摘要：汽车行业正在经历一场根本性变革，这包括从软件定义汽车、将人工智能融入车辆设计和使用场景的几乎每个方面，到彻底重塑不同层级供应商与原始设备制造商（OEM）之间的传统关系等各个层面。

本文由半导体产业纵横（ID：ICVIEWS）编译自Semiconductor Engineering

车辆架构、人工智能和安全性考量正在重塑汽车的未来。

汽车行业正在经历一场根本性变革，这包括从软件定义汽车、将人工智能融入车辆设计和使用场景的几乎每个方面，到彻底重塑不同层级供应商与原始设备制造商（OEM）之间的传统关系等各个层面。

向软件定义汽车转型是汽车生态系统的首要任务。它能加快产品上市时间和更新速度，使车辆始终与新协议、新标准和新功能保持同步。在传统的硬件定义模式下，灵活性受到更多限制，因为功能的实现要围绕预先定义的硬件进行。这种模式也更耗时、成本更高，这使得传统汽车制造商处于竞争劣势。

“有一些显而易见的技术和概念，比如持续集成 / 持续部署（CI/CD）、开发运维（DevOps）变革等等，” 西门子 EDA 公司汽车与军民航空航天领域混合物理与虚拟系统副总裁大卫・弗里茨（David Fritz）表示，“虚拟平台在其中发挥着重要作用。与此同时，他们仍在努力理解多保真度虚拟平台的意义。在我们看来，这为引入我们多年来在各种保真度虚拟平台方面所做的工作打开了大门，将所有这些整合到一个框架中，以便在不同保真度级别验证超复杂系统。当你把所有这些模拟整合到一个完整的虚拟汽车中时，如何知道它确实满足了你的要求？当你不断优化软件架构和硬件架构时，如何知道这些优化确实起到了作用且系统能够正常运行？如何衡量这一点？你不必等到汽车真正造出来再去做这些事。如果想实现软件定义汽车的愿景，就需要结合多保真度虚拟平台和对这些平台的验证。”

对于汽车行业而言，这是一项彻底的变革。“随着原始设备制造商加速向软件定义汽车转型，区域架构、基于芯粒的计算以及先进驾驶辅助系统 / 自动驾驶（ADAS/AD）等技术正获得越来越多的关注，” 拉姆布斯公司硅知识产权业务开发总监阿迪尔・巴鲁奇（Adiel Bahrouch）说，“价值链正在应对车载网络安全、供应链安全、市场准入的法规合规、开放标准 API 以及系统集成等方面的挑战 —— 尤其是在提供个性化、安全且可扩展的移动出行服务的压力不断加大，而产品上市时间以前所未有的速度缩短的情况下。”

除了这些转变，行业还在不断推动自动驾驶水平的提升，以及通过驾驶舱数字化来改善用户体验。车辆架构也开始向更集中化的系统管理演进，在电动汽车中，这包括高效的电池管理系统，以延长续航里程和电池寿命。

尽管不同汽车制造商对这些变革的采用速度可能有所不同，但几乎所有厂商都在朝着同一个方向前进。“在先进驾驶辅助系统领域，架构仍然是基于区域的系统，向中央处理系统的转变进展缓慢，” Cadence 公司 Tensilica 产品集团汽车产品营销与管理总监阿米特・库马尔（Amit Kumar）表示，“一些原始设备制造商在少数车型中推进了集中式架构，但大多数仍采用区域电子控制单元（ECU），甚至是比区域架构概念出现之前更原始的电子控制单元。”

Arm自动驾驶部门总监罗伯特・戴（Robert Day）在过去几年中开始看到汽车生态系统的变化，首先是软件定义汽车的出现，将电子控制单元分布到不同区域，改变了车辆内部的架构，从分布式电子控制单元到不同域，再着眼于用集中式计算服务于不同区域。

“关于车辆架构将如何变化以及这将如何降低成本，有很多讨论，” 戴说，“而且由于布线配置不会那么长和重，我们可以开始使用以太网等进行通信，然后各个区域控制其范围内的大量传感器和其他设备。这改变了软件架构，也正是我们看到向软件定义汽车转变的地方 —— 车辆由软件定义，而且可以更新。车辆离开加油站后还能变得更好，因为你可以进行更新和升级。在过去三年左右的时间里，这是一件大事。”

Arm为实现这一目标所做的努力是启动了 SOAFEE 计划，该计划以软件为中心。它详细说明了如何使用云原生工具等高效开发和测试代码，以及如何将软件部署到车辆上，包括空中下载（OTA）编排器等技术。这些技术传统上并未在汽车领域使用，但它们有助于软件定义汽车的实现。

“然后我们开始将虚拟原型环境引入云端，” 戴说，“这样你就可以根据需要进行性能相对较好或保真度相对较高的开发和测试，从而在软件部署到车辆之前就对其正常运行有很高的信心。这是 SOAFEE 计划试图实现的部分目标。引入虚拟原型环境推动了‘左移’理念的全面实施，使我们能够在硬件可用之前很久就开发和测试软件。这样，当进入集成和部署阶段时，一切会更可预测。而且在汽车售出后，这种开发和测试还会继续。”

戴认为，在此基础上，下一代将是人工智能定义的汽车，它以软件定义汽车的方法为基础。“很多工作负载将是人工智能工作负载，即车载运行的边缘人工智能工作负载，这将有助于确定它是软件定义的还是人工智能-软件定义的。这将帮助未来的汽车满足我们作为消费者的需求。”

下一个挑战是确定人工智能还能在车辆的设计和运行中发挥哪些作用。“我们正在应用人工智能来预测人工智能的性能，” 西门子的弗里茨说，“过去，我们有 YACC（编译器代码生成器）。现在情况类似。我们正在使用人工智能来证明人工智能的性能。这是我们投入大量精力的重要领域，而且确实开始取得成果，能够在获得任何硅片之前很久就证明一些东西。”

人工智能在先进驾驶辅助系统和自动驾驶领域也将发挥重要作用。目前已有新的网络模型和新型网络，Cadence 的库马尔指出，基于卷积神经网络（CNN）的网络，如用于目标检测的 YOLO 和用于分割的 SSD-ResNet，就是很好的例证。“DETR-ResNet 正在迅速崛起，” 他说，“在车辆行为方面，循环神经网络（RNN）正在得到应用。脉冲神经网络在某些应用中越来越受欢迎，尤其是在车辆内部。Cadence 一直在数字信号处理器（DSP）内核上测试和运行各种神经网络工作负载，这些内核包含乘法累加（MAC）单元。我们的产品组合中还有一款人工智能协处理器，它支持神经网络引擎，能够以低得多的能耗卸载不支持的层和算子。”

但与数据中心不同，车辆中的人工智能需要超高效率。L5 级自动驾驶车辆可能配备 40 多个传感器和数十亿行代码，如果这些设备功耗过高，车辆的续航里程将大幅下降。设计如此复杂且能效高的系统是一项巨大的挑战。

“为了应对这种日益增长的复杂性，同时加快产品上市时间，汽车制造商正在寻求可扩展的SoC架构，以便能够快速迭代设计、根据处理需求扩大或缩小系统规模，并部署使现代汽车更安全的功能，” Cadence 公司计算解决方案集团芯粒和知识产权解决方案高级产品组总监米克・波斯纳（Mick Posner）说，“他们对芯粒的兴趣日益浓厚，希望通过芯粒满足这些需求。虽然多芯片已成为主流，但芯粒尚未普及，行业正处于关键时刻，我们可以为这一转型提供支持。”

Cadence 公司今年早些时候推出了基于芯粒的物理人工智能平台，并正在与早期采用者合作。该平台的架构包括一个灵活的基础系统芯粒、一个基于 Neo NPU 的可配置人工智能加速器芯粒，并支持 CPU 芯粒。它还可选择性支持第四个特定域芯粒。该平台的芯粒框架便于芯粒通信，包括系统级芯片层面对安全、保障和控制子系统的控制。平台还包含统一的参考软件，用于系统启动和生产软件用例的开发。去年，Cadence 完成了其首个基于 Arm 的系统芯粒的流片，目前已获得硅片。

更高水平的自动驾驶需要人工智能。“人工智能正在判断车辆周围的情况，以便做出相应的决策，” Arm的戴说，“随着自动驾驶水平的提高，这方面的需求会越来越大。目前，自动驾驶领域有很多关于采用端到端人工智能驱动的讨论。因此，这不仅涉及感知，还包括规划决策以及车辆需要采取的行动。我们开始看到更多可以使用人工智能的用例，人们也正在将其付诸实践。第一步是先进驾驶辅助系统。我们需要它。如果在训练中没有大量人工智能，在车辆中没有大量推理，就无法观察周围环境并做出判断。现在，我们正在研究驾驶员与车辆的交互。”

人工智能也在渗透到驾驶舱中，并已成为原始设备制造商的差异化竞争点。“用户体验（UX）和用户界面（UI）都是驾驶舱舒适性的一部分，现在驾驶舱内的多个传感器还支持安全功能，” Cadence 的库马尔说，“其中一项新兴技术是舱内传感，它支持欧洲新车安全评鉴协会（Euro NCAP）最近强制要求的儿童存在检测功能，无论现在还是未来，它都是汽车行业的增长引擎。驾驶员监控系统（DMS）正变得越来越复杂，其普及率一直呈上升趋势。”

Arm的也看到了人工智能在驾驶舱中的用例，比如聊天机器人和大型语言模型（LLMs）的引入，这样用户就可以像现在在家中那样，通过类似 Chat GPT 的界面与车辆进行交流。“驾驶舱内的语音识别有很多发展，” 他说，“还有像驾驶员监控系统这样的技术，它将使用人工智能来判断驾驶员的行为，或者用于乘员监控系统。所有这些都将开始使用人工智能。我们目前无法想象所有的工作负载，但我们将会看到一些新的、有趣的东西出现。例如，你的车辆用户手册。你根本不必去阅读它。你应该可以直接问汽车轮胎的胎压是多少。这是一个相对简单而有趣的用例。此外，信息娱乐系统和导航系统的控制也将具备我们在家中使用的那些功能。事实上，目前有很多关于让你在手机和家中使用的人工智能代理跟随你进入汽车的讨论，这几乎是一种情境感知人工智能。例如，它知道你是谁，知道你要去哪里。然后，作为驾驶员，你可以开始问它问题，比如‘我到星巴克需要多长时间？你能帮我点一杯拿铁吗？’”

自动驾驶出租车为人工智能提供了另一个应用途径。依靠强大而复杂的感知传感和高性能计算，自动驾驶出租车在一些城市正成为主流。“到目前为止，这一领域一直由 Waymo 引领，但特斯拉正在美国启动自动驾驶出租车项目，优步（Uber）和 Nuro 也在合作组建自动驾驶出租车车队，” Cadence 的库马尔说，“这些都是汽车行业 L5 级车辆这一新趋势的明确迹象。”

随着自动驾驶、车对车（V2V）和车对基础设施（V2I）部署的推进，车辆的连接性和复杂性不断提高，攻击面也随之扩大。“防止车辆更新、车对车和车对基础设施中可远程利用的漏洞至关重要，同时还要防止竞争对手窃取 proprietary 自动驾驶算法，” 是德科技首席安全分析师妮可・费恩（Nicole Fern）说，“这推动了硬件安全功能的采用，如安全区域和专用信任根。”

然而，包含更多安全功能并不一定会使汽车解决方案变得安全。“故障注入和侧信道分析等硬件攻击已成功攻破了利用硬件支持的安全功能（如安全启动）的系统，” 费恩说，“一个很好的例子是柏林工业大学对特斯拉自动驾驶系统的黑客攻击，他们使用故障注入从系统中提取代码和数据，以及用于与特斯拉后端基础设施进行认证的加密密钥。”

幸运的是，现在人们非常重视汽车环境中的安全性。“他们现在明白，安全性是汽车安全的基础，即符合 ISO 26262 标准，” 新思科技首席安全技术专家兼科学家迈克・博尔扎（Mike Borza）说，“没有安全的环境，就无法保证系统的安全性和安全行为。这与人工智能领域的情况非常相似。现在，这两者也确实融合在了一起。人们正在使用基于图像的处理来确定车辆的位置以及它们如何跟随其他车辆，例如在反应式或动态巡航控制系统中。因此，现在这些都结合在了一起，人们将在汽车领域沿着这条路走下去。我们还看到，在维护汽车内部数据流的完整性以及以技术手段（如加密和认证）确保数据从一个地方传输到另一个地方的完整性方面，人们付出了极大的努力 —— 这里的技术认证指的是验证信息在接收时的完整性。例如，使用 MIPI 链路的摄像头现在正将 MIPI 安全集成到这些摄像头流中。显示器也是如此，因为如果修改数据，使你在倒车时应该能看到的东西消失，而车辆使用摄像头代替后视镜或代替你实际回头查看，那就是一个大问题。”

所有这些技术正在给汽车行业带来巨变，而且没有迹象表明这种变革会在短期内放缓。

“我们预测的很多事情都在发生，比如与原始设备制造商建立更紧密的关系，” 西门子的弗里茨说，“原始设备制造商主导其生态系统的理念，而不是像以前那样，正在成为现实，尽管在不同地区，这一进程的速度不同。特别是有一家日本原始设备制造商，几乎 100% 锁定了一家一级供应商，而这家一级供应商几乎 100% 锁定了一家特定的二级供应商的所有业务。这几乎就像一级和二级供应商正成为原始设备制造商的专属供应商，因为这是他们掌控自己未来的唯一方式。这很有趣，因为这迫使每个人都更加专注，明确自己的贡献。这也为许多小型系统级芯片和人工智能加速器公司打开了进入市场的大门。因此，未来几年我们将看到行业整合，这些公司将被纳入大型原始设备制造商旗下，将整个生态系统纳入其保护伞之下。”

这既有倒退的一面，也有前瞻性的一面。“这让人想起亨利・福特时代，当时他把所有东西都集中到了底特律，” 弗里茨说，“他自己运输原材料，生产所有产品，实现了完全的垂直整合，而不是我们最近所处的分布式整合模式。以前，一级供应商会有几个原始设备制造商客户，并试图将同样的东西应用到每个原始设备制造商身上，这就是原始设备制造商失去控制权的原因。现在正在发生的事情正在颠覆这种局面，回到原始设备制造商所说的‘我完全垂直整合，一切由我决定’的状态。”

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。

想要获取半导体产业的前沿洞见、技术速递、趋势解析，关注我们！

来源：半导体产业纵横