汽车的电子电气架构

今天聊聊汽车的电子电气架构。

所谓汽车电子电气架构，就是将汽车的各种传感器、ECU电子控制单元、线束拓扑和电子电器分配系统，通过一套车企定义的方式整合到一起，用以完成运算，动力和能量的分配。

传统的汽车电子电气架构是一种分布式方案，简单来说，就是汽车的各个功能，由不同的，单一的ECU电子控制单元来完成控制。通过ECU的累加来实现更多的功能。像搭积木一样，即需要一个什么新功能，就添加一个对应的ECU。

在这种分布式方案下，汽车的主体架构是不改变的，汽车的功能增加依靠ECU数量的增加。比如豪车的ECU就比普通车多几十个，这些分散在不同功能模块的ECU由不同的供应商提供，其底层驱动和软件各异。而同一个ECU的驱动和软件还不一定是来自于同一家软件公司。

比如大众汽车的70个ECU，其操作软件来自于200家不同的供应商。ECU如果坏了，整车厂还修不了，其更新和维护都需要供应商来执行，而且来自各个供应商的ECU们还无法实现算力协同，一个ECU的算力只能给这个ECU用，这就造成了资源的浪费。此外不同的ECU可能还会存在功能重叠，造成相互冗余，增加了不必要的成本。

这一点很好理解，比如一个ECU甲集成了两个功能，ECU乙集成了三个功能，但它们互相有1个功能是重复的，但车厂为了另外的4个功能，不得不接受1个冗余存在和成本的增加。

最早的ECU只适用于控制汽车发动机。随着汽车电子化的推进，逐渐用于整个汽车。未来随着智能化进程，ECU的数量必然会进一步增加。

举个例子，1993年时，奥迪A8上有5个ECU，2010年时已经增加到超过100个ECU，现在一辆普通汽车中的ECU数量也在50~70个，高端车早就过百。

ECU数量的增加，不仅让传统的分布式架构不堪重负，更是在不断增加线束的长度。

奥迪A8上的电气接点可达1500个，线束长度已经从2.4公里增加到了4公里。

为了解决传统分布式架构对汽车电子化智能化的制约，博世在2015的汽车电子电器架构技术路线中提出，将其发展分为6个阶段：

第一阶段：模块化阶段。即最传统的方式，ECU与功能一一对应。

第二阶段：功能集成阶段。单个ECU集成更多的功能，目前绝大部分的车厂属于这个阶段，正在向下一个阶段努力中。

第三阶段：中央域控制器阶段。

这个阶段将全车划分为5~7个域，博世经典五域架构将全身分为动力域、底盘域、座舱域、自动驾驶域和车身域，每个域引入DCU（域控制器）来替代原来的几十甚至上百个ECU，暂时不能被替代的ECU，其功能被标准化，作用也被弱化，复杂的数据处理和控制功能都转由DCU来承担。原本的传感器与CEO实现一定程度解耦，一个域中的传感器可以实现由客户来控制和调度，显然,相比ECU必须具备更强的性能以及集成更多的功能。

博世的六段式汽车电子电气架构演进，是2015年提出的，但特斯拉在2012年推出的Model S就已经采用了控制域的架构，比传统车厂领先了5年。

第四个阶段：跨域融合阶段。

这个阶段典型的就是DCU再进一步，即采用MDC（多域控制器）。MDC与DCU的不同在于：DCU对传感信号的接收和处理需要按照类型来划分，而MDC是可以接收和处理不同功能类型传感器信号的。因此，MDC具备更强的可扩展性，也更加复杂，对应的电子电气网络架构实现难度也更高。

2021年，华为与汽车厂商合作落地的“计算+通信”CC架构，这个架构简单来讲是将相似功能的多个域实现融合，即动力域，底盘域和车身域。

不过，目前只能算是“半个第四阶段”因为当前CC架构域控制器使用的还不够多，就是融合并不彻底，即只包括了部分整车控制域，智能座舱域和自动驾驶域。

此外大众MEB平台的E3架构,宝马INEXT，他们的车型电子电气架构也是采用的这种按照功能融合的方式，不过大众采用E3架构的ID3刚推出的时候，电子系统架构完整性有很大缺陷，支持不了OTA。

第五个阶段：车载电脑阶段。这个时候整车各DCU或者MCU进一步融合，由中央计算机统一管理，只是动力，车身，底盘对实时性安全性要求较高的，会保留基础控制器进行边缘计算。

特斯拉2018年上市的Model 3，算是比较典型的代表了，虽然目前还不完全彻底。整车分为三个域：中央计算模块CCM：负责娱乐信息系统，同辅助驾驶系统以及车内通信连接；左车身控制模块，BCM LH负责车身控制系统，包括转向及制动等；右车身控制模块BCM RH负责底盘安全系统、动力系统、热管理等，这就是按照位置进行域的划分和融合。

丰田2018年提出的Zonal也是采用这种方式，不过目前没有具体落地时间，这种架构传感器等部件已经基本由中央电脑统一管理。典型的，比如摄像头，传统是归哪个ECU管的，就只能这一个ECU来使用，域控制阶段由域来管，现在是只要需要就能被当做一个独立的功能进行调用。

这里实际上就形成了硬件和硬件，硬件和软件的解耦。这种结果让特斯拉能够通过OTA云端升级的方式对车辆进行升级，目前特斯拉已经可以做到通过OTA对动力车身底盘和娱乐等系统，或者软件进行升级，升级可以到达ECU层面。

比如特斯拉Model X经过OTA升级后，百公里加速可以从5.2秒缩短到4.7秒，不用去4S店，不需要增加硬件，只需更新升级包即可。而传统车厂目前由于其架构的原因，OTA只能做到对车载娱乐系统进行升级。看到这里大家是不是有感觉了，对，汽车的发展方向正朝着一台移动的电脑架构进行。这也是为什么现在这么多人跑来造车。

汽车的中央处理器和搭载了智能算法的操作系统，算法和软件一样，支持算力的吞金兽，将成为汽车领域的Wintel（英特尔+微软）模式，复制电脑领域的安迪-比尔定律，这将催生出新的生态，机遇和寡头。

WIntel模式，从电脑时代到手机时代，（ARM + 安卓）大家已经玩过两次了，前两次没能雄起的，这一次难得机遇，必定是各家跑步进场，这里建议大家可以复习一下CPU比10年前快，为啥没什么感觉这个视频。而新能源车更简单动力系统结构，并且可以通过外购进行集成，这种模式就让造车的动力和大部分硬件可以像当年电脑攒机一样来搞。对于挤进来搞车的新贵，决战之地就是当年英特尔和微软的站位点：极高性能处理器和搭载人工智能算法的操作系统。

我们看谷歌，百度，华为搞的一系列事情，TPU，高性能SOC，人工智能算法框架平台可见一斑，从分布式，到域控制，再到中央电脑，能够将原来分散在不同于ECU中的算力集中起来。算力的集中一方面避免了算力的浪费，另一方面也要给以后的自动驾驶留出足够的算力空间，算力扩展和成本空间.

1Tops代表处理器每秒可进行1万一次计算。

经过估算，各家给的估算值不同，仅做参考。L2级别的车需要的算力为10~30Tops，L3需要60Tops，L4需要100Tops以上，而L5每天每辆车至少会产生高到4000GB的数据，需要1000Tops以上的算力。

看到这里有的人可能会说越往上走需要的算力都这么多，以前ECU浪费的一点点没必要这么抠，你是不是忘了算力浪费的羊毛是出在羊身上的，给你算一下账。

2019年一辆燃油车汽车电子的BOM成本总计约3145美元，预计到2025年一辆纯电动车的bom将提升到7030美元，增量中925美元属于自动驾驶，主要是来自于传感器的部署。725美元来自于电子架构，2235美元来自电气化，本来成本就会增加很多，是不是能省则省？毕竟现在大家接受度最高的新能源车是在25万以内的，贵了不好卖，采用更先进的汽车电子电器架构，不但能够集中算力，也能减少线束。

典型的传统燃油车，比如奥迪A8的线束长度约4公里，随着电子电器架构的升级和自身的优化，特斯拉Model S的线束长度为三公里，较新的Model3为1.5公里。2019年特斯拉提交了一份线束专利申请，未来有望将Model Y的线束长度削减至100米，这省下来的钱不仅仅是线束材料的成本，也能降低人工成本。

总的来说，特斯拉的电子电器架构领先行业约5~6年的时间。

可能有人就会问，为什么别人这么菜，那些传统搞车的都有几十年的积累了啊，这里除了技术问题之外，关键的还有一个产业生态的商业问题，要搞新的架构，意味着原来很多ECU需要重新设计，很多旧的器件就用不了了，而作为供应商，人家都跟你合作几十年了，大家一起努力，让你成就为今天的大佬，现在说不用就不用了，自然是谁也不干。

供应商如果全力开发新的产品，那老的产品怎么办？卖不掉就没收入，新产品开发又要投入钱，而且新的汽车现在市场规模又不大，即便有新产品也一时半会赚不到钱，这就形成了一个两难的局面：不搞不行，大搞也不行，折中的方式就是慢慢搞，逐步更新换代，保证公司持续经营。所以对于传统的车厂来说是成也供应商，掉头难也供应商。

特斯拉这种新兴企业就没什么历史包袱，而且可以培养与自己理念一致的新的供应商。对于这些供应商来说，特斯拉反而相较传统车厂是新能源汽车出货量最大的客户，有的器件实在没有，特别是算力最大的芯片，特斯拉就撸起袖子自己搞，比如其自主研发的神经网络训练芯片，在645毫米的面积上搭载了500亿个晶体管，在FP32（单精度浮点数）下，算力峰值达到22.6Tops，较特斯拉超级计算机使用的NVIDIAA100，面积826毫米，晶体管数量542亿个，FP32峰值19.5Tops还要高点。

第六阶段车云协同阶段，这个阶段汽车与云端联动，汽车主要做内部实时处理，云计算作为车端计算的弹性补充，这一步不仅仅依赖汽车内部的革新，也依赖整个外部网络云端的建设。

在这个阶段，中国大力投入5g和智能交通基础建设，咱们是最有优势的。特斯拉要在美国及其他地区搞，还要大力投入网络和地面转接等基建工作。它的Space x搞的训练网络就是基础设施的一部分。