车载计算平台（Automotive Computing Platform）在过去十年（2015–2025）的演进，本质上是汽车从“代步机械”向“移动超级计算机”的蜕变过程。
这种演进遵循着**“算力上移、硬件集中、软件定义”**的核心逻辑。以下是车载计算平台在这十年的代际跨越：
一、 架构三部曲：从“分布式”到“中央大脑”
1. 分布式阶段 (2015–2018)
- 形态： 独立 ECU（电子控制单元）时代。车内拥有上百个功能单一的“小盒子”，每个盒子负责一个细分功能（如雨刮、天窗、刹车）。
- 局限： 硬件与功能一一对应，由于缺乏统一算力，车辆几乎无法通过 OTA 升级新功能，且线束极其臃肿。
2. 域集中阶段 (2019–2022)
- 形态： 跨过“小盒子”堆砌，进入**域控制器（Domain Controller）**时代。将车辆划分为智驾域、座舱域、底盘域等 5 大核心域。
- 里程碑： NVIDIA Orin 和 高通骁龙 8155 成为这一阶段的硬件标配，计算平台开始具备支持 L2+ 智驾和高清车载大屏的性能。
3. 中央集成与区域控制阶段 (2023–2025)
- 形态： 中央计算平台（CCP）+ 区域网关（Zonal）。多域融合（如舱驾一体）成为主流。
- 特征： * 极致集成： 控制器数量减少 70% 以上，线束重量大幅降低。
- Thor 的降临： 2025 年，单芯片算力跨入 时代（如 NVIDIA Thor），单个平台即可同时处理智驾神经网络和 3D 座舱实时渲染。
二、 核心技术栈十年对比 (2015 vs 2025)
| 芯片制程 | **** | 极致能效比支持端侧大模型 | |
| 通信带宽 | CAN 总线 () | 车载以太网 () | 从“传状态”到“传视频流” |
| 软件架构 | 嵌入式硬编码 (AUTOSAR CP) | 服务化架构 (SOA / Adaptive) | 软硬解耦，软件可独立迭代 |
| 监控机制 | 简单的 DTC 故障码 | eBPF 内核级无损监控 | 实时保障系统调度的确定性 |
| 操作系统 | 封闭实时 OS (OSEK/RTOS) | 虚拟化 Hypervisor + Linux/QNX | 支持多系统安全隔离运行 |
三、 2025 年的车载计算新范式
1. 软件定义汽车 (SDV) 的完全体
在 2025 年，计算平台不再是车辆的辅助，而是灵魂。通过 SOA（面向服务的架构），车辆的硬件功能（如摄像头、空调、转向）被抽象为 API 接口。这意味着开发者可以像开发手机 App 一样，通过计算平台远程为车辆添加全新的驾驶模式或娱乐功能。
2. 端侧大模型 (On-device LLM/VLA)
随着计算平台算力的爆炸，2025 年的旗舰车型开始在本地运行参数规模达 7B-10B 的多模态大模型。智驾系统从“避障逻辑”进化为“驾驶常识”，座舱语音也进化为真正的“人工智能管家”。
3. 确定性与安全保障
为了支撑高阶无人驾驶，2025 年的平台引入了 eBPF 监控技术。它能在不消耗额外 CPU 的情况下，从内核层面监控控制链路的微秒级延迟。这种“全栈可观测性”确保了智驾决策在物理世界中的绝对可靠。
总结：从“执行器”到“进化体”
过去十年的演进，是将车载计算平台从一个**“静态的信号处理器”变为了一个“动态进化的智能生命体”**。
- 2015 年： 你买到车的那天，它的性能就是天花板。
- 2025 年： 你买到车的那天，它的性能只是进化的起点。
