看过去的二十年，消费类产品依托不断发展的半导体工艺、完善而庞大的网络、免费而引人注目的移动网络应用，在性能表现上远远超过了车载应用。

车载应用受限于工作温度范围严苛、安全性能要求高，只能使用落后于消费类的芯片、在算力受限的情况下发展。在摩尔定律减缓的新时代，算力提升走向并行、异构等新方向，车载系统的计算架构发展和应用需求也发生变化。

得益于汽车电动化的推动，车辆智能化的发展迅速，此时的座舱不仅是显示内容的媒介，是人机互动的参与者或发起者，更是人们的“第三生活空间”。未来，车载智能化应用将展现出新的姿态，让我们一同探索这些转变的需求因素和技术可能性。

01 智能座舱趋势概述

1922年前装搭载收音机功能的量产车正式进入市场，到如今，整整过去了一个世纪。最初的收音机与家庭收音机无异，体积庞大，电力消耗高，背着庞大的天线却只能收到微弱的信号。在这百年发展历程里，收音机依托晶体管、半导体集成电路的发展，在1963年转变为全晶体管设计，成为了车上最早、集成晶体管数量最多的车载电子单元。

随着之后五十多年的发展，车上的娱乐系统在不断与家庭娱乐应用同步，1970年磁带播放器上车，比家用磁带播放器晚5年；1985年CD主机上车，仅比体积庞大的家用CD晚3年。而1986年，配置液晶触控屏的车辆已量产，车载技术已经与消费类技术同步。

汽车最初只是一个运输工具，以满足用户的出行需求为目的。而从收音机出现开始，汽车生产商也几乎同时发现，人们并不仅被汽车的出行属性吸引，车上也可以具备满足社会、家庭生活的各类功能。自然而然的，座舱作为人们使用汽车的空间，逐渐具有更多的功能，包括收音机、高保真音响、CD机、带有触摸功能的显示屏、卫星导航。到现在，车上形成了以车载信息娱乐系统为中心的娱乐系统，也即IVI系统。此时的座舱不仅是显示内容的媒介，更是人机互动的参与者或发起者。

Digital Cockpit 2020 by Samsung and HARMAN

从2020年以来，越来越多的多屏产品量产，将屏幕的数量拉升到了超过9个，屏幕也长达1米。大屏化和多屏化趋势下挤占了座舱空间，座舱布局会产生更多的组合，实现应用分区和多屏无缝协同，是新的发展方向。

在智能化浪潮下，屏幕上有越来越多的应用加入，层级化的界面交互模式下的操作效率降低，已经不能满足人们的需求，基于感知和推荐系统构建的多模主动交互和场景化交互成为发展的新方向。

得益于汽车电动化的推动，车辆智能化的发展迅速，车辆信息逐渐集中化，信息的查看和控制集中于智能座舱中，降低客户使用车辆的难度，要求智能座舱具备场景化服务组织能力。随着场景化的延伸，智能手机、智能家居也融入到车辆使用场景中，智能座舱俨然成为了人们的“第三生活空间”。

02 中央计算集中化趋势

2.1 EEA的中央计算集中

智能座舱由车载电子电器架构（EEA）中所有信息娱乐域电子电器的软硬件组成，依托EEA提供的电力、信号分配和通信功能实现自身功能和对外延伸。随着车辆智能化程度的提高，新的架构、大量的数据以及域集中的趋势对传统分布式的架构提出了挑战。其中最重要的一个发展趋势是中央计算架构，对多个域的功能和属性进行融合，进而提供更高的软件灵活性、更多的代码重用，以达到软件定义汽车的目标。

Global Market Monitor资料

2.2 软件定义汽车及智能座舱的形态

软件定义汽车的最终目标是使汽车完全由软件控制，整车的软件运行在中央计算平台上。通过这种方式，功能的修正和升级可通过OTA向用户推送，使得系统软件的管理和计算效率都得到提升，也大大提高交付的灵活性。

而在智能座舱产品中，随着芯片计算能力的提升，虚拟化等基础软件平台的完善，将多个域的功能整合在以SoC为中心的计算平台上已经成为现实。随着算力和分配设施能力的提升，域的分界线还将进一步模糊，将实现更加高效的软件开发和集成，提供持续提升用户体验的机会。

03 算力需求

3.1 CPU算力

SoC是智能座舱算力的核心，SoC中中央计算单元（CPU）是评价CPU性能的主要方式，常以每秒运行的指令数量（DMIPS）计，随着智能座舱功能的逐步丰富，对算力的要求也不断提高。目前，已经量产的座舱SoC已经具备超过100 KDMIPS的算力，通过高速的CPU计算，用于呈现日益复杂的UX和应用。

在消费类产品，随着制程工艺下探的难度增大，算力的增长速度逐渐放缓，相比之下，智能座舱产品中，CPU算力的提升却有着明显的加速发展趋势。

CPU算力的提升，将大大促进软件定义汽车的发展，同一套系统平台上将可以通过虚拟化运行更多操作系统。未来，随着软件生态的完善、SOA架构的发展，以虚拟机为基础的“系统即应用”将成为现实。3.2 GPU算力

HMI是智能座舱上实现交互呈现的重要一环，车企都在争相重新定义智能座舱的HMI。在优化UX/UI呈现的同时，引入了3D化界面，甚至在座舱内引入3D游戏， 3D显示屏等新的。精美的3D化界面，自然流畅的浏览和交互，已经逐渐成为了智能座舱的重要体现。

近年来，随着车载芯片GPU算力的提升，元宇宙、AR/VR等也有了在车上落地的基础。通过高质量的3D UI呈现人机共驾地图，使智能座舱牵手自动驾驶系统，通过直观的方式为客户提供地图呈现、车辆状态呈现，甚至在视觉上对车辆刹车等动作作出提醒。

3.3 AI算力3.3.1 座舱交互方式的变化

随着越来越多的显示器、摄像头、传感器和人工智能助手功能的加入，车内的交互方式不再限制为传统的硬按键、触控、语音方式，无缝的交互方式越来越普遍，场景感知和交互融合，成为了智能座舱的重要组成部分。

按照国外媒体的预测，AI算力呈指数上升，每3.4个月翻一番，在汽车行业的应用来看，AI算力需求几乎每年翻一番。除了在自动驾驶领域应用外，座舱内的AI应用也在加速。3.3.2 AI多模态感知

在应用的驱动下，智能座舱AI算力攀升也激活了一些新功能。座舱已从基本的用户交互进化为主动交互，通过传感器和算法感知用户个性化需求，实现主动推荐，提升整体用户体验。但是多模态感知交互有着复杂的场景，尚不能匹配所有的用户，在实现多模态感知交互的过程中，随着对用户需求和座舱内应用场景的理解逐渐深入，模型和逻辑将不断进行迭代，为此更是要求AI算力在量产后仍有足够的预留。3.3.3 实时语音降噪

传统的语音降噪常采用最小均方根（MMSE）方法，目前在AI语音降噪算法的研究，将深度神经网络（DNN）算法应用于降噪中，通过找有噪声语音与无噪声语音之间的映射函数，从而移除背景噪音上。根据车载环境要求进行模型的设计和训练，并且部署到车机上，传统的方式是使用CPU运行此类应用。但为能同时处理多达8通道的语音，将此类算法部署在AI加速器上是一个趋势。在消费领域，RTX Voice即运用RTX系列芯片强大的AI算力消除语音背景噪声，实现了极低的延迟，降低了对系统CPU算力的依赖。

在车载应用场景，应用DNN进行风噪、胎噪等各类噪声的有着非常广阔的应用场景，这些都依赖更为强大的AI算力。可以想象，AI加速器给语音处理带来更多的可能性：

通过加速器算力分割背景语音与前景语音，实现对车内声源环境的定位；

通过音频与视频AI计算的结合，实现更强大的音频分割和降噪；

具有将Latency进一步降低的潜力，甚至实现在单端进行双向语音降噪的能力。

3.3.4 实时视频数据脱敏

随着UN R155的实施、网络安全法的发布、GB《汽车整车信息安全技术要求及试验方法》的正式实施，汽车信息安全越来越受重视，自2021年以来，《汽车数据安全管理若干规定(试行)》等多部与汽车数据安全相关的规定相继出台，要求加强汽车数据安全、功能安全和预期功能安全管理。按照法规要求，通过车端设备获取视频或图片数据并将数据发送到车外的功能，必须经过脱敏处理。而当前行车记录分享、远程监控、视频通话、路书等功能都依赖此类数据运行。因此，为了保护道路车辆、行人及驾乘人员的敏感信息和个人隐私，为车在数据采集的安全合规，未来将有更多的算力用于本地的实时图像分割和信息提取。

传统的方案是采用CPU进行提取和计算，随着车上视频流数量的增加和对实时性要求的提高，使用AI加速器实时对图像进行脱敏，并发送到用户的设备上，将更加流畅和高效。

04 总结

汽车智能化的产业变革已经进入深水期，随着智能座舱系列应用的涌现，应对不同的场景，算力的需求已经升级。随着满足算力需求、功能要求和安全需求的大算力平台的出现，智能座舱将获得更大的发展动力。

参考资料