从“三共计算”到生态重塑，舱驾融合开启智驾新范式

在汽车智能化浪潮下，传统智能座舱与智能驾驶分离的电子电气架构，因硬件冗余、成本高、信号稳定性差等弊端，难以满足用户需求和技术发展，使得“舱驾融合”概念应运而生。通过将智能座舱域与智能驾驶域整合到一个高性能计算单元，舱驾融合实现了硬件共用、功能协同，以及降本增效。本文将聚焦这一话题，深度探讨舱驾融合过程中面临的机遇与挑战。

从分布式到“三共计算”

第三方数据显示，截至2024年10月末，舱驾智能的渗透率已经达到了41.75％。2025年开始，这一市场份额还会继续上升，预计在政策、技术和市场等多方因素驱动下，15万人民币以上的车型都能率先采用舱驾融合技术。那么，“舱驾融合”又是如何实现智能座舱与智能驾驶“大脑共用、数据共通、算力共享”的呢？

Imagination公司产品管理副总裁Dennis Laudick表示，汽车行业正处于汽车电子架构集中化的进程中。过去，车辆配备了大量分布在车身各处的小型处理器，每个处理器负责一项简单功能。如今，这些小型处理器的功能正逐渐整合到更大、更高性能的系统级芯片(SoC)中，由后者处理整个功能域——例如管理整个高级驾驶辅助系统(ADAS)或整个座舱体验。

Imagination公司产品管理副总裁Dennis Laudick

这种方法带来了诸多优势，从降低车辆复杂性(实实在在地减少了数英里的布线)，到实现更全面的决策制定，以及在软件定义汽车的时代更便捷的空中升级(OTA)。而舱驾融合将这些优势进一步延伸，它将负责渲染信息娱乐屏幕、座舱屏幕和抬头显示，以及处理驾驶员监控等功能的座舱控制器，与ADAS控制器融合。

举例来说，在下一代自动驾驶车辆中，负责驾驶的同一个计算单元可实时获取驾驶员状态相关数据：他们是否清醒？是否在使用手机？是否在与乘客交谈？当需要将车辆控制权交还给驾驶员时，车辆能够知晓这需要多长时间，并据此做出规划。

另一方面，随着汽车计算的集中化以及车辆的全面电动化改变了汽车的构成，我们看到的最大转变是汽车主机厂开始自行设计芯片，并全面掌控车辆的客户体验。比亚迪就是一个典型案例：该公司已宣布向半导体和自动驾驶技术投资1000亿元。

因此，在客户体验方面，将驾驶辅助系统与座舱集成有望实现手动驾驶模式与自动驾驶模式之间更平滑的切换。通过将物体检测数据接入抬头显示(HUD)，将有助于提升手动驾驶模式下的驾驶安全性——例如高亮显示危险物或车速标志。在此场景中，将物体检测模型与增强现实(AR)显示集成在单一控制器上，既能减少运行此类体验所需的数据传输量，也能简化软件开发流程。

芯擎科技创始人、董事兼CEO汪凯博士则从三方面做了更进一步的说明：

芯擎科技创始人、董事兼CEO汪凯博士

(1)大脑共用：从分布式到集中式架构的演进

传统汽车电子架构中，智能座舱与智能驾驶系统通常采用独立的ECU或域控制器，导致硬件冗余和协同效率低下。而舱驾融合通过中央计算平台(如单芯片或多芯片集成方案)将两者功能集成至同一“大脑”，通过高算力SoC芯片，集成CPU、GPU、NPU等计算单元，实现硬件的整合。同时通过虚拟化技术或容器化技术，在单一硬件平台上运行多个操作系统，实现座舱与智驾功能的逻辑隔离与资源共享。

(2)数据共通：舱驾融合的核心是数据闭环的构建，比如：

感知系统复用：摄像头、毫米波雷达、超声波雷达等传感器数据同时服务于座舱AVM、HUD、DMS与辅助驾驶的感知、定位模块等系统，接口复用可以减少线束和系统成本，提供融合系统性价比。

片内计算任务的多IP协作与数据传输的优化，提升芯片算力与能效比，形成完整的片上互连、神经网络加速方案，适配智能座舱数据流高带宽、智能驾驶数据流低延迟的关键性性能要求。

片间数据交互：通过高速以太网、PCIe总线，或是企业自研的高速互联通路协议，实现不同系统的高带宽低延迟的互联互通，提供多颗SOC级联的扩展能力。

(3)平台化交付，架构同源，软件同源，协同高效

这里所说的软件架构平台化适配，是指中间件与底层硬件耦合，屏蔽芯片的复杂性，芯片级适配优化能力由芯片企业完成。中间件与算法，系统调度，应用软件解耦，开放算法移植优化的能力给到第三方。

这一过程中，芯片固件和驱动保持一致，提供量产质量标准的参考设计，提高芯片快速量产能力及产品可靠性与稳定性。同时，信息安全采用同源IP实现，保障数据安全端到端的能力；功能安全采用智能驾驶芯片标准，为高阶舱驾融合提供安全基础。

算力与安全的平衡

“知易行难”。尽管人们最终希望通过芯片和算法支持的一系列解决方案，能够提升用户的核心体验：更安全、更智能、更个性化。但在汽车中实现座舱与ADAS功能的融合或者集成，不但需要具备性能强大、灵活性及功能安全性极高的处理器，还要在功耗、功能安全等诸多方面达成目标。

汪凯博士对此表示认同，并指出，在算力方面，舱驾融合芯片需要具备强大的综合算力，能够同时支持智能驾驶和智能座舱的多种复杂运算，并且要具备灵活的算力分配机制，以适应不同场景的算力需求。

“智能驾驶领域，如城市NOA等功能，需要处理大量传感器数据，且算法模型已经演进到BEV+Transformer等更复杂的形式，对浮点算力、向量计算资源以及访存容量和带宽要求很高。同时，智能座舱也引入生成式AI大模型，强化人机交互体验，这也让芯片需要处理更复杂的任务，运行算法的复杂度、模型参数以及数据规模大幅上升。“汪凯博士说。

此外，舱驾融合系统还涉及到车辆的关键驾驶功能和座舱安全，对功能安全要求极高。芯片需要满足车规级安全认证，比如达到ASIL–D安全等级，包括硬件冗余、错误检测和纠正、安全启动和加密等功能，以确保在各种复杂的工况下都能稳定、可靠地运行，保障驾乘人员的安全。在一些极端情况下，即使中控等全部屏幕都黑屏，芯片也必须保证仪表屏的正常运转，确保驾驶者可以得到必要的车辆提示。

为此，芯擎科技从SoC芯片架构和软件架构角度针对“舱驾融合”进行了突破性的设计和应用实现。首先，在车规SoC芯片架构方面，集成动态分区的QM、ASIL-B、ASIL-D算力，实现舱、驾融合应用场景的适配，并减少对虚拟化软件的依赖，能够快速实现软件的迁移和调优适配。

其次，高带宽低延迟存储架构，针对视觉流、大模型数据访存量激增的问题，基于多级分布式缓存方案，设计高通量高效率存储子系统架构，提升关键应用和核心处理单元访问存储系统的吞吐量，实现片内带宽压缩技术，减少计算密集型任务访存压力。

第三，高性能加解密引擎，针对智驾芯片的信息安全要求和国密算法标准，实现提升信息安全和功能安全协同的技术方法。基于安全启动、可信计算和安全域划分体系架构，实现信息安全岛SoC体系的管理.。

Dennis的看法是，在这两个场景中，ADAS控制器通常有更高的性能和安全要求，可能需达到2000TOPS的AI算力，并支持多项ASIL-D级任务(功能安全的最高等级)。相较之下，座舱控制器的安全与AI需求较低，仅需ASIL-B级安全标准，以及约20TOPS的AI算力，用于驾驶员监控和环视摄像头拼接等任务；但该控制器需在尺寸不断增大的显示屏上渲染用户界面，可能还需支持乘客娱乐功能——32ppc的GPU应能处理所有这些屏幕的像素处理需求。

因此，将这些功能整合到单一控制器中，仅意味着在现有ADAS控制器的AI性能基础上增加约10%，并集成功能安全GPU（如Imagination提供的GPU，已应用于全球众多主流汽车品牌的座舱系统）。

随着控制器需要承载更多操作系统并同时处理更多功能，系统中的每个处理器都需配备先进的虚拟化解决方案。许多方案采用虚拟机监控程序（hypervisor），但这可能给系统带来不必要的开销。相比之下，基于硬件的虚拟化方案效率更高，且配备精细的服务质量（QoS）和工作负载优先级协议，在多域汽车控制器领域优势更为显著。

大规模商用，仍存挑战

在Dennis看来，尽管如今已有支持座舱—驾驶集成的处理器，然而，汽车市场从半导体设计到芯片量产，再到车辆交付消费者，存在较长的前置周期。这一开发周期中，很大比例用于软件开发——需要开发新代码，将座舱与ADAS控制器的所有功能整合到新芯片上，还需额外编写代码，利用功能域的统一为车内乘客带来新体验。

“为缩短电动化、软件定义汽车所需的海量代码开发时间，我们看到许多供应商采用‘左移’开发理念，在硬件仍处于研发阶段时即开始软件准备，并借助Imagination等供应商的先进建模系统提供支持。”他说。

与此同时，硬件开发者还必须探索如何满足下一代车辆对计算能力的巨大需求，同时避免热节流效应且不影响续航里程。在遵循“1%规则”的汽车行业中，功耗100W与50W的控制器存在显著差异。

当然，AI大模型的引入也是必须要考虑的问题，毕竟随着L3/L4级自动驾驶落地，“舱驾融合”进一步向“车路协同+情感化交互”方向升级，已经成为大趋势。

Dennis认为，开发能够对车内乘客情绪做出恰当反应的车辆，听起来或许像天方夜谭，但如今已有技术可将其变为现实。经典视觉模型(如卷积神经网络)可通过摄像头画面处理乘客的情绪。或者，大语言模型能从麦克风输入中解读情绪。基于这些，当乘客注意力过于分散时，车辆可判断是否需要进行干预。

“我尤其喜欢这样的设想：车辆利用其新具备的感知能力，与孤独、无聊或疲惫的驾驶员玩‘我是小间谍(I spy)’这类经典车载游戏，帮助他们保持清醒。”

芯片厂商前进到了哪里？

“龍鹰一号”智能座舱芯片和“星辰一号”全场景高阶辅助驾驶芯片，是芯擎科技为舱驾融合提供的底层硬件支持。作为中国首款7nm车规级智能座舱芯片，“龍鹰一号”已定点或搭载于领克、银河、一汽红旗、德国大众欧洲和美洲车型等30余款主力车型上。而“星辰一号”则是芯擎科技在2024年推出的高阶辅助驾驶芯片，面向L2至L4级的智能驾驶，单芯片算力达512TOPS，4颗级联可达到2048TOPS，2025年实现量产。根据规划，2026年，“龍鹰二号”也将量产。

在与《电子工程专辑》的对话中，汪凯博士表示，芯擎是国内最早提出“舱行泊一体”的公司，得益于在芯片的最初设计阶段，芯擎创新性地在其中加入了2颗NPU(而当时主流的海外座舱芯片还没有NPU)芯片，最高算力可以达到8TOPS，这种大算力的支持是“龍鹰一号”有能力实现“舱行泊一体”的重要原因之一。

今年3月，芯擎科技在生态?科技日上发布了智能座舱和智能驾驶两大系列解决方案。

在智能座舱系列解决方案中，基于全面的芯片矩阵，芯擎能够提供从入门级智能座舱到高阶智能座舱，从“舱行泊一体”到高阶舱驾融合的多种芯片组合，基于同样的车规级SoC芯片架构，采用同源软件架构，适配算力需求，为车企拥抱智能化浪潮提供及时、差异化的支持。

在智能驾驶系列解决方案中，能够覆盖从L2级别智驾、高速NOA、城市NOA、全场景智驾到高阶舱驾融合的需求。可在最短的时间内，提供从主动安全、高速NOA、城市NOA以及端到端智驾大模型功能。

同时，基于“星辰一号”7nm车规芯片，芯擎科技搭建了开放的全场景生态平台：芯擎方舟，分别从芯片基础能力，操作系统、系统软件、中间件、算法算子库、AI工具链，生态方案等方面开放赋能，为客户提供一站式的算法开发和端到端的大模型部署，同时具备数据流调优，规划控制整车适配，以及数据闭环端云结合的能力。

作为车载信息娱乐单元GPU IP的领先供应商，Imagination已经与瑞萨、德州仪器和安霸（Ambarella）等客户合作开发下一代汽车解决方案，包括解决诸如软件集成和工作负载分区等各种各样的问题。

为支持这一需求，Imagination的产品包含一系列行业中独有的功能，以支持此类系统设计，例如：

基于硬件的虚拟化：单个Imagination GPU可虚拟地划分为多个独立的“虚拟GPU”，可由完全独立的操作系统、线程或虚拟机独立使用。与软件虚拟化方法不同，Imagination的硬件化方案具有高度稳定性，可确保虚拟域之间互不干扰。Imagination的前几代GPU支持最多8个虚拟机或环境，最新产品支持最多16个虚拟机或环境。

先进的服务质量(QoS)和优先级机制：软件工程师和系统设计师可在从粗略到精细的多个层级上调整工作负载的优先级。这项功能得到了各种由硬件支持的机制的全面支撑，例如抢占和上下文切换超时等功能作为后盾，确保了优先级系统的稳健性。

支持物理分区：GPU核心可在整个物理芯片或小芯片范围内实现，既可作为单个GPU使用，也可作为多个独立GPU使用。

凭借这些功能，Imagination的最新产品为SoC设计师和整车厂商(OEM)提供了舱驾融合所需的软件定义AI和高性能图形能力，它们全部都达到ASIL-B功能安全等级，所有或大部分此类机制均可在启动或运行时动态重新配置，且功耗等级低到智能手机级别，而非个人电脑级别。

(责编：Franklin)