跨域融合成智能座舱产业发展新拐点-电子发烧友网

电子发烧友网报道（文/吴子鹏）相关统计数据显示，截至2021年10月，中国乘用车智能座舱渗透率为50.6%，预计到2025年这一比例将达到75%以上。根据亿欧智库的调研数据，在25-35岁年龄段当中，有79.1%的用户将座舱智能化体验视为其购车的参考因素；在所有年龄段的消费者调研里，智能座舱是仅次于安全要素的购车第二大影响因素。

当前，智能座舱已经在屏幕、娱乐、交互等方面实现了巨大的突破，产业的下一步将走向域融合。

域融合下的智能座舱

2022年初，中科创达发布了一款全新的智能座舱方案，基于高通SA8295硬件平台，该座舱便实现了域融合的智能座舱。不仅支持数字仪表、中控娱乐、副驾娱乐、双后座娱乐、流媒体后视镜和抬头显示器等传统智能座舱功能，同时将低速辅助驾驶与座舱域进行融合，从而在座舱中能够实现360度环视汽车，更好地支持智能泊车功能。

从中科创达以及其他厂商的布局来看，目前舱驾融合是行业主要的趋势。

所谓的舱驾融合也就是智能座舱域和智能驾驶域的融合，大体的思路是将两部分功能融合到一个高性能的计算单元里，进而打造出舱驾一体的域控制器。百度IDG智驾融通创新部总经理苏坦此前在世界新能源汽车大会期间表示，舱驾融合有三个明显的信号：其一是车载座舱使用的计算芯片的算力，第一次超过了同期手机所使用的芯片的算力；其二是神经网络的本地化加速，开始具备了技术的基础，算法和算力平台的融合初具可能性；其三是更强的人机交互系统出现，视觉感知、语音控制等多维交互能力有明显突破。

智能座舱作为人车交互的第一渠道，在跨域融合之后，也会出现一些典型的表象变化。比如中控信息屏的信息维度将会扩增，如果不能很好地做到信息的扁平化显示，菜单分层数会相应增加，进而导致驾乘人员获取信息的难度提升，相应的驾驶风险度便会提升；其次是交互方式的改变，过往智能座舱很少用到3D显示，基本都是平面显示，且控制方式以触屏和物理按键为主，域融合之后，座舱很多控制将基于语音和手势等更方便的控制，将更多地采用AR和3D等新型显示技术。

当然，除了座舱域、智驾域，还有动力域、底盘域和车身域等。在EE架构走向中央计算平台的大趋势下，未来这些域都将消失，最终使得汽车和现代的智能手机、笔记本类似，由一个强大的计算平台控制所有功能。

这个时候，车子本身将彻底完成驾控的闭环，没有了中间域的传输环节。而智能座舱作为信息交互的窗口，如何实现信息交互的闭环，将成为产业需要持续应对的挑战。

智能座舱域融合后面临的挑战

域融合是一个总领性的概念，在具体实施的过程中，实际上要面对多方面的挑战。

首先就是必要的计算平台。域融合之后第一个显著的变化上面已经提到了，就是对算力的需求是倍增的。那么，原来域控制器里面的计算芯片即便是有冗余设定，也无法满足新的需求，升级大算力芯片是不可避免的。在英伟达GTC 2022上，该公司曾发布2000 TOPS大算力芯片Thor。这款芯片支持多计算域隔离，可实现座舱域、驾驶域融合，也就是将辅助驾驶、自动泊车、信息娱乐、DMS等多种功能放在一颗芯片上实现。

我们上面提到了高通的SA8295芯片，其是高通第四代座舱平台，即将在2023年上车量产。这颗芯片也是实现域融合的计算平台。比如博泰和高通的合作中，博泰便是基于SA8295芯片整车智能化、智能汽车连接功能、SOA架构、驾舱一体以及基于中央控制器的多域融合等方案开发。

此外，我们也注意国内的黑芝麻智能、芯驰和地平线也都是在强调域融合，且一个主要的方向都是上面提到的舱驾融合。

目前，国内传统的tier1厂商以及智能网联汽车方案商都有推出舱驾融合的解决方案。比如德赛西威的第一代ICP产品Aurora，该平台实现了从“域控”到“中央计算”的跨越式技术落地，硬件搭载主流大算力芯片，总算力可达2000TOPS以上。据悉，在Aurora平台上，用户有英伟达Orin、高通SA8295和黑芝麻的A1000芯片可选，打造灵活的硬件方案。在功能方面，Aurora集成智能座舱、智能驾驶和网联服务等多个功能域。

软硬件解耦这一点在域融合阶段是非常重要的。在德赛西威的域融合域控制器方案中也有提到，该方案在设计上采用插拔式结构，这是一种算力可拉伸结构，用于满足不同价位对域控制器的多样化需求。

不过，有了核心计算芯片只是有了让智能座舱实现跨域融合的前提，还需要软件方面一起跟进。在软件方面，均联智行首席架构师汪浩伟此前表示，舱驾融合以及在智能座舱融入更多的域元素，软件上的融合需要从整体的软件架构去入手，从而得到一个全新的软件架构体系，这样才能适配新的、融合的域控制器，这里面一个很关键的点是对应用功能的重新定义。

现阶段，虽然软硬件解耦提供了一些解决问题的思路，不过在舱驾融合或者其他域融合的域控制器方面，还是有一些挑战存在。比如在核心芯片设计层面，虽然软硬件解耦更加强调了芯片的通用性，但是通用算力在实际部署过程中如何利用实际上是一个很大的难题，CPU和GPU等硬件资源如何分配？配置多少通用接口？是否增加一些针对特殊应用的专用IP？也就是说，目前的硬件平台是粗矿的，用比较极致的冗余度来满足需求，但是也存在一定程度的资源浪费。

在软件方面，功能安全和OTA功能之间的界定也有很多模糊不清的地方存在。