进入2019年，高级自动驾驶(HAD，High-level Autonomous Driving)落地难度增大，从通用的Cruise到谷歌的Waymo，都推迟了真正的商业落地时间，停留在“路试”或“商业化试运营”阶段。国内OEM在等待自动驾驶关键技术成熟的档口，逐步将精力转移到智能座舱的落地，这从今年的CES2019会展变成了“智能座舱展”就可看出。再叠加上5G推出对智能网联的推动作用，2019年或将成为智能座舱元年。

智能座舱，消费者的深切呼唤

随着IT产业及消费电子的繁荣，用户可以充分享受平板电脑、智能手机等智能终端带来的丰富、优秀的交互体验。这种体验形成习惯后，也在向汽车座舱蔓延。未来，车主将对手机应用的喜好迁移到车载信息娱乐系统上，如导航、音乐、视频、社交等。

为了更好的支持用户在座舱里的智能化体验，汽车座舱开启了“电子化”和“内饰智能化”的趋势。电子化主要以车载信息娱乐系统(中控大屏)为原点，整合周边的“显示器”(Displays)，例如液晶仪表、抬头显示、后排显示屏，打通各个HMI“孤岛”，形成更加数字化的座舱电子信息系统。该座舱电子信息系统，将囊括HMI、信息显示&提供、空调等车身控制、网联、多媒体服务等功能，以更好的承接车主对消费电子在车辆中的“场景迁移”趋势。

“内饰智能化”则通过将座椅、中央扶手箱、方向盘等等内饰设备，打造成可变性、可折叠、可调整、数字化的智能化部件，以实现汽车“第三空间”的场景化配置。

智能座舱的四个发展阶段

智能座舱一般会经历以下四个发展阶段：电子座舱、智能助理、人机共驾和第三生活空间(图1)。

图1 智能座舱的4个发展阶段

其中，电子座舱阶段主要包括E/E架构整合、车载操作系统整合、SOA架构落地以及形成系统分层等步骤，使汽车成为继个人电脑和智能手机之后的第三个功能强大的“数字体”。

智能助理阶段则通过生物识别技术的应用，利用座舱内摄像头(视觉)、麦克风阵列(听觉)、方向盘和座椅上的压力传感器(触觉)等传感器获得感知数据，对舱内驾驶员和其他乘员进行检测、识别，增强智能汽车自身感知能力，助力汽车成为用户的个人“智能助理”，对用户进行精准感知，进行人性化的互动;并作为“信息咨询助手”，及时将车辆自身以及旅程相关的信息提供给用户。

人机共驾阶段，“智能助理”的功能会进一步扩展，不仅能“察言观色”，提供主动性的交互服务，还能提高系统自身的功能安全等级，利用“智能助理”直接参与安全强相关的底盘控制(制动、转向、动力)部分，形成无缝衔接的人机共驾局面。

第三生活空间阶段，汽车将从纯粹的载具变身为办公室、娱乐场、电影院、会客厅、睡眠舱、露营车等场景化的实现平台，使车辆成为家的延伸。

电子电气架构集中化趋势，独立座舱域成为排头兵

随着汽车智能化的快速发展，车辆功能愈加复杂，导致子系统之间共享数据的需求迫切，对实时通信带宽的要求也更高。这些变化推动着EEA从传统分布式向集中式转变，或需经历“域架构”到“中央-区架构”的转变。

当前架构正处于“分布式”向“域”迈进阶段。在“域”架构阶段，通过域控制器这种硬件集中化的产物，整合动力底盘域、车身域、智能驾驶域和智能座舱域等4到5个独立控制域，大幅减少ECU数量，成为业内共识。而座舱域则成为实践的排头兵。例如，伟世通SmartCore作为业内首个量产座舱域控制器的方案，将座舱域多个ECU整合成一个控制器，利用单颗SOC芯片驱动车内多个显示(中控触屏、仪表、抬头显示)。再比如安波福的ICC集成座舱控制器，则整合了信息娱乐系统、T-Box、驾驶员监控系统和全景环视系统等。

随着车载ECU不断合并，数量不断减少，最终会催生车载中央计算机的诞生。可以说，未来的智能汽车本质是一台移动的超级计算机(图2)，而其中的AI计算单元或将成为竞争主战场(图3)。

图3 从分布式架构到车载超级计算机的变革

图4 边缘侧AI芯片是车载超级计算机核心能力之一

SOA构架计算平台推动全车智能应用

随着E/E架构(硬件架构，Hardware-Oriented)从分布式向集中式演变，以及车载以太网逐步成为通信的骨干网(基于SOME/IP)，SOA架构(面向服务的架构，Software Oriented)逐渐为未来智能汽车架构演变的主流方向。

SOA是IT行业经典的架构方式，大量的IT系统都是基于SOA实现的，这种构架可以极大提升软件开发的效率。而智能座舱作为整个互联网服务在车端的关键“落脚点”，实现SOA架构也显得尤为重要。基于SOA架构实现的智能座舱域可以为各种服务功能的开发提供一致、强大的开发平台，加速各种创新应用的开发。其他相关子系统也能从中收益，例如高精地图服务、OTA升级&远程诊断、信息娱乐系统等。而相关功能也能够更容易地与互联网集成(无需进行信号到服务的转换)。

基于SOA架构理念，AliOS近日提出了对未来智能汽车方向的判断：全车智能，即基于OS的融合智能，包括感知设备、交互方式、计算能力的融合。而要实现真正的全车智能，必须拥有功能安全、全车感知、协同计算、互联服务、开放生态等要素。通过摄像头、lidar等感知设备的数据融合和自车AI能力，让车更好地理解自己(车)、理解乘客(人)、理解周围的环境(路)，并以此为基础打造更好的服务。

AI感知计算的集中，促进独立感知层的形成

架构与计算单元的集中，也为AI算力的整合及软件分层打下了基础。

目前车内不少控制器模块，都倾向于采用单颗AI感知芯片，来整合原有子系统分散的感知能力。例如，国内很多OEM的信息娱乐系统(车机)，过去都采用MCU + 应用处理器(AP，Application Processor)的芯片组合方案来实现。其中，MCU作为与车辆的“接口”，负责安全性;AP则作为主核，负责绝大部分车机功能的实现。但是随着车内视觉及语音交互需求不断提升，车机对AI计算能力需求越来越大，因此逐渐配备了负责AI感知计算的专用协处理器(CP，Coprocessor)，专门负责车内视觉、语音识别等算法的AI加速(图4)。

图4 单颗AI感知芯片作为协处理器，负责AI加速

图5为地平线为国内某主机厂打造的基于AP+CP车机方案。该方案使用了地平线2019年8月底新发布的征程二代AI芯片作为专用的AI感知芯片，处理所有感知任务。

图5 基于专用AI感知芯片的车机系统架构框图

地平线的征程二代芯片是一款基于新一代伯努利架构的车规级AI芯片。该芯片工艺上采用台积电28nm工艺，并集成双核Cortex A53和先进的图像处理单元(ISP+IPU)，支持BT1120、MIPI CSI-2和DVP图像输入，支持对ResNet、MobileNet和Faster R-CNN网络的硬件优化加速，可提供超过4TOPS的等效算力，典型功耗仅2瓦。

专用AI感知芯片的产生，标志着车载AI基础设施搭建完毕。基于该基础设施的智能汽车独立感知层也就应运而生了(图6)。它赋予了智能汽车全方位的感知能力，像人一样拥有“五感”，例如车内&车外视觉、语音&听觉、触觉甚至嗅觉。

图6 专用AI加速芯片推动独立感知层的形成

基于独立感知层的理念，地平线研发出了智能、准确、可靠的智能座舱多模交互技术。方案采用了图5的系统架构，融合了MIC阵列、内视摄像头、外视摄像头、车身数据等丰富的数据信息，并实现了语音识别、车内视觉、车外视觉等多模态感知。

图7 地平线的多模交互解决方案

除此之外，多模交互方案还提供云端支持以及工具链支持，最大化赋能客户差异化应用开发。其中云端可以支持与OEM云端互联互通，再通过云端的算法模型训练平台，以及声纹&人脸识别服务，以满足客户更加个性化的需求;工具链方面则提供用于标注分类的数据平台、用于训练模型框架的在线训练平台、误差分析用的可视化平台以及用于模型检测/分类/精确度评估的模型评估平台。

结语

在座舱域智能化的变革大潮中，中国作为最大、竞争最激烈的单一汽车市场，OEM强烈的落地热情，加上移动互联网成熟的产业配套和不逊国际巨头的强有力玩家(BATH)，以及对新技术充满热情的消费者。在这些有利因素的叠加作用下，相信锐意进取的国内玩家一定能赢得座舱内的这场战争。