如何構(gòu)建智能駕駛軟件汽車(chē)（SDV）架構(gòu)？

自動(dòng)駕駛智能平臺(tái)自下而上可大致劃分為硬件平臺(tái)、系統(tǒng)軟件（硬件抽象層 OS內(nèi)核 中間件）、功能軟件（庫(kù)組件 中間件）和應(yīng)用算法軟件（自動(dòng)駕駛、HMI交互等）等四個(gè)部分。

來(lái)源：佐思汽研《2023-2024年軟件定義汽車(chē)：產(chǎn)業(yè)全景和策略研究報(bào)告》

從自動(dòng)駕駛各個(gè)研發(fā)環(huán)節(jié)來(lái)看，主要涉及到軟件工程與硬件工程：

• 智駕基礎(chǔ)軟件：實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義OS）、智能駕駛中間件（ROS、 CyberRT、DDS、Autosar）、自動(dòng)駕駛操作系統(tǒng)（廣義OS）等
• 智駕通用算法設(shè)計(jì)：定位、感知、規(guī)劃、決策等，從小模型到大模型（BEV Transformer、Occupancy Network占用網(wǎng)絡(luò)、自動(dòng)駕駛端到端神經(jīng)網(wǎng)絡(luò)）等
• 智駕通用算法訓(xùn)練：AI深度學(xué)習(xí)軟件平臺(tái)、智駕數(shù)據(jù)訓(xùn)練集等
• 智駕端云一體：數(shù)據(jù)閉環(huán)、數(shù)據(jù)采標(biāo)、仿真測(cè)試（場(chǎng)景庫(kù)、仿真平臺(tái)）、云原生平臺(tái)、高精度地圖等
• 智駕系統(tǒng)集成和工程實(shí)現(xiàn)：FCW、LDW、ALC、APA/AVP等
• 智駕輔助軟件：ADAS性能評(píng)估、ADAS數(shù)據(jù)記錄等
• 智駕硬件工程：包括域控制器（芯片、硬件工程）、傳感器（激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、攝像頭、GNSS、IMU等）、系統(tǒng)工程、線控底盤(pán)、線控制動(dòng)等
• 智駕硬件系統(tǒng)設(shè)計(jì)：如計(jì)算平臺(tái)硬件系統(tǒng)架構(gòu)設(shè)計(jì)、車(chē)載芯片系統(tǒng)設(shè)計(jì)、車(chē)載傳感器系統(tǒng)設(shè)計(jì)等

智能駕駛操作系統(tǒng)內(nèi)核主要有兩條開(kāi)發(fā)路徑

• 一種是繼承Linux豐富的開(kāi)源生態(tài)，基于開(kāi)源、功能強(qiáng)大的Linux宏內(nèi)核，重點(diǎn)增強(qiáng)其安全性和實(shí)時(shí)性，實(shí)現(xiàn)ASIL-B/D的Safety Linux操作系統(tǒng)，Linux操作系統(tǒng)具備豐富的生態(tài)，但獲得所需功能安全等級(jí)認(rèn)證較難；
• 另一種是注重功能安全，以ASIL-D功能安全級(jí)別為目標(biāo)，基于POSIX標(biāo)準(zhǔn)實(shí)現(xiàn)的微內(nèi)核RTOS，比如QNX操作系統(tǒng)；相比Linux，由于微內(nèi)核RTOS缺少類(lèi)似的開(kāi)源生態(tài)環(huán)境支持、開(kāi)發(fā)難度大。

Safety Linux源自Linux，硬件、軟件生態(tài)都非常豐富；在軟件定義汽車(chē)時(shí)代，Linux在自動(dòng)駕駛市場(chǎng)的占有率將會(huì)逐步上升，成為主導(dǎo)的智駕底層操作系統(tǒng)，國(guó)內(nèi)車(chē)企和供應(yīng)商也將Safety Linux作為智駕操作系統(tǒng)的主要發(fā)展方向。

來(lái)源：佐思汽研《2023-2024年軟件定義汽車(chē)：產(chǎn)業(yè)全景和策略研究報(bào)告》

• 中興通訊：基于ZTE微內(nèi)核和Safety Linux的雙內(nèi)核智能駕駛OS，可兼顧智能駕駛對(duì)功能安全和豐富應(yīng)用生態(tài)兩方面要求，主要由三部分組成：1）ZTE Microkernel RTOS；2）ZTE Hypervisor；3）ZTE Safety Linux

在上層軟件方面，中興先后和東軟睿馳、普華基礎(chǔ)軟件等中間件企業(yè)達(dá)成了合作；底層芯片方面，與地平線、黑芝麻智能、芯馳科技等國(guó)內(nèi)主流芯片企業(yè)建立了合作。

量產(chǎn)落地方面，早在2021年中興通訊就向長(zhǎng)安汽車(chē)交付了基于Safety Linux的智駕OS驗(yàn)證項(xiàng)目，2022年和一汽開(kāi)啟了基于微內(nèi)核 Safety Linux的智駕OS和車(chē)控OS技術(shù)驗(yàn)證，2023年又新增了東風(fēng)Safety Linux智駕OS項(xiàng)目。

來(lái)源：中興通訊

• 斑馬AliOS Drive：由AliOS RTOS與AliOS Safety Linux形成雙核驅(qū)動(dòng)，兼具安全與性能優(yōu)勢(shì)，其基礎(chǔ)系統(tǒng)的安全域?yàn)锳liOS RTOS，是自研安全實(shí)時(shí)微內(nèi)核，達(dá)到汽車(chē)功能安全最高等級(jí)“ASIL-D”要求。主要包括幾個(gè)部分：1）AliOS RTOS ;2）AliOS Safety Linux ;3）AliOS Hypervisor ;4）AliOS Drive中間件

性能域?yàn)锳liOS Safety Linux，基于Linux進(jìn)行實(shí)時(shí)安全增強(qiáng)，可支撐自動(dòng)駕駛高性能計(jì)算需求。此外，斑馬智行自研的AliOS Hypervisor為雙核提供了很好的融合機(jī)制，同樣達(dá)到汽車(chē)功能安全最高等級(jí)“ASIL-D”要求。

來(lái)源：斑馬智行

智能駕駛操作系統(tǒng)內(nèi)核，國(guó)產(chǎn)化破局關(guān)鍵在于國(guó)產(chǎn)芯片和內(nèi)核OS協(xié)同并進(jìn)

目前，我國(guó)汽車(chē)保有量已經(jīng)突破3億輛，但車(chē)載操作系統(tǒng)（含智能座艙系統(tǒng)）自主率大概5-10%；而車(chē)控操作系統(tǒng)（含自動(dòng)駕駛系統(tǒng)）仍處于起步階段；

除了開(kāi)發(fā)周期長(zhǎng)，技術(shù)難度大，資金投入大之外，更大的挑戰(zhàn)在于QNX、Android等“一家獨(dú)大”的底層操作系統(tǒng)與芯片等核心技術(shù)的“深度綁定”，已經(jīng)形成一個(gè)贏家通吃的生態(tài)，比如Android ARM形成“AA聯(lián)盟”，兩者并非簡(jiǎn)單組合在一起，而是相互進(jìn)行深度定制，產(chǎn)生了持續(xù)生長(zhǎng)的化學(xué)反應(yīng)。

中興通訊

2023年10月，中興通訊與黑芝麻智能協(xié)同，實(shí)現(xiàn)了基于黑芝麻A1000環(huán)境的首家國(guó)產(chǎn)微內(nèi)核OS產(chǎn)品對(duì)于AI感知及推理全業(yè)務(wù)流程的支持，在智駕領(lǐng)域構(gòu)建“國(guó)產(chǎn)芯” “國(guó)產(chǎn)軟”解決方案；

斑馬智行

已與10余家主流芯片廠商建立合作。斑馬智行基于AliOS Drive智能駕駛操作系統(tǒng)在地平線征程5芯片上構(gòu)建計(jì)算底座，可以支持更強(qiáng)的AI算法創(chuàng)新；

普華基礎(chǔ)軟件

響應(yīng)中國(guó)汽車(chē)工業(yè)協(xié)會(huì)中國(guó)車(chē)用操作系統(tǒng)開(kāi)源計(jì)劃，與中國(guó)一汽、北汽研究總院、吉利汽車(chē)、理想汽車(chē)、芯馳、地平線等 21 家單位開(kāi)展開(kāi)源共建合作。普華基礎(chǔ)軟件向行業(yè)開(kāi)源“龘”（EasyAda）微內(nèi)核源代碼，芯馳科技智能網(wǎng)關(guān)芯片G9X成為首款適配芯片。

國(guó)科礎(chǔ)石

基于Linux的礎(chǔ)光操作系統(tǒng)芯片適配，目前已經(jīng)支持英偉達(dá)Orin、黑芝麻A1000等芯片，紫光展銳、瑞芯微、芯馳等正在適配中， 也計(jì)劃與更多廠家開(kāi)展合作，如地平線、飛騰等。上述相關(guān)車(chē)載芯片支持BSP也會(huì)陸續(xù)開(kāi)放源代碼。

車(chē)企方面，研發(fā)能力強(qiáng)的新勢(shì)力車(chē)企將更傾向于構(gòu)建全自主的智駕 “底層內(nèi)核 芯片” 體系：

特斯拉

特斯拉基于Linux系統(tǒng)，打造出自有的RTOS（實(shí)時(shí)系統(tǒng)RT Linux，自家用C語(yǔ)言編寫(xiě)的），并在此基礎(chǔ)上打造域控制器，重構(gòu)汽車(chē)電子電氣架構(gòu)，搭載自主研發(fā)的FSD SoC；

理想汽車(chē)

Li OS基于Linux內(nèi)核深度定制開(kāi)發(fā)，將搭載理想純電車(chē)型首發(fā)，未來(lái)還將搭載理想汽車(chē)自研的智駕SoC；

蔚來(lái)汽車(chē)

「整車(chē)全域操作系統(tǒng)天樞SkyOS」，基于Linux內(nèi)核，是蔚來(lái)整車(chē)底層操作系統(tǒng)，搭載NT3.0平臺(tái)車(chē)型（ET9等），適配NVIDIA、高通、英特爾等芯片平臺(tái)，此外還將適配搭載蔚來(lái)自研智駕SoC "神璣NX9031"。

主機(jī)廠和Tier1的內(nèi)核OS、芯片適配方案

來(lái)源：佐思汽研《2023-2024年軟件定義汽車(chē)：產(chǎn)業(yè)全景和策略研究報(bào)告》

國(guó)產(chǎn)操作系統(tǒng)廠商紛紛推出開(kāi)源計(jì)劃

目前，中國(guó)正在加速推動(dòng)汽車(chē)OS開(kāi)源發(fā)展：

華為鴻蒙

2021年全部捐獻(xiàn)給開(kāi)放原子開(kāi)源基金會(huì)，形成OpenHarmony開(kāi)源項(xiàng)目。

斑馬智行

2022年宣布AliOS Drive將有效實(shí)現(xiàn)分層解耦、跨域共用和開(kāi)放合作。

普華基礎(chǔ)軟件

2023年加入中汽協(xié)中國(guó)車(chē)用操作系統(tǒng)開(kāi)源計(jì)劃，成員單位包括普華基礎(chǔ)軟件、一汽、東風(fēng)、長(zhǎng)安、中汽創(chuàng)智、中電科32所、西部智聯(lián)、地平線、芯馳科技、先進(jìn)操作系統(tǒng)創(chuàng)新中心、電子科技大學(xué)等21家單位。2023年5月，普華基礎(chǔ)軟件正式發(fā)布了中國(guó)車(chē)用操作系統(tǒng)開(kāi)源計(jì)劃中首個(gè)微內(nèi)核開(kāi)源項(xiàng)目，計(jì)劃將于2023年底啟動(dòng)POSIX PSE51 OEM預(yù)研項(xiàng)目，實(shí)現(xiàn)功能驗(yàn)證，并于2024年實(shí)現(xiàn)功能安全驗(yàn)證，2025年實(shí)現(xiàn)量產(chǎn)驗(yàn)證。

國(guó)科礎(chǔ)石

2023年2月，國(guó)科礎(chǔ)石正式對(duì)外發(fā)布礎(chǔ)光操作系統(tǒng)整體規(guī)劃及開(kāi)源計(jì)劃，并將應(yīng)用在智能汽車(chē)座艙域、自動(dòng)駕駛域的礎(chǔ)光Linux進(jìn)行開(kāi)源，以此作為國(guó)科礎(chǔ)石開(kāi)源計(jì)劃實(shí)施的起點(diǎn)，其他相關(guān)企業(yè)、機(jī)構(gòu)或者開(kāi)發(fā)者可以基于該開(kāi)源版本進(jìn)行汽車(chē)操作系統(tǒng)及應(yīng)用開(kāi)發(fā)。

如何構(gòu)建智能座艙軟件汽車(chē)（SDV）架構(gòu)？

從智能座艙各個(gè)研發(fā)環(huán)節(jié)來(lái)看，主要涉及到軟件工程與硬件工程：

• 座艙基礎(chǔ)軟件：車(chē)載操作系統(tǒng)（QNX、Linux、Android、鴻蒙OS、AliOS等）、虛擬機(jī)（Hypervisor）、中間件（AutoSAR）；
• 座艙系統(tǒng)軟件開(kāi)發(fā)：應(yīng)用開(kāi)發(fā)以Android為主、儀表軟件開(kāi)發(fā)以QNX為主、TBOX軟件開(kāi)發(fā)以Linux為主
• 座艙界面設(shè)計(jì)：UI界面設(shè)計(jì)軟件；
• 座艙應(yīng)用軟件：用戶畫(huà)像、情景感知、多模態(tài)融合交互（AR HUD、語(yǔ)音、聲學(xué)/音響、DMS/OMS、人臉識(shí)別、手勢(shì)識(shí)別等軟件開(kāi)發(fā)），大模型開(kāi)始在座艙多模態(tài)交互領(lǐng)域?qū)崿F(xiàn)應(yīng)用；
• 云服務(wù)：車(chē)云一體化平臺(tái)、云原生平臺(tái)、信息安全、OTA開(kāi)發(fā)和運(yùn)營(yíng)策略等。

在云原生平臺(tái)方面，頭部主機(jī)廠和造車(chē)新勢(shì)力先行，車(chē)企開(kāi)始成立專(zhuān)門(mén)的數(shù)字化轉(zhuǎn)型部門(mén)，加速推動(dòng)數(shù)字化戰(zhàn)略落地，從上層驅(qū)動(dòng)企業(yè)創(chuàng)新與變革。

• 自研：車(chē)企追求 IT 研發(fā)和平臺(tái)建設(shè)自主可控。領(lǐng)先車(chē)企不約而同選擇了自研，一方面由于一線車(chē)企都具備強(qiáng)大的研發(fā)和技術(shù)實(shí)力，另一方面希望保證云原生平臺(tái)的穩(wěn)定和易用性；
• 開(kāi)源：同時(shí)，車(chē)企重視開(kāi)源，開(kāi)源技術(shù)和社區(qū)是探索云原生的第一站，開(kāi)源也是車(chē)企關(guān)注云原生前沿和培養(yǎng)技術(shù)人才的最佳方式；
• 全面數(shù)字化轉(zhuǎn)型：此外，以容器、微服務(wù)為代表的云原生技術(shù)也為車(chē)企數(shù)字化轉(zhuǎn)型彎道超車(chē)提供助力，建設(shè)具備全棧能力的云原生平臺(tái)已經(jīng)成為先進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的最佳路徑。

來(lái)源：佐思汽研《2023-2024年軟件定義汽車(chē)：產(chǎn)業(yè)全景和策略研究報(bào)告》

云原生源于云計(jì)算，其構(gòu)建并部署在云中，能真正訪問(wèn)云基礎(chǔ)設(shè)施的強(qiáng)大功能。云原生可以在云端和車(chē)內(nèi)側(cè)，汽車(chē)系統(tǒng)軟件越來(lái)越復(fù)雜，現(xiàn)在的代碼量已達(dá)到上億行，因此在車(chē)內(nèi)側(cè)，也把運(yùn)行態(tài)軟件引入容器。

吉利汽車(chē)

吉利云原生技術(shù)聯(lián)合了火山引擎團(tuán)隊(duì)和在軟件定義汽車(chē)、智能汽車(chē)廣義操作系統(tǒng)的先行者東軟睿馳團(tuán)隊(duì)共同深度研發(fā)。目前，吉利自研的數(shù)字孿生智能座艙系統(tǒng)云化應(yīng)用技術(shù)，已注冊(cè)專(zhuān)利30余項(xiàng)，吉利云原生技術(shù)可以實(shí)現(xiàn)云、邊、端互聯(lián)，讓座艙算力與空間硬件解耦，讓座艙體驗(yàn)擺脫對(duì)車(chē)端芯片的算力依賴；

來(lái)源：吉利汽車(chē)

上汽乘用車(chē)

CloudOS 在上汽乘用車(chē)量產(chǎn)應(yīng)用，上汽乘用車(chē)基于“云原生技術(shù)”，開(kāi)創(chuàng)“數(shù)據(jù)同步即功能生效”的車(chē)云數(shù)據(jù)協(xié)同架構(gòu)；

安波福

安波福與風(fēng)河軟件合作開(kāi)發(fā)了“端到端云原生DevOps平臺(tái)”，在支持軟件定義汽車(chē)上，Wind River Studio可以分成車(chē)內(nèi)側(cè)和云端兩部分，一部分是基于車(chē)內(nèi)側(cè)相應(yīng)的運(yùn)行態(tài)軟件，一部分是云端的Studio工具集。

來(lái)源：安波福、風(fēng)河軟件

如何構(gòu)建智能車(chē)控軟件汽車(chē)汽車(chē)（SDV）架構(gòu)？

智能車(chē)控具體包括車(chē)身控制、底盤(pán)控制、動(dòng)力控制、能量管理等多個(gè)細(xì)分領(lǐng)域。隨著E/E架構(gòu)進(jìn)一步向跨域融合、“中央計(jì)算 區(qū)域”架構(gòu)演進(jìn)。

電氣架構(gòu)集中化，進(jìn)一步整合動(dòng)力域、底盤(pán)域和車(chē)身域，提供汽車(chē)中間層核心控制功能的集成，其目標(biāo)是為自動(dòng)駕駛接入車(chē)輛打造整車(chē)控制“操作系統(tǒng)”，不同的主機(jī)廠或Tier1，根據(jù)其產(chǎn)品特性，集成思路有所不同。

• 路特斯VMCU整車(chē)運(yùn)動(dòng)控制器：基于VCU功能的范疇向底盤(pán)的功能方向進(jìn)行拓展，集成底盤(pán)域所有整車(chē)層級(jí)的控制功能，包括TVC、ESP、TCS功能。執(zhí)行件包括三電控制器，底盤(pán)里的制動(dòng)轉(zhuǎn)向懸架，圍繞在其周?chē)蔀樗谋豢貙?duì)象，受到統(tǒng)一協(xié)調(diào)。

路特斯正與不同合作伙伴聯(lián)合開(kāi)發(fā)VMC整車(chē)動(dòng)態(tài)控制軟件，主機(jī)廠專(zhuān)注于主機(jī)廠自身的核心能力，即整車(chē)層級(jí)差異化開(kāi)發(fā)，聚焦整車(chē)部分的差異軟件和參數(shù)，讓供應(yīng)商專(zhuān)注于平臺(tái)化零部件開(kāi)發(fā)。

來(lái)源：路特斯

從功能域走向中央計(jì)算架構(gòu)，區(qū)域融合的理念不可或缺，關(guān)鍵環(huán)節(jié)就在于區(qū)域控制的具體實(shí)踐。新一代車(chē)身區(qū)域控制器融入了部分區(qū)域控制思想，劃分左右控制器，負(fù)責(zé)本區(qū)域內(nèi)的信號(hào)采集及負(fù)載驅(qū)動(dòng)，具備五大核心功能：區(qū)域供電、區(qū)域信息、區(qū)域功能（原子服務(wù)提供）、區(qū)域驅(qū)動(dòng)、邊緣計(jì)算。

• 聯(lián)合汽車(chē)電子USP 2.0開(kāi)發(fā)者平臺(tái)：2023年4月，聯(lián)合電子在2023開(kāi)發(fā)者大會(huì)上發(fā)布了USP 2.0開(kāi)發(fā)者平臺(tái)，USP2.0平臺(tái)通過(guò)區(qū)域化的架構(gòu)可以實(shí)現(xiàn)近20個(gè)獨(dú)立ECU的集成，通信速率從2M提升至最高1000M。

從開(kāi)發(fā)到測(cè)試驗(yàn)證全過(guò)程，聯(lián)合汽車(chē)電子為開(kāi)發(fā)者打造預(yù)安裝的本地開(kāi)發(fā)環(huán)境，同時(shí)提供開(kāi)發(fā)套件（SDK）；在USP2.0平臺(tái)上，可以調(diào)用的服務(wù)已經(jīng)深入到了車(chē)身控制、能量管理、運(yùn)動(dòng)控制、熱管理等領(lǐng)域。

來(lái)源：佐思汽研《2023-2024年軟件定義汽車(chē)：產(chǎn)業(yè)全景和策略研究報(bào)告》

• 大陸集團(tuán)“軟件功能即產(chǎn)品（FaaP）”解決方案：適用于所有車(chē)身及執(zhí)行器功能，并作為快速且經(jīng)濟(jì)高效的解決方案集成到車(chē)輛跨域產(chǎn)品中。比如像車(chē)窗升降、后備箱控制、座椅調(diào)節(jié)、座椅加熱、電動(dòng)車(chē)門(mén)等各種功能都有對(duì)應(yīng)軟件包，后續(xù)大陸還會(huì)對(duì)其進(jìn)行擴(kuò)展，帶來(lái)更多選項(xiàng)。

“軟件功能即產(chǎn)品（FaaP）”核心在于軟硬件解耦，大陸集團(tuán)中間件（Middleware）可以將上車(chē)身和下車(chē)身解耦開(kāi)來(lái)，可以看到上車(chē)身更多關(guān)注的是性能和算力，包括ADAS的算法、車(chē)內(nèi)娛樂(lè)的實(shí)現(xiàn)等。對(duì)于上車(chē)身的開(kāi)發(fā)更多的以軟件和服務(wù)導(dǎo)向；下車(chē)身是傳統(tǒng)的車(chē)身電子，以硬件和產(chǎn)品為導(dǎo)向。

解耦后可以讓OEM和tier1與其他供應(yīng)商共同開(kāi)發(fā)，在同一框架下合作，增加開(kāi)發(fā)的效率，系統(tǒng)模塊的可移植性也大大提高了。

來(lái)源：大陸集團(tuán)

《2023-2024年軟件定義汽車(chē)：產(chǎn)業(yè)全景和策略研究報(bào)告》目錄

共590頁(yè)

01

如何構(gòu)建智駕軟件體系

1.1 智能駕駛總體軟件、硬件架構(gòu)

1.2 基礎(chǔ)軟件：實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義OS）

1.2.1 智能汽車(chē)軟件架構(gòu)包括虛擬機(jī)、系統(tǒng)內(nèi)核、中間件、功能軟件、應(yīng)用程序

1.2.2 智能駕駛狹義OS（內(nèi)核）

1.2.3 汽標(biāo)委《車(chē)用操作系統(tǒng)標(biāo)準(zhǔn)體系》

1.2.4 智能駕駛實(shí)時(shí)車(chē)控操作系統(tǒng)參考架構(gòu)

1.2.5 智能駕駛操作系統(tǒng)內(nèi)核的發(fā)展路徑（1）

1.2.6 智能駕駛操作系統(tǒng)內(nèi)核的發(fā)展路徑（2）

1.2.7 智能駕駛底層OS趨勢(shì)（1）

1.2.8 智能駕駛底層OS趨勢(shì)（2）

1.2.9 智能駕駛底層OS趨勢(shì)（3）

1.2.10 智能駕駛底層OS趨勢(shì)（4）

1.2.11 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（1）

1.2.12 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（2）

1.2.13 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（3）

1.2.14 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（4）

1.2.15 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（5）

1.2.16 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（6）

1.2.17 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（7）

1.2.18 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（8）

1.2.19 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（9）

1.2.20 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（11）

1.2.21 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（12）

1.2.22 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（13）

1.2.23 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（14）

1.2.24 實(shí)時(shí)車(chē)控操作系統(tǒng)國(guó)產(chǎn)化（15）

1.2.25 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（1）

1.2.26 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（2）

1.2.27 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（3）

1.2.28 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（4）

1.2.29 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（5）

1.2.30 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（6）

1.2.31 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（7）

1.2.32 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（8）

1.2.33 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（9）

1.2.34 實(shí)時(shí)車(chē)控操作系統(tǒng)案例（10）

1.2.35 實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義）供應(yīng)商和產(chǎn)品列表（1）

1.2.36 實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義）供應(yīng)商和產(chǎn)品列表（2）

1.2.37 實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義）供應(yīng)商和產(chǎn)品列表（3）

1.2.38 實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義）供應(yīng)商和產(chǎn)品列表商（4）

1.2.39 總結(jié)：實(shí)時(shí)車(chē)控操作系統(tǒng)（狹義OS）

1.3 基礎(chǔ)軟件：智能駕駛中間件（ROS、 CyberRT、DDS、AutoSAR）

1.3.1 車(chē)載通信協(xié)議分類(lèi)：SOME/IP＆DDS

1.3.2 車(chē)載通信協(xié)議分類(lèi)：車(chē)云一體化通訊協(xié)議MQTT

1.3.3 智能駕駛量產(chǎn)落地的關(guān)鍵技術(shù)：中間件

1.3.4 智能駕駛中間件的應(yīng)用路線

1.3.5 智能駕駛中間件的功能和要求

1.3.6 智能駕駛車(chē)載中間件：通信中間件（1）

1.3.7 智能駕駛車(chē)載中間件：通信中間件（2）

1.3.8 SOME/IP & DDS，哪種中間件更有發(fā)展前景？

1.3.9 智能駕駛通信中間件方案（1）

1.3.10 智能駕駛通信中間件方案（2）

1.3.11 智能駕駛通信中間件方案（3）

1.3.12 智能駕駛通信中間件方案（4）

1.3.13 智能駕駛通信中間件方案（5）

1.3.14 智能駕駛通信中間件方案（6）

1.3.15 主流智能駕駛通信中間件供應(yīng)商和產(chǎn)品列表（1）

1.3.16 主流智能駕駛通信中間件供應(yīng)商和產(chǎn)品列表（2）

1.3.17 智能駕駛車(chē)載中間件：Autosar、ROS2、CyberRT

1.3.18 主機(jī)廠和Tier1在智能駕駛車(chē)載中間件方案上將有多種選擇（1）

1.3.19 主機(jī)廠和Tier1在智能駕駛車(chē)載中間件方案上將有多種選擇（2）

1.3.20 智能駕駛車(chē)載中間件（1）：AP AUTOSAR

1.3.21 智能駕駛車(chē)載中間件（2）：CP AP AUTOSAR的混合軟件架構(gòu)（1）

1.3.22 智能駕駛車(chē)載中間件（2）：CP AP AUTOSAR的混合軟件架構(gòu)（2）

1.3.23 智能駕駛車(chē)載中間件（3）：ROS

1.3.24 ROS 2與AUTOSAR AP的區(qū)別

1.3.25 智能駕駛中間件解決方案（1）

1.3.26 智能駕駛中間件解決方案（2）

1.3.27 智能駕駛中間件解決方案（3）

1.3.28 智能駕駛中間件解決方案（4）

1.3.29 智能駕駛中間件解決方案（5）

1.3.30 智能駕駛中間件解決方案（6）

1.3.31 智能駕駛中間件解決方案（7）

1.3.32 智能駕駛中間件解決方案（8）

1.3.33 主機(jī)廠是否有必要自研中間件？（1）

1.3.34 主機(jī)廠是否有必要自研中間件？（2）

1.3.35 主機(jī)廠是否有必要自研中間件？（3）

1.3.36 全球智能駕駛中間件AUTOSAR供應(yīng)商和產(chǎn)品列表（1）

1.3.37 全球智能駕駛中間件AUTOSAR供應(yīng)商和產(chǎn)品列表（2）

1.3.38 全球智能駕駛中間件AUTOSAR供應(yīng)商和產(chǎn)品列表（3）

1.3.39 中國(guó)智能駕駛中間件AUTOSAR供應(yīng)商和產(chǎn)品列表（1）

1.3.40 中國(guó)智能駕駛中間件AUTOSAR供應(yīng)商和產(chǎn)品列表（2）

1.3.41 中國(guó)智能駕駛中間件AUTOSAR供應(yīng)商和產(chǎn)品列表（3）

1.3.42 智能駕駛中間件ROS 2玩家和產(chǎn)品列表

1.3.43 智能駕駛中間件自研廠商和產(chǎn)品列表（1）

1.3.44 智能駕駛中間件自研廠商和產(chǎn)品列表（2）

1.3.45 智能駕駛中間件自研廠商和產(chǎn)品列表（3）

1.3.46 智能駕駛中間件自研廠商和產(chǎn)品列表（4）

1.4 基礎(chǔ)軟件：如何系統(tǒng)化構(gòu)建自動(dòng)駕駛廣義OS？

1.4.1 自動(dòng)駕駛廣義OS定義

1.4.2 整車(chē)EE架構(gòu)的演進(jìn)驅(qū)動(dòng)了汽車(chē)底層OS的變革

1.4.3 自動(dòng)駕駛廣義OS發(fā)展趨勢(shì)

1.4.4 中國(guó)自動(dòng)駕駛廣義OS市場(chǎng)規(guī)模預(yù)測(cè)

1.4.5 智駕廣義OS軟件平臺(tái)（1）

1.4.6 智駕廣義OS軟件平臺(tái)（2）

1.4.7 智駕廣義OS軟件平臺(tái)（3）

1.4.8 智駕廣義OS軟件平臺(tái)（4）

1.4.9 智駕廣義OS軟件平臺(tái)（5）

1.5 智駕通用算法構(gòu)建：從小模型到大模型

1.5.1 智能駕駛3.0時(shí)代，從小模型到大模型

1.5.2 如何構(gòu)建自動(dòng)駕駛端到端神經(jīng)網(wǎng)絡(luò)大模型

1.5.3 自動(dòng)駕駛算法核心模塊概覽

1.5.4 自動(dòng)駕駛算法模塊迭代歷程（2016-2023）

1.5.5 自動(dòng)駕駛算法模塊：BEV Transformer 智駕算法

1.5.6 自動(dòng)駕駛算法模塊：BEV 進(jìn)一步升級(jí)到占用網(wǎng)絡(luò)

1.5.7 自動(dòng)駕駛算法模塊：“端到端”智駕算法

1.5.8 自動(dòng)駕駛算法模塊：“端到端”UniAD大模型（1）

1.5.9 自動(dòng)駕駛算法模塊：“端到端”UniAD大模型（2）

1.5.10 自動(dòng)駕駛算法模塊：特斯拉V12正式版本引入“端到端”算法

1.5.11 OEM主機(jī)廠智駕算法自研總結(jié)（1）

1.5.12 OEM主機(jī)廠智駕算法自研總結(jié)（2）

1.5.13 Tier1供應(yīng)商智駕算法總結(jié)

1.5.14 特斯拉自動(dòng)駕駛解決方案堪稱自動(dòng)駕駛界“iOS”

1.5.15 第三方巨頭憑工具鏈有望構(gòu)筑自駕領(lǐng)域“安卓”

1.5.16 百度致力于利用文心大模型實(shí)現(xiàn)自動(dòng)駕駛感知模型增強(qiáng)和長(zhǎng)尾數(shù)據(jù)挖掘

1.5.17 商湯將大模型用來(lái)賦能自動(dòng)駕駛感知閉環(huán)和決策閉環(huán)等環(huán)節(jié)

1.5.18 地平線認(rèn)為未來(lái)自動(dòng)駕駛終將走向端到端算法

1.5.19 特斯拉Transformer神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多攝像頭數(shù)據(jù)融合

1.5.20 特斯拉FSD自動(dòng)駕駛系統(tǒng)深度學(xué)習(xí)代碼比例不斷提升

1.5.21 毫末智行MANA 系統(tǒng)采用Transformer神經(jīng)網(wǎng)絡(luò)

1.5.22 小鵬G9 Transformer網(wǎng)絡(luò)的部署情況

1.5.23 小鵬G9發(fā)布了新一代感知架構(gòu)“XNet”

1.5.24 小鵬自主開(kāi)發(fā)全自動(dòng)標(biāo)注系統(tǒng)

1.5.25 端到端的自動(dòng)駕駛算法，可能取代傳統(tǒng)的自動(dòng)駕駛軟件開(kāi)源框架

1.5.26 傳統(tǒng)的自動(dòng)駕駛軟件開(kāi)源框架供應(yīng)商和產(chǎn)品列表（1）

1.5.27 傳統(tǒng)的自動(dòng)駕駛軟件開(kāi)源框架供應(yīng)商和產(chǎn)品列表（2）

1.6 智駕通用算法構(gòu)建：AI深度學(xué)習(xí)軟件平臺(tái)

1.6.1 AI深度學(xué)習(xí)軟件供應(yīng)商和產(chǎn)品列表（1）

1.6.2 AI深度學(xué)習(xí)軟件供應(yīng)商和產(chǎn)品列表（2）

1.6.3 國(guó)內(nèi)外主要大模型廠商

1.6.4 大模型的出現(xiàn)給模型訓(xùn)練帶來(lái)極大的挑戰(zhàn)

1.6.5 百度飛槳在大模型訓(xùn)練領(lǐng)域的特色分布式訓(xùn)練技術(shù)

1.6.6 百度聯(lián)合吉利發(fā)布了業(yè)內(nèi)首個(gè)知識(shí)增強(qiáng)的汽車(chē)行業(yè)大模型

1.6.7 華為開(kāi)源自研AI框架昇思MindSpore Transformer 大模型訓(xùn)練庫(kù)

1.6.8 潞晨科技Colossal-AI大模型訓(xùn)練系統(tǒng)

1.6.9 英偉達(dá) CV-CUDA 開(kāi)源庫(kù)

1.7 智駕通用算法構(gòu)建：智駕數(shù)據(jù)訓(xùn)練集

1.7.1 為什么要建立數(shù)據(jù)集？（1）

1.7.2 為什么要建立數(shù)據(jù)集？（2）

1.7.3 為什么要建立數(shù)據(jù)集？（3）

1.7.4 自動(dòng)駕駛訓(xùn)練數(shù)據(jù)采集車(chē)如何采集數(shù)據(jù)？

1.7.5 數(shù)據(jù)集發(fā)展方向（1）

1.7.6 數(shù)據(jù)集發(fā)展方向（2）

1.7.7 數(shù)據(jù)集發(fā)展方向（3）

1.7.8 下一代數(shù)據(jù)集產(chǎn)品（1）

1.7.9 下一代數(shù)據(jù)集產(chǎn)品（2）

1.7.10 自動(dòng)駕駛數(shù)據(jù)集系列產(chǎn)品對(duì)比（1）

1.7.11 自動(dòng)駕駛數(shù)據(jù)集系列產(chǎn)品對(duì)比（2）

1.7.12 自動(dòng)駕駛數(shù)據(jù)集系列產(chǎn)品對(duì)比（3）

1.7.13 自動(dòng)駕駛數(shù)據(jù)集系列產(chǎn)品對(duì)比（4）

1.7.14 自動(dòng)駕駛數(shù)據(jù)集系列產(chǎn)品對(duì)比（5）

1.7.15 自動(dòng)駕駛數(shù)據(jù)集系列產(chǎn)品對(duì)比（6）

1.7.16 數(shù)據(jù)訓(xùn)練集主要供應(yīng)商和產(chǎn)品列表（1）

1.7.17 數(shù)據(jù)訓(xùn)練集主要供應(yīng)商和產(chǎn)品列表（2）

1.7.18 數(shù)據(jù)訓(xùn)練集主要供應(yīng)商和產(chǎn)品列表（3）

1.7.19 數(shù)據(jù)訓(xùn)練集主要供應(yīng)商和產(chǎn)品列表（4）

1.7.20 數(shù)據(jù)訓(xùn)練集主要供應(yīng)商和產(chǎn)品列表（5）

1.8 智駕通用算法構(gòu)建：自動(dòng)駕駛系統(tǒng)集成和工程化策略

1.8.1 自動(dòng)駕駛算法分類(lèi)

1.8.2 自動(dòng)駕駛感知類(lèi)算法——視覺(jué)感知

1.8.3 自動(dòng)駕駛感知類(lèi)算法——激光雷達(dá)感知

1.8.4 自動(dòng)駕駛感知類(lèi)算法——毫米波雷達(dá)感知

1.8.5 自動(dòng)駕駛感知類(lèi)算法——多傳感器融合感知

1.8.6 前/中/后融合優(yōu)劣勢(shì)對(duì)比

1.8.7 自動(dòng)駕駛感知路線——BEV感知系統(tǒng)

1.8.8 自動(dòng)駕駛感知技術(shù)（1）：BEV Transformer大模型（1）

1.8.9 自動(dòng)駕駛感知技術(shù)（1）：BEV Transformer大模型（2）

1.8.10 自動(dòng)駕駛感知技術(shù)（2）：Occupancy Network占用網(wǎng)絡(luò)

1.8.11 國(guó)內(nèi)智能駕駛感知系統(tǒng)市場(chǎng)趨勢(shì)：BEV Transformer加速上車(chē)

1.8.12 車(chē)企感知算法：飛凡汽車(chē)Full Fusion全融合算法

1.8.13 車(chē)企感知算法：小鵬XNet深度視覺(jué)神經(jīng)網(wǎng)絡(luò)（BEV Transformer）

1.8.14 車(chē)企感知算法：小鵬XNet深度視覺(jué)神經(jīng)網(wǎng)絡(luò)（BEV Transformer）

1.8.15 主機(jī)廠自動(dòng)駕駛感知模型應(yīng)用情況

1.8.16 Tier 1廠商智能駕駛感知模型應(yīng)用

1.8.17 L3級(jí)自動(dòng)駕駛工程化難點(diǎn)（1）

1.8.18 L3級(jí)自動(dòng)駕駛工程化難點(diǎn)（2）

1.8.19 L3級(jí)自動(dòng)駕駛工程化難點(diǎn)（3）

1.9 智駕端云一體：數(shù)據(jù)閉環(huán)

1.9.1 高階自動(dòng)駕駛開(kāi)發(fā)流程從基于V模型向基于數(shù)據(jù)驅(qū)動(dòng)發(fā)展

1.9.2 數(shù)據(jù)閉環(huán)對(duì)自動(dòng)駕駛的重要性

1.9.3 數(shù)據(jù)閉環(huán)是城市NOA大規(guī)模量產(chǎn)落地的關(guān)鍵

1.9.4 百度全鏈路數(shù)據(jù)閉環(huán)解決方案：技術(shù)研發(fā)流程

1.9.5 百度全鏈路數(shù)據(jù)閉環(huán)解決方案：技術(shù)閉環(huán)流程

1.9.6 百度全鏈路數(shù)據(jù)閉環(huán)解決方案：自動(dòng)駕駛需求拆解

1.9.7 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（1）：道路數(shù)據(jù)采集服務(wù)

1.9.8 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（2）：車(chē)輛改裝集成服務(wù)

1.9.9 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（3）：合規(guī)采集服務(wù)

1.9.10 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（4）：數(shù)據(jù)合規(guī)服務(wù)

1.9.11 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（4）：數(shù)據(jù)合規(guī)服務(wù)

1.9.12 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（5）：數(shù)據(jù)標(biāo)注服務(wù)

1.9.13 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（5）：數(shù)據(jù)標(biāo)注服務(wù)

1.9.14 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（6）：數(shù)據(jù)運(yùn)營(yíng)服務(wù)

1.9.15 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（7）：數(shù)據(jù)訓(xùn)練調(diào)優(yōu)

1.9.16 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（8）：仿真場(chǎng)景庫(kù)建設(shè)服務(wù)

1.9.17 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（9）：百度智能云自動(dòng)駕駛工具鏈

1.9.18 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（9）：百度智能云自動(dòng)駕駛工具鏈

1.9.19 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（9）：百度智能云自動(dòng)駕駛工具鏈：數(shù)據(jù)管理平臺(tái)

1.9.20 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（9）：百度智能云自動(dòng)駕駛工具鏈：智能標(biāo)注平臺(tái)

1.9.21 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（9）：百度智能云自動(dòng)駕駛工具鏈：感知訓(xùn)練平臺(tái)

1.9.22 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（10）：百度智能云自動(dòng)駕駛工具鏈：感知評(píng)測(cè)平臺(tái)

1.9.23 百度全鏈路數(shù)據(jù)閉環(huán)解決方案（10）：百度智能云自動(dòng)駕駛工具鏈：仿真測(cè)試平臺(tái)

1.9.24 毫末智行自動(dòng)駕駛生成式大模型“毫末DriveGPT”（1）

1.9.25 毫末智行自動(dòng)駕駛生成式大模型“毫末DriveGPT”（2）

1.9.26 黑芝麻智能數(shù)據(jù)閉環(huán)解決方案

1.9.27 鑒智機(jī)器人數(shù)據(jù)閉環(huán)平臺(tái)

1.9.28 自動(dòng)駕駛數(shù)據(jù)閉環(huán)供應(yīng)商和產(chǎn)品列表（1）

1.9.29 自動(dòng)駕駛數(shù)據(jù)閉環(huán)供應(yīng)商和產(chǎn)品列表（2）

1.9.30 自動(dòng)駕駛數(shù)據(jù)閉環(huán)供應(yīng)商和產(chǎn)品列表（3）

1.10 智駕端云一體：數(shù)據(jù)采標(biāo)

1.10.1 自動(dòng)駕駛數(shù)據(jù)采標(biāo)市場(chǎng)發(fā)展趨勢(shì)

1.10.2 數(shù)據(jù)采集標(biāo)注產(chǎn)業(yè)鏈：上下游構(gòu)成和分工

1.10.3 數(shù)據(jù)采集標(biāo)注平臺(tái)：架構(gòu)設(shè)計(jì)

1.10.4 數(shù)據(jù)采集標(biāo)注平臺(tái)：數(shù)據(jù)采集的難題

1.10.5 數(shù)據(jù)采集標(biāo)注平臺(tái)：數(shù)據(jù)采集流程及方法

1.10.6 數(shù)據(jù)采集標(biāo)注平臺(tái)：采集數(shù)據(jù)標(biāo)注過(guò)程

1.10.7 數(shù)據(jù)采集標(biāo)注平臺(tái)：數(shù)據(jù)采集的后端仿真

1.10.8 智駕數(shù)據(jù)標(biāo)注發(fā)展的五個(gè)階段

1.10.9 智駕數(shù)據(jù)標(biāo)注發(fā)展L0/L1階段：數(shù)據(jù)眾包

1.10.10 智駕數(shù)據(jù)標(biāo)注發(fā)展L0/L1階段：數(shù)據(jù)眾包

1.10.11 智駕數(shù)據(jù)標(biāo)注發(fā)展L2/L3階段：引入ChatGPT等大模型

1.10.12 智駕數(shù)據(jù)標(biāo)注發(fā)展L2/L3階段：智能化和半自動(dòng)化標(biāo)注

1.10.13 智駕數(shù)據(jù)標(biāo)注新趨勢(shì)（1）

1.10.14 智駕數(shù)據(jù)標(biāo)注新趨勢(shì)（2）

1.10.15 智駕數(shù)據(jù)標(biāo)注新趨勢(shì)（3）

1.10.16 國(guó)內(nèi)AI數(shù)據(jù)標(biāo)注公司排行

1.10.17 智駕數(shù)據(jù)標(biāo)注解決方案（1）

1.10.18 智駕數(shù)據(jù)標(biāo)注解決方案（2）

1.10.19 智駕數(shù)據(jù)標(biāo)注解決方案（3）

1.10.20 智駕數(shù)據(jù)標(biāo)注解決方案（4）

1.10.21 智駕數(shù)據(jù)標(biāo)注解決方案（5）

1.10.22 智駕數(shù)據(jù)標(biāo)注解決方案（6）

1.10.23 智駕數(shù)據(jù)標(biāo)注解決方案（7）

1.10.24 智駕數(shù)據(jù)標(biāo)注解決方案（8）

1.10.25 智駕數(shù)據(jù)標(biāo)注解決方案（9）

1.10.26 智駕數(shù)據(jù)標(biāo)注解決方案（10）

1.10.27 智駕數(shù)據(jù)標(biāo)注解決方案（11）

1.10.28 智駕數(shù)據(jù)標(biāo)注解決方案（12）

1.10.29 智駕數(shù)據(jù)標(biāo)注解決方案（13）

1.10.30 智駕數(shù)據(jù)標(biāo)注解決方案（14）

1.10.31 智駕數(shù)據(jù)標(biāo)注解決方案（15）

1.10.32 智駕數(shù)據(jù)標(biāo)注解決方案（16）

1.10.33 智駕數(shù)據(jù)標(biāo)注解決方案（17）

1.10.34 智駕數(shù)據(jù)標(biāo)注解決方案（18）

1.10.35 自動(dòng)駕駛數(shù)據(jù)采標(biāo)工具軟件供應(yīng)商和產(chǎn)品列表（1）

1.10.36 自動(dòng)駕駛數(shù)據(jù)采標(biāo)工具軟件供應(yīng)商和產(chǎn)品列表（2）

1.10.37 自動(dòng)駕駛數(shù)據(jù)采標(biāo)工具軟件供應(yīng)商和產(chǎn)品列表（3）

1.10.38 自動(dòng)駕駛數(shù)據(jù)采標(biāo)工具軟件供應(yīng)商和產(chǎn)品列表（4）

1.10.39 自動(dòng)駕駛數(shù)據(jù)采標(biāo)工具軟件供應(yīng)商和產(chǎn)品列表（5）

1.11 智駕端云一體：仿真測(cè)試：場(chǎng)景庫(kù)

1.11.1 自動(dòng)駕駛場(chǎng)景庫(kù)的數(shù)據(jù)來(lái)源

1.11.2 自動(dòng)駕駛場(chǎng)景庫(kù)自動(dòng)化生成

1.11.3 自動(dòng)駕駛場(chǎng)景庫(kù)格式標(biāo)準(zhǔn)

1.11.4 自動(dòng)駕駛場(chǎng)景庫(kù)的搭建流程（1）

1.11.5 自動(dòng)駕駛場(chǎng)景庫(kù)的搭建流程（2）

1.11.6 自動(dòng)駕駛測(cè)試與評(píng)價(jià)體系建設(shè)（1）

1.11.7 自動(dòng)駕駛測(cè)試與評(píng)價(jià)體系建設(shè)（2）

1.11.8 自動(dòng)駕駛場(chǎng)景庫(kù)供應(yīng)商和標(biāo)準(zhǔn)化組織（1）

1.11.9 自動(dòng)駕駛場(chǎng)景庫(kù)供應(yīng)商和標(biāo)準(zhǔn)化組織（2）

1.12 智駕端云一體：仿真測(cè)試：仿真平臺(tái)

1.12.1 為什么要進(jìn)行自動(dòng)駕駛仿真測(cè)試？

1.12.2 智能網(wǎng)聯(lián)汽車(chē)仿真測(cè)試工具及平臺(tái)市場(chǎng)規(guī)模

1.12.3 自動(dòng)駕駛仿真工具鏈

1.12.4 自動(dòng)駕駛仿真測(cè)試發(fā)展趨勢(shì)（1）

1.12.5 自動(dòng)駕駛仿真測(cè)試發(fā)展趨勢(shì)（2）

1.12.6 自動(dòng)駕駛仿真測(cè)試發(fā)展趨勢(shì)（3）

1.12.7 自動(dòng)駕駛仿真測(cè)試發(fā)展趨勢(shì)（4）

1.12.8 自動(dòng)駕駛仿真測(cè)試發(fā)展趨勢(shì)（5）

1.12.9 全球主流自動(dòng)駕駛仿真軟件企業(yè)

1.12.10 自動(dòng)駕駛仿真軟件供應(yīng)商和產(chǎn)品列表：交通流仿真

1.12.11 自動(dòng)駕駛仿真軟件供應(yīng)商和產(chǎn)品列表：車(chē)輛仿真（1）

1.12.12 自動(dòng)駕駛仿真軟件供應(yīng)商和產(chǎn)品列表：車(chē)輛仿真（2）

1.12.13 自動(dòng)駕駛仿真軟件供應(yīng)商和產(chǎn)品列表：車(chē)輛仿真（3）

1.13 智駕端云一體：云原生和存儲(chǔ)平臺(tái)

1.13.1 自動(dòng)駕駛存儲(chǔ)平臺(tái)

1.13.2 易特馳云梯平臺(tái)（1）

1.13.3 易特馳云梯平臺(tái)（2）

1.13.4 阿里云ACK@Edge 助力元戎啟行車(chē)云一體化協(xié)同

1.13.5 阿里云ACK 云原生 AI 套件助力毫末智行AI 平臺(tái)

1.13.6 華為云ModelArts平臺(tái)

1.13.7 騰訊智能汽車(chē)云解決方案

1.13.8 騰訊智能汽車(chē)云解決方案

1.14 智駕端云一體：高精度地圖

1.14.1 城市NOA成為乘用車(chē)自動(dòng)駕駛新戰(zhàn)場(chǎng)

1.14.2 搭載城市NOA功能的乘用車(chē)用地圖方案一：高精地圖

1.14.3 搭載城市NOA功能的乘用車(chē)用地圖方案二：輕地圖（1）

1.14.4 搭載城市NOA功能的乘用車(chē)用地圖方案二：輕地圖（2）

1.14.5 搭載城市NOA功能的乘用車(chē)用地圖方案三：云圖

1.14.6 多源融合自動(dòng)駕駛地圖可有效解決城市NOA難題

1.14.7 Tier 1高階輔助駕駛地圖方案（1）

1.14.8 Tier 1高階輔助駕駛地圖方案（2）

1.14.9 Tier 1高階輔助駕駛地圖方案（3）

1.14.10 Tier 1高階輔助駕駛地圖方案（4）

1.14.11 Tier 1高階輔助駕駛地圖方案（5）

1.14.12 Tier 1高階輔助駕駛地圖方案（6）

1.14.13 Tier 1高階輔助駕駛地圖方案（7）

1.14.14 Tier 1高階輔助駕駛地圖方案（8）

1.14.15 主機(jī)廠高階輔助駕駛裝車(chē)方案（1）

1.14.16 主機(jī)廠高階輔助駕駛裝車(chē)方案（2）

1.14.17 高階輔助駕駛地圖方案

1.15 智駕輔助軟件：ADAS性能評(píng)估

1.15.1 車(chē)輛ADAS功耗評(píng)估軟件需求

1.15.2 車(chē)輛ADAS性能評(píng)估工具

1.15.3 北匯信息智能駕駛測(cè)試解決方案

1.15.4 ADAS性能評(píng)估軟件供應(yīng)商和產(chǎn)品列表

1.16 智駕輔助軟件：ADAS數(shù)據(jù)記錄

1.16.1 ADAS數(shù)據(jù)記錄需求（驗(yàn)證測(cè)試環(huán)節(jié)）

1.16.2 ADAS數(shù)據(jù)記錄需求（交付后）

1.16.3 L3自動(dòng)駕駛系統(tǒng)的定義

1.16.4 L3系統(tǒng)對(duì)于數(shù)據(jù)記錄有什么要求？

1.16.5 NI通過(guò)協(xié)同合作完成ADAS驗(yàn)證

1.16.6 Vector針對(duì)于ADAS數(shù)據(jù)記錄系統(tǒng)的解決方案

1.16.7 數(shù)據(jù)記錄工具軟件供應(yīng)商和產(chǎn)品列表（1）

1.16.8 數(shù)據(jù)記錄工具軟件供應(yīng)商和產(chǎn)品列表（2）

1.16.9 數(shù)據(jù)記錄工具軟件供應(yīng)商和產(chǎn)品列表（3）

02

如何構(gòu)建智能座艙軟件體系

2.1 智能座艙總體軟硬件架構(gòu)

2.2 基礎(chǔ)軟件：非實(shí)時(shí)車(chē)載操作系統(tǒng)（狹義OS）

2.2.1 智能座艙操作系統(tǒng)：系統(tǒng)框架

2.2.2 智能座艙操作系統(tǒng)：底層內(nèi)核OS

2.2.3 車(chē)企智能座艙底層OS總結(jié)

2.2.4 新車(chē)座艙操作系統(tǒng)占有率預(yù)測(cè)

2.2.5 非實(shí)時(shí)車(chē)載操作系統(tǒng)（狹義）供應(yīng)商和產(chǎn)品列表（1）

2.2.6 非實(shí)時(shí)車(chē)載操作系統(tǒng)（狹義）供應(yīng)商和產(chǎn)品列表（2）

2.3 基礎(chǔ)軟件：智能座艙OS廣義操作系統(tǒng)

2.3.1 智能座艙廣義操作系統(tǒng)：基于底層OS的二次開(kāi)發(fā)

2.3.2 智能座艙廣義操作系統(tǒng)：由座艙 OS 向整車(chē) OS 演進(jìn)

2.3.3 智能座艙廣義操作系統(tǒng)市場(chǎng)前景分析

2.3.4 Tier1方案（1）

2.3.5 Tier1方案（2）

2.3.6 Tier1方案（3）

2.3.7 Tier1方案（4）

2.3.8 Tier1方案（5）

2.3.9 Tier1方案（6）

2.3.10 智能座艙廣義操作系統(tǒng)Tier1供應(yīng)商和產(chǎn)品列表（1）

2.3.11 智能座艙廣義操作系統(tǒng)Tier1供應(yīng)商和產(chǎn)品列表（2）

2.3.12 智能座艙廣義操作系統(tǒng)Tier1供應(yīng)商和產(chǎn)品列表（3）

2.3.13 智能座艙廣義操作系統(tǒng)Tier1供應(yīng)商和產(chǎn)品列表（4）

2.3.14 智能座艙廣義操作系統(tǒng)Tier1供應(yīng)商和產(chǎn)品列表（5）

2.3.15 OEM車(chē)企方案（1）

2.3.16 OEM車(chē)企方案（2）

2.3.17 OEM車(chē)企方案（3）

2.3.18 OEM車(chē)企方案（4）

2.3.19 OEM車(chē)企方案（5）

2.4 基礎(chǔ)軟件：虛擬機(jī)

2.4.1 目前智能座艙融合域隔離方案

2.4.2 主要用于汽車(chē)的Hypervisor

2.4.3 國(guó)內(nèi)智能座艙Hypervisor虛擬機(jī)應(yīng)用情況

2.4.4 智能座艙Hypervisor替代方案：硬隔離方案

2.4.5 智能座艙硬隔離方案的優(yōu)勢(shì)和不足

2.4.6 全球汽車(chē)Hypervisor市場(chǎng)前景

2.4.7 全球Hypervisor供應(yīng)商和產(chǎn)品列表（1）

2.4.8 全球Hypervisor供應(yīng)商和產(chǎn)品列表（2）

2.4.9 全球Hypervisor供應(yīng)商和產(chǎn)品列表（3）

2.4.10 全球Hypervisor供應(yīng)商和產(chǎn)品列表（4）

2.4.11 全球Hypervisor供應(yīng)商和產(chǎn)品列表（5）

2.4.12 全球Hypervisor供應(yīng)商和產(chǎn)品列表（6）

2.4.13 中國(guó)Hypervisor供應(yīng)商和產(chǎn)品列表

2.5 應(yīng)用算法：GPT大模型智能座艙應(yīng)用

2.5.1 主機(jī)廠積極推動(dòng)Chat GPT等AI大模型平臺(tái)上車(chē)智能座艙

2.5.2 AI大模型上車(chē)主要應(yīng)用領(lǐng)域

2.5.3 Tier1供應(yīng)商GPT大模型布局（1）

2.5.4 Tier1供應(yīng)商GPT大模型布局（2）

2.5.5 Tier1供應(yīng)商GPT大模型布局（3）

2.5.6 主機(jī)廠AI大模型主要布局方式

2.5.7 AI大模型上車(chē)案例（1）

2.5.8 AI大模型上車(chē)案例（2）

2.5.9 AI大模型上車(chē)案例（3）

2.5.10 AI大模型上車(chē)案例（4）

2.5.11 AI大模型上車(chē)案例（5）

2.5.12 AI大模型上車(chē)案例（6）

2.5.13 AI大模型上車(chē)案例（7）

2.5.14 AI大模型上車(chē)案例（8）

2.6 應(yīng)用算法：UI界面設(shè)計(jì)軟件

2.6.1 汽車(chē)界面設(shè)計(jì)概述

2.6.2 HMI設(shè)計(jì)分類(lèi)

2.6.3 座艙HMI UI/UX設(shè)計(jì)市場(chǎng)前景分析

2.6.4 越來(lái)越多車(chē)企將3D引擎應(yīng)用智能座艙

2.6.5 汽車(chē)3D引擎應(yīng)用智能座艙布局方式及商業(yè)模式

2.6.6 3D引擎上車(chē)案例（1）

2.6.7 3D引擎上車(chē)案例（2）

2.6.8 3D引擎上車(chē)案例（3）

2.6.9 3D引擎上車(chē)案例（4）

2.6.10 3D引擎上車(chē)案例（5）

2.6.11 3D引擎上車(chē)案例（6）

2.6.12 3D引擎上車(chē)案例（7）

2.6.13 3D引擎上車(chē)案例（8）

2.6.14 3D引擎上車(chē)案例（9）

2.6.15 3D引擎上車(chē)案例（10）

2.6.16 3D引擎上車(chē)案例（11）

2.6.17 HMI設(shè)計(jì)軟件供應(yīng)商（1）

2.6.18 HMI設(shè)計(jì)軟件供應(yīng)商（2）

2.6.19 HMI設(shè)計(jì)軟件供應(yīng)商（3）

2.6.20 HMI設(shè)計(jì)軟件供應(yīng)商（4）

2.7 應(yīng)用算法：語(yǔ)音軟件

2.7.1 人機(jī)交互概述

2.7.2 車(chē)載語(yǔ)音交互技術(shù)簡(jiǎn)介

2.7.3 全球及中國(guó)車(chē)載語(yǔ)音參與企業(yè)

2.7.4 車(chē)載語(yǔ)音市場(chǎng)前景分析

2.7.5 AI大模型等新技術(shù)帶動(dòng)下，人機(jī)交互進(jìn)階演變

2.7.6 多模態(tài)交互軟件供應(yīng)趨勢(shì)：由單模塊向集成式供應(yīng)轉(zhuǎn)變

2.7.7 語(yǔ)音交互發(fā)展趨勢(shì)（1）

2.7.8 語(yǔ)音交互發(fā)展趨勢(shì)（2）

2.7.9 語(yǔ)音交互發(fā)展趨勢(shì)（3）

2.7.10 語(yǔ)音交互發(fā)展趨勢(shì)（4）

2.7.11 語(yǔ)音交互發(fā)展趨勢(shì)（5）

2.7.12 車(chē)載語(yǔ)音軟件供應(yīng)商和產(chǎn)品列表（1）

2.7.13 車(chē)載語(yǔ)音軟件供應(yīng)商和產(chǎn)品列表（2）

2.7.14 車(chē)載語(yǔ)音軟件供應(yīng)商和產(chǎn)品列表（3）

2.7.15 車(chē)載語(yǔ)音軟件供應(yīng)商和產(chǎn)品列表（4）

2.7.16 車(chē)載語(yǔ)音軟件供應(yīng)商和產(chǎn)品列表（5）

2.8 應(yīng)用算法：聲學(xué)軟件

2.8.1 聲學(xué)軟件供應(yīng)商業(yè)務(wù)模式匯總

2.8.2 車(chē)企聲學(xué)軟件采購(gòu)模式演變

2.8.3 聲學(xué)軟件業(yè)務(wù)模式探索

2.8.4 汽車(chē)聲學(xué)新需求

2.8.5 聲學(xué)軟件供應(yīng)商業(yè)務(wù)模式匯總

2.8.6 聲學(xué)解決方案典型案例（1）

2.8.7 聲學(xué)解決方案典型案例（2）

2.8.8 聲學(xué)解決方案典型案例（3）

2.8.9 聲學(xué)解決方案典型案例（4）

2.8.10 聲學(xué)解決方案典型案例（5）

2.8.11 聲學(xué)軟件供應(yīng)商和產(chǎn)品列表（1）

2.8.12 聲學(xué)軟件供應(yīng)商和產(chǎn)品列表（2）

2.9 應(yīng)用算法：AR HUD軟件

2.9.1 AR-HUD產(chǎn)品及技術(shù)概述

2.9.2 AR-HUD光波導(dǎo)技術(shù)

2.9.3 AR引擎軟件技術(shù)

2.9.4 AR-HUD市場(chǎng)應(yīng)用車(chē)型

2.9.5 AR-HUD迎來(lái)快速上車(chē)周期

2.9.6 AR-HUD產(chǎn)業(yè)核心技術(shù)

2.9.7 AR-HUD軟件升級(jí)主要方向

2.9.8 AR Creator 成為 AR-HUD 的核心元素

2.9.9 AR Creator 集成車(chē)機(jī)系統(tǒng)內(nèi)

2.9.10 AR Creator典型案例（1）

2.9.11 AR Creator典型案例（2）

2.9.12 AR Creator典型案例（3）

2.9.13 AR-HUD軟件供應(yīng)商和產(chǎn)品列表（1）

2.9.14 AR-HUD軟件供應(yīng)商和產(chǎn)品列表（2）

2.9.15 AR-HUD軟件供應(yīng)商和產(chǎn)品列表（3）

2.10 應(yīng)用算法：DMS/OMS軟件

2.10.1 DMS簡(jiǎn)介

2.10.2 DMS軟件技術(shù)

2.10.3 DMS軟件技術(shù)市場(chǎng)前景分析

2.10.4 中國(guó)乘用車(chē)前裝DMS市場(chǎng)情況

2.10.5 DMS視覺(jué)感知算法供應(yīng)商和產(chǎn)品列表（1）

2.10.6 DMS視覺(jué)感知算法供應(yīng)商和產(chǎn)品列表（2）

2.10.7 DMS視覺(jué)感知算法供應(yīng)商和產(chǎn)品列表（3）

2.11 應(yīng)用算法：人臉和手勢(shì)識(shí)別軟件

2.11.1 人臉識(shí)別交互技術(shù)簡(jiǎn)介

2.11.2 全球及中國(guó)主要人臉識(shí)別參與企業(yè)

2.11.3 汽車(chē)人臉識(shí)別市場(chǎng)前景分析

2.11.4 手勢(shì)識(shí)別交互技術(shù)簡(jiǎn)介

2.11.5 全球及中國(guó)主要手勢(shì)識(shí)別參與企業(yè)

2.12 智能座艙端云一體：車(chē)云平臺(tái)軟件

2.12.1 傳統(tǒng)的車(chē)聯(lián)網(wǎng)技術(shù)平臺(tái)架構(gòu)

2.12.2 傳統(tǒng)的車(chē)聯(lián)網(wǎng)技術(shù)平臺(tái)瓶頸

2.12.3 下一代車(chē)云技術(shù)平臺(tái)

2.12.4 下一代車(chē)云技術(shù)平臺(tái)：實(shí)現(xiàn)高精度、高質(zhì)量的數(shù)據(jù)采集

2.12.5 智協(xié)慧同四大產(chǎn)品模塊

2.12.6 智協(xié)慧同車(chē)聯(lián)網(wǎng)數(shù)據(jù)采集平臺(tái)方案架構(gòu)圖

2.12.7 汽車(chē)云服務(wù)在智能網(wǎng)聯(lián)汽車(chē)的應(yīng)用前景展望

2.12.8 車(chē)企云服務(wù)搭建模式：自建私有云、采購(gòu)公有云

2.12.9 云服務(wù)平臺(tái)市場(chǎng)發(fā)展現(xiàn)狀

2.12.10 云服務(wù)平臺(tái)供應(yīng)商和產(chǎn)品列表（1）

2.12.11 云服務(wù)平臺(tái)供應(yīng)商和產(chǎn)品列表（2）

2.12.12 云服務(wù)平臺(tái)供應(yīng)商和產(chǎn)品列表（3）

2.12.13 遠(yuǎn)程云診斷發(fā)展現(xiàn)狀

2.12.14 智協(xié)慧同“車(chē)輛遠(yuǎn)程智能診斷系統(tǒng)解決方案”

2.12.15 智協(xié)慧同“主動(dòng)式的智能診斷方案”

2.12.16 智協(xié)慧同“智能診斷數(shù)據(jù)閉環(huán)”

2.12.17 遠(yuǎn)程云診斷供應(yīng)商解決方案供應(yīng)商

2.13 智能座艙端云一體：云原生平臺(tái)

2.13.1 云原生發(fā)展歷程

2.13.2 主機(jī)廠云原生布局方式

2.13.3 主機(jī)廠云原生架構(gòu)布局案例（1）

2.13.4 主機(jī)廠云原生架構(gòu)布局案例（2）

2.13.5 主機(jī)廠云原生架構(gòu)布局案例（3）

2.13.6 主機(jī)廠云原生架構(gòu)布局案例（4）

2.13.7 供應(yīng)商云原生產(chǎn)品案例（1）

2.13.8 供應(yīng)商云原生產(chǎn)品案例（2）

2.13.9 供應(yīng)商云原生產(chǎn)品案例（3）

2.13.10 供應(yīng)商云原生產(chǎn)品案例（4）

2.14 智能座艙端云一體：OTA開(kāi)發(fā)和運(yùn)營(yíng)策略

2.14.1 汽車(chē)OTA產(chǎn)業(yè)鏈構(gòu)成

2.14.2 OTA運(yùn)營(yíng)商業(yè)模式

2.14.3 OTA業(yè)務(wù)模式

2.14.4 順應(yīng)智能汽車(chē)發(fā)展，OTA技術(shù)演進(jìn)趨勢(shì)

2.14.5 OTA供應(yīng)商供應(yīng)策略（1）

2.14.6 OTA供應(yīng)商供應(yīng)策略（2）

2.14.7 OTA相關(guān)供應(yīng)商及業(yè)務(wù)模式（1）

2.14.8 OTA相關(guān)供應(yīng)商及業(yè)務(wù)模式（2）

2.14.9 OTA相關(guān)供應(yīng)商及業(yè)務(wù)模式（3）

03

如何構(gòu)建整車(chē)控制軟件體系

3.1 汽車(chē)車(chē)身控制類(lèi)軟件

3.1.1 車(chē)身域控系統(tǒng)職能特點(diǎn)和軟件需求

3.1.2 車(chē)身域控系統(tǒng)關(guān)鍵技術(shù)和開(kāi)發(fā)實(shí)踐

3.1.3 車(chē)身域控制器軟件

3.1.4 車(chē)身域控制器的軟件設(shè)計(jì)（1）

3.1.5 車(chē)身域控制器的軟件設(shè)計(jì)（2）

3.1.6 車(chē)身域控制器的軟件設(shè)計(jì)（3）

3.1.7 網(wǎng)關(guān)與車(chē)身域控融合將成趨勢(shì)（1）

3.1.8 網(wǎng)關(guān)與車(chē)身域控融合將成趨勢(shì)（2）

3.1.9 歐菲光第五代車(chē)身域控制器：軟硬件部分

3.1.10 歐菲光第五代車(chē)身域控制器：車(chē)身域控軟件

3.1.11 大陸集團(tuán)面向車(chē)身域和執(zhí)行器推出的“軟件功能及產(chǎn)品” 解決方案

3.1.12 聯(lián)合電子發(fā)布USP2.0開(kāi)發(fā)者平臺(tái)，首個(gè)區(qū)域控制器產(chǎn)品即將批量生產(chǎn)（1）

3.1.13 聯(lián)合電子發(fā)布USP2.0開(kāi)發(fā)者平臺(tái)，首個(gè)區(qū)域控制器產(chǎn)品即將批量生產(chǎn)（2）

3.1.14 諾博科技車(chē)身域控產(chǎn)品

3.1.15 車(chē)身域控制軟件（硬件）供應(yīng)商和產(chǎn)品列表（1）

3.1.16 車(chē)身域控制軟件（硬件）供應(yīng)商和產(chǎn)品列表（2）

3.1.17 車(chē)身域控制軟件（硬件）供應(yīng)商和產(chǎn)品列表（3）

3.1.18 車(chē)身域控制軟件（硬件）供應(yīng)商和產(chǎn)品列表（4）

3.1.19 車(chē)身域控制軟件（硬件）供應(yīng)商和產(chǎn)品列表（5）

3.2 汽車(chē)動(dòng)力和底盤(pán)控制軟件

3.2.1 動(dòng)力域控系統(tǒng)上游：軟件組成

3.2.2 動(dòng)力域控制器的開(kāi)發(fā)重點(diǎn)在于軟件

3.2.3 動(dòng)力域軟件方案（1）

3.2.4 動(dòng)力域軟件方案（2）

3.2.5 動(dòng)力域軟件方案（3）

3.2.6 動(dòng)力域軟件方案（4）

3.2.7 動(dòng)力域軟件方案（5）

3.2.8 動(dòng)力域軟件方案（6）

3.2.9 動(dòng)力域軟件方案（7）

3.2.10 動(dòng)力域軟件方案（8）

3.2.11 動(dòng)力域軟件方案（9）

3.2.12 動(dòng)力域軟件方案（10）

3.2.13 從軟件出發(fā)，第三方廠商如何向動(dòng)力域控轉(zhuǎn)型？

3.3 汽車(chē)能量管理軟件

3.3.1 為什么需要云端BMS管理算法？

3.3.2 動(dòng)力電池云端管理技術(shù)框架（1）

3.3.3 動(dòng)力電池云端管理技術(shù)框架（2）

3.3.4 動(dòng)力電池云端管理新技術(shù)應(yīng)用趨勢(shì)

3.3.5 云端BMS的需求分析（1）

3.3.6 云端BMS的需求分析（2）

3.3.7 "邊緣端BMS" 和 "云端電池" 的復(fù)合電池管理架構(gòu)

3.3.8 通過(guò)機(jī)器學(xué)習(xí)和AI模型，對(duì)動(dòng)力電池進(jìn)行健康評(píng)估

3.3.9 華為AI BMS解決方案

3.3.10 華為AI BMS為車(chē)企提供動(dòng)力部件可視化安全管理平臺(tái)

3.3.11 華為AI BMS四步法則

3.3.12 高合汽車(chē)云端BMS電池管理系統(tǒng)（1）

3.3.13 高合汽車(chē)云端BMS電池管理系統(tǒng)（2）

3.3.14 高合汽車(chē)云端BMS電池管理系統(tǒng)（3）

3.3.15 Electra Vehicles與NXP合作的 AI BMS解決方案

3.3.16 Eatron Technologies 基于云的網(wǎng)聯(lián)電池架構(gòu)

3.3.17 能量管理軟件產(chǎn)品供應(yīng)商和產(chǎn)品列表（1）

3.3.18 能量管理軟件產(chǎn)品供應(yīng)商和產(chǎn)品列表（2）

3.4 整車(chē)控制跨域操作系統(tǒng)OS

3.4.1 整車(chē)控制域發(fā)展趨勢(shì)：集成化和域控化（1）

3.4.2 整車(chē)控制域發(fā)展趨勢(shì)：集成化和域控化（2）

3.4.3 NXP整車(chē)控制域軟件平臺(tái)解決方案（1）

3.4.4 NXP整車(chē)控制域軟件平臺(tái)解決方案（2）

3.4.5 領(lǐng)世科技VCOS（整車(chē)控制操作系統(tǒng)）

3.4.6 領(lǐng)世科技中央控制器、動(dòng)力域控制器、區(qū)域控制器的部署

3.4.7 華為智能車(chē)控操作系統(tǒng)VOS

04

如何構(gòu)建跨域整車(chē)級(jí)操作系統(tǒng)OS

4.1 面向跨域融合，主機(jī)廠加強(qiáng)自研整車(chē)級(jí)OS

4.1.1 整車(chē)操作系統(tǒng)OS定義：面向服務(wù)的體系結(jié)構(gòu)(SOA)

4.1.2 面向服務(wù)的體系結(jié)構(gòu)(SOA)產(chǎn)業(yè)分工建議

4.1.3 整車(chē)OS目的

4.1.4 整車(chē)OS核心軟件層

4.1.5 整車(chē)OS開(kāi)發(fā)模式的演變

4.1.6 主機(jī)廠整車(chē)OS主要布局方式

4.1.7 主機(jī)廠自研整車(chē)OS主要限制因素

4.1.8 車(chē)企自研整車(chē)OS面臨的挑戰(zhàn)

4.1.9 主機(jī)廠OS布局模式典型案例（1）

4.1.10 主機(jī)廠OS布局模式典型案例（2）

4.1.11 主機(jī)廠OS布局模式典型案例（3）

4.1.12 主機(jī)廠OS布局模式典型案例（4）

4.1.13 主機(jī)廠OS布局模式典型案例（5）

4.1.14 主機(jī)廠OS布局模式典型案例（6）

4.1.15 主機(jī)廠OS布局模式典型案例（7）

4.1.16 主機(jī)廠OS布局模式典型案例（8）

4.1.17 主機(jī)廠OS布局模式典型案例（9）

4.1.18 主機(jī)廠OS布局模式典型案例（10）

4.1.19 OEM主機(jī)廠整車(chē)OS布局（1）

4.1.20 OEM主機(jī)廠整車(chē)OS布局（2）

4.1.21 OEM主機(jī)廠整車(chē)OS布局（3）

4.1.22 OEM主機(jī)廠整車(chē)OS布局（4）

4.1.23 OEM主機(jī)廠整車(chē)OS布局（5）

4.1.24 OEM主機(jī)廠整車(chē)OS布局（6）

4.1.25 OEM主機(jī)廠整車(chē)OS布局（7）

4.1.26 OEM主機(jī)廠整車(chē)OS布局（8）

4.2 面向跨域融合，供應(yīng)商整車(chē)OS的市場(chǎng)機(jī)會(huì)？

4.2.1 供應(yīng)商整車(chē)OS市場(chǎng)機(jī)會(huì)

4.2.2 汽車(chē)OS軟件供應(yīng)商角色演變

4.2.3 整車(chē)OS趨勢(shì)下，商業(yè)模式的演變

4.2.4 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（1）

4.2.5 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（2）

4.2.6 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（3）

4.2.7 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（4）

4.2.8 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（5）

4.2.9 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（6）

4.2.10 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（7）

4.2.11 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（8）

4.2.12 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（9）

4.2.13 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（10）

4.2.14 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（11）

4.2.15 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（12）

4.2.16 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（13）

4.2.17 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（14）

4.2.18 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（15）

4.2.19 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（16）

4.2.20 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（17）

4.2.21 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（18）

4.2.22 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（19）

4.2.23 供應(yīng)商整車(chē)OS業(yè)務(wù)模式案例（20）

05

汽車(chē)工業(yè)軟件和開(kāi)發(fā)工具鏈

5.1 汽車(chē)工業(yè)軟件和產(chǎn)業(yè)發(fā)展現(xiàn)狀

5.1.1 汽車(chē)工業(yè)軟件分類(lèi)（1）

5.1.2 汽車(chē)工業(yè)軟件分類(lèi)（2）

5.1.3 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（1）

5.1.4 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（2）

5.1.5 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（3）

5.1.6 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（4）

5.1.7 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（5）

5.1.8 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（6）

5.1.9 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（7）

5.1.10 中國(guó)汽車(chē)工業(yè)軟件發(fā)展現(xiàn)狀（8）

5.1.11 國(guó)內(nèi)汽車(chē)工業(yè)軟件部分廠商

5.2 汽車(chē)E/E架構(gòu)開(kāi)發(fā)工具鏈

5.2.1 ICV正向開(kāi)發(fā)流程

5.2.2 V模型軟件開(kāi)發(fā)流程和開(kāi)發(fā)工具

5.2.3 業(yè)內(nèi)常用的汽車(chē)開(kāi)發(fā)工具及工具鏈

5.2.4 Vector PREEvision基于V模型的E/E架構(gòu)開(kāi)發(fā)工具

5.2.5 基于Vector PREEvision的EEA數(shù)字化開(kāi)發(fā)

5.2.6 達(dá)索系統(tǒng) ICV嵌入式系統(tǒng)“全棧式”開(kāi)發(fā)能力

5.2.7 達(dá)索系統(tǒng) 3DE”全棧式”軟件工具鏈適配ICV開(kāi)發(fā)案例

5.2.8 萊科德（Luxoft）“E/E系統(tǒng)和SOA軟件”解決方案

5.2.9 萊科德（Luxoft）“智駕研發(fā)平臺(tái)”解決方案

5.2.10 ETAS（易特馳）云原生工具鏈：支撐整車(chē)OS開(kāi)發(fā)

5.2.11 Capital 汽車(chē)EE架構(gòu)電氣線束設(shè)計(jì)集成環(huán)境

5.2.12 零念科技LinearX CarOS工具鏈（1）

5.2.13 零念科技LinearX CarOS工具鏈（2）

5.2.14 國(guó)科礎(chǔ)石礎(chǔ)光工具鏈：賦能SOA軟件開(kāi)發(fā)（1）

5.2.15 國(guó)科礎(chǔ)石礎(chǔ)光工具鏈：賦能SOA軟件開(kāi)發(fā)（2）

5.2.16 懌星科技“V Agile（敏捷）”模式開(kāi)發(fā)流程服務(wù)

5.2.17 經(jīng)緯恒潤(rùn)面向軟件模塊的整車(chē)E/E架構(gòu)開(kāi)發(fā)咨詢服務(wù)

5.2.18 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（1）

5.2.19 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（2）

5.2.20 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（3）

5.2.21 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（4）

5.2.22 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（5）

5.2.23 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（6）

5.2.24 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（7）

5.2.25 E/E架構(gòu)和平臺(tái)開(kāi)發(fā)工具供應(yīng)商和產(chǎn)品列表（8）

5.3 汽車(chē)數(shù)據(jù)脫敏軟件SDK

5.3.1 《車(chē)聯(lián)網(wǎng)信息服務(wù) 數(shù)據(jù)安全技術(shù)要求》中數(shù)據(jù)分類(lèi)標(biāo)準(zhǔn)

5.3.2 數(shù)據(jù)脫敏相關(guān)法規(guī)

5.3.3 汽車(chē)傳輸視頻及圖像脫敏技術(shù)標(biāo)準(zhǔn)

5.3.4 數(shù)據(jù)脫敏方法（1）數(shù)據(jù)脫敏步驟

5.3.5 數(shù)據(jù)脫敏方法（2）數(shù)據(jù)脫敏方案

5.3.6 數(shù)據(jù)脫敏方法（3）數(shù)據(jù)脫敏方案對(duì)比

5.3.7 吉利汽車(chē)數(shù)據(jù)安全治理實(shí)踐

5.3.8 數(shù)據(jù)脫敏工具軟件供應(yīng)商和產(chǎn)品列表（1）

5.3.9 數(shù)據(jù)脫敏工具軟件供應(yīng)商和產(chǎn)品列表（2）

5.3.10 數(shù)據(jù)脫敏工具軟件供應(yīng)商和產(chǎn)品列表（3）

5.4 汽車(chē)軟件測(cè)試系統(tǒng)軟件

5.4.1 汽車(chē)軟件測(cè)試評(píng)價(jià)模型和標(biāo)準(zhǔn)

5.4.2 汽車(chē)軟件測(cè)試步驟

5.4.3 中軟國(guó)際智能駕駛測(cè)試解決方案

5.4.4 汽車(chē)軟件測(cè)試服務(wù)供應(yīng)商和產(chǎn)品列表（1）

5.4.5 汽車(chē)軟件測(cè)試服務(wù)供應(yīng)商和產(chǎn)品列表（2）

5.4.6 汽車(chē)軟件測(cè)試服務(wù)供應(yīng)商和產(chǎn)品列表（3）

5.4.7 汽車(chē)軟件測(cè)試服務(wù)供應(yīng)商和產(chǎn)品列表（4）

5.4.8 汽車(chē)軟件測(cè)試服務(wù)供應(yīng)商和產(chǎn)品列表（5）

5.5 汽車(chē)設(shè)計(jì)仿真軟件

5.5.1 常見(jiàn)汽車(chē)仿真工業(yè)設(shè)計(jì)軟件

5.5.2 動(dòng)力性經(jīng)濟(jì)性仿真分析軟件

5.5.3 動(dòng)力仿真分析軟件供應(yīng)商和產(chǎn)品列表（1）

5.5.4 動(dòng)力仿真分析軟件供應(yīng)商和產(chǎn)品列表（2）

5.5.5 汽車(chē)電控正向設(shè)計(jì)軟件供應(yīng)商和產(chǎn)品列表