一、车载计算平台概述
各位同学好，我是老张。在车载行业摸爬滚打了十几年，今天咱们聊聊车载计算平台。说实话，这个领域变化太快了，我每年回头看自己写的代码，都觉得有点陌生。但核心的东西，其实一直没变。
1.1 什么是车载计算平台
车载计算平台，说白了就是汽车的「大脑」。它负责处理传感器数据、执行决策算法、控制车辆行为。你想想看，一辆智能汽车每秒要处理多少数据？摄像头、激光雷达、毫米波雷达、超声波...这些数据最终都要汇聚到计算平台上。
我个人习惯把车载计算平台分成三个层次：
- 感知层：处理摄像头、雷达等传感器数据
- 决策层：路径规划、行为预测、控制策略
- 执行层：转向、制动、加速等底层控制
嗯，这里要注意，这三个层次不是物理隔离的，而是逻辑上的划分。实际硬件上，它们可能跑在同一个芯片上，也可能分布在多个域控制器中。
核心观点：车载计算平台不是简单的「装个电脑在车上」，而是要在车规级可靠性、实时性、功耗约束下，完成海量数据的处理。这比数据中心里的服务器难多了。
1.2 演进路线：从分布式到集中式
车载计算平台的演进，我把它总结为三个阶段。每个阶段我都踩过坑，咱们一个一个说。
| 阶段 | 架构特点 | 代表车型 | 我的经历 |
|---|---|---|---|
| 分布式ECU | 每个功能一个ECU，独立控制 | 传统燃油车 | 调试过30多个ECU的CAN网络，头大 |
| 域控制器 | 按功能域集中，如智驾域、座舱域 | 特斯拉Model 3 | 做过第一个域控项目，踩了无数坑 |
| 中央计算平台 | 一个超级大脑，统一处理 | 蔚来ET7、理想L9 | 正在做，还在摸索中 |
第一阶段：分布式ECU时代
早期的车，每个功能都有自己的ECU。车窗一个、雨刷一个、ABS一个...你想想看，一辆豪华车可能有上百个ECU。我在2010年做过一个项目，光是调试CAN总线上的报文冲突，就花了两周时间。为什么？因为每个ECU都是独立的，它们之间通过CAN总线通信，但总线带宽有限，优先级搞不好就会丢包。
第二阶段：域控制器时代
后来大家发现，分布式架构太乱了。于是开始按功能域整合。比如智驾域控制器，把摄像头、雷达、激光雷达的数据统一处理。座舱域控制器，把仪表、中控、HUD整合在一起。我记得2018年做第一个域控项目时，最大的挑战是「隔离」。智驾域需要高实时性，座舱域需要高算力，它们跑在同一个芯片上，怎么保证互不干扰？嗯，这就要靠虚拟化和硬件隔离了。
第三阶段：中央计算平台
现在最前沿的架构，是中央计算平台。一个超级芯片，处理所有事情。为什么能做到？因为芯片算力上来了，比如英伟达的Orin、高通的Snapdragon Ride。但说实话，中央计算平台也有新问题——单点故障。我曾经在一个项目中，中央计算平台挂了，整个车就瘫了。所以现在大家都在做冗余设计，比如双芯片热备。
避坑指南：我曾经在域控项目中，把智驾和座舱放在同一个芯片上，结果座舱的UI渲染卡顿，影响了智驾的实时性。后来不得不加了一个硬件隔离层。所以，如果你在做域控设计，一定要提前规划好资源隔离方案。
1.3 核心架构：异构计算
车载计算平台的核心，是异构计算。什么叫异构？就是在一个系统里，用不同类型的处理器干不同的事。我画了一张图，帮你理解这个架构。
这张图展示了典型的车载异构计算架构。从上到下分三层：传感器层、异构计算层、执行层。中间的计算层是关键，它集成了多种处理器：
- CPU：负责任务调度、逻辑控制、通信协议。说白了，它是「大脑」里的管理者。
- GPU：擅长并行计算，适合图像处理和神经网络推理。我做过一个测试，同样的算法在GPU上比CPU快20倍。
- NPU：专门为AI推理设计的加速器。功耗低、效率高。现在主流智驾芯片都集成了NPU。
- DSP：处理音频、雷达信号。别看它不起眼，没有它，你的语音助手就是个摆设。
- MCU：负责实时控制和安全监控。它是最可靠的，但算力也最低。
- FPGA：可编程逻辑，适合做自定义硬件加速。我在一个项目中用FPGA做图像预处理，延迟从10ms降到了1ms。
注意事项：异构计算不是「堆料」。不是处理器越多越好。我曾经见过一个方案，用了4个CPU、2个GPU、3个NPU，结果功耗爆炸，散热搞不定。所以，异构计算的核心是「匹配」——算力匹配、带宽匹配、功耗匹配。
1.4 域控制器 vs 中央计算平台
很多同学问我：域控制器和中央计算平台，到底选哪个？我的回答是：看场景。
域控制器的优势：
- 功能隔离好。智驾域挂了，座舱域还能用。
- 开发难度低。每个域可以独立开发、独立测试。
- 升级灵活。可以只升级智驾域，不用动其他域。
中央计算平台的优势：
- 数据共享方便。所有数据都在一个地方，不用跨域传输。
- 算力利用率高。可以动态分配算力，比如停车时把智驾算力分给座舱。
- 成本更低。一个高性能芯片比多个中低端芯片便宜。
我个人建议：如果你做的是L2+级别的智驾，域控制器就够了。但如果你要做L3以上，中央计算平台是必然趋势。为什么？因为L3需要冗余，需要统一调度，域控制器搞不定。
我的经验：曾经在一个L3项目中，我们用了域控制器方案。结果发现，智驾域和座舱域之间需要传输大量数据，CAN总线带宽不够，后来不得不改用以太网。所以，如果你做域控，一定要提前规划好域间通信的带宽和延迟。
1.5 性能调优的起点
好了，讲了这么多，你可能会问：性能调优从哪里开始？我的答案是：从理解架构开始。
你想想看，如果你不知道CPU、GPU、NPU之间怎么配合，你怎么优化？如果你不知道数据流怎么走，你怎么减少延迟？所以，性能调优的第一步，就是画一张架构图，把数据流、控制流、关键路径标出来。
我习惯用「三看」法：
- 看瓶颈：哪个环节最慢？是传感器采集、数据传输、还是算法推理？
- 看资源：CPU利用率多少？内存带宽够不够？NPU有没有跑满？
- 看延迟：从传感器到执行器，总延迟多少？每个环节各占多少？
嗯，这就是性能调优的起点。后面的章节，我们会深入每个环节，讲具体的优化方法。
核心总结：车载计算平台的演进，本质上是「从分散到集中」的过程。异构计算是核心架构，域控制器和中央计算平台是两种实现方式。性能调优，要从理解架构开始。
公众号:蓝海资料掘金营，微信deep3321