之前我們暢想了自動駕駛普及後駕駛座艙當如何更新，這些屬于硬體系統，而智能的聰明才智更多還是展現在軟體層面，是以今天我們來看一看未來的車機系統會有那些變化。
随着電氣化時代的到來，汽車将不再局限于交通工具，而是與智能手機一樣成為一個可以移動的數字化平台。很顯然車企都是朝着這個方向努力。直白的說，軟體将定義汽車。
在具體操作層面，軟體将深度參與到汽車定義、開發、驗證、銷售、服務等過程中， 并不斷改變和優化各個過程，實作體驗持續優化、過程持續優化、價值持續創造。目前，不同車型在硬體配置方面逐漸趨同，各大車企在硬體領域已經經曆了漫長的競争，硬體及其成本持續改 善的空間較為有限。
說白了，燃油機的上限在出廠時已經決定。即便後期改裝，也隻能修改一下ECU提升進氣量，如果想要進一步提升動力，就需要更換進排氣，換渦輪，這些都屬于硬體範疇了。而軟體定義車輛則可以類比于手機，隻要廠商優化做的好，未來提升潛力巨大。
相較于傳統汽車，智能汽車能為車主創造豐富的、可感覺的價值以及全新的駕駛體驗，這也是目前不同汽車形成差異化的關鍵。是以，軟體和算法逐漸成為了車企競争的核心要素，造車的壁壘也由從前的上萬個零部件拼合內建能力演變成将上億行代碼組合運作的能力。在智能汽車時代，主機廠主要從如下幾個方向發力。
硬體先行，軟體更新
從目前的規模來看，面向量産乘用車的智能駕駛系統整體處于 L3及以下級别，智能駕駛技術仍在持續疊代更新中。考慮到一台車實際的使用壽命至少在十年以上。車載計算平台的算力上限決定車輛生命周期内可承載的軟體服務更新上限。是以僅僅使用當下的算力是無法覆寫未來十年内的技術更新要求。
為了友善了解我們還是以手機舉例，智能手機的晶片更新往往是一年一代，但軟體層面的更新一年會有數十次。那麼我們類比到汽車上超過十年的使用周期，主機廠在出廠時就得預置翻幾倍與現在的算力。目前晶片算力大多在十位數的Tops，而為了滿足未來，主機廠要将智能駕駛算力提升至 500-1000Tops 級别。
近年來高算力晶片的問世加速了智能汽車的更新速度，比如英偉達推出的 Xavier（30TOPS）、DRIVE Orin（254TOPS）、DRIVE Atlan（1000TOPS）。根據行業資料，實作 L3 自動駕駛的算力需達 20-30TOPS，到 L4 級需要 200TOPS以上。可見目前硬體方面已經做好了準備，
改變傳統的軟體架構
文章開頭我們提到，在傳統的汽車軟體上若要新增單一功能， 需要改變所有與其相關的ECU 軟體，同時也要修改車内電線、線束布線等，功能或系統更新的複雜性極大，車企內建驗證更為困難。若要實作較為複雜的功能，則需要多個控制器同時開發完成才能進行驗證，一旦其中任意一個控制器出現問題，可能導緻整個功能全部失效
另外，現有架構下主機廠隻做內建的工作，車企隻是架構的定義者，核心功能是由各個 ECU 完成，ECU 由不同的供應商開發，架構無法複用，無法統一。這也導緻過去大部分主機廠自身的軟 件開發能力較弱。
随着汽車不斷向智能化、網聯化方向發展，傳統汽車分布式的架構難以适應軟體定義汽車的時代需求。過去汽車軟體架構更多是面向信号的架構，ECU 的功能是固定的，軟體被提前編寫在控制器中。 但随着智能汽車的發展，車内搭載的 ECU 數量快速增加，這不僅使 ECU 的點對點的通訊變得十分複雜，且不具備靈活性和擴充性，微小的功能改動都會引起整車通訊矩陣以及各 ECU 軟體的變動同時這種架構還面臨算力束縛、通訊效率缺陷、以及不受控的線束等潛在問題影響。
為了适應這種軟體定義車輛的模式，新架構每個元件設計都是标準化、子產品化的。架構中每一個服務元件接口都是 “标準可通路”的，服務元件的設計、部署不再依賴于具體特定的硬體平台、作業系統和編 程語言，同樣的元件/功能可以通過标準化接口在不同的車型上實作複用。
同時為了适應智能汽車時代，越來越快的疊代周期。新架構都是可以解耦合的，同時由于其設計的标準型，服務元件和硬體均可以标準化地接入和通路，若要新增某一功能隻需增加相應的服務元件并使其調用不同的硬體功能即可。解決了相同的應用在不同車型及硬體環境下重複開發的痛點，使得汽車軟體架構十分靈活并易于拓展。
在軟體定義汽車時代，汽車電子零部件也将像過去的傳統機械、車身零部件一樣加速标準化，硬體差異化越來越小。這一點可以類比現在的手機，大家選擇無非就是ARM架構的處理器，生産商除了高通就是聯發科，記憶體、閃存的供應商說來說去就是那麼幾家，大家的标準就是UFS 3.1or3.0，LPDDR5或者LPDDR4。那麼我們繼續參考手機來看，未來的汽車除了像蘋果一樣有極高附加值的産品，大部分汽車都會在售價上趨于透明，而主機廠最終盈利的點會在軟體以及後期的更新。