當(dāng)一輛汽車的性能不再由發(fā)動(dòng)機(jī)排量決定，而是取決于車載芯片的算力與軟件的智能程度，這場(chǎng)由" 軟件定義汽車"（SDV）引發(fā)的產(chǎn)業(yè)革命已勢(shì)不可擋。在2025 年CES 展會(huì)上，全球科技巨頭紛紛亮出面向未來十年的智能汽車解決方案，而在這場(chǎng)技術(shù)競(jìng)速中，芯片架構(gòu)的創(chuàng)新與人工智能的深度應(yīng)用正在重塑整個(gè)汽車產(chǎn)業(yè)鏈。在這個(gè)背景之下，EEPW 與Imagination 的高級(jí)產(chǎn)品總監(jiān)Rob Fisher進(jìn)行了深度的交流采訪，揭示了這場(chǎng)變革背后的技術(shù)邏輯與產(chǎn)業(yè)圖景。

Imagination 高級(jí)產(chǎn)品總監(jiān)Rob Fisher

1   軟件定義汽車：從機(jī)械心臟到數(shù)字大腦的進(jìn)化

傳統(tǒng)汽車工業(yè)百年發(fā)展史中，“馬力”始終是衡量車輛性能的核心指標(biāo)。但如今，汽車的價(jià)值鏈正在發(fā)生根本性轉(zhuǎn)變。Rob Fisher 指出：“如今消費(fèi)者購(gòu)買車輛時(shí)，更關(guān)注的是車載系統(tǒng)的交互體驗(yàn)、自動(dòng)駕駛能力以及持續(xù)升級(jí)的可能性——這些都需要強(qiáng)大的計(jì)算平臺(tái)作為支撐?！?/p>

軟件定義汽車的本質(zhì)，是讓車輛成為可動(dòng)態(tài)進(jìn)化的智能終端。要實(shí)現(xiàn)這一愿景，硬件必須突破傳統(tǒng)架構(gòu)的桎梏：既要滿足當(dāng)下海量數(shù)據(jù)處理需求，又要為未來未知的軟件形態(tài)預(yù)留空間。例如特斯拉HW4.0 平臺(tái)采用14 nm 制程芯片，其神經(jīng)網(wǎng)絡(luò)算力達(dá)到144TOPS，是上一代的3 倍；而理想汽車最新發(fā)布的Mind GPT 大模型，更需要車機(jī)系統(tǒng)具備實(shí)時(shí)處理多模態(tài)數(shù)據(jù)的能力。這種“算力先行”的設(shè)計(jì)理念，催生了新一代異構(gòu)計(jì)算架構(gòu)的崛起——通過GPU、NPU、CPU 的協(xié)同工作，在保證低功耗的同時(shí)實(shí)現(xiàn)百倍級(jí)算力提升。

Imagination 的應(yīng)對(duì)策略頗具前瞻性：其最新DXS系列GPU 不僅提供高達(dá)24TOPS 的INT8 算力，更通過分布式安全機(jī)制實(shí)現(xiàn)ASIL-B 功能安全認(rèn)證。這意味著在極端情況下，芯片能自主檢測(cè)并隔離故障模塊，確保自動(dòng)駕駛系統(tǒng)不會(huì)因局部錯(cuò)誤導(dǎo)致整體失效。這種“彈性算力+ 主動(dòng)防護(hù)”的組合，正是軟件定義汽車時(shí)代硬件進(jìn)化的縮影。

2   AI 驅(qū)動(dòng)下的感知革命：從輔助駕駛到全域智能

當(dāng)L3 級(jí)自動(dòng)駕駛在中國(guó)多個(gè)城市開啟道路測(cè)試，行業(yè)正式進(jìn)入“人機(jī)共駕”新階段。不同于L2 系統(tǒng)僅提供車道保持、自適應(yīng)巡航等基礎(chǔ)功能，L3 意味著車輛能在特定場(chǎng)景下完全接管駕駛權(quán)——這對(duì)環(huán)境感知精度與決策速度提出了指數(shù)級(jí)要求。Rob Fisher 以魚眼相機(jī)校正為例：“傳統(tǒng)算法處理360 度環(huán)視影像需要15毫秒，而基于GPU 加速的方案可將延遲壓縮至3 毫秒以內(nèi)，這對(duì)避免碰撞至關(guān)重要?！?/p>

這種性能飛躍的背后，是AI 芯片架構(gòu)的顛覆性創(chuàng)新。Imagination 的GPU 不僅承擔(dān)圖形渲染任務(wù)，更通過固件處理器實(shí)現(xiàn)與NPU 的毫秒級(jí)協(xié)同：當(dāng)NPU 完成目標(biāo)識(shí)別后，GPU 立即對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行3D 建模，同時(shí)CPU統(tǒng)籌路徑規(guī)劃。這種“感知- 決策- 執(zhí)行”鏈路的無縫銜接，使得系統(tǒng)響應(yīng)時(shí)間從秒級(jí)降至毫秒級(jí)。更值得關(guān)注的是，其NNA（神經(jīng)網(wǎng)絡(luò)加速器）采用動(dòng)態(tài)權(quán)重分配技術(shù)，能根據(jù)路況復(fù)雜度自動(dòng)調(diào)整算力配比——在擁堵路段優(yōu)先處理行人識(shí)別，在高速場(chǎng)景側(cè)重車道線追蹤。這種靈活性的價(jià)值在智能座艙領(lǐng)域同樣凸顯。最新車型中，單個(gè)SoC 芯片需要同時(shí)驅(qū)動(dòng)儀表盤、HUD、后排娛樂屏等超過10 塊顯示屏，還要處理駕駛員狀態(tài)監(jiān)測(cè)、手勢(shì)交互等AI 任務(wù)。Imagination 通過多核GPU架構(gòu)實(shí)現(xiàn)“分時(shí)復(fù)用”：將80% 算力用于3D 導(dǎo)航渲染，20% 用于眼球追蹤算法，當(dāng)系統(tǒng)檢測(cè)到駕駛員分心時(shí)立即動(dòng)態(tài)調(diào)整資源分配。這種“智能負(fù)載均衡”技術(shù)，使得芯片在5 W功耗下即可實(shí)現(xiàn)4K 120Hz 的超高清輸出。

3   芯片工藝的破局者：Chiplet如何重構(gòu)汽車電子生態(tài)

面對(duì)汽車電子“性能焦慮”與“成本困局”的雙重挑戰(zhàn)，Chiplet（芯粒）技術(shù)正在打開新的可能性。傳統(tǒng)單芯片方案在制程升級(jí)至5nm 后，良品率已跌破70%，導(dǎo)致車規(guī)級(jí)芯片成本飆升。而Chiplet 通過將大芯片拆解為多個(gè)功能模塊，既能采用14 nm 成熟工藝制造I/O控制器，又能在關(guān)鍵計(jì)算單元使用3 nm先進(jìn)制程，整體成本可降低40%。更革命性的是，這種“樂高式”設(shè)計(jì)允許車企混合搭配不同供應(yīng)商的芯?！绮捎肐magination 的GPU 芯粒搭配RISC-V CPU 芯粒。Imagination 的“chiplet-ready”GPU IP 正推動(dòng)這一愿景落地。其最新架構(gòu)支持超低延遲互連總線，使得多個(gè)GPU 芯粒能像單個(gè)芯片般協(xié)同工作。在實(shí)測(cè)中，4 個(gè)DXS 芯粒組成的計(jì)算模組實(shí)現(xiàn)了96TOPS 算力，功耗卻比傳統(tǒng)方案降低30%。這種可擴(kuò)展性對(duì)車企極具吸引力：經(jīng)濟(jì)型車型可搭載單個(gè)芯粒實(shí)現(xiàn)基礎(chǔ)ADAS 功能，而豪華車型通過疊加芯粒獲得L4 級(jí)自動(dòng)駕駛能力。更深遠(yuǎn)的影響在于，當(dāng)IMEC 主導(dǎo)的通用芯粒接口標(biāo)準(zhǔn)確立后，汽車電子將進(jìn)入“模塊化創(chuàng)新”時(shí)代——主機(jī)廠能像組裝PC 一樣定制車載計(jì)算平臺(tái)。

5   開放生態(tài)之戰(zhàn)：RISC-V 與軟件棧的合縱連橫

在汽車電子“軟硬解耦”的大趨勢(shì)下，RISC-V 開源指令集正快速崛起。與ARM 架構(gòu)相比，RISC-V 不僅免授權(quán)費(fèi)，其模塊化設(shè)計(jì)更適應(yīng)車載系統(tǒng)的定制化需求。SHD 集團(tuán)預(yù)測(cè)，到2031 年將有31% 的汽車SoC集成RISC-V IP。Imagination 顯然嗅到了這一機(jī)遇：其GPU 已實(shí)現(xiàn)與多家RISC-V 廠商的深度優(yōu)化，通過共享內(nèi)存管理單元，使得AI 推理任務(wù)的數(shù)據(jù)搬運(yùn)能耗降低60%。

但硬件兼容只是第一步，軟件生態(tài)才是決勝關(guān)鍵。特斯拉的FSD 芯片雖性能強(qiáng)悍，但其封閉的軟件體系導(dǎo)致第三方開發(fā)者難以接入。為此，Imagination 聯(lián)合UXL 基金會(huì)推動(dòng)oneAPI 開放標(biāo)準(zhǔn)，試圖建立跨架構(gòu)的統(tǒng)一編程接口。開發(fā)者只需編寫一次代碼，即可在Imagination GPU、RISC-V CPU 及其他AI 加速器上無縫運(yùn)行。這種“硬件異構(gòu)，軟件同構(gòu)”的生態(tài)，將大幅降低車企的軟件適配成本——據(jù)測(cè)算，主流車企每年可節(jié)省2.4 億美元的軟件開發(fā)費(fèi)用。

6   未來之戰(zhàn)：軟件成本與功能安全的終極平衡

當(dāng)汽車電子進(jìn)入“千TOPS 算力”時(shí)代，一個(gè)悖論愈發(fā)凸顯：軟件復(fù)雜度呈指數(shù)級(jí)增長(zhǎng)，但功能安全要求卻愈加嚴(yán)苛。Rob Fisher 透露，某豪華品牌最新車型的代碼量已突破2 億行，超過F-35 戰(zhàn)斗機(jī)的3 倍。如何在海量代碼中確?！傲闳毕荨保蔀樾袠I(yè)最大痛點(diǎn)。Imagination 的破局之道體現(xiàn)在三方面：在硬件層面，其GPU 內(nèi)置的冗余校驗(yàn)?zāi)K可實(shí)時(shí)檢測(cè)運(yùn)算錯(cuò)誤；在工具鏈層面，提供符合ISO 26262 標(biāo)準(zhǔn)的自動(dòng)驗(yàn)證工具，將安全認(rèn)證周期縮短50%；在開發(fā)生態(tài)層面，與MathWorks 等企業(yè)共建模型庫(kù)，使80% 的ADAS 算法能通過模塊化拼接完成。這種“鐵三角”體系正在改寫游戲規(guī)則：某新勢(shì)力車企采用該方案后，成功將自動(dòng)駕駛系統(tǒng)的OTA 更新頻率從季度提升至周度。

7   重新定義移動(dòng)出行的DNA

站在2025 年的時(shí)間節(jié)點(diǎn)回望，汽車電子的進(jìn)化軌跡清晰可見：從ECU 分布式架構(gòu)到域控制器集中式架構(gòu)，再向“中央計(jì)算+ 區(qū)域控制”的神經(jīng)形態(tài)演進(jìn)。在這個(gè)過程中，算力不再是冰冷的參數(shù)，而是轉(zhuǎn)化為“可感知的智能”——它能讀懂駕駛員的情緒波動(dòng)，能預(yù)判百米外突然出現(xiàn)的兒童，甚至能在電池耗盡前自主規(guī)劃充電路線。

Imagination 等技術(shù)領(lǐng)跑者的實(shí)踐表明，這場(chǎng)變革的核心邏輯在于“以架構(gòu)創(chuàng)新釋放軟件潛力”。當(dāng)車載芯片具備自我進(jìn)化能力，當(dāng)軟件開發(fā)擺脫硬件束縛，汽車將真正成為“四個(gè)輪子上的超級(jí)計(jì)算機(jī)”。而在這場(chǎng)算力革命的下半場(chǎng)，勝利必將屬于那些既能駕馭硅基芯片的物理極限，又能理解人類出行本質(zhì)需求的創(chuàng)新者。

（本文來源于《EEPW》202503）