在數字化重塑的浪潮下，一場深刻的汽車電子電氣（E/E）構架變革正在醞釀，汽車行業正在沿著當年PC和手機行業走過的路邁向智能時代。這背后將折射出怎樣的技術挑戰、行業變局與應對措施？

只有把視野放在在機器人時代宏大的敘事背景下，我們才能看到這場智能汽車電子構架變革之于時代的全部意義。看到趨勢并不難，難的是自我革命，誰能更堅決地擁抱這一趨勢，誰就能贏得汽車行業百年巨變的競爭。

以下是本文幾個關鍵結論：

1. 智能汽車將將成為一部移動的超級計算機兼數據中心，是IT史上最復雜的單一產品，將誕生新的Wintel。

2. 新的E/E構架商業化落地時間大約在2025年。

3. 組織變革是OEM在這場技術革命中面臨的最大挑戰。

4. 智能汽車作為移動自主機器的第一形態，將撬動比自身市場大得多的商業價值。

5. E/E構架變革四大趨勢：計算集中化、軟硬件解耦、平臺標準化以及功能定制化。

6. 新的E/E構架將基于中央計算機-層-區的概念構建，體現服務導向構架（SOA）的理念。

7. 新的E/E構架將使OEM在與領先的Tier1的博弈中重新贏得主動權。

8. AI邊緣計算芯片是技術制高點，需要越過成本、功耗和性能的臨界點。

大趨勢：從分布式走向集中式

今天，E/E構架設計面臨四大挑戰：功能安全、實時性、帶寬瓶頸、算力黑洞。為此，智能汽車E/E構架正從分布式走向集中式；其終極形態將是超級中央計算機，這其中包括四個關鍵趨勢：計算集中化、軟硬件解耦、平臺標準化以及功能定制化。

圖 1 智能汽車電子電氣構架發展趨勢

1.計算集中化：服務導向的系統構架（SOA）將成為主流，為軟件提供高性能實時計算平臺，在這樣一個大的理念下，將催生真正的汽車大腦：超級中央計算機。并與MEC（多接入邊緣計算）以及云計算組成協同式解決方案，避免車端算力需求無限增長。

伴隨著計算集中化，產生了一個新的概念：區控制(zonecontrol)，與目前流行的域控制器概念有本質不同。拿軍事打個比方，域概念就像是按照職能劃分海陸空三軍（電源域、底盤域、娛樂域、安全域），并且有獨立的作戰權，但不能彼此共享資源，而區概念則是按照戰區進行組織劃分，與中央計算機形成了聯合作戰司令部+戰區的概念，協同性和執行效率將得到質的飛躍。

2.軟硬件解耦：SOA構架還將產生硬件抽象層（HAL）的概念，硬件不再被某個功能獨享，例如，一顆前視攝像頭過去可能被AEB/ACC系統獨占，但現在，任何車載功能都能調用這顆攝像頭，這意味著一個獨立的感知層會出現，成為一種公用資源。

今天，功能安全是智能汽車面臨的最大挑戰之一，如果按照分布式的構架，為每個功能增加獨立的安全冗余硬件，簡直就是一場成本災難，但基于新設計構架，可以將所有的硬件資源與應用打通，將有更多的安全路由選擇，為功能安全以經濟成本實現開辟一條新的道路。

在供應鏈管理方面，因為每種資源都有很多獨立供應商，OEM將有更多的選擇，而不像選擇域控制器供應商那樣打包購買,讓OEM跟領先的Tier1的博弈之間重新贏得主動權。

3.平臺標準化：在未來，OEM可能只會開發一個電動汽車平臺，覆蓋低端車型、中端和高端車型。主機廠將打造自己的硬件平臺，并滿足三個原則：通用性、標準化以及互操作性，它使得智能汽車行業的協同進化變得更加高效。

更重要的原因來自商業考慮：錢！開發這樣的智能平臺可能需要編寫超過3億行代碼，比Windows操作系統要高一個數量級，開發并維護多個平臺在經濟上不可行。

大眾和福特已經在電動汽車領域共享MEB平臺，以降低開發成本。近日，戴姆勒與寶馬宣布合作，共同開發自動駕駛技術，以降低開發成本，并建立自動駕駛標準。

隨著這一趨勢深入發展，很可能會出現類似PC行業的Wintel平臺，進而形成一個面向智能汽車的生態系統，這一通用平臺將被大多數OEM采用，正如我們在PC和手機行業看到的那樣。

4.功能定制化：智能化是未來品牌差異化的核心要素，主要是通過增加軟件功能來實現。在未來，OEM交付的汽車將不是一個功能固化的產品，而是一個持續進化的機器人，Tesla最近通過OTA升級發布的“哨兵模式”和“狗狗模式”非常生動地體現了這一點。

圖 2 未來的智能汽車將有一個開放的應用平臺

幾乎可以肯定的是，智能汽車是IT史上軟硬件開發量最大的單一產品，將引領IT工業邁入億級代碼+千T級算力的時代。

圖 3 智能汽車所需要的軟件代碼量遠超IT史上任何一個產品

智能化重塑挑戰

對于OEM來說，這是一次徹底的顛覆，將帶來四個方面的巨大變化：組織、人才、供應鏈和核心技術。

組織變革最具挑戰性，將所有汽車功能域進行集成對組織機構的沖擊空前；從根本上重塑主機廠的組織構架，從面向功能的組織轉向平臺型開發組織。

重新定義智能化時代的核心技術：計算平臺、操作系統和應用軟件。Tesla的核心技術布局是芯片和軟件，可謂切中要害。

從技術角度看，最大的挑戰來自AI邊緣計算。

在過去的數年里，我們看到自動駕駛的等級每提高一級，AI算力差不多要提升一個數量級。如果要實現全自動駕駛，我們需要1000TOPS量級的算力，這已經達到人腦的算力。

這個等級的算力需要AI芯片突破成本、功耗和性能的瓶頸，就必須將處理器構架的創新，與算法和工具鏈相結合，軟硬協同進行設計。脫離算法和工具鏈，單純談芯片的絕對算力是沒有實際意義的。

當前的業界存在一個很大的誤區，往往會把絕對算力當作衡量AI芯片的主要指標，但我們真正需要的是有效算力，需要從四個維度來衡量：算力的有效利用率，每瓦的有效算力，每美元的有效算力，以及算力轉化為AI結果的效能（目標數量，幀率等）。

這樣的整體解決方案決定了數據轉化為決策/服務的效率和質量，是時代真正呼喚的硬科技。谷歌是這個理念的實踐者，TPU的成功已經證明了這一點，在國內，初創公司地平線基于這樣的理念，推出了極高效能的征程AI芯片，2017年發布的第一代征程芯片已經獲得了行業的廣泛認可，并即將推出第二代征程芯片。

可以說，未來的智能汽車就是一部移動的超級計算機兼數據中心，而邊緣的人工智能處理器是智能汽車競爭的主戰場，更是技術制高點。

應對措施與行業實踐

預測未來的最好方法就是去創造它，特斯拉、安波福、GM以及寶馬等是這場變革的先行者。

根據安波福的規劃，這種轉變是分階段進行的。2022年將會推出一個混合構架，把PDC（電源數據中心）整合到傳統的車載E/E構架中。到2025年，將實現開放式中央計算機的構架。

圖 4 安波福的中央計算構架定義

最激進的車廠非特斯拉莫屬，在Model 3的E/E構架中，域控制器的概念被區控制替代，整個構架僅由三大模塊構成。

博世的漸進式路線從域的集中化開始演進，終極目標一樣是車載中央計算機。

圖 56博世的漸進式路線

寶馬在E/E構架方面的變化清晰地折射出計算集中化的趨勢。

圖 6 寶馬規劃的下一代E/E構架

結語

從技術上總結，中央計算機-層-區的概念將建立起智能汽車的新構架。區是局部控制、感知與執行單元，層是按照職能劃分的資源池，中央計算機是真正的決策大腦，面向應用/服務，調用各層資源，執行高級決策，由區控制單元執行決策或完成態勢感知任務。

對于車載E/E構架來說，中央計算機概念是全新的，但對于PC和手機行業，都已經是非常成熟的概念。當智能化浪潮從IT行業延伸到汽車的時候，我們看到了相同的故事正在上演，汽車行業的基因正在發生改變。

從這個意義上講，無論是蘋果、英特爾、高通、三星還是華為，他們大舉進軍汽車行業的邏輯，絕非簡單地復制，而是將自身的IT基因與汽車固有的基因進行新的編輯，進化出新物種，并引領計算行業從手機的TOPS時代走向POPS（1000TOPS）時代，在這一過程中，他們有先天的基因優勢。

目標往往是清晰的，但通往目標的路徑卻大相徑庭，無論是IT新貴，還是汽車行業老兵，大家都是基于自己的優勢積累，從不同的坡，爬同一座山。在這個過程中，對于產品路線圖、性能、安全性和成本的拿捏，各家都不盡相同，很難講哪條路更好，所以無論是大陸和博世的漸進式域融合（domain fusion）路徑，還是特斯拉和安波福更激進的實踐，都是面向未來的探索，都值得尊重。

從PC到手機，再到機器人，每一代智能設備相比前代，都是十倍體量的增長。智能汽車作為移動自主機器的第一形態，是機器人時代當之無愧的殺手級應用，更是技術旗艦，將催生無數種的移動機器人。正如蒸汽機開啟了工業革命時代，手機行業引領了整個移動設備時代一樣，智能汽車最終將撬動比自身市場大得多的商業價值。