计算平台：智能网联汽车下一个主战场

赵世佳

智能网联汽车计算平台是基于高性能芯片和嵌入式实时操作系统构建的整车计算控制核心，实现对车辆进行状态判断、行为决策和整车控制。J.P.摩根预测，随着车载计算平台的规模化应用，全球汽车芯片市场在2025年前将会达到730亿美元的规模。智能网联汽车计算平台的技术研发，将实现汽车与通信、信息、交通等多领域的协同创新、融合发展，是智能网联汽车的重要支撑，有助于我国建设智慧交通和智慧城市，对我国抢占汽车产业发展制高点和汽车强国建设具有重要意义。

汽车产业竞争格局面临新挑战

从硬件方面来看，由于驾驶场景复杂和难以预测，智能网联汽车相比手机，需要超过100倍的计算能力、超过10000倍的数据生成速度，具有更加严格的最低延迟要求。这些能力正是英特尔、高通、英伟达等公司所擅长的。从软件方面来看，目前在智能网联汽车领域，深度学习已逐步取代传统算法。基于深度学习的人工智能已经被广泛应用于汽车的计算机视觉、传感器融合、目标识别等各个领域。谷歌已经完成TPU计算芯片自主研发设计，英特尔斥资2500亿元收购Mobileye，加快布局自动驾驶领域，国际IT巨头战略布局已经转移到以人工智能和自动驾驶为核心的未来计算领域，集算法与芯片于一体，发力智能网联汽车大脑。

汽车智能化、网联化发展趋势不仅使汽车自身结构发生变革，也推动汽车互联、汽车共享经济快速发展，信息技术和智能服务在汽车产品价值链中的比重快速上升。汽车产业竞争格局正逐渐从垂直整合走向水平扩展，产业门槛将逐步降低，产业边界渐趋模糊。ICT企业正从底层零部件供应商走向前台，成为国际整车及零部件巨头的战略合作者。

（一）计算平台是智能网联汽车发展关键

从内部条件看，一是汽车本身计算能力需求大幅增长。随着汽车功能电子化，数据种类、数量以及处理需求都在不断增加，同时涉及汽车安全的功能对时延和准确性都要求极高。二是自动驾驶对计算能力的需求更高。智能网联汽车需要摄像头、雷达、V2X通信模块等多源数据融合，为了保证实时性要求，对于计算资源的要求也变得极高。目前，传统CPU的计算能力已经不能满足计算平台的计算需求，基于人工智能和深度学习的自动驾驶计算量甚至达到了10个TOPS（每秒万亿次操作）的级别。从外部环境看，硬件计算能力不断升级，手机等消费电子的硬件性能已经远超传统汽车电子硬件，同时人工智能等技术已接近应用阶段，图像识别、语音识别、自然语言处理等应用精度不断提高。

（二）智能化网联化对计算平台提出更高要求

智能网联汽车的特点是通过增加更多的智能传感器，如高清摄像头、激光雷达、毫米波雷达等，并且对海量数据进行采集、处理、分析、共享，从而逐步实现自动驾驶和车路协同。要实现车辆的智能化和网联化，需要掌握控制器芯片处理能力以及信息安全管控能力。为此，以博世、大陆、德尔福为首的零部件巨头提出了域控制器（DCU，Domain Control Unit）的概念，根据汽车电子部件功能将整车划分为动力总成、车辆安全、车身电子、智能座舱和智能驾驶等几个域，利用处理能力更强的多核CPU/GPU芯片相对集中地控制每个域，以取代目前的分布式汽车电子电气架构。汽车电子安全件和非安全件的融合，已经成为智能网联汽车发展的必然趋势，同时，逐步引入了虚拟机管理的概念，基于AUTOSAR标准提出的AUTOSAR Adaptive Platform版本，拓展到了智能网联汽车的应用领域。引入虚拟机管理的关键意义在于虚拟机可以提供一个同时运行两个独立操作系統的环境，在智能座舱ECU中同时运行Android（车载功能）和QNX（电控功能），为智能网联的应用提供高性价比且符合安全要求的平台，目前面向汽车的虚拟机管理程序QNX、Wind Rive等已开发商用化产品。

我国智能网联汽车计算平台仍存短板

（一）互联网企业加快计算平台研发

智能网联汽车计算平台的研发需要巨大的资金投入、雄厚的技术储备和强大的资源整合能力，目前国内汽车企业普遍未将其提升到战略高度加以重视，推进速度较慢。然而，以BAT、中兴、华为等为代表的信息技术企业却十分重视、大力投入，依托强大的用户资源和较强的软件、网络技术研发能力，从车载系统、芯片等入手，搭建生态，抢占市场，倒逼整车企业加快布局，加紧重塑汽车产业价值链，成为汽车领域新力量。

（二）硬件设计及开发刚起步，芯片被外资掌控

智能网联汽车计算平台对传感、控制和执行系统提出的高计算效率、高实时性和高可靠性等需求，需要高效的汽车级芯片或专用处理模块作为硬件支撑。我国90%的车用传感器技术及产品市场被大陆、博世、德尔福、霍尼韦尔等外资企业垄断，尤其是在激光雷达、摄像头、超声波雷达、毫米波雷达等高性能传感器方面，对外依存度非常高。汽车电子控制器硬件的核心在于微处理器，自动驾驶的发展使得汽车微处理器处理的数据量成几何级增长，需要汽车微处理器有高性能计算能力，特别是汽车识别行人物体的计算机视觉和深度学习功能要求芯片具有强大的实时计算处理能力。全球微处理器市场主要由外资企业恩智浦、TI、英飞凌、瑞萨、ADI等垄断。目前，国内院校和企业尚不具备设计能满足需求的计算平台硬件的研发能力，虽积累了一定的集成电路设计经验，但智能网联汽车计算平台需要的产品级硬件设计及开发工具链等主要由国外企业掌控，实际使用的芯片大多依靠进口。

（三）软件独立开发能力不足

智能网联汽车计算平台各类控制器设计所需的设计工具、程序库和操作系统被国外企业和科研机构主导，国内软件开发商尚未完全掌握应用于智能网联汽车计算平台的软件解决方案。目前，国内具备基于主流平台进行软件二次开发和应用的能力，而独立开发、更新和维护的能力尚有不足。在算法方面，近年来车载计算平台国际上在集成控制和协同控制领域已取得较大进展，虽初步形成了产业化能力，目前国内公司在单车集成控制方面有若干企业的算法技术已经能基本实现辅助驾驶的功能，在车辆识别率等关键指标上与Mobileye差距不大，在视觉和语音计算领域具有一定竞争力。但在部分领域另有较大差距，例如在激光雷达的数据采集、数据处理以及车载应用研究中，难以掌握核心算法；高精度定位系统的相关研发企业少，尚未形成稳定的产业链。

（四）缺乏车载计算平台认证测试规范

我国智能网联汽车车载计算平台相关的测试标准、方法、设施缺乏系统性和完整性。由于缺少统一的标准与规范，企业各自开发的计算平台产品及系统之间难以实现互联，更难以与车辆以外的网络终端实现深度互联，这对未来车载计算平台的大规模应用极其不利。此外，由于车载计算平台的安全保障非常重要，任何漏洞都可能为黑客所利用，通过远程访问控制车载电子系统，从而导致用户隐私和商业数据失窃等一系列风险，甚至会对人身财产、社会安全造成威胁。

四招破解“瓶颈”

（一）加快汽车级芯片研发及产业化

统筹利用国家研发计划和重大专项，加大科技专项资金对车载计算平台核心关键技术的研发支持，力争在感知识别、多源信息融合、人机交互、深度学习算法等技术领域取得突破。培育具有自主研发能力的汽车级芯片企业，提高对关键核心技术的掌控能力，支持龙头企业形成专利池。加快产业创新中心建设，加大科技专项资金对车载计算平台研发及产业化的支持，建立自主可控技术体系。

（二）加强算法、大数据以及云端的集成创新

重点对算法、大数据以及云三端套系统实施集成创新。一是在算法方面，聚焦智能网联汽车核心算法，強化基于深度学习的AI芯片与基于规则的ASIC芯片研发，加快布局车规级平台操作系统、信息安全软件、高精地图定位软件、驱动程序、新型车载总线及通信协议等关键环节，探索建立智能网联汽车计算平台IP核库。二是在大数据方面，紧抓《个人信息和重要数据出境安全评估办法》、《智能网联汽车公共道路适应性验证管理规范》等政策文件制修订和出台的契机，加强实验车辆测试数据的收集与管理，形成“逻辑统一、开放共享”的关键数据资源池，加快开展对数据挖掘，提升数据资源价值。三是在云端方面，加快建设国家自动驾驶监管云服务平台，加强数据的综合分析和利用。

（三）搭建车载计算平台的产品测试及认证环境

一是建立用于测试车载计算平台信息安全性及系统可靠性等性能的评测体系。重点建设面向环境感知、智能决策、自主协同控制等关键核心技术的支撑系统，加快形成开放式、模块化、可重构的智能网联汽车计算平台的测试环境。二是搭建国家车载计算平台检测认证服务平台，评估产品和系统的关键性能，为行业提供公共技术及第三方测试服务，加快推进自动驾驶测试认证标准及服务能力建设。三是针对车载计算平台及关键电子部件制定信息安全监督认证机制，强化车载计算平台产品和系统信息安全防护，尤其对实现L3及以上级别的车载计算平台要求实施强制信息安全认证。

（四）建立车载计算平台公开道路试验及应用环境

一是跨部门协同推进对道路基础设施的信息化和智能化改造，提高智能道路设施的普及率。二是支持在符合条件的城市或区域进行试点，推进道路的智能化改造，对上路测试车辆颁发临时通行牌照。三是针对智能网联汽车安全监管问题，制修订道路交通规范，完善交通事故责任认定法规，构建符合国情的智能交通法规体系，加强对智能网联汽车网络身份、地址、标识等管理机制的研究，建立安全可控的服务基础网络平台，并探索建立安全监测与风险预警机制。