Ann Steffora Mustchler 作者张玺、四月编译

不想让流片打水漂?做自动驾驶汽车芯片前你应该知道这五件要事!

复杂多变的技术标准,严厉苛刻的技术要求,不断融合交叉的技术发展趋势,这一系列因素共同促成了汽车芯片市场难攻难克的现状,本文将分享攻克这些因素的基本方法论。

近来,伴随着汽车行业引入先进电子技术,供应链正经历颠覆性变化,如同一辆飞驰的跑车。

自动驾驶的极速发展改变了一切。今年,L3级无人驾驶将开始出现在大众视野中。大众视线之外,针对L4级的SoC(System on chip,片上系统)设计也在进行中。然而,芯片如何构建,谁来构建,使用什么IP?这些问题迷雾重重。

过去,汽车供应链一目了然。主机厂向一级供应商购买系统和配件。沿着供应链往上,一级供应商向芯片公司购买半导体。几十年过去了,模式几乎没变。

Cadence IP营销总监Tom Wong说:「食物链上的每个人都清楚地了解,设计要求是什么,现有的技术局限性。汽车质量及可靠的重要性在行业内也是众所周知。但如今情况完全不同了。」

Cadence是全球最大的电子设计自动化(EDA)软件公司之一,Tom Wong继续说道,「像是车载信息娱乐、无线连接及各式各样的ADAS(高级驾驶辅助系统)与机器学习等需求,以及为图像处理目标检测识别及传感器融合提供计算力的AI芯片市场,快速变化。我们看到主机厂开始组建SoC设计团队,或是开始采用外包的ASIC(Application Specific Integrated Circuit,特定用途集成电路)设计服务,或是直接向IP供应商商采购CPU,GPU、DSP内核及安全解决方案。」

变革发生,新玩家进场。所有人都努力在这条正在洗牌的百年产业赛道上找到自己的位置。

明导国际(MentorGraphics)的无人驾驶汽车SoC高级负责人David Fritz认为,「为了找到位置,从初创公司到百年老店,都在谋划创造属于自己的IP或SoC。俯瞰整个行业,我们看到了对于复杂性完全无知的公司,也看到了认为新技术与三十多年前所尝试的技术没有差别的主机厂。」明导国际也是知名EDA供应商,曾经作为Cadence的竞争对手,在2016年以45亿美元的价格被西门子收购。

除此之外,行业里还有层出不穷的技术方法及一系列复杂功能。

一些初创公司拥有芯片技术背景,运用敏捷方法开发知识产权,采取UVM(Universal Verification Methodology,通用验证方法学)验证。这些公司虽然还在恶补电子产品技术,却对汽车制造业拥有深刻见解。

对于传统汽车供应链来说,标准玩法通常是将整车拆分为许多容易解决的小问题,但是这个方法正在被迅速淘汰。

Fritz说「面对一辆汽车,你可以将它拆分成制动器和发动机。这方法的确有效。但当你面对ADAS,无人驾驶汽车,基于机器学习人工智能推理,这个思路就完全不行了。」

虽然OEM整机厂商在组建内部系统开发团队方面已取得重大进步,但是关键的障碍仍然存在,这同时也是技术行业所面临的普遍性挑战。

Fritz强调技术公司有自己需要解决的难题,他表示,「OEM厂必须采取耦合度非常低的方法。因为它们无法让新团队与供应商合作方开发接口,否则就会因为侵犯知识产权而被起诉。硅谷的问题是,拆分成最小可用产品的思路只有在不涉及人生安全才有效。

Fritz谈道,「在面对性命攸关的工作时,这个方法就行不通了。可能会出人命,特斯拉就发生过。因亚利桑那州无人驾驶汽车致死事故而被起诉的优步,也遇到了相同的问题──由于技术性问题,优步几乎搁置无人驾驶项目。这恰恰是因为他们坚信,‘先把东西做出来’。这与微软模式异曲同工,‘我们无法测试所有问题。它太复杂。让我们先把东西做出来,再让客户去测试。’但我们现在所谈论的东西,比枪支的杀伤力还要大。」

如何理解《ISO 26262》?

这片市场上还有其它动力在起作用,譬如7nm技术的蓄势待发。汽车制造商希望设计出搭建着最先进制造工艺的车用SoC,用于人工智能、车载信息娱乐与车载网络。

  • 一部分原因在于,它是先进的FinFET(Fin Field-Effect Transistor,鳍式场效应晶体管)所具备的性能及电量优势。

  • 另外是考虑到设计周期的因素。与其采用五年后就会淘汰的28nm芯片,现在多数芯片设计就是技术最前沿出发。

在严苛路面条件下,芯片的发展路径不甚明朗。功能安全标准《ISO 26262(第二版)》即将发布,其第11部分明确提出半导体及IP需求。《ISO 26262(第二版)》对于芯片设计的影响难以估量。

Wong认为,挑战在于实现质量、可靠性及功能安全性,这也是汽车设计的三大支柱。

1、芯片质量。

质量很大程度依赖于芯片制造工艺,这也是车辆的上市条件,其具体指标包括:

高温SPICE(Simulation Program with Integrated Circuit Emphasis,高温仿真电路模拟器)模型、ESD(Electro-Static discharge,静电释放)结构、电迁移分析与抵消及老化分析等等。

以及汽车设计规则,如最小间距、最小宽度、金属厚度及双车道与超大车道宽度的推荐规范。

2、芯片可靠性。

可靠性与高温工作设计有关,即AEC-Q100(国际汽车电子协会关于集成电路芯片的车规检验标准)的工作温度范围。

2级要求环境工作温度范围在-40°C至105°C之间,1级要求环境工作温度范围在-40°C至125°C之间。

除此之外,耗电量、硅芯片温度(结温)的相对升高以及高温工作寿命(腐蚀状态),都必须考虑在内。

3、芯片功能安全性。

功能安全性需要符合《ISO 26262(第一版)》、《ISO 26262(第二版)》,其第11部分明确阐述IP及半导体要求。培训设计团队已成为必需,目的是使他们熟悉掌握功能安全性,并能够与审核人员合作,获得获得FuSa认证的SoC。

如何应对要求变化?

这也只是个起点。由于汽车融入更多电子技术,相关技术要求也始终在变化。

  • 比如,与广泛应用于移动设备的LPDDR4内存相比,机器学习/人工智能芯片未来可能向GDDR6显存开放接口。

  • 摄像头可能一段时间内还是支持MIPI DPHY v1.2协议的接口,但可能在2021年或2022年升级最新版本MIPI A-PHY标准。

  • 传感器融合可能意味着车载网络传输速度提升至1 Gbps,甚至千兆网卡性能可能已经无法满足要求。一些设计采用40Gbps速率标准以支持L3级与L4级系统的带宽要求。

此外,车用L4级与L5级SoC未来可能提升至7nm,而未来一段时间内,复杂度略低的ADAS子系统将持续采用16nm。信息娱乐应用将需要由28nm提升至7nm,尤其是未来的全4K显示应用。

汽车工业的变革标志着汽车半导体进入快速变化的新局面。

Wong认为,引擎控制单元、电子电力技术、制动防抱死系统及主动悬挂等传统应用将需要偏向成熟的半导体工艺节点。

但是,视觉子系统(电子后视镜、前视摄像头、盲区检测、自动停车等)、传感器融合及其它无人驾驶芯片等新一代应用则需要更加先进的工艺。

无人驾驶(机器学习/人工智能)的芯片将需要最先进、最前沿的工艺节点,而且未来更加精细几何形状一旦出现,就会吸引设计人员的注意力。

这也意味着16nm设计IP被迫将比以前更快地迁移至7nm。较于过去,新一代IP通讯协议的部署速度也将更快。

「所有新型高性能机器学习/人工智能SoC都将配备GDDR6内存接口或是HBM2接口。LPDDR4x将替代LPDDR4,而LPDDR5也很快就会面世。除此之外,车用SoC未来几年将继续量产,IP供货商必须留存10年以上的基础设计档案资料及详细文档记录,保持设计可追溯性。

Wong说道,「这与消费者应用IP设计大相径庭。我们的智能手机可能会使用2到4年,但是汽车起码要使用10年以上。这车虽然可能不是你的,但最终还会是别人的。现在,美国汽车平均寿命是11.6年。」

如何购买合适的 IP ?

如何选择IP,也会带来一些问题。公司多如牛毛,既有正在开发芯片的百度、传统半导体供货商,也有一级供应商博世。

Arteris IP营销副总监Kurt Shuler说,「所有公司都要处理的问题是,通过证据表明IP工艺设计是遵循某种规范的。然后,IP是否符合其所宣传的技术安全要求?」

这需要IP客户仔细甄选不同的供应商。

Arteris是著名的SoC芯片设计提供商,Shuler说,「如果我要购买一些IP,我会通过售前沟通了解这IP有什么,如何实现?你有什么证据和工作产品证明所言非虚?」

「要知道,如果不是进入到芯片设计项目的尾声且开始进行常规性工作之前,IP并不会有太多显性表现。比如计算诊断范围、失效模式效应及影响分析,这些都是在付钱之后才知道的结果。」

IP购买者要确保合适的业务人员参与了售前沟通,这点极其重要。

「如果我们的客户或潜在客户中有某些人不理解功能性安全或其具体要求,只是盲目通过工作清单推进工作,这就事倍功半。所以,必须具备相关领域的专家。」

「此外,还需要愿意共享验证及预制过程中的诊断范围信息。同时,IP集成商需要理解IP应用假设。因为除非定制,IP必须是独立安全单元。」

「无论是Arm、Imagination、新思科技、Cadence还是Arteris IP,当我们交付某些具备功能安全性的IP时,我们通常会指定应用场景假设。」

「譬如,用户场景假设是‘你准备计算自己的FIT率(failures instance time,失效率)。’运用一组软IP,类似NoC(片上网络,network on chip),生成RTL(Register Transfer Level,寄存器转换级电路)。虽然听起来显而易见,但是我们并不知道你将使用什么半导体。」

所以,细节十分关键。

汽车主机厂希望了解关于购买系统的所有细节。新思科技以太网产品线经理John Swanson说,「这贯穿整条食物链,控制抓手是《ISO 26262》。因为《ISO 26262》已经建立所有规则及规范文件。我最早参加汽车芯片设计时,甚至没人提过《ISO 26262》。他们必须认证芯片,但不需要认证IP。现在,情况已经不同。你在芯片上灌注的IP将越来越多。」

如何理解软硬IP不同?

尽管如此,主机厂的发展步伐仍然有限。例如,他们没法区别软硬IP的差异。

Swanson说,「这就是半导体公司的难题。他们向博世、Denso(日本电装)及类似公司提出要求,这其中部分公司参与标准制定。以大陆集团为例,它一直在推动高速网络,但我不认为主机厂会在意这些。对于半导体供应商来说,很难验证所有部分。」

然而,软硬IP的技术要求完全不同。

Swanson说,「我认为硬IP相对简单,因为它不是可配置的,但是制作一个ASIL D Ready 的PHY(物理接口收发器)也并不简单。」

Shuler强调,对于IP供应商来说,这是关键问题。

「因为如果你提供硬IP,你必须选择提供更加充足的信息,如适配率。软IP就不可能做到。如果你提供的是硬IP,你还要提供这个特别模块如何被替代的场景假设。」

「举个例子吧,如果有个硬宏的矩形块,有人打算复制它,我可以设定用户场景,假如被复制,你只能得到两个阉割版终端,一个只能由东至西,另一个只能由北至南。两个终端结合在一起,才能符合用户场景。」

Swanson表示,独立安全单元方法源于软IP应用。

「不管博世还是电装,抑或是任何想要发明具备软件特征的基础信息娱乐系统公司,都想把系统嵌入尽可能多的各式各样的汽车里,这样他们就可以将其作为系统 的独立安全单元来验证。」

「‘我们知道它基本就是这么运转的,但是我们不清楚细节,而你们制造商必须认证所有细节’。对于IP,同样适用。我们认证IP,半导体公司认证芯片。一级供应商认证系统,主机厂认证汽车。ISO 26262记录整套流程。因此,如果哪个环节出现问题,大家都可以追溯,查出错在哪,也便于修正。」

与此相关的是,IP与车用SoC集成过程中所有环节的交互问题。

根据《ISO 26262》,每个单独过程都需要通过认证,且当子系统集成时,子系统也同样需要验证。

幸运的是,《ISO 26262第二版》中已明确给出关于整套流程的精确描述。

「了解一下,你将从一堆不同的供应商中挑选IP,这还不是只属于你的IP。从微观上看,这就是个体IP供货商的行为规范。从宏观上看,集成商必须从系统地角度分析问题。他们需要确认,每一个IP都是根据具体用户场景而实现。因为我们既不需要了解系统层面的事情,也不需要知道他们试图实现何种功能。技术层最重要的事情只有一件,RTL层级(Register Transfer Level,暂存器转移层次)IP会通过事务接口连接。」

如何应对复杂的流程?

上述所有这些都会增加成本及复杂度。

ClioSoft营销副总监Ranjit Adhikary表示,「除了满足不同的功能安全性方面及可靠性标准外,他们必须与主机厂严格的技术要求相匹配。主机厂位于供应商分层结构的最顶端。定位与汽车产业的公司必须为SoC及IP额外增加30%至40%的研发成本。」

除此之外,汽车IP开发商需要满足有助于缩短SoC设计周期的要求,确保其可在子系统与主机厂提供的软件中正常工作。这需要考虑延迟、功耗、面积、高可靠性与连续工作,以及高级节点的工艺方面设计问题。

Adhikary认为「专门为汽车行业定制开发的IP也需要经受极端工作条件,如更高的电压、温度、静电释放及测试覆盖目标。」

SiFive企业发展战略高级副总裁Keith Witek认为,IP及SoC都需要在每一个设计步骤及阶段进行测试分析,包括架构、RTL、网络列表、物理设计、验证、布局-路由及下线故障。如果出现故障,还需要判定其危险程度。

Witek说,「当发现设计缺陷时,必须重现、修正及记录。这是获得ASIL评级且达到ISO 26262标准的充分条件。这种验证方式的问题是设计后验证。通常不可能进行测设及合规检查。整套流程应该由自动评估质量/批准/验证开始,不能总是在零部件层级修复问题(尽管有时也能采取软件或系统层兼容修复)。大家都知道,这些流程会将半导体设计流程延长两年。」

从IP供货商及消费者角度看,最重要的是必须追溯IP使用记录且确保实物设计可持续。

Adhikary「说对于IP开发商来说,追溯IP及其衍生、所有衍生及解决方案的关联问题、测试环境与结果,已成必须。对于IP消费者来说,他们需要追溯在哪里使用IP,识别可供替换的等效IP,开发IP的工艺节点及任何开放问题。对于IP开发商及消费者来说,都需要拥有一套完整的IP生态系统,管理设计信息及特征的复杂矩阵。」

结 论

汽车行业IP开发是复杂艰巨的任务。技术标准动态多变,客户背景混杂,甚至IP采用速度及使用地点也无法确认。这不是项琐碎之事。

虽然汽车市场能向会做事的公司支付大笔奖金,但是发展路径终究不甚明朗──发展代价确实难以评估。

产业芯片汽车自动驾驶
相关数据
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
目标检测技术

一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。

暂无评论
暂无评论~