背景：
《中国汽车基础软件发展白皮书2.0》由中国汽车工业协会联合中国汽车芯片产业创新战略联盟以及AUTOSEMO组织下的46家成员单位共同编撰。旨在承担中国汽车产业变革中的生态发展任务，结合我国汽车软件产业发展现状，围绕中国汽车基础软件领域中的关键技术和关键标准研究进行深入研讨，知识共享创新实践，构建产业新生态。
在2020年发布的1.0版本基础上，本次发布的《中国汽车基础软件发展白皮书2.0》在软件定义汽车发展情况、SOA标准背景与架构、AUTOSEMO Service Framework（ASF）整体框架、ASF团体标准工作组推进计划、软件定义汽车的创新实践、车载智能芯片与基础软件构建智能汽车新生态、AUTOSEMO的标准发展情况以及AUTOSEMO生态体系未来展望等方面进行了深度的解析。

01 汽车芯片的发展概述

汽车半导体作为当下智能汽车的核心元器件，广泛应用于汽车各个功能模块，主要涵盖车身、仪表/信息娱乐系统、底盘 / 安全、动力总成和驾驶辅助系统五大板块。

图1 汽车中半导体的主要应用领域

汽车半导体按照在车身上的不同应用领域可以分为计算及控制芯片、存储芯片、传感器芯片、通信芯、功率芯片等。车内负责计算和控制的芯片主要分为功能芯片（MCU)和主控芯片(SOC)，由于在车中发挥着重要作用，是当下行业的重点关注方向，目前在整个汽车半导体中的市场占比约为30%。MCU指的是芯片级芯片.一般只包含CPU一个处理单元（例：MCU=CPU+存储＋接口单元)，而OC指的是系统级芯片，一般包含多个处理单元（例：SOC=CPU+GPU+DSP+NPU+存储＋接口单元）。在商业模式方面，汽车芯片厂家在传统商业合作模式中一般面向Tier1，提供基本的芯片硬件和驱动，不会直接面向主机厂，而在SOA、新能源汽车、5G等技术的蓬勃发展加持之下，传统的汽车电子商业生态平衡正在被打破，产业链上掌握关键资源和核心技术的环节正在重塑全新的商业模式。

1.1 功能芯片持续巩固汽车控制性能和安全

随着汽车电子化程度的加速渗透，汽车ECU的数量也在快速上升，而ECU中均需要 MCU芯片。根据相关数据统计，普通燃油车的ECU数量在70个左右，高端车型的 ECU数量在150个左右，而智能汽车的ECU数量在 300个左右。

当前全球汽车MCU市场被外资厂商高度垄断，恩智浦(14%)、英飞凌(11%）、瑞萨电子(10%)意法半导体（8%）、德州仪器（7%)，CR5企业的市场集中度达50%。在全球汽车行业都处于“缺芯”的影响下，国内车规级MCU也在加速进行进口替代，目前国内有多家本土厂商在布局车规级MCU，包括兆易创新、芯旺微、比亚迪等企业。

图2 车规级NCU竞争格局

车规级MCU主要分为8位、16位和32位，随着汽车各项舒适功能的普及、部件控制愈加精细化，对MCU的计算响应要求会更高，因此高宽位功能芯片 MCU 成为未来的发展方向。

1.2 主控芯片成为汽车行业竞争制高点

随着汽车往智能化的发展，特别是智能座舱和自动驾驶概念的兴起，对汽车的算力提出了更高的要求，传统的功能芯片已无法满足算力需求，主控芯片应运而生。

汽车主控芯片主要应用于智能座舱和自动驾驶两大场景：

由于智能座舱芯片相比于自动驾驶芯片对安全的要求相对更低，更加容易打造。未来车内〝一芯多屏”技术的发展将依赖于智能座舱SoC，芯片本身也将朝着小型化、集成化、高性能化的方向发展。

当前座舱芯片的主要参与玩家包括恩智浦、德州仪器、瑞萨电子等传统汽车芯片厂商，主要面向中低端市场，同时消费电子领域的高通、三星等也加入了市场竞争中，主要面向高端市场。全球来看，高通市场优势明显，座舱芯片的迭代速度几乎与手机芯片同时更新。高通在座舱领域布局了多款芯片产品，目前全球已有超过20家车企搭载了第三代骁龙数字座舱平台，其最新一代的座舱芯片产品采用了全球首个5nm 制程。国内来看，华为和地平线凭借着麒麟990A和征程2芯片也获得了部分国内主机厂的青睐，已分别在极狐阿尔法S和长安UNI-T 车型上进行搭载。

图3 座舱芯片主要企业

自动驾驶芯片一方面需要满足更高的安全等级，同时随着自动驾驶级别的提升，需要更高的算力支持，对于L4级别的自动驾驶需要300TOPS的算力支持，因此只具备CPU处理器的芯片不能满足需要，未来自动驾驶芯片会往集成"CPU+XPU”的异构式 SOC(XPU包括GPU/FPGA/ASIC等）方向发展。

图4 自动驾驶L1-L5算力图

相较于消费电子类芯片，汽车芯片在使用寿命、工作环境及规格标准方面有着更高的要求。芯片产品开发周期长、难度大，需通过最严苛的行业资质认证，从产品研发到最终量产上车，是典型的硬科技，长赛道竞争。车载计算芯片领域目前主要由Mobileye(2017年被英特尔收购)、英伟达、高通、恩智浦、瑞萨、德州仪器等少数国际科技巨头垄断，其中Mobileye在辅助驾驶市场有超过70%的市场占有率，英伟达则占据了绝大部分高等级自动驾驶的市场，高通占据了智能座舱一半以上的份额，国产芯片公司的整体份额低于1%。

图5 车载芯片的晶体管集成度超越了手机芯片

自动驾驶芯片的主要参与以第三方玩家为主，包括了国外的Mobileye、英伟达、高通，以及国内的华为、地平线、黑芝麻等，同时国内的零跑和国外的特斯拉两家车企也在自研自动驾驶芯片。自动驾驶芯片按照不同的供应方式可以分为软硬件一体式 (算法＋芯片绑定）方案和软硬件分离（算法、芯片分离）的开放式方案。当前Mobileye采用的主要是算法＋芯片绑定的一体式解决方案，这种方案短期有利于提升市占率，受到算法能力较弱的OEM欢迎，Mobileye在19年全球ADAS芯片占有率约为70%。但是封闭模式会导致客户开发的灵活度下降，部分有一定算法开发能力的头部OEM会选择更加开放的解决方案来满足差异化的需求。英伟达、高通、地平线等企业采取了相对开放的商业模式，既可根据客户的需求提供芯片＋算法的整体方案，也可允许客户自己写算法。Mobileye下一代EyeQ5芯片也将采用开放的商业模式，据悉EyeQ5芯片将提供两个不同的版本，一个封闭版(己率先与麦格纳合作面市)，一个开放版（会在宝马iX新车上率先搭载)，可以支持第三方进行编程操作。

图6 主流自动驾驶芯片供应商产品

随着汽车E/E架构从分布式向集中式方向进行发展，中央集中式E/E架构是未来最终的发展方向，这时中央计算平台作为最高决策层能够实现对所有功能的控制，现阶段相互独立的座舱芯片和自动驾驶芯片有望合二为一，这将大大简化汽车线束的设计复杂度，并降低成本。

1.3 车载SOC计算芯片典型架构

如下图是车载人工智能芯片的典型架构。按照承担的不同计算类型和任务进行分类，计算模块分为两类：CPU和NPU。通常来说，CPU做通用的逻辑计算，NPU适合面向环境感知的AI计算。

图7 车载人工智能SOC芯片架构

主要计算模块包括：

(1) CPU

除进行与Al处理相关的计算，车载系统仍有一定的计算需求以保证实现各类系统应用，这一部分的算力由CPU子系统提供，CPU子系统所支持的计算需求包括：传感器融合、前后处理、属性重建、里程计定位匹配、车辆控制、传统算法冗余计算、调度及计算任务、感知信息输出等

为满足上述智能驾驶场景的计算需求，CPU子系统通常采用基于ARM Cortex-A的集群式设计，Cortex-A系列属于低功耗内核，采取ARMV8/ARMV9指令集，在提升性能的同时又能实现低功耗特性，满足高能效计算场景需求。相对ARM上一代处理器，采用了增强计算性能：增强的NEON技术，可加速多媒体和信号处理算法，如视频编码/解码，2D/3D图形，音频和语音处理，图像处理。双精度浮点SIMD，显著提升了对更加广泛算法的支持效率。在提升性能的同时，仍能保持低能耗的特性，CPU集群中不同核可划分不同电压域，分组进行电源门控，在满足不同算力场景需求的同时达到低功耗特性。集群设计具备良好的灵活性、可扩展性、安全性、高能效性，能够充分适应ADAS/座舱/智能人机交互等复杂场景的计算需求。

(2) NPU

智能网联汽车领域包含高级辅助驾驶、自动驾驶、人机交互、信息娱乐等场景需求，计算的算力需求高，并行度高，需要性能强劲、能效比更高的车载计算芯片作为算力基础设施，完成视觉、语音以及NLP等计算处理与自学习、自主进化。将深度学习应用于上述典型场景设计专用的车载计算芯片，结合工程技术实现落地，引领产业快速发展。

将先进算法和先进处理器架构设计结合在一起，最终实现功耗、性能（包含速度和精度）能效比等方面的最优解。NPU是面向人工智能计算场景的专用处理器，利用深度学习技术的快速演进，通过算法从数据中学习，结合在芯片体系架构上进行创新，结合自动驾驶重直场景的计算特点，专用于执行人工

智能并行计算，属于典型的异构多指令多数据的系统，针对存储器架构设计进行了特别优化，能使数据自由传递，进行多种计算，让不同部件同时运转起来，提高Al运算的效率。NPU在不牺牲精度前提下提供充足算力保障，具有高性能、低功耗、低成本等特点。

此外，这类芯片需体现一定的场景通用性，处理器内部针对MAC单元等计算模块设计了组合、选通等逻辑结构，使其自身灵活可配，可与应用开发工具链实现紧密耦合；支持MxNet、Caffe、TensorfowPyTorch等多种训练框架所得模型的计算，支持传统卷积计算、循环卷积计算、全连接计算等多种深度学习算法的计算，支持不同参数规模的模型计算，同时可通过编译器配置为不同精度的浮点、定点计算，支持异构计算，可与CPU协同一起完成异构模型的计算，提升整体性能。NPU自身的设计特点及其与工具链的紧密耦合决定了其灵活性高、通用性强的特征，可适应不同场景的计算需求。

随着自动驾驶等创新应用基于海量数据分析发展而来，自动驾驶所需要的环境感知、物体识别等应用要求极快的计算响应，通常利用深度神经网络算法。在保证性能快效率高的同时，功耗不能过高，不能对自动驾驶汽车的续航里程造成较大影响，对计算芯片的效率提出更高要求，计算芯片体系架构不断发

展，由通用计算向专用计算延伸。当前主流的自动驾驶计算芯片在处理深度学习AI 算法方面主要有可分为GPU、ASIC、FPGA、DSP等几类，选择最佳解决方案通常与多种因素有关，例如应用场景、芯片规格（包括硬件接口、功耗等）、设计约束、软件工具链以及上市时间节奏等。

智能汽车时代，Al计算芯片就是数字发动机，提供智能汽车最重要的硬件基石则是算力。当前算力不足已经成为智能汽车发展的核心瓶颈，算力的持续提升是汽车智能化进步的标志，每增加一级自动驾等级，算力需求十倍上升，自动驾驶每往上走一级。所需要的芯片算力就要翻一个数量等级。

图8 海量数据处理需求驱动自动驾驶AI芯片算力剧增

未来多核CPU、GPU、DSP以及NPU等在市场、需求驱动下通过集成、组合，向SOC方向发展。对软硬件进行模块化设计，采用差异化芯片方案，通过异构通用平台，总线以及各种外设控制器等，打通行业上下游，采用安全稳定、可扩展、可定制的系统，解耦软硬件不同生命周期和开发流程，通过标准化实现规模化的自动驾驶。

E/E构架变革四大趋势：计算集中化、软硬件解耜、平台标准化以及功能定制化，将高性能的硬件预埋作为投资，通过软件更新服务为盈利点，这同时也对车载Al计算芯片的提出需求。

02 汽车基础软件的关键要素

面向服务计算代表一个有潜力改变企业的前景和平台，是新一代分布式计算平台，是“软件定义汽车”本质内涵的承载和应用平台，包含技术架构、软件程序和技术基础架构，具体如下：

技术架构-某种事物或技术（软件或服务）物理方面基础的和基本的设计（如高楼、大桥的架构设计蓝图和规范）。包括众所周知的四个类型：组件架构、应用架构、集成架构和企业技术架构。
技术基础架构-底层的、支持的技术环境，包括软件和硬件
软件程序-一个独立的系统，可以是一个定制开发的应用程序或一个商业化的软件产品。

软件程序或“软件定义的应用程序”驻留或运行在技术基础架构上，软件程序的基础物理设计特性由技术架构来表征，技术架构依赖和包含技术基础架构的相关部分。三者之间的关系如图1所示。

技术基础架构和设施决定了软件程序实例化阈值的边界，但由于技术架构自身的实现以及基础架构软件运行所引入的限制,可并发实时调用的软件程序的最大实例小于基础架构所能支持的实例（如图11所示）

图9 面向服务计算的关键要素及其关系

图10 技术基础架构与软件程序实例化阈值

2.1 车载SOA的技术基础架构

从IT行业术语定义，面向服务计算包含面向服务架构SOA,但实际应用实践中，往往将面向服务架构SOA等价为面向服务计算。其中车载SOA技术基础架构代表了部署车载软件程序的环境，其包含硬件和软件环境。

硬件环境的常规形式包括：
•ECU、域控制器、区域控制器和中央计算平台等
•中央网关-路由器、防火墙和通信网络
•电源、电缆和其他计算单元等

软件环境的常规形式包括：
•操作系统
•CP、AP和系统API等基础软件
•数据库
•架构中间件和适配器
•服务代理
•事务管理和消息队列
•用户账户管理和安全技术等

图11 车载S0A技术基础架构核心要素-示例

如图5所示，在车载系统中，硬件环境多以感知和执行ECU,各类域控制器、中央网关、中央计算平台等实体单元呈现，这些实体单元由多实时控制类MCU（微处理器）芯片和以AI计算著称的SOC（片上系统）芯片支撑。对实体单元的平台芯片进行虚拟分区和安全隔离，再装载适应的操作系统、CP基础软件、AP基础软件或系统API等软件环境，最终形成车载SOA的技术基础架构，以支撑车载各类应用软件程序的运行和功能实现，如动力/底盘/安全应用程序、自动驾驶、信息娱乐和车身控制，以及感知和执行控制。

其中，软件环境的装载需要借助基础技术架构生态-底层配置工具来实现。底层芯片是上层应用软件运行的硬件基础载体，随着SOA理念、人工智能、5G通讯以及半导体技术的发展，汽车可以承载的上层应用功能越来越丰富和强大，相应的，对底层芯片的要求也越来越高。

底层芯片从功能的侧重点不同，可以分为以下几类：

• MCU：微控制器
• ISP：图像处理器
• GPU：图像处理器
• CPU：中央处理器
• NPU：神经网络处理器
• FPGA：现场可编程逻辑阵列
• DSP：数字信号处理
• SOC：片上系统

为了把上层应用软件和底层芯片解耦，并提供灵活的可扩展性，在上层应用软件和底层芯片之间,—般会采用分层的方法和结构由底层向上逐渐构建系统基础软件。

2.2 汽车芯片的生态现状概述

芯片是智能汽车的大脑，拥有最高的重要级，目前国际芯片厂商提供的产品，算力高、试错风险低、生态完整是优势。汽车芯片应该具有良好的幵发工具链和良好的上下游合作关系，使技术快速迭代。

作为承载智能驾驶基础软件运行的硬件环境，车载计算平台的革新与基础软件的底层能力，与是相伴而生，相辅相成的。汽车电子电气架构从过去分布式，转向当前主流的域控制器架构，再到未来的中央计算架构，汽车智能计算系统要求实现计算集中化、软硬件解耦、平台标准化以及功能定制化。中央计算平台对于算力的需求较为多样化，AI计算是异构计算中占比最大的部分，逻辑算力的需求也在提升。中央计算平台的两大应用是自动驾驶和智能座舱，前者以AI计算为主，后者以逻辑计算为主，需要用不同芯片来实现。随着智能驾驶汽车的功能更多由软件决定，软件变成汽车上越来越重要的价值创造者，所以智能汽车从硬件复杂、软件简单逐渐过渡到硬件简单、软件复杂。智能汽车底层算力采用预埋方式，软硬件解耦，会是一个明确的趋势。基于软硬结合芯片设计理念的计算架构优化对于提升车载计算芯片能效有重要作用。

软件开发工具链的开放和便利性：新的E/E构架商业化落地时间大约在2025年，新的E/E构架将基于中央计算机-层-区的概念构建，体现服务导向构架（SOA）的理念。当前由于整套软件的开发周期较长，有不少有实力的企业自研自动驾驶的感知和决策算法，通过开放、完整的工具链，覆盖从算法模型训练、优化与转换和部署到芯片运行模型预测的完整AI开发过程，包含模型结构检查器、性能分析器、模型编译器、模型模拟器在内的全套工具，加速开发速度，保证开发质量。

图12 地平线天工开物开发平台

未来的智能汽车将有一个幵放的应用平台，汽车软件将是差异化竞争的核心，主机厂可以通过软件提供差异化体验，而这些软件应用可以来自第三方开发，比如智能交互、语音等。汽车电子软件的开发与发布模式，与现在的移动设备APP有高度类同，渐渐地从封闭幵发走向生态协同进化。基于这种软件定义汽车的趋势，面向未来中央计算的电子电气架构，芯片厂商需要拥有开放策略，为主机厂提供芯片、工具链，将自研算法直接移植到硬件平台中，同时为没有算法能力的主机厂提供算法。因此，提供开放软硬件解决方案是主机厂选择自动驾驶芯片的重要指标，基于整套技术方案进行集成，带来自研整套自动驾驶系统的可行性。这种整体解决方案也决定了数据转化为决策/服务的效率和质量。

同时以MCU为例，MCU芯片厂家一般会提供MCU的几个主要方面的驱动给上层软件，比如AUTOSAR CP 的MCAL：

•MCU驱动（Timer、WDT、Power&Clock）
•存储驱动（Flash.EEPROM等）
•通讯驱动（CAN、LIN、SPI、以太网等）
•I/O驱动（ADC、PWM、PORT、D。等）

除此之外，在我国大力推行商密算法应用的背景下，一些国内汽车芯片厂家积极响应国家号召，在芯片内实现SM2、SM3、SM4等国产加密算法，并为上层提供在支持国际加密算法的基础上支持SM系列的加密驱动：

底层芯片相关的：编译器、链接器、调试器以及各种集成开发环境基础软件配置工具相关：完成MCAL、操作系统、BSW的配置工作。

上层应用软件开发工具：完成ASW开发工作，如：simulink

完成上述工作一般需要配置工具的辅助，比如国外厂商“EB”的“Tresos":

当前我国汽车芯片行业除了硬件被国外垄断，在整个生态中，相应的开发工具链由于缺乏国产汽车芯片厂商的配合和支持也非常匮乏。比如，国外有ETAS、EB、Vector等多个业内知名软件提供商，而国内只有少数几个提供商，如普华、东软、经纬恒润等。

随着新一代信息化技术和汽车工业的融合和发展，智能网联汽车成为汽车工业新的发展趋势、创新制高点以及市场竞争的焦点。操作系统作为连接底层硬件和上层应用场景的桥梁，是汽车领域重要的一环,是实现各场景应用的基础软件。

2.3 汽车操作系统的生态关系

汽车电子操作系统根据使用场景可以分类为车载操作系统、经典车控操作系统、自动驾驶领域操作系统。车载操作系统主要关注应用生态、智能化、互联互通等需求，目前业界产品包括GeniVI、AGL、Android、AliOS、QNX等；经典车控操作系统以OSEK/AUTOSAR为标准，重点关注实时性、可靠性以及标准化。自动驾驶领域的操作系统是一个新型的市场，目前行业标准(Adaptive AUTOSAR)正在不断演进中，自动驾驶操作系统的关键需求既包括软件生态、智能化方面的要求，也包括实时性、确定性、可靠性方面的需求。

图13 汽车操作系统生态关系

微内核架构的操作系统成为高安全场景的主流。汽车电子操作系统根据软件架构不同，可以分为微内核和宏内核。微内核架构依据最小特权原则（POLP: principle of least privilege）,将操作系统的核心业务功能（调度管理、内存管理、设备资源管理）作为系统的可信计算基，并运行在处理器的特权模式;而操作系统的业务功能（例如：设备驱动、文件系统、网络协议栈）作为系统的可配置组件，运行在非特权模式并且相互隔离。宏内核将所有的系统功能（包括文件系统、驱动、网络协议栈等）都在内核实现。

图14 微内核架构与宏内核架构

微内核与宏内核各有优缺点，微内核架构由于可信计算基（TCB）规模小，容易通过测试覆盖、形式化验证等技术手段保障其安全性和正确性，因此已经成为ISO26262 ASIL D功能安全认证的主流OS解决方案；宏内核架构一般应用到对软件生态及功能性有较高要求的场景。

表1 宏内核与微内核架构对比

虚拟化技术成为不同功能安全等级系统在同一硬件平台上运行的主流技术。随着汽车电子电气架构的演进趋势为从分布式架构到域集中式架构最后到中央集中式架构转变，ECU的功能进一步集成到域控制器甚至车载计算机，汽车电子底层硬件不再是由单一芯片提供简单的逻辑计算，而是需要复杂的多核芯片提供更为复杂控制逻辑以及强大的算力支持。强大的芯片可以通过虚拟化技术实现对不同场景的支持，实现同一芯片支持不同功能安全等级系统的混合部署。

图15 虚拟化技术的场景支持

异构计算成为汽车电子主要的运行加速模式。智能驾驶极大的推动了算力的需求，每增加一级自动驾驶等级，算力需求十数倍的上升。这些算力一般由不同功能的计算单元来实现，典型的NVIDIA计算平台硬件Xavier,是NVIDIA首次生产的车规级系统级芯片，该芯片采用了六种不同类型的处理器，包括CPU.GPU,深度学习加速器（DM）、可编程视觉加速器（PVA）、图像信号处理器（ISP）和立体/光流加速器。

基于Xavier芯片，NVIDIA提供面向自动驾驶幵发的DRIVE AGX XavierTM,算力达到32TOPS,面向L2+和L3级自动驾驶。在操作系统层面，需要提供对众多异构芯片的管理能力。在框架层面，需要提供多媒体视频流和图像的处理框架及并行计算加速框架的能力。

图16 英伟达Xavier系统软件

自动驾驶芯片+操作系统OS+中间件软件的软硬件集成方案是实现自动驾驶平台的技术核心之一。

例如，黑芝麻智能科技的华山系列芯片是基于一体式集成神经网络架构，重点研发具备高度功能模块集成性的芯片设计方案，项目产品/方案将支持把图像分类、空间分割、特定目标分析等功能模块融合进一个神经网络，并通过结构化裁剪、自主训练、可适应性量化、多维度异质架构ai和cv加速引擎等技术手段，最大化智能芯片算力的同时，极大降低功耗及数据传输延迟，从而提升智能芯片能效比。通过芯片设计和融合技术手段，将图像识别处理、网络分析、车内设备控制等多重功能融合进一块智能芯片中。针对驾驶安全的架构、流程、设计、认证进行芯片设计开发，集成独立的功能和信息安全岛，使芯片产品达到车规安全等级。

黑芝麻智能科技芯片的软件架构中，操作系统位于BSP层之上，平台层之下，包含系统基本运行环境，以及平台和应用所必需的中间件软件。除BSP层之外，其他层都可进行移植替换，满足用户各种OS/middleware/platform更改搭配需求；BSP虽然与硬件、芯片强相关，但黑芝麻智能科技可提供适配各种操作系统的BSP软件包。

1）操作系统：SOC内部分为CPU核及硬件加速单元等；在CPU核中，部署实时操作系统，如商用操作系统QNX,或幵源实时系统RTLinux等；
2）中间层：提供上层功能的实现机制，常用的如Adaptive AUTOSAR提供除实现机制外，还包括应用生命周期管理、内存管理、平台监控等功能；
3）通讯机制：为保证功能模块间的通讯实时性，在SOC基础软件中需提供高性能的通讯机制，普通数据通讯采用DDS协议，大吞吐量数据需采用共享内存的方式；
4）系统库：不同的硬件加速单元，在基础软件中，需集成配套的第三方处理库及与加速单元硬件强相关的硬件加速库。

黑芝麻智能科技自研一系列神经网络自动优化工具、AI工具链和感知算法，可以通过软件SDK和 API接口的形式开放给客户。其中AI算法开发工具链一山海tm人工智能工具平台，具备完善的工具链开发包及应用支持，可以助力客户快速移植模型，实现模型移植和部署落地的一体化流程：

•拥有50多种AI参考模型库转换用例
•方便客户选用降低算法开发门槛
•以QAT和训练后量化的综合优化
•保障算法模型精度
•支持客户自定义算子开发
•支持动态异构多核任务分配
•丰富的模型使用示例，多样化模型支持
•快速的客户响应
•工具链持续迭代升级支持

03 总结

软件定义汽车，智能化时代加速电子电气架构的革命，集中式电子电气架构主要通过车身控制域、智能驾驶域和智能座舱域三大域控制器和以太网提供未来汽车所需的计算能力和通信能力。芯片是电子电气架构变革的基石，而软件是使能未来汽车“四化”的技术核心之一。车载软件将不再仅用于控制机电设备，而将用于实现先进创新功能，包括自动驾驶、网联功能和未来出行方式等。

如今，国内支持集中式电子电气架构和域控制器的相关技术已经具备，例如车规级微处理器芯片、车载以太网等。领先汽车厂商已经在下一代车型中布局集中式电子电气架构和域控制器，以实现汽车“四化”和使能软件创新。同时，域控制器作为整车层级软件功能集成平台，主要面向整车层级软件的集中化和支持智能网联软件创新。在实现集中化的同时控制电子电气系统成本，域融合架构方案、基于区域控制器和中央计算机的方案是可行方案。为了配合域融合/中央计算的趋势，高性能大算力芯片的需求呈增长的态势，数个高算力芯片正在取代过往车内几十甚至上百个算力的电子控制单元。此外，芯片算力的增加，更易实现快速幵发，对主机厂、对用户而言意义重大。上百种感知算法为主机厂打造个性化上层应用，完成差异化战略部署；算力支撑提供整车生命周期的软件迭代空间的同时，更能满足千人千面的感知功能需求。随着汽车产业的服务生态逐渐复杂，是一个多方共建的生态体系，参与者包括整车厂、算法与芯片企业、软件供应商、互联网公司、ICT企业及一级供应商企业和政府。在生态参与者中，汽车厂商作为最终整合方，需要把软硬件、功能及生态服务商等各方角色集中起来，对于整车制造的全生态交付，与算法、芯片企业需要不断探索新的供应链产业合作模式，加速合作发展，实现共赢。

—END—