汽车电子体系结构从传统的硬件感变为软件的含义。重新表现和性能已成为支持智能汽车未来发展的主要矛盾。根据Stellantis和Infineon的引入材料，评估了汽车以太网在平衡维修和性能中的技术和实际成就。本文引用：硬件加速技术，例如Infineon Aurix Aurix TC4X MicroController的加速器，可以将关键路径的潜伏期降低到700％，高达700％，大量的系统改进系统实时性能；通过云不可预测的调整和车载动态管弦乐技术的结合，汽车电子系统可以在系统级别上实现灵活性，并使性能构成性能。汽车电子系统的复杂性迅速上升，将建筑革命从硬件到软件的含义推动由许多因素驱动：一部分电子系统的车辆成本从1970年的5％下降到2030年的50％，并且预期由软件缺陷引起的召回率是预期的体系结构。传统的分布式ECU架构取决于大量专用的硬件模块，这很难应付对快速运行和高灵活性的现代汽车的需求。增加的集中式体系结构为软件指定的汽车提供了新的硬件基础。例如，Stellantis的STLA Brain建立了一个Mahusay，该Mahusay通过与域控制器和中央计算单元（HPC，高性能计算）的合作进行计算平台。 ●模块化开发支持OTA（直播）更新和订阅模式功能。 ◎例如，软件作为服务（SaaS）提供的汽车继续在整个生命周期中升级其功能； ◎硬件重复使用实现ECUS通过标准间的跨平台传输面孔，大大降低了发展和维护成本； ◎动态适应提供了一个灵活的系统，可以根据各种使用情况调整资源分配（例如，当自主驾驶的优先级高于车辆的优先级时），从而提高了整体效率和用户体验。但是，重新确认的Pagimprovement并不能阻止性能瓶颈的挑战，尤其是在实时要求很高的情况下。传统的软件培养解决方案显示出重大的缺点。当接口数增加到16个通道时，由CPU负载引起的延迟可能达到1.8毫秒，这超过了1毫秒的实时阈值。 Infineon的Aurix TC4X微控制器引入了硬件 - 加速技术，通过专用路由器加速器实现了熟练的性能。罐头路线潜伏期从16.5微秒降至小于5微秒h增加了高达700％的增长，基于IEEE 1722协议加速了硬件，减少了300％的延迟，而以太网到式延迟降低了TCP/IP卸载技术的潜伏期250％，改善了该系统的实时性质，这也使混合流量方案优化了性能的基础。 ●为了在系统级别和性能平衡上进一步实现灵活性，已经提出了“预测范围 - 执行”的结构的闭环优化。 ◎云预测配置使用车辆状态图和频谱聚类算法来减少74％的调整方案的数量，并减少调整调用的数量，减少87.9％，从而大大提高了系统响应速度和资源的使用； ◎板载动态乐团基于Axil模型（用户体验级别），并且在资源障碍限制时，首选基本功能，例如高级驱动程序辅助系统（ADAS），以确保安全性和稳定性用户体验； ◎加速硬件实现将确定性工作任务卸载到专用加速器，以释放CPU资源，以支持高计算能力要求（例如人工智能）的应用。三位一体架构设计使汽车电子系统能够在配置完全配置的同时保持高性能，从而为完整实施软件指定的汽车提供了技术保证。 ●在技术实施路径中，Stellantis和Infineon通过比较硬件解决方案，软件解决方案和混合解决方案的性能，证明了混合体系结构状态是当前最佳解决方案。尽管硬件解决方案在安全至关重要的系统（例如控制控制）中执行Wellos，但其维修成本很高且灵活性不足，因此很难适应软件定义的汽车的动态要求； ◎尽管纯软件解决方案具有很高的灵活性是的，在处理混合流量时，通常会发生巨大变化，通常高达±10微秒，这不符合实时要求； ◎混合解决方案结合了两者的好处，并通过Aurix TC4X微控制器的硬件监督实时路由活动。同时，该软件负责迭代的政策更新和操作，在低潜伏期和快速适应微秒之间达到平衡。该解决方案不仅满足了高性能和维修的可振态电子系统的双重需求，而且还为扩大未来技术提供了坚实的建筑基础。同时，生态的标准化和建设已成为实施技术的主要驱动力，并且与行业的合作正在加速。例如，以车辆为主导的车辆（例如，开多普，IP诊断）为通信协议统一和SOAFE提供了规格框架是指安全开发和更新过程。尽管AVCC促进了跨供应商界面的标准化，促进了不同供应商的互操作性，但Stellantis域控制器采用了模块化设计，允许标准化MAPI快速将第三方解决方案快速整合，以生成开放且繁荣的生态系统。 ◎在朝着该软件指定的汽车方面的过程中，该行业仍面临许多挑战。实时和安全的具有讽刺意味。尽管动态变化建立提高了灵活性，但它也可以引入性能安全性的不确定性和威胁。因此，正式的验证技术（例如旋转模型的检测）被认为是确保系统可靠性的重要工具； ◎第二，法规和道德困难变得更加突出。例如，联合国R156法规要求应监视软件更改，并要求区块链的更改证据存储系统可以是解决此问题的有效方法。 ◎第三，测试范式的转换紧密，传统的现实生活试验昂贵且无效，而Twin的数字技术有望将测试成本降低50％，并通过虚拟模拟验证动态调整的可靠性。计算能力需求的爆炸带来了新的技术瓶颈，到2030年，对自行车计算能力的需求预计将达到3000台（每秒万亿美元的操作），这要求该行业可以开发出异质的计算体系结构，例如将CPU，GPU和TPU结合到高剂量的高剂量计算中的解决方案。解决这些挑战的解决方案需要改变跨域技术和行业合作，以确保软件定义的汽车的可持续开发。汽车以太网从传统的通信巴士角色出现到智能汽车的神经中心。通过三位一体随着硬件，云合作和动态乐团的加速，维修和性能之间的矛盾已逐渐解决，改变芯片水平将是主要的驱动力。例如，专用AI加速核心的SOC（系统级芯片）集成将显着提高汽车的智能处理能力；软件指定的软件（SDN）通过实时智能计划来优化流量管理，以进一步提高资源使用效率。