车载智能计算基础平台参考架构2.0.pdf

车载智能计算基础平台车载智能计算基础平台参考架构参考架构 2.0（2023 年年）中国软件评测中心（工业和信息化部软件与集成电路促进中心）工业和信息化部装备工业发展中心 国家智能网联汽车创新中心 中国汽车工程学会 中国汽车工业协会 二二三年九月I 顾顾 问问 李克强 中国工程院院士、清华大学教授 刘文强 中国电子信息产业发展研究院党委书记、副院长 瞿国春 工业和信息化部装备工业发展中心主任 张进华 中国汽车工程学会常务副理事长兼秘书长 付炳峰 中国汽车工业协会常务副会长兼秘书长 指导专家指导专家 刘法旺 工业和信息化部装备工业发展中心 高炽扬 中国电子信息产业发展研究院 安 晖 中国电子信息产业发展研究院 张文杰 国家智能网联汽车创新中心、中国汽车工程学会 王 耀 中国汽车工业协会 罗 蕾 电子科技大学 陈 渝 清华大学 许 庆 清华大学 彭 鑫 复旦大学 胡大林 北京赛目科技股份有限公司 万 蕾 华为技术有限公司 张晓先 普华基础软件股份有限公司 尚 进 国汽智控(北京)科技有限公司 丛 炜 国汽智控(北京)科技有限公司 李丰军 中汽创智科技有限公司 II 周时莹 中国第一汽车集团有限公司 上官云飞 远程新能源商用车集团 许 林 赛力斯汽车有限公司 孙大兴 广汽丰田汽车有限公司 王 野 合众新能源汽车股份有限公司 张 衡 东风商用车有限公司 王 恺 斑马网络技术有限公司 陈维富 黑芝麻智能科技有限公司 李玉峰 网络通信与安全紫金山实验室 刘建业 中兴通讯股份有限公司 阚志刚 北京梆梆安全科技有限公司 III 编写编写单位：单位：中国软件评测中心（工业和信息化部软件与集成电路促进中心）工业和信息化部装备工业发展中心 国家智能网联汽车创新中心 清华大学 电子科技大学 网络通信与安全紫金山实验室 复旦大学 华为技术有限公司 北京赛目科技股份有限公司 黑芝麻智能科技有限公司 普华基础软件股份有限公司 合肥杰发科技有限公司 中瓴智行(成都)科技有限公司 国汽智控(北京)科技有限公司 合众新能源汽车有限公司 IV 参研参研单位：单位：北京理工大学 合肥工业大学 中国第一汽车集团有限公司 东风商用车技术中心 上海汽车集团股份有限公司 浙江吉利控股集团有限公司 比亚迪股份有限公司 郑州宇通集团有限公司 上海蔚来汽车有限公司 赛力斯集团股份有限公司 中汽创智科技有限公司 北京经纬恒润科技股份有限公司 斑马网络技术有限公司 北京百度网讯科技有限公司 中兴通讯股份有限公司 国科础石（重庆）软件有限公司 东软睿驰汽车技术（沈阳）有限公司 北京地平线机器人技术研发有限公司 南京芯驰半导体科技有限公司 北京翼辉信息技术有限公司 易特驰汽车技术(上海)有限公司 V 广东为辰信息科技有限公司 上海映驰科技有限公司 中信科智联科技有限公司 智达诚远科技有限公司 VI 目 录 第第 1 章章 编制背景编制背景.1 1.1 智能网联变革机遇期，参考架构智能网联变革机遇期，参考架构 1.0 有效凝聚共识有效凝聚共识.1 1.2 智能网联技术成长期，参考架构亟需迭代与细化智能网联技术成长期，参考架构亟需迭代与细化.2 1.3 智能网联加速落地期，参考架构智能网联加速落地期，参考架构 2.0 加强前瞻引导加强前瞻引导.3 第第 2 章章 车载智能计算基础平台参考架构车载智能计算基础平台参考架构 2.0 概述概述.5 2.1 参考架构参考架构 2.0 总体框架总体框架.5 2.2 参考架构参考架构 2.0 的软硬件特点的软硬件特点.8 2.3 参考架构参考架构 2.0 的重点创新研究方向的重点创新研究方向.9 2.4 参考架构参考架构 2.0 的主要创新点的主要创新点.11 第第 3 章章 异构分布硬件架构异构分布硬件架构.12 3.1 AI 计算单元计算单元.12 3.2 通用计算单元通用计算单元.13 3.3 控制单元控制单元.13 3.4 安全处理单元安全处理单元.13 第第 4 章章 车控操作系统车控操作系统.15 4.1 系统软件系统软件.15 4.2 功能软件功能软件.19 VII 第第 5 章章 工具链工具链.27 5.1 开发调试工具开发调试工具.27 5.2 测试仿真工具测试仿真工具.29 5.3 持续集成工具持续集成工具.29 5.4 过程管理工具过程管理工具.30 第第 6 章章 安全体系安全体系.33 6.1 功能安全功能安全.33 6.2 预期功能安全预期功能安全.34 6.3 网络安全网络安全.36 6.4 数据安全数据安全.39 6.5 软件升级安全软件升级安全.40 6.6 融合融合安全安全.41 第第 7 章章 发展建议发展建议.43 7.1 凝聚发展思路，统筹协作竞争凝聚发展思路，统筹协作竞争.43 7.2 鼓励技术攻关，加快生态构建鼓励技术攻关，加快生态构建.43 7.3 完善标准体系，探索开发实践完善标准体系，探索开发实践.43 7.4 加强检测认证，强化安全保障加强检测认证，强化安全保障.44 附件：缩略语附件：缩略语.45 -1-第第 1 章章 编制背景编制背景 1.1 智能网联变革机遇期，参考架构智能网联变革机遇期，参考架构 1.0 有效凝聚共识有效凝聚共识 车载智能计算基础平台是智能网联汽车的关键核心。车载智能计算基础平台是智能网联汽车的关键核心。智能网联汽车是决定中国汽车行业胜负的下半场。与电动化相比，智能化、网联化涉及的领域更多、程度更深、想象空间更大。智能驾驶、智能座舱、车路云一体化的快速发展，正在引发汽车创新链、技术链、产业链的重构。作为汽车的“大脑”，车载智能计算基础平台负责处理海量的异构数据、进行复杂的逻辑运算，是新型汽车电子电气架构的核心。参考架构参考架构 1.0 为为智能网联汽车智能网联汽车研发应用创新提供了重要指研发应用创新提供了重要指引。引。智能网联汽车是汽车、电子信息、通信等领域跨界融合的载体和重要产物。在其发展初期，不同行业主体对汽车电子电气架构演进趋势、车载智能计算基础平台概念和架构的认识不尽相同。为推动行业凝聚共识、形成合力，2019 年，多家高校、企业、研究机构等联合制定发布了车载智能计算基础平台参考架构 1.0（2019 年），为我国车载智能计算基础平台的技术创新、标准研制、试验验证、应用实践、产业生态构建等提供了参考和引导。国内已有华为、中兴、国汽智控等多家企业基于参考架构进行产品 开 发。2022 年 中 国 汽 车 基 础 软 件 生 态 委 员 会 发 布AUTOSEMO Service Framework 技术规范，在参考架构 1.0 基础上，结合应用创新需求，构建了进一步向应用层、面向服务的架构（SOA）拓展的中间框架，通过该规范统一服务和接口，实-2-现整车控制器的设计与开发。1.2 智能网联技术成长期，参考架构亟需迭代与细化智能网联技术成长期，参考架构亟需迭代与细化 智能网联技术向更高级别自动驾驶和车路云一体化等方向智能网联技术向更高级别自动驾驶和车路云一体化等方向迈进，参考架构需要适应发展新要求。迈进，参考架构需要适应发展新要求。当前 L1、L2 级自动驾驶渗透率快速增长，L3 及以上级别自动驾驶成为研发攻关的主要内容。为促进高级别自动驾驶产品的功能、性能提升，支持其商业化应用，工业和信息化部、公安部等正在筹备智能网联汽车准入和上路通行试点。北京、广州、杭州、武汉等地启动了自动驾驶“车内无人”商业化试点。多个地方的政府部门联合基础设施供应商、自动驾驶解决方案提供商、整车企业积极探索“车路云一体化”发展路线，打造技术、商业双闭环。技术的演进、需求的丰富和认识的更新不断拓展车载智能计技术的演进、需求的丰富和认识的更新不断拓展车载智能计算基础平台的内涵和外延，参考架构需要满足发展新趋势。算基础平台的内涵和外延，参考架构需要满足发展新趋势。一是高性能车载芯片不断推出，正推进汽车电子电气架构进一步向集中化演进。英伟达雷神（Thor）、黑芝麻武当、地平线征程等系列芯片性能不断增强，满足多种跨域计算场景。二是 Linux 和 QNX等主流车用操作系统持续增强，华为 AOS、国汽智控 ICVOS、普华 ORIENTAIS、中兴车用 OS、斑马 AliOS 等国产车用操作系统相继推出，深化了行业对车载智能计算基础平台的认识理解。三是智能驾驶、智能座舱、车路云一体化的应用场景更加具体和丰富，对车载智能计算基础平台的功能、性能、配套工具链提出更高要求。四是智能网联汽车的安全体系不断拓展和下沉，预期-3-功能安全、数据安全、软件升级安全等日益受到行业重视。1.3 智能网联加速落地期，参考架构智能网联加速落地期，参考架构 2.0 加强前瞻引导加强前瞻引导 未来未来 3-5 年，智能网联汽车年，智能网联汽车将将创新踊跃、普及加快创新踊跃、普及加快，对对车载车载智能计算基础平台智能计算基础平台参考架构参考架构的需求也将的需求也将更加强烈更加强烈。从分域架构到“中央计算+区域控制”架构，汽车电子电气架构将继续向域集中、域融合的方向不断演进。全球高性能车载芯片、车用操作系统产业尚未发展成熟，发展格局仍未“锁定”。SOA 和空中升级（OTA）如何改变汽车软件价值链和商业模式、自动驾驶解决方案是否需要依赖高精地图和激光雷达、大模型怎样融入智能网联技术发展，都成为智能网联大规模部署所面临的热点问题。车载智能计算基础平台架构需要具备更好的包容性和技术支持能力，引导相关产品的前瞻设计和创新研发。车载智能计算基础平台产品胜出的关键在于能否形成包括车载智能计算基础平台产品胜出的关键在于能否形成包括硬件平台、操作系统、应用软件、工具链在内的生态体系，硬件平台、操作系统、应用软件、工具链在内的生态体系，构建构建完善的安全体系，完善的安全体系，建立技术优势和市场竞争力。建立技术优势和市场竞争力。这就需要统一认识理解，增强互操作性，引导提升产业生态整体水平。为此，参考架构 2.0 要在参考架构 1.0 的基础上，进一步加强前瞻性、战略性、系统性的顶层设计，在与国家标准、行业标准、团体标准术语定义保持一致的基础上，积极吸纳行业代表性研究成果，一是面向未来 3-5 年的应用需求，定义典型的应用场景，提出参考设计，指导产品研发；二是围绕高算力硬件支持、内核重构优化、系统软件构建、功能软件丰富等重点内容，引导软硬件分层解耦-4-的设计和开发；三是研究人工智能（AI）大模型等新兴技术，梳理构建应用生态涉及的系统软件、功能软件、工具链等需求；四是研究车载智能计算基础平台安全体系，促进智能网联汽车安全保障能力提升。-5-第第 2 章章 车载智能计算基础平台参考架构车载智能计算基础平台参考架构 2.0 概述概述 2.1 参考架构参考架构 2.0 总体框架总体框架 车载智能计算基础平台的主要目标包括，支持异构多核高算力与冗余的硬件架构、SOA 软件架构、车内高带宽主干通信网络及多种网络协议、OTA升级等，满足高实时、多级功能安全需求、及网络安全与数据安全要求，实现软硬件的平台化、标准化，构建软硬件一体化技术体系，促进智能网联汽车的创新化、生态化发展。车载智能计算基础平台参考架构包含异构分布硬件架构、车控操作系统、安全体系、工具链（如图 1 所示）。-6-图 1 车载智能计算基础平台参考架构 2.0-7-异构分布硬件架构异构分布硬件架构负责提供各类硬件接口和满足多方面算力需求，包括 AI 计算单元、通用计算单元、控制单元和安全处理单元等。车控操作系统车控操作系统是支撑智能网联汽车驾驶自动化功能实现和安全可靠运行的软件集合。车控操作系统采用纵向分层（包含系统软件和功能软件）、横向分区（包括安全车控操作系统、智能驾驶操作系统）式架构。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）、硬件抽象层，实现与硬件平台的解耦。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，向上层应用软件提供服务，实现与应用软件的解耦。安全体系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。应用软件运行于车控操-8-作系统之上，负责智能驾驶具体功能的实现。当前 L1、L2 级智能驾驶应用已逐渐成熟普及，包括自动紧急制动（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。2.2 参考架构参考架构 2.0 的的软硬件特点软硬件特点 分层解耦分层解耦。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-9-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 大模型融合大模型融合。探索和发挥 AI 大模型在模式识别、决策辅助等方面的提升作用，研究和把握多模态整合、多模型合并、轻量化演进等创新态势，加强 AI 大模型与车载智能计算基础平台研发、训练、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，在智能座舱等车端环节使用大模型提供更丰富、适用的服务。2.3 参考架构参考架构 2.0 的的重点重点创新创新研究研究方向方向 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：芯片与芯片与硬件硬件平台平台。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，实现一次开发驱动，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。操作系统内核操作系统内核。研究面向多核环境的新型内核架构、实时调-10-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。基于大模型的基于大模型的智能智能驾驶技术驾驶技术。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、通信等方面的服务水平。研究大模型与小模型协同技术，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。工具链工具链。研究车载智能计算基础平台开发过程的工具链，提升研发团队开发调试能力、自动测试效率、持续集成及过程-11-管理水平，提升软件开发质量，实现产品高质量快速迭代、分发、升级和维护。2.4 参考架构参考架构 2.0 的主要创新点的主要创新点 立足新阶段新认识，立足新阶段新认识，依据已经量产的应用，以及面向未来车路云及中央集中趋势，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，总体架构方面，在延续车载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，硬件平台方面，升级车载智能计算基础平台硬件架构，强调安全处理单元。车控操作系统车控操作系统方面，方面，优化概念边界，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。安全体系方面安全体系方面，强化技术要求及管理要求，从企业安全管理、产品过程保障出发，涵盖网络安全、数据安全、功能安全、预期功能安全、软件升级安全及融合安全等安全要素，保障车载智能计算基础平台的质量安全和使用安全。-12-第第 3 章章 异构分布硬件架构异构分布硬件架构 异构分布硬件架构提供了灵活高效的计算资源集成方式，通过集成多种不同类型的处理单元，并根据各种处理单元的特点和优势，将通用计算任务、特定类型计算任务、整体控制和协调任务等分配到最适合的处理单元上，实现更高的计算性能和能效。异构分布硬件平台通常包括 AI 计算单元、通用计算单元、控制单元以及安全处理单元等。3.1 AI 计算单元计算单元 AI 计算单元计算单元基于并行计算架构，基于并行计算架构，负责图像处理、深度学习负责图像处理、深度学习推理等推理等数据数据密集密集型型计算。计算。架构方面，FPGA、DSP、GPU、NPU、TPU 等专用加速器等正逐渐引入到 AI 计算单元中，并负责不同的计算任务。性能方面，随着数据量的增加、复杂模型的推理和部署、实时性要求的提高、AI 应用领域的丰富以及硬件技术的进步，对 AI 计算单元的算力需求持续增长，需要通过芯片制程升级以及内存访问、数据传输、电源管理、时钟管理、电路设计的优化提升 AI 计算单元的能效。同时，运用更灵活的任务划分和卸载机制、动态任务调度和资源管理等技术，实现通用计算单元与 AI 计算单元的协同，进一步提高处理效率。通信方面，高速串行计算机扩展总线（PCIe）、计算快速链路（CXL）、英伟达高速 GPU 互连技术（NVLink）、高带宽内存、片上网络（NoC）优化等高速互联技术加快普及应用。模型和算子方面，AI 计算单元通过通用处理器和专用加速器实现对模型和算子的支持。除-13-了增加定点计算的比重，AI 计算单元还为矩阵计算、卷积计算、时序计算等算子以及更复杂的 Transformer 模型等不同任务量身设计计算模组，以模块化方式提升性能、降低能耗。3.2 通用计算单元通用计算单元 通用计算单元通用计算单元负责负责运行复杂的逻辑串行任务运行复杂的逻辑串行任务。随着智能驾驶业务和算法模型的发展，对通用算力的需求也急剧增长。通用计算单元由多个车规级多核 CPU 组成，各单核主频高、计算能力强。通用嵌入式 CPU 通常采用 ARM 架构，近年来业界也在尝试基于 RISC-V 架构进行设计。在实际应用中，需要针对具体任务进行优化和并行化，以充分利用多核 CPU 的算力。3.3 控制单元控制单元 控制单元控制单元负责为智能网联汽车负责为智能网联汽车子系统提供控制功能。子系统提供控制功能。控制单元一般为高安全强实时的 MCU，包含实时多核 CPU、嵌入式存储单元以及必要的 I/O 与通信接口。为满足实时性要求，需对MCU 取指令的通路、数据存取通路等特别设计，同时通过提升MCU 核心工作频率、使用实时的软件任务调度器等，减少任务切换延迟。MCU 还需要集成 Ethernet/CAN-FD 等高速接口，提供硬件的包转发、路由等功能，减少 CPU 资源消耗，降低延迟，提供数据交换的吞吐量。3.4 安全处理单元安全处理单元 安全处理单元安全处理单元负责负责安全业务的处理。安全业务的处理。在硬件设计上，根据功能安全等级需求，一般采用内建自测（BIST）电路监测电路工作-14-状态。对于部分执行单元，采用冗余电路设计，以实现高功能安全等级要求。在数据存储模块、数据通信链路上，采用奇偶校验编码保证端到端的数据传输安全性。在架构层面，一些大型片上系统（SoC）采用安全岛技术实现对系统内功能的监控与错误处理。为减少 CPU 负载，对称、非对称、哈希等加解密算法加速单元被越来越多地集成到芯片之中。安全与非安全执行环境的隔离既有基于虚拟化技术的逻辑 CPU 方案，也可基于硬件电路完全隔离的硬件安全模块（HSM）技术。在系统层面，需在总线、内存接口中加入安全设计，实现系统地址空间的安全隔离要求。-15-第第 4 章章 车控操作系统车控操作系统 车控操作系统是车载智能计算基础平台的核心部分。车控操作系统是车载智能计算基础平台的核心部分。按按应用领域划分，应用领域划分，车控操作系统包括智能驾驶操作系统和安全车控操作系统。其中，智能驾驶操作系统主要面向智能驾驶领域，支持感知、定位、规划、决策等功能的实现，对安全性和可靠性要求较高。安全车控操作系统主要面向经典车辆控制领域，如动力系统、底盘系统和车身系统等，对实时性和安全性要求极高。为保证车载智能计算基础平台的安全可靠，车控操作系统一般需要满足 ASIL-B 以上等级功能安全要求（安全车控操作系统需满足 ASIL-D），并根据智能驾驶需求进行适度扩展。按按逻辑层次逻辑层次划分，划分，车控操作系统包括系统软件和功能软件。系统软件创建了复杂嵌入式系统的运行环境，支持环境感知、AI计算、通用计算和实时控制。系统软件借鉴 AUTOSAR 软件架构中的分层思想，在车控操作系统中实现 Classic 和 Adaptive 两个平台的兼容和交互。功能软件根据智能驾驶共性需求，定义和实现通用模块，以填补 AUTOSAR 架构在智能驾驶方面的不足和缺失。4.1 系统软件系统软件 系统软件是为系统软件是为智能网联汽车应用智能网联汽车应用场景量身定制的复杂大规场景量身定制的复杂大规模嵌入式系统运行环境。模嵌入式系统运行环境。系统软件从底向上包括跨内核驱动框架、虚拟化管理、操作系统内核、系统接口与系统中间件。4.1.1 跨内核驱动框架跨内核驱动框架-16-跨内核驱动框架主要包含四个方面。一是架构设计。定义跨内核驱动框架的整体架构，包括驱动模型、硬件抽象、核心接口等，支持常见的宏内核、微内核、混合内核架构等。二是硬件抽象。通过定义通用的硬件访问接口，实现对不同硬件的抽象和封装，方便上层驱动的移植。三是核心接口。定义跨内核的通用驱动接口，例如文件操作接口、中断处理接口、内存管理接口等，使得驱动程序能够通过统一的接口访问不同内核。四是驱动模型。定义驱动程序的基本模型和框架，例如字符设备驱动、块设备驱动、总线设备驱动等，规范驱动程序的实现方式。车控操作系统中的跨内核驱动框架相比面向单一内核的驱动具有四方面优势。一是可移植性强。跨内核驱动只需要开发一次，就可以工作在不同的操作系统内核上，大大提高了驱动程序的可移植性。二是开发效率高。基于通用接口和硬件抽象层，开发人员不需要了解具体内核实现，就可以更快速地开发驱动。三是维护成本低。跨内核驱动代码可以重用，不需要针对不同内核做定制化工作，大大降低了维护成本。四是兼容性好且升级方便。抽象层使得驱动能够支持多种版本内核，当内核升级时，不需要重新开发和编译驱动。4.1.2 虚拟化管理虚拟化管理 虚拟化管理包括虚拟化管理包括 Hypervisor 和和虚拟机监视器虚拟机监视器（VMM）等，等，利用硬件辅助虚拟化技术有效地实现系统资源的整合和隔离。利用硬件辅助虚拟化技术有效地实现系统资源的整合和隔离。虚拟化管理能够管理并虚拟化 CPU、内存、外接设备等硬件资源，-17-并将它们分配给运行在虚拟化管理系统软件上的多个操作系统内核。车控操作系统基于异构分布硬件架构，应用程序可能需要依赖不同的内核环境和驱动，但在物理层面上要共享 CPU 等硬件资源。虚拟化管理起到了至关重要的作用，不仅能支撑实现跨平台应用的运行，而且能显著提高硬件的使用效率。4.1.3 操作系统内核操作系统内核 面向复杂驾驶场景的车控操作系统面向复杂驾驶场景的车控操作系统内核层内核层需要实现多内核需要实现多内核设计。设计。操作系统内核主要负责管理汽车的硬件资源，并为上层软件提供进程、线程、内存、网络和安全等基础支持。这些内核可兼容 Classic AUTOSAR 和 Adaptive AUTOSAR 所规定的需求。车载智能计算基础平台异构分布硬件架构中，不同单元加载的内核应具有不同的功能安全等级：支持 AI 计算单元的操作系统内核功能安全等级为 QMASIL-B；支持通用计算单元的操作系统内核功能安全等级为 QMASIL-B；支持控制单元的操作系统内核功能安全等级为 ASIL-D。这就需要安全等级不同的多内核设计，或者单个内核支持不同功能安全等级应用的设计。目前，应用在汽车中的实时操作系统可选择 QNX、OSEK OS、VxWorks 等操作系统内核，选择时需考虑功能安全等级和市场成熟度。由于车载智能计算基础平台的复杂性，操作系统内核必须对系统软件、功能软件以及应用软件的库进行支持并且具备可扩展性和可持续演进能力。国内企业已经推出多款自主研发的操作系统内核，部分已开源并开始商用。部分内核基于 Linux，功能-18-全面、高效灵活、生态健全，能广泛支持芯片、硬件环境及应用程序。部分芯片企业基于自研 SoC 芯片对 Linux 和 RTOS 进行了定制优化，在增加功能的同时注重强化安全性，实现对部分CPU 和内存资源的保护，以满足功能安全等级要求。在异构分布硬件架构中，独立的安全处理单元已成为芯片设计的重要方向。独立的安全处理单元可支撑运行可信内核、密码库，提供安全可信的服务功能接口。可信内核增强了对密码访问的服务支持。密码库基于硬件实现椭圆曲线密码（ECC）、高级加密标准（AES）、SM2/SM3/SM4 等密码算法，提供可并发的密码服务调用。4.1.4 系统接口与系统中间件系统接口与系统中间件 系统接口是操作系统内核对上层软件提供的服务接口，支持内存分配、调度管理、I/O 处理、同步互斥等功能。系统中间件向下获取操作系统内核的系统接口服务的支持，向上支撑功能软件层提供系统中间件的服务和接口。POSIX API 提升跨多种操作系统内核的兼容性。POSIX API有实时扩展，包括定时器和时间管理、优先级调度互斥量和条件变量、消息队列、共享内存、异步 I/O 和同步 I/O 等。SOA 框架框架通常包含模块化服务、服务注册发现、标准互操作性接口、服务编排等内容和特征。AI 框架框架用于支撑自动驾驶 AI 应用和大模型应用的开发。管理中间件管理中间件中中包括数据加密、身份验证、健康管理、网络与-19-系统安全监测等安全措施及服务，对功能软件中的安全框架和安全服务等提供支撑，提升整体车控系统的稳定性和安全性。通信中间件通信中间件具备服务发现、远程服务调用、读写进程信息等典型功能，实现车内单一节点内进程间通信或多节点间通信传输，由基于 CAN 信号向面向服务的车载以太网数据包传输过度。基于 IP 的可扩展的面向服务的中间件（SOME/IP）支持复杂车载网络的服务发现和交互。在安全性方面，SOME/IP 服务发现（SOME/IP-SD）保证了车辆网络的安全。数据分发服务（DDS）分布式通信协议可以提供灵活、可靠、实时的数据交换机制，以满足智能网联汽车中多种应用程序之间的通讯需求，并确保数据的准确性和及时性。DDS还可以提供良好的扩展性和互操作性。4.2 功能软件功能软件 功能软件根据智能驾驶共性需求定义和实现通用模块，是支撑智能驾驶应用生态建设的重要层级。功能软件包括功能中间件、应用支撑层、应用软件接口及服务。4.2.1 功能中间件功能中间件 功能中间件是功能软件的核心和驱动部分功能中间件是功能软件的核心和驱动部分，由数据抽象、数由数据抽象、数据流框架、车云协同框架、安全框架组成。据流框架、车云协同框架、安全框架组成。一方面，针对智能驾驶产生的安全和产品化共性需求，通过设计和实现通用框架模块来满足这些共性需求，是保障智能驾驶系统实时、安全、可扩展和可定制的基础。另一方面，随着高阶智驾应用的逐步实现，面对更复杂更多样的场景，可以通过车云计算框架对云端的强大算-20-力和存储资源进行利用，实现对大规模数据的高效处理和分析，以及利用云端的算法和模型进行更复杂和高级的决策和规划，提高智能驾驶系统的感知、决策和控制能力。数据抽象数据抽象是针对不同传感器、车辆底盘、外围硬件等的原始数据进行处理和封装，提供统一的数据格式。通过标准格式为上层的智能驾驶通用模型提供各种不同的数据源，进而建立异构硬件数据抽象，达到屏蔽硬件差异、开发平台差异，应用软件与系统软件分层解耦。数据流框架数据流框架是依托中间件技术提供标准数据接口和实时数据处理框架。数据流框架一是能够屏蔽不同硬件平台及系统软件的差异，确保功能软件之间的解耦和可靠通信；二是提供智能驾驶功能的编排、调度及部署，对各个智能驾驶系统组件和任务进行协调，提供合理的任务分配和调度机制；三是支持对智能驾驶应用和算法的数据流节点的拓扑关系进行配置，以及进行任务、计算单元、实时性等多个维度的调度管理配置；四是结合系统性能及功能安全等需求，将不同的节点配置到特定的 AI 加速单元、计算域、安全域等处理单元，在系统运行过程中能够实时调整应用和算法节点的拓扑关系及调度策略。车云协同框架车云协同框架实现了智能网联车与云计算、边缘计算等关键车路云协同技术的有机融合。车云协同框架需要提供可靠的数据传输和同步机制，以确保车辆与云端之间的数据传输和同步的效率和准确性，以及提供可靠的网络通信和安全机制，同时支持车-21-辆端和云端之间的协同处理，将计算任务在不同的计算资源之间进行分布和协作。安全框架安全框架提供了一系列的安全机制和措施，包括对硬件设备、操作系统、应用程序等进行实时监测，在发现相关故障时及时处理，防止故障蔓延，进而影响整个系统的运行。其中，安全监控模块包括设备监控、资源监控、应用程序监控等，在检测到异常状态时，通过安全监控及时上报，由安全监控服务程序根据系统配置进行决策处理。4.2.2 应用支撑层应用支撑层 应用支撑层使用应用支撑层使用 SOA 服务等方式为智能驾驶功能提供支持，服务等方式为智能驾驶功能提供支持，主要包含算法主要包含算法/模型库和基础服务。模型库和基础服务。算法/模型库提供智能驾驶应用的可拆解重组的算法模块和原子组件库，支持组件式开发，并可自由扩展和引入第三方单元可插扩算法模块，快速实现环境感知、决策规划、车辆控制等算法开发。随着深度学习和神经网络、多模态感知、强化学习等技术发展，模型库提供的算法模块需要不断丰富扩展，借助新技术，以适应更复杂、更广泛的智驾应用场景。基础服务为智能驾驶系统提供必要的功能和支持，支持智能驾驶系统的安全、可靠和高效运行，随着智能驾驶技术的发展，数据安全和网络安全将成为更加关键的问题，功能要求更加全面和智能化，基础服务需要具备可扩展性，不断演进和创新，以应对智能驾驶技术的挑战和需求。1）算法算法/模型库模型库-22-算法算法/模型库模型库由由多个独立的算法模块及模型组成，用户可通多个独立的算法模块及模型组成，用户可通过对这些模块的直接或组合使用，形成智能驾驶系统中不同的功过对这些模块的直接或组合使用，形成智能驾驶系统中不同的功能。能。智能驾驶算法库主要为支撑智能驾驶算法进行高效开发，提供智能驾驶应用的可拆解重组的算法模块和原子组件库，支持组件式开发，并可自由扩展和引入第三方单元可插扩算法模块，快速实现环境感知、决策规划、车辆控制等算法开发。环境感知环境感知是对车辆周围的环境和道路条件进行感知和理解，帮助智能驾驶系统决策规划。感知算法模型库提供预置的可拆解重组的感知算法原子组件，包含基于 Transformer+BEV 技术下的多模态多种传感器下的端到端感知模型组件化和配置化开发。支持使用各种传感器（如摄像头、毫米波雷达、激光雷达等）获取车辆周围环境的信息，通过 V2X 通信接收来自其他车辆、交通信号灯以及交通管理中心的实时信息，将来自不同传感器的数据与 V2X 实时交互信息进行融合，使智能驾驶系统获得更加准确和完整的环境感知结果。融合定位融合定位是指利用多种传感器技术对车辆位置和环境信息进行综合处理，以实现精确的定位和导航功能。融合定位模型库提供预置的可拆解重组的融合定位算法原子组件。通过将不同传感器的数据进行融合，可以提高定位的准确性和鲁棒性，从而更好地支持智能驾驶系统对车辆的控制和决策。融合定位技术在智能驾驶领域具有重要的应用价值，可以提高车辆的定位精度、抗干扰能力和安全性，为实现可靠的智能驾驶提供基础支持。-23-决策规划决策规划是基于感知和预测结果进行路线与轨迹的决策规划。规划模型库提供预置的可拆解重组的规划算法原子组件，包括通用 AI 和规则的决策规划算法组件化和配置化开发，实现对道路环境进行全面、精细的建模和理解，对交通参与者的行为和意图进行准确的预测和分析，制定出最优的行动策略。运动控制运动控制是根据决策规划的输出结果，对车辆的横纵向进行控制。运动控制模型库提供预置的可拆解重组的控制算法原子组件，包括主流的横纵向控制算法组件化和配置化开发，实现根据决策规划结果，对车辆进行精确的操控和控制策略的实施。车用大模型车用大模型是指在智能驾驶系统中应用大型的深度学习模型来处理感知数据、做出决策以及规划行车路径等任务。利用车用大模型，将环境信息输入到神经网络中进行特征提取和识别，决策阶段将感知结果作为输入，经过神经网络的推理和判断，输出对车辆行为的预测和路径规划，控制阶段将决策结果转化为车辆的具体控制指令，如转向、加速、制动等。使用车用大模型可以显著提升智能驾驶系统的感知、理解和决策能力，使得车辆能够更加准确地识别和适应各种复杂的交通环境。2）基础服务）基础服务 基础服务支持智能驾驶系统的安全、可靠和高效运行基础服务支持智能驾驶系统的安全、可靠和高效运行，包括包括数据服务、软件升级服务、安全服务、网联服务、地图服务等。数据服务、软件升级服务、安全服务、网联服务、地图服务等。这些基础服务在智能驾驶操作系统中起着关键的作用，支持智能驾驶系统的安全、可靠和高效运行。它们相互协作，为智能驾驶-24-系统提供必要的功能和支持。数据服务数据服务为智能驾驶车辆提供数据采集和处理的服务。需要支持数据的采集、触发、回传等能力。采集服务负责采集任务的生命周期管理，包括任务建立，收集数据、放入缓存。需要在资源有限的情况下做数据采集，采集对象为结构化数据和非结构化数据。可以通过相关的配置，对采集的数据、频率、策略以及存储策略等进行定制化管理和限制。配置服务配置服务对外提供统一的配置接口，支持进行外部链接，获取用户配置设定，以及返回配置后的结果。可以依据需求通过动态库和配置来进行加载和使用。在与各种用户界面（UI）进行交互时，配置服务应提供统一的数据获取与数据发送的方式，便于