一、车载计算平台概述
各位同学，咱们今天聊聊车载计算平台。说实话，这个领域这几年变化太快了。我2016年刚入行时，车上有个能跑Linux的盒子就算高端了。现在呢？一台域控制器算力动辄上百TOPS，比我的笔记本还猛。
1.1 什么是车载计算平台
简单说，车载计算平台就是汽车的「大脑」。它负责处理传感器数据、运行自动驾驶算法、控制车辆执行器。嗯，你可以把它理解成一个装在车里的高性能计算机。
我个人习惯把车载计算平台分成三个层次：
- 基础算力层：MCU、SoC、GPU、NPU这些芯片
- 中间件层：通信框架、调度系统、功能安全栈
- 应用层：感知、规划、控制算法
为什么这么分？因为我在项目中吃过亏。有一次我们只关注了芯片选型，忽略了中间件的实时性，结果系统跑起来延迟超标。从那以后，我设计架构时一定三层一起看。
核心定义：车载计算平台 = 异构计算硬件 + 实时操作系统 + 功能安全中间件 + 自动驾驶应用软件
1.2 发展历程：从分布式到集中式
车载计算平台的发展，说白了就是一场「权力集中」的过程。
第一阶段：分布式ECU时代（2000-2015）
那时候一辆车有几十个ECU，每个控制一个功能。车窗一个ECU，雨刮一个ECU，ABS一个ECU。你想想看，线束长度加起来能绕车好几圈。我记得拆过一辆2012年的车，光CAN总线就有5条，调试起来简直噩梦。
第二阶段：域控制器时代（2016-2020）
行业开始把功能相近的ECU合并。比如博世的ADAS域控、特斯拉的MCU。这时候出现了「域控制器」这个概念。我参与过的一个项目，把5个ECU合并成1个域控，线束减少了40%，重量轻了3公斤。效果立竿见影。
第三阶段：中央计算平台时代（2021-至今）
现在大家都在做「中央计算平台」。一个盒子搞定所有：智驾、座舱、车身控制。特斯拉的HW4.0、英伟达的Thor都是这个思路。为什么会这样？因为算力芯片进步了，一颗SoC能跑多个虚拟机，隔离性也够好。
避坑指南：我曾经在域控项目中试图一步到位做中央计算，结果散热和EMC问题搞了半年。建议各位：从分布式到集中式，步子别迈太大，先做域控再演进。
1.3 技术趋势：我看到的几个方向
这几年我一直在跟踪车载计算平台的技术演进，有几个趋势特别明显：
- 算力军备竞赛：从10TOPS到1000TOPS，只用了5年。英伟达Orin 254TOPS，Thor直接2000TOPS。但说实话，很多场景用不到这么高算力，关键还是算法效率。
- 异构计算成为标配：CPU+GPU+NPU+MCU，各司其职。我最近设计的方案里，NPU跑神经网络，GPU做渲染，CPU跑逻辑，MCU做安全监控。
- 功能安全与信息安全融合：ISO 26262和ISO 21434必须同时满足。以前我们只考虑功能安全，现在还要防黑客攻击。嗯，这行越来越难了。
- 软件定义汽车：硬件平台化，软件可升级。OTA不再是噱头，而是基本能力。我见过一个项目，通过OTA把智驾性能提升了30%，这就是平台化的价值。
注意：算力不是万能的。我见过有人堆了500TOPS的硬件，结果算法效率低，实际表现还不如200TOPS的优化方案。选型时一定要算「有效算力」。
1.4 市场格局：谁在领跑
车载计算平台的市场，目前是「三足鼎立」的态势：
| 阵营 | 代表玩家 | 核心优势 | 典型产品 |
|---|---|---|---|
| 芯片原厂 | 英伟达、高通、Mobileye | 算力领先、生态完善 | Orin、Snapdragon Ride、EyeQ6 |
| Tier 1 | 博世、大陆、采埃孚 | 车规经验、客户关系 | ADCU、ProAI |
| 车企自研 | 特斯拉、蔚来、小鹏 | 软硬一体、快速迭代 | HW4.0、神玑NX |
我个人更看好芯片原厂+车企自研的组合。为什么？因为车载计算平台的核心是芯片和软件，这两块恰恰是传统Tier 1的短板。当然，博世这些老牌企业也在转型，未来格局还有变数。
1.5 知识体系总览
下面这张图是我画的本章知识体系。你可以把它当作整个课程的「地图」：
这张图把本章的核心内容串起来了。你从中心节点出发，沿着四条主线往下看，就能把握整个知识框架。后面的课程，我们会逐一深入每个分支。
学习建议：我建议你把这张图打印出来贴在工位上。每次学完一章，就在对应节点上做笔记。这样学完30章，你脑子里会形成一张完整的知识网络。
公众号:蓝海资料掘金营，微信deep3321