汽车芯片正在经历怎样的巨变？

汽车行业正在经历一场根本性的变革，它涵盖了从软件定义汽车，到几乎每个设计和使用案例环节中人工智能的应用，再到汽车各层级供应商和整车厂（OEM）之间传统关系的彻底重塑。

向软件定义汽车的转变是汽车生态系统的重中之重。它能让产品更快上市，并能更快地更新，使车辆始终符合新的协议、标准和功能。传统的硬件定义方法灵活性较差，因为它受限于预先定义的硬件，功能必须围绕硬件来设计。这种方法也更耗时、成本更高，使得传统汽车制造商处于竞争劣势。

西门子 EDA 混合物理和虚拟系统、汽车与军工/航空副总裁 David Fritz 表示：“有一些显而易见的技术和概念，例如持续集成/持续部署（CI/CD）、DevOps 变革等。虚拟平台在其中发挥了重要作用。与此同时，他们仍在努力理解多保真度虚拟平台的含义。从我们的角度来看，这为我们多年来在各种保真度虚拟平台方面所做的工作打开了大门，将所有这些整合到一个框架中，从而能够在不同保真度级别上验证超复杂的系统。当把所有这些仿真整合到一辆完整的虚拟汽车中时，如何知道它是否真的符合你的要求？当不断完善软件架构、硬件架构时，如何知道它真的在让事情变得更好，并且运行正常？如何衡量这一点？你不需要等到实车存在后才能做到。如果你想实现软件定义汽车的承诺，那么就需要结合多保真度虚拟平台和对这些平台的验证。”

对于汽车行业而言，这是一次根本性的变革。Rambus 硅知识产权业务发展总监 Adiel Bahrouch 表示：“随着整车厂加速向软件定义汽车转型，区域架构、基于小芯片的计算以及ADAS/AD等技术正在获得关注。价值链正在应对车内网络安全、供应链安全、市场准入法规遵从、开放标准 API 和系统集成等方面的挑战，特别是在对交付个性化、安全和可扩展的出行服务压力越来越大，而上市时间以前所未有的速度缩短的情况下。”

伴随这些转变的，是对更高水平自动驾驶的不懈追求，以及座舱的数字化以改善用户体验。车辆架构也开始演变为更集中的系统管理，在电动汽车中，这包括高效的电池管理系统，以延长续航里程和电池寿命。

虽然这些变革的采纳速度因汽车制造商而异，但几乎所有车企都朝着同一个方向前进。Cadence Tensilica 产品部汽车产品营销与管理总监 Amit Kumar 表示：“在 ADAS 领域，架构仍然是基于区域的系统，向中央处理系统的转变一直很缓慢。一些整车厂在少数车型中采用了集中的架构，但大多数仍然是区域 ECU，甚至是比区域架构概念出现之前更原始的 ECU。”

Arm 自动驾驶汽车总监 Robert Day 从过去几年开始看到汽车生态系统的变化，从软件定义汽车开始，将 ECU 分布到不同的区域，改变车内架构，从通过分布式 ECU 进入不同的域，着眼于服务于不同区域的集中式计算。

Day 说：“关于车辆架构将如何改变以及这将如何降低成本有很多讨论。因为线束配置不会那么长和重，我们可以开始使用以太网等进行通信，然后区域控制其区域内的许多传感器和设备。这改变了软件架构，这就是我们正在研究向软件定义汽车的转变，即汽车由软件定义，而且可以更新。你的车在离开展厅后可以变得更好，因为你可以获得更新和升级。这是过去三年左右的一件大事。”

Arm 为实现这一目标所做的一部分工作是启动 SOAFEE 倡议，该倡议以软件为中心。它详细介绍了如何使用云原生工具等高效开发和测试代码，以及如何将软件部署到车辆中，包括 OTA（空中下载）协调器等技术。这些技术传统上并未用于汽车领域，但它们可以帮助实现软件定义汽车。

Day 说：“然后我们开始在云端引入虚拟原型环境。因此，你可以根据正在做的事情，以相对良好的性能或相对高的保真度进行开发和测试，然后高度确信你的软件在部署到车辆之前就能正常工作。这就是 SOAFEE 试图实现的一部分。引入虚拟原型环境正在推动整个‘左移’（shift left）趋势，我们能够在硬件可用之前很早就开发和测试软件。然后，当你进入集成和部署阶段时，它会更具可预测性。当汽车售出后，你将继续这样做。”

Day 认为下一代是 AI 定义汽车，它是在软件定义汽车方法的基础上发展而来的。他说：“很多工作负载都将是 AI 工作负载，即在车内运行的边缘 AI 工作负载，这将有助于确定它是软件定义还是 AI-软件定义。这将有助于未来的汽车满足我们消费者的需求。”

下一个挑战是确定人工智能还能在车辆的设计和运行中扮演什么角色。西门子的 Fritz 说：“我们正在应用人工智能来预测人工智能的性能。想当年，我们有 YACC (yet another compiler compiler，又一个编译器编译器)。你用编译器来创建编译器。现在这是同样的事情。我们正在用人工智能来证明人工智能的性能。这是我们投入了大量资金的一件大事，它确实开始结出硕果，可以在你拥有任何形式的芯片之前很久就证明这些东西。”

人工智能还将在 ADAS 和自动驾驶领域发挥重要作用。Cadence 的 Kumar 指出了新的网络模型和网络类型，如用于目标检测的 YOLO 等基于 CNN 的网络和用于分割的 SSD-ResNet 作为例证。他说：“DETR-ResNet 正在迅速崛起。对于车辆行为，正在使用 RNN。脉冲神经网络也因某些应用而变得流行，尤其是在车内。Cadence 一直在 DSP 内核上测试和运行各种神经网络工作负载，这些内核包含 MAC 单元。我们的产品组合中还有一个 AI 协处理器，支持神经网络引擎，以更少的能源和功耗来卸载不受支持的层和算子。”

但与数据中心不同，车辆中的人工智能需要超高效率。L5 级车辆可以拥有 40 多个传感器和数十亿行代码，如果消耗太多电量，车辆的续航里程将显著下降。仅仅是设计一个如此复杂的系统并使其节能，就是一个巨大的挑战。

Cadence 计算解决方案部门小芯片和 IP 解决方案高级产品组总监 Mick Posner 说：“为了应对这种日益增长的复杂性，同时加快上市时间，汽车制造商正在寻求可扩展的 SoC 架构，这样他们就可以快速迭代设计，根据他们的处理需求向上或向下扩展系统，并部署使现代汽车更安全的功能。他们对小芯片越来越感兴趣，以满足这些需求。虽然多芯片已经成为主流，但小芯片尚未普及，这个行业正处于一个我们可以帮助实现这一转型的关键时刻。”

Cadence 在今年早些时候发布了一个基于小芯片的物理 AI 平台，并正在与早期采用者合作。该平台的架构包括一个灵活的基础系统小芯片、一个基于 Neo NPU 的可配置 AI 加速器小芯片，并支持一个 CPU 小芯片。它还为第四个特定领域的小芯片提供了可选支持。该平台的小芯片框架促进了小芯片之间的通信，包括对安全、安保和控制子系统的 SoC 级控制。其中包含统一的参考软件，用于系统启动和生产软件用例的开发。去年，Cadence 流片了其首个基于 Arm 的系统小芯片，目前已拥有内部芯片。

更高水平的自动驾驶需要人工智能。Arm 的 Day 说：“人工智能正在弄清楚汽车周围发生了什么，这样它才能做出决定。随着自动驾驶级别的提升，这种需求会越来越多。目前在自动驾驶社区中有很多关于由端到端人工智能驱动的讨论。因此，它不仅仅是感知。它还包括规划决策，然后是汽车需要做什么。我们开始看到更多可以使用人工智能的用例，人们正在将其投入使用。第一步是 ADAS。我们需要它。如果不进行大量训练中的人工智能，以及车辆中的大量推理，你就无法环顾四周并弄清楚事情。现在我们正在研究驾驶员与车辆的互动。”

人工智能也正在渗透到座舱中，并被证明是整车厂的差异化因素。Cadence 的 Kumar 说：“用户体验（UX）和用户界面（UI）既是座舱舒适度的一部分，也通过座舱内的多个传感器实现了安全功能。其中一项新兴技术是车内感应，它实现了欧洲新车安全评鉴协会（Euro NCAP）最近强制要求的儿童存在检测功能，也是汽车目前和未来的增长引擎。**驾驶员监控系统（DMS）**正变得越来越复杂，此类系统的普及率一直在上升。”

Arm 的 Day 也看到了人工智能的用例，比如聊天机器人和大语言模型（LLM）进入座舱，这样用户就可以像现在在家里习惯的那样，通过类似 ChatGPT 的界面与车辆进行交流。他说：“座舱内的语音识别技术正在发生很多事情。还有一些东西，比如 DMS，它将使用人工智能来弄清楚你作为驾驶员在做什么，或者是一个乘员监控系统。所有这些都将开始使用人工智能。我们现在无法想象所有的工作负载，但我们会看到一些新的有趣的事情出现。例如，你车辆的用户手册。你没有理由需要阅读它。你应该能够直接问车你的轮胎胎压是多少。这是一个相对简单而有趣的用例。然后是你的信息娱乐系统和导航系统的控制。所有这些都将拥有我们在家里拥有的相同类型的东西。事实上，现在有很多讨论，是关于让你在手机和家里使用的 AI 代理跟随你进入汽车，这几乎就是情境感知 AI。它知道你是谁。例如，它知道你要去哪里。然后你作为驾驶员，就可以开始问它问题，比如，‘我要多久才能到星巴克？你能帮我点一杯拿铁吗？’”

Robotaxi 为人工智能提供了另一条途径。Robotaxi 依靠强大而复杂的感知传感和高性能计算，正在一些城市成为主流。Cadence 的 Kumar 说：“到目前为止，这个领域一直由 Waymo 引领，但 Tesla 正在美国启动一个 Robotaxi 项目，Uber 和 Nuro 正在合作组建一个 Robotaxi 车队。这些都清楚地表明了汽车 L5 级汽车的这一新趋势。”

随着自动驾驶、车对车（V2V）和车对基础设施（V2I）部署的增加，车辆的连接性和复杂性也随之提高，攻击面也随之扩大。Keysight 首席安全分析师 Nicole Fern 表示：“防止车辆更新、V2V 和 V2I 中可被远程利用的漏洞至关重要，同时也要防止竞争对手窃取专有的自动驾驶算法。这促使了安全飞地和专用信任根等硬件安全功能的采用。”

然而，仅仅包含更多的安全功能并不能自动使汽车解决方案变得安全。Fern 说：“故障注入和侧信道分析等硬件攻击已成功攻破了使用硬件安全功能的系统，例如安全启动。一个很好的例子是柏林工业大学的特斯拉自动驾驶黑客事件，该事件使用故障注入来提取系统中的代码和数据，以及用于与特斯拉后端基础设施进行身份验证的加密密钥。”

幸运的是，人们现在正在非常认真地对待汽车环境中的安全问题。Synopsys 首席安全技术专家兼科学家 Mike Borza 表示：“他们现在明白，安全是汽车安全（即 ISO 26262 合规性）的基础。如果没有一个安全的环境，你就无法保证系统的安全性和安全行为。这与人工智能世界中的应用方式非常相似。现在这两种东西也确实融合在一起了。人们正在使用基于图像的处理来确定车辆的位置，以及它们如何跟踪其他车辆，例如在自适应巡航控制系统中。所以现在这些东西被整合在一起，人们将在汽车领域沿着这条路走下去。我们还看到人们非常关注维护汽车内数据流的完整性，并以一种他们正在使用技术手段来强制执行完整性的方式将数据从一个地方移动到另一个地方，例如加密和身份验证——技术身份验证是指在接收到信息时验证其完整性。因此，使用 MIPI 链路的摄像头，例如，现在正在将 MIPI 安全集成到这些摄像头流中。显示器也是如此，因为如果你修改数据，使你在倒车时本应能看到的东西消失，如果车辆使用的是摄像头而不是后视镜，或者而不是真正回头看，那将是一个大问题。”

所有这些技术正在汽车行业引起一场巨变，而且没有任何迹象表明它会在短期内放缓。

西门子的 Fritz 说：“我们预测的很多事情，比如整车厂之间建立更紧密的关系，正在发生。整车厂主导其生态系统的概念，而不是以前的方式，正在真正实现，尽管在不同地区发生的速度不同。特别是有一家日本整车厂，几乎 100% 锁定在一个一级供应商，而这个一级供应商几乎 100% 锁定在某个二级供应商的所有事情上。一级和二级供应商几乎正在成为整车厂的专属，因为这是他们控制自己未来的唯一方式。这很有趣，因为它迫使每个人都变得更加专注并理解他们的贡献。这也为许多这些较小的 SoC 和 AI 加速器公司挤进市场打开了大门。因此，我们将在未来几年看到整合，因为这些公司将被并入这些大型整车厂，将他们的整个生态系统拉到他们的保护伞下。”

这既是倒退，又是前瞻。Fritz 说：“这让人想起亨利·福特的时代，他将所有东西都集中在底特律。他运进自己的材料，生产所有东西，实现了完全的垂直整合，而不是我们最近所处的分布式整合。一级供应商会有几个整车厂客户，并试图将同样的东西应用到每个整车厂，这就是整车厂失去控制的方式。现在正在发生的事情正在扭转这种局面，回到整车厂说，‘我完全垂直整合。我来主导所有事情。’”

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。