《车载智能计算基础平台参考架构 2.0》解读

• 系统软件 纵向分为跨内核驱动框架层、内核及虚拟化管 理层、系统接口层、系统中间件层。系统软件通过标准的系统接口、系统中间件向上层提供服务，实现与功能软件的解耦；通过跨内核驱动框架（包括 AI 驱动、BSP 等各类驱动）实现向下与硬件平台的解耦。

• 功能软件 根据各类智能驾驶功能的核心共性需求，定义 和实现共性的功能组件，并通过标准的应用软件接口及服务，向上层应用软件及开发提供服务，实现与应用软件的解耦。

安全体系 保障车载智能计算基础平台的质量安全和使用安 全，包括 功能安全、预期功能安全、网络安全、数据安全、OTA安全、融合安全 等。

工具链 为车载智能计算基础平台的开发迭代提供支撑，包括 开发调试工具、测试仿真工具、持续集成工具、过程管理工具等。

车载智能计算基础平台结合传感器、V2X、动力、底盘控制 乃至车辆平台，向上支撑应用软件开发与运行。应用软件运行于车控操作系统之上，负责智能驾驶具体功能的实现。当前 L1、L2级智能辅助驾驶应用已经成熟普及，包括自适应巡航（ACC）、自动紧急制动（AEB）、自动紧急转向（AES）、车道保持辅助（LKA）、车道居中辅助（LCC）、自动辅助导航驾驶（NOA）/智能辅助导航驾驶（NOP）等。L3级以上自动驾驶应用正在开发和推广之中，包括自主代客泊车（AVP)、自动驾驶出租车（RoboTaxi）、绿波车速引导（GLOSA）、驾舱融合应用及车路云一体化应用等。

二、 参考架构 2.0 的特点

立足新阶段新认识，依据已经量产的应用，以及面向未来 中央集中及车路云一体化趋势，进一步明确应用软件的定义，提出典型应用场景。总体架构方面，在延续《车载智能计算基础平台参考架构 1.0》基本概念的基础上，固化下沉技术主框架。硬件平台方面，升级计算基础平台硬件架构，根据车用芯 片当前发展状况增加安全处理单元应对各类安全需求。车控操 作系统方面，优化明确概念边界，扩充、迭代、细化其功能软件及系统软件各层内各模块分工及技术栈。

分层解耦。 车载智能计算基础平台采用分层解耦的架构，既 使得软件功能不依赖于底层特定硬件，更能将复杂系统划分为具有明确功能的不同层次，实现每个层次的高内聚与层次之间的低耦合，降低系统的复杂性，增加安全性、可靠性、可维护性、可移植性和可扩展性，提升开发效率，灵活实现“性能优先”和“成本优先”的差异化产品需求，更好支持不同的技术路线。

互联通信。 面向人机物融合泛在计算的新模式和新场景，需 要实现泛在感知与泛在互联，包括车联网（V2X）、移动通信（4G、5G）、增强的位置和导航服务、无线短距通信等。需要结合车内通信、车云通信、车人通信等业务场景，充分吸纳已有的行业标准和最佳实践，保障系统的兼容性和可移植性。

安全融合。 从车载智能计算基础平台整体角度考虑安全体系 建设，将功能安全、预期功能安全、网络安全、数据安全、OTA安全有机融入到产品的设计、开发、生产、运维、报废的全过程中。采用软硬件结合的安全技术，打造全栈内生安全体系，提升安全策略的通用性和灵活度，同时兼顾产品的性能和成本。

AI 大模型融合 。 探索和发挥 AI 大模型在智能驾驶系统感知、 理解和决策能力等方面的提升作用，研究和把握多模态整合、多模型合并、端到端、轻量化演进等创新态势，加强 AI 大模型训练、推理与车载智能计算基础平台研发、应用等环节的融合，重点在数据闭环、自动标注、场景构建等云端环节使用大模型提高效率、降低成本，在智能驾驶、智能座舱等车端环节使用大模型提供更丰富、适用的应用服务。

三、参考架构 2.0 的重点创新研究方向

车控操作系统及应用软件复杂性高、更新迭代速度快，要求 车载智能计算基础平台不仅要支持基础 OTA 功能，而且要实现软硬件解耦、区域分离、接口开放、算法和软件模块可复用，满足安全性、可靠性、实时性等方面的综合需求。重点创新方向包括：

芯片与硬件平台。 研究大算力实时计算、存算一体化的芯片， 推动计算性能的提升。研究硬隔离技术，支持不同安全业务独立运行。研究软硬件低功耗设计，提高续航和蓄电池使用寿命。

跨内核驱动标准化。 研究虚拟化/跨操作系统驱动架构，实 现一次驱动开发，多操作系统内核、多虚拟化管理兼容。研究基于标准化的虚拟驱动实现与底层异构硬件解耦、平台化，满足针对异构计算平台的硬件快速适配需求，提升生态协同效率。

操作系统内核。 研究面向多核环境的新型内核架构、实时调 度、高性能 IPC（进程间通信）/RPC（远程过程调用）、内存管理、安全编程语言、内核安全模型等技术。研究高安全、强实时的微内核、单内核、多内核架构设计，实现安全实时操作系统和虚拟化管理。研究兼容 Linux 服务接口的操作系统内核，继承 Linux生态。

基于大模型的智能驾驶技术。 研究大模型的云端应用技 术，降低数据标注成本，提高长尾数据挖掘效率，提高自动驾驶场景构建速度和准确度。研究大模型的车端应用技术，提升驾乘适应能力和舒适性，提高导航、娱乐、通信等方面的应用服务质量及用户体验。研究大模型与小模型协同技术，探索数据柔性上传及边端处理机制，提高海量数据预处理水平和精准利用能力，进一步提升车载智能计算基础平台及智能网联汽车的智能性，降低处理延迟，提高整体效率。

安全保障技术。 研究可靠冗余设计、多层多样化监测方案、 失效可运行或失效降级安全模式、场景库构建与测试评估等安全技术，降低平台随机性失效或系统性失效带来的功能安全风险。研究安全可信环境构建、纵深防御体系、网络安全监测、基于内 生安全的弹性工程等防御技术，从识别风险和漏洞、安全防护、 安全检测、安全响应以及快速恢复等方面综合保障网络安全。研究构建面向数据采集、传输、存储、处理、提供、公开、删除和销毁全生命周期的数据安全技术体系。

后台回复“ AES34 ”,自动获取PDF版全文