汽车软件数字化转型 架构设计与开发体系是怎么建设的？

现在是智能机械和智能系统的时代。据世界经济论坛等机构研究，在2021-2030年，全球经济的主要增长动力来自于机器经济，即智能化、互联化、自动化的机械，以及由此带来的经济驱动是这个世界目前主要的经济增长点。

智能时代 企业如何应对

从数据计算的角度而言，将有超过一半的数据将来是在边缘侧进行处理。边缘侧指的是业务现场的智能设备，而非集中的服务器。在智能系统时代的背景之下，企业要如何面对？去年风河联合了知名的财经媒体福布斯进行了一个全球范围，针对科技行业和智能设备行业的调研，得到了智能系统公司特征的研究报告（可以从风河官网获取）。

从研究报告中可以发现，智能系统时代企业需要变成一个软件引领、数据驱动型的公司，并且全生命周期的数字规模化将是一个成功关键。在国内经常会提到的说法是，数字产业化和产业数字化。

这两者之间如何打通，就是构建数字闭环。正如知名的中国学者说过，数据是未来世界的石油。谈数字产业化也好，产业数字化也好，都是充分利用和挖掘数据的价值。将关于软件定义汽车的所有讨论串联起来的主要线索也是数据。

这样的背景之下，企业成功关键主要是在以下几个维度。

第一个维度是开发的速度。咨询公司麦肯锡设计了一个企业开发速度的指标体系（DVI），衡量在软件定义的世界里面，企业获得成功的关键因素：开发速度。当然企业成功直接体现就是以企业营收增长来衡量。麦肯锡研究了几百个公司的样本，建立起一个数据模型，结论是开发速度最快的前25%的企业，平均盈利的能力是排在末尾25%企业的8倍。这是企业开发速度对盈利影响的一个直观体现。

第二个维度需要思考流程怎么现代化。开发速度不是凭空而来的，跟企业自身的研发流程，研发的体系，基础设施的架构和建设都是相关的。这两个维度跟风河系统今天讨论的话题比较相关。

第三个维度是业务模型的转变，比如软件业务、数据业务等等。这比较偏企业的业务管理层面，但是离不开前面两个维度的基础能力准备。

智能交通时代

回到汽车行业，我们讨论的不仅仅是智能化的汽车，而是智能化的交通系通。基于公司、产品和客户场景这几个回路来看，在汽车行业里面是如何体现的，同样以数据的视角来看交通行业。首先客户怎么使用产品。现在这些车辆，自动驾驶以及各种各样的智能化功能，离不开本身在使用场景之下，与它环境的互动，以及对周边事件和环境的信息采集。这些当然都是以数据的形式在车辆以及云端进行处理。其次在车里这样的边缘计算设备，考虑到智能驾驶这样的应用场景，离不开人工智能、机器学习等很大规模数据的分析和处理。最后在企业内部维度，一个是研发怎么能够根据你用户的使用情况，及时提供更好的软件和更好的服务，根据利用场景的实时变化实时交付你的新软件；另一个是怎么根据收集起来的数据，不停地优化软件开发。尤其是自动驾驶这样复杂的功能，如特斯拉有所谓影子模式，就是通过车上的实时数据链来不停的训练、优化自动驾驶的模型。

现在软件庞大复杂，持续集成/持续交付（CI/CD）方式从软件快速迭代和复杂项目管理角度是更加合理的方式。

今天的开发过程通常会用到一些数字孪生和基于模型的训练技术。CI/CD在正式交付之前必须要有一个环节，却通常容易被忽略，就是持续测试（CT）。经验告诉我们，持续测试往往是限制软件交付效率的最大瓶颈。

然后是制品库的管理。很多公司虽然在特定的开发环节上已经尝试使用CI/CD，但在整个项目的周期管理上，仍然欠缺系统化的CI/CD。典型的特征就是缺少严格的体系化制品库管理，或者说版本的管理。当然这同样离不开软件架构和敏捷项目管理的配合。 

如图，在虚线的左侧是开发和部署，已经有比较多的公司在一定程度上尝试CI/CD开发理念。而在运维和服务这一侧，行业的现状是谈的比较多，事实上真正有商业化应用的仍然比较少。但这是一个必然的发展趋势。

将来怎么更好的挖掘车辆在运营之后的商业价值，以及运营之后为客户提供更好服务，是车企必须准备的能力。当前在商用车领域，已经有较多的实践；在乘用车领域，因为用户场景太过于碎片化，因此应用还不广泛。

什么是极致边缘计算设备(extreme edge)？

车辆今天不仅仅是一个机械设备，还是一个边缘计算的设备。之所以称之为极致边缘设备是因为它的连接复杂性会非常高，决策速度要求非常高，同时功能复杂性也极其。这样一个极致汽车边缘的设计，有哪些特点？

第一是超级互联。车辆有非常复杂的互联系统，包括车内的各种通信网络以及车外无线的互联通信。这是非常复杂的通信网络，在其他行业里很少看到。尤其是在跨区域，动态行驶过程中，维持无线互联会对它的通信提供更高的要求。现在纯电动车辆，相对来说比较少受到车上功耗的限制；但传统汽车，车载电池容量非常有限，功耗也是关注点。这是汽车行业独有的一些特征。

第二是软件定义汽车。这得益于汽车半导体的发展，计算能力极大丰富。尤其是自动驾驶等领域，人工智能算力已经达到了上千TOPS。表面上的算力，不能充分体现出不同平台之间的差异，软件是更加重要的灵魂。软件与硬件的结合必不可少，没有彼此很好的结合，表面上的算力没有太大价值。

从CPU的算力角度，在两年前行业才刚开始用复杂的多核异构芯片，2核、4核刚刚才量产。当前，据风河公司了解到领先的芯片公司已经在开发多达32核、64核的强大芯片。芯片如此强大之后就可以把功能高度集成化。这造成了平台到底实现什么功能，做什么事，是由运行什么软件决定的，不是由硬件本身决定的。因为硬件资源足够丰富，丰富到可以不考虑它的差异性。这和IT行业已经发生的故事非常一致。

极致发挥数字化 需软件架构设计

如何发挥数字化的价值，离不开数字边缘本身软件架构的设计。现在在汽车行业已经比较广泛地使用多核处理器。典型的多核处理器包括若干个性能ARM A核，比如A53、A55、A76、A78等等。芯片架构可能是双核、四核，也有一些公司已经开始基于八核芯片做项目开发。在A核之外可能会有MCU核，常见的MCU核，比如说R5F、R52、M7等。这类异构的SOC的设计初衷是典型的实时性任务，仍然运行在MCU核上，也仍然支持AUTOSAR CP。不排除有公司会有其他选择，但行业主流仍然是AUTOSAR CP。

在A核之上，常见两核或四核，目前比较常见是一个操作系统。这个操作系统可能是RTOS实时操作系统，也可能是开源的Linux操作系统。问题是怎么选择它们？以风河在操作系统行业40年的经验来看，进入到软件定义汽车时代是相对还是晚一点的。更早一点的行业，比如航空、通讯网络设备等，早已经步入软件定义的架构（IMA），软件定义网络（SDN）的时代。风河系统看到的各行业普遍趋势是，软件定义的世界一定是Linux优先。因为Linux的丰富生态和兼容性是任何私有化的操作系统都无与伦比的，发展速度更是一日千里。

在操作系统之上，在汽车行业现在谈的是如何更灵活的提供用户服务。行业通常会从SOA架构上来讨论。SOA本质是一种设计理念，不一定是基于常说的AUTOSAR AP架构。当然AUTOSAR AP是汽车行业去实现SOA架构很好的参考平台。与此同时风河也看到了国内外都有公司尝试基于Linux构建自己的SOA中间件架构。这些公司当然是对自己软件架构的开发能力和开发成果都有较高的期望。相对来说直接使用商业化的产品是更加简单的选择。基于AUTOSAR AP之上，客户可以构建自己各种各样的车辆级别服务。

更多核的芯片不应是只有一个操作系统。因为一个操作系统跑多核SOC，由于并发计算限制，效率提升的边际效应会递减。更好的做法是分多个虚拟机，提高并发，同时方便软件模块化开发和管理。例如，把有生态依赖和计算性能需求的软件部署在一个或多个Linux虚拟机上；把实时性任务的软件放在RTOS操作系统虚拟机上。跨虚拟机通讯可通过SOME/IP、DDS等通信机制。不同操作系统通过虚拟机管理平台（hypervisor）来协调。这是目前看来比较主流软件架构。

分享见解 提出风河方案

风河系统也在思考将来汽车软件的集成架构会朝什么方向发展？

云原生的发展方向应该是汽车行业软件发展未来的趋势。这也是今天已经在IT团队里普遍使用开发的架构。简单来说，随着车载芯片计算资源的快速发展，车载软件需要的是云操作系统。云操作系统本质就是忽略硬件资源，假设计算资源可以无限扩张，可以弹性伸缩。这是云计算的基本理念。 

为此，风河系统有什么解决方案？风河系统开发了Wind River Studio平台，可以全程支持软件开发、部署、运维和服务，打通企业后台开发，以及前台运维。Studio平台本身基于云原生的概念开发，所有环节都基于云端部署。

风河的理念是把开发的资源全部放在云端。即使在家办公，只要有电脑、网络，通过网络浏览器登陆上IP服务接口，你就可以在云端完成所有的开发、测试，甚至是远程的部署。代码开发、构建、编译等所有工作都是在云上完成，可以比本地工作站资源丰富的多，意味着开发效率得到极大提高，跨团队、跨区域的协作也非常容易。

Wind River Studio包含开发者（Developer）和运营者（Operator）两个版本。Studio Developer已支持所有风河系统操作系统产品的云端开发、测试，包括实时操作系统VxWorks，风河商业Linux。开发者可以直接在云端开发和生成直接可运行在目标板上的可执行文件，并能在云端进行基于数字孪生技术的仿真测试。

在运维这一侧Studio Operator则包含风河边缘云平台和云管理工具，可以在运维侧为车辆提供车云互联的能力和低时延的实时数据处理，也可为运维人员提供可视化的车辆数据收集、分析和管理工具。

基于Wind River Studio，风河可以为客户开发、定制满足客户自身业务需要的全流程CI/CD和DevOps环境，为汽车行业客户有效应对软件定义汽车时代的开发挑战、数字化转型提供基础设施能力。