在汽車智能化浪潮下，傳統智能座艙與智能駕駛分離的電子電氣架構，因硬件冗余、成本高、信號穩定性差等弊端，難以滿足用戶需求和技術發展，使得“艙駕融合”概念應運而生。通過將智能座艙域與智能駕駛域整合到一個高性能計算單元，艙駕融合實現了硬件共用、功能協同，以及降本增效。本文將聚焦這一話題，深度探討艙駕融合過程中面臨的機遇與挑戰。

從分布式到“三共計算”

第三方數據顯示，截至2024年10月末，艙駕智能的滲透率已經達到了41.75％。2025年開始，這一市場份額還會繼續上升，預計在政策、技術和市場等多方因素驅動下，15萬人民幣以上的車型都能率先采用艙駕融合技術。那么，“艙駕融合”又是如何實現智能座艙與智能駕駛“大腦共用、數據共通、算力共享”的呢？

Imagination公司產品管理副總裁Dennis Laudick表示，汽車行業正處于汽車電子架構集中化的進程中。過去，車輛配備了大量分布在車身各處的小型處理器，每個處理器負責一項簡單功能。如今，這些小型處理器的功能正逐漸整合到更大、更高性能的系統級芯片(SoC)中，由后者處理整個功能域——例如管理整個高級駕駛輔助系統(ADAS)或整個座艙體驗。

Imagination公司產品管理副總裁Dennis Laudick

這種方法帶來了諸多優勢，從降低車輛復雜性(實實在在地減少了數英里的布線)，到實現更全面的決策制定，以及在軟件定義汽車的時代更便捷的空中升級(OTA)。而艙駕融合將這些優勢進一步延伸，它將負責渲染信息娛樂屏幕、座艙屏幕和抬頭顯示，以及處理駕駛員監控等功能的座艙控制器，與ADAS控制器融合。

舉例來說，在下一代自動駕駛車輛中，負責駕駛的同一個計算單元可實時獲取駕駛員狀態相關數據：他們是否清醒？是否在使用手機？是否在與乘客交談？當需要將車輛控制權交還給駕駛員時，車輛能夠知曉這需要多長時間，并據此做出規劃。

另一方面，隨著汽車計算的集中化以及車輛的全面電動化改變了汽車的構成，我們看到的最大轉變是汽車主機廠開始自行設計芯片，并全面掌控車輛的客戶體驗。比亞迪就是一個典型案例：該公司已宣布向半導體和自動駕駛技術投資1000億元。

因此，在客戶體驗方面，將駕駛輔助系統與座艙集成有望實現手動駕駛模式與自動駕駛模式之間更平滑的切換。通過將物體檢測數據接入抬頭顯示(HUD)，將有助于提升手動駕駛模式下的駕駛安全性——例如高亮顯示危險物或車速標志。在此場景中，將物體檢測模型與增強現實(AR)顯示集成在單一控制器上，既能減少運行此類體驗所需的數據傳輸量，也能簡化軟件開發流程。

芯擎科技創始人、董事兼CEO汪凱博士則從三方面做了更進一步的說明：

芯擎科技創始人、董事兼CEO汪凱博士

(1)大腦共用：從分布式到集中式架構的演進

傳統汽車電子架構中，智能座艙與智能駕駛系統通常采用獨立的ECU或域控制器，導致硬件冗余和協同效率低下。而艙駕融合通過中央計算平臺(如單芯片或多芯片集成方案)將兩者功能集成至同一“大腦”，通過高算力SoC芯片，集成CPU、GPU、NPU等計算單元，實現硬件的整合。同時通過虛擬化技術或容器化技術，在單一硬件平臺上運行多個操作系統，實現座艙與智駕功能的邏輯隔離與資源共享。

(2)數據共通：艙駕融合的核心是數據閉環的構建，比如：

感知系統復用：攝像頭、毫米波雷達、超聲波雷達等傳感器數據同時服務于座艙AVM、HUD、DMS與輔助駕駛的感知、定位模塊等系統，接口復用可以減少線束和系統成本，提供融合系統性價比。

片內計算任務的多IP協作與數據傳輸的優化，提升芯片算力與能效比，形成完整的片上互連、神經網絡加速方案，適配智能座艙數據流高帶寬、智能駕駛數據流低延遲的關鍵性性能要求。

片間數據交互：通過高速以太網、PCIe總線，或是企業自研的高速互聯通路協議，實現不同系統的高帶寬低延遲的互聯互通，提供多顆SOC級聯的擴展能力。

(3)平臺化交付，架構同源，軟件同源，協同高效

這里所說的軟件架構平臺化適配，是指中間件與底層硬件耦合，屏蔽芯片的復雜性，芯片級適配優化能力由芯片企業完成。中間件與算法，系統調度，應用軟件解耦，開放算法移植優化的能力給到第三方。

這一過程中，芯片固件和驅動保持一致，提供量產質量標準的參考設計，提高芯片快速量產能力及產品可靠性與穩定性。同時，信息安全采用同源IP實現，保障數據安全端到端的能力；功能安全采用智能駕駛芯片標準，為高階艙駕融合提供安全基礎。

算力與安全的平衡

“知易行難”。盡管人們最終希望通過芯片和算法支持的一系列解決方案，能夠提升用戶的核心體驗：更安全、更智能、更個性化。但在汽車中實現座艙與ADAS功能的融合或者集成，不但需要具備性能強大、靈活性及功能安全性極高的處理器，還要在功耗、功能安全等諸多方面達成目標。

汪凱博士對此表示認同，并指出，在算力方面，艙駕融合芯片需要具備強大的綜合算力，能夠同時支持智能駕駛和智能座艙的多種復雜運算，并且要具備靈活的算力分配機制，以適應不同場景的算力需求。

“智能駕駛領域，如城市NOA等功能，需要處理大量傳感器數據，且算法模型已經演進到BEV+Transformer等更復雜的形式，對浮點算力、向量計算資源以及訪存容量和帶寬要求很高。同時，智能座艙也引入生成式AI大模型，強化人機交互體驗，這也讓芯片需要處理更復雜的任務，運行算法的復雜度、模型參數以及數據規模大幅上升。“汪凱博士說。

此外，艙駕融合系統還涉及到車輛的關鍵駕駛功能和座艙安全，對功能安全要求極高。芯片需要滿足車規級安全認證，比如達到ASIL–D安全等級，包括硬件冗余、錯誤檢測和糾正、安全啟動和加密等功能，以確保在各種復雜的工況下都能穩定、可靠地運行，保障駕乘人員的安全。在一些極端情況下，即使中控等全部屏幕都黑屏，芯片也必須保證儀表屏的正常運轉，確保駕駛者可以得到必要的車輛提示。

為此，芯擎科技從SoC芯片架構和軟件架構角度針對“艙駕融合”進行了突破性的設計和應用實現。首先，在車規SoC芯片架構方面，集成動態分區的QM、ASIL-B、ASIL-D算力，實現艙、駕融合應用場景的適配，并減少對虛擬化軟件的依賴，能夠快速實現軟件的遷移和調優適配。

其次，高帶寬低延遲存儲架構，針對視覺流、大模型數據訪存量激增的問題，基于多級分布式緩存方案，設計高通量高效率存儲子系統架構，提升關鍵應用和核心處理單元訪問存儲系統的吞吐量，實現片內帶寬壓縮技術，減少計算密集型任務訪存壓力。

第三，高性能加解密引擎，針對智駕芯片的信息安全要求和國密算法標準，實現提升信息安全和功能安全協同的技術方法。基于安全啟動、可信計算和安全域劃分體系架構，實現信息安全島SoC體系的管理.。

Dennis的看法是，在這兩個場景中，ADAS控制器通常有更高的性能和安全要求，可能需達到2000TOPS的AI算力，并支持多項ASIL-D級任務(功能安全的最高等級)。相較之下，座艙控制器的安全與AI需求較低，僅需ASIL-B級安全標準，以及約20TOPS的AI算力，用于駕駛員監控和環視攝像頭拼接等任務；但該控制器需在尺寸不斷增大的顯示屏上渲染用戶界面，可能還需支持乘客娛樂功能——32ppc的GPU應能處理所有這些屏幕的像素處理需求。

因此，將這些功能整合到單一控制器中，僅意味著在現有ADAS控制器的AI性能基礎上增加約10%，并集成功能安全GPU（如Imagination提供的GPU，已應用于全球眾多主流汽車品牌的座艙系統）。

隨著控制器需要承載更多操作系統并同時處理更多功能，系統中的每個處理器都需配備先進的虛擬化解決方案。許多方案采用虛擬機監控程序（hypervisor），但這可能給系統帶來不必要的開銷。相比之下，基于硬件的虛擬化方案效率更高，且配備精細的服務質量（QoS）和工作負載優先級協議，在多域汽車控制器領域優勢更為顯著。

大規模商用，仍存挑戰

在Dennis看來，盡管如今已有支持座艙—駕駛集成的處理器，然而，汽車市場從半導體設計到芯片量產，再到車輛交付消費者，存在較長的前置周期。這一開發周期中，很大比例用于軟件開發——需要開發新代碼，將座艙與ADAS控制器的所有功能整合到新芯片上，還需額外編寫代碼，利用功能域的統一為車內乘客帶來新體驗。

“為縮短電動化、軟件定義汽車所需的海量代碼開發時間，我們看到許多供應商采用‘左移’開發理念，在硬件仍處于研發階段時即開始軟件準備，并借助Imagination等供應商的先進建模系統提供支持。”他說。

與此同時，硬件開發者還必須探索如何滿足下一代車輛對計算能力的巨大需求，同時避免熱節流效應且不影響續航里程。在遵循“1%規則”的汽車行業中，功耗100W與50W的控制器存在顯著差異。

當然，AI大模型的引入也是必須要考慮的問題，畢竟隨著L3/L4級自動駕駛落地，“艙駕融合”進一步向“車路協同+情感化交互”方向升級，已經成為大趨勢。

Dennis認為，開發能夠對車內乘客情緒做出恰當反應的車輛，聽起來或許像天方夜譚，但如今已有技術可將其變為現實。經典視覺模型(如卷積神經網絡)可通過攝像頭畫面處理乘客的情緒。或者，大語言模型能從麥克風輸入中解讀情緒。基于這些，當乘客注意力過于分散時，車輛可判斷是否需要進行干預。

“我尤其喜歡這樣的設想：車輛利用其新具備的感知能力，與孤獨、無聊或疲憊的駕駛員玩‘我是小間諜(I spy)’這類經典車載游戲，幫助他們保持清醒。”

芯片廠商前進到了哪里？

“龍鷹一號”智能座艙芯片和“星辰一號”全場景高階輔助駕駛芯片，是芯擎科技為艙駕融合提供的底層硬件支持。作為中國首款7nm車規級智能座艙芯片，“龍鷹一號”已定點或搭載于領克、銀河、一汽紅旗、德國大眾歐洲和美洲車型等30余款主力車型上。而“星辰一號”則是芯擎科技在2024年推出的高階輔助駕駛芯片，面向L2至L4級的智能駕駛，單芯片算力達512TOPS，4顆級聯可達到2048TOPS，2025年實現量產。根據規劃，2026年，“龍鷹二號”也將量產。

在與《電子工程專輯》的對話中，汪凱博士表示，芯擎是國內最早提出“艙行泊一體”的公司，得益于在芯片的最初設計階段，芯擎創新性地在其中加入了2顆NPU(而當時主流的海外座艙芯片還沒有NPU)芯片，最高算力可以達到8TOPS，這種大算力的支持是“龍鷹一號”有能力實現“艙行泊一體”的重要原因之一。

今年3月，芯擎科技在生態?科技日上發布了智能座艙和智能駕駛兩大系列解決方案。

在智能座艙系列解決方案中，基于全面的芯片矩陣，芯擎能夠提供從入門級智能座艙到高階智能座艙，從“艙行泊一體”到高階艙駕融合的多種芯片組合，基于同樣的車規級SoC芯片架構，采用同源軟件架構，適配算力需求，為車企擁抱智能化浪潮提供及時、差異化的支持。

在智能駕駛系列解決方案中，能夠覆蓋從L2級別智駕、高速NOA、城市NOA、全場景智駕到高階艙駕融合的需求。可在最短的時間內，提供從主動安全、高速NOA、城市NOA以及端到端智駕大模型功能。

同時，基于“星辰一號”7nm車規芯片，芯擎科技搭建了開放的全場景生態平臺：芯擎方舟，分別從芯片基礎能力，操作系統、系統軟件、中間件、算法算子庫、AI工具鏈，生態方案等方面開放賦能，為客戶提供一站式的算法開發和端到端的大模型部署，同時具備數據流調優，規劃控制整車適配，以及數據閉環端云結合的能力。

作為車載信息娛樂單元GPU IP的領先供應商，Imagination已經與瑞薩、德州儀器和安霸（Ambarella）等客戶合作開發下一代汽車解決方案，包括解決諸如軟件集成和工作負載分區等各種各樣的問題。

為支持這一需求，Imagination的產品包含一系列行業中獨有的功能，以支持此類系統設計，例如：

基于硬件的虛擬化：單個Imagination GPU可虛擬地劃分為多個獨立的“虛擬GPU”，可由完全獨立的操作系統、線程或虛擬機獨立使用。與軟件虛擬化方法不同，Imagination的硬件化方案具有高度穩定性，可確保虛擬域之間互不干擾。Imagination的前幾代GPU支持最多8個虛擬機或環境，最新產品支持最多16個虛擬機或環境。

先進的服務質量(QoS)和優先級機制：軟件工程師和系統設計師可在從粗略到精細的多個層級上調整工作負載的優先級。這項功能得到了各種由硬件支持的機制的全面支撐，例如搶占和上下文切換超時等功能作為后盾，確保了優先級系統的穩健性。

支持物理分區：GPU核心可在整個物理芯片或小芯片范圍內實現，既可作為單個GPU使用，也可作為多個獨立GPU使用。

憑借這些功能，Imagination的最新產品為SoC設計師和整車廠商(OEM)提供了艙駕融合所需的軟件定義AI和高性能圖形能力，它們全部都達到ASIL-B功能安全等級，所有或大部分此類機制均可在啟動或運行時動態重新配置，且功耗等級低到智能手機級別，而非個人電腦級別。

(責編：Franklin)