地平线李星宇简介：数字重塑浪潮下，一场深刻的汽车电子电气（E/E）架构变革正在酝酿，汽车行业与PC、手机行业一样，正在迈向智能时代。
这背后将体现出什么样的技术挑战、行业变革和对策？只有将我们的视野置于机器人时代的宏大叙事背景下，我们才能看到这场智能汽车电子架构革命对时代的全部意义。
看清趋势并不难，难的是彻底变革自己。
谁能更坚决地拥抱这一趋势，谁就能赢得百年巨变的汽车行业竞争。
以下是本文的一些主要结论： 1.智能汽车将成为移动超级计算机和数据中心。
它是IT历史上最复杂的单一产品，并将催生新的Wintel。
2、新的E/E架构将于2019年左右实现商业化。
3、组织变革是整车厂在这场技术革命中面临的最大挑战。
4.作为移动自主机器的第一种形式，智能汽车将发挥远大于其自身市场的商业价值。
5、E/E架构变革四大趋势：计算集中化、软硬件解耦、平台标准化、功能定制化。
6、新的E/E架构将基于中央计算机层区域的概念构建，体现面向服务的架构（SOA）的概念。
7、新的E/E架构将使OEM厂商在与领先的Tier1的博弈中重新获得主动权。
8、AI边缘计算芯片是技术制高点，需要跨越成本、功耗、性能等关键点。
大趋势：从分布式到集中式 如今，E/E架构设计面临四大挑战：功能安全、实时性能、带宽瓶颈、算力黑洞。
为此，智能汽车E/E架构正在从分布式转向集中式；其最终形态将是超级中央计算机，包括计算集中化、软硬件解耦、平台标准化、功能定制化四大趋势。
图1 智能汽车电子电气架构发展趋势 1、计算集中化：面向服务的系统架构（SOA）将成为主流，为软件提供高性能的实时计算平台。
在这样的大概念下，一个真正的汽车大脑将会诞生：超级中央计算机。
它还与MEC（多接入边缘计算）和云计算形成协同解决方案，以避免车辆端计算能力需求的无限增长。
伴随着计算的集中化，出现了一个新的概念：区域控制，它与目前流行的域控制器概念有着本质的区别。
以军队为例，域概念就像按照职能划分海、陆、空三军（动力域、底盘域、娱乐域、安全域），拥有独立作战权，但不能与其他部队共享资源。
而分区概念则以战区划分为师，与中央计算机形成联合作战指挥+战区的概念。
协作和执行效率将实现质的飞跃。
2、软硬件解耦：SOA架构还会产生硬件抽象层（HAL）的概念。
硬件不再专属于某种功能。
例如，一个前视摄像头可能在过去是AEB/ACC系统独有的，但现在，任何车载功能都可以调用这个摄像头，这意味着一个独立的感知层将会出现，并成为公共资源。
如今，功能安全是智能汽车面临的最大挑战之一。
如果遵循分布式架构，为每个功能添加独立的安全冗余硬件，那将是一场成本灾难。
然而，基于新的设计架构，所有通过连接硬件资源和应用程序，将有更多的安全路由选择，为以经济的成本实现功能安全开辟了新的路径。
在供应链管理方面，由于每种资源都有很多独立的供应商，主机厂将有更多的选择，而不是像选择域控制器供应商那样打包采购，让主机厂重新获得领先Tier1主动权的博弈。
3.平台标准化：未来整车厂可能只会开发一种电动汽车平台，涵盖低端车型、中端车型和高端车型。
整车厂将构建自己的硬件平台，并满足通用性、标准化和互操作性三个原则，这将使智能汽车行业的协同演进更加高效。
更重要的原因来自于商业的考虑：钱！开发这样的智能平台可能需要编写超过3亿行代码，比Windows操作系统高出一个数量级。
开发和维护多个平台在经济上不可行。
大众和福特已经在电动汽车领域共享MEB平台，以降低开发成本。
近日，戴姆勒与宝马宣布合作，共同开发自动驾驶技术，以降低开发成本并建立自动驾驶标准。
随着这一趋势的发展，很可能会出现类似于PC行业的Wintel平台，从而形成智能汽车的生态系统。
正如我们在个人电脑和手机行业所看到的那样，这个通用平台将被大多数原始设备制造商采用。
那样。
4、功能定制：智能化是未来品牌差异化的核心要素，主要通过增加软件功能来实现。
未来，OEM交付的汽车将不再是具有固定功能的产品，而是不断进化的机器人。
特斯拉近期通过OTA升级发布的“哨兵模式”和“狗狗模式”就生动地体现了这一点。
图2 未来的智能汽车将有一个开放的应用平台。
几乎可以肯定的是，智能汽车是IT史上软硬件开发量最大的单品，将引领IT行业进入数十亿代码+数千TB算力的时代。
。
图 3 智能汽车所需的软件代码量远远超过 IT 历史上任何其他产品。
智能重塑对整车厂的挑战是彻底的颠覆，将带来组织、人才、供应链四个方面的巨大变化。
和核心技术。
组织变革是最具挑战性的。
整合汽车所有职能领域对组织结构产生前所未有的影响；从根本上重塑整车厂的组织结构，从功能型组织转变为平台型开发型组织。
重新定义智能时代的核心技术：计算平台、操作系统和应用软件。
特斯拉的核心技术架构是芯片和软件，这一点很切中要害。
从技术角度来看，最大的挑战来自于AI边缘计算。
过去几年，我们看到，自动驾驶水平每提升一次，AI算力就提升近一个数量级。
如果我们想要实现完全自动驾驶，就需要TOPS级别的计算能力，这已经达到了人脑的计算能力。
这种级别的算力需要AI芯片突破成本、功耗和性能的瓶颈。
它必须将处理器架构的创新与算法和工具链结合起来，并协同设计软件和硬件。
没有算法和工具链，单纯谈论芯片的绝对算力是没有意义的。
现在的行业存在很大的误区。
绝对算力常被作为衡量AI芯片的主要指标。
但我们真正需要的是有效算力，需要从四个维度来衡量：算力的有效利用率、每瓦有效算力、每美元有效算力、算力转化为AI结果的表现（数量）。
目标、帧速率等）。
这样的整体解决方案决定了数据转化为决策/服务的效率和质量，是时代真正呼唤的硬技术。
谷歌是这一理念的践行者，TPU的成功也证明了这一点。
在中国，初创公司地平线基于这一理念推出了极高性能的Journey AI芯片。
2018年发布的第一代征程AI芯片已获得业界认可。
已获得广泛认可，即将推出第二代征程芯片。
可以说，未来的智能汽车将是移动超级计算机和数据中心，而边缘人工智能处理器将是智能汽车竞争的主战场和技术制高点。
应对措施和行业实践 预测未来的最好方法就是创造未来。
特斯拉、安波福、通用汽车和宝马是这一变革的先驱。
根据安波福的计划，这一转型将分阶段进行。
今年将推出混合架构，将PDC（电力数据中心）集成到传统车辆E/E架构中。
到今年，将实现开放的中央计算机架构。
图4 对Aptiv中央计算架构定义最激进的汽车制造商是特斯拉。
在Model 3的E/E架构中，域控制器的概念被区域控制所取代，整个架构仅由三大模块组成。
博世的进取路线是从域集中化开始的，最终目标是同一个车载中央计算机。
图5 博世的进取路线 宝马在E/E架构上的改变，清晰地体现了计算集中化的趋势。
图6 宝马规划的下一代E/E架构总结。
从技术上讲，中央计算机层区的概念将为智能汽车建立新的架构。
区是地方的控制、感知和执行单位。
该层是按照功能划分的资源池。
中央计算机才是真正的决策大脑。
它面向应用程序/服务，调用每一层的资源并执行高层决策。
区控制单位执行决定或完成情况。
感知任务。
对于车辆E/E架构来说，中央计算机概念是全新的，但对于PC和手机行业来说，它已经是一个非常成熟的概念。
当智能化浪潮从IT行业延伸到汽车时，我们看到同样的故事正在发生，汽车行业的基因正在发生改变。
从这个意义上来说，无论是苹果、英特尔、高通、三星还是华为，它们进入汽车行业的逻辑都不是简单的复制，而是对自身IT基因和汽车固有基因的重新编辑和进化。
创造新物种，引领计算产业从手机TOPS时代走向POPS（TOPS）时代。
在这个过程中，他们有着先天的遗传优势。
目标往往很明确，但实现目标的路径却截然不同。
无论你是IT新贵，还是汽车行业的老手，每个人都根据自己的优势，从不同的坡度攀登同一座山。
在此过程中，每家公司在产品路线图、性能、安全性和成本方面都有不同的方法。
很难说哪条路更好，所以无论是大陆还是博世渐进的领域融合Path，还是特斯拉、安波福更激进的做法，都是面向未来的探索，都值得尊重。
从个人电脑到手机再到机器人，每一代智能设备的尺寸都比上一代增长了十倍。
作为移动自主机器的第一种形式，智能汽车是机器人时代当之无愧的杀手级应用。
它们也是技术旗舰，将催生无数类型的移动机器人。
正如蒸汽机开启工业革命、手机行业引领整个移动设备时代一样，智能汽车最终将撬动远大于自身市场的商业价值。