Non-AUTOSAR（信息娱乐）的控制器：占用较大的硬件资源、不具有实时性、运 行非车规级的操作系统上（比如 Linux、Android）。

CP AUTOSAR 开发出来的控制器：实时性强、消耗资源少、软件资源固定。

Adaptive AUTOSAR 是一种异构的软件平台，可以成为连接 Classic AUTOSAR 和 非实时 OS 的桥梁。它的特点是软实时（毫秒级别），满足功能安全要求（ASIL-B 以上）、 更适合于多核的高资源消耗环境、支持动态部署。

基于 AUTOSAR 架构下，底层软件与应用软件实现了相互解耦，使得两者的开发商可 以有所区分，并不强制绑定。通过 RTE 连接底层软件和应用层软件，RTE 使得两者相互 独立解耦。

底层软件主要分为几个抽象层：服务层，ECU 抽象层，微控制器抽象层和复杂驱动。 这样做的目的是，一方面实现底层软件的解耦，模块化；另一方面通过复杂驱动来实现特 殊化的需求，保持一定的灵活性，以此来满足一套代码可适用多个项目，加快研发进程， 降低研发成本。再根据底层软件功能，合理地拆分到不同抽象层，这样每个抽象层都有不 同的功能模块。

DCU 厂商主要负责硬件和底层软件。软件方面包括最底层的多操作系统虚拟化，以 及各类型的中间件，多融合传感器算法、标准化软件架构 AUTOSAR、系统安全 ASIL 升 级、车内以太网应用、整车 OTA 升级等。上层的应用算法一般由主机厂自行掌握。通过 软件层的分工，域控制器厂商为 OEM 提供了便于开发的软硬件底座，OEM 厂商则可以掌 握更接近消费者感知的上层算法，双方实现合理化分工。

具体到自动驾驶域控制器上，域控制器厂商通过与主机厂合作分工，双方区分各自的 软件提供范围。在行业发展早期，域控制器厂商会控制包括平台软件、功能软件等中间件 在内的大部分底层软件应用，由主机厂提供上层应用算法。部分技术更领先的厂商如华为 则会提供包括应用层在内的全套解决方案。随着行业分工细化，部分头部主机厂的算法能 力逐步提升，主机厂会开始要求自己掌握应用层以及中间件，此后向下一直延伸至平台操 作系统软件上，以实现与自身车机操控更好的耦合效果，OEM 只需要白牌代工厂为其生 产线路板即可。

底层的芯片厂则多为第三方厂商：芯片层面的自研，特斯拉是当前仅有的掌握了自动 驾驶芯片的主机厂，其他主机厂是否有这样的技术能力或诉求需要时间的观察。因此对于 大部分主机厂来说，自研域控制器是能够掌握的底层硬件全栈自研的最主要环节。

上层的应用层不一定由域控制器厂商提供：驾驶域上层的应用算法较为复杂，包括场 景算法（涵盖数据感知、决策规划、控制执行等）、数据地图、人机交互（HMI）等，其中 场景算法最为复杂，典型的包括数据感知、决策规划、控制执行等。其中感知类算法包括 SLAM 算法（涵盖视觉处理、激光雷达、多传感器融合等）、自动驾驶感知算法，是主机 厂当前重点自研的方向。决策类算法包括自动驾驶规划算法、自动驾驶决策算法，执行类算法主要为自动驾驶控制算法，目前该领域涉足的产业参与方繁多，也被认为是 AI 领域最 复杂的场景之一，从整车厂、传统 Tier1，到初创类公司、科技巨头以及独立的软件供应 商等在该领域都积极发力。但对于域控制器厂商来说，这些上层算法并不一定由他们来提 供，通过底层与上层算法解耦，域控制器厂商只需要研发底层软件。

核心 Know-How：从深度定制化为主机厂服务，到逐步全栈标准化

自动驾驶域控制器重要程度越来越高，主要原因是全车算力向驾驶域集中。驾驶域算 力追加的主要驱动因素为传感器传入信号的复杂程度逐步提升，使底层 SoC 需要同步提升 自身的计算能力、传输带宽、存储能力。如 L2 级别侧视摄像头的加入导致需要预处理的 视频数据成倍的增加，L3 级别激光雷达的加入又不断地生成千万级的待处理点云信息， 使得自动驾驶域控制器成为车上算力需求最高的计算中心。由于安全性要求，自动驾驶域 还需要布设冗余，使得驾驶域未来有逐步整合座舱域、车身域等功能域的趋势。以驾驶域 控制器为主导的全车计算平台 CCU 可能会在未来三到五年内实现。

智能汽车计算架构持续演进，展望 2025 年前后，预计届时芯片厂商的主力芯片型号 已经开始向 CCU 中央计算平台演进，智能驾驶域与座舱域的整合趋势已经十分明显。芯 片厂商通过 DPU、BPU 等 ASIC 能力，提升信息的芯片间传输效率，使得板间通信效率 远远超过跨域通信效率。以整合座舱域与驾驶域从而实现车内中央计算机的趋势已经逐渐 明朗。

要完成瞬时处理、反馈、决策规划、执行的效果，对中央处理器的算力要求非常高。 在自动驾驶中，最耗费算力的当属视觉处理，占到全部算力需求的一半以上，且自动驾驶 级别每升高一级，对计算力的需求至少增加十倍。L2 级别需要 2 个 TOPS 的算力，L3 需 要 24 个 TOPS 的算力，L4 为 300 TOPS，L5 为 4000 TOPS。

主机厂未来将会以 OTA 的方式实现自动驾驶算法的持续升级，所以当前对自动驾驶 芯片算力的部署都是超额部署。以德赛西威的 IPU 系列自动驾驶域控制器平台为例，L2 级别的 IPU02 平台使用的是 TI TDA4 SoC 平台，算力 8TOPS；L3 级别的 IPU03 平台， 使用的是英伟达的 Xavier 平台，提供算力在 30TOPS。预计 2022 年后，随着新一代更具性价比的自动驾驶芯片平台问世，XAVIER 将会逐步退出市场，取而代之的包括英伟达的 ORIN、高通的 SNAPDRAGON RIDE、华为的 MDC 与地平线的 J5 等芯片平台，普遍单 片提供的算力在 100TOPS 以上，当前市场主流配置的 L3 级别域控制器的算力在 400-500TOPS 左右。德赛西威将在 2022 年出货的 IPU04 平台预计将以两片 ORIN 芯片 制程的 500TOPS 版本为主。车企普遍认为该级别的算力能够满足当前及此后一段时间主 流的高级别自动驾驶算力需求。

低级别与高级别自动驾驶域控制器需要处理的数据量级差异极大，主要原因即是传感 器数量与产生数据量级快速提升。域控制器的市场定位属于行业中游：向上，需要快速响 应适配不断迭代的传感器与自动驾驶 SoC；向下，需要满足车企基于自身硬件配置下，对 于算法的差异需求，提供深度定制化的服务。