。

安全性方面，宝马在硬件上有异构双机备份，在软件上有交叉验证。主要部件达到ASIL B级，关键部件达到ASIL D级。“从软件和硬件配置的角度来看，宝马的功能安全已经达到了一个完整的水平，但我们意识到……安全机制的复杂性带来了新的安全风险。比如大量使用验证机制，但是如何保证检查器的可靠性？李兴禹说，“安全本身并不是绝对完美的，只有相对值才能确保可靠性要求得到满足。"

至于大众集团，走的是折中路线，采用三台高性能计算机(ICAS)组成核心计算组，称为E3架构，适用于覆盖不同档次的车辆。“这种架构也能在相当程度上实现软件定义汽车的目标。可以高效开发不同地区、不同用户的功能，还采用了面向服务的架构。”他说。

综合来看，特斯拉去年已经实现了集中式计算架构，宝马预计2021年推出。通用和大众还处于领域控制或跨领域整合阶段。在Tier1中，Amber相对领先。半集中式计算架构预计在2022年推出，集中式计算架构预计在2025年推出。“不具备这种开发能力的OEM厂商可能要到2024年或2027年才能迎来量产车。由此看来，特斯拉已经大大领先于传统玩家。有报告显示，这种领先至少是6年。”李兴禹说。

AI计算芯片是智能汽车的数字引擎。

李兴禹指出，智能汽车的电子和电气架构设计面临四大挑战。第一，功能、信息和预期功能的安全性；第二，实时性能；第三，带宽瓶颈；第四，计算能力的黑洞。

在安全性方面，ISO26262在面对人工智能和自动驾驶等新技术时是否足够需要进一步评估。此外，正在制定大量的安全标准。相关标准主要由国际标准化组织(ISO)和电气电子工程师协会(IEEE)主导。“总体来说，智能汽车的安全标准还处于早期阶段，但未来如何衡量汽车的安全性是行业无法回避的话题。现阶段我还在探索。”他说。

感知和AI安全仍然是自动驾驶落地的主要挑战。软硬件分离催生了感知平台，支撑上层的多样化功能。“感知是汽车对外部物理世界的数字化描述。没有二元性，容易标准化。未来，随着智能功能的日益复杂，我们要求感知不能单独用于某项功能，而是成为一种公共资源。未来整个数据的处理方式将发生根本性的变化，即感知的处理将进一步集中化。”他说。

在计算能力方面，Horizon &的创始人；CEO余凯曾指出，在智能汽车时代，ai计算芯片是数字引擎，提供了智能汽车最重要的硬件基石:计算能力。李兴禹表示，目前计算能力不足已经成为智能汽车发展的核心瓶颈。计算能力就像智能汽车的大脑容量。在进化史上，灵长类动物智力的提高是随着脑容量的不断提高而获得的，汽车的智力也遵循同样的趋势。计算能力的不断提升是汽车智能化进步的标志。对中央计算平台的计算能力的需求是多样化的。AI计算是异构计算中最大的部分，对逻辑计算能力的需求也越来越大。中央计算平台的两大应用是自动驾驶和智能驾驶舱。前者以AI计算为主，后者以逻辑计算为主，需要用不同的芯片来实现。每增加一级自动驾驶，对计算能力的需求就增加十倍。

AI对计算能力的需求在过去7年里增长了7个数量级。旧有的摩尔定律已经无法支撑AI对计算能力的需求，汽车级AI芯片的软件成本增长速度快于硬件，正在快速推高芯片开发成本。李兴禹说，特斯拉领先于竞争对手主要是因为它自己的FSD。与NVIDIA Drive PX2相比，性能提升21倍，功耗仅增加1/4，成本降低20%。从特斯拉身上，我们可以看到AI计算的“新”摩尔定律:软硬件协同提高数据处理效率。

据了解，Horizon基于软硬件协同的概念构建AI处理器。去年，它推出了中国首款汽车级AI芯片——Journey 2，并于今年第一季度应用于长安的量产车。Horizon还计划推出Journey 5，它可以在15W的功耗下提供96 TOPS的计算能力。

李兴禹指出，总体来看，车载计算平台有四大趋势:计算集中化、软硬件解耦、平台标准化、应用生态化。三大核心支柱分别是:AI计算芯片、车载操作系统、海量数据闭环。软件将汽车定义为终极方向:中央计算区域框架支持面向服务的软件框架。

技术的巨大变革必然带来产业的变革。他指出，汽车产业是按照IT产业的逻辑和节奏发展的；产业生态也将被重塑，拼图式合作将取代传统的塔式结构供应链；整个汽车产业价值链发生转移，智能零部件成为整车最大的成本因素。例如，预计到2030年，特斯拉Model 3的智能零部件比例将达到45%；淘汰赛拉开序幕，行业迎来百年巨变。

精彩问答

讲座结束后，李兴禹还与网友进行了问答互动。记者为读者提取精华。

问:Horizon的芯片是主域控制器还是中央计算机域？

答:分阶段来看，地平线征途2和征途3处于域控制器阶段，而计划于明年年底或明年年初推出的征途5，计算能力提升20倍，将应用于中央计算平台。

问:在特斯拉、大众和宝马推出的计算平台中，你最看好哪一个？为什么？

答:我看好以特斯拉为代表的计算平台架构，大大提高了进化效率，软件迭代效率高。然而，没有一种体系结构适用于所有情况。特斯拉车型少，价格高，而大众分布广，种类多，所以采用三域控制器的架构，可以有效匹配不同的车型。宝马更注重安全，所以采用复杂的异构计算架构来实现自己的功能安全标准。所以每一个计算平台都必须植根于自己的产品组合和品牌定位，只有最适合的，没有最好的。

问:智能汽车时代，中国企业该怎么做？

答:国内的主机厂应该向特斯拉学习，但不应该“抄袭”。比较可行的办法是充分聚集国内的创新企业，共同努力。中国市场在驱动条件和消费者需求方面与国外有很多不同，这可以作为中国企业的突破口。有芯片开发能力的上游公司与OEM厂商深度结合，共同创新，将是更实际的方式。

问:中国的造车新势力能赶上特斯拉吗？相比传统主机厂有什么优势？

答:在中国的驾驶场景中，我很期待中国的造车新势力赶上特斯拉。这些新生力量的进化速度非常快，这是他们的优势。相比之下，传统OEM在组织和文化上存在先天劣势，决策速度不够快，人才结构不合理，软件能力有待重建。

问:除了芯片，地平线还会拓展上层业务吗？

答:我们做了很多尝试，但从2019年开始，我们加强了路线，专注于芯片做底层赋能。我们的核心是构建一个基于芯片的开放开发平台，让客户基于这个平台构建自己的核心软件能力。

问:地平线未来会有更强大的芯片计划吗？

答:是的，我们计划的最新一代芯片的计算能力是三位数的TOPS，这是世界上最高的。计算能力不足将成为智能汽车长期发展的瓶颈。如果说星载计算机是大脑，那么首先要扩大脑容量，保证其后续的迭代进化能力。

问:在智能时代，燃油车相比电动车是否没有优势？

答:电动车更容易平台化，平台也是智能化的加分项。未来将出现两种脱钩趋势。除了软件和硬件解耦，还会有机械和电子解耦。电动汽车的机电解耦本来就比燃油汽车容易。但这并不意味着燃油车没有优势，尤其是会长期占据市场主导地位，还是要看用户的需求。我们第一款量产车是燃油车。

编辑:蒙奇“对智能的考验不再是供应链和成本管理，而是进化的速度，即如何以最快的速度满足消费者的多样化需求，充分利用AI芯片和软件，让车辆从功能机器变成高级驾驶伴侣，让人类从驾驶任务承担者变成出行享受者。这应该是整个中央计算平台引领的行业变革的核心目标。”

9月7日晚，在中国汽车报与广州智能网联汽车示范区运营中心联合推出的“2020智能网联汽车精品课程”第22讲中，地平线市场开发与战略规划副总裁李兴禹对车载中央处理器的架构、安全性、计算能力等做了详细分析……ing平台，以及由此带来的行业改革趋势。

OEM重新获得架构发展的主动权

李兴禹指出，过去汽车的智能化功能是以独立单元的形式呈现的，比如车窗的智能化、车身的智能化等。事实上，它是一个分布式ECU架构。然而，随着“软件定义的汽车”的概念深入人心，汽车的电子和电气架构也需要改变，目标是通过底层架构的改变来加速软件开发。从分布式ECU架构到域架构，计算的集中度明显提高。后者按照不同的功能进行集群化，以“面向服务(SOA)架构”的理念，可以体现软硬解耦，在车内以以太网为骨干网络互联。随着这种趋势的不断发展，出现了一种中央计算架构，它可以提供一个开放的软件平台。底层资源充分汇集，中央政府可以共享。未来云计算和车端计算将进一步开放，形成更大的协同计算网络，但车端的边缘计算仍然是智能化的基石。

综上所述，车辆计算架构的核心演进逻辑是通过提供一个开放的、资源丰富的硬件平台，让软件开发更加高效。

特斯拉电子电气架构的演变就是一个典型的例子。特斯拉Model S基于功能有明显的域划分，ADAS模块横跨动力域和底盘域。在Model X中，底盘域、车身低速容错和车身域合并形成中央车身控制模块，ADAS功能进一步扩展到以Autopilot为代表的域控制器架构，而热控制器与中央控制相连。再到Model 3，就变成了集中式计算架构，以HW3.0为底层计算平台，加上左右车身控制器，可以覆盖整车的计算和控制。

“软件定义的汽车将对产业结构产生重大影响，使原始设备制造商在与顶级Tier1的博弈过程中重新获得优势，并不断将过去属于Tier1的功能带回并自行重新开发。”李兴禹说。

特斯拉大幅领先传统玩家。

据李兴禹介绍，在特斯拉的车载中央计算平台中，有一个巧妙的功能安全机制，即FSD有两个芯片，两个芯片同时分析相同的数据，然后进行比较，才能得出最终的结论。该平台以FSD为核心，一次性连接所有车载摄像头作为主传感器，集中处理，配合左右车身控制器，使计算架构简单明了。

我们再来看看宝马，一个在传统代工中更聪明的玩家。它采用了一系列计算平台，覆盖了从L1到L4的整个堆栈。随着自动驾驶水平的提高，传感器的数量越来越多。“中央计算平台的主要任务是环境感知。随着传感器数量的不断增加，必然导致平台对计算能力的需求飙升。”他说。

安全性方面，宝马在硬件上有异构双机备份，在软件上有交叉验证。主要部件达到ASIL B级，关键部件达到ASIL D级。“从软件和硬件配置来看，宝马的功能安全已经达到了完整的水平，但我们意识到安全机制的复杂性引入了新的安全风险。比如大量使用验证机制，但如何保证检查者的可靠性？”李兴禹说，“安全本身不是绝对完美的，只有相对值才能确保满足对可靠性的要求。”

至于大众集团，走的是折中路线，采用三台高性能计算机(ICAS)组成核心计算组，称为E3架构，适用于覆盖不同档次的车辆。“这种架构也能在相当程度上实现软件定义汽车的目标。可以高效开发不同地区、不同用户的功能，还采用了面向服务的架构。”他说。

总的来说，特斯拉去年已经实现了集中式计算架构，而且……MW预计在2021年推出。通用和大众还处于领域控制或跨领域整合阶段。在Tier1中，Amber相对领先。半集中式计算架构预计在2022年推出，集中式计算架构预计在2025年推出。“不具备这种开发能力的OEM厂商可能要到2024年或2027年才能迎来量产车。由此看来，特斯拉已经大大领先于传统玩家。有报告显示，这种领先至少是6年。”李兴禹说。

AI计算芯片是智能汽车的数字引擎。

李兴禹指出，智能汽车的电子和电气架构设计面临四大挑战。第一，功能、信息和预期功能的安全性；第二，实时性能；第三，带宽瓶颈；第四，计算能力的黑洞。

在安全性方面，ISO26262在面对人工智能和自动驾驶等新技术时是否足够需要进一步评估。此外，正在制定大量的安全标准。相关标准主要由国际标准化组织(ISO)和电气电子工程师协会(IEEE)主导。“总体来说，智能汽车的安全标准还处于早期阶段，但未来如何衡量汽车的安全性是行业无法回避的话题。现阶段我还在探索。”他说。

感知和AI安全仍然是自动驾驶落地的主要挑战。软硬件分离催生了感知平台，支撑上层的多样化功能。“感知是汽车对外部物理世界的数字化描述。没有二元性，容易标准化。未来，随着智能功能的日益复杂，我们要求感知不能单独用于某项功能，而是成为一种公共资源。未来整个数据的处理方式将发生根本性的变化，即感知的处理将进一步集中化。”他说。

在计算能力方面，Horizon &的创始人；CEO余凯曾指出，在智能汽车时代，ai计算芯片是数字引擎，提供了智能汽车最重要的硬件基石:计算能力。李兴禹表示，目前计算能力不足已经成为智能汽车发展的核心瓶颈。计算能力就像智能汽车的大脑容量。在进化史上，灵长类动物智力的提高是随着脑容量的不断提高而获得的，汽车的智力也遵循同样的趋势。计算能力的不断提升是汽车智能化进步的标志。对中央计算平台的计算能力的需求是多样化的。AI计算是异构计算中最大的部分，对逻辑计算能力的需求也越来越大。中央计算平台的两大应用是自动驾驶和智能驾驶舱。前者以AI计算为主，后者以逻辑计算为主，需要用不同的芯片来实现。每增加一级自动驾驶，对计算能力的需求就增加十倍。

AI对计算能力的需求在过去7年里增长了7个数量级。旧有的摩尔定律已经无法支撑AI对计算能力的需求，汽车级AI芯片的软件成本增长速度快于硬件，正在快速推高芯片开发成本。李兴禹说，特斯拉领先于竞争对手主要是因为它自己的FSD。与NVIDIA Drive PX2相比，性能提升21倍，功耗仅增加1/4，成本降低20%。从特斯拉身上，我们可以看到AI计算的“新”摩尔定律:软硬件协同提高数据处理效率。

据了解，Horizon基于软硬件协同的概念构建AI处理器。去年，它推出了中国首款汽车级AI芯片——Journey 2，并于今年第一季度应用于长安的量产车。Horizon还计划推出Journey 5，它可以在15W的功耗下提供96 TOPS的计算能力。

李兴禹指出，总体来看，车载计算平台有四大趋势:计算集中化、软硬件解耦、平台标准化、应用生态化。三大核心支柱分别是:AI计算芯片、车载操作系统、海量数据闭环。软件将汽车定义为终极方向:中央计算区域框架支持面向服务的软件框架。

技术的巨大变革必然带来产业的变革。他指出，汽车产业是按照IT产业的逻辑和节奏发展的；产业生态也将被重塑，拼图式合作将取代传统的塔式结构供应链；整个汽车产业价值链发生转移，智能零部件成为整车最大的成本因素。例如，预计到2030年，特斯拉Model 3的智能零部件比例将达到45%；淘汰赛拉开序幕，行业迎来百年巨变。

精彩问答

讲座结束后，李兴禹还与网友进行了问答互动。记者为读者提取精华。

问:Horizon的芯片是主域控制器还是中央计算机域？

答:分阶段来看，地平线征途2和征途3处于域控制器阶段，而计划于明年年底或明年年初推出的征途5，计算能力提升20倍，将应用于中央计算平台。

问:在特斯拉、大众和宝马推出的计算平台中，你最看好哪一个？为什么？

答:我看好以特斯拉为代表的计算平台架构，大大提高了进化效率，软件迭代效率高。然而，没有一种体系结构适用于所有情况。特斯拉车型少，价格高，而大众分布广，种类多，所以采用三域控制器的架构，可以有效匹配不同的车型。宝马更注重安全，所以采用复杂的异构计算架构来实现自己的功能安全标准。所以每一个计算平台都必须植根于自己的产品组合和品牌定位，只有最适合的，没有最好的。

问:智能汽车时代，中国企业该怎么做？

答:国内的主机厂应该向特斯拉学习，但不应该“抄袭”。比较可行的办法是充分聚集国内的创新企业，共同努力。中国市场在驱动条件和消费者需求方面与国外有很多不同，这可以作为中国企业的突破口。有芯片开发能力的上游公司与OEM厂商深度结合，共同创新，将是更实际的方式。

问:中国的造车新势力能赶上特斯拉吗？相比传统主机厂有什么优势？

答:在中国的驾驶场景中，我很期待中国的造车新势力赶上特斯拉。这些新生力量的进化速度非常快，这是他们的优势。相比之下，传统OEM在组织和文化上存在先天劣势，决策速度不够快，人才结构不合理，软件能力有待重建。

问:除了芯片，地平线还会拓展上层业务吗？

答:我们做了很多尝试，但从2019年开始，我们加强了路线，专注于芯片做底层赋能。我们的核心是构建一个基于芯片的开放开发平台，让客户基于这个平台构建自己的核心软件能力。

问:地平线未来会有更强大的芯片计划吗？

答:是的，我们计划的最新一代芯片的计算能力是三位数的TOPS，这是世界上最高的。计算能力不足将成为智能汽车长期发展的瓶颈。如果说星载计算机是大脑，那么首先要扩大脑容量，保证其后续的迭代进化能力。

问:在智能时代，燃油车相比电动车是否没有优势？

答:电动车更容易平台化，平台也是智能化的加分项。未来将出现两种脱钩趋势。除了软件和硬件解耦，还会有机械和电子解耦。电动汽车的机电解耦本来就比燃油汽车容易。但这并不意味着燃油车没有优势，尤其是会长期占据市场主导地位，还是要看用户的需求。我们第一款量产车是燃油车。

编辑:蒙奇

标签：特斯拉宝马大众理念Model 3

汽车资讯热门资讯