在数字化重塑的浪潮下，一场深刻的汽车电子电气（E/E）构架变革正在酝酿，汽车行业正在沿着当年PC和手机行业走过的路迈向智能时代。这背后将折射出怎样的技术挑战、行业变局与应对措施？只有把视野放在在机器人时代宏大的叙事背景下，我们才能看到这场智能汽车电子构架变革之于时代的全部意义。看到趋势并不难，难的是自我革命，谁能更坚决地拥抱这一趋势，谁就能赢得汽车行业百年巨变的竞争。

以下是本文几个关键结论：

1.智能汽车将将成为一部移动的超级计算机兼数据中心，是IT史上最复杂的单一产品，将诞生新的Wintel。

2. 新的E/E构架商业化落地时间大约在2025年。

3. 组织变革是OEM在这场技术革命中面临的最大挑战。

4. 智能汽车作为移动自主机器的第一形态，将撬动比自身市场大得多的商业价值。

5. E/E构架变革四大趋势：计算集中化、软硬件解耦、平台标准化以及功能定制化。

6. 新的E/E构架将基于中央计算机-层-区的概念构建，体现服务导向构架（SOA）的理念。

7. 新的E/E构架将使OEM在与领先的Tier1的博弈中重新赢得主动权。

8. AI边缘计算芯片是技术制高点，需要越过成本、功耗和性能的临界点。

大趋势：从分布式走向集中式

今天，E/E构架设计面临四大挑战：功能安全、实时性、带宽瓶颈、算力黑洞。为此，智能汽车E/E构架正从分布式走向集中式；其终极形态将是超级中央计算机，这其中包括四个关键趋势：计算集中化、软硬件解耦、平台标准化以及功能定制化。

图 1 智能汽车电子电气构架发展趋势

1.计算集中化：服务导向的系统构架（SOA）将成为主流，为软件提供高性能实时计算平台，在这样一个大的理念下，将催生真正的汽车大脑：超级中央计算机。并与MEC（多接入边缘计算）以及云计算组成协同式解决方案，避免车端算力需求无限增长。

伴随着计算集中化，产生了一个新的概念：区控制(zone control)，与目前流行的域控制器概念有本质不同。拿军事打个比方，域概念就像是按照职能划分海陆空三军（电源域、底盘域、娱乐域、安全域），并且有独立的作战权，但不能彼此共享资源，而区概念则是按照战区进行组织划分，与中央计算机形成了联合作战司令部+战区的概念，协同性和执行效率将得到质的飞跃。

2.软硬件解耦：SOA构架还将产生硬件抽象层（HAL）的概念，硬件不再被某个功能独享，例如，一颗前视摄像头过去可能被AEB/ACC系统独占，但现在，任何车载功能都能调用这颗摄像头，这意味着一个独立的感知层会出现，成为一种公用资源。

今天，功能安全是智能汽车面临的最大挑战之一，如果按照分布式的构架，为每个功能增加独立的安全冗余硬件，简直就是一场成本灾难，但基于新设计构架，可以将所有的硬件资源与应用打通，将有更多的安全路由选择，为功能安全以经济成本实现开辟一条新的道路。

在供应链管理方面，因为每种资源都有很多独立供应商，OEM将有更多的选择，而不像选择域控制器供应商那样打包购买,让OEM跟领先的Tier1的博弈之间重新赢得主动权。

3.平台标准化：在未来，OEM可能只会开发一个电动汽车平台，覆盖低端车型、中端和高端车型。主机厂将打造自己的硬件平台，并满足三个原则：通用性、标准化以及互操作性，它使得智能汽车行业的协同进化变得更加高效。

更重要的原因来自商业考虑：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操作系统要高一个数量级，开发并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。

随着这一趋势深入发展，很可能会出现类似PC行业的Wintel平台，进而形成一个面向智能汽车的生态系统，这一通用平台将被大多数OEM采用，正如我们在PC和手机行业看到的那样。

4.功能定制化：智能化是未来品牌差异化的核心要素，主要是通过增加软件功能来实现。在未来，OEM交付的汽车将不是一个功能固化的产品，而是一个持续进化的机器人，Tesla最近通过OTA升级发布的“哨兵模式”和“狗狗模式”非常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一产品，将引领IT工业迈入亿级代码+千T级算力的时代。

图 3 智能汽车所需要的软件代码量远超IT史上任何一个产品

智能化重塑挑战

对于OEM来说，这是一次彻底的颠覆，将带来四个方面的巨大变化：组织、人才、供应链和核心技术。

组织变革最具挑战性，将所有汽车功能域进行集成对组织机构的冲击空前；从根本上重塑主机厂的组织构架，从面向功能的组织转向平台型开发组织。

重新定义智能化时代的核心技术：计算平台、操作系统和应用软件。Tesla的核心技术布局是芯片和软件，可谓切中要害。

从技术角度看，最大的挑战来自AI边缘计算。

在过去的数年里，我们看到自动驾驶的等级每提高一级，AI算力差不多要提升一个数量级。如果要实现全自动驾驶，我们需要1000TOPS量级的算力，这已经达到人脑的算力。

这个等级的算力需要AI芯片突破成本、功耗和性能的瓶颈，就必须将处理器构架的创新，与算法和工具链相结合，软硬协同进行设计。脱离算法和工具链，单纯谈芯片的绝对算力是没有实际意义的。

当前的业界存在一个很大的误区，往往会把绝对算力当作衡量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，每瓦的有效算力，每美元的有效算力，以及算力转化为AI结果的效能（目标数量，帧率等）。

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科技。谷歌是这个理念的实践者，TPU的成功已经证明了这一点，在国内，初创公司地平线基于这样的理念，推出了极高效能的征程AI芯片，2017年发布的第一代征程芯片已经获得了行业的广泛认可，并即将推出第二代征程芯片。

可以说，未来的智能汽车就是一部移动的超级计算机兼数据中心，而边缘的人工智能处理器是智能汽车竞争的主战场，更是技术制高点。

应对措施与行业实践

预测未来的最好方法就是去创造它，特斯拉、安波福、GM以及宝马等是这场变革的先行者。

根据安波福的规划，这种转变是分阶段进行的。2022年将会推出一个混合构架，把PDC（电源数据中心）整合到传统的车载E/E构架中。到2025年，将实现开放式中央计算机的构架。

图 4 安波福的中央计算构架定义

最激进的车厂非特斯拉莫属，在Model 3的E/E构架中，域控制器的概念被区控制替代，整个构架仅由三大模块构成。

博世的渐进式路线从域的集中化开始演进，终极目标一样是车载中央计算机。

图 5 博世的渐进式路线

宝马在E/E构架方面的变化清晰地折射出计算集中化的趋势。

图 6 宝马规划的下一代E/E构架

从技术上总结，中央计算机-层-区的概念将建立起智能汽车的新构架。区是局部控制、感知与执行单元，层是按照职能划分的资源池，中央计算机是真正的决策大脑，面向应用/服务，调用各层资源，执行高级决策，由区控制单元执行决策或完成态势感知任务。

对于车载E/E构架来说，中央计算机概念是全新的，但对于PC和手机行业，都已经是非常成熟的概念。当智能化浪潮从IT行业延伸到汽车的时候，我们看到了相同的故事正在上演，汽车行业的基因正在发生改变。

从这个意义上讲，无论是苹果、英特尔、高通、三星还是华为，他们大举进军汽车行业的逻辑，绝非简单地复制，而是将自身的IT基因与汽车固有的基因进行新的编辑，进化出新物种，并引领计算行业从手机的TOPS时代走向POPS（1000TOPS）时代，在这一过程中，他们有先天的基因优势。

目标往往是清晰的，但通往目标的路径却大相径庭，无论是IT新贵，还是汽车行业老兵，大家都是基于自己的优势积累，从不同的坡，爬同一座山。在这个过程中，对于产品路线图、性能、安全性和成本的拿捏，各家都不尽相同，很难讲哪条路更好，所以无论是大陆和博世的渐进式域融合（domain fusion）路径，还是特斯拉和安波福更激进的实践，都是面向未来的探索，都值得尊重。

从PC到手机，再到机器人，每一代智能设备相比前代，都是十倍体量的增长。智能汽车作为移动自主机器的第一形态，是机器人时代当之无愧的杀手级应用，更是技术旗舰，将催生无数种的移动机器人。正如蒸汽机开启了工业革命时代，手机行业引领了整个移动设备时代一样，智能汽车最终将撬动比自身市场大得多的商业价值。

组委会联系方式：

电话：028-85253110