图1 本文作者，地平线副总裁李星宇出席厚势汽车、蓝驰创投联合主办的【2019未来出行大会】

从 PC 到手机，再到机器人，每一代智能设备相比前代，都是十倍体量的增长。智能汽车作为移动自主机器的第一形态，是机器人时代当之无愧的杀手级应用，更是技术旗舰，将催生无数种移动机器人。正如蒸汽机开启了工业革命时代，手机行业引领了整个移动设备时代一样，智能汽车最终将撬动比自身市场大得多的商业价值。

只有把视野放在在机器人时代宏大的叙事背景下，我们才能看到这场变革之于这个时代的全部意义。看到趋势并不难，难的是自我革命，谁能更坚决地拥抱这一趋势，谁就能赢得百年汽车行业巨变时代的竞争。

在汽车行业向出行服务和智能化转型的大趋势下，新的智能功能和服务需求几乎每个月都需要更新，一系列重大事件表明软件定义汽车已经成为业界共识，传统的分布式汽车电子电气构架（ E/EA ）越来越难以为继。为了适应行业智能化重塑的大趋势，提升开发效率，一场深刻的构架变革正在酝酿，汽车行业正在沿着当年 PC 和手机行业走过的路径迈向智能时代，这背后将折射出怎样的行业变局、技术挑战与应对措施？本文将进行深入探讨。

在汽车行业变革的各个趋势中，自动驾驶无疑是最具颠覆性的因素，它将重塑产业格局，推动共享出行成为主流趋势。而特斯拉，则是最激进的实践者。

去年，特斯拉发布了完全自动驾驶 Hardware 3.0 硬件，并宣布推出其首款自动驾驶芯片 FSD。此前，自动驾驶芯片作为智能化的核心器件，其市场基本被英伟达和 Mobileye 两大巨头垄断，主机厂在与其合作博弈中处于极大劣势。

图2 1月7日上海，中国制造 Model 3 交付仪式，马斯克踌躇满志

特斯拉自研芯片成功，成为汽车行业唯一一家拥有了自己芯片的公司，打破了这一博弈平衡，改写了游戏规则。从技术角度看，FSD 的成功推出足以令其领先同行至少三年，可以说是其最重要的技术创新。

苹果在智能手机的成功表明，依靠供应链无法建立优势，拥有自研芯片、操作系统以及应用软件才是王道，特斯拉无疑是苹果的好学生，马斯克把 IT 的基因编辑到特斯拉身上，通过自研自动驾驶芯片，配合数量最大的车队提供海量数据，其人工智能算法与应用软件的迭代速度将比竞争对手快得多。

通过电子电气架构的集中化，Tesla 将汽车的软件开发内化，将汽车底层硬件标准化和抽象化，此举让 Tesla 通过软件定义汽车和创新变得更容易。以 2019 年初 Tesla 发布的 Sentry 模式和 Dog 模式，Twitter 用户乔希•阿奇利(Josh Atchley)问马斯克，他能否实现一种“宠物狗模式”功能，即播放音乐，打开空调，屏幕上显示着“我很好，我的主人会回来的”。对此，马斯克只是简单地回答:“可以。”此外，另一位用户也建议将车内温度也显示在屏幕上，马斯克似乎很喜欢这个想法，他在推特上回复说，“正是如此”。Elon Musk 简单回复后就可以内部推动执行了，换在以前，Tesla 的工程师需要去找相关的供应商逐一问一遍是否愿意接受变更，供应商们或许迫于压力，同意更改，但是需要长达半年的变更周期和天价的设变费用，而这一切假设可能是最理想的。

1月7日，中国制造 Model 3 交付仪式，马斯克热舞开场。

特斯拉从 Autopilot 1.0 到 3.0 的进化，都是沿着功能集中化，资源共享化的道路前进，而软件版本已经迭代到 V10，则体现了特斯拉软硬件解耦，通过软件定义汽车的实践。对于消费者来说，每一次 OTA 系统升级都会带来新的体验，就不会感觉到这辆车会过时。最近通过 OTA 升级发布的“哨兵模式”和“狗狗模式”非常生动地体现了这一点。特斯拉通过 OTA 升级直接将 Model 3 的刹车距离优化了 6 米的案例就是最好例证。这在传统汽车开发流程中是无法想象的。

凭借 FSD 芯片、强大的软件进化能力，以及海量真实数据驱动的性能迭代闭环，特斯拉重新定义了智能汽车时代车企的核心竞争力，已经成为智能汽车技术的引领者，无论是 OTA，还是车载中央计算机构架，到其激进的 Autopilot 辅助驾驶功能，无不是业界的标杆。

2019 年 11 月，戴姆勒集团正式重组，旗下业务将正式分拆为梅赛德斯-奔驰公司、戴姆勒卡车公司，以及新成立的戴姆勒移动出行公司三大组织构架，重组后的集团将裁员 1 万人。同时，49 岁的康林松出任新 CEO，领导新公司迈向新能源和智能时代。

今年年初（2019），戴姆勒和宝马联合宣布，将共同投资 10 亿欧元，成立 5 家出行合资公司，巨大的行业挑战与变革紧迫性，让曾经的百年对手走到了一起。

合作不止于此，双方宣布将组建自动驾驶开放联盟，并且创建一个可扩展平台推动自动驾驶标准化，建设生态。其核心原因有几点：自动驾驶的技术挑战极高，研发投入达上百亿美元，即使是宝马和戴姆勒这样的豪门都难以独自承担，通过合作分享各自的技术优势和经验，降低自动驾驶技术研发成本是理性选择。在此之前，大众和福特已经在电动汽车领域共享 EMB 平台，以降低开发成本，随着这一趋势深入发展，很可能会出现类似 PC 行业的 Wintel 平台，进而形成一个面向智能汽车的生态系统。

在过去几年里，宝马通过旗下的投资基金 iVentures 投资了 Summon、Moovit、Scoop 等多家出行公司，以及 HERE（高精地图）、Nauto（自动驾驶）、Graphcore（芯片公司）等多家自动驾驶相关科技公司。

2019 年 5 月，通用旗下的自动驾驶初创公司 Cruise 获得普信领投、软银、本田跟投的 11.5 亿美元股权投资，投后估值达 190 亿美金。去年底，通用还任命了 CEO Dan Ammann 为之前收购而来的自动驾驶公司 Cruise 的 CEO。

继宝马与戴姆勒联盟，通用和本田联盟之后，大众和福特正式结盟，竞争已经从单个公司上升为联盟间的竞争。

图3 自动驾驶联盟的三种合作模式  来源: 地平线

资本和资源正持续向自动驾驶头部公司聚集。面向移动出行的自动驾驶研发投入以十亿美元起步，结盟从本质上讲，是为有限的资源投入争取更大的回报确定性。在前年，十亿美金的估值差不多是进入一线阵营的门槛，而今年，这个门槛已经提升至一百亿美金，而自动驾驶面向出行服务的特点，又决定了在一个单一市场中，例如美国市场，它是一个赢者通吃的行业，排在后面的玩家很难切下一块属于自己的蛋糕来。如果沿着这个趋势向前推演，将有越来越多的玩家因为进入不了头部阵营，而放弃单打独斗，选择加入某个联盟，或者选择向细分场景挺进，如港口、矿区、干线物流或者最后一公里快递。

虽然终局是自动驾驶商业化，但其实现周期长达十年甚至更多，即使有再多的金主支持，也不可能无限烧钱，如何在这个过程中自我造血，持续产生商业化回报？在开发自动驾驶技术的过程中沿路下蛋，产出智能化阶段性成果并应用于量产车型的智能化，是一个较为现实的做法。可以说，汽车智能化是一个比自动驾驶更为广义的目标，也是一个更具可落地性的趋势。

日前，大众汽车展示了其首款基于自有操作系统 vw.os 的车型 ID.3，将具备 L3 自动驾驶能力，可以在高速公路和城市拥堵路段进行自动驾驶。

更早之前，奥迪宣布计划在 2019 年至 2023 年间投资 140 亿欧元（约合 159 亿美元）开发电动汽车、无人驾驶汽车以及智能化技术，而整个大众汽车集团在该领域未来 5 年的投资将达到 500 亿美元。

大众同时宣布，组建自己的软件部门：数字汽车与服务部（Digital Car&Service），「在不远的将来，汽车将成为一个软件产品，大众也将会成为一家软件驱动公司」， 大众 CEO 迪思在今年的达沃斯世界经济论坛上表示。

而本次结盟再一次显示，德国巨人的转型步伐是坚定的。

此外，丰田和软银建立了一个规模相对较小的合资公司 Monet，并将获得其他五家日本车厂的注资。

总结下来，国际巨头的应对措施可以总结为 4 点：

• 换血：裁员加换帅，除了戴姆勒，还有大众，通用等等。目标是通过组织架构变革，将研发从机械为主转向软件为主。

• 结盟：宝马在谈及与戴姆勒的结盟时表示，双方将分享各自的技术优势和经验，降低自动驾驶技术研发成本，推动标准化，扩大联盟，建设软件和应用生态。大众则与福特结盟后，将在新车型、自动驾驶、电动车等领域展开深入合作。

• 投资：在体外驱动创新，这一点，可能是主机厂在破坏性创新的趋势面前，最重要的举措。车企巨大的资金量和投资能力使得其有能力通过投资初创公司快速获得创新能力，并且保持这些公司的独立高效运作，宝马和通用近几年的投资数量都在 15 家以上。

• 重组：关停工厂，成立软件开发团队，新建出行业务，更加坚决地从汽车制造商向软件公司和移动出行服务商转变。

面对数字化重塑的浪潮，IBM 认为，需要以客户体验为本，持续业务创新，以效率和客户为中心，建立快速的组织和数字化运营模式。

对于 OEM 来说，这是一次彻底的颠覆，将带来四个方面的巨大变化：

• 组织变革：从面向功能的组织转向平台型的开发组织，对组织构架的冲击空前，几乎需要重构整个研发组织体系，简单说，就是由纵变横。

• 人才变革：从以机械和硬件人才为主转向以软件人才为主，研发流程从当前的基于汽车产品的 V 模式转化为基于软件产品的迭代模式。

• 合作变革：改变现有的整车厂和供应商之间的合作模式，从塔状（Tier）供应链走向环状合作。这就要求车企需要俯下身来，更加平等地对待合作伙伴，学会配合。

• 核心技术：智能化时代的车企三大核心技术将被重新定义：计算平台、操作系统和应用软件。Tesla 的核心技术布局是芯片和软件，可谓切中要害。

这是一次汽车行业的能级跃迁，对于车企的挑战是巨大的，但企业必须迎接变革，当年德国从马车时代转向汽车时代的时候，只有一家马车公司活了下来，颠覆性的变革时代，幸存者从来都是极少数。

• 在功能复杂度持续提升的情况下满足功能安全的要求，这里的功能安全是广义的，不仅包括 ISO26262，还包括 SOTIF 和 RSS。
• 复杂系统构架下实时性的保证
• 爆炸式增长的传感数据造成的带宽瓶颈
• 支持持续的软件升级所需要的指数级算力增长

为此，智能汽车 E/E 构架正从分布式走向集中式；其终极形态将是超级中央计算机，这其中包括四个关键趋势：计算集中化、软硬件解耦、平台标准化以及功能定制化。

图4 智能汽车电子电气构架发展趋势

下面我们将进一步论述这几个趋势。

1.计算集中化（Computing centralization）：服务导向的系统构架（SOA）将成为主流，为软件提供高性能实时计算平台，在这样一个大的理念下，计算集中化将催生真正的汽车大脑：超级中央计算机。目前各个玩家对这个概念的叫法五花八门，包括车载计算平台、主机（Host）以及服务器（Server）等，但本质都一样。

为了满足 ASIL-D 功能安全的要求，一台汽车通常需要有两台相同的主机互为备份，目前领先的 Tier1 如安波福、大陆等都使用这样的理念。

伴随着计算集中化，产生了一个新的概念：区控制( zone control )，与目前流行的域控制器概念不同的是，区控制模块没有高级功能决策权，而是完成执行器、传感器、诊断以及传统 I/O 的连接汇总，类似于 PC 中的南北桥。

拿军事打个比方，域概念就像是按照职能划分海陆空三军（电源域、底盘域、娱乐域、安全域），并且有独立的作战权，但不能彼此共享资源，而区概念则是按照战区进行组织划分，与中央计算机形成了联合作战司令部 + 战区的概念，协同性和执行效率将得到质的飞跃。

在这样的构架下，决策通常都是由中央计算机来发出，但是也有例外，比如 AEB 紧急制动的功能，是最重要的 ADAS 功能，一旦前向智能传感器发现前方有障碍而且即将发生碰撞，可以不经中央计算机决策指令，直接启动执行机构进行刹车，或者在两台中央计算机都出现故障的时候接管刹车执行器，从而提供更高的安全冗余。

如果我们对照人的决策机制，会发现有高度类似的情况：假如我们在野外突然碰到一头老虎，身体的第一反应是僵住不动，这个决策并不是来自大脑的高级理性系统（即皮质），而是来自非常原始的大脑边缘系统（哺乳动物都有），它在紧急情况下会切断大脑对躯干的控制，自动接管以保证能够在瞬间完成必须的生存反应。手碰到烫的东西立马缩回去也是一样的决策机制，这样的例子不胜枚举。

在未来，OEM 交付的汽车将不是一个功能固化的产品，而是一个持续进化的机器人，在汽车整个生命周期内，硬件平台需要持续支持软件迭代升级，这意味着，我们必须打造一个开放的、工具链完善的、拥有强大算力保障的计算平台，提供高达 1000TOPS 的算力，为各种软件功能提供充足的算力储备。

目前业界还没有一款处理器可以满足如此高的算力需求，并且不同的处理器也有不同的性能维度，从实践角度看，需要一个非常灵活、有弹性的主机构架来应对。这里面有三个要求：可扩展、可配置、模块化。一台典型的主机使用 PCI-e作为主干局域网（Backbone），提供很多卡槽，可以连接各种加速器（搭载GPU、FPGA、视觉 ASIC 等芯片的板卡）、安全 MCU 以及通用 SoC。这个构架跟当年的 PC 几乎一模一样！

图5 车载中央计算机计算构架  来源：地平线

但另一方面，车载中央计算平台对功能安全和实时性要求毫不妥协，在工程实现上，挑战比传统 PC /服务器构架要大得多，不能简单照抄。

2.软硬件解耦：SOA 构架还将产生硬件抽象层（HAL）的概念，硬件不再由某个功能独享，而是被抽象成软件/服务可以共享的资源。例如，一颗前视摄像头过去可能只为 AEB/ACC 服务，但现在，任何功能都能调用这颗摄像头。

HAL 可以看作支撑软硬件解耦的资源池 。例如，随着 SOA 构架的发展，一个独立的感知层将会出现，将各个传感器抽象为可被各种应用（无论是人机交互还是 ADAS /自动驾驶）调用的资源。而且将原始数据(比如摄像头的每一帧图像)转化为语义信息的工作，相当程度上在区（ Zone ）上就可以完成，从而减少对骨干网 I/O 带宽的需求，降低对中央计算机的算力需求，并提升数据处理的实时性。

总结来讲：就是在区上做感知智能，在中央计算机上做认知智能。

今天，功能安全是智能汽车面临的最大挑战之一，如果按照分布式的构架，为每个功能增加独立的安全冗余硬件，简直就是一场成本灾难，并且设计验证也很难收敛，但基于 SOA 和 HAL 的新设计构架，可以将所有的硬件资源与应用打通，构架师将有更多的安全路由选择，并且可以扩大安全冗余的资源纵深，充分复用各种硬件资源，为功能安全以经济成本实现开辟一条新的道路。

在供应链管理方面，因为每种资源都有很多独立供应商，OEM 将有更多的选择，而不像选择域控制器供应商那样打包购买。这种构架可以让 OEM 跟领先的 Tier1 的博弈之间重新赢得主动权。

3.平台标准化：在未来，OEM 可能只会开发一个电动汽车平台，覆盖低端车型、中端和高端车型。传统的内燃机受限于机械结构，需要有很多平台，但是  EV 不一样，底盘设计没有太多限制，所以沿用一个统一的E/E构架成为可能。主机厂将打造自己的硬件平台，并满足三个原则：通用性、标准化以及互操作性。

更重要的原因来自商业考虑：钱！开发这样的智能平台可能需要编写超过 3 亿行代码，比 Windows 操作系统要高一个数量级，开发并维护多个平台在经济上不可行。

大众和福特已经在电动汽车领域共享 EMB 平台，以降低开发成本，随着这一趋势深入发展，很可能会出现类似 PC 行业的 Wintel 平台，进而形成一个面向智能汽车的生态系统，这一通用平台将被大多数 OEM 采用。类似的故事同样曾在手机行业上演，从功能机时代向智能机时代转变的过程中，先后涌现了塞班和安卓这样的通用平台。

4.功能定制化：智能化是未来品牌差异化的核心要素，主要是通过增加软件功能来实现。软件的后部署将是大势所趋，这意味着，多数软件功能将是在汽车出厂之后交付的，软件迭代 OTA 将是新常态。这一趋势对于出行服务运营商来说尤其重要，各种不同的场景服务需求都需要通过现有车队的大量升级来满足。

来自麦肯锡的分析显示，软件在 D 级车（或大型乘用车）的整车价值中占 10% 左右，预计将以每年 11% 的速度增长，到 2030 年软件将占整车价值的 30%。

图6 麦肯锡：《软件和整车电子构架正重新定义汽车行业》

总体来看，这场构架变革是全面性的，还包括主干通信网络的重构、信息安全系统、以及虚拟开发验证环境等非常大的话题，这里就不一一讨论了。几乎可以肯定的是，智能汽车将是 IT 史上软硬件开发量最大的单一产品。

图7 智能汽车所需要的软件代码量远超 IT 史上任何一个产品 

来源: NXP 官网

从技术角度看，最大的挑战来自 AI 计算。

在过去的数年里，我们看到自动驾驶的等级每提高一级，算力差不多要提升一个数量级。如果要实现全自动驾驶，我们需要 1000TOPS 量级的算力，而人脑的算力大概也是一千个 TOPs，所以自动驾驶如果想达到人类的水平，首先要在算力方面达到人类的水平。

这个等级的算力需要 AI 芯片突破成本、功耗和性能的瓶颈，就必须将处理器构架的创新，与算法和工具链相结合，软硬协同进行设计。脱离算法和工具链，单纯谈芯片的绝对算力是没有实际意义的。

当前的业界存在一个很大的误区，往往会把绝对算力当作衡量 AI 芯片的主要指标，但我们真正需要的是有效算力，需要从四个维度来衡量：算力的有效利用率，每瓦的有效算力，每美元的有效算力，以及算力转化为 AI 结果的效能（目标数量，帧率等）。

本质上讲，芯片和构架是手段和载体，软件是目的和灵魂。软硬件一起做，可以让手段和目的高度统一。

只有硬件俯下身来去适配软件的时候，才能够使晶体管所发挥的效能大幅度增加。处理器构架的创新是一个非常高的壁垒，需要对软件有深刻理解。

这样的整体解决方案决定了数据转化为决策/服务的效率和质量，是时代真正呼唤的硬科技。谷歌是这个理念的实践者，TPU 的成功已经证明了这一点。在国内，初创公司地平线基于这样的理念，推出了极高效能的征程二代芯片，这也是中国首颗车规级人工智能芯片。

可以说，未来的智能汽车就是一部移动的超级计算机兼数据中心，而边缘的人工智能处理器是智能汽车竞争的主战场，更是技术制高点。

边云协同计算是另一个大趋势，车载中央计算机、MEC（多接入边缘计算）以及基于 5G 的云计算将组成的协同式计算方案，避免车端算力需求的无限增长。

预测未来的最好方法就是去创造它，特斯拉、安波福、GM 以及宝马等已经开始实践，我们接下来会分析几个领先者的设计理念和路线图。

（一）安波福

图8 安波福的中央计算构架定义

安波福将自己的中央计算平台的构架称为智能汽车构架（Smart Vehicle ArchitectureTM ，简称 SVA)，汽车将成为一个整体计算平台，能够执行复杂的软件功能，就像在服务器上运行那样。这可以让 OEM 独立于硬件来开发软件功能，并且在不升级硬件的情况下升级软件和安全功能。

如何实现这个构架? 安波福提出了两个关键概念：供电数据中心（Power Data Center，简称 PDC) 以及开放服务器平台（Open Server Platform ，简称 OSP）。

供电数据中心（PDC）的理念非常类似于笔记本电脑的基座，一个典型的笔记本电脑的基座有 USB、HDMI、SATA、电源插口等一系列接口，可以连接各种我们可能用到的外部设备，基座作为桥梁将外设与笔记本电脑连接起来。

在智能汽车上，PDC 将负责连接各种传感器、分布式音响系统以及各种控制器/执行器，为此，PDC 将需要有 Ethernet、CAN 以及 LVDS 等总线接口。

PDC 的另外一个关键作用是为自动驾驶系统提供可靠的备份电源（可以在电源出现故障时，数毫秒内切换到备份电源），同时，它还起到了网关以及各种控制器集成整合的作用（PDC 有一个强大的处理器来实现这些功能），从而实现区域控制，简化了中央计算机所要完成的工作。

今天，主流的构架是以功能划分的逻辑域，但是，逻辑域的功能高度分散在不同的物理控制器中，结果是构架非常复杂，在整合、测试以及可扩展性方面面临很大挑战。PDC 的出现将外部执行单元与计算隔离，是典型的中央计算机+区控制的实现案例。

开放服务器平台是一个非常灵活通用的计算平台，能够支持图形运算、AI 计算、网络处理以及功能安全。类似于我们调用云端的服务器算力做各种应用一样，它支持各种车载应用的算力需求，从后备箱的自动控制，到人机交互，再到自动驾驶。

这个平台不仅将计算的工作集中起来，而且提供了灵活的软件框架和智能的硬件抽象层，从而使得逻辑域成为物理硬件的模拟。这种突破对软件非常友好，因为硬件被整合成了资源，而软件则从对于具体硬件的控制变成了在服务器上调用资源。软硬件解耦，为未来的车载应用创新解锁了几乎是不受限制的想象空间，就好像 iPhone 开启的应用程序市场模式一样，在未来，各种新的车载功能将可能来自第三方的公司，而非车厂，但车厂将有功能验证和发布流程认证，确保安全性和兼容性。

根据安波福的规划，这种转变是分阶段进行的。2022 年将会推出一个混合构架，把 PDC 整合到传统的车载E/E构架中。到 2025 年，将实现全开放服务器平台的构架，我们将会看到一个基于服务器构架的计算平台，该平台将整合 PDC、安全冗余设计、以及一个标准的的软件开发框架，对于安全应用或非安全应用都保持一致。

安波福认为 OEM 客户从传统的E/E构架到这一新构架的过渡将会渐进式的，但终局不会有悬念，那就是开放服务器平台。

（二）特斯拉的实践

• 第一个是自动驾驶( Autopilot )及娱乐控制模块，相当于中央计算机
• 第二个是右车身控制器（ BCM RH ）
• 第三个是左车身控制器（ BCM LH ）

Autopilot 与娱乐控制模块掌控了所有的摄像头和雷达传感器。在模块内部，Autopilot 系统和娱乐系统这两大部分通过 CAN 和高速串行总线 FPD-Link 打通。这比起如今娱乐域和安全域老死不相往来的构架设计，明显高了一个层次。实际上，FPD-Link 的存在表明，两者之间甚至可以传递视频数据。

自动驾驶及娱乐控制模块 Autopilot & Infotainment Control Module 虽然是一个模块，但是内部还是分了 2 个硬件平台和 2 个系统，最大的变化是将全车摄像头进行了集中的接入和运算，通过 Drive PX2 计算平台集中整车所需的AI算力。两个系统之间通过 CAN 和 LVDS 传送数据，摄像头图像可以由 Autopilot系统接入后通过 LVDS 传给娱乐系统。这一架构让基于车内和车外图像的 AI 应用开发和更新迭代变得可实现。例如 Tesla 想在 Model 3 上升级当下最热的 AR Navi 功能，也许只需要软件工程师动动手指头就搞定了。

右车身控制器集成了自动泊车、座椅控制、扭矩控制等功能；左车身控制器集成了内部灯光、转向柱控制等。两个车身控制器也都和线控执行单元、转向控制、防抱死制动系统等执行器相连，可以直接操作车辆。在 Model 3 新的 EE 架构中，电池管理和充电控制和 DCDC、车载充电机、PDU 都被集成进一个单一单元，缩减了整车的高压线束成本和装配成本。

（三）宝马

宝马在E/E构架方面的变化清晰地折射出计算集中化的趋势。

图9 宝马规划的下一代E/E构架

（四）博世

博世的渐进式路线从域的集中化开始演进，终极目标一样是车载中央计算机，并且进一步扩展了与云端配合的分布式计算能力。

大陆的发展路径也和博世非常类似。

克里斯藤森在其经典《创新者的窘境》中提到，破坏性创新往往都是行业外的新玩家发起，从边缘市场切入，抓住边缘用户，使产品从小众变为主流，从而颠覆行业格局。

历史上，在钢铁、电脑、手机行业都曾上演过类似的故事，当年苹果切入手机行业的时候，推出的手机完全达不到诺基亚的抗摔标准，但依然凭借用户体验干掉了诺基亚。当智能化浪潮从 IT 行业延伸到汽车的时候，我们看到了相同的故事正在上演。

2019 年 5 月，华为宣布成立智能汽车解决方案事业部。强调自己不造车，而是定位世界级 Tier1 供应商，通过 ICT 技术为合作伙伴提供车联网相关解决方案。更早之前，华为发布了基于其昇腾芯片的车载计算平台 MDC600。

此前，华为心声社区发布了任正非内部讲话，「车联网、人工智能、边缘计算是我们未来的三大突破点。车联网可以成立商业组织，加大投入。面对智能汽车的联接、车载计算、自动驾驶等都是车联网的重要方向，要作为战略坚决投入，激光雷达等要聚焦在 ICT 核心技术相关的方向上。」

对于车载 E/E 构架来说，中央计算机构架是全新的，但对于 PC 和手机行业，无论是 SOA 还是 HAL，中央计算机构架都已经是非常成熟的概念。

从这个意义上讲，无论是苹果、英特尔、高通、三星还是华为，他们大举进军汽车行业的逻辑，绝非简单地复制，而是将自身的 IT 基因与汽车固有的基因进行新的编辑，进化出新物种，并引领计算行业从手机的 TOPS 时代走向 POPS（1000TOPS）时代，在这一过程中，IT 企业有着先天的基因优势，这是正是特斯拉能够颠覆行业的底气所在，也是华为高调进军汽车行业的底层逻辑。

大众的一位负责人日前表示：「我们对实现全自动驾驶的时间表非常怀疑。我认为到目前为止我们看到的所有截止日期和时间点都被打破了。」

有人说，2019 年是自动驾驶从期望之巅滑向幻灭之谷的一年。Drive.ai、Roadstar 等曾经的明星公司折戟沉沙，也在印证着这个说法。但对于整个行业来说，这是在走向成熟之前，必然要经历的阵痛，行业正在从不切实际的期望回归理性。

图10 技术成熟度发展曲线   来源：Gartner

然而难免矫枉过正，很多人又对自动驾驶的前景变得过于悲观。

回顾自动驾驶的产业发展，一个有趣的趋势是：自动驾驶行业玩家大多是从一个共同的原点出发，搞自动驾驶改装车，在推进的过程中，重点开始持续分化，聚焦于各自最有优势的领域，产业分工越来越清晰，传感器、感知、仿真、高精地图、基于 V2X 的车路协同方案、整车集成等链条逐渐形成。其结果是，协同进化大大加速了自动驾驶技术的成熟周期。

本质上，这是由自动驾驶技术的高难度决定的，任何一个单一玩家都无法克服所有的挑战，联盟组局，聚焦单一技术等等，都是自然的进化结果。

当前的三大自动驾驶联盟，基本上聚集了全球最顶尖的车厂，传统造车经验的赋能，再结合初创公司（Argo.ai、Cruise 等）的进化速度和执行力，对目前的领头羊 Waymo 形成了巨大的压力。

Mobileye、英伟达、博世已经在各自的细分领域建立了强大的护城河，新兴的初创公司，如地平线、Pony.ai、Momenta 等也在寻找自己的定位。

自动驾驶的地域化特点，决定了北美、欧洲、日本以及中国市场的自动驾驶解决方案有高度的差异化；随着中国市场领先于国际的 5G 商业化大幕的拉开，基于 V2X 的车路协同的发展进一步强化了这种趋势。

在这场变革中，中国拥有全球最大，竞争最激烈的单一市场，更有对于新技术充满热情的消费者和强大的产业驱动力量，以及高度差异化的驾驶环境，即使对于已经在海外市场建立了一定优势的国际巨头来讲，都是一个充满挑战的市场，无论是老司机，还是新兴公司，只有面向中国的驾驶场景进行高度优化，提供极致性价比、开放灵活的开发平台以及本地化的支持，才能赢得这场竞争。

从技术上总结，中央计算机-层-区的概念将建立起智能汽车的新构架。区是局部控制、感知与执行单元，层是按照职能划分的资源池，中央计算机是真正的决策大脑，面向应用/服务，调用各层资源，执行高级决策，由区控制单元执行决策或完成态势感知任务。

高度变化的需求、智能化的持续演进、车载硬件和软件系统复杂程度的提升对计算构架的可扩展性、易用性、系统可靠性提出了严峻的挑战，各大玩家殊途同归，朝着中央计算机的构架和服务导向的开发理念前进。特斯拉、通用、宝马、安波福、博世、伟世通以及地平线等正在引领这一潮流。

目标往往是清晰的，但通往目标的路径却大相径庭，无论是 IT 新贵，还是汽车行业老兵，大家都是基于自己的优势积累，从不同的坡，爬同一座山。在这个过程中，对于产品路线图、性能、安全性和成本的拿捏，各家都不尽相同，很难讲哪条路更好，所以无论是大陆和博世的渐进式域融合（domain fusion）路径，还是特斯拉和安波福更激进的实践，都是面向未来的探索，都值得尊重。

综上，本文十个关键结论：

1. 智能汽车 E/E 构架设计面临四大挑战：功能安全、实时性、带宽瓶颈、算力黑洞。
2. 智能汽车 E/E 构架四大趋势：计算集中化、软硬件解耦、平台标准化以及功能定制化，商业化落地时间大约在 2025 年。
3. 智能汽车的新构架将基于中央计算机-层-区的概念构建。
4. 新的 E/E 构架将使 OEM 在与领先的 Tier1 的博弈中重新赢得主动权。
5. OEM 可能将只会拥有一个覆盖了所有车型的电动汽车（EV）平台。
6. AI 芯片是中央计算机的核心，需要越过安全、成本和性能的临界点。
7. 组织变革是车企在这场技术革命中面临的最大挑战。
8. IT 企业在这场变革的竞争中有先天的基因优势。
9. 智能汽车将是有史以来软硬件开发量最大的 IT 产品，将诞生新的 Wintel 联盟。
10. 智能汽车作为移动自主机器的第一形态，将撬动比自身市场大得多的商业价值。