社区

过去十年，汽车行业最大的变化，并不只是“从燃油到电动”。

更深层的一场革命，其实发生在汽车内部。

如果说过去的汽车，更像一个由机械零件拼装起来的工业产品；那么今天的智能汽车，已经越来越像一台“超级移动计算机”。

智能驾驶、AI座舱、大模型语音助手、跨域协同控制、OTA持续升级……这些能力的背后，都在倒逼一个问题：

传统汽车电子架构，还撑得住吗？

答案正在越来越明确。

从行业趋势看，汽车电子架构已经从最早的“分布式ECU”，逐渐走向“域控制”，并进一步迈向“中央计算+区域控制”。

而这场架构革命，本质上，是汽车产业从“功能定义汽车”走向“软件定义汽车（SDV）”的必经之路。

本期《架构课》，我们对话核芯力智控CTO王军军，聊聊为什么汽车电子行业，正在进入“中央计算时代”。

一辆车，为什么会长出100多个ECU？

很多人第一次听到这个数字时都会惊讶。

今天一辆中高端汽车，ECU（电子控制单元）数量，通常已经超过100个。

部分高端车型，甚至超过150个。

而在30年前，1993年的Audi A8，ECU数量只有个位数。

为什么会变成今天这样？

王军军认为，这背后其实是汽车“新四化”推动下的结果。

“这背后是汽车 ‘新四化’ 推动的结果。过去，每当汽车增加一项功能，行业最常用的方法就是增添一个 ECU。长此以往，整个系统变得愈发复杂。”

传统分布式架构采用 “功能专用ECU” 的设计思路。

车窗、空调、座椅、车灯等各需一个控制器，后来 ADAS、摄像头、毫米波雷达、智能语音、车联网、自动泊车等功能不断涌现，每增加一项功能，就增添一个控制器，整车电子系统由此进入 “堆叠式增长”。

ECU越来越多，问题也越来越严重

ECU 数量的增长除了BOM成本上涨，真正的麻烦在于系统逐渐复杂。

1、线束开始变成“物理枷锁”

当汽车配备上百个 ECU 时，就需要大量线束来连接它们。

目前，豪华车型的整车线束长度甚至可能超 5 公里，重量可达 70 公斤。

这不仅占据空间、增加成本，还对汽车的轻量化和能耗产生负面影响，尤其对于新能源车而言，这已然是亟待解决的现实难题。

王军军表示：

“很多人只看到智能化的发展，然而真正让行业担忧的，其实是复杂度。线束、供电、通信、验证等系统工程问题，依靠传统架构已越来越难以解决。”

2、“算力孤岛”越来越严重

传统架构的另一个核心弊端是算力分散。

每个 ECU 都有独立的 MCU、存储和软件系统，但相互之间无法高效共享资源。

这就导致部分 ECU 长期处于满载状态，而有的则大量闲置，整个系统的算力利用率极低。

然而，自动驾驶、大模型座舱等功能对算力的要求极高，这就要求行业必须从 “分散计算” 转向 “集中计算”。

3、OTA升级越来越困难

过去，汽车更新功能需前往 4S 店刷程序。

但如今，智能汽车越来越像手机，用户期望能够远程升级、让功能持续进化、实现软件快速迭代并及时修复 Bug。

问题在于，传统分布式 ECU 架构下，软硬件高度耦合，修改一个模块可能影响整个网络。

一次 OTA 往往需要多个 ECU 同步更新，验证成本呈指数级增长。

“传统架构的问题，不仅在于开发复杂，更关键的是它已难以支持软件的持续演进。”——王军军

为什么行业开始走向中央计算？

如果说分布式架构是工业时代的产物，那么中央计算则更像是 AI 时代的底层基础设施。

王军军将这场架构升级归结为 “三驾马车”。

第一驾马车：智能化

这是最为核心的驱动力。

AI 汽车本质上需要一个强大的 “大脑”。

自动驾驶需实时处理海量传感器数据，智能座舱要融合语音、视觉、用户行为和大模型推理，跨域协同则要求整车统一决策。

这些需求，传统分布式 ECU 架构已无法满足。

CAN、LIN 等传统总线带宽有限，分散 ECU 之间的数据传输效率也日益低下。

而中央计算架构则将大量核心能力集中于 “中央大脑”，新增功能不再依赖增加 ECU，而是通过新增软件实现。

这使得汽车首次真正具备了 “像手机一样持续进化” 的能力。

第二驾马车：成本

很多人以为中央计算只是为了实现 “更智能”，但实际上它也是汽车产业降低成本的重要途径。

过去 “硬件堆叠” 的模式使得成本不断攀升，王军军表示：

“中央计算不仅是智能化升级，本质上也是一次系统级降本。”

在中央计算 + 区域控制架构下，ECU 数量减少、线束长度缩短、装配复杂度降低、算力得以统一调度、电力实现集中管理。

目前，行业已呈现出明显的趋势，越来越多车企开始推行区域控制器（Zonal Architecture），因为它不仅改变电子架构，还将重构整车制造逻辑。

第三驾马车：性能与安全

中央计算还有一个常被低估的价值 —— 安全。

在传统架构下，上百个 ECU 来自不同供应商，协议、软件栈、安全体系各不相同，整个系统的功能安全与信息安全管理难度极大。

而中央计算架构更容易实现冗余设计、统一安全管理、系统级回滚、AI 安全策略以及数据安全隔离。

尤其在 AI 汽车时代，安全的范畴已不仅局限于 “机械安全”，还涵盖功能安全、信息安全、数据安全以及 AI 安全。

域控、中央计算、舱驾融合，到底是什么？

过去几年，行业经常提几个词：域控制、舱驾融合、中央计算……

但很多人容易混淆。

王军军解释，其实它们是架构演进中的不同阶段。

第一阶段：分布式架构

功能车时代产物，一个功能，一个ECU，功能彼此独立。

优点：设计简单，供应链成熟

缺点：越来越复杂。

第二阶段：域控制架构

开始把相近功能集中，

例如：座舱域、智驾域、车身域、动力域……

原本几十个ECU，开始集中成几个域控制器。

这是行业过去几年最主流的方向。

第三阶段：中央计算+区域控制

真正开始形成“中央大脑”，大量核心计算能力统一调度。，区域控制器负责“就近连接”。

类似：前区域、后区域、左区域、右区域，这样可以大幅减少线束。同时实现整车统一调度。

第四阶段：舱驾融合

原本智能座舱和自动驾驶，是两套系统。

现在开始逐渐融合。

因为：用户感知其实是统一的。

AI助手、导航、驾驶决策、视觉感知，本质上都需要统一的数据和算力。

所以行业开始从：“多个系统”走向：“一个AI中央平台”。

为什么AI汽车，一定需要新的E/E架构？

因为AI最大的特点，就是：全车协同。

王军军举了一个例子。

当自动驾驶系统判断需要紧急变道时：

智驾系统识别风险

底盘同步调整悬架

动力系统重新分配扭矩

车身系统预紧安全带

座舱系统主动提醒乘员

所有动作，需要毫秒级联动。

传统分布式架构下，很难完成这样的实时协同。

而AI时代，类似场景会越来越多。

比如：夜间暴雨场景下，视觉感知下降，系统会自动联动：

灯光系统增强照明

空调系统除雾

HUD调整显示优先级

座舱语音主动提醒风险

再比如儿童遗落车内，系统不仅检测生命体征，还会自动联动：

空调维持温度

车窗留缝

手机通知车主

云端同步报警

这已经不是单个ECU的问题。

而是整车AI协同能力的问题。

未来汽车电子架构，还会继续怎么演进？

王军军认为，未来行业会继续向：“AI原生架构”演进。

未来的汽车，不再是简单的软件汽车。

而是具备持续学习、持续进化能力的AI终端。

几个趋势会越来越明显：

1、大算力SOC持续集中

更多功能开始统一到中央计算平台。

2、车载以太网全面普及

从10M到10G。

整车通信协议逐渐统一。

3、软件进一步上移

软硬解耦会越来越彻底。

软件定义能力成为核心竞争力。

4、48V架构开始加速

更高功率需求下，传统供电体系已经接近极限。

48V可能成为下一阶段的重要方向。

过去，汽车行业拼的是发动机、变速箱和机械能力。

今天，行业开始进入：“算力定义汽车”的时代。

中央计算，并不仅仅是一次电子架构升级。

它更像是整个汽车产业，从机械时代迈向AI时代的基础设施革命。

而这场变革，才刚刚开始。

来源：核芯力智控