一体化系统云 控基础平台功能场景参考架构。同时，在《车路云一体化系统云控基 础平台功能场景参考架构 1.0》的基础上，参照《“车路云一体化系 统”建设与应用实施方案图》的定义与要求，对实现云端与车端设备、 云端与路侧设备之间的交互数据项及通信协议进行修改与完善，确保 架构设计的全面性和一致性。 1.3 目标 面向构建先进完备的智能汽车基础设施的需求，本白皮书旨在提 炼出一套适用于车 搭建智能驾驶仿真测 试环境需求 19 《附录 A.2. 1. 12 智 能网联车辆-搭建智能仿 真测试环境需求图》 Stk1.13 智能驾驶远程云端接 管需求 14 《附录 A.2. 1. 13 智 能网联车辆-智能驾驶远 程云端接管需求图》 Stk1.14 智能网联车辆接入管 理需求 12 《附录 A.2. 1. 14 智 能网联车辆-智能网联车 辆接入管理需求图》 当网联车辆行驶在有限速要求的道路段或 者前方道路有限速要求时，云端将该道路 车路云一体化系统云控基础平台参考架构 37 段的限速信息发送给网联车辆，限速信息 来自于地图自带的限速信息。 Snr.2 道 路 危 险 状 况 提 示 服 务 场 景 需求 车辆行驶前方有影响车辆安全的情况（桥 下积水较深、占路施工、能见度过低、路面 遗撒），云端向车辆下发道路危险状况提 醒。 Snr.3

亚马逊云科技云价值框架助力企业和组织能够 从五个价值支柱构建云计算的详细商业案例 点击下方按钮了解更多信息： 成本节约 员工生产力 运营韧性 业务敏捷性 可持续性 价值支柱 1 实现成本节约 在云端释放基础设施效率 将核心工作负载迁移至云端可以避免本地基础设施的大额固定支出， 降低计算资源的总拥有成本 (TCO)，从而实现成本节约。同时也消除 了为避免服务中断而过度配置计算资源的需求。 与此同时，核心系统的 这些技术将帮助您通过以下方式精减 IT 预算： 基础设施成本降低 2 IDC，《VMware Cloud on Amazon 在构建 VMware 混合云环境中的商业价值》，2024年 从本地系统迁移至可扩展的云端模式，降低基础设施与维护成本。 利用先进的解决方案和工具，如 Amazon Transform、Amazon Cost Explorer 和 Reserved Instances（预留实例），更有效地控制支出。 团队提供的支持与赋能。 22% IT 基础设施团队效率提高 3 32% 通用石油天然气公司将业务迁移 到亚马逊云科技云端后，总拥有 成本降低 52% 1. 2. 3. 4. 通用石油天然气公司 IT 基础设施运营成本 减半案例 该公司通过将 500 个应用程序迁至云端，通用电气旗下的 石油天然气业务公司将其基础设施总拥有成本 (TCO) 降低了 52%。团队重新审视并在多数情况下淘汰了传统流程，以此

....... 7 （二）平台架构，PaaS 以其开放灵活特性成为主流选择 .... 11 （三）应用创新，工业机理与数据科学走向融合 .......... 13 （四）功能下沉，边缘与云端协同成为平台重要发展方向 .. 15 （五）开发框架，微服务等新型架构大幅降低开发难度与创新 成本 .............................................. 台的数据基础。一是 通过各类通信手段接入不同设备、系统和产品，采集海量数据；二 是依托协议转换技术实现多源异构数据的归一化和边缘集成；三是 利用边缘计算设备实现底层数据的汇聚处理，并实现数据向云端平 台的集成。 第二层是平台，基于通用 PaaS 叠加大数据处理、工业数据 分析、工业微服务等创新功能，构建可扩展的开放式云操作系统。 一是提供工业数据管理能力，将数据科学与工业机理结合，帮助 数据格式转换和统一。另一方面利用 HTTP、MQTT 等方式从边缘侧 将采集到的数据传输到云端，实现数据的远程接入。 边缘数据处理：基于高性能计算芯片、实时操作系统、边缘 分析算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行 数据预处理、存储以及智能分析应用，提升操作响应灵敏度、消 除网络堵塞，并与云端分析形成协同。 2. IaaS 技术 基于虚拟化、分布式存储、并行计算、负载调度等技术，实

2023/11 www.leadleo.com 400-072-5588 2 01 具身智能产业链上游： ◆ 具身智能上游芯片方面，其所需芯片种类 众多，其中AI芯片为核心，主要分为云端 训练芯片、云端推理芯片和端侧推理芯片； ◆ 机器人传感器方面，力传感器、电子皮肤、 视觉传感器、惯性传感器是人形机器人迈 向具身智能的关键传感器。这类传感器不 仅价值量较高，且与人形机器人的智能化、 仿生化和高自由度等发展方向紧密相连； 部署位 置和功能差异，具身智能所需AI芯片分为云端训练芯片、云端推理芯 片和端侧推理芯片，其在设计目标、技术路径、应用场景上存在差异 具身智能产业链分析——上游芯片 具身智能所需AI芯片分类 来源：头豹研究院 ◼ 具身智能产业中所需的芯片种类较多，包括AI算力芯片、通用计算芯片、传感器接口芯片、存算一体芯 片、通信与互联芯片等，覆盖了从云端大模型训练到具身智能端侧执行的全链条需求。其中，AI算力芯 片可分为云端训练芯片、云端推理芯片和端侧推理芯片，三者在设计目标、技术路径及应用场景上存在 显著差异。 云端训练用AI芯片 云端推理用AI芯片 通过海量多模态数据（视觉、语言、动作）训练 具身大模型，优化任务规划与泛化能力 为复杂任务提供高算力支持，降低端侧负载 端侧本体推理用AI芯片 内置于具身智能本体，实现实时环境感知、运动控制与本地决策 云端训练AI芯片 云端推理AI芯片

21 （一） “车路云一体化”产业网络具有“多层次，广覆盖”特征 ............... 21 （二） 路侧、云端建设与场景应用值得重点关注 ........................................ 23 （三） 入局企业分布：车、路、云端技术广泛互通，企业多方布局 ........... 26 五、 制约因素与前景展望 .................. 概念解读：“智车，慧路，强云”。 车路云一体化，是通过 C-V2X 车路通信技术， 实现汽车与路侧设备、云端平台的信息交互，最终实现人-车-路-云全面互联互通 的技术。“车路云一体化”中的智能汽车将不仅能借助路侧感知设备“看得高远”，高 能通过云端交控平台“看见全局”。通过与路侧、云端系统的协同感知与协同决策， 车辆的险情规避能力与路线择优能力有望大大提升，从而得以实现安全系数、驾 驶决策和全局交通效率的最优化。 助路侧设备“看见”盲区状况， 提高非常规险情中的紧急避险能力；同时，通过与路侧设备及其他车辆的信 息交互，其亦可实现自动变道、自主超车/会车、绿波巡航、编队行驶、防碰 撞追尾等功能。此外，通过云端平台，车辆高可精准识别全区域道路交通状 况、红绿灯相位与堵点所在，实现高精准高效的路线规划。 ⚫ 增强运算能力：通过“车路云一体化”，一大部分运算压力被转移到路侧与云 端。相较于车载计算设

要求。在新型工业网络、车联网等场景中，算力基础设施需要满足实 时响应、业务灵活、任务迁移等需求，边缘算力通过下沉至数据源头、 就近处理关键任务，成为人工智能实时场景中落地的必然选择。边缘 计算具有临近数据源、减轻云端数据压力以及保护用户隐私等显著优 势。 我国产业界大力发展边缘算力设施，分散式建设进程导致算力硬 件和互联网络呈现出较大差异，异网异构资源难以高效管控与对外服 务。我国边缘算力设施存在差异巨大的异构算力硬件，芯片类型包括 提升与资源利用最大化。 强化边缘侧算网一体化协同，形成多目标调度策略。运营商难以 将互联网内所有算力资源统一管控，为了实现边缘侧的灵活调度策略， 边缘算力系统可以在靠近用户侧实现资源分治，减少云端的资源调度 压力，为了满足边缘业务实时性需求，需要边缘算力系统在合理分配 计算任务的基础上，动态围绕计算任务类型、部署位置和执行顺序优 化网络通信路径。由于边缘侧业务种类随垂直行业和应用场景不断增 在边缘算力系统中，云边协同模式以“边缘本地化处理为基础、 云端全局管控为支撑”实现分层协同，核心通过中心云与边缘层的功 能分工及标准化接口联动形成闭环。 边缘侧层聚焦本地化处理与实时响应，边缘算网资源底座整合异 构算力与网络资源。边缘算力网关通过“算力发现与通告”构建区域 资源视图，完成本地任务处理并将关键数据及跨域需求上传至云端， 同时通过“云边协同接口”同步资源状态，支持断连时自治运行。

车端电气架构、组件及其攻击面分析 25 4.1 车端电子电气架构 28 4.2 车端资产关键组件 31 4.3 车端资产攻击面 42 4.4 小结 47 05 车联网攻击技术分析 49 5.1 针对云端的攻击 49 5.2 针对 V2X 的攻击 54 5.3 针对近场的控车攻击 58 5.4 针对车身接口的攻击 63 5.5 针对信息通信的攻击 66 5.6 针对智能驾驶算法的攻击 76 所以，第四章，我们会梳理汽车的电子电气架构，并就关键的零部件进行攻击面的分析。 黑客可以利用漏洞对第四章提及的攻击面进行攻击。在第五章，我们对不同的攻击技术展开阐 述与分析。这其中包括针对车联网云端平台、典型通信协议、路侧设备、近场通信、车身接口、车 联网学习模型的攻击等。 车联网安全研究报告（第六期） 3 介绍完安全事件、攻击面以及攻击技术，第六章将介绍车联网安全体系建设，依托现有车联网 个典型车联网安全事件，从事件回顾、原理简述以及事件分析三个 方面进行分析。 观点 1： 车路云间的互联互通使得越来越多的车联网业务被迁移到互联网上，在降本提效的同时也 暴露出了更多攻击面，云端逐步成为黑客的重点攻击对象，云端安全正面临严峻挑战。 观点 2： 数据作为助力汽车智能化的“新石油”，对智能网联汽车的发展至关重要。在近些年数据 泄露事件愈演愈烈的形势下，提升车联网数据安全防护能力任重而道远。

1.1 感知硬件 09 2.1.2 域控制器 13 2.1.3 执行硬件 18 2.2 车端推理 19 2.2.1 算法架构演进 19 2.2.2 算法场景应用 20 2.3 云端训练 20 2.3.1 训练数据 21 2.3.2 训练芯片 22 第三章 智能驾驶行业赋能与场景创新 24 3.1 主动安全 25 3.1.1 碰撞预警（FCW/RCW） 25 端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 车云协同；车端算法层整合管理域、算法、应用及安全 域，实时解析传感器数据生成决策指令；云端提供全导 航、数据管理和模型训练等功能，通过 OTA 向车端推 送更新。系统通过“传感器数据反馈、车端实时推理、 云端模型训练”闭环，实现环境感知、动态决策与精准 的目标探测，车载通信模块保障车内外信息交互。这些 传感器通过平台层的接口进行数据同步与时空对齐，形 成环境感知的冗余体系。其采集的原始数据经平台层预 处理后输入算法层，为决策提供实时环境输入，同时部 分关键数据通过平台层回传云端用于模型优化，构成感 知、决策、反馈的完整信息链。 车端平台层由操作系统、芯片、域控制器、车载通信等 组成，具备高性能计算、模块化扩展和软硬解耦的特征。 操作系统可细分为智能驾驶操作系统与车控操作系统，

配率，实现通信网络全覆盖和信息实时交互，以连续获取准确、足够的数据 用于判断和决策，保障系统运转。设备部署呈循序渐进的模式，即路侧由重 点路口拓展至城市全域，车端根据商用/乘用及前装/后装分类进行装配。此 外，路侧/云端应持续优化感知、计算和体验：1）在城市关键路口增配感知 设备及边缘计算设备；2）打造兼具低时延和安全性的统一云控平台。根据 中国汽车工程学会等预测，到 2030 年我国车路云一体化产业将突破 2.5 亿元，其中路侧产值可达 4174 亿元，2026E-2030E 路侧产值 CAGR 达 80%。 地方试点陆续起步，关注整体方案商及领先终端/模组/MEC 提供商 随着试点城市车路云建设订单陆续发布，路侧/云端建设有望率先推进，我 们看好具备全栈技术能力的整体方案集成商和领先的终端、模组、MEC 提 供商。产业链相关公司包括：1）整体方案商：千方科技、万集科技、金溢 科技；2）路侧单元及车载终端：高新兴、移为通信、鸿泉物联、中兴通讯、 ............................................................................................. 12 云端：打造兼具低时延、安全性的云控平台 .................................................................................