|
随着智能互联、自动驾驶、电动汽车及共享出行的发展，软件、计算能力和先进传感器正逐渐取代发动机的统治地位。与此同时，这些电子系统的复杂性也在提高。以当今汽车包含的软件代码行数（SLOC）为例，2010年，主流车型的SLOC约为1000万行；到2016年达到1.5亿行左右。复杂性正如滚雪球般越来越高，不可避免地导致了与软件相关的若干严重质量问题：这在近期若干起大规模车辆召回事件中屡有耳闻。 解决迫在眉睫的行业隐忧 当前，软件在D级车（或大型乘用车）的整车价值中占10%左右，预计将以每年11%的速度增长，到2030年将占整车内容的30%。数字化汽车价值链上的所有企业均在尝试从软件和电子技术带来的创新中获利（见图1）。软件公司和其他数字技术企业正从目前的二、三级供应商逐步成为整车企业的一级供应商。他们超越了功能和应用程序（APP）的范围，进一步涉足操作系统，加深在汽车“技术栈”中的参与度。同时，传统的汽车电子系统一级供应商正在大胆进入IT巨头所在的功能与应用程序领域。豪华品牌车企则正进入操作系统、硬件简化、信号处理等更底层的技术领域，以期从根本上确保其技术优势和独特性。 这些战略举措的结果之一是车辆架构将变为以通用运算平台为基础的，面向服务的架构（SOA）。开发者将得以添加新的智能互联解决方案、APP、人工智能元素、高级分析工具和操作系统等。差异化（或独特性）将不再仅仅停留于传统的车辆硬件方面，而更多地通过由软件和先进电子技术赋能的用户交互界面和体验层面来体现。 未来的汽车将成为搭载全新差异化元素的平台（见图2）。这些差异化元素可能包括最新的车载娱乐系统、自动驾驶和智能安全等以“高容错性”为根本的功能。软件将通过智能传感器与硬件整合，进一步深入数字堆栈。堆栈之间将完成水平整合，并添加新层，从而将整体结构转化为SOA。 最终，全新的软件和电子架构将催生多个改变游戏规则的趋势，提升复杂性和相互依赖程度。例如，新的智能传感器和应用将驱动车辆数据“爆发式增长”；相关产业链上下游企业若想维持竞争力，就必须高效处理和分析这些数据。模块化的SOA和OTA更新对大型复杂软件的维护至关重要，并催生可满足车主最新需求的商业模式。由于第三方APP开发者将越来越多，车载娱乐系统将越来越应用程序化，甚至高级驾驶辅助系统（ADAS）也会在一定程度上APP化。对数据安全的关注将逐渐从纯粹的权限控制策略转变为综合性安全概念，以达到预测、避免、检测和防御网络攻击的目的。 汽车电子电气架构未来走向的十大假设 通向未来技术和商业模式之路远未明晰。我们就此提出了十大假设。
汽车行业将转为整合的ECU架构，这在高级辅助驾驶系统（ADAS）和高度自动驾驶（HAD）功能上尤为必要，而其他车辆功能则仍可能保持较高程度的去中心化。 随着自动驾驶的发展，软件功能虚拟化和硬件简化的重要意义将进一步提升，而这可能以几种形式成为现实。一是将硬件整合到针对不同时延性和可靠性要求的堆栈中；二是一个冗余的“超级计算机”将取代ECU的地位；三是彻底放弃控制单元的概念，转而采用智能节点计算网络。
时间驱动栈。 控制器直接与传感器或执行器相连，而系统则需要支持严格的实时要求和低延迟时间；资源调度将基于时间。该堆栈包括达到最高汽车安全完整性等级的系统，例如经典的汽车开放系统架构（AUTOSAR）。 事件-时间驱动堆栈。 这一混合堆栈能将诸多高性能安全应用结合在一起，例如ADAS及HAD。操作系统将应用程序和外设分隔；应用程序则根据时间进行调用。在应用程序内部，资源调度可以根据时间或优先等级决定。运行环境将确保关键的安全应用与车内其他应用程序分隔并独立运行。目前这一概念的示例是自适应AUTOSAR。 事件驱动堆栈。 该堆栈以对安全等级要求较低的资讯娱乐系统为中心。这些应用程序与外设清晰地分隔开来，资源调度将遵循最优化原则或基于事件。该堆栈包含允许用户与车辆交互的常用可视功能，如安卓、汽车等级Linux、GENIVI和QNX。 云堆栈。 该堆栈协调车辆外界对车辆数据及功能的访问，并负责通信、安全、以及应用程序认证。该堆栈还须建立一个预定义的车辆界面，包括远程诊断。
随着车辆逐渐演变成移动运算平台，中间件(middleware)将实现车辆重新配置，以及相关软件的安装和升级。当前ECU内部的中间件只是负责跨ECU间的通信。 新一代车辆则与此不同，中间件将是域控制器与功能访问之间的连接。中间层在ECU硬件之上运作，并推动抽象化和虚拟化、SOA以及分布式运算。
在今后两到三代汽车产品上，整车企业将安装多个具备相似功能的传感器，来确保车辆具有充足的安全冗余。长期看来，行业将开发更完善的传感器解决方案来减少传感器数量和成本。 长远来看，对于车辆传感器数量，可能会出现不同的发展情景——增加、稳定不变或是下降。哪个情景最终会发生将取决于监管政策、技术成熟度以及在不同用途下使用多个传感器的能力。举例来说，监管部门可能要求更加密切地监控司机身体状况，从而增加传感器的应用。然而，一味增加，或者数量维持不变，都不利于成本控制。所以减少传感器数量的动力将会较为充足。未来的高级算法与机器学习可增强传感器性能和可靠程度，再辅之更加强大的传感器技术，传感器冗余将有望减少。
集成化的智能传感器将被用来管理HAD所需的大量数据。传感器融合和3D定位等高级功能将在中心化运算平台上进行，预处理、筛选和快速反应则很可能直接在传感器内完成。据估算，一辆自动驾驶汽车每小时产生的数据量将达4TB，因此，传感器将需要完成部分传统由ECU完成的工作。为确保正确运转，新一代传感器清洁系统，例如除冰除尘等，将尤为必要。
对可靠性要求较高的安全类关键应用，将利用整个冗余圈来完成所有对安全行驶至关重要的工作，如数据传输和电力供应等。电动汽车、中央计算机和高耗能分散式计算网络都会需要具备冗余性的新型能源管理网络。线控转向和其他HAD功能所需的高容错性同样需要冗余系统设计。这一切尚难以在目前的故障保护监控应用架构上完成，仍有待进一步突破。
数据量的提升、HAD的冗余要求、互联环境下的安全保障，以及跨行业标准协议的需求很有可能催生汽车以太网，并使其成为冗余中央数据总线的关键助推因素。以太网解决方案可以实现跨域通信，并通过添加以太网扩展，例如音-视频桥接（AVB）和时间敏感网络（TSN）等，来满足实时性要求。 本地互联网络、控制器区域网络等传统网络将继续在车辆上运用，但仅用于封闭式的低级网络，如传感器和执行器等。FlexRay和MOST等技术有可能被汽车以太网及其扩展（如AVB、TSN等）取代。
发送与接收安全关键数据的中央互联网关将始终直接且仅连接到整车企业的后台，第三方会被允许进行数据访问（被监管法规排除的场景除外）。然而，在车辆APP化的推动下，资讯娱乐系统的新兴开放接口将允许内容和应用程序供应商加载内容，而整车企业将尽可能严格地保持各自的标准。 目前的车载诊断端口将被互联通讯方案取代。通过接入整车物理端口来读取车辆数据不再必要，登陆车企后台即可。车企将在其后台开放若干数据接口，以满足若干特定场景的需求，如失窃车辆轨迹追踪或个性化保险等。
虽然非车企以外的企业参与程度仍取决于监管法规，非敏感数据（即非隐私或安全相关数据）仍然有望更多地在云端进行处理。随着数据量的增长，大数据分析将被越来越多地应用于数据处理，并将基于数据处理结果制定相应的行动方案。 基于数据的自动驾驶的应用及其他各项数字化创新将依赖于不同企业之间的数据共享。当然现在仍然不清楚不同企业间的数据共享将如何实现、由谁实现，但主要的传统供应商和技术企业已经开始建立有能力处理此种海量数据的集成化平台。
通过车载测试系统，汽车可以实现自动检查功能和集成更新，从而推动生命周期管理，以及增强或解锁产品的售后功能。所有ECU都会与传感器和执行器交换数据，并检索数据包来支持创新性用例，如基于车辆参数的路线计算。 OTA更新是HAD的前提条件，它还将有助于开发新功能、确保网络安全，并使车企得以更快部署功能与软件。事实上，正是OTA推动了本文提及的多项整车架构上的重大变革。 为实现类似智能手机那样的升级性，汽车行业须克服限制性的经销合同、监管要求和安全与隐私问题等诸多挑战。整车企业将与该领域的技术供应商密切合作，在OTA平台上实现车队标准化。 车辆将在全寿命周期内获取功能性及安全性升级。监管部门可能强制要求软件维护，来确保车辆设计的安全完整性。更新和维护软件的责任将在车辆维护与运行领域催生新业务模式。 评估汽车软件和电子架构的未来影响 软件和电子架构在未来面临的颠覆性趋势同样不可小觑。诸多战略性举措可能就此催生：车企可以组建行业联盟来实现车辆架构标准化，IT巨头可以引入车载云平台，出行方案供应商可以开发开源车辆堆栈和软件功能，车企也可引入更加先进的互联车辆和自动驾驶车辆。 对于传统整车企业而言，从以硬件为中心转为以软件为导向，以服务为主导的挑战更为艰巨。我们在此提出五条战略建议：
中国将成为汽车软件及电子产业发展的新高地 中国的整车行业在过去几年取得了有目共睹的巨大发展。国产汽车行业的进展不仅体现在传统能源汽车的研发及制造上，也同时体现在了诸如汽车电动化、共享化、互联网化、无人驾驶化等所谓“新四化”上。国产汽车软件及电子的发展，也会借此东风，不断取得新发展。 在上文述及的十大趋势中，我们看到在一些中国领先汽车企业身上也有所体现。
汽车软件和电子系统的新时代已经开启。此前业内奉为圭臬的业务模式、客户需求和竞争格局都将发生剧变。我们对即将产生的产值和利润持乐观态度。但若想从变革中获益，汽车行业的所有参与者均应根据全新的环境，重新思考和谨慎定位（或再定位）自身的价值主张。 麦肯锡的车联网及用户体验分级框架 无人驾驶能力每提升一个等级，就对应的引入一项更高级的技术能力。这种严格的分类反映了一种以工程为导向的方法 ——是或否，零或一。通过历时三年的跨界研究、多次全球圆桌会议、3,000次消费者访谈和100多位公司（包括从初创公司到大型公司在内的各类公司）高层管理人员访谈，再辅之以麦肯锡在无人驾驶领域的咨询服务经验，麦肯锡未来出行研究中心（MCFM）制定了一套明确清晰的车联网及用户体验分级框架，即麦肯锡互联网汽车客户体验（Mckinsey Connected Car Customer Experience, C3X）框架（下图）。 图 麦肯锡互联网汽车客户体验(C³X)框架概括了从最基本到高度复杂，且涵盖五个等级的车联网用户体验 诚然，自动驾驶及其等级可以按照驾驶员介入汽车行驶的程度（从完全由驾驶员控制到零人为干预）进行定义，而车联网则应当从乘客体验角度出发进行定义。这种区别并非是学术性的。车联网很大程度上是通过汽车数据实现增收、降本并提高安全性的。通过车内传感器和来自多个数字化领域（包括社交媒体、智能化家居、以及智能化办公室）的消费者偏好数据，人工智能（AI）得以预测和响应乘客的需求和命令。 企业越能为乘客创造无缝化体验，就越可能促进增收、降本以及安全驾驶目标的实现。随着车联网生态系统技术的日益复杂，消费预期也在同步提升，因而用户对更高价值用户体验的需求也相应增加了。C3X框架可以更轻松地量化由车联网带来的经济价值。整个生态系统的参与者都将能够更准确地了解，如何将用户体验提升到下一个等级以及他们在各个等级能够通过车联网创造多少价值。 车联网等级详解 在C3X框架中，基础式互联（L1）意味着车辆仅支持驾驶员对该车的使用情况和技术状况进行基本监测；个性化互联（L2）意味着车辆可以通过驾驶员的个人资料获取外部数字平台上的服务，例如安卓汽车系统、苹果CarPlay、支付宝等。在这两个级别上实现数据的货币化已经成了诸多企业盈利的核心，特别是对高科技公司。汽车厂商也同样在尝试车联网货币化；消费者对此已经产生了需求并愿意为基础联网功能付费，例如车内热点和基于车辆使用情况的保养检查等。 随着车联网等级的提升，当用户体验在人工智能的支持下从被动式转变为智能化、前瞻性服务时，价值创造机会也会随之猛增。达到L3水平时，车联网系统的关注范围会扩展到驾驶员之外的全部同乘人员，他们同样可以享有个性化控制、信息娱乐和定向广告。L4则通过多模式（例如语音和手势）提供实时交互，允许驾乘人员与车辆自然“对话”，并通过该对话接收来自车辆服务和功能相关的主动建议。当达到框架顶层的L5时，系统将成为“虚拟代驾”——即认知化的AI。AI系统将胜任高度复杂的通讯和协调任务，能够预测乘员需求并完成复杂且突发的任务。 车联网 —— 现状及未来展望 目前，超过80%的汽车保有量低于或者刚达到L1的水平。这说明未来仍有很大提升空间。部分豪华车款，如奥迪Q7、宝马7系、凯迪拉克凯雷德、雷克萨斯LX、梅赛德斯-奔驰GLE和特斯拉Model X等等，达到了L2标准，可为消费者提供激奋人心的车内体验。中国的上汽荣威/MG搭载的斑马系统也达到了L2标准。但截至今日，尚没有全面达到L3要求的量产车辆，仅有部分高端车型的顶配版本有若干L3的功能特征。不过，麦肯锡的研究表明，到2030年，全球销售的新车中将有近一半可达到L3水平或更高水平。 但要将该目标变为现实，车联网用户体验的通用标准仍有很长的路要走。C3X框架可让各行各业的不同参与者使用相同的技术语言，化复杂为清晰，同时为下一步工作制定明确指标：无缝、互联、智能的车内体验。消费者和生态系统参与者也可借此框架就车联网的真正含义形成共识。 免责声明：本网站的部分内容，来源于其他网站的转载，转载目的在于传递和分享更多信息，并不代表本平台赞同其观点和对其真实性负责，版权归原作者所有，如有侵权请联系我们删除。 |
