智能化软件开发微访谈·第三十期 智能汽车基础软件
CodeWisdom
“智能化软件开发沙龙是由CodeWisdom团队组织的围绕智能化软件开发、数据驱动的软件开发质量与效能分析、云原生与智能化运维等相关话题开展的线上沙龙，通过微信群访谈交流等线上交流方式将学术界与工业界专家学者汇聚起来，共同分享前沿研究进展与业界实践，共同探讨未来技术发展方向。”
智能汽车基础软件
智能化软件开发微访谈·第三十期
背景介绍
当前，智能网联汽车已成为带动车辆控制、信息通信、云计算、大数据、AI等发展的战略制高点。而智能网联汽车控制系统正从分布式电子电气架构向域集中电子电气架构演进，并将进一步向车辆中央集中电子电气架构发展，体现了分层解耦、跨域融合的趋势。在此过程中，软件扮演着越来越重要的角色并成为汽车产品差异化竞争的关键。在这一“软件定义汽车”的发展浪潮中，包括操作系统、中间件、功能软件等多个层次及相关工具链的智能汽车基础软件在其中扮演着重要的作用。那么，当前“软件定义汽车”的技术体系和产业实践发展到什么程度？基础软件在智能汽车中扮演着什么样的角色同时面临着什么样的问题和挑战？智能驾驶与智能座舱等智能化应用以及近期火热的大模型对于智能汽车基础软件提出了什么样的新要求？
围绕这些问题，本次微访谈邀请了来自学术界和工业界的多位专家，围绕智能汽车基础软件这一主题展开讨论，总结学术界研究及工业界实践现状、分析相关技术问题、展望未来的发展方向。
主持人
彭鑫
复旦大学计算机科学技术学院副院长、教授
嘉宾
朱西产
同济大学汽车学院教授、汽车安全技术研究所所长
张文杰
国家智能网联汽车创新中心副主任、车用操作系统与泛在操作系统联合实验室常务副主任、中国汽车工程学会基础软件分会秘书长
罗蕾
电子科技大学教授/博导、嵌入式软件工程中心主任
杨子江
深信科创创始人、西安交通大学教授、图灵交叉信息科学研究中心主任
钟卫东
中瓴智行(成都)科技有限公司首席战略官、首席科学家
侍兴华
零束科技软件架构高级主任工程师
访谈主题
智能汽车基础软件
01
“软件定义汽车”的具体含义是什么？当前汽车产业中的“软件定义汽车”实践状况如何？其主要的发展驱动力是什么？
02
传统汽车强调汽车的物理部分及其安全和可靠性要求，软件作为硬件的一部分管理并严格按照V模型开发。而智能汽车则更多希望引入敏捷开发、云原生、DevOps等互联网领域的成功实践，支持软件的快速迭代和动态更新。如何理解这样的“两个世界”之间的碰撞？智能汽车如何兼顾硬件约束、安全和可靠性要求以及快速迭代和智能化的发展目标？
03
智能汽车基础软件包括哪些内容？在当前的智能汽车技术以及产业发展中扮演着什么样的角色？与互联网和传统信息系统中的基础软件相比存在哪些差异和独特的挑战？
04
如何看待智能汽车软件服务化和云化的发展趋势以及当前的现状？智能汽车软件的服务化和云化在基础软件以及工具链支持等方面还存在哪些问题和挑战？
05
如何看待以深度学习和大模型为代表的人工智能技术在智能汽车上的应用发展趋势以及当前的现状？人工智能技术的应用对于智能汽车基础软件以及工具链支持等方面带来了哪些新的要求和挑战？
Q&A记录
Question 1
主持人：“软件定义汽车”的具体含义是什么？当前汽车产业中的“软件定义汽车”实践状况如何？其主要的发展驱动力是什么？
朱西产：
汽车上采用软件的目的是为了实现复杂的功能，例如汽车的仪表，从机电式指针仪表到数字仪表的进化中就少不了芯片、软件。软件赋予了极高的性价比，所以指针式机电仪表就被淘汰了。真正能称的上是“软件定义汽车”的，还是从域控制器实现智能座舱、智能驾驶开始的，智能化功能需要AI模块、需要进行OTA选代，采用ECU嵌入式电子构架已经无法满足要求。但是，大型复杂软件导致死机、黑屏，AI模型属于“黑箱”，汽车行业也一直怀疑其安全性。特斯拉是先驱，目前汽车电子构架正在向域控制、域融合、中央域集中的方向进化。
张文杰**：**
“软件定义汽车”（Software-Defined Vehicle，SDV）是指利用软件在汽车设计和功能实现中发挥的核心作用，通过软件定义和控制汽车的电子和机械系统，从而实现汽车的智能化、网络化和个性化。当前汽车产业中，“软件定义汽车”的实践状况体现在越来越多的新功能和智能化特性依赖于软件实现，如自动驾驶、车联网、智能座舱等。其主要的发展驱动力包括消费者对汽车智能化、个性化需求的提升，汽车制造商寻求差异化竞争，以及信息技术与汽车产业的深度融合。
罗蕾**：**
软件定义汽车是指随着汽车向电动化、智能化和网联化的趋势发展，汽车的功能、性能以及用户体验越来越依赖于先进的软件系统，其核心是软硬协同分层解耦、软件功能模块化和服务化、共建软件生态与商业模式创新、进一步推动智能化和个性化的发展。
目前车企都在按照这个思路推进，推进的动力是四化、降本增效、极致创新，将进一步重塑汽车的设计制造过程，深刻影响汽车产业的市场格局和服务方式。
杨子江**：**
“软件定义汽车”指的是一种设计和制造理念，其中汽车的功能和性能主要通过软件来控制和优化，而不仅仅依靠传统的硬件。这意味着通过软件更新，汽车能够在其生命周期内不断提升性能、增加新功能或改善用户体验。例如，通过软件更新，可以改进汽车的自动驾驶系统、提高能源效率、优化娱乐系统等。
目前，许多汽车制造商都在积极地向“软件定义汽车”的方向发展。例如，特斯拉就是一个典型的例子，它通过定期的软件更新不断提升车辆功能和性能。其他传统汽车制造商，如宝马、奔驰、奥迪等，也在他们的新车型中加入了更多的软件驱动功能。这些实践包括但不限于自动驾驶技术、车联网服务、远程诊断和维护等。
钟卫东**：**
“软件定义汽车”容易引起误会、争议，有些人理解为软件起着技术主导、产品定义的作用，这导致传统汽车领域专家反感。我首次接触软件定义这个词是SDR，软件定义无线电，以前通信制式有多种，需要研发生产多种产品来支持GSM、CDMA等通信制式，费时费力费钱，后来射频技术发展了，可以通过参数、算法配置等在一个产品上切换支持多种制式，对用户来说，一个软件配置就产生了不同的通信产品，看起来是软件定义了无线通信产品，实际上是软硬结合的一系列技术。后来陆续出现了SDN、SDS。软件相对于硬件来说，功能演进周期短、操作灵活，能快速的改变产品功能表现。我理解软件定义汽车主要包含两方面：一是软件可以灵活分配系统资源，支持汽车电子电气架构演进，比如虚拟化支持SOC、硬件能力的一分多，实现域融合、中央计算，分布式操作系统或者中间件支持车内多域融合、车路云一体休协同等；二是软件可以全生命周期功能迭代，持续改善用户行车体验，包括智能驾驶、智能座舱等功能。
实践状况：我认为基本框架已经搭建好了，软件定义汽车的技术深度在持续演进中。比如OTA框架流程已经OK，包括FOTA Firmware整车软件升级、SOTA应用软件升级、COTA配置升级，可以支持多种程度的车载软件全生命周期演进。另外虚拟化、SOA、分布式中间件的技术演进和商业应用也支撑着汽车电子电气架构的演进；
发展驱动力包括多种因素，比如成本，域融合可以减少ECU、线束成本，基于软硬解耦的通用技术组件构建产品可以减少专用、耦合产品系统成本；智能化，全生命周期的功能演进可以使得汽车常用常新，并且营造更多的商业机会；平台化，通过软件的可配置性、弹性部署、近乎零成本的可复制性，可快速支持多车型。
侍兴华**：**
软件定义汽车指的是在标准化的硬件下，车辆中大量功能和控制系统通过软件而非硬件来实现的概念。这意味着车辆的许多特性，如驾驶辅助系统、娱乐系统和安全功能，都是通过程序代码来运行和控制的。这种方法使汽车更灵活、可更新，并能够适应不断变化的技术和用户需求。
目前软件定义汽车已成为行业的共识。虽然在大规模量产过程中，整车厂设计功能时仍非常关注依赖的硬件成本，用户买车第一关注的也是硬件配置。但是一方面软件产品快速迭代的特点使得整车厂更愿意去“卷”软件了，另一方面，用户对车辆的要求也不局限于由硬件主导驾乘的基本体验，更需要软件为车辆带来的“新鲜感”和“科技感”。
观点讨论
@彭鑫：问题1几位嘉宾都谈完了，我这里再补充一个问题，汽车“软件定义”与“软件化”有什么区别？也就是说，除了汽车上代码量越来越大这样的表象之外，“软件定义”还有什么深层含义？
@杨子江：看看手机的发展就比较清楚“软件定义”与“软件化”的区别。黑莓就是软件化了诺基亚，苹果是软件定义。
@彭鑫：@杨子江 嗯，智能手机把手机从功能机变成了软件定义的手机。而智能汽车虽然存在安全可靠性等方面的问题和挑战，但大体上大家都感觉汽车正在发生智能手机那样的变更性发展过程。
@朱西产：@杨子江 智能手机 通过软件定义，SOA构架支持第三方软件（App），构建了良好的生态。
@朱西产：@杨子江 但是，智能汽车，涉及到高安全性要求，不可能像智能手机一样接受第三方软件，估计更像“黑莓”的软件化。
@彭鑫：@朱西产 是的。或者在座舱和娱乐功能上有限支持开放生态中的第三方应用？
@朱西产：或者，智能座舱通过软件定义走向开放生态；而智能驾驶停留在“软件化”。
@彭鑫：@朱西产 智能驾驶是不是也可能形成受限的开放生态？与娱乐域那种面向大众的开放不同，智能驾驶域也许可以在可信的生态圈内支持不同的专业厂商一起攻关智能驾驶难题？比如在算法上实现软件定义的开放协同？
@朱西产：前期把自动驾驶当成纯算法、软件进行开发的公司都“慌做一团”，准备开发自己的专用芯片。
@彭鑫：@朱西产 确实，这可能是现阶段无奈的选择。
@钟卫东：对于基础软件 、中间件、智驾算法等应用，其研发流程应该严格控制。
@彭鑫：大家都提到了几个关键点：软件在线更新升级、软硬件分层解耦。
@罗蕾：软件平台化、标准化、生态化
@彭鑫：传统燃油车上代码量其实也不少，但以ECU硬件盒子为单位，软件以嵌入式系统的形态固化在各个盒子之中，相互之间以固化的信号通信方式连接。
@钟卫东：@彭鑫 一是软件代码、价值、创新比例不一样了，二是功能演进、动态性增多了。
@钟卫东：我理解其实不是软件在定义汽车，而是软件能更灵活地支撑实现、体现汽车智能化、网联化等特性。
@张文杰：“软件定义”更多指通过软件方法进行功能设计，“软件化”更多指实现方式。
@彭鑫：@张文杰 是的，“软件定义”不仅指软件应用范围和代码量上的增长，而且还包含软件参与重构整车架构的含义。
@侍兴华：传统汽车以硬件和的电子架构作为平台化的基础，一个整车平台会对应很多车型。而软件定义则是体现软件平台的核心作用。
@陈碧欢：软硬件解耦是否真的可行？业界似乎还存在一些争议？
@彭鑫：是，从现实看软硬件垂直整合也很常见，但这可能是当前软硬家架构不统一性、良性产业生态未建立的情况下的一种阶段性的产物。
@杨子江：我是期待在软件定义汽车的时代有软件Tier 1。
@钟卫东：我理解软硬件解耦是螺旋式前进的，新技术出现时，可能是先少量定制化出现，当技术比较成熟、架构稳定后，就会形成解耦。
@彭鑫：@钟卫东 是的，理想跟现实总有差距，厂商从现实出发肯定要先选择短期内可用的方案。
@胡焜：@钟卫东 请问钟卫东老师：随着汽车电子电气架构的演进，如何保证虚拟化、SOA（服务导向架构）、分布式中间件等技术的安全性和稳定性，尤其是在域融合和中央计算场景中？
@钟卫东：@胡焜 汽车领域有三方功能安全、信息安全认证，也有主机厂牵头的研发流程保证。
@陈其才：@朱西产 请问朱老师：在软件定义汽车的进程中，如何平衡创新与安全性的关系，尤其是针对AI模型的“黑箱”问题，有哪些可行的解决方案或技术路径？
@朱西产：@陈其才 测试，只能通过场景的全覆盖测试才能构建AI模型的置信度和可靠性。
@朱西产：@陈其才 智能驾驶场景库建设及数据回灌测试工具正在普及中。
@胡焜：@侍兴华 请问侍兴华老师：软件定义汽车背景下，对原有的安全标准如iso26262等，提出了哪些挑战？
@侍兴华：@胡焜 26262作为功能安全的国际标准，已经存在了很长时间，对传统ECU模式下的软件开发已经有完整的“套路”，但软件定义汽车的到来，要求功能安全覆盖更大的范围。比如说预期功能安全和基于AI的功能安全都有ISO标准在研究和扩展中，预期功能安全近两年发展很快。
Question 2
**主持人：**传统汽车强调汽车的物理部分及其安全和可靠性要求，软件作为硬件的一部分管理并严格按照V模型开发。而智能汽车则更多希望引入敏捷开发、云原生、DevOps等互联网领域的成功实践，支持软件的快速迭代和动态更新。如何理解这样的“两个世界”之间的碰撞？智能汽车如何兼顾硬件约束、安全和可靠性要求以及快速迭代和智能化的发展目标？
朱西产：
车规级软件的开发流程还在试错中，已经在移动互联网---智能手机软件开发中成功使用的操作系统、SOA软件构架等是否适合智能汽车软件开发？
智能座舱的软件开发可以移植智能手机的基础工具软件，智能驾驶的实时性、短时延要求，需要创新。
现在NOA功能软件开发，我们发现软件算法与感知传感器无法解耦、甚至芯片的计算效率也要根据算法模型进行优化、迭代。特斯拉、华为等头部企业的NOA系统都是传感器、算法、芯片强耦合的。
张文杰**：**
传统汽车与智能汽车在开发模式和理念上的“两个世界”的碰撞，反映了汽车产业转型升级中的矛盾与挑战。理解这一碰撞，需认识到传统汽车注重的物理安全和可靠性是智能汽车发展的基础，而智能汽车引入的敏捷开发等互联网实践则有助于提升软件更新速度和智能化水平。兼顾硬件约束与软件快速迭代的关键在于建立合理的开发和迭代机制，如在确保安全的前提下，对车辆软件进行分层次、分模块管理，实现软硬件的分离和独立更新。
可以从汽车软件架构与汽车软件工程两个方面来看。
智能汽车软件需要快速迭代、在线升级等能力，软件架构就要通过充分解耦带来灵活性和扩展性，包括软件与硬件的解耦、软件自身的分层解耦；在创新中心牵头编写的《车载智能计算基础平台参考架构2.0》白皮书中提出了分层解耦的参考架构，可以为汽车软件架构设计提供有效的指导，实现快速迭代。
传统汽车软件开发有比较成熟的软件工程方法“V模型”，在经过长期行业实践中已充分验证了其科学性与合理性。智能汽车软件工程方法应该建立在久经检验的基本流程模型之上，例如“能力成熟度模型集成”（CMMI®）、“软件过程改进和能力评定 （SPICE） ”、V-模型或敏捷开发方法。其中敏捷开发方法强调快速迭代，通过精细流程设计，可与 CMMI/ASPICE 流程在同一项目中并存；该流程也应支持实现主流的汽车技术规范，如AUTOSAR；另外还可在流程中穿插一些发展成熟的程序和方法用以提升开发效率和质量并降低开发成本，如仿真方法或快速原型方法等，并在实践中进行优化和改进；最后，软件开发涉及到开发人员之间的协作，在研发的组织架构上也应做相应的调整，以支撑软件的快速迭代。
罗蕾：
汽车软件开发应按照V模型开发，按照正向设计的方式开展工作，需要结合功能安全、预期功能安全、网络与数据安全同步开展工作，并结合敏捷开发的优势在不同阶段按照不同模块的功能安全要求开展工作。将软件架构、分层解耦、模块化和服务化做好设计，并结合互联网领域的成功实践会更好的支持软件的快速迭代和动态更新，达到兼顾安全和可靠、快速迭代和智能化的发展目标。
杨子江：
这种“两个世界”的碰撞，实际上是一种必要的融合与适应，旨在将传统汽车行业的可靠性与安全性要求与智能汽车的敏捷开发和快速迭代相结合。
融合两种开发模式：智能汽车开发需要融合传统汽车的安全、可靠性原则和现代软件开发的敏捷性。这意味着在保证核心系统（如动力系统、制动系统）的安全和可靠性的同时，对于那些与用户交互性强、更新需求频繁的软件部分（如娱乐系统、导航系统）采用更灵活的开发策略。
分层软件架构：采用分层的软件架构，将关键安全功能与其他功能分离。这样，可以在不影响车辆基本安全和功能的前提下，对非关键功能进行快速迭代和更新。
持续集成和持续部署（CI/CD）：利用CI/CD实践支持软件的快速开发和部署，同时确保通过自动化测试和质量控制来保证软件的稳定性和安全性。
严格的测试和验证：即使在敏捷和快速迭代的环境中，也必须对软件进行严格的测试和验证，确保其在整合到汽车系统中时不会引入安全隐患。
OTA（Over-The-Air）技术：通过OTA技术实现远程软件更新，以快速修复漏洞、提供新功能，同时确保不影响车辆的物理性能和安全性。
钟卫东：
我理解这并不冲突。传统汽车软件主要用于车控，所以流程要求严格，智能汽车的智能可以分为智能驾驶、智能交互、智能运维等几大类，都有迭代更新的需求，但迭代节奏并不一样。比如智能驾驶的感知决策算法、规控等需要长时间的数据收集、训练、测试验证等，而智能交互的APP、服务编排等则可以场景触发、快速开发部署，甚至即用即走。
因此，这两类软件应该按照不同的开发流程来管理，智能驾驶、车控软件仍按V模型，智能交互、智能运维可按敏捷模式开发。智能驾驶在训练、测试验证阶段可以按敏捷模式，但上车前一定要有一个V模型过程严格管控。
侍兴华**：**
这是一个在行业内非常具有话题性的问题，在23年底零束和上海智能汽车软件园承办的汽车基础软件主题论坛中，原计划是安排了对于这个“碰撞”的话题进行一次“辩论会”。确实，传统的汽车软件开发和互联网软件开发在实践过程中有着非常大的差异，以致于在大概10年前，国内的汽车软件行业和互联网软件行业的从业人员都很少有交集。传统汽车硬件为主，软件功能辅助硬件实现特定功能，对安全性和稳定性要求更高，软件功能也远没有互联网领域复杂多样；而如今，智能化汽车早已是一个比手机、电脑更庞大的移动互联网产品，此时必然要面临两个行业融合过程中面临的冲击。
针对这一融合化的要求，无论是流程严格的V型开发还是灵活高产的敏捷开发模式，在智能化汽车软件的开发过程中都是非常重要，具有用武之地的。至于说实际开发中具体使用哪个方式为主导就得因地制宜了。这里面符合智能化汽车要求的基础软件可以在其中起到关键的作用，例如：底层基础软件按照V型开发，满足各项应用软件的可靠性和安全性要求；多样化的应用软件可以按照不同的功能来选择不同的开发模式，车辆控制和娱乐影音系统的开发模式可以是完全不同的。
同时，利用云计算和大数据技术，实现对车辆数据的收集和分析，从而更好地理解用户需求和行为，指导产品的迭代和优化；在引入新功能、新技术的同时，加强对软件的安全性和可靠性测试。通过自动化测试、持续集成和持续交付等手段，确保软件的质量得到保障。
观点讨论
@朱西产：传统汽车开发中整车道路测试效率太低，不可能满足敏捷开发的测试要求。
@朱西产：功能安全里不断在强调V模型开发，但是，一个V跑下来就18个月，好几个亿的费用。没有敏捷开发，软件定义汽车就意义不大。
@张文杰：敏捷开发和V的结合，以及软件的质量控制和管理非常重要，包括3支柱测试法向2支柱或2.5支柱转变都有很多可以探索的地方。
@彭鑫：@张文杰 “三支柱法”综合测试方法包括：封闭场地测试、开放道路测试、模拟仿真测试。补充一下定义。
@陆子龙：@张文杰 请问张老师，敏捷开发和V的结合，体现在对于不同类型的汽车软件分别采用适合的模型，还是将两种模型在整个开发过程中更紧密的结合？后者的结合会有什么特别需要注意的地方吗？以及面对更加集中化、复杂化的软件系统，传统的v模型是否会面临在开发初期完整定义项目的困难，而更偏向敏捷开发？
@张文杰：@陆子龙 根据开发的功能复杂性来区分，按照目前自驾功能来看，个人建议两者结合起来会获得比较好的开发效率和质量控制效益。
@陆子龙：@侍兴华 请问兴华老师：传统汽车转向软件定义汽车的基本特征是否为形成了较为完整、统一的核心软件平台和整车软硬件架构？
@侍兴华：@陆子龙 是的，这也正是行业同仁努力的方向。
@胡焜：@钟卫东 请问卫东老师：鉴于软件可以通过远程更新（OTA）来快速迭代和改进，这种更新机制如何确保安全性，避免成为攻击者潜在的入侵点？
@钟卫东：@胡焜 这里面包括对于OTA软件包的完整性校验，也有外网与车内网络的安全隔离，要求严格的国际厂商会要求通过第三方独立的渗透性测试。
@胡焜：@钟卫东 考虑到开源软件的迭代速度和社区驱动的特性，比如linux变体，如何有效地将这些软件集成到需要遵循严格功能安全标准的汽车软件开发流程中？是否有案例或先进的实践，如何在遵守功能安全标准的同时，有效利用开源软件的灵活性和创新性？
@钟卫东：@胡焜 我理解开源软件确实提供了创新动力，某种程度上对于系统稳定性也有推进作用，但对于严格功能安全要求的软件部件，开源社区的版本演进模式还不足以保证。个人觉得应该从开源社区单拉分支，采取不同的管理方式。目前没看到有案例。我其实一直建议国内汽车产业能联合搞一个这样的社区，比如SafetyLinux。
@胡焜：@钟卫东 开源社区确实需要一些严格的管理方式或者一些遵循某种标准的方式，不然这样的问题影响可能是深远的，谢谢钟老师。
@陈其才：关于OTA安全的见解：OTA更新提供了一种有效的方式来修补软件中的安全漏洞和增加新功能。然而，制造商必须确保这一过程的安全性，通过加密更新文件、使用数字签名来验证更新的真实性，以及确保更新过程中的完整性和不可篡改性，保护车辆免受攻击。
@彭鑫：@陈其才 是，OTA为我们动态更新软件提供了便利，但本身也带了新的安全挑战。
@沈立炜：软件定义也包含了资源功能可编程的含义。那么汽车产业中的可编程会包括那些方面，未来面向最终用户的可编程场景可能是如何的？
@彭鑫：@沈立炜 上次介绍的Eclispe SDV等软件定义汽车方案上对汽车基本元素和能力（如雨刷、车窗）的标准化定义和服务化封装有点这个意思。
@孙家正：@侍兴华 请问侍兴华老师：当前汽车产业中的“软件定义汽车”实践状况如何，SDV主要是通过哪些技术框架进行实现的？这些框架能否实现软件与硬件的分离开发从而改善开发人员的工作体验（就像安卓应用的开发不必须依赖于安卓手机，而可以通过模拟器等方式解决）
@侍兴华：@孙家正 目前已有许多新平台的量产搭载了完整的基础软件平台，这也在文杰总牵头的创新中心正在编制的3.0路线图中汇总相关的信息。以海外的AUTOSAR软件标准组织为例，其相关产品如CP旧可以帮助开发人员实现软硬分离，而目前国内也有很多类似的软件平台在向着这个方向努力。
Question 3
**主持人：**智能汽车基础软件包括哪些内容？在当前的智能汽车技术以及产业发展中扮演着什么样的角色？与互联网和传统信息系统中的基础软件相比存在哪些差异和独特的挑战？
朱西产：
智能汽车基础软件的主要目的是提升开发效率：操作系统实现“软、硬件解耦”，提高软件的可移植性、重复利用率：
安卓、鸿蒙
AUTOSAR
工具软件，提高软件开发效率和可靠性：
MBD仿真软件及代码自动生成软件
数据标注软件
张文杰：
车上基础软件主要指操作系统，按照国标叫做“车用操作系统”，按功能分为车控和车载，由虚拟化、内核、中间件、功能软件等构成，它连接着硬件与应用，扮演着至关重要的桥梁角色：
1）首先是将硬件抽象，操作系统提供了一个硬件抽象层，与硬件解耦；
2）可支撑应用，为应用软件提供了稳定、可靠的运行环境，使应用软件能够更加高效地运行，实现多种功能；
3）将硬件组件进行系统集成，将传感器、执行器、控制器等集成到统一的系统中，提供驱动程序、中间件和标准接口等，使得各个硬件组件能够协同工作；
4）提供数据处理与传输的能力；
5）最重要的是提供安全与可靠的保障，提供体系化的安全保障能力（功能安全、与其功能安全、网络安全、数据安全等），确保车辆稳定运行。
车用操作系统与其他操作系统相比，会面临更加复杂的挑战：
1）首先系统更为复杂，汽车本身集成了多个系统，底盘控制、自动驾驶、车载娱乐等等；而且车辆需要与人、路、云进行交互；
2）安全要求更高，车上的操作系统不能“宕机”，尤其是安全车控、智能驾驶操作系统的故障可能导致严重的事故，此外还涉及数据安全等问题；
3）实时性要求更高，要应对实时变化的天气、交通、道路条件等状况；
4）再就是要具备很强的兼容性和拓展性，兼容不同车型、不同硬件，并且保障都能得到最佳的性能表现，同时还能够适应不断升级的硬件。
观点讨论
@胡焜：@张文杰 开源软件的安全问题，比如linux变体的操作系统，如何有效地将这些软件集成到需要遵循严格功能安全标准的汽车软件开发流程中？是否有案例或先进的实践，如何在遵守功能安全标准的同时，有效利用开源软件的灵活性和创新性？这个问题也想请教下张老师。
@张文杰：@胡焜 建议可以参考SaftyLinux的一些做法来增强安全性，另外根据自身情况来对整体软件质量把关也是很重要一环。
罗蕾：
汽车的EE架构正在向中央计算+区域控制方向发展，并进一步支撑车路云。智能汽车操作系统呈现多样化的发展趋势，操作系统根据应用领域及典型技术特征分为：车控平台的安全车控操作系统、智能座舱平台的车载操作系统、智能驾驶平台的智能驾驶操作系统，统称车用操作系统。
汽车基础软件涉及底层的内核、系统中间件、应用中间件、AI框架与基础模型、安全组件、开发工具等多个方面。是融合虚拟化、多内核、多中间件的系统、需要满足功能安全、实时性、网络安全的要求，以及面向软件定义的服务的需要。
观点讨论
@彭鑫：嗯，这其中应该智能驾驶操作系统的挑战最大。
杨子江：
**功能支撑**：基础软件是实现智能汽车高级功能（如自动驾驶、智能导航、车联网服务）的基石。
**创新推动**：软件的快速发展促进了新功能的创新和应用，如OTA更新、人工智能辅助驾驶等。
**标准化和互操作性**：通过建立行业标准，基础软件促进了不同制造商和供应商之间的互操作性。与互联网和传统信息系统中的基础软件的差异和挑战：
实时性和可靠性要求高：智能汽车软件必须满足严格的实时性能要求，保证车辆的安全和可靠运行。
硬件约束：汽车环境的硬件资源（如处理能力、存储空间）相较于传统IT系统更为有限。
安全和隐私问题更加严峻：汽车的安全性不仅关系到数据，还直接关系到人身安全。
规模和复杂性：智能汽车系统的规模和复杂性远超过传统信息系统，需要更复杂的管理和协调。
更新和维护的挑战：在确保安全和兼容性的前提下，对车辆系统进行远程更新和维护，比传统的IT系统更具挑战性。
钟卫东：
智能汽车基础软件仍然包括传统操作系统中资源管理、设备能力驱动的操作系统内核，支撑业务应用开发运行的应用框架、运行时环境。相对于互联网和传统信息系统，智能汽车是一个应用场景的集大成者，有控制系统、通信系统、智能人机交互系统、大算力大数据处理系统，因此是实时嵌入式系统、智能终端系统、服务器系统的集合体，而且还增加了高安全、高可靠、分布式等特性，对性价比要求非常高。相对于互联网基础设施的同构性，智能汽车的硬件平台异构化比较明显。智能汽车基础软件会结合芯片技术发展，共同支撑汽车电子电气架构域融合、中央计算、车路云一体演进，支撑智能驾驶传感器、各种算法、规控全流程的高效运行，支撑智能座舱中多模交互、多端协同等智能体验。
侍兴华**：**
智能汽车基础软件主要包括操作系统、虚拟化和硬件抽象层、服务框架层、整车功能服务层、车云一体与云端服务层等，这些软件用于实现汽车系统软硬件的解耦和SOA服务化的实现。随着汽车智能化、网联化的发展，整车电子电气架构正在从过去的分布式架构逐渐过渡到域控制器的架构，并向中央集中式HPC方向推进，这促使ECU功能区域集中化，使得车内各系统趋于形成统一的软件架构标准及通用的硬件平台。
与互联网和传统信息系统中的基础软件相比，智能汽车基础软件存在以下差异和独特的挑战：
安全性要求更高：智能汽车基础软件需要满足汽车行业的严格安全性要求，包括功能安全、信息安全等方面。
实时性要求更强：智能汽车基础软件需要满足实时性要求。如自动驾驶功能需要实时感知周围环境、处理各种传感器数据、控制车辆运动等，都对实时性有很大的调整。
硬件形态多样，约束条件更多：由于汽车软件关联的硬件具有多样性和复杂性（既有各种不同类别的传感器，又有不同算力的芯片和控制器），因此软件需要具有良好的可移植性和可扩展性。同时，还需要兼顾硬件资源的限制。
软件开发流程更复杂：智能汽车基础软件的开发需要遵循汽车行业的开发流程和规范，如ASPICE等。这些规范和流程要求软件开发过程具有可追溯性、可重复性等特点，以确保软件的质量和可靠性。
观点讨论
@彭鑫：关于问题3，看来大家的意见也都比较一致，智能汽车基础软件的挑战主要在于安全性和实时性要求以及复杂的硬件形态和开发流程。
@沈立炜：中间件是汽车基础软件中的重要部分。现在也有很多专注于中间件的厂商。那么无论从研究角度还是从产业角度，中间件应该紧抓哪些能力才能将他们的产品拓展到整个市场。应对下层的芯片和os，上层的功能软件和应用软件，中间件需要做怎样的适配。
@邹欣：@彭鑫 汽车软件开发有一个独特的领域 Sotif （预期功能安全）， sdv 如何更好地解决这个问题呢？
@朱西产：@邹欣 预期功能安全主要是自动驾驶系统，AI算法的缺陷、AI对环境适应性难题及驾驶员误操作引发的安全风险。
@彭鑫：@邹欣 前面嘉宾们提到了一些相关的，例如通过分层解耦将安全性要求高的部分和其他部分区分开，分别采取不同的方式。不过总的来说SDV追求的灵活性和安全性要求有时候会有一些冲突，需要进行适当权衡，而各种权衡决策本身就是架构设计经常面对的问题。
@陈其才：个人见解：SDV可以利用仿真技术在虚拟环境中测试和验证车辆的安全功能，这包括预期功能的安全性测试。通过这种方式，可以在实际车辆上路前预测和解决潜在的安全问题，减少实物测试的成本和风险。
@胡焜：@陈其才 仿真测试是一个很好的方法，特别是在一些极端的天气、路况，现实又很难覆盖到的情况。
@朱西产：@胡焜 但是，现在的场景渲染软件生成的图片，对环境感知测试存在置信度不足的问题。
@胡焜：@朱西产 置信度在业界内或者学界是否有量化？虽然不能完全保证场景真实性，但是否可以作为实车测试前的一个预步骤，不知道业内是否有这样的考虑？这样的话，会节省很大的成本，不知道这种置信度问题是否是从根本上认为测试结果很大程度是不可信的。
@邹欣：@胡焜 sotif 的泛化探索和测试，如果能用sdv 来帮忙，会大大节约成本。
@邹欣：C/C++ 是目前的主流开发语言，它有它自身的内存管理等问题，最近也有人推荐 Rust， 各个实时OS 对 Rust 支持如何，国际行业标准有关于Rust 的最新进展吗？
@钟卫东：@邹欣 清华大学陈渝老师团队在使用Rust重构Linux设备驱动，也在搞编程训练。
@钟卫东：国际上我记得耶鲁大学有团队使用RUST写了开源OS。
@彭鑫：也有一些在尝试用RUST重写内核。
@杨子江：我在朋友圈看到的“美国白宫2月发布的技术报告中指出，开发者应使用Rust等内存安全的编程语言，并进一步使用形式化方法，以提升软硬件以及整个数字生态系统网络的安全。”
@罗蕾：SOTIF我理解是与自动驾驶相关的，需要结合场景同步开发与功能结合起来。
@胡焜：Rust应该是在航空、汽车等安全关键领域受到越来越多的关注。比如AUTOSAR已经开始评估Rust在汽车应用中的潜力。此外，IETF等标准化组织也在一些项目中使用Rust，在网络协议和基础设施项目中也有很大的潜在价值。
@陈其才：虽然C和C++仍然是嵌入式系统和实时操作系统开发的主流语言，但越来越多的RTOS项目和社区开始探索对Rust的支持。例如，Tock操作系统就是专门为微控制器设计的RTOS，完全用Rust编写，有很大的潜力。其他如FreeRTOS和Zephyr等流行的RTOS，虽然主要是用C写成，但社区也在积极探索如何将Rust集成进这些系统，提高安全性和可靠性。
@朱西产：例如，自动驾驶数据标注软件，现在很多创业企业做的很好，汽车企业愿意采购第三方工具软件。前几年做自动驾驶的公司，只能自己开发数据标注软件。
@彭鑫：@朱西产 嗯，这个就是自动驾驶AI模型开发成熟之后逐渐形成了MLOps环路，这个环路中不同的部分可以由不同厂商分工协作完成。
@彭鑫：摘录一段：来自“GPIO驱动小队”组长蔡镭分享了“GPIO驱动LED灯”项目实战一的参与感受，整个项目历时4周，充满了挑战与收获。在黑芝麻技术专家、训练营助教悉心指导和队长以身作则的带动下，团队解决了一个又一个的技术难题，最终成功地用Rust语言完成了GPIO的驱动，获得了宝贵的实践经验。
@孙家正：@侍兴华 请问侍兴华老师：AUTOSAR是一个在汽车行业广为使用开源的标准，然而实现了这一标准软件工具链（如Vector、EB、ETAS等公司提供的工具链），却并不开源，甚至需要付出高额的许可证费用。同时这些工具链使用较为繁琐，需要专门学习。闭源导致的社区不成熟无疑会成为软件开发的重要阻碍，想请问老师一下汽车行业有无必要拥抱开源？国内在推动软件开源（而非标准开源）方面是否已经开始行动？都做出了哪些成果？以及能否国内的这些类似平台是否能够有效降低开发人员的学习成本，降低开发.门槛？
@侍兴华：@孙家正 拥抱开源肯定是必要的，之前AUTOSAR标准工具链形成垄断的原因也是因为传统ECU软件开发的特点造成的。目前AUTOSAR组织本身已经在拥抱开源，成立来SDV联盟，引入来多种形式的参与力量。国内的相关开源组织如开发原子基金会也有汽车SDV的工作组，相信很快能够看到开源形式的汽车软件平台。
Question 4
**主持人：**如何看待智能汽车软件服务化和云化的发展趋势以及当前的现状？智能汽车软件的服务化和云化在基础软件以及工具链支持等方面还存在哪些问题和挑战？
朱西产：
用户数据闭环是智能软件快速迭代的基础，云端计算是智能汽车软件开发的核心。
目前用户数据上云、数据合规及数据挖掘都需要基础工具软件支持，提高效率。
汽车企业面临着“全栈自研” VS “全栈可控”两条路线的激烈斗争。
全栈自研---云端的AI模型自己构建，甚至自己开发AI芯片。
张文杰：
智能汽车软件服务化和云化的发展趋势体现在基于SOA架构将汽车硬件能及各种功能服务化、虚拟化/容器在汽车基础软件当中的应用、软件作为服务（SaaS）在汽车行业的应用，以及利用云计算资源进行车辆数据的处理和分析。当前现状是部分智能汽车应用已基于SOA架构进行开发，但各厂商的技术实现差异性较大，尚未形成统一标准，数据和服务已经开始云端化处理，但整体上仍面临基础软件和工具链的标准化、服务化的商业模式探索、数据安全和隐私保护等问题和挑战。
对于面临的挑战，需要行业各方共同努力，包括制定标准、合规性、技术创新等多个方面的综合考虑。制定统一的标准可以推动基础软件和工具链的标准化，让主机厂在不同的基础软件和工具链间的切换变得更加容易，提升互操作性和整合性，并降低软件服务化/云化开发和维护的成本。合规性方面，需要遵守国家法律法规，包括数据安全法、个人信息保护法等等，对车辆信息进行分级分类，涉及敏感信息的应从技术上进行脱敏或保护，避免信息泄露。技术方面应保障信息传输的安全，确保数据在云端的存储和传输是加密的，并采取有效的身份验证和访问控制，以保障数据的安全性和车主的隐私；另外要建立高效稳定的通讯网络，云端处理要求车辆与云服务之间的稳定网络连接，确保车辆在各种网络条件下都能够可靠地传输数据，以保证实时性和数据完整性。商业模式需要从用户有价值的需求出发进行技术创新，提供更加友好的使用体验。
罗蕾：
智能化、网联化、共享化等推动了汽车软件的服务化和云化的发展，目前进入到融合人工智能与大模型、大数据等ICT技术的新阶段。存在端云协同时面临的实时、安全、快速迭代等问题和挑战，基础软件和工具需要解决相关的问题。
杨子江：
智能汽车软件服务化和云化是汽车行业未来发展的关键趋势之一，这不仅是技术发展的必然结果，也是市场和用户需求变化的体现。对于这一趋势的看法以及当前的现状，我们可以从以下几个方面进行分析：
发展趋势及当前现状：
服务化：服务化意味着将传统的硬件功能通过软件实现，并通过网络提供给用户。例如，通过OTA（Over-The-Air）技术提供的远程软件更新和新功能部署，为用户带来更加个性化、便捷的使用体验。
云化：云化是指利用云计算技术来存储、处理和分析汽车数据，以及支持车联网服务。这包括将车辆数据上传到云端进行处理，以及通过云平台提供各种增值服务，如远程诊断、智能导航等。
当前现状：目前，许多汽车制造商和科技公司正在积极探索和实施智能汽车的软件服务化和云化。市场上已经出现了一些支持OTA更新、提供基于云的导航和娱乐服务的车型。
存在的问题和挑战：
安全性：服务化和云化增加了汽车系统的复杂性，可能带来更多的安全风险。网络安全成为一个重大挑战，需要确保车辆数据的安全传输和存储。
隐私保护：随着越来越多的数据被收集和上传到云端，用户隐私保护成为一个重要议题。制造商需要确保遵守相关的数据保护法规。
依赖性和可靠性：对云服务的依赖可能影响车辆的可靠性，尤其是在网络连接不稳定的情况下。
基础软件的适应性：基础软件需要不断地适应新的技术和标准，以支持服务化和云化带来的新功能和需求。
工具链支持：为支持快速迭代和高效的服务交付，需要强大且灵活的开发和运维工具链。同时，这些工具需要能够处理大规模数据和复杂的分布式系统。
标准化和兼容性：随着不同制造商和供应商提供的服务和云平台的增多，如何确保不同系统之间的兼容性和互操作性是一个挑战。
法规和合规性：随着技术的发展，相关的法规和标准也需要不断更新，以确保新技术的安全合规。
钟卫东**：**
软件服务化是促进软软解耦、软硬解耦，提升产业协同效率，提升产品设计/功能部署灵活性的技术架构，也可以促进业务功能专业化、降低部署成本。而云化是软件服务化的一个阶段或者一部分。有些功能会依赖于传感器、执行器，无法云化。我认为汽车软件服务化还处于初级阶段，借鉴了云端、智能终端的很多服务化技术，但还处于各主机厂、技术供应商积极探索、小范围实践应用阶段，在大趋势、大技术框架上有共识，但在细节技术规范上没具体落实，导致无法互联互通。而且还有很多跨域服务协同的技术问题有待解决，比如可靠性、时延、安全等。
侍兴华：
随着汽车智能化、网联化的覆盖率提高，以及车载以太网、云计算、大数据、人工智能等技术的快速发展，近年来智能汽车软件服务化和云化已经取得了很大的发展。同时，一些开源平台和工具链也逐渐兴起，为智能汽车软件的开发和部署提供了更多的选择和便利。
当然，智能汽车软件的服务化和云化还面临一些问题和挑战。
基础软件方面，智能汽车的操作系统、中间件等基础软件需要更好分层设计，满足车内SOA服务化应用和车云一体的功能需求。同时，基础软件的国产化、平台化、标准化进展也非常重要。
工具链支持方面，包括需求分析、架构设计、编码、测试、集成部署等各个环节的工具和平台在此趋势下都有新的需求。但是，目前市场上的国产工具链产品主要是在量产产品中的使用量相对于海外的成熟产品少很多，也就面临了更多完善和优化的问题；同时软件服务化的快速发展使得对工具链的需求迭代加快，也给国产工具链产品很好的发展计划。
观点讨论
@朱西产：特斯拉的FSD12版本，端到端AI模型，云端用户数据闭环，高效迭代。
@彭鑫：关于汽车软件的云化，我也有个问题。刚才大家提到的更多是云端服务如何被应用于汽车上的自动驾驶和智能座舱功能上，那么汽车侧的云化（例如容器化部署和微服务架构等）有什么初步尝试和进展吗？
@钟卫东：@彭鑫 在端侧做云化还没怎么看到，个人觉得一是车侧的中央计算算力还不足，另外车侧的服务目前还是比较谨慎开放的，还有时间敏感、可靠性等要求。
@罗蕾：智能座舱有应用容器的案例，解决隔离等问题。
@钟卫东：我觉得仿真平台对于软硬解耦、标准化、功能开发更有帮助，对于安全、性能验证有比较大的局限性。
@彭鑫：前面了解到有些厂商尝试在冷链车等公司化运营车辆上进行边缘云平台部署。
@陈其才：智能汽车软件服务化和云化需要一定的标准化基础，但目前市场上存在大量的标准和平台，缺乏统一的标准可能会导致兼容性问题。
@朱西产：百度云大模型应用
Question 5
**主持人：**如何看待以深度学习和大模型为代表的人工智能技术在智能汽车上的应用发展趋势以及当前的现状？人工智能技术的应用对于智能汽车基础软件以及工具链支持等方面带来了哪些新的要求和挑战？
朱西产：
有了用户数据闭环和强大的云计算能力后，大模型成为智能汽车AI软件开发的灵魂。
对大模型的期待：
---电动汽车电池健康预测
---智能汽车保险---用户安全性评分
---自动化数据标注
---边缘场景挖掘
张文杰：
当前人工智能技术在汽车上主要应用在2个方面。
在座舱的应用很多，包括人机交互、导航等等，最近主机厂开始把大语言模型LLM逐步搬到了座舱里。举个例子，某车企（理想汽车）的Mind GTP，除了智能语音交互、文本及图画生成之外，还能实现与其他应用的联动，包括订餐、旅行路线规划等等。
另一方面是在智能驾驶领域的应用，主要是transformer+BEV的自动驾驶方案，transformer模型与LLM的底层神经元是一样的，换句话说LLM可以说是大规模的transformer模型。
从应用的角度讲，未来LLM在车端应用是必然趋势，是车用操作系统的重要组成部分。座舱方面将更好支撑智能交互；智驾方面，LLM会成为功能软件层的重要组成部分，主要作用于推理，进行数据流处理等工作。
未来，伴随人工智能应用的不断丰富，汽车需要更加高效、可靠、稳定而且安全的操作系统来支撑这些AI应用，我们国家智能网联汽车创新中心以及联合实验室都在致力于开发面向AI时代的新型车用操作系统，比如联合行业提出了可支撑AI应用的车载智能计算基础平台参考架构2.0，开发基于RUST语言的ArceOS等等；同时工具链也需要不断更新和完善，以适应这些新技术的需求，而且汽车涉及到多个领域的知识和技术，需要加大跨学科的协作。期待智能汽车成为第一台“移动的AI计算机”！
罗蕾：
深度学习已经广泛应用到智能汽车上，大模型正在开始应用中，AI芯片（推理和训练）与软件生态协同发展、数据合规共享具有挑战性，和国际相差有些距离。
杨子江：
详细的应用趋势和当前状态：
高级驾驶辅助系统（ADAS）：深度学习广泛用于ADAS中的功能，如物体检测、车道检测和交通标志识别。这些系统变得更加复杂，从基本功能到更复杂的任务，如预测性碰撞避免。
自动驾驶：虽然完全自动驾驶车辆仍在开发中，但在二级和三级自动驾驶领域已取得显著进展，这很大程度上归功于AI技术。这些系统依赖深度学习进行环境感知、决策制定和路径规划。
预测性维护：AI算法分析来自各种传感器的数据，预测潜在的车辆故障，减少停机时间和维护成本。
用户体验：AI增强车内用户体验，如个性化设置、基于自然语言处理的语音助手，甚至驾驶员监控以提供安全和健康警报。
对汽车软件和工具链要求的影响：
数据处理能力：智能汽车产生和处理大量数据。这需要强大的车载计算能力和高效的数据处理算法。管理这些数据流的同时确保实时性能是一个重大挑战。
与遗留系统集成：将先进的AI技术与现有汽车系统集成，带来兼容性和性能挑战。软件架构必须是可适应和可扩展的。
安全和可靠性：车辆中的AI应用必须遵守严格的安全标准（如ISO 26262汽车安全）。确保AI驱动决策在所有驾驶条件下的可靠性至关重要。
持续学习和更新：与传统汽车软件不同，AI模型可能需要持续更新以改善功能并适应新条件。这在汽车环境中引入了软件部署和管理方面的挑战。
AI技术带来的挑战和要求：
硬件约束：先进的AI应用要求高计算能力，这必须与车辆的物理和能源约束相平衡。
安全和隐私：随着连接性和数据依赖性的增加，确保网络安全和用户隐私变得至关重要。
模型训练和验证：AI模型，特别是自动驾驶系统，需要广泛的训练和验证。这包括开发准确的模拟环境和真实世界的测试场景。
法规遵从：车辆中的AI应用必须遵守不断发展的法规标准，这些标准可能因地区而异。
钟卫东：
当前大模型在汽车上最主要的应用是一些智能交互、娱乐功能，并且受端侧算力所限，短期内实用性、普及性并不乐观；如果应用于智能驾驶，则存在着数据集、训练工程量的问题。大模型可能更可行的应用场景是辅助智能驾驶训练，比如数据清洗、场景生成等，用于研发、运维中的智能诊断、辅助代码生成。当前人工智能技术对于智能汽车基础软件的要求包括如何构造通用的AI算子、AI框架，方便AI算法模型的迁移部署，以及涉及到感知数据的全流程大流量、高效、确定性的传输处理。另外，操作系统自身作为资源管理中心的定位，基于各种逻辑算法、规则的调度策略，在安全、性能、可靠性、易用性、可扩展性等多种设计因素之间的权衡决策，从长远来看，能否在人工智能技术的加持下，实现操作系统自身的自诊断、自优化、自演进。
侍兴华**：**
深度学习和大模型为代表的人工智能技术近些年在智能汽车上的应用发展趋势日益明显，深度学习被广泛应用于自动驾驶、车辆安全、座舱交互体验等多个方面，大模型从去年开始也在智能座舱的应用中成为应用的热点。应用的趋势和范围也是越来越广泛和深入。
当然人工智能技术在智能汽车上的应用也面临着一些新的挑战和要求。
首先，对于基础软件来说，需要支持高效、稳定、安全地运行人工智能技术算法，包括深度学习框架、计算库等。这需要基础软件具备高性能、高可靠性、高安全性等特点，以充分发挥AI相关软件的高效稳定运行。比如针对AI的功能安全也是一个全新且热点的话题，目前国际标准组织ISO也已经关注到这方面的标准化需求。
其次，对于工具链支持方面，需要更加完善的开发工具、测试工具、部署工具等，以支持人工智能技术在智能汽车上的开发、测试和部署。同时AI也可以支持工具链自身快速迭代发展，提升智能车软件开发和测试阶段的效率。
此外，人工智能技术在智能汽车上的应用还需要考虑数据隐私和安全保护等问题。由于智能汽车在运行过程中会产生大量的数据，需要采取有效的加密、脱敏、访问控制等手段来保护用户数据的安全和隐私。
观点讨论
@彭鑫：今天的访谈接近尾声，我们也给iAutoBASE，即中国汽车工程学会基础软件分会智能汽车基础软件论坛（Intelligent Automotive Basic Software Forum），打打广告。iAutoBASE是中国汽车工程学会汽车基础软件分会下设的以智能汽车基础软件为主题的技术论坛，主要宗旨是把握汽车智能化基础软件核心技术和行业发展趋势，打造技术研讨、产品落地、行业标准的开放交流平台。
@彭鑫：iAutoBASE首场线下公开论坛活动预计于3月中旬在上海举行，届时将有活动预告，敬请关注！
@罗蕾：@彭鑫 基础软件分会的工作主要还是侧重在智驾基础软件平台，去年做的参考架构2.0也是这个方向。
@罗蕾：
@朱西产：智能汽车的两大领域----智能座舱和智能驾驶，差别巨大。智能座舱的软件开发能够大量移植和借鉴智能手机的软件资源。但是智能驾驶却只能另辟蹊径。智能汽车软件开发，是不是应该把智能座舱软件和智能驾驶软件的开发方法、基础软件等分开讨论啊，合在一起讨论，看上区比较乱。
@彭鑫：@朱西产 嗯，看到不少智能座舱领域的技术专家都来自手机厂商，而有些手机厂商也开始造车了，当然也有车厂开始造手机了。
@彭鑫：@朱西产 确实，这两方面区别比较明显。
不过现在大家也在提仓驾一体，这个朱老师怎么看？
@朱西产：@彭鑫 目前能够做出来的舱驾一体的中央集中计算，我们把他叫“板卡级集成”---智舱和智驾系统虽然在一块主板上，但是，软、硬件都独立。这样的中央集中计算的电子构架今年很多车会出来。
@彭鑫：@朱西产 嗯，这样只是初步的物理位置和供电等方面集成和融合，在核心的软硬件方面还没有开始融合。
@侍兴华：@朱西产 朱老师说的很准确，先是舱驾两块芯片在一个板子上，然后是一块芯片。软件还是分开的。
@朱西产：@侍兴华 主板级舱驾一体已经迫在眉睫，NOA需要采用BEV图显示环境感知和运动规划结果，以方便驾驶员了解智能驾驶系统的工作状态和意图。座舱和智能驾驶两个域分离，数据交换需要高带宽以太网，贵；带宽低一点、便宜的，卡顿。
@张昱：@朱西产 同意区分基础软件、开发方法分开讨论。
@邹欣：@朱西产 的确应该分开， 智能驾驶是解决驾驶安全和效率，最终是不要用户参与； 智能座舱是让用户参与更好的体验。
@彭鑫：@邹欣 二者其实还是有关系的：只有智能驾驶深度解放驾驶员，智能座舱的意义才会更大；同时，智能座舱中的人机交互等部分也跟自动驾驶密切相关，比如需要方便驾驶员了解情况并及时干预。
@朱西产：英伟达和高通已经开始做PPT，抛出舱驾一体的芯片了。
@朱西产：目前智能座舱和智能驾驶，从芯片到软件及开发团队，都是独立的。
@罗蕾：国际芯片巨头确实在推进舱驾一体的SoC，进一步提高门槛。
@侍兴华：对国内芯片公司，像地平线、黑芝麻带来了新的挑战。
@张文杰：车用智能基础软件和硬件发展密不可分，基础软件分会工作紧跟着硬件的发展来开展，包括参考架构2.0的更新、新能源汽车技术路线图3.0（操作系统部分），欢迎各位加入推进开展相关工作。
@陈其才：AI技术在智能汽车中的应用需要满足严格的实时性和可靠性要求，特别是在自动驾驶和安全相关的系统中。这要求基础软件和工具链能够支持高效的实时数据处理和分析，确保系统的响应速度和稳定性。
@彭鑫：感谢各位嘉宾！同时也感谢各位观众的参与！
今天的微访谈到此结束！我们后续将整理好微访谈记录并通过CodeWisdom公众号发布。
智能汽车基础软件是一个重要的话题，我们后续还会依托CCF中国软件大会、CNCC以及iAutoBASE论坛活动持续围绕这一话题开展交流探讨，促进汽车、软件、人工智能等不同领域专家的交流。
访谈结束
CodeWisdom
一个有知识的软工公众号
发现智能化编程之道
