
汽车电子工程师过去习惯把几个重要功能放在不同控制器中:座舱芯片负责显示、语音和娱乐,辅助驾驶计算平台处理摄像头、雷达与道路信息,底盘与车身控制器依靠更强调实时性的嵌入式系统工作。这些模块分别升级、单独认证,再通过车内网络交换数据。北汽集团与新紫光集团11月18日公开的新一代舱驾控一体SoC联合研发计划,瞄准的正是这种多域计算方式的进一步整合。中关村科技创新平台转载的北京日报报道披露,双方近日成立联合创新中心,计划开发单芯片目标算力达到1000TOPS的车规级SoC,争取2028年1月取得工程样片,并在同年完成进一步整车验证后实现量产上车。现在已经明确的是联合研发机制、参数目标和时间计划,面向整车的芯片仍处在研发阶段。
从分布式控制器走向集中计算
汽车电子架构多年来按照功能域逐步演进。早期汽车的电子控制器主要服务发动机、制动、车身和舒适系统,彼此通过CAN等总线交换有限的信息。汽车拥有大规模摄像头、雷达、车载显示和在线应用后,高带宽数据与复杂算法被放入更强的中央计算平台,智能驾驶和智能座舱分别形成成熟的软硬件生态。下一阶段的集中式架构尝试让部分计算任务共享处理器、内存和高速数据通道,以减少重复硬件和跨控制器传输,软件系统则需要更细致地管理资源优先级和隔离。
所谓舱驾控一体,涉及的不只是把几个软件进程放到一颗芯片上。座舱任务对多媒体体验、语音响应和图形渲染要求较高;辅助驾驶面对持续的视频感知、目标跟踪、轨迹预测和规划决策;车辆控制还必须在规定时间内执行确定的反馈与保护动作。这些任务的延迟容忍度、功能安全等级、数据带宽和失效处理策略各有不同。当三类功能共享SoC时,系统架构师需要决定哪些能力使用专用计算单元,哪些适合CPU、GPU或NPU,哪些必须在独立的安全岛或实时控制域运行,以及多个任务如何互不干扰地争用内存带宽。
报道中提到,北汽从产品需求定义阶段直接参与芯片设计。这一点对传统供需关系构成了重要变化:过去很多车企选择已经发布的处理器,再根据其算力、接口和热设计能力调整整车软件;联合研发则将感知算法、座舱交互、控制任务和真实运行工况提前带到芯片架构讨论中。芯片团队在设计阶段就能理解哪些数据需要频繁交换、哪些模块必须保证确定性、哪些接口未来需要扩展。相应的代价是整车软件和芯片设计之间需要保持长期同步,对需求管理、版本变更和测试用例提出更高要求。
1000TOPS为何只是设计目标的一部分
北京日报披露,项目团队提出单颗1000TOPS的目标,并将围绕内存带宽、数据传输架构、功耗、成本和功能安全开展联合设计。TOPS通常用于表达某种数据精度下每秒能够执行多少万亿次运算,但具体模型在汽车上运行时,还受到内存容量、内存访问效率、数据预处理、调度策略、编译器和缓存命中率影响。感知算法如果需要不断把多路图像在处理器与内存之间搬运,即使名义计算吞吐很高,也可能受限于带宽或中间张量的拷贝次数。车企将实际模型和传感器组合提前交给芯片团队,有助于在架构阶段估计这些瓶颈。
更重要的是混合负载调度。行车过程中,感知与驾驶决策任务需要持续投入计算资源;车辆停靠后,座舱交互、影音和服务应用的重要性相对增加。一个统一计算平台可以根据工作模式安排资源,但关键控制任务必须拥有明确的实时执行边界。芯片设计需要提供硬件访问控制、内存隔离、错误处理、可靠启动、功能安全监测和故障恢复机制。软件架构也要配合,在不同操作系统和虚拟化环境中分配任务,记录每次控制决策的输入和输出。对工程团队而言,算力与安全的协同设计,往往比单一峰值数字更能决定芯片适用的车型和功能范围。
报道指出,联合研发中心由新紫光方面安排数百名研发人员,北汽则调用智能驾驶、智能座舱等多个团队,预计投入相近量级的研发工时。这显示出芯片开发是一项跨专业系统工程:前端应用团队给出典型驾驶场景和交互负载,处理器架构团队确定计算与存储系统,数字设计团队编写RTL,验证团队准备仿真与形式检查,软件团队同步开发驱动、编译工具和中间件,最终再由整车部门完成控制器、环境和道路工况验证。参与方越多,任务之间的数据接口越需要统一。

从需求定义到芯片样片的数字主线
一颗车规级SoC的研发链条可以从“整车希望实现什么功能”往下展开。产品定义阶段记录座舱显示数、传感器类型、驾驶算法复杂度、目标功耗、接口协议和功能安全约束;系统架构阶段确定计算子系统、内存、互连和安全域;微架构阶段设计缓存、流水线、硬件加速器和调度机制;RTL开发与验证阶段处理逻辑功能、覆盖率和时序;物理设计阶段考虑芯片面积、供电网络、热分布及制造可行性;样片回来后进行板级、控制器级和整车级测试。每一层都有专业模型和设计数据,需要让上游需求与下游测试结果相互追溯。
这正是PLM、需求管理、电子设计自动化、仿真试验与智能体能够合作的场景。工程团队可以让Agent帮助检索历史设计与技术规范、生成需求追踪表、核对接口变化、整理验证结果,甚至提出可行的RTL优化候选。企业原有的EDA工具与仿真平台继续负责确定性的检查和物理计算,变更流程保留审签与版本信息。随着需求在数年开发过程中不断修改,系统需要明确每一项改变影响哪些硬件模块、驱动软件与整车测试条件。建立完整的数字主线,可以减少跨专业团队之间重复解释设计意图的时间。
这一机制也为工业软件与装备制造企业提供了参考。大型设备往往同时包含边缘控制器、视觉系统、机器人、仿真模型、云端管理服务和现场操作界面。若硬件和软件由不同供应商分阶段交付,后期整合成本很高。联合定义关键计算平台、通信接口和测试规范,让现场需求尽早进入芯片与控制系统设计,同样能够改善工业设备的系统集成效率。北汽此次公开计划所体现的方向,是让产业链上下游从更早的阶段共享工程约束和验证数据。
汽车与半导体两条产业链如何协同
汽车芯片产业链覆盖系统设计、IP授权、晶圆制造、封装测试、车规认证、板级硬件与软件工具。舱驾控一体SoC若要量产,不仅需要处理器设计成功,还需有长期可靠的制造与供应链安排,并在温度、振动、电磁兼容和功能安全等条件下完成系统验证。产品研发团队还要面对不同车型的计算负载差异,确定能否在一颗平台芯片上通过软硬件配置适配多个车型。国产芯片项目走向规模化的商业价值,取决于能否形成可复用的架构和稳定的开发者生态。
北京本地同时具有整车研发、集成电路设计、汽车电子软件和科技服务基础。北汽与新紫光建立联合创新中心,能够在同一研发组织里协调这些资源。报道所述目标是在2028年1月获得芯片样片,然后开展控制器集成、整车适配及相关验证,争取年内量产。样片、平台控制器和量产产品属于不同的工程节点,每个节点都需要完成对应的测试和产业协作。现在公开的新信息是未来路线和团队组织安排,后续进度可以通过样片发布、整车平台测试与客户车型公告继续跟踪。
工业智能体可以从设计协同切入
对提供工业智能体解决方案的企业,围绕这一类研发项目能够设计较实用的能力组合。一个产品设计智能体负责从自然语言和历史项目中提取系统需求,生成参数化需求表;一个仿真试验智能体调用已有模型分析典型工况,整理不同架构的性能、热设计和能耗数据;一个质量与验证智能体维护需求到测试项的映射,收集每一次仿真、样机和实车试验结果;一个产品全生命周期智能体关注配置、BOM、设计变更和交付资料。多个角色共享统一项目标识与权限,在需要时调用CAD、CAE、PLM和试验管理系统。
这样的系统不依赖单个模型掌握所有专业知识。研发知识可以保存在企业内部文件与数据库中,模型根据任务检索相关内容,调用已有计算工具完成可重复的工作,再把结果写入有版本记录的工程资产。团队在部署时可以从一两个边界清晰的岗位开始,例如需求追踪、测试报告归档或参数化设计,逐步扩展到更复杂的自动化任务。北汽与新紫光的案例表明,未来的高端制造项目会更加依赖软硬件协同与长周期工程数据管理,工业智能体在这种跨专业研发组织中有广阔的应用空间。
参考文献
- 北京日报/中关村科技创新平台,2026-11-18,《算力强劲、企业共研,京产舱驾控一体芯片计划2028年量产》:https://www.ncsti.gov.cn/kjdt/xwjj/202611/t20261118_264166.html
- OpenAI,2026-11-18,《Advancing chip design with OpenAI models》:https://openai.com/index/advancing-chip-design-with-our-models/