AI新浪潮将如何激发汽车电子迭代革新？

汽车电子行业将围绕AI大模型上车、L3加速落地、舱驾一体式中央大脑三大核心点进行技术突破与演进，为人们创造更加美好的出行体验。

近些年来，汽车电子电气架构正在发生着翻天覆地的变革，从传统的分布式电气架构到域集中电气架构，再到中央计算式架构，短短几年，汽车电子电气架构的发展是轻舟已过万重山。关于电子电气架构的介绍不再赘述，本文着重谈一下汽车电子迭代变革的时代背景以及发展方向。

汽车变革的背景是人类社会进入智能化时代

去年3月14日，大洋彼岸的OpenAI正式发布其里程碑之作GPT-4，引起了行业轰动，今年过年期间，大洋彼岸的Open AI又扔出了另一款重磅级的科技产品SORA，代表着继文字生成和图片生成以后，视频生成已经成为可能。而在5月13号Open AI又发布了GPT-4o：能接受文本、音频和图像的任意组合输入，还能生成文本、音频和图像的相关回应。

以智能手机为代表，人类已经全面进入智能化时代，在平常生活中也屡见不鲜各种智能化设备，如智能电视、平板，智能家居等等，汽车作为非常重要生活工具也无可避免地迈入智能化时代。

如果传统汽车可以用四个轮子加一个沙发来概括，那么智能汽车将会是四个轮子加一个超级计算机。传统汽车虽然也有电子功能，但更多的是简单逻辑处理，功能固化无法升级迭代，而智能化时代汽车不仅有强大的数据处理能力，开放的API接口，可以支持软件快递开发和迭代，从而极大地提升了娱乐体验的维度。

汽车智能化集中在四大领域，分别是智能座舱、智能驾驶、智能网联和智能底盘。

智能座舱包括操控系统、娱乐系统、空调系统、通信系统、座椅系统、交互系统、感知系统等给驾驶员和乘客更加安全、舒适、智能的驾乘体验。目前几乎所有车厂都在智能座舱领域发力，即使连以保守著称的日系车，也开始在车内使用了大屏。

智能驾驶更是智能汽车的当红C位，最近许多新势力车企发布会上，必然会单独开一个章节讲自己的城市NOA体验以及开城计划，可以说城市NOA俨然已经成为代表汽车智能化水平的标志。

智能网联的目标是实现车与X（车、路、人、云端等）之间的智能信息交换、共享，且具备复杂环境感知、智能决策、协同控制等功能。智能网联的重要标志是V2X，但是客观地讲目前V2X的应用场景还不够丰富，未来随着道路基础设施建设的不断发力，在“智慧的路”上跑“聪明的车”将会成为新常态。除此之外，智能网联还支持将车辆运行数据上传到云端，并在云端重构车辆运行状态，这种数字孪生技术在远程故障检测和诊断都有着深刻的应用。

智能底盘包括线控转向，线控制动和线控悬架，在智能化时代，利用感知、决策、执行模型，通过如人类”小脑”般精准调节车辆X、Y、Z三个方向运动维度，大大提升车辆运动姿态。市场上代表性产品有理想”魔毯”底盘，比亚迪“云辇”底盘以及实现车辆”横着走”的智己L6”灵蜥”底盘。

智能化时代对汽车电子的核心诉求

汽车电子是实现汽车演化的重要载体，从1908年世界上第一个使用电池供电的汽车扬声器至今，汽车电子无论形态还是内核都发生了深刻的变化，在智能化时代，各大车企主要围绕“场景定义智能”、“数据定义体验”、“软件定义汽车”三大主场，寸土必争，因此，汽车电子要做到“两高”、“两底”、“两可以”。

1、高集成

汽车已经由一个移动机械，扩展为“超级移动智能终端”和由软件定义的互联网产品、电子信息高科技产品。单一的机电一体系统已满足不了汽车电子技术发展的需要，系统与系统之间的一体化集成逐渐被提上议程，汽车行业的技术创新越来越集中在跨界融合，高度集成上面。大疆最近推出了放在车内前挡风玻璃上的“激目”系统。该款产品不仅在成本降低30%~40%的前提下，实现100%性能表现和功能替代。而且由于摄像头与激光雷达刚性连接，天然具备时间对齐和空间对齐的优势，减少了外参标定成本。

2、高性能

智能化时代汽车需要处理大量数据，以前置摄像头为例，每小时生成的数据可能在70 GB到300 GB之间，一辆车每天能产生64TB数据，整车“超级算力中心”已经越来越成为智能汽车的“标配”。当前智舱领域高通SA8155P芯片的CPU算力105KDMIPS，更高端的SA8295P芯片的CPU算力达到200KDMIPS。智驾领域英伟达Orin X芯片的NPU算力达到254TOPS，即将量产的英伟达Thor芯片的NPU算力达到1000TOPS。

从上面可以看出，无论是智能座舱还是智能驾驶，智能网联，都产生大量数据处理的需求，整车“超级算力中心”已经越来越成为智能汽车的“标配”。

3、低能耗

在电动化时代，缓解续航里程焦虑，除了发展快充技术以外，降低整车能耗也是有效途径之一，比如现在许多高性能电机的逆变器使用了SiC功率模块，可以使电动汽车整体能效提高 5%，从而使续航里程延长 5%。也就是说配备 100kW 电池、续航里程为 500 公里的电动汽车，如果使用SiC 功率模块的主驱逆变器，那么它的行驶里程则可达 525 公里，相当可观。除了高压汽车电子部件以外，统计数据显示，新能源汽车的整车低压功耗每降低50w，在一个放电循环周期内可以增加续航里程10km，为此汽车电子要考虑降低功耗。

4、低成本

随着汽车技术发展，汽车电子在整车中成本占比不断提升，根据赛迪数据，预计2025年，所有车型中乘用车汽车电子成本在整车成本中占比有望达到60%。在价格战白热化的今天，要想在竞争获得优势，汽车电子的零件成本要足够有竞争力。

数据来源：中泰证券

5、可复用

在汽车智能化时代，OTA技术让功能和体验不断更新成为可能，为满足快速频繁迭代的需求，以AUTOSAR为代表的分层式软件架构，将中间RTE(Runtime Environment)作为虚拟功能总线VFB（Virtual Functional Bus）的实现，解耦了上层的应用软件层（Application Layer）与下层的基础软件（Basic Software）的强关联性。并通过SOA服务软件架构，将汽车上一个一个原子化的功能服务化，通过定义良好的接口和协议进行随意编排、组合从而实现不同智能化场景并大大降低了开发周期和成本。

6、可信可靠

随着大数据、云计算、人工智能、4G/5G蜂窝通讯技术、V2X技术、智能驾驶技术、信息安全及芯片/摄像头技术的蓬勃发展，带动了智能网联体验的同时也伴随着更高的安全风险及挑战。根据Upstream的研究，2019年至2023年间，公开网络披露的汽车网络安全事件增加了超过50%，在2023年达到了295起报告事件。其中95%的攻击是远程执行的，64%的攻击是黑帽行为。为此，网络安全应该是整个汽车生命周期的中心目标。

智能化时代如何卷汽车电子

前面讲了汽车智能化上半场主要集中在智能座舱，智能驾驶，智能网联，智能底盘四个领域发力，智能化下半场随着AI大模型上车，L3加速落地，舱驾一体式中央大脑等标志性事件已经拉开序幕，将会对汽车电子发展产生深远影响。

1、大模型上车

大模型是指具有数千亿甚至百万亿个参数和复杂计算结构的机器学习模型，可以处理自然语言识别，图像识别，逻辑推理、演算等高级认知任务。大模型因为具备出色的自我学习和泛化能力在汽车行业中具有广阔的应用前景。

首先，同样采用Transformer作为底层技术的自动驾驶成为汽车行业最先想到的大模型落地方向。例如这两年在智驾领域大火的端到端自动驾驶，就是使用大模型来做到感知决策一体化，而特斯拉的FSD Beta V12版本用神经网络替换了33万行C++代码。放眼国内，各大车企之间基于大模型能力开展的NOA开城战正在如火如荼地进行中。

其次，随着以ChatGPT-4为代表的大语言模型成熟，语言大模型在智能座舱语言识别方面应用方兴未艾，去年以来，吉利、长城、红旗、东风日产、岚图等车企宣布与百度文心一言合作，广汽、奇瑞将搭载科大讯飞的星火大模型，华为盘古大模型将上车问界M9，阿里通义千问在智己汽车首秀。在2024年的CES展上，奔驰发布的全新MB.OS车机系统搭载了全新虚拟助理，利用大型语言模型提供更自然的人机对话。

第三，AI大模型上车另一个重要应用场景是允许车主成为智慧座舱开发者。在4月16日Create 2024百度AI开发者大会上，李彦宏提到“过去开发者用代码改变世界；未来自然语言将成为新的通用编程语言，你只要会说话，就可以成为一名开发者，用自己的创造力改变世界“，也就是说，未来，每位车主都将享有在车内自主创建AI原生智舱应用的便利，这些应用将能够充分利用车辆的各种功能。相较于当前基于SOA服务的自主开发模式，这一新方法将更为简易，为车主带来前所未有的个性化体验。另外，随着AI大模型逐步上车，近期对AI 算力的总需求约 500~600TOPS ，中长期 1000TOPS 左右，在不同类型芯片算力发展方面，经典的CPU“摩尔定律”增速放缓， GPU AI 算力的 “黄氏定律”和大模型算法的“规模法则” 共同推动 AI 芯片算力的“非线性”发展。

2、L3加速落地

2023年11月17日，工业和信息化部、公安部、住房和城乡建设部、交通运输部四部委联合发布了《关于开展智能网联汽车准入和上路通行试点工作的通知》，这一举措预示着L3智能驾驶技术的落地将加速推进。

为满足L3自动驾驶系统的需求，将对现有的汽车电子系统进行显著的变动，包括提高自动驾驶系统的安全性和可靠性的冗余设计。

感知冗余：自动驾驶系统需要依靠多种传感器（如雷达、摄像头、激光雷达等）来感知周围环境。感知冗余意味着系统具有多个相同或不同类型的传感器，以在其中一个传感器失效时，其他传感器仍然能够正常工作，提供准确的环境感知数据。

计算冗余：自动驾驶系统需要强大的计算能力来处理和分析来自传感器的数据。计算冗余可以通过使用多个处理器或计算机来实现，以确保在一个处理器或计算机出现故障时，其他处理器或计算机能够继续执行关键任务。

制动冗余：制动系统是自动驾驶汽车的重要组成部分，负责在必要时减速或停车。制动冗余可以通过使用多个制动系统或备用制动系统来实现，以确保在主要制动系统失效时，车辆仍然能够安全停车。

转向冗余：转向系统负责控制车辆的行驶方向。转向冗余可以通过使用多个转向执行器或备用转向系统来实现，以确保在主要转向系统失效时，车辆仍然能够按照驾驶员或系统的指令进行转向。

通信冗余：自动驾驶汽车需要与周围环境和其他车辆进行通信，以获取实时交通信息和避免碰撞。通信冗余可以通过使用多种通信协议和备用通信通道来实现，以确保在主要通信通道失效时，车辆仍然能够接收和发送关键信息。

电源冗余：配备主电源系统和备份电源系统，采用电源隔离设计，确保每个系统都能独立供电。同时前面提到的传感器、智驾控制器、制动/转向控制器要支持双电源输入，当有一路输入出现故障时，维持系统正常工作。

3、舱驾一体化中央大脑

舱驾一体化指的是将座舱域和智能驾驶域集成到一个高性能计算单元中，以同时支持智能驾驶和智能座舱功能。通过硬件和软件的融合，舱驾一体化能够显著减少域控和芯片的投入，降低线束数量，从而节省成本，例如，通过共用一套冷却系统，共享内存，共享算力，可节省约30%的成本，另外由于舱驾场景的完全打通，不仅带来了更多的功能，还提升了功能体验。

舱驾一体化的实现方式主要有三种：把座舱域PCB板和智驾域PCB板集成在一个控制器盒子的ONE Box方案，将座舱域芯片、驾驶域芯片以及高效的CPU进行集成在一块PCB板子上的ONE Board方案，用一块芯片做智舱和智驾功能的ONE Chip方案。目前芯片巨头英伟达、高通都官宣自己的舱驾一体芯片在2025年左右推出。

俗话说“理想很丰满现实很骨感”，摘下舱驾一体化的桂冠并没有想象中的容易，目前还存在许多挑战：

SoC芯片的挑战：座舱芯片主要承担图形处理等计算任务，对GPU算力要求高；而智驾芯片则主要负责深度学习等任务，对NPU算力有特定要求。因此，在舱驾一体化中，需要找到能同时满足这两种不同计算需求的SoC芯片，这是一个技术上的挑战。

软件平台的兼容性挑战：智能座舱和智能驾驶的操作系统往往基于不同的开发语言和平台，如智舱域可能使用QNX或Android，而智驾域则可能使用Linux或C++。由于智能座舱和智能驾驶的操作系统不同，如何实现两者的无缝整合，确保数据和指令的顺畅流通，是舱驾一体化需要解决的关键问题。

安全性和可靠性挑战：舱驾一体化对系统的安全性和可靠性提出了更高的要求。因为任何一个域出现故障，都可能影响到整个系统的正常运行。

这一轮汽车“新四化”变革的上半场是电动化，下半场是智能化。据最新数据显示，今年4月上旬，中国乘用车市场零售51.6万辆，新能源车市场零售26万辆，新能源汽车零售渗透率已经超过了50%，汽车电动化已经胜利在望，随着人工智能、物联网、大模型等前沿技术的持续发展，汽车智能化变革方兴未艾，汽车电子主要围绕AI大模型、L3智能驾驶落地和舱驾一体化三大核心点进行突破与演进。

AI大模型在汽车智能化中扮演着至关重要的角色。这些模型能够处理海量的数据，通过深度学习和自我优化，不断提升对复杂路况和驾驶环境的感知与判断能力。这使得汽车能够更准确地预测和应对各种驾驶情况，从而提高行车的安全性和舒适性。

L3智能驾驶的落地是汽车智能化进程中的又一重要里程碑。L3级别的智能驾驶意味着车辆可以在特定情况下自主驾驶，减轻驾驶者的负担，提高驾驶的便捷性。然而，这一技术的实现需要高精度地图、传感器以及强大的计算能力等支持，以确保车辆在各种路况下都能安全可靠地行驶。

舱驾一体化则是汽车智能化发展的另一大趋势。它将驾驶舱与智能驾驶系统紧密结合，为驾驶者提供更加人性化、智能化的驾驶体验。通过舱驾一体化，驾驶者可以更加便捷地控制车辆的各种功能，同时享受更加丰富的娱乐和信息服务。

总的来说，随着前沿技术的不断发展和应用，汽车智能化已成为不可逆转的趋势。未来，随着更多创新技术的涌现和应用，我们有理由相信，人类的通勤方式将进入一个更加智能、高效、安全的新时代。而汽车电子行业也将持续围绕这三大核心点进行技术突破与演进，为人们创造更加美好的出行体验。

原创文章，作者：guozi，如若转载，请注明出处：https://www.sudun.com/ask/79411.html

AI新浪潮将如何激发汽车电子迭代革新？

相关推荐

企业邮箱怎么办理？

如何选择适合自己的租用服务器方案？

如何使用seo站长工具箱提升网站排名？

算力服务器租用

发表回复