一、车载计算平台：域控制器的核心
大家好，我是老张。今天咱们聊聊车载计算平台，也就是常说的域控制器。
说实话，我刚入行那会儿，车上哪有什么域控制器。一个ECU管一个功能，简单粗暴。但现在不一样了，智能驾驶对算力的需求，就像无底洞。
1.1 计算平台到底干什么？
说白了，它就是车的「大脑」。负责处理传感器数据、做决策、发指令。
具体来说，它要干这几件事：
- 传感器融合：把摄像头、激光雷达、毫米波雷达的数据揉在一起
- 环境感知：识别车道线、行人、车辆、交通标志
- 路径规划：决定下一步往哪走
- 控制执行：给刹车、转向、油门发命令
嗯，这里要注意。不是所有计算平台都干这些活。有的只做感知，有的只做规划。这取决于架构设计。
1.2 从分布式到集中式：一场革命
我记得2016年做的一个项目，车上装了30多个ECU。每个ECU只管自己的事，互相之间用CAN总线通信。那叫一个乱。
为什么会这样？因为当时芯片算力有限，只能一个功能配一个芯片。
但现在不一样了。芯片算力上来了，一个芯片能顶过去几十个。于是架构开始变了：
| 架构类型 | 特点 | 代表车型 |
|---|---|---|
| 分布式 | 每个功能一个ECU，独立控制 | 传统燃油车 |
| 域集中式 | 按功能域划分，一个域控制器管多个功能 | 特斯拉Model 3 |
| 中央集中式 | 一个超级大脑管所有 | 特斯拉Cybertruck |
我个人习惯，把域集中式叫做「过渡方案」。为什么？因为真正的终极形态，一定是中央集中式。但受限于芯片算力和散热，目前还得一步步来。
1.3 主流芯片方案：四家争霸
现在市面上主流的芯片方案，我数了数，大概四家。每家都有自己的看家本领。
1.3.1 NVIDIA Orin
这个大家应该不陌生。Orin是NVIDIA的当家花旦，算力254 TOPS。我去年做的一个L4项目，用的就是Orin。
优点很明显：生态好，CUDA库成熟，开发效率高。缺点嘛，功耗有点大，65W起步。你想想看，车上散热空间有限，这可不是闹着玩的。
1.3.2 高通Snapdragon Ride
高通从手机跨界到汽车，说实话，底子不错。Snapdragon Ride的亮点是功耗控制，同样算力下比Orin低30%左右。
但有个问题：生态不如NVIDIA。我有个朋友做算法移植，折腾了两个月才跑通。嗯，这里要注意，选芯片不能只看参数，还要看软件生态。
1.3.3 华为MDC
华为的MDC系列，算力从48 TOPS到400 TOPS都有。我接触过MDC 610，感觉做工确实扎实。
华为的优势是「全栈」。从芯片到操作系统到算法，一条龙服务。但劣势也明显：封闭。你想用第三方算法？对不起，得先过华为的认证。
1.3.4 地平线征程
国产芯片里，地平线算是最能打的了。征程5的算力128 TOPS，功耗才30W。性价比很高。
我个人比较看好地平线。为什么？因为他们的BPU架构，对视觉算法做了专门优化。做感知的话，效率比通用GPU高不少。
| 芯片方案 | 算力(TOPS) | 功耗(W) | 制程 | 生态 |
|---|---|---|---|---|
| NVIDIA Orin | 254 | 65 | 7nm | 优秀 |
| 高通Snapdragon Ride | 60-700 | 5-65 | 5nm | 良好 |
| 华为MDC 610 | 200 | 50 | 7nm | 封闭 |
| 地平线征程5 | 128 | 30 | 12nm | 中等 |
1.4 算力与功耗的权衡
这是最让人头疼的问题。算力越高，功耗越大。但车上能提供的功率有限，散热空间也有限。
我建议，选芯片时不要只看峰值算力。要看「能效比」，也就是每瓦能提供多少算力。
举个例子：
- Orin：254 TOPS / 65W = 3.9 TOPS/W
- 征程5：128 TOPS / 30W = 4.3 TOPS/W
你看，征程5的能效比更高。但能效比高不代表一定好。还要看实际场景。
另外，散热设计也很关键。我曾经在项目里，因为散热没做好，芯片跑10分钟就降频。后来加了均热板和导热硅脂，才解决问题。
嗯，这里有个小技巧：选芯片时，留20%的算力余量。别把芯片跑满，否则散热压力太大。
1.5 小结
车载计算平台，说白了就是选芯片、做架构、调功耗。没有完美的方案，只有最适合的方案。
下一章，咱们聊聊传感器。摄像头、激光雷达、毫米波雷达，到底怎么选？