智能汽車電子電氣架構技術研究

中圖分類號：U463.6 文獻標識碼：A 文章編號：1003-8639（2025）06-0032-07

Research on Intelligent Automotive Electronics and Electrical Architecture Technology

Wu Huixiao

（Technology Center of Great Wall Motor Co.，Ltd.，Baoding O71ooo，China）

【Abstract】The rapid development of automotive electrification，intellgence and networking has led toa sharp increaseinthecomplexityofon-board electronicand electrical systems.Thisarticleanalyzes theevolution processof automotive electronicand electrical architecture technology，andcombines theactual demand changes of intelligent vehicleapplicationscenarios todesignasetofmulti-compatibilityintellgentautomotiveelectronicandelectrical architecturewithcentral computingandregional control.Byintegratinganddeployingthevehicle-cloud integrated computing platform，equippedwitha high-performance HPC hardwareplatform，implementingnetwork security， functionalsafetyandreliabilitydesign，andbuildinga48Vinteligentpowerdistributionnetwork，thereal-time problemsofdata storageandcomputing，aswell as the balance between high computing powerrequirementsand high energyconsumption limitationsfacedbyintellgentconnectedvehiclesareeffectivelysolved.Andkeychallngessuchas thecybersecurityrisksofconnectedvehicles.Finall，thearticleconductsapreliminarydiscussionandoutlookonthe development trendsoffuture cockpit and driving integration，network topology evolution，and intelligent vehicles，etc.

【Key words】electronic and electrical architecture；high-performance HPC；48V intellgent power distribution; cybersecurity；vehicle-mountedcommunication

0 引言

增大。

近年來，汽車智能化、聯網化和電動化浪潮來襲。在人工智能技術的推動下，汽車技術與信息和通信技術逐漸趨同。大量新技術應用于汽車，使得智能駕駛、多模態交互、智能導航等新型應用成為現實。

汽車作為移動終端，承載著辦公、娛樂、情感等諸多功能。隨著交互、生態、服務化需求的變化，原本分布式的ECU更多被集成到整車上，電子部件數量持續增長，相互之間的通信關系愈發復雜。不同系統之間不僅需要相互協同配合，還需交換大量數據。與此同時，車云兩端大數據的應用以及智能化AI上車等趨勢，既是汽車電子電氣架構發展的源動力，也是其目標指引。在這種形勢下，汽車行業競爭愈發激烈，車輛研發周期縮短，成本控制壓力

因此，依據行業現狀，設計合理的電子電氣架構，以滿足產品在功能、性能、成本和上市時間等多方面的要求，成為汽車行業面臨的最為迫切的任務。E/E架構發展的源動力和目標指引如圖1所示。

1電子電氣架構演進

電子電氣架構的演進與半導體、通信技術的突破緊密相連。半導體工藝從微米級向納米級不斷演進，單芯片集成度呈指數級提升，這使得ECU從分布式向域控制器、中央計算平臺的躍遷成為可能。例如， 5nm 制程的SoC芯片可整合傳統數十個ECU的功能，算力密度的提升帶動架構向集中式發展。同時，車載通信帶寬從CAN總線的 500kb/s 躍升至車載以太網的 1000Mb/s ，TSN時間敏感網絡和5G-V2X技術實現了毫秒級時延，有力支撐了域間數據實時交互的需求。半導體技術與高速通信協議的協同創新，推動電子電氣架構向“中央計算 + 區域控制”的架構轉型，并朝著車云一體、軟硬解耦的方向發展，為智能汽車領域的系統重構奠定了技術基礎。

隨著汽車網聯化的發展，云端數據應用日益廣泛，其發展歷程可概括為以下階段：始于2000年初的車載信息娛樂系統和基礎遠程服務（如OnStar），依托2G/3G網絡實現車輛與云端的初步連接；隨后在2010年，隨著4G的普及及云計算技術的發展，衍生出預測性維護、車隊管理、OTA升級和車聯網平臺等實時數據應用；近年來，則深度融合AI、V2X和邊緣計算，推動自動駕駛數據訓練、數字孿生及個性化服務（如語音助手、用戶偏好同步），并逐步向5G驅動的云-邊協同、按需訂閱模式和合規化數據生態演進。未來，6G技術、隱私保護強化及跨廠商標準化將成為關鍵方向，進一步推動“軟件定義汽車”的服務化轉型。

在車端方面，當前行業E/E架構設計方案，基本符合博世定義的分布式- 域集中-中央集中電子電氣架構技術演進路線大方向，博世公司電子電氣架構演進路線圖如圖2所示。同時，市場上汽車電子電氣架構三代同堂的現象將長期存在。但有2個發展特點略有不同。

1）智能化的發展并沒有出現1個中央計算機取代所有域控制，或是功能云端化處理的情況。相反，多個域控制器都在向車載計算機規模升級，車端處理能力快速提升。

2）在域集中架構形態下，跨域融合控制器在應用中面臨眾多挑戰。如：艙駕融合方案配置靈活性明顯偏低，發展前景存疑。

2 問題提出

相較于傳統汽車，智能網聯汽車新增了更多功能場景和需求，例如OTA升級、手機遠程控車、語音/手勢控車、高等級自動駕駛、AI在車云兩端的應用等。因此，在電子電氣架構設計過程中，需要更多地考慮如下方面的挑戰。

1）數據采集和應用。首先，網絡依賴與實時性受限，偏遠地區信號覆蓋不足及云端反饋延遲（數十毫秒級）難以滿足自動駕駛等毫秒級決策需求。其次，車端資源受限，傳感器高頻產生的海量原始數據（如自動駕駛測試車每小時TB級）因存儲與算力不足，需通過采樣或壓縮簡化處理，導致精度下降且復雜算法難以直接部署。再者，云端成本高昂，單車日均數十至數百GB數據使存儲和實時分析費用劇增（如PB級數據的云服務成本），同時GDPR等隱私法規要求加劇了合規壓力，數據泄露風險（如車內影像、位置軌跡）與跨區域數據管理難題進一步放大風險。

2）網絡安全風險。汽車網聯化（圖3）的快速發展，將汽車從信息孤島轉變為網絡中的1個節點，面臨來自網絡的攻擊。而汽車的智能化和共享化的逐步深入和開放，使得一旦發生網絡攻擊，可能導致的后果將愈發嚴重。從車云一體化及向駕乘人員開放的后裝設備、移動設備和可穿戴設備都與車輛建立通信鏈路，成為可被惡意攻擊者利用的攻擊途徑。同時，反向由車向云及后裝設備等也是潛在的攻擊途徑。

3）車載通信性能提升。隨著智能網聯汽車技術的不斷演進，尤其是在智能駕駛、智能座艙、AI邊緣計算與SOA等領域，車內網絡總線的交互數據需求呈現顯著增長。音視頻、大型文件、控制指令等各類信息均需通過網絡總線高效傳輸。這對車內網絡總線的通信能力提出更高要求，不僅需提升數據傳輸速率，更要確保關鍵信息實時性和通信系統的可靠性。

4）功能安全及可靠性。針對L3及以上自動等級駕駛功能，以及線控底盤技術（比如線控制動/線控轉向），基于可用性的安全需求，需保證整車出現任意的EE單點故障后，架構仍具備一定能力支持自動駕駛/線控底盤執行MRC，確保整車安全可靠運行。

5）能耗與節電。伴隨著整車智能化普及、AI算力提升、線控底盤上車等新技術推廣應用，整車用電量呈爆發式增長，當前政策和電流消耗已達250A，12V配電系統已不堪重負。

3解決方案

根據以上智能化、AI、數據需求，汽車EE架構發展趨勢正朝著中央 + 區域架構方向演變，這一架構結合了集中式與分布式架構的優點，以提升汽車電子系統的效率和靈活性。在中央架構下，核心功能和數據通信由中央計算平臺統一處理，區域控制器整合整車分布式控制器，按區域就近驅動采集IO，從而實現線束優化和更高效的數據管理共享。汽車架構簡圖如圖4所示。

3.1數據采集與處理的架構設計

就當前情況而言，整車數據采集與數據應用主要從以下3個階段進行數據架構迭代。

1）云端集中化。核心特點為車端數據上云，云端提供核心計算與服務。通過CAN總線和以太網采集車輛運行數據，利用TCP/IP等協議實時上傳至云端。在云端，數據經Kafka等工具構建流式處理鏈路，實現故障報警、手機APP狀態顯示等實時分析，同時通過批處理分析駕駛行為、能耗模式等長期數據。基于云端部署的機器學習模型（如高壓電池健康預測、能耗優化算法），支持遠程控制功能（如鎖車、空調預啟動）。安全方面，采用TLS加密傳輸及雙向認證（車端證書驗證與云端鑒權），確保符合網絡安全標準和數據隱私規范（如GDPR、《汽車數據安全管理若干規定》）。

2）車端邊緣化。核心特點為車端成為數據與計算節點，實現“云-邊-端”協同。車端整合多總線信號并全量存儲原始數據，采用低功耗、高壓縮方案構建“數據黑匣子”，支持事后事故分析或召回溯源。部署輕量化邊緣計算引擎，在車端智能篩選關鍵數據（如碰撞前10s的完整原始數據），結合高壓縮技術降低上云傳輸成本，并基于業務需求靈活配置數據傳輸模式（全量實時上云、事件觸發傳輸或本地緩存）。通過算力與存儲向車端下沉，顯著減少云端存算壓力與傳輸帶寬消耗，同時將時延壓縮至毫秒級，滿足本地實時決策需求（如緊急制動預判）。

3）端側智能化。核心特點為車端部署大模型，形成自主學習與服務化控制能力。依托異構計算架構（ CPU+GPU+NPU ）和液冷散熱技術，車端實現實時推理（延遲 lt;50ms ），支持超參數量（ gt;10 億）的大模型（如Transformer架構）運行。通過持續學習用戶個性化數據（如駕駛偏好、交互習慣、環境適應需求），模型動態優化服務（如雨天制動距離調整）。車端與云端通過一體化技術同步：云端定期將更新的大模型知識遷移至車端輕量化模型，結合路側單元和云端超算中心形成混合智能決策系統（如暴雨場景的路徑規劃）。軟件故障日志數據標準化設計，結合故障碼共同實現整車各部件及應用的故障監控及實時分析。數據在車端本地處理，避免明文外傳以符合《智能汽車數據安全指南》要求。最終實現車輛在封閉園區等場景下的自主決策能力，并從“功能預設”轉向“按需進化”，基于用戶畫像提供個性化服務。

3.2 網絡安全

整車網絡安全采取縱深防御策略，秉承“進不來，看不懂，控不了，拿不到，走不脫，可恢復”的思想，從整車E/E架構層面進行設計（圖5）。整車縱深防御可劃分為4個層級。

第1層為車外安全防護，采用身份認證、權限控制、完整性保護機制保護車端外部設備或云平臺的訪問安全。應用身份認證措施，對期望與車輛建立通信鏈路的外部單位進行身份真實性驗證，只有通過認證的可信單位才能建立和車輛的通信鏈路，如TLSv1.2協議、賬號密碼機制、TOKEN機制、UDS29服務。車輛需對外部設備的權限進行控制，滿足功能實現最小必要權限為準，避免超范圍授權，如UDS27服務、挑戰應答機制、TOKEN機制。各外部單元本身的安全也需要被關注，若外部單元本身存在可被利用的安全漏洞，則可能導致作為跳板發起對車輛的攻擊。

第2層是針對車內帶有外部接口的控制器加強自身安全防護，例如權限控制、內外網硬件隔離、安全存儲、安全刷寫等。

第3層是針對車內總線進行安全通信保護，對關鍵信息進行完整性和防重放機制保護。

第4層是對車內關鍵零部件，采用安全刷寫、訪問控制等手段進行防護。

3.3車載通信系統設計

引人以太網通信技術，以應對車載網絡系統對

高帶寬的迫切需求，同時輔以TSN技術，確保關鍵數據傳輸的低時延和高可靠。

3.3.1 以太網通信技術

傳統車載網絡技術，如CAN和LIN，雖然在控制和通信方面發揮了重要作用，但在處理高帶寬數據時顯得力不從心。因此，為了應對當前智能網聯汽車迫切的高帶寬需求，引入以太網通信技術到車載網絡系統中成為必然的選擇。車載以太網通信技術具有如下特點。

1）高速率。相比傳統CAN總線 500kb/s～2Mb/s 的傳輸速率，車載以太網技術支持 100Mb/s～1Gb/s 速率甚至更高，且為全雙工通信，能夠支撐車內各類音視頻數據流、高清圖片以及大容量文件的傳輸。

2）可擴展。車載以太網可兼容現有IT行業以太網的上層協議，支持完整TCP/IP協議簇，從而消除了車云、車輛和外部設備之間的協議壁壘，具備更強的靈活性和擴展性。

3）兼容性。相較于傳統以太網，車載以太網技術針對汽車環境進行了適應與優化，提升了電磁兼容性（EMC）表現，并大幅減少了線纜的使用數量（減重），從而完美契合車載應用。例如，100Mb/s車載以太網采用2根非屏蔽線即可實現全雙工傳輸，而傳統以太網則需使用4根屏蔽線。

3.3.2 TSN技術

TSN（時間敏感網絡）技術依托于車載以太網系統進行部署，該技術能夠保證以太網通信系統中的關鍵數據流（如基于SOA的車控指令）能夠被低延時、高可靠傳輸。

TSN技術包含多個協議，每個協議具備不同的功能和效果，可作用于不同的場景。典型的TSN協議及功能如表1所示，在系統設計過程中，需根據網絡特性和數據流需求選擇不同的協議進行搭配和部署。

1）低延時設計。基于IEEE802.1Qav/Qbv協議的數據流整形如圖6所示。利用“IEEE 802.1AS+ IEEE802.1Qav+IEEE802.1Qbv”的協議組合，構建基于信用和門控的數據流整形算法，減少關鍵數據流的排隊時間，同時平衡Burst數據流的網絡負載，可在保證各類功能體驗的前提下，實現關鍵數據流的低延時傳輸。

2）高可靠設計。基于IEEE802.1CB協議的環形組網如圖7所示。利用IEEE802.1CB協議，使關鍵數據流在多條鏈路中冗余傳輸，形成環形組網架構，當某條鏈路斷開時仍能正常通信，實現關鍵數據流的高可靠傳輸。

3.4功能安全及可靠性

針對L3及以上自動等級駕駛功能，以及線控底盤技術（比如線控制動/線控轉向），基于可用性的安全需求，功能安全從架構層面，采用故障避免、故障隔離和故障容忍策略，通過冗余技術保證整車出現任意的EE單點故障后，架構仍具備一定能力支持自動駕駛/線控底盤執行MRC，確保整車運行的安全。冗余設計覆蓋供電冗余、通信冗余、傳感器冗余、控制冗余和執行冗余，具體架構形態如下所述。

1）供電冗余。采用雙電源 + 隔離器 + 智能配電的供電架構方案，實現獨立的雙回路供電。

2）通信冗余。采用獨立、冗余的通信鏈路，確保傳感器、控制器和執行器之間的通信回路備份。同步通過增加數據冗余校驗位，比如通信E2E保護算法，確保數據傳輸完整性。

3）傳感冗余。比如針對L3及以上自動駕駛環境態勢感知方面，采用毫米波雷達技術 + 激光雷達技術 + 視覺技術，實現多源異構傳感器融合，實現任一傳感器故障，依靠剩余的感知能力，可實現安全停車。

4）控制冗余。采用2個獨立的控制器/雙控制芯片，實現算法獨立、硬件獨立和軟件獨立。

5）執行器冗余。采用2個獨立的執行器，確保任一路執行器都可獨立執行MRC。

一種典型冗余架構示意如圖8所示。圖中黑色和紅色箭頭指示分別代表互為冗余的能量流或通信路徑，不代表實際拓撲連接關系。

3.5 48V智能配電網絡設計

低壓配電升級至 48V ，在負載功率不變的情況下，工作電流降低至原來的1/4，低壓損耗理論上可降低至原來的1/16；這不僅能有效減小低壓配電線束直徑，降低整車質量，還能夠承載更大功率的低壓電器負載。

整車切換48V后，需采用全智能配電技術。當前12V主流的物理熔斷絲不再適用，需全部切換為電源芯片，用以控制回路通斷并保護回路線纜，使整車配電更安全。基于此，優化低壓配電架構，將電池和DC/DC設計在主配電回路兩端，配電域控串入主配電回路上，并在配電域控內部集成隔離電路，從不同的域控取電，可形成冗余配電，滿足高階智駕和線控底盤等負載的安全配電需求。串行配電架構如圖9所示。

目前，車規級芯片技術日益成熟，各大芯片廠均在積極研發布局，但產業鏈尚未完全激活，導致整車切換48V配電成本有所上升。然而，整車升級48V配電是汽車行業的發展趨勢。從長遠來看，待48V產業鏈成熟后，整車的成本和質量有望實現雙降。因此，現在需要跟進48V技術，并提前開展預研工作，為48V上車做好前期準備。

4智能汽車電子電氣架構未來發展方向

中央計算平臺將演變為車載“超級計算機”，整合車上大部分以上算力并支持OTA持續升級；將AI加速單元與功能安全核同時封裝于同一芯片；MCU則專注于區域化執行，通過低功耗設計與ASIL-D功能安全認證保障關鍵控制鏈路的可靠性。在通信層面，時間敏感網絡（TSN）與5G-V2X將進一步融合，支撐車云協同與邊緣計算。未來的挑戰在于平衡算力集中化與實時性需求，同時解決多供應商協議兼容性難題，推動行業向標準化、平臺化加速發展。

4.1中央計算發展的特點

4.1.1 中央算力的集成化演進

隨著硬件處理能力不斷提升，尤其是CPU算力和AI算力的增強，艙駕融合會按照以下3個階段逐步實現。第1階段為One-Box控制器級融合，如圖10a所示，將原本相互獨立的智駕域和座艙域控制器（2個“盒子”）集成到一個物理單元當中，但內部依然保留多塊電路板和多顆芯片，此階段屬于初步集成。第2階段為OneBoard板級融合，如圖10b所示，把原來智能座艙和智能駕駛的MCU與SoC集成到同一塊PCB上。采用PCIe和以太網RGMII等高速接口，極大地擴展了通信通道的帶寬，實現數據共享。第3階段為OneChip芯片級融合，如圖10c所示，將原來分別歸屬于智能座艙SoC和智能駕駛SoC的功能整合到單一SoC上。隨著芯片技術的持續進步，SoC的CPU數量、DDR帶寬、外設接口數量以及AI算力不斷提升，OneChip芯片需要處理智能駕駛和智能座艙領域的所有數據與運算。

OneChip方案是汽車智能化深度集成的關鍵路徑。盡管面臨技術復雜性與成本方面的挑戰，但其在性能與效率上具備的優勢將推動行業朝著中央計算架構快速演進。未來，隨著芯片工藝升級（如3nm/2nm ）以及Chiplet技術的成熟，OneChip或許會成為智能汽車的標準配置。艙駕融合既可以采用傳統的單片式SoC，也能夠基于Chiplet技術的SoC。這種技術將分別為智能座艙和智能駕駛設計的Die連接后封裝為一顆SoC。Chiplet技術也是汽車行業需要重點關注的技術發展方向。

4.1.2 AI算力的增長及其廣泛應用

隨著AI的迅猛發展，算法從RNN/CNN向Trans-former架構重構，實現了并行計算與跨模態生成的突破，進而朝著Diffusion+AR協同進化的方向發展。大模型則從億級參數單模態（如BERT）向萬億級多模態（如GPT-4）爆發式增長，通過MoE架構與行業精調，推動AI從感知理解階段邁向自主創造階段。這種“大模型 + 算法矩陣”的協同創新模式，正在重塑金融、制造、醫療、教育等行業的智能基礎設施。

AI在汽車領域的應用正沿著“交互智能一決策智能一系統智能”的路徑不斷深入發展。從基礎的語音控制（如車窗開關指令識別）到具備場景理解能力的智能語音助手，再到融合情緒識別的認知型AI，交互維度已經從單模態擴展至視覺、觸覺、生物信號的六維融合。在決策層面，智駕系統歷經規則驅動（MobileyeEyeQ4）、數據驅動（特斯拉 BEV+ Transformer模型）向世界模型驅動（Waymo知識圖譜）的演進，使得復雜路口通過率從 82% 大幅提升至 97% 。系統級AI更是滲透到三電管理領域，例如寧德時代AI拆解系統實現電池材料 99.3% 的回收純度，充分彰顯出AI正在重構汽車研發、生產、服務的全價值鏈。

汽車不僅擁有高價值的軟硬件系統，還與用戶存在密切聯系，這使其成為理想的AI載體。長城汽車將AI產品定位為“新的智能體（AIAgent）”，致力于推動智能駕駛與智能座艙的深度融合。隨著技術的持續發展，智能駕駛和智慧空間的AI范式日益趨同。因此，長城汽車提出了關于AI發展的新思路，即空間語言智能體大模型（Agentof Spaceamp;Language，ASL）。ASL建立在空間智能的基礎之上，采用人類自然語言作為附加輸入和輸出。配備ASL的汽車，基于多維數據，能夠更加以人為本，為每一趟旅途量身定制方案。這將開啟智能進化的全新階段。在ASL階段，基于空間智能，將智駕、智能座艙乃至整個底盤的多維數據融合在一起，車輛能夠實現全方位、立體化的信息處理和智能決策，真正獨立地依據目的地特點、乘客的需求和偏好，以及沿途的交通和環境信息，打造獨一無二的出行體驗，讓智能汽車成為一輛真正的AI智能體。

4.2 光通信技術

隨著汽車智能化與電動化進程的加速，以及集中式電子電氣架構的部署，未來車載通信網絡仍將面臨數據傳輸帶寬、電磁兼容性以及輕量化設計等多重挑戰。銅纜在高頻信號傳輸時容易受到電磁干擾，導致系統穩定性下降，而且高通信速率會使銅纜直徑增大，這與電動車輛續航優化的目標之間的矛盾愈發突出。

當速率達到 10Gb/s 以上時，基于銅纜的車載以太網傳輸瓶頸將逐漸顯現，參考現在民用和工業領域，高帶寬以太網呈現“光進銅退”的趨勢。光通信相比銅纜通信優勢主要體現在以下3方面。

1）EMC。光通信通過光纖傳輸光信號而非電流，天然具備對電磁場干擾的免疫能力。這一特性使其在高壓設備、高開關頻率等復雜電磁環境中仍能保持穩定的信號傳輸，避免了銅線網絡中常見的串擾問題。

2）質量。在速率達到 10Gb/s 以上時，光纜質量僅為銅纜的1/20，能夠顯著降低整車線束質量。

3）速率。由于解決了EMC和串擾等問題，車載光通信很容易就能達到 10Gb/s ，未來將出現 50Gb/s 的車載光通信系統，而銅纜目前上限被限制到 10Gb/s 以內，未來很難實現速率的進一步提升。車載高速網絡技術演進如圖11所示。

隨著IEEE802.3.cz等車載光通信標準的發布，車載光通信已經逐步走向成熟，未來將成為構建整車電子電氣架構的關鍵技術之一。

技術，即利用智能駕駛前視攝像頭實時監控路面狀況，在通過起伏路面時，自動調整車輛懸架的高度和硬度，降低因路面起伏導致的顛簸感。車輛還可以根據前方道路曲率的變化，調節懸架的高度和傾斜度，實現更加平穩順暢的轉彎。

在動力領域，車輛能夠從智能駕駛攝像頭的檢測結果中提取道路坡度和彎度的變化信息，相應地提前調整車速或者開啟能量回收系統，從而降低車輛的能耗。

以上在底盤領域和動力領域的創新，都源于車載前視攝像頭對路面的監控和識別，其對應的人工智能模型部署在自動駕駛或者中央控制器上，無需增加額外的處理器，即可實現整車智能化。

5結束語

汽車電子電氣架構處于持續演進之中，需要依據實際情況，解決開發過程中遇到的各類問題，設計出合理的解決方案，不斷提升車輛性能，持續增加新功能，降低成本，實現技術的廣泛普及。同時，我們也要緊跟業界發展潮流，積極接納新技術和新變化，運用新技術升級智能汽車，持續提升用戶體驗，為用戶提供更安全、更高效、更舒適的智能汽車產品。

4.3 整車智能化

在智能化的大潮下，底盤控制和動力系統也發生了諸多新變化。在底盤領域，典型的應用是魔毯

參考文獻

[1] Bosch.Whitepaper：The next step in E/E architectures[Z].

（編輯凌波）