张燕：智能驾驶域控制器系统的智能化开发实践

　　11月7日-8日，2024中国汽车软件大会在上海嘉定召开。惠州市汽车电子股份有限公司高级工程师张燕发表演讲。

　　以下内容为现场发言实录：

　　各位专家各位老师们下午好！今天我分享的课题是智能域控系统开发和实践，我的分享主要分4个模块，前面两个主要是分析当前行业趋势、市场需求变化，第三分享当前系统演进过程，最后分享了我们德赛西威实践和探索。

　　随着我们用户需求不断增长和市场快速变化，我们的智能驾驶系统技术在快速发展，随着技术发展，我们大家就逐步形成共识，区域化+中央计算是当前最满足智能驾驶系统的框架，其中比较有代表的是Zonal EEA的中央架构，它在整车设计、制造成本、快速落地、轻量化等方面已经取得一定优势，但是同时因为它在系统成熟度，还有对已有架构的兼容等方面的问题。所以还需要经历不断的发展和演进，才能更好满足我们的需求。

　　同时，随着市场需求变化以及用户需求增长，我们也充分认识到了我们的智驾系统需要往着更高的性能，更高的安全性，更高的舒适性，更高应用性方向发展，才能促使我们的产品更好满足用户需求。

　　近年来，我们的智驾系统框架也发生很大变化，发展比较迅速，从过去基于模块化分布式架构，软硬比较耦合，我们的新功能和新技术应用会受到框架很多限制，到后来我们出现了域集中式架构，它是以以太网作为骨干网，域控承载域内路由，能够实现L2-L3级别的智驾功能。

　　现在通用方案是多域融合和中央集中式架构，它主要是以TSN以太网作为骨干网，能够支持L4-L5级别的智驾功能，整车基于SOA实现了软硬解耦，还有硬件IO的标准化，支持硬件独立动态加载，功能动态配置。所以在扩展性、复用性、成本都体现了大优势，未来架构会往车路云一体式架构发展，主要基于以太网和高速无线网络和通过车内中央计算机来承载我们的智驾域、智控域，还有座舱域，它是以整体芯片一体化形式存在。

　　同时我们的开发模式也发生了很大变化，从原来的以技术人员为主导的开发模式，发展到如今人机共创的开发模式，AI从我们的软件需求的设计开发，到我们最终交付和验证，都发挥了很大作用，同时AI技术在我们智能驾驶技术领域，从输入感知、决策规划、执行控制等方面都起到很大作用，帮助智驾功能快速开发落地。

　　德赛西威在不断对智驾系统进行各个方向的研究和探索，凭借我们强大的团队和技术人员，我们不断突破一些技术瓶颈，对前沿技术进行研究，并把它应用到我们的实际产品中，这是我们的一个全域融合框架，它整个框架主要包括了座舱域、智驾域、智控域，主要是分层框架，包括硬件层、硬件抽象层，在硬件抽象层，集合了虚拟化管理技术，支持SOC异构平台，它对各种外设和底层硬件都进行标准化抽象，可以屏蔽不同硬件差异。

　　操作系统层融合当前各个域主流操作系统，在系统软件层，我们支持标准Autosar基础软件的接入，而且还提供系统服务，对上提供标准化系统资源接口，这样可以屏蔽不同系统的差异性，支撑上层业务功能开发。

　　功能软件层我们提供整车级的服务，还有标准化数据流框架，同时在各个域也提供相应该域基本功能服务，比如智驾域有规划服务、控制服务，同时它对上层应用也提供标准化API接口，在应用层提供丰富用户定制化场景应用，可以满足千人千面的需求，在云服务层，它提供智能场景，智能导航，还有在线升级等功能，同时框架还集成功能安全、信息安全模块，来满足平台对于安全方面的需求，另外我们这个平台也集成了强大的开发工具链。

　　同时在中央域控架构方面，我们基于了zonalEEA 3.0架构，研发中央计算平台ICP，它是我们公司首款基于中央集中架构的产品，集座舱服务、网卡服务、网联服务、智驾服务于一体的一个平台，它是采用可插拔的形式，可以支持扩展，还有定制化需求。

　　主要包括4类板卡，网卡类板卡主要提供整车级数据，如雷达数据、CAN数据、IMU数据、GNSS数据等，它同时还会提供我们整车的一些管理，比如电源管理、数据路由管理、功能安全管理等，ADAS卡类主要提供低速泊车、高速辅助驾驶的功能，如我们公司基于TDA4平台开发的智能驾驶平台，还有基于A1000开发的行泊一体产品。

　　还有就是我们基于英伟达ORIN系列芯片开发的能提供高速自动驾驶，低速泊车，高级辅助驾驶于一体的智驾平台，座舱域类卡主要包括了基于8155、8295开发的智能座舱平台。

　　这是我司基于多域融合相关产品，除了上面提到的中央集中式计算平台ICP之外，我们还研发了基于Orin和8295的舱驾一体多芯片融合平台，还有基于8775平台开发的舱泊一体单芯片融合。

　　关于智驾开发模式我们也进行深入探索，当下智驾模式有以下几种，第一是基于V模型的常规模块化开发模式，它是依托于公司技术人员和公司积累经验，也是目前比较常见开发模式，第二个是数据驱动开发模式，目前比较主流，比如数据闭环系统，它是包括了从数据的采集、处理、挖掘、清洗、标注，到算法训练验证部署，是依赖影子模式和云端数据管理，形成完整数据闭环系统，从而快速推动智驾功能开发到落地。

　　另外一种当前大家谈论得比较多，端到端系统开发模式，是高度集成化方案，它融合传感器数据输入到决策判断，能够提供从传感器到执行的直接映射关系，同时它还具备不断学习和自适应的关系。所以就从框架层保证了未来高安全性和高效率智能驾驶系统开发。

　　在探索AI在我们整个软件系统中的应用，首先我们在将AI应用于我们的软件工程，我们开展了从原来基于过程的传统设计开发模式，到AIGC提供的基于需求的开发模式，我们将AI赋能我们的软件工程，我们的开发工程全数字化，可以通过AIGC来生成整个过程中所有产物，包括设计文档、代码、测试脚本、测试报告，整个过程对人的依赖性很低，交付周期很短，真正实现持续交付，我们让AI大模型赋能我们的软件架构，形成的是一个生成式架构，不需要像传统一样去对我们的系统从顶层到底层进行层层算法、逻辑、数据、输入输出接口定义，还有交互逻辑等设计，我们只需要给出软件系统需求，定义出抽象目标，AI帮我们完成接下来的架构、设计、开发、测试等工作，同时它还能保证从设计到实现的一致性，从需求到交付的一致性，并且通过AI模型和数据训练，能够提供最优的架构。同时它还自带继承性和创新性。这是AI在我们的软件工程里的实践。

　　另外，我们也探索了AI在我们的软件流程里的实践，这个是依托于我们公司SMGC平台工具，我们SMGC平台它是部署在我们公司私有云里面，它能够支持我们多人同时协同开发，而且提供不同权限管理，我们工程师可以通过网页方式登录工具，这个工具它能支持拖拽的形式进行建模，同时它支持多种数据格式导入导出，比如我们主流的一些IDL、ARXML、Ros2msg等数据，同时支持多种语言类型的代码生成，包括了C/C++/JAVA等，另外它还支持很多种通信方式，如SOMEIP、DDS等。现有阶段我们利用这个工具在软件流程中覆盖了软件编程，图形化设计建模，通信协议部署，还有测试以及可视化日志分析这几个流程，在未来我们会逐步利用这个工具来覆盖我们整个的流程，并且在未来我们还要基于AI大模型支撑整个工具的实施，利用AI帮助我们在流程中执行需求分析、软件设计开发，还有测试等工作。

　　以上就是我的分享，我们德赛西威的愿景就是成为出行变革的首选伙伴，创造更安全、舒适和高效的出行生活，谢谢大家！

　　（注：本文根据现场速记整理，未经演讲嘉宾审阅）