本文嘗試從ASIL分解背景和分解定義出發，對ASIL分解進展開介紹，通過簡單的案例應用對分解進行說明，并于文章最后對ASIL分解進行總結。

在前一期文章發表后，一位熱心網友圍繞文章中的一張激光點云圖和筆者展開過一番親切友好的討論，從作用討論到缺點，就在雙方感覺心力交瘁爭論不下去的時候，這位朋友扔下了一句自動駕駛圈的萬能話術：“這個東西很貴

近兩年牽頭參與了多個，基于SOA的全新架構項目。在和客戶一起開展項目的過程中，也遇到了很多共性的問題。所以想借這個機會，和大家分享一下，希望對大家有所啟發。有錯誤，不恰當的地方，歡迎大家指正。

常常被問到，硬件的敏捷怎么做？2年前我就非常關注這個跨界融合的話題，所以在不同場合發表過自己的觀點。前不久，被一個車企客戶軟件負責人再一次問到了，于是那場訪談變成我說得多、對方聆聽的模式（汗?。?。所以

1前言隨著汽車上控制器的數據量逐漸增多，控制器之間的數據交互量呈指數增加，原來500kbit/s傳輸速度的CAN數據通信速率提高到百兆級的車載以太網通信和千兆以太網通信，對數據的速率和延時有了更高的要

摘要隨著智能座艙領域以及駕駛輔助功能的不斷升級，必然伴隨傳感器數量的提高、芯片算力要求的提高，基于軟件定義汽車的共識，芯片、操作系統、中間件、應用算法軟件、數據是實現智能座艙的關鍵因素。對汽車的架構及

自動駕駛在新一代EE架構中趨向于從分布式向集中式演進，在此過程中，整車需求包括機械、電氣/電子、軟件、熱學等。工程師需要從中提取電氣/電子方面需求，并且對其進行分解然后協調各下游部門進行開發設計。

Google推出Android車載替代的思考在很多車載都使用Android的前提下，Google分別推出了AndroidAuto和AndroidAutomotive，用來取代本身待改善的車載Andro

汽車“三化”提速，車載芯片得到廣泛應用隨著電動化、網聯化和智能化的提速，汽車信息化水平空前提升，芯片應用快速增加。最早，車上的設備全部是機械式的；隨著電子工業的發展，汽車的一些控制系統開始了從機械化到

現在做車載控制器的開發，AUTOSAR架構基本是繞不開的，而Vector達芬奇工具，也是大家常用的AUTOSAR開發工具。作為剛入門的小菜，記錄一下平時的配置。首先說一下總體感受，Vector的達芬奇