0
雷鋒網新智駕按：本文為AI投研邦「大咖Live」第41講地平線李星宇帶來的關于《向超級中央計算機邁進--智能汽車電子構架變革迎接數字化重塑》的分享實錄，會員專享內容，由新智駕整理。李星宇，地平線市場拓展與戰略規劃副總裁，自動駕駛行業資深專家；前恩智浦（飛思卡爾）汽車電子高級市場經理。
目前，本期分享音頻及全文實錄已上線，「AI投研邦」會員可進入【AI投研邦】頁面免費查看。
以下為分享實錄：
日前，全球最大的汽車制造商大眾宣布，組建自己的軟件部門：數字汽車與服務部（Digital Car&Service），大眾CEO迪思在今年的達沃斯世界經濟論壇上表示：“在不遠的將來，汽車將成為一個軟件產品，大眾也將會成為一家軟件驅動公司”。
在汽車行業向出行服務和智能化轉型的大趨勢下，新的智能功能和服務需求幾乎每個月都需要更新，大眾的組織變革表明軟件定義汽車已經成為業界共識，傳統的分布式汽車電子電氣構架（E/EA）越來越難以為繼。為了適應行業智能化重塑的大趨勢，提升開發效率，一場深刻的構架變革正在醞釀，汽車行業正在沿著當年PC和手機行業走過的路邁向智能時代，這背后將折射出怎樣的技術挑戰、行業變局與應對措施？本文將進行深入探討。
以下是本文十個關鍵結論：
1. 智能汽車E/E構架設計面臨四大挑戰：功能安全、實時性、帶寬瓶頸、算力黑洞。
2. 智能汽車E/E構架四大趨勢：計算集中化、軟硬件解耦、平臺標準化以及功能定制化，商業化落地時間大約在2025年。
3. 智能汽車的新構架將基于中央計算機-層-區的概念構建。
4. 新的E/E構架將使OEM在與領先的Tier1的博弈中重新贏得主動權。
5. OEM可能將只會擁有一個覆蓋了所有車型的電動汽車（EV）平臺。
6. AI芯片是中央計算機的核心，需要越過安全、成本和性能的臨界點。
7. 組織變革是OEM在這場技術革命中面臨的最大挑戰。
8. 蘋果、高通、三星和華為在這場變革的競爭中有先天的基因優勢。
9. 智能汽車將是有史以來軟硬件開發量最大的單一產品，將誕生新的Wintel。
10. 智能汽車作為移動自主機器的第一形態，將撬動比自身市場大得多的商業價值。
今天，E/E構架設計面臨四大挑戰：功能安全、實時性、帶寬瓶頸、算力黑洞。
1. 在功能復雜度持續提升的情況下滿足功能安全的要求，這里的功能安全是廣義的，不僅包括ISO26262,還包括SOTIF和RSS。
2. 復雜系統構架下實時性的保證。
3. 爆炸式增長的傳感數據造成的帶寬瓶頸。
4. 支持持續的軟件升級所需要的指數級算力增長。
為此，智能汽車E/E構架正從分布式走向集中式；其終極形態將是超級中央計算機，這其中包括四個關鍵趨勢：計算集中化、軟硬件解耦、平臺標準化以及功能定制化。
*智能汽車電子電氣構架發展趨勢
下面我們將進一步論述這幾個趨勢。
1、計算集中化（Computing centralization）：服務導向的系統構架（SOA）將成為主流，為軟件提供高性能實時計算平臺，在這樣一個大的理念下，計算集中化將催生真正的汽車大腦：超級中央計算機。目前各個玩家對這個概念的叫法五花八門，包括車載計算平臺、主機（Host）以及服務器（Server）等，但本質都一樣。
為了滿足ASIL-D功能安全的要求，一臺汽車通常需要有兩臺相同的主機互為備份，目前領先的Tier1如安波福、大陸等都使用這樣的理念。
伴隨著計算集中化，產生了一個新的概念：區控制(zone control)，與目前流行的域控制器概念不同的是，區控制模塊沒有高級功能決策權，而是完成執行器、傳感器、診斷以及傳統I/O的連接匯總，類似于PC中的南北橋。
拿軍事打個比方，域概念就像是按照職能劃分海陸空三軍（電源域、底盤域、娛樂域、安全域），并且有獨立的作戰權，但不能彼此共享資源，而區概念則是按照戰區進行組織劃分，與中央計算機形成了聯合作戰司令部+戰區的概念，協同性和執行效率將得到質的飛躍。
在這樣的構架下，決策通常都是由中央計算機來發出，但是也有例外，比如AEB緊急制動的功能，是最重要的ADAS功能，一旦前向智能傳感器發現前方有障礙而且即將發生碰撞，可以不經中央計算機決策指令，直接啟動執行機構進行剎車，或者在兩臺中央計算機都出現故障的時候接管剎車執行器，從而提供更高的安全冗余。
如果我們對照人的決策機制，會發現有高度類似的情況：假如我們在野外突然碰到一頭老虎，身體的第一反應是僵住不動，這個決策并不是來自大腦的高級理性系統（即皮質），而是來自非常原始的大腦邊緣系統（哺乳動物都有），它在緊急情況下會切斷大腦對軀干的控制，自動接管以保證能夠在瞬間完成必須的生存反應。手碰到燙的東西立馬縮回去也是一樣的決策機制，這樣的例子不勝枚舉。
在未來，OEM交付的汽車將不是一個功能固化的產品，而是一個持續進化的機器人，在汽車整個生命周期內，硬件平臺需要持續支持軟件迭代升級，這意味著，我們必須打造一個開放的、工具鏈完善的、擁有強大算力保障的計算平臺，提供高達1000TOPS的算力，為各種軟件功能提供充足的算力儲備。
目前業界還沒有一款處理器可以滿足如此高的算力需求，并且不同的處理器也有不同的性能維度，從實踐角度看，需要一個非常靈活、有彈性的主機構架來應對。這里面有三個要求：可擴展、可配置、模塊化。一臺典型的主機使用PCI-e作為主干局域網（Backbone），提供很多卡槽，可以連接各種加速器（搭載GPU、FPGA、視覺ASIC等芯片的板卡）、安全MCU以及通用SoC。
似曾相識？沒錯，這個構架跟當年的PC幾乎一模一樣！
但另一方面，車載中央計算平臺對功能安全和實時性要求毫不妥協，在工程實現上，挑戰比傳統PC/服務器構架要大得多，不能簡單照抄。
2、軟硬件解耦：SOA構架還將產生硬件抽象層（HAL）的概念，硬件不再被某個功能獨享，而是被抽象成軟件/服務可以共享的資源。例如，一顆前視攝像頭過去可能只為AEB/ACC服務，但現在，任何功能都能調用這顆攝像頭。
HAL可以看作支撐軟硬件解耦的資源池 。例如，隨著SOA構架的發展，一個獨立的感知層將會出現，將各個傳感器抽象為可被各種應用（無論是人機交互還是ADAS/自動駕駛）調用的資源。而且將原始數據(比如攝像頭的每一幀圖像)轉化為語義信息的工作，相當程度上在區（Zone）上就可以完成，從而減少對骨干網I/O帶寬的需求，降低對中央計算機的算力需求，并提升數據處理的實時性。
總結來講：就是在區上做感知智能，在中央計算機上做認知智能。
今天，功能安全是智能汽車面臨的最大挑戰之一，如果按照分布式的構架，為每個功能增加獨立的安全冗余硬件，簡直就是一場成本災難，并且設計驗證也很難收斂，但基于SOA和HAL的新設計構架，可以將所有的硬件資源與應用打通，構架師將有更多的安全路由選擇，并且可以擴大安全冗余的資源縱深，充分復用各種硬件資源，為功能安全以經濟成本實現開辟一條新的道路。
在供應鏈管理方面，因為每種資源都有很多獨立供應商，OEM將有更多的選擇，而不像選擇域控制器供應商那樣打包購買。這種構架可以讓OEM跟領先的Tier1的博弈之間重新贏得主動權。
3、平臺標準化：在未來，OEM可能只會開發一個電動汽車平臺，覆蓋低端車型、中端和高端車型。傳統的內燃機受限于機械結構，需要有很多平臺，但是EV不一樣，底盤設計沒有太多限制，所以沿用一個統一的E/E構架成為可能。主機廠將打造自己的硬件平臺，并滿足三個原則：通用性、標準化以及互操作性。
更重要的原因來自商業考慮：錢！開發這樣的智能平臺可能需要編寫超過3億行代碼，比Windows操作系統要高一個數量級，開發并維護多個平臺在經濟上不可行。
大眾和福特已經在電動汽車領域共享EMB平臺，以降低開發成本，隨著這一趨勢深入發展，很可能會出現類似PC行業的Wintel平臺，進而形成一個面向智能汽車的生態系統，這一通用平臺將被大多數OEM采用。類似的故事同樣曾在手機行業上演，從功能機時代向智能機時代轉變的過程中，先后涌現了塞班和安卓這樣的通用平臺。
4、功能定制化：智能化是未來品牌差異化的核心要素，主要是通過增加軟件功能來實現。軟件的后部署將是大勢所趨，這意味著，多數軟件功能將是在汽車出廠之后交付的，軟件迭代OTA將是新常態。這一趨勢對于出行服務運營商來說尤其重要，各種不同的場景服務需求都需要通過現有車隊的大量升級來滿足。
*未來的智能汽車將有一個開放的應用平臺
來自麥肯錫的分析顯示，軟件在D級車（或大型乘用車）的整車價值中占10%左右，預計將以每年11%的速度增長，到2030年將占整車內容的30%。
*麥肯錫：《軟件和整車電子構架正重新定義汽車行業》
總體來看，這場構架變革是全面性的，還包括主干通信網絡的重構、信息安全系統、以及虛擬開發驗證環境等非常大的話題，這里就不一一討論了。幾乎可以肯定的是，智能汽車是IT史上軟硬件開發量最大的單一產品。
*智能汽車所需要的軟件代碼量遠超IT史上任何一個產品 來源: NXP官網
歷史不會簡單重復，但總會押韻，這體現的是一致的商業和技術邏輯。在PC剛剛出現的七十年代末，PC的種類也是五花八門，處于戰國時代，除了開創者Apple的PC，還有Commodore 的PET 2001機、Tandy的TRS-80機、PTC 的 Sol-20機等，這些PC使用的微處理器和操作系統也各不相同，結果是，各個公司不得不自己開發所有的應用，效率和質量都相當糟糕。
1981年，IBM的5150 PC發布，這是一個具有里程碑意義的產品，它首度定義了PC內部各個模塊間的技術規格如ISA等，并開放了除BIOS之外的所有技術資料，這一開源技術旋即形成了一個黑洞，牢牢地吸引了絕大部分公司的興趣。一個生態系統得以迅速形成，PC部件開發商和整機生產商都以該開放技術為基礎進行開發，從而形成了PC機事實上的標準。
對于PC這個當時的新興產業，IBM的通用平臺對創新效率的提升是決定性的，它使得兼容性和互操作性成為可能，任何一個單項技術，都有眾多的公司在同時開發。表面上，這種開發模式充滿了冗余，但并行化開發可以有效規避整個生態系統被卡死在一個節點上的問題，大大提高了生態系統的整體開發成功率。其后的DOS/Windows軟件平臺則進一步降提升了應用和服務開發者的效率，提升了商業回報的杠桿率。
智能汽車與PC和手機的本質不同在于：它對于安全性和實時性的要求不能有一點妥協，所以在技術上的挑戰要大得多，因此通用平臺的意義更大，它使得智能汽車行業的協同進化變得更加高效。
面對數字化重塑的浪潮，IBM認為，需要以客戶體驗為本，持續業務創新，以效率和客戶為中心，建立快速的組織和數字化運營模式。
對于OEM來說，這是一次徹底的顛覆，將帶來四個方面的巨大變化：
1. 組織變革：將所有汽車功能域進行集成對組織機構的沖擊空前；從根本上重塑主機廠的組織構架，從面向功能的組織轉向平臺型開發組織。
2. 人才：從當前的基于汽車產品的模式轉化為基于軟件產品的模式；從以機械和硬件人才為主轉向以軟件人才為主。
3. 行業格局：改變現有的整車廠和供應商之間的生態系統；從塔狀（Tier）供應鏈走向環狀合作。
4. 核心技術：重新定義智能化時代的核心技術：計算平臺、操作系統和應用軟件。Tesla的核心技術布局是芯片和軟件，可謂切中要害。
從技術角度看，最大的挑戰來自AI邊緣計算。
在過去的數年里，我們看到自動駕駛的等級每提高一級，算力差不多要提升一個數量級。如果要實現全自動駕駛，我們需要1000TOPS量級的算力，而人腦的算力大概也是一千個TOPs，所以自動駕駛如果想達到人類的水平，首先要在算力方面達到人類的水平。
這個等級的算力需要AI芯片突破成本、功耗和性能的瓶頸，就必須將處理器構架的創新，與算法和工具鏈相結合，軟硬協同進行設計。脫離算法和工具鏈，單純談芯片的絕對算力是沒有實際意義的。
當前的業界存在一個很大的誤區，往往會把絕對算力當作衡量AI芯片的主要指標，但我們真正需要的是有效算力，需要從四個維度來衡量：算力的有效利用率，每瓦的有效算力，每美元的有效算力，以及算力轉化為AI結果的效能（目標數量，幀率等）。
本質上講，芯片和構架是手段和載體，軟件是目的和靈魂。軟硬件一起做，可以讓手段和目的高度統一。
只有硬件俯下身來去適配軟件的時候，才能夠使晶體管所發揮的效能大幅度增加。處理器構架的創新是一個非常高的壁壘，需要對軟件有深刻理解。
這樣的整體解決方案決定了數據轉化為決策/服務的效率和質量，是時代真正呼喚的硬科技。谷歌是這個理念的實踐者，TPU的成功已經證明了這一點，在國內，初創公司地平線基于這樣的理念，推出了極高效能的征程AI芯片，并即將推出第二代征程芯片。
可以說，未來的智能汽車就是一部移動的超級計算機兼數據中心，而邊緣的人工智能處理器是智能汽車競爭的主戰場，更是技術制高點。
谷歌是這個理念的實踐者，TPU的成功已經證明了這一點，初創公司地平線也基于相同的理念，推出了極高效能的征程AI芯片，并即將推出第二代征程芯片。
邊云協同計算是另一個大趨勢，車載中央計算機、MEC（多接入邊緣計算）以及基于5G的云計算將組成的協同式計算方案，避免車端算力需求的無限增長。
預測未來的最好方法就是去創造它，特斯拉、安波福、GM以及寶馬等已經開始實踐，我們接下來會分析幾個領先者的設計理念和路線圖。
（一）安波福
*安波福的中央計算構架定義
安波福將自己的中央計算平臺的構架稱為智能汽車構架（Smart Vehicle ArchitectureTM ，簡稱SVA)，汽車將成為一個整體計算平臺，能夠執行復雜的軟件功能，就像在服務器上運行那樣。這可以讓OEM獨立于硬件來開發軟件功能，并且在不升級硬件的情況下升級軟件和安全功能。
如何實現這個構架? 安波福提出了兩個關鍵概念：供電數據中心（Power Data Center，簡稱PDC) 以及 開放服務器平臺（Open Server Platform ，簡稱OSP）。
供電數據中心（PDC）的理念非常類似于筆記本電腦的基座，一個典型的筆記本電腦的基座有USB、HDMI、SATA、電源插口等一系列接口，可以連接各種我們可能用到的外部設備，基座作為橋梁將外設與筆記本電腦連接起來。
在智能汽車上，PDC將負責連接各種傳感器、分布式音響系統以及各種控制器/執行器，為此，PDC將需要有Ethernet、CAN以及LVDS等總線接口。
PDC的另外一個關鍵作用是為自動駕駛系統提供可靠的備份電源（可以在電源出現故障時，數毫秒內切換到備份電源），同時，它還起到了網關以及各種控制器集成整合的作用（PDC有一個強大的處理器來實現這些功能），從而實現區域控制，簡化了中央計算機所要完成的工作。
今天，主流的構架是以功能劃分的邏輯域，但是，邏輯域的功能高度分散在不同的物理控制器中，結果是構架非常復雜，在整合、測試以及可擴展性方面面臨很大挑戰。PDC的出現將外部執行單元與計算隔離，是典型的中央計算機+區控制的實現案例。
開放服務器平臺是一個非常靈活通用的計算平臺，能夠支持圖形運算、AI計算、網絡處理以及功能安全。類似于我們調用云端的服務器算力做各種應用一樣，它支持各種車載應用的算力需求，從后備箱的自動控制，到人機交互，再到自動駕駛。
這個平臺不僅將計算的工作集中起來，而且提供了靈活的軟件框架和智能的硬件抽象層，從而使得邏輯域成為物理硬件的模擬。這種突破對軟件非常友好，因為硬件被整合成了資源，而軟件則從對于具體硬件的控制變成了在服務器上調用資源。軟硬件解耦，為未來的車載應用創新解鎖了幾乎是不受限制的想象空間，就好像iPhone開啟的應用程序市場模式一樣，在未來，各種新的車載功能將可能來自第三方的公司，而非車廠，但車廠將有功能驗證和發布流程認證，確保安全性和兼容性。
根據安波福的規劃，這種轉變是分階段進行的。2022年將會推出一個混合構架，把PDC整合到傳統的車載E/E構架中。到2025年，將實現全開放服務器平臺的構架，我們將會看到一個基于服務器構架的計算平臺，該平臺將整合PDC、安全冗余設計、以及一個標準的的軟件開發框架，對于安全應用或非安全應用都保持一致。
安波福認為OEM客戶從傳統的E/E構架到這一新構架的過渡將會漸進式的，但終局不會有懸念，那就是開放服務器平臺。
（二）特斯拉的實踐
*特斯拉Model 3的E/E構架
在Model 3的E/E構架中，域控制器的概念被區控制替代，整個構架分為三大模塊：第一個是自動駕駛(Autopilot)及娛樂控制模塊，相當于中央計算機，第二個是右車身控制器（BCM RH），第三個是左車身控制器（BCM LH）。
Autopilot與娛樂控制模塊掌控了所有的攝像頭和雷達傳感器。在模塊內部，Autopilot系統和娛樂系統這兩大部分通過CAN和高速串行總線FPD-Link打通。這比起如今娛樂域和安全域老死不相往來的構架設計，明顯高了一個層次。實際上，FPD-Link的存在表明，兩者之間甚至可以傳遞視頻數據。
自動駕駛及娛樂控制模塊Autopilot & Infotainment Control Module雖然是一個模塊，但是內部還是分了2個硬件平臺和2個系統，最大的變化是將全車攝像頭進行了集中的接入和運算，通過Drive PX2計算平臺集中整車所需的AI算力。兩個系統之間通過CAN和LVDS傳送數據，攝像頭圖像可以由Autopilot系統接入后通過LVDS傳給娛樂系統。這一架構讓基于車內和車外圖像的AI應用開發和更新迭代變得可實現。例如Tesla想在Model 3上升級當下最熱的AR Navi功能，也許只需要軟件工程師動動手指頭就搞定了。
右車身控制器集成了自動泊車、座椅控制、扭矩控制等功能；左車身控制器集成了內部燈光、轉向柱控制等。兩個車身控制器也都和線控執行單元、轉向控制、防抱死制動系統等執行器相連，可以直接操作車輛。在Model 3新的EE架構中，電池管理和充電控制和DCDC、車載充電機、PDU都被集成進一個單一單元，縮減了整車的高壓線束成本和裝配成本。
通過EE架構的集中化，Tesla將汽車的軟件開發內化，將汽車底層硬件標準化和抽象化，此舉讓Tesla通過軟件定義汽車和創新變得更容易。以19年初Tesla發布的Sentry 模式和Dog模式，Twitter用戶喬希?阿奇利(Josh Atchley)問馬斯克，他能否實現一種“寵物狗模式”功能，即播放音樂，打開空調，屏幕上顯示著“我很好，我的主人會回來的”。對此，馬斯克只是簡單地回答:“可以。”此外，另一位用戶也建議將車內溫度也顯示在屏幕上，馬斯克似乎很喜歡這個想法，他在推特上回復說，“正是如此”。Elon Musk簡單回復后就可以內部推動執行了，換在以前，Tesla的工程師需要去找相關的供應商逐一問一遍是否愿意接受變更，供應商們或許迫于壓力，同意更改，但是需要長達半年的變更周期和天價的設變費用，而這一切假設可能是最理想的。
特斯拉從Autopilot1.0到2.5的進化，都是沿著功能集中化，資源共享化的道路前進，而軟件版本已經迭代到V9，則體現了特斯拉軟硬件解耦，通過軟件定義汽車的實踐。對于消費者來說，每一次OTA系統升級都會帶來新的體驗，就不會感覺到這輛車會過時。最近通過OTA升級發布的“哨兵模式”和“狗狗模式”非常生動地體現了這一點。
（三）寶馬
寶馬在E/E構架方面的變化清晰地折射出計算集中化的趨勢。
*寶馬規劃的下一代E/E構架
（四）博世
博世的漸進式路線從域的集中化開始演進，終極目標一樣是車載中央計算機，并且進一步擴展了與云端配合的分布式計算能力。大陸的發展路徑也和博世非常類似。
*博世的漸進式路線
從技術上總結，中央計算機-層-區的概念將建立起智能汽車的新構架。區是局部控制、感知與執行單元，層是按照職能劃分的資源池，中央計算機是真正的決策大腦，面向應用/服務，調用各層資源，執行高級決策，由區控制單元執行決策或完成態勢感知任務。
對于車載E/E構架來說，中央計算機構架是全新的，但對于PC和手機行業，無論是SOA還是HAL，中央計算機構架都已經是非常成熟的概念。當智能化浪潮從IT行業延伸到汽車的時候，我們看到了相同的故事正在上演，汽車行業的基因正在發生改變。
從這個意義上講，無論是蘋果、英特爾、高通、三星還是華為，他們大舉進軍汽車行業的邏輯，絕非簡單地復制，而是將自身的IT基因與汽車固有的基因進行新的編輯，進化出新物種，并引領計算行業從手機的TOPS時代走向POPS（1000TOPS）時代，在這一過程中，他們有先天的基因優勢。
高度變化的需求、智能化的持續演進、車載硬件和軟件系統復雜程度的提升對計算構架的可擴展性、易用性、系統可靠性提出了嚴峻的挑戰，各大玩家殊途同歸，朝著中央計算機的構架和服務導向的開發理念前進。特斯拉、通用、寶馬、安波福、博世、偉世通以及地平線等正在引領這一潮流。
目標往往是清晰的，但通往目標的路徑卻大相徑庭，無論是IT新貴，還是汽車行業老兵，大家都是基于自己的優勢積累，從不同的坡，爬同一座山。在這個過程中，對于產品路線圖、性能、安全性和成本的拿捏，各家都不盡相同，很難講哪條路更好，所以無論是大陸和博世的漸進式域融合（domain fusion）路徑，還是特斯拉和安波福更激進的實踐，都是面向未來的探索，都值得尊重。
從PC到手機，再到機器人，每一代智能設備相比前代，都是十倍體量的增長。智能汽車作為移動自主機器的第一形態，是機器人時代當之無愧的殺手級應用，更是技術旗艦，將催生無數種的移動機器人。正如蒸汽機開啟了工業革命時代，手機行業引領了整個移動設備時代一樣，智能汽車最終將撬動比自身市場大得多的商業價值。
只有把視野放在在機器人時代宏大的敘事背景下，我們才能看到智能汽車之于這個時代的全部意義。看到趨勢并不難，難的是自我革命，誰能更堅決地擁抱這一趨勢，誰就能贏得百年汽車行業巨變時代的競爭。
為更深入的解決聽眾在智能駕駛方面的困惑，「Live」在分享結束后照舊是問答環節，李星宇對「AI投研邦」會員的疑問進行了一一解答。摘錄部分如下：
問：從你的觀察看，主機廠在向軟件發力的過程中，還需解決哪些問題？
李星宇：核心還是人才和組織結構，從面向功能的組織轉向平臺型開發組織，堪稱是涅槃重生。
問：請問軟件大規模上車，如何保持開放性和安全性之間的平衡？
李星宇：首先這個問題不可能有一個終極答案，它是一個持續尋找最優解的過程。其次，整個行業從各個維度上，包括法律、監管、開發全流程、認證測試準入等方面都是加固籬笆，其間可能會有各種問題事故，但開放的大趨勢是不會變的，我們從過去的歷史里，從電力的發展、銀行、核電的發展里都看到了相同的脈絡。
問：智能汽車向超級中央計算機邁進，是否會像PC和手機行業一樣，出現一兩家獨大的局面？
李星宇：我認為在行業的上游，比如高性能芯片和基礎操作系統方面，很有可能是這樣的局面。他們有可能占據這場變革的中心位置。
問：智能化大勢所趨，主機廠內部、主機廠和一級供應商、軟件公司之間的關系和各自的作用和地位會發生什么變化？
李星宇：從簡單的層狀供應鏈模式轉向協同進化的拼圖模式。每一個玩家都需要尋找并定位自己的核心地盤，很難再出現全棧都很強的玩家。
問：如果車載操作系統可以安裝第三方軟件，安全性這塊如何保證？
李星宇：車廠將有非常嚴格的功能驗證和發布流程認證，確保安全性和兼容性。
問：智能汽車的發展推進低于預期，站在二級供應商角度，你覺得智能汽車還面臨哪些技術挑戰？
李星宇：這是一個用整篇PPT都無法圓滿回答的問題。在方法論上，協同進化是解決之道。對與Tier1/OEM來說，不同的Tier2的組合可能是更好選擇，所以，你的競爭對手很可能也是你的神助攻。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
