架构，本质上是一门权衡的工程艺术，而非追求完美的科学。

一篇跨产业综述,追溯电子电气架构如何在基础设施层趋同,而控制语义与证明义务持续分化 —— 及其对汽车、机器人与具身智能的意义。论文提出两个原创框架:AR0–AR5(架构成熟度)与 AI²-ML(架构智能成熟度)。

对全球 22 家主要汽车制造商的电子电气架构成熟度进行系统评估,沿五维框架与 AR0–AR5 阶梯,既评估当前已落地状态,也评估已确认路标的近期状态。核心发现是结构性的:架构成熟度的全球版图已经倒转 —— 全球仅 Tesla 与华为 HIMA 触及 AR4,中国新势力领跑 AR3 第一梯队,而欧洲与日韩传统巨头集体垫底。一条贯穿全文的方法论判断:功能安全认证并不等于架构成熟度。

作为系列收官之作,本研究以 Tesla FSD–Optimus 统一技术栈为实证锚点,闭合 D1 的 AR0–AR5 框架与 D2 对 22 家 OEM 的横向评估。通过从硅到行为的临床剖析,将 Tesla 官方披露的 11 层共享技术提炼为三组复用机制 —— 物理层、智能层与一个隐含的组织层(第 12 层)—— 并精确刻画跨形态复用的边界:积累性能力可复用,形态依赖的高频运动控制不可复用。核心论点:Tesla 是一个 AR4 参照系,而非可复制的模板。

对 12 家架构设计工具链厂商在 AI²-ML 阶梯上的成熟度基准。唯有 SCADE 触及 L3;整个品类贴地分布,而顶端——那片空缺的高地——无人抵达。“AI 的热度”已与“推理的能力”脱钩。