二、决策层

感知层像我们的眼睛、耳朵、皮肤，决策层像我们的大脑。

（一）智能汽车芯片

决策层第一大硬件，也是智能汽车最核心的零件，非芯片莫属。

智能汽车芯片，有按五大功能域（动力总成、底盘控制、车身控制、座舱域、智能驾驶域）分 5 类的，有按功能划分 3 类的，我感觉按消费者关注重点划分 2 类比较合适。

第一类：智能驾驶芯片。第二类：非智能驾驶芯片。

智能驾驶芯片目前市场上也可分为 2 类，一类是支持 L1-L2 级辅助驾驶的 ADAS 芯片，一类是支持 L3-L4 级智能驾驶的芯片。新出行上有 2 篇很好的关于芯片的文章可供学习。

1. 还是教主牛逼！看了英伟达现在朋友圈的规模，我不禁回忆起当年 Wintel 

2. 从辅助驾驶到自动驾驶：Mobileye 的今天和明天 

3. 高通汽车芯片「攻坚战」：砸钱收购只是开始 

非智能驾驶芯片，是支持智能驾驶功能的外围芯片，如 5G 芯片、 V2X 芯片、数字座舱芯片（ 8155 芯片）、 虚拟仪表芯片、信息安全芯片、胎压监测芯片和域控制器芯片等。这些芯片起到为智能驾驶提供辅助、支持的作用。

（ 1 ） CPU—GPU—FPGA

过去汽车的电控单元 ECU 主要使用 CPU ，对于 L0-L1 级系统，传统的车规级 CPU 尚可满足需求；但在 L2-L3 级系统上， GPU 逐渐开始替代 CPU ，随着算力需求的增加， FPGA 与 GPU 相结合成为当前智能汽车芯片组的主流方案。

CPU 并不是算力不足，而是因为它不够专一。 CPU 在芯片设计上，绝大部分空间其实并不属于 ALU( 算数逻辑单元）。 CPU 作为通用处理器，除了满足计算要求，为了更好的响应人机交互的应用，以及任务之间的同步协调，所以芯片上需要很多空间来实现分支预测与优化 (control), 保存各种状态 (cache) 以降低任务切换时的延时。

GPU 则走了一个极端，它在芯片设计上突出计算输出最大化，几乎将所有的空间都给了 ALU ，（下图绿色区域即 ALU ，对比明显）所以对 AI ， HPC ，图形渲染这样简单粗暴的浮点矩阵运算 GPU 的优势肯定就非常明显了。

FPGA ，是一种被称为先购买再设计的 “ 万能芯片”。它可以针对智能电动车领域的产品，借助特定模型予以优化设计。实际上它的算力并不如 GPU, 甚至差很多，但是从灵活性来说， FPGA 要好于 GPU 。 FPGA 可以根据特定的应用去编程硬件，而 CPU 和 GPU 一旦设计完那就没法改动了，没法根据应用去调整硬件资源。

随着技术的不断迭代，可以肯定的说，不久的将来， ASIC （专用集成电路）将会是智能汽车的首选。

（ 2 ）智能汽车芯片市场

按新出行上文献的分类：有以恩智浦、德州仪器为代表的传统汽车芯片厂商，有英特尔、高通、英伟达等电子芯片巨头，有以特斯拉为代表的车企，以及以地平线、芯驰科技为代表的创业公司。

①第一梯队

英特尔、英伟达等是较早布局智能驾驶芯片的企业，目前占据了全球智能驾驶芯片市场的较大份额，从市场份额出发，属于汽车芯片市场的第一梯队。

英特尔通过收购以色列智能驾驶公司 Mobileye 进入智能驾驶芯片的市场。曾经占有全球 70% 的辅助驾驶（ ADAS ）市场份额，服务对象包括宝马、 日产、大众、通用、等头部整车厂。 MobileyeQ4 、 Q5 芯片依然在蔚来 866 车型上使用。但随着车企向 L3-L4 级自动驾驶突破， Mobileye 也在断崖式缩减市场份额。

从各新车型发布的公告中可以看出，今年及以后的智能电动汽车，几乎清一色的选择了英伟达、高通和华为这种科技巨头的自动驾驶芯片。

目前全球已知使用 Mobileye 最新一代 EyeQ5 芯片的车型，只有极氪 001 和宝马 iX 两款，并且宝马还宣布未来换高通 Ride 。

英伟达定位在 L3 及以上等级的智能驾驶，作为 GPU 的发明者，在汽车主控芯片的 GPU 市场处于垄断地位，常年保持 70% 的市场占有率。目前英伟达的 Orin 芯片是技术最为成熟的智能驾驶域控制器芯片，在 L2+ 以上的智能驾驶领域具有较大的技术优势，国内的主机厂要进行 L3 与 L4 级别的智能驾驶的开发基本只能选择英伟达的芯片。目前奥迪车型、特斯拉前期车型、小鹏、威马，以及大量的主流新能源乘用车都是基于英伟达的 Xavier 或者 Orin 芯片，算力级别主要是 30TOPs ，今年年推出的小鹏 G9 、蔚来 ET7 等高端车型高达 500-1000Tops 。

②第二梯队

高通和华为位于第二梯队。高通与英特尔、英伟达同属世界芯片巨头，但是高通在智能驾驶芯片领域相较于竞争对手少了筹码。 2016 年，高通拟以 440 亿美元天价收购半导体公司恩智浦（ NXP ），并申请 9 个国家的反垄断批准。但因未获得中国地区的反垄断批准，最终高通的收购计划落空，向恩智浦赔付 20 亿美元解约费。

在智能驾驶领域，高通于 2020 年 1 月推出了 Snapdragon Ride 平台，可提供不同等级的算力，包括小于 5 瓦的功耗提供的 L1 级别的 10 TOPS 算力产品，和 100 瓦功耗、 700 TOPS 算力产品。

虽然在智能驾驶领域高通还不算太行，但高通凭借在通信及消费电子领域的积攒优势，成为了智能座舱芯片领域的行业龙头。 866 车主整天嚷嚷升级的 8155 芯片就是高通的智能座舱芯片。

长城汽车车载智能芯片由高通公司负责，长城汽车今年推出的高端车型上将会率先采用高通 Snapdragon Ride 平台（不是摩卡）。长城汽车的另一个合作伙伴是华为，其将为长城汽车提供以 MDC 为基础的高算力智能驾驶计算平台。

华为面向智能驾驶领域推出多款 MDC 计算平台系列。硬件平台内部包含了两个核心芯片，分别是 CPU 处理器和 AI 处理器。 CPU 采用鲲鹏芯片， AI 芯片采用的是昇腾 310 。除了长城汽车外，北汽、长安也与华为有深度合作。 M5 、极狐都会有 hi 版车，但据阿维塔说，他们将搭载华为的全车解决方案。下面图的左上角有一个 hi 标志，今后车身上有 hi 标志的表示使用的是华为整车解决方案。

③第三梯队

第三梯队是其他的第三方芯片厂商，其中就包括地平线、云途、黑芝麻等国产公司。 以地平线为例， 征程 3 智能驾驶芯片进入 2021 款理想 ONE ，取代了理想原来采用的 Mobileye 芯片。地平线征程系列芯片出货量已经超过 16 万片，继征程 2 、征程 3 之后，面向 L4 高等级智能驾驶的征程 5 芯片也已正式发布。国内芯片厂商成长很快，众多车企考虑地平线、黑芝麻等作为 back-up plan ，避免出现芯片供应问题。

④自主研发

国外车企以特斯拉为代表。特斯拉早期搭载的芯片包括 Mobileye EyeQ3 与英伟达 DRIVE PX2 ，后期选择自研 FSD 芯片自用。国内蔚来、小鹏都在加紧自研芯片，造车新势力零跑汽车推出了具有自主知识产权的凌芯 01 智能驾驶芯片。吉利集团旗下亿咖通科技与云知声共同出资成立合资公司芯智科技。此外比亚迪、长城汽车等也在芯片业务上有所布局。

（二）域控制器

国内外巨头纷纷布局智能驾驶域控制器。

目前智能驾驶域控制器主要有四类玩家：

1 、头部新势力企业，如特斯拉自研智能驾驶芯片，蔚来自研域控制器然后找第三方代工；

2 、国外，自己与芯片商合作，做方案整合后研发域控制器并向整车厂销售，例如大陆 ADCU 、采埃孚 ProAI 、麦格纳 MAX4 等；

3 、域控软件供应商，例如 TTTech 与上汽集团合资成立了创时智驾，为上汽成员企业配套智能驾驶域控制器产品；

4 、国内，根据英伟达在云栖大会上公布的信息，目前采用英伟达 Orin 系列方案的车企客户包括奔驰、沃尔沃、蔚来汽车、小鹏汽车、理想汽车、上汽智己以及 R 汽车（飞凡），德赛西威拿到了其中大部分的域控制器定点订单。此外还有华为、经纬恒润、福瑞泰克等企业布局了这一领域。

（三）软件

①E/E架构：分布式架构向域集中架构演进

博世提出 E/E 架构的演进有三个阶段：分布式电子电气架构、域集中电子电气架构、车辆集中电子电气架构。

过去以及现在的绝大多数车企的车型都仍然处于分布式电子电器架构阶段，目前已经有少部分车型进入域集中电子电气架构。因此现阶段域控成为新能源车企的转变方向。

在分布式架构中， ECU 被运用在制动系统、变速系统、 悬架系统、安全系统、驱动系统等方方面面，几乎车辆的每一个独立功能和传感器 都需要配备一个 ECU 。 2019 年，中国汽车单车 ECU 数量为 25 个，目前在高端车型与智能化程度高的车型中主要 ECU 的数量达到 100 多个，加上一些简单功能的 ECU 总数可以超过 200 个。

同一车辆上的不同 ECU 之间也需要通过 CAN 和 LIN 总线连接在一起，因此 ECU 数量的增多也导致了总线线束的数量和复杂程度的大幅提升。总线线束的增加会增加车重，减少续航，分布式架构中 ECU 多且分散，不利于 OTA 升级。分布式的汽车电子电气架构中，各类电子控制单元（ ECU ）的芯片仅在对应功能运行期间执行运算工作，其余时段芯片处理能力处于闲置状态，算力的利用效率较低。在汽车功能日趋丰富的趋势下，采用分布式的汽车电子电气 架构将导致电子控制单元（ ECU ）数量的增加，造成更大的算力闲置。

域集中式的汽车电子电气架构将同一功能域下的电子控制单元（ ECU ）集成，线束的长度和数量较分布式汽车电子电气架构大幅减少，芯片算力的利用效率大幅提高，减少了车身重量，也减少了 OTA 升级故障率。域集中式架构提高了汽车对各类信息的融合处理能力，整车功能协同得以强化。分布式汽车电子电气架构中，通常采用一个功能对应一套硬件，功能间交互困难。而在域集中式汽车电子电气架构中，处于同一域中的功能对应一个域控制器，同域功能间实现协同交互。

②软件架构

软件架构从软硬件高度耦合向分层解耦方向发展。

在过去的分布式电子电气架构阶段，软件嵌入于硬件中，嵌入式状态下难以对软件进行改变。

在域集中电子电气架构阶段，由域控制器完成域内的协调工作。由于域控制器需要控制整个域，因此来自不同供应商的软硬件必须要解耦才能方便对软件部分进行修改，以求达到基础软件可以复用、硬件接近即插即用的效果。

因此软硬件解耦成为域集中式架构下的重要趋势。

在分层软件的理念中，整个软件架构建立于硬件之上，软件架构内又大致可以分为三层结构：

1 、系统软件层：包括虚拟机、系统内核、 POSIX 、 Autosar 等；

2 、功能软件层：多为中间件和开发框架；

3 、应用软件层：包括智能座舱 HMI 、 ADAS/AD 算法、网联算法、云平台，以及其他应用软件。

在佐思汽研《 2021 年软件定义汽车：架构趋势和产业全景》一文中提到：

“ 软件定义汽车 ” 的时代，具备高速通信、更高算力、丰富图像感知能力的各种硬件给软件提供了强大的基础运行平台，汽车电子软件将由单一功能架构演变为面向服务架构（ SOA ）。 SOA 正在成为软件架构的新主流，引领着汽车软件架构朝着分层、模块的方向发展。

SOA 与大多数通用的 C/S 架构模型不同，它着重强调构件的松散耦合，并强调模块化，使用独立的标准接口。将应用程 序的不同功能单元（称为服务）通过这些服务之间定义良好的接口和契约联系起来。 接口是采用中立的方式进行定义的，它独立于实现服务的硬件平台、操作系统和编 程语言。 SOA 将汽车各子系统中最小功能的逻辑单位抽离出来，封装成服务，组成 一种粗粒度小、松耦合的服务架构。

SOA 的优势在于将原本分散的 ECU 和对应的软件进行模块化，在硬件更换的情况下，软件、接口等依旧存在，避免了过去软硬件结合情况下，更换了硬件后软件也跟着被完全替换的问题。

运用这种模型的车载软件，会极大的兼容未来升级硬件，在快速迭代更新的时代，一台车不能像一部手机一样轻松更换，如何让车具备 5-8 年的可升级软硬空间，也是交给自研厂商的时代命题。

（四）高精地图

看过新出行老师一篇关于高精地图的文章，觉得很不错，链接推送

变革前夜生变？解读高精地图的宿命之争

高精度地图是面向智能驾驶汽车的地图数据范式，其高精度体现为： 1 ）坐标精度更高，其绝对位置精度接近 1m ，相对位置精度在厘米级别（能够达到 10~20cm ）； 2 ） 包含更多的道路交通信息元素，例如准确的道路形状、车道线的种类及颜色、每条车道的限速要求等特质特性。

高精度地图具备定位、感知、规划及决策四大功能，通过三大图层架构（地图图层、定位图层、动态图层）及在线服务面向智能驾驶使用场景。

在 L3 以上的高阶智能驾驶中，对于车身环境的监控主体从驾驶员变为了系统。有当系统能够自动地探查与分析附近区域的状况时，高阶智能驾驶才具备实现基础。若没有高精度地图的辅助，仅依靠汽车传感器、惯性导航、计算单元等，智能驾驶 传感系统存在鲁棒性（ Robust ）缺陷。而搭配高精度地图，基于定位图层，通过与感知结果匹配并计算距离，可以精确计算出车辆当前的位置，与其他技术手段得出的高精度定位结果相互冗余，保证车辆时刻知晓自身位置。此外，高精度地图不存在距离和视觉的缺陷，在特殊天气条件下依旧可使用。

高精地图与手机中电子地图的本质差别在于面向对象的不同。普通电子地图面向对象为人，以人的认知为基础，解决的需求包括规划路线、确认地点、辨别方位等，而高精度地图面向对象为智能驾驶算法，面向的是 “ 一台机器 ” ，数据将作为智能驾驶算法的输入端，解决的需求包括环境感知、高精度定位、规划与决策等，是智能驾驶汽车行驶上路的行动指南。

高精度地图制作的技术门槛及成本较高。普通电子地图主要依据 GPS+ 卫星图片进行制作，其制作流程相对简单。反观高精度地图，其生产步骤包括： 1 ）数据采集、 2 ）数据处理、 3 ）元素识别、 4 ）人工验证。数据采集依赖高精度地图采集车，其具 备采集点云数据的激光雷达装置、进行高精定位的 RTK 装置、获取车辆角度和加速度的惯导系统等，单车成本在百万级别；数据处理方面，数据分为点云和图像两类，因为高精度要求，所以制图以点云为主。点云图像处理后得到一个高精度图像，基于图像可以做精确的车道线识别，获得车道线的形状特征；元素识别方面，基本上都是使用深度学习来获取地图的要素识别，例如尝试从点云中提取车道线、灯杆、 红绿灯等；人工验证方面，这一环节由人工完成，自动化处理的数据还不能百分百准确，需要人工在进行最后一步的确认和完善。对于修正后的数据，需要上传到云端，最终形成的高精度地图也通过云平台进行分发。

除了精度提升至厘米级外，高精度地图的更新频率远高于普通地图。普通地图更新频率一般是一个季度，而高精度地图的理想更新频是 1 个小时。高更新频率所带来的技术难点主要为： 1 ）图商需要足够数量的采集车辆去更新数据； 2 ）高精度地图的数据量巨大，对于车机的芯片存储及传输能力要求高。

2021 年以来，行业数据技术规范、制作规范相关的文件陆续出台，高精度地理数据监管持续升级（滴滴事件），要求叠加甲级测绘资质，目前国内只有 20 多家企业有甲级测绘资质（肉爸微博上有具体名单，我就不转了，弄到这个位置实在有点累了），华为、阿里、腾讯、百度、小米、滴滴都拥有该资质，车企中上汽中海庭、吉利亿咖通，以及近期收购智途科技的小鹏汽车，也都拥有甲级测绘资质。

需要指出的是，车企的量产方案为了解决合规问题（主要是合规获取行驶数据），会选择与有资质的图商合作，例如蔚来与腾讯在这方面达成了合作，肉爸曾深入谈过这个问题。

此外，由于高精度地图还需要构建高性能、高可靠、符合安全合规要求的基础设施、能有效支撑海量地图数据的安全存储、强大的算力资源以及智能算法、有效支撑第三方合作伙伴开展智能驾驶开发以及地图数据应用服务。

整体而言，合规性、技术门槛及高资本投入使得行业的准入门槛高，市场份额正加速向头部玩家集中。

第二部分今天写完，东拼西凑，之前看得很多资料找不到了，以后找到了再修改吧。

明天接着第三篇，执行层，也是电车的最底层，线控制动、线控转向，都是底盘的内容。大家平时都说某某底盘好，那它到底好在哪里？知其然还要知其所以然。底盘为什么也是自动驾驶的一部分？我们明天一起学习！