（报告出品方：中信建投证券）

一、概况：计算平台是自动驾驶系统“大脑”，供应生态多样

核心结论：自动驾驶汽车围绕感知、决策和执行三大环节构建软硬件系统。车载智能计算平台是自动驾驶汽车的“大脑”，主要负责完成感知环节的识别融合任务以及整个决策环节，需要处理海量数据和进行复杂的逻辑运算。为满足高算力需求，目前车载智能计算平台集成多个SoC，每个SoC集成多类计算单元（如CPU、GPU、FPGA、ASIC等）。同时，车载智能计算平台还需要高效的软件架构支持应用开发。其软件架构高度分层化和模块化，主要分为系统软件（虚拟机、操作系统和中间件）、功能软件和应用程序三层。相较于传统零部件，车载智能计算平台涉及各类芯片和软件，供应商来自不同领域，供应生态多样。主要有三类参与者：OEM主要负责应用软件和部分功能软件，传统Tier1在中间层布局较深，芯片商提供硬件以及部分系统软件。另外还有算法方案解决商、Robotaxi厂商、专业系统软件商等。

1.1自动驾驶系统架构：传感器+车载智能计算平台+执行系统

自动驾驶系统是一个复杂的系统。为实现从A地到B地的驾驶过程，需要自动驾驶系统完成感知、决策、执行3大任务。

感知：感知环节是实现自动驾驶的前提和基础，其主要功能是解决2个问题：环境识别（周边环境如何）和自身定位（在哪里）。环境识别（周边环境如何）：感知系统利用摄像头、激光雷达、毫米波雷达、超声波雷达等传感器获取道路环境的信息，并对传感器数据进行处理、融合、理解，实现对车辆、行人等障碍物的识别，以及对车道线、红绿灯等交通标识的检测。自身定位（在哪里）：利用全球导航卫星系统（GNSS）、惯性测量单元（IMU）、高清地图、车速传感器等获取车辆自身空间状态信息。环境状态信息以及自身状态信息为后续车辆预测、规划等决策环节提供依据。

决策：决策环节是自动驾驶的核心，其主要功能是回答几个问题：预测（接下来会发生什么）、决策（该做什么）、规划（怎么做）。在感知环节完成对自身精确定位和对周围环境准确理解的基础上，决策环节主要是对接下来可能发生的情况进行准确预测，对下一步行动完成准确判断和规划，并选择合理的路径达到目标，指导执行系统对车辆进行控制。执行：自动驾驶系统最终要借助对车辆的控制达到自动驾驶的目的。执行环节负责将决策和规划落实为切实的行为。执行系统控制器（如底盘控制器、动力系统控制等）接收决策系统输出的目标路径轨迹，通过一系列结合自身属性和外界物理因素的动力学计算，转换成对油门、刹车、转向的控制，尽可能控制车辆按目标速度和方向行驶。完成上述3大任务需要车端系统、云端系统的支持，以及各类技术（如先进的整车电子电气架构、OTA、V2X等）的保障。完备的车端系统是自动驾驶功能实现的主要装备保障，仅靠车端系统即可实现初级和部分中级自动驾驶功能。车端系统主要包括：感知定位传感器系统、车载智能计算平台（简称计算平台）和底盘/动力系统。

车载智能计算平台：如同人类大脑，完成感知环节的识别融合任务以及整个决策环节。自动驾驶几乎所有的计算都集中在计算平台。各类专用、通用芯片组成的硬件资源为计算平台提供算力保障。基于虚拟机、各类操作系统、中间件的系统软件架构为自动驾驶算法和功能实现提供软件平台。AI算法、滤波算法、规划算法等基础算法库以及保障工程实现的安全、备份、通信等基础功能库组成的功能软件为差异化的应用实现提供基础模块支持。计算平台的软硬件的差异是各厂商自动驾驶功能差异的核心所在，计算平台性能优良体现厂商自动驾驶技术实力的高低。底盘/动力系统：如同人类手脚，负责执行环节。底盘/动力系统包括对应的控制器和机械执行机构。底盘系统负责实现车辆转向和制动，动力系统负责车辆驱动。对于自动驾驶汽车，执行机构电子化，以及更进一步的线控技术是执行系统的基本技术要求。比如电子油门、电子助力转向、电子助力制动等。执行机构电子化实现人机解耦和自动控制。比如传统的真空助力制动系统只有当驾驶员踩动制动踏板，刹车助力系统才会工作。采用电动助力系统后，驾驶员不踩制动踏板，只要启动助力电机也能推动制动主缸，最终产生制动。

1.2什么是车载智能计算平台？

车载智能计算平台是实现高阶自动驾驶的必选方案。自动驾驶过程中需要一个强劲的“大脑”来统一实时分析、处理海量的数据与进行复杂的逻辑运算，对计算能力的要求非常高。计算平台本质也是嵌入式系统，相比于汽车传统控制器ECU（比如：发动机ECU、变速器TCU、车身BCM、电池BMS、电机MCU、整车VCU），其硬件和软件的复杂度更高，算力更高，功能更强。硬件方面，汽车传统ECU主要采用MCU（微控制单元，MicrocontrollerUnit）实现简单的计算和逻辑判断。智能计算平台通常使用单个甚至多个集成CPU、GPU、FPGA或AISC的SoC，可实现大量数据的并行计算和复杂的逻辑功能。软件方面，传统ECU软件架构较为简单，底层操作系统OSEK，中间件采用CPAUTOSAR框架，顶层为应用程序。部分功能简单的控制器甚至不需要使用操作系统和中间件。智能计算平台软件架构更复杂，层次更多，自下而上包括虚拟机、操作系统（支持多类实时与非实时操作系统）、中间件、功能软件和应用软件。

1.2.1车载智能计算平台架构

计算平台的功能实现需要丰富的硬件资源和复杂的软件支持。不同硬件资源的集成形成计算平台的硬件架构，将复杂的软件分层化处理构成了计算平台的软件架构。

硬件架构：片内引入专用计算单元、板上集成多SoC自动驾驶中央计算平台的结构通常包括电路PCB板、散热部件和外壳。电路PCB板是计算平台是功能实现的核心，即是通常所称的计算平台“硬件”。中央计算平台硬件架构可分为三层：板级：即PCB板，其上集成了SoC、I/O接口、内存、电源模块以及其他电子器件。更高阶的自动驾驶功能对计算平台的算力要求越来越高，考虑冗余的功能安全要求，单SoC设计已经无法满足要求，计算平台需要集成多个主SoC。片级：即系统级芯片（SoC），主控芯片上集成了多个和多类计算单元。在传统PC时代，各个核心芯片都是以独立的方式存在，比如英特尔和AMD的CPU、NVIDIA的GPU等。到了移动互联网时代，由于体积功耗方面的要求，主芯片集成度大幅提升，除了CPU和GPU，通常还包含了音频、多媒体、显示、安全、通信、AI计算等子单元。高度集成的SoC自然成为自动驾驶计算平台的首选。核级：即芯片的计算单元，如CPU、GPU、FPGA、ASIC等。不同种类的计算单元有各自的优势，分别负责不同任务。CPU通用性最强，主要负责复杂逻辑运算；GPU通用性不如CPU，但计算能力高，适合同时处理大量的简单计算任务，如运行深度学习算法；FPGA和ASIC是专用型计算单元，针对某类运算定制，以达到最优的性能和功耗比。这类计算单元主要用来运行如神经网络等AI算法。

系统软件：承上启下，实现应用软件与物理硬件分离。系统软件自下向上分为三层。1）虚拟机（Hypervisor）：通过将虚拟化将物理硬件隐藏，实现多个操作系统共享一个芯片；2）操作系统内核：即狭义操作系统（如OSEKOS、QNX、Linux）。内核提供操作系统最基本的功能，负责管理系统的进程、内存、设备驱动程序、文件和网络系统，决定着系统的稳定性和性能；3）中间件：处于功能应用和操作系统之间，提供标准接口、协议，保证上层软件具有较高的移植性。功能软件：为自动驾驶功能提供共性功能模块。其可进一步分成两层，下层为实现自动驾驶的基础模块（如基础算法、功能安全、通信存储等），上层为自动驾驶子功能模块（如感知、定位、预测等）。应用程序：实现具体的自动驾驶功能。开发者根据自身产品功能定义，利用功能软件层提供的基础库，设计出具体的应用功能，比如低等级的ADAS辅助驾驶功能（AEB、ACC等）、较高等级的自动驾驶功能（APA、TJP、HWP等）、甚至L4以上的自动驾驶功能。

1.2.2车载智能计算平台怎样实现功能

车载智能计算平台开发流程

计算平台软件开发依赖大量数据验证，实现高级别的自动驾驶功能需要长期的开发周期。厂商通常为计算平台预埋充足的硬件资源，逐步完善和解锁性能更优的功能。OTA（尤其是FOTA）使计算平台软件迭代更新成为可能。车载计算平台算法开发和升级通常包含以下几个步骤：1）数据采集。利用具有自动驾驶能力或者数据采集能力的车（要求包含GPS、惯导、摄像头、毫米波雷达、激光雷达等所有传感器，底盘动力为线控系统，车上有数据采集控制器），实时采集车辆看到的各种场景，以及对应场景下车辆运行的状态。2）构建场景样例。将采集的数据上传到云端数据中心，数据中心端依靠人力或全自动化清洗和标注数据，形成大量的场景。3）算法训练。将大量场景样例输入初始算法模型，不断调整模型参数使模型输出与目标一致。4）仿真验证。将训练好的模型和其他的软件算法集成，在云端的仿真器平台做模拟的仿真，验证软件算法的准确性和可靠性。5）实车路测。将软件算法刷写进车载计算平台，进行实际路测。在实测中发现问题，针对性的采集特定区域的数据，再完成算法训练优化，在进行仿真和实测。6）OTA更新计算平台。车辆销售后，厂商根据实际道路的数据和用户反馈，对软件算法进行升级，通过OTA更新用户车载计算平台软件。

车载智能计算平台工作过程车载智能计算平台的职责是完成感知环节的识别融合任务以及整个决策环节。1）识别融合：摄像头、激光雷达等传感器实时采集路况信息，通过以太网传输至车载中央计算平台，感知模块根据输入图像信息调用一系列基础算法模块对信号进行滤波、识别。这类算法程序利用中间层提供的统一接口访问操作系统。操作系统在经过虚拟机调用SOC中的GPU或FPGA或ASIC相关资源完成的数据处理。2）决策：感知模块完成处理将结果数据通过中间层传递给决策模块。同样，决策模块调用基础算法模块，层层经过中间层、操作系统和虚拟机调用CPU等硬件资源完成复杂计算。决策结果即目标路径、车速等信息再经过以太网从中央计算平台传递至底盘、动力域控制器。

1.3车载智能计算平台供应生态

车载智能计算平台主要有三大类参与者：整车厂商、传统汽车零部件商、硬件厂商。另外还有算法方案解决商、Robotaxi厂商、专业系统软件商等。

1）整车厂商：定义和开发自动驾驶功能应用。整车厂商根据市场需求和产品定位，设计自动驾驶功能。大部分整车厂商主要

转载请注明:http://www.aideyishus.com/lkzp/3785.html