当前，汽车功能复杂多变，特别是自动驾驶、车联网的出现，正在倒逼汽车电子架构的革新。在软件定义汽车的新时代，汽车电子架构是汽车智能化发展的基础，整车电子架构正日益成为各大厂家着力完善的重要领域之一。同时，我们的汽车正在从内燃机引擎转向电动车，这也会带来架构上的改变，行业会朝向域控制器发展。这就对整车电子架构提出了全新的挑战。那么，未来汽车电子架构将如何演变？汽车电子芯片的发展趋势又如何？
2021年第一场《安创“芯”视野》（总第23期），邀请到了Arm中国汽车市场高级经理舒杰 ，他以汽车电子架构演变与芯片发展趋势为题，围绕上述问题进行了分享。
回放视频观看：https://aijishu.com/l/1110000000196458
今天，我会就新一代电子电气架构下Arm在汽车方面的一些产品或者Arm与芯片演进的关系给大家进行分享。我叫舒杰，在Arm中国负责汽车生态业务。现在，Arm对汽车业务是比较重视的。如果大家关注过Arm的芯片的话，或多或少会了解到现在的自动驾驶、智能座舱、ADAS等都会用到Arm核的芯片。所以，我今天分享的内容是新一代电子电器架构的演变以及芯片的发展趋势，主要分为以下四个方向：整车电子电器架构的发展趋势、域控制器设计趋势、Arm汽车IP、Arm汽车生态。
第一部分：整车电子架构的发展趋势
首先，我们先来看整车电子电器架构的发展趋势。大家也知道，现在汽车发展得越来越快，一些新的架构陆陆续续出现。对于传统架构，我们就会发现它们存在很多痛点，比如说有太多的ECU。据说过去20年，每年会有2\~3个ECU增加。当然如果是高端车，它增加会越来越多。另外，车的线束越来越复杂。不仅线束会比较多，而且线束本身也会增加车的重量。此外，这种传统的架构也不方便增加功能，需要改进子系统的集成。
那对于电子电器架构来说，促使它发展的驱动力因素主要是下面这些方面。
第一、汽车需要更加灵活的计算。
第二、汽车需要加进一些功能。
第三、软件定义汽车其实也需要电子电器架构去做更新。
最后、自动驾驶、电动化等都离不开新的EE架构的支持。
而关于新架构的趋势，有这几个方面：集中化控制、更简单的边缘控制节点、标准化的解决方案、应用整合及使用虚拟化技术。
车载E/E架构的发展趋势
左边的图是传统架构，它属于多ECU的架构。后来随着计算量的爆炸式增长，开始进入域的架构。中间的这个域架构，浅蓝色的部分有几个域控制器，它把几个ECU的功能集成在了一起。而且每个域控制器都承担着特定的功能，比如说有座舱域、ADAS或者自动驾驶域、动力域、车身域等等。我们对域的划分其实有很多，不过怎么划分是根据每家公司的电子电器架构的设计而定的。
那随着计算量的进一步增加，将进入到中央化的架构，就是我们最右边的架构。如果大家仔细看，会发现这种架构跟现有的数据中心或者说那种高性能的计算机很类似，只不过，这是一台车载的嵌入式高性能计算机。这台计算机连接了很多区域网关，而这些区域网关又可以连接各种传感器和作动器。所以大家也可以把这些区域网关的节点当成边缘计算节点。边缘计算节点就可以通过实时总线，比如图里看到的TSN跟中央计算机相连（当然未来还会有其它的实时总线新技术出现）。
嵌入式高性能计算机
从目前的研究来看，车载高性能计算机的架构很可能是刀片架构，比如刀片式的计算节点会有这种CPU、GPU。大家可以看看最左边的图，里面有CPU、GPU。中间的图也有CPU和GPU。但是在最右边的图就发现它是由CPU、GPU和NPU组成的。其实Arm在这一块的投入是比较大的，Arm有很多高性能的CPU和GPU用于这种架构当中。这种架构跟大家了解的云服务器也很像，但很大的不同之处是它的异构性。此外，这种架构需要考虑实时性和安全性，所以整个系统当中不仅需要有通用的服务也要有实时的服务和安全的服务。这样一来，就给整个系统增加了额外的难度。
面向服务的架构（SOA）
从架构来看，它依然跟云端或者边缘端的高性能计算很像，但不一样的地方是它有异构的计算节点以及在Hypervisor上的应用。大家来看左边的图，它的顶部有一些可用的软件服务；接着来看灰色的抽象层部分，它可以提供本地的设备抽象层和远程的设备抽象层。这里很关键的一点是它不仅仅有普通OS的通用服务可以编配，也有RTOS即实时的操作系统的服务可以编配。所以对于汽车的应用来说，我们可以复用云计算的编配系统获取通用的服务和嵌入式的服务。
整车电子电器架构中发展趋势
从这张图中大家可以看到，汽车里有很多的控制器。从左上角的座舱仪表，再到网联网关、车身电子，再到动力系统、底盘，还有半自动驾驶。目前来看，座舱和半自动驾驶的算力需求是最大的；相对来说，底盘动力系统和车身电子的算力需求会小很多；网联网关是新加的功能，它的算力需求也比座舱仪表和半自动驾驶小不少。就座舱仪表的算力而言，它其实跟一部高端智能手机的算力差不多，所以现在有很多的高端智能手机芯片的玩家会说他们的芯片是否可以改一改来用于座舱仪表。这个趋势和相关的具体玩家我会在后面的分享内容提及。另外，对于半自动驾驶，它的功能越多算力要求越高，所以我在这里只是提供一个大致的数据给大家做参考，比如半自动驾驶的算力要求是350K DMIPS。
第二部分：域控制器的设计趋势
主要从3个方向来解读：座舱域控制器、ADAS/自动驾驶域控制器、动力系统域控制器。我们先看一下座舱域控制器的功能趋势。从这个图中大家可以看到里面有数字仪表、后视镜替代、HUD、驾驶辅助、流媒体、驾驶员警告系统等等。未来座舱域控制器的功能会越来越多，集成式的座舱系统会把仪表、IVI合成在一起。整个系统不仅会包含像ASIL B和ADAS这样的一些应用，也会强调流媒体、服务质量方面的需求。这样的功能趋势其实是离不开相应的技术支撑的。从座舱的技术考虑因素来看，首先要把仪表、IVI、HUD以及其它的一些应用集成在一起，在同一个硬件平台上面来实现。
其次，我们要混合安全等级的系统，把安全系统和非安全系统放在同一个硬件平台上面来跑。而且，我们还需要虚拟化。虚拟化作用非常关键。它上面会有一些不同的操作系统在运行：RTOS、Linux、安卓，我们可以通过虚拟化来调度安全和非安全操作系统的应用。在国内，智能网联汽车比较受重视，所以这种网联特性也特别重要。Arm的有些客户把手机芯片应用到座舱里去，而同时它也在复用里面的通讯模组，比如3G、4G模块。这个本身是跟手机芯片关联在一起的，用于座舱的时候，它在实现相应的座舱功能的同时也能实现网联功能。
另外一方面，如果汽车的自动化程度越来越高，则需要我们的座舱提供一些更好的功能来满足乘客的应用需求。当乘客不用开车或者他的关注点不在驾驶车的时候，就需要座舱提供更好的应用给到我们的乘客或者驾驶员。
现在，车企跟芯片公司互动得越来越多，譬如奥迪和三星的合作。三星采用Arm的比如A76、G76的IP做了一个V9芯片，被奥迪用于比如IVI系统或者将来也可以扩展到智能座舱的应用。这些是一个很典型的车厂跟芯片直接合作，来获取它想要的特性且强调它的一些座舱定制的功能的例子。对于传统的座舱或IVI的芯片玩家，大家耳熟能详的一般有恩智浦、瑞萨、TI。之前还有人听过Intel，不过现在越来越少了。还有MTK。MTK里面应用的芯片会比较多，它有车规级的也有非车规的，其中工业用的一些芯片就可以用于像IVI这种应用。
从这个方向来看，传统的芯片玩家正面临着一个较大的挑战，即来源于手机芯片玩家的冲击。因为手机芯片玩家提供的算力会大很多。从MTK到英特尔、恩智浦，GPU最大的算力，比如瑞萨的R-CAR H3，也就是一两百GFLOPS的算力。如果我们看一下新兴的座舱或者IVI的芯片玩家，同样是看GPU，高通820A这种比较早期的芯片的GPU算力也比前面那些玩家的GPU所提供的算力要大不少——它至少是300多GFLOPS算力。如果是高通8155的话，它有1000多GFLOPS算力；如果到高通8195，有2100 GFLOPS算力。所以从这个角度来看，那些新兴的芯片玩家的芯片，不管是在CPU还是GPU，算力都提高了很多。
新兴的座舱/IVI芯片玩家
大家可以看到这几家是非常典型的手机芯片玩家，比如高通、三星、华为、MTK。MTK也有一些新的芯片可以用于汽车座舱或者IVI的应用。另外，还有一个芯片玩家是英伟达。这边我截取了两段新闻。一个是现代汽车的新闻，说它把NVIDIA DRIVE平台用于信息娱乐系统和AI平台的应用。另一个是戴姆勒的新闻，说它们把英伟达的芯片用于它的HUD和LED屏的一些应用以及仪表的应用。所以大家可以看到，这种新兴的玩家都是瞄准这种新的应用，比如需要大算力推大屏的这样的应用。而刚好现在汽车在座舱方面又需要这一块儿的技术。从现在全球范围内一些新的座舱项目来看，很多车企都在选用手机芯片玩家的芯片。高端的有高通8155；低端的，如果仅仅是运用到IVI的话，有可能会用到6155；当然还有三星的。而且，前两天我也看到新闻，说华为的麒麟980芯片也在强势挺进座舱应用。
自动驾驶的功能趋势
前面的Level1（L1）和Level2（L2）是针对ADAS驾驶辅助的描述，后面是针对自动驾驶的应用。大家也看到，其实从手动驾驶到自动驾驶的技术升级没有那么快，很多时候都还是停留在L1和L2的一些应用上。Strategy Analytics & HIS预测了全球各个等级自动驾驶的乘用车产量，在2020年之前，L0和L1占比非常高。反而是L2，跟L1和L0相比，它的占比要小很多。但是随着技术的迭代或是相应的芯片支撑技术发展，我们会发现L2和L2+的应用占比越来越高，在2025年之前这个占比不断往上增加。再往后，像L3、L4应用就出现了。但是L3本身会受一些法律法规限制，所以，什么时候可以大规模应用还要依靠相应法律法规的支撑。而对于L4，现在已经看到在某些特殊的场景下得到使用了。虽然量会少一点，但是这个趋势还是有的。包括大家现在听过的很多城市在做的无人出租车，其实也是L4级别的一个应用。
从芯片角度来看不同等级自动驾驶的算力情况
从L0到L1、L2、L3、L4、L5，我们可以看到，不管是CPU算力还是深度学习算力的提升变化都很大。对于L2的应用，基本上会用到4\~8T的算力；如果是L3、L4的话，基本上都需要上百T的算力。当然每家公司对这种算力的理解不太一样，因为算力是跟算法强相关的。但不管怎么样，这种算力都需要有一些芯片来做支撑。
如果是真正的L3、L4级别的自动驾驶芯片，我们会发现，客户对功耗是有要求的，比如：希望功耗可以小于200瓦，算力在200到400KDMIPS范围，NPU或者AI的算力有200\~400的TFLOPS，还需要有视频的处理能力。而且这种驾驶芯片也需要考虑功能安全和信息安全。一些接口也要满足自动驾驶的需求，比如说PCle或者高带宽存储器的接口。所以，要真正创建一个自动驾驶系统需要有生态伙伴的参与。
生态伙伴主要是指半导体伙伴、开源软件、商用软件提供商、自动驾驶技术提供商和行业联盟等。对于软件平台和工具，我们会需要标准的平台架构、开源开发平台、商用开发平台、中间件和应用软件支持以及开发工具和开发环境。底层是系统架构，系统架构会分好几类，比如跟数据处理相关的、跟功能安全和信息安全相关的、跟互联相关的以及CPU集群和AI加速器。CPU很典型，有高性能服务器级别的CPU。比如，华为MDC平台里的鲲鹏系列本身就是可用于服务器的CPU。另外，还有高性能单线程带功能安全的CPU和高性能多线程带功能安全的CPU，比如满足高数据吞吐的CPU应用。
关于AI这一块，不仅有经常听到的NPU，GPU也很关键。因为GPU一方面可以用于一些可视化应用，比如图形渲染，还可以做一些辅助计算来弥补NPU的计算，这些计算通过GPU来实现其效率会更高，所以这个时候使用GPU来计算也更合适。因此，现在从全局来看一个自动驾驶方案，如果是基于Arm的平台，大家可以看到上面有很多Arm的IP。比如Cortex-A78AE，这是我们V8架构下最新的AE级别的CPU，此外还有Cortex-A65AE、Mali-G78-AE。Mali-G78-AE是GPU的，还有NPU、ISP、Safety Island、信息安全等IP。所以，大家可以看到很多IP是可以被广泛应用的。当然，Arm只是提供了其中一小部分IP，下面好多IP是由不同的玩家来提供的。在半导体行业，买IP来做芯片是非常常见的商业模式。而且确实这种IP的供应可以帮助芯片的客户减少他们的开发成本以及缩短开发周期。所以，大家在做SoC和 MCU时用到的不同的IP可能来源于不同的供应商。
市场主流的计算平台
再回到自动驾驶这个计算平台。大家可以看一下这边的一张表格，这是市面上能碰到的一些可以用于ADAS或者L3、L4这样级别的自动驾驶芯片。首先要提到的是特斯拉，因为特斯拉比较特立独行一些。他们自己做了一个叫FSD的芯片，它的算力大概是144TOPS。还有Mobileye，其主要强项在于它基于视觉的ADAS应用。比如L1、L2，如果基于camera的ADAS，Mobileye的占比是比较高的。此外，新玩家譬如英伟达，这两年发展比较迅猛。比如从它之前的Xavier、PX2等这样的平台或芯片到现在新出的Orin芯片都是比较强的。而且，最近新推出的比如蔚来汽车、智己汽车、理想汽车等很多车型采用的自动驾驶芯片，都是基于英伟达的Orin芯片来做的，而其实Orin用的是Arm的A78AE。
除此之外，高通在汽车座舱应用方面已经积累了非常多的经验。他们现在发力做自动驾驶，比如他们自己的Snapdragon Ride平台，未来在市场上应该很有竞争力。当然除了这些国外玩家之外，本土也有不少玩家，比如华为、黑芝麻、芯驰。这些本土芯片玩家也可以赋能到ADAS或ADAS应用上。此外，像芯驰已经拿到了每年百万片的订单用于汽车上的应用。芯驰的V9系列有三个应用：网关、ADAS和座舱，它在公开的订单描述里面没有区分具体的应用。本土的芯片公司可以把芯片做出来而且拿到车厂或是Tier1的订单，从这个角度看本土芯片玩家，这是非常了不起的。
Mobileye早期它在L1、L2的占比还是比较不错的，像EyeQ3、EyeQ4在国内很多车上都可以见到它们的应用；现在他们在发力EyeQ5；英伟达有Parker、Xavier以及即将推出的Orin等芯片；特斯拉的芯片FSD；TI的芯片有TDA2、TDA4。此外，地平线的芯片：J2，它在2020年已经量产，而且在长安汽车上应该已经有超过十几万的装车量。现在，J5已经流片。另外，黑芝麻也有A1000芯片，这个芯片的算力也是比较强的，也可以用于一些L2+，L3的应用上。目前，除了Mobileye的EyeQ3、EyeQ4、EyeQ5之外，其它的几乎都有Arm的IP在里面，就是我们的CPU或者是CPU加GPU的应用。
动力系统的域控制器的情况
过去，传统车会比较多，它们的动力系统还是基于内燃机或者燃油发动机。现在，新能源车在国内提得越来越多，而且一些相应的措施和法律法规以及政府激励措施其实都在期待着新能源汽车的快速发展。尽管它现在的销量跟传统的量级车相比还比较少，但是它的产业链已经逐渐形成。相应地，对于新能源车的动力系统，也会产生一些新的要求。比如：
第一，它强调实时性和虚拟化的结合，也强调这种域控制器在新能源汽车动力系统上的应用。第二，它也跟座舱一样需要混合功能安全等级的软件来运行。
第三，对于座舱来说可能大家提到的比较多的是ASIL B，但对于动力系统来说，应该是ASIL B加ASIL D这样的组合应用更常见或者可能是ASIL D更多见一些。
第四，它通过机器学习来做预测。比如，在过去大家在对BMS的SOC（荷电状态）或SOH（健康状态）做预测的时候，很多算法主要只能通过PC来做，而现在却有机会通过一些SoC来做了。
最后，新能源车是非常强调功耗效能的。因为Arm本身主打的特性就是低功耗，所以Arm在这一块的机会是非常大的，后续大家也会看到越来越多的新能源汽车的动力系统会用到含有Arm IP的芯片。
动力系统控制——现在与未来
现在的动力系统，多数的情况下跟分布式ECU很类似。每块芯片都有自己的功能、发动机和电机都是单独控制的、集成非常复杂、增加功能的话会非常麻烦。现在大家考虑的点多数在域控制器的使用，会把一些应用整合在一起。比如动力系统来说的话，可能把发动机的控制、电机控制、BMS、车载充电机的控制组合在一起。未来的话，可能会出现分区的应用。比如，存在异构计算且具有更好的实时控制和安全性，将来会集成更高等级的功能，也会给自动驾驶控制器做一些冗余的应急操作。因为只要SOC够强的话，在上面可以实现的功能就会多很多。
动力系统ECU的迁移
从整个动力系统的迁移来看，我们会发现从ECU到域控制器，再到分区控制。其实都需要很多功能去实现，对应芯片的支撑也是必不可少。譬如，支持实时虚拟化、域控制器架构、支持ASIL D，以及可能支持的机器学习的算法，这样的话，就要上升到异构的平台。整个动力系统，目前能看到的应用，主要是Domain这种域控制器应用，预计在2025年能实现分区控制应用，虽然现阶段有一些厂商已经有一些分区的概念在电子电气架构里面了。
以下是两个动力系统域控制器的例子，第一个是恩智浦的S32S ，使用的是4核Arm四核的R52，可以应用域控制器。它是可以支持电动的动力总成和底盘域控制器的应用。另一家是ST stellar的芯片，采用自有的相变内存的技术。定位于动力总成和其他车用域控制器。
第三部分：Arm汽车IP
半导体行业买芯片做IP是很常见的商业模式。 从全球范围来看，现在有十五家顶级的汽车芯片厂商已经授权Arm的IP去做芯片，当然主要还是基于Arm架构的芯片。此外，除了汽车以外的话还会有很多其他的应用，像手机、平板、穿戴设备，或者一些Iot设备等等。对于汽车方面的应用，Arm主要有以下三个产品系列：M系列（面积最小/功耗最低）、R系列（快速响应/实时控制）、A系列（最高性能）。
在产品方面，多款汽车增强型Cortex-A CPU，目前Arm的Cortex-A76AE&Cortex-A65AE已经发布；基于Cortex-R52的芯片已经面世，像NXP S32S、ST stellar；Cortex-M系列产品正广泛应用于汽车各种领域；汽车上的Mali GPU，Mail ISP正在广泛应用于座舱场景；此外，还有互联（CoreLink）汽车增强系统IP，汽车上的工具和虚拟验证。
第四部分：Arm的汽车生态
Arm的汽车生态覆盖是非常广的，从我们的直接客户像半导体伙伴 到一级供应商、车厂、 操作系统、EDA工具供应商、服务平台提供商、运营伙伴，这些都是Arm的生态合作伙伴。其中软件定义汽车时代的到来，也使得软件的生态变得特别重要。Arm的软件生态包含商用软件、开源软件，是可以覆盖从自动座舱到自动驾驶这些应用的。
Arm不仅仅局限只做车端的产品，Arm的M、R、A产品服务范围囊括车身控制、网关、底盘、自动驾驶、座舱等。此外，Arm在服务器端，像基础设施的边缘计算、边缘云计算、公有云计算都会有相应的产品。Arm本身的服务器，也广泛应用于智能网联、云计算等领域，我们在国内看到服务器，飞腾、华为都是基于Arm架构的产品。由Arm与众多企业联合成立的自动驾驶汽车联盟，主要是给大家提供更好地自动驾驶的技术框架，帮助企业快速实现自动驾驶。
从整个Arm在汽车行业的规划来看，我们在不断的开发技术上非常领先的IP，同时在整个过程中注重功能安全和信息安全，将来随着需求的改变，我们的产品也可以不断升级，以便来满足随时更新的各类需求。
