《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 通信與網(wǎng)絡(luò) > 解決方案 > 從 L1~L5 自動(dòng)駕駛芯片發(fā)生了哪些變化?

從 L1~L5 自動(dòng)駕駛芯片發(fā)生了哪些變化,?

2023-12-01
來(lái)源:cadence
關(guān)鍵詞: cadence 自動(dòng)駕駛

2018 年,,汽車行業(yè)“缺芯”潮來(lái)得猝不及防,而后波及所有電子元器件品類,自此汽車電子“一芯難求”成為街頭巷尾熱議的話題,。今天,,我們看到經(jīng)過(guò)幾年的上游擴(kuò)產(chǎn),,疊加近期汽車終端市場(chǎng)的不景氣因素,缺芯現(xiàn)象得到明顯緩解,,僅剩下少部分主控芯片依舊維持長(zhǎng)交付周期的狀態(tài),。

 

汽車電動(dòng)化、智能化下的增量市場(chǎng)相當(dāng)可觀

回顧過(guò)去,,真的只是電子供應(yīng)鏈?zhǔn)袌?chǎng)周期性波動(dòng)帶來(lái)的“缺芯”問(wèn)題嗎,?回答是否定的,究其最深層的原因,,還是汽車電動(dòng)化,、智能化趨勢(shì)下電子電氣架構(gòu)變革帶來(lái)的增量市場(chǎng)上升速度太快,,導(dǎo)致車規(guī)級(jí)芯片市場(chǎng)供不應(yīng)求,從而產(chǎn)生“缺芯+漲價(jià)”的應(yīng)激反應(yīng),。

汽車芯片主要分為功能芯片,、功率器件和傳感器三大類。在傳統(tǒng)燃油車中,,平均芯片搭載量約為 500-600 顆/輛,,而隨著前面提到的汽車電動(dòng)化、智能化的演進(jìn),,平均芯片搭載量已提升至 1000 顆/輛,,在新能源車中更是超過(guò)了 2000 顆/輛,未來(lái)隨著電車智能化的升級(jí),,還有望提升至 3000 顆/輛,,甚至更多。

 

商業(yè)價(jià)值最大化,,L2/L2+是短期內(nèi)的行業(yè)共識(shí)

作為汽車智能化的核心,,近年來(lái)自動(dòng)駕駛技術(shù)的發(fā)展非常迅速。當(dāng)前,,部分汽車廠商已經(jīng)推出了具備 L2 級(jí)別自動(dòng)駕駛功能的車型,,比如特斯拉 ModelS、廣汽新能源 AionS,、小鵬 G3,、蔚來(lái) ES8、一汽大眾探岳,、長(zhǎng)安 CS75,、WEYVV6、吉利繽瑞等,。

那么,,到底什么是 L2 級(jí)別自動(dòng)駕駛呢?事實(shí)上,,市面上有兩套自動(dòng)駕駛分級(jí)標(biāo)準(zhǔn),,分別是 2014 年國(guó)際汽車工程師學(xué)會(huì)(SAE)首發(fā)的《SAE J3016 推薦實(shí)踐:道路機(jī)動(dòng)車輛駕駛自動(dòng)化系統(tǒng)相關(guān)術(shù)語(yǔ)的分類和定義》,簡(jiǎn)稱《SAE 駕駛自動(dòng)化分級(jí)》,;以及 2021 年我國(guó)國(guó)家市場(chǎng)監(jiān)督管理總局出臺(tái)的《汽車駕駛自動(dòng)化分級(jí)》國(guó)家標(biāo)準(zhǔn)(標(biāo)準(zhǔn)號(hào):GB/T 40429-2021),。兩者的區(qū)別在于國(guó)家市場(chǎng)監(jiān)督管理總局、國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)將 L1 至 L2 級(jí)別統(tǒng)稱為輔助駕駛,,L3 至 L5 級(jí)別統(tǒng)則稱為自動(dòng)駕駛,。下面,我們以國(guó)際標(biāo)準(zhǔn)為例來(lái)具體介紹一下,。

在《SAE 駕駛自動(dòng)化分級(jí)》標(biāo)準(zhǔn)中,,自動(dòng)駕駛被分為 L0 級(jí)~L5 級(jí):

·L0 級(jí):無(wú)自動(dòng)化,,純?nèi)斯ゑ{駛;

·L1 級(jí):駕駛支持,,以人工操控為主,,系統(tǒng)提供適時(shí)輔助,常配有制動(dòng)防抱死系統(tǒng),、車身電子穩(wěn)定系統(tǒng)等;

·L2 級(jí):部分自動(dòng)化,,雖然自動(dòng)駕駛系統(tǒng)能夠完成某些駕駛?cè)蝿?wù),,但駕駛者仍需專心于路況,當(dāng)系統(tǒng)出現(xiàn)差錯(cuò)時(shí)需要人為進(jìn)行糾正,,常配有自適應(yīng)巡航系統(tǒng),、主動(dòng)車道保持系統(tǒng)、自動(dòng)剎車輔助系統(tǒng)和自動(dòng)泊車系統(tǒng)等,;

·L3 級(jí):有條件自動(dòng)化,,某些特定場(chǎng)景下的自動(dòng)駕駛,車輛自動(dòng)駕駛系統(tǒng)的優(yōu)先級(jí)高于駕駛員,,但是駕駛員可以通過(guò)緊急按鈕隨時(shí)取得車輛的控制權(quán),,如交通擁堵路段的自動(dòng)跟車行駛、遠(yuǎn)程倒車入庫(kù)等,,以在公用路面上完成 L3 級(jí)別的自動(dòng)駕駛車輛奧迪 A8 為例,,其搭載了 24 個(gè)感應(yīng)器和 41 種駕駛輔助系統(tǒng)軟件;

·L4 級(jí):高度自動(dòng)化,,在規(guī)定的道路和環(huán)境中,,車輛自動(dòng)駕駛系統(tǒng)能夠自主完成所有的駕駛操作,具備完全處理緊急情況的能力,,駕駛員可以做自己想做的事情,,如果出了事,責(zé)任將全部歸屬?gòu)S商,,方向盤(pán),、油門、剎車等裝置也或被取消,;

·L5 級(jí):完全自動(dòng)化,,在所有道路和條件下,自動(dòng)駕駛系統(tǒng)都能夠完成駕駛?cè)蝿?wù),,應(yīng)對(duì)任何工況,,駕駛員全程無(wú)需干預(yù),此時(shí)也不再有駕駛艙的概念,,汽車更像是一個(gè)智能機(jī)器人,。

 

事實(shí)上,,在 2022 年之前,全球汽車產(chǎn)業(yè)鏈上的企業(yè)對(duì)目標(biāo)場(chǎng)景并沒(méi)有那么清晰,,所以總希望通過(guò)算力抬升來(lái)實(shí)現(xiàn)硬件冗余,,而今天當(dāng)自動(dòng)駕駛往高階發(fā)展,從 L2 開(kāi)始逼近 L3,,甚至再往上走,,技術(shù)和產(chǎn)品批量落地面臨的最大挑戰(zhàn)是需求側(cè)的承受能力,這正在倒逼車廠進(jìn)行新一輪的成本管控下的系統(tǒng)優(yōu)化,。通過(guò)實(shí)踐證明,,這兩年 L2、L2+級(jí)別的自動(dòng)駕駛將成為車廠標(biāo)配,,這一趨勢(shì)已形成行業(yè)共識(shí),。

 

自動(dòng)駕駛技術(shù)演進(jìn)下,“大芯片”成為標(biāo)配

隨著自動(dòng)駕駛技術(shù)的不斷演進(jìn),,不僅車載芯片的數(shù)量在逐步增加,,在跨域集中式和中央計(jì)算式架構(gòu)中,大芯片正在成為標(biāo)配,,芯片設(shè)計(jì)的復(fù)雜性急劇升高,。

2014 年~2018 年間仍以分布式 E/E 架構(gòu)為主,跨域集中式架構(gòu)剛起步,,主流玩家 Mobileye,、英偉達(dá)和瑞薩、TI 等傳統(tǒng) MCU 廠商的上車智駕芯片算力大都在 10TOPS 以下,,如牢牢占據(jù) L1~L2 級(jí)別視覺(jué) ADAS 芯片市場(chǎng)的 Mobileye EyeQ3/Q4 的算力僅為 0.256TOPS 和 2.5TOPS,。

不過(guò)也有特殊的,比如 2016 年搭載于特斯拉 HW2.0 平臺(tái)的英偉達(dá)Tegra Parker SoC 算力就提高到了 24TOPS,,同時(shí)把 GPU 路線的自動(dòng)駕駛 SoC 正式推向市場(chǎng),。

2019 年~2023 年間跨域集中式架構(gòu)發(fā)展提速,英偉達(dá)開(kāi)始引領(lǐng)高算力市場(chǎng),,相關(guān)電子供應(yīng)鏈結(jié)構(gòu)同步發(fā)生轉(zhuǎn)變,,除了英偉達(dá)外,特斯拉自研 FSD 芯片崛起,,國(guó)產(chǎn)品牌地平線,、黑芝麻、芯馳等抓住國(guó)產(chǎn)替代窗口開(kāi)始發(fā)力,。此時(shí),,智駕芯片面向應(yīng)用場(chǎng)景和汽車終端產(chǎn)品定位出現(xiàn)算力需求分化,行業(yè)形成共識(shí),L2/L2+級(jí)別自動(dòng)駕駛在短期內(nèi)更具商業(yè)落地價(jià)值,,紛紛發(fā)力搶占市場(chǎng),。

值得一提的是,在 L2/L2+級(jí)別的中高算力自動(dòng)駕駛市場(chǎng)中,,算力需求已經(jīng)達(dá)到了 30 TOPS~1000 TOPS 這個(gè)范圍,,比如 2020 年英偉達(dá)發(fā)布的針對(duì) L2 級(jí)別市場(chǎng)的 Xavier 芯片,已上車小鵬 P7/P5 等車型,,算力為 30TOPS,;2022 年地平線發(fā)布的 J5 芯片,已上車?yán)硐?、比亞迪,、蔚?lái)旗下阿爾卑斯、哪吒等車型,,算力為 128TOPS;同年英偉達(dá)又針對(duì) L2+級(jí)別高階輔助駕駛車型推出 Orin 芯片,,成為主機(jī)廠合作的王者,,算力為 256TOPS。根據(jù)業(yè)內(nèi)人士反饋,,Orin 芯片的出現(xiàn)給 Mobileye,、地平線、高通,、黑芝麻智能,、寒武紀(jì)等自動(dòng)駕駛芯片企業(yè)帶來(lái)了空前壓力。

 

EDA 正在助力汽車芯片廠商實(shí)現(xiàn)性能和先發(fā)優(yōu)勢(shì)

對(duì)于這些大芯片設(shè)計(jì)廠商而言,,如何縮減上市時(shí)間取得先發(fā)優(yōu)勢(shì),,在提高算力、安全等級(jí)的同時(shí),,改善芯片的 PPA(功耗,、性能和面積),成為共同的追求目標(biāo),。

傳統(tǒng)的 EDA 工具常使用“經(jīng)驗(yàn)法則”,,需要設(shè)計(jì)人員根據(jù)直覺(jué)和經(jīng)驗(yàn)進(jìn)行優(yōu)化,這種建模和仿真技術(shù)存在很多局限性,,包括:無(wú)法從以前的設(shè)計(jì)中汲取經(jīng)驗(yàn),,導(dǎo)致生產(chǎn)力受限且設(shè)計(jì)不夠準(zhǔn)確;多次迭代導(dǎo)致設(shè)計(jì)時(shí)間增加,;HLS 通常需要更多的時(shí)間來(lái)完成綜合,;布局和布線取決于設(shè)計(jì)師的預(yù)測(cè)/經(jīng)驗(yàn),會(huì)增加運(yùn)行時(shí)間;就時(shí)間和資源而言,,制造成本高昂等,。與此同時(shí),車規(guī)級(jí)芯片的質(zhì)量在很大程度上取決于底層半導(dǎo)體技術(shù)和設(shè)計(jì)規(guī)則,,因此對(duì) EDA 又提出了更高的要求,。

所以對(duì)于一顆車規(guī)級(jí)大芯片而言,為了確保設(shè)計(jì)的正確性,,必須在生產(chǎn)制造前進(jìn)行大規(guī)模的仿真和驗(yàn)證,,而芯片的算力規(guī)模越大、集成度越高,,仿真驗(yàn)證的過(guò)程就會(huì)越復(fù)雜,,設(shè)計(jì)人員需要更快地實(shí)現(xiàn)收斂和驗(yàn)證,來(lái)降低成本并提高結(jié)果質(zhì)量,。同時(shí),,傳統(tǒng)的隨機(jī)/自動(dòng)測(cè)試模式生成(ATPG)方案在故障覆蓋率方面已經(jīng)不能滿足實(shí)際需求。因此,,將 AI 和 EDA 融合是大勢(shì)所趨,。

Cadence 作為 EDA 領(lǐng)域的深耕者和領(lǐng)導(dǎo)者,可以提供汽車智能設(shè)計(jì)所需的全部 EDA 工具,、設(shè)計(jì)流程等,,幫助工程師加速自動(dòng)駕駛設(shè)計(jì)。同時(shí),,通過(guò)將 AI/ML 功能融入現(xiàn)有的 EDA 工具中,,能夠從手動(dòng)到完全自動(dòng)化不同等級(jí)產(chǎn)生更好、更可預(yù)測(cè)的結(jié)果,,助力汽車廠商利用多學(xué)科分析和優(yōu)化(MDAO)技術(shù)提高整體設(shè)計(jì),,從而實(shí)現(xiàn)更快速、更優(yōu)質(zhì)的結(jié)果,,系統(tǒng)的精確行為建模也提高了產(chǎn)品保真度和安全性,。

下面介紹兩個(gè) Cadence 在自動(dòng)駕駛中所提供的典型解決方案——Cadence Tensilica 處理器 IP、Xcelium ML,。

 

l Cadence Tensilica 處理器 IP

Tensilica 處理器 IP 是 Cadence 根據(jù)應(yīng)用需求量身定制的差異化處理器系列 IP,,可滿足各類 ADAS 硬件加速平臺(tái)需求,其 DSP 內(nèi)核 Tensilica ConnX 支持用于 L2 級(jí)別自動(dòng)駕駛下 ADAS 的激光雷達(dá),、毫米波雷達(dá)中的高性能數(shù)據(jù)處理,,提供性能、功耗和面積的理想組合,,同時(shí)其 DSP 處理器 Tensilica Vision 與 Tensilica Al 處理器的集成可輕松實(shí)現(xiàn)視覺(jué)傳感器數(shù)據(jù)處理,。

對(duì)于汽車芯片廠商來(lái)說(shuō),在將 Tensilica DSP 產(chǎn)品集成到系統(tǒng)級(jí)芯片的同時(shí),可以快速,、輕松地進(jìn)行軟硬件劃分的探索分析,,滿足將來(lái)算法的演進(jìn)同時(shí)大大降低 CPU,GPU 和 AI 處理器的負(fù)載,。同時(shí)使用 Tensilica Instruction Extension(TIE)語(yǔ)言自動(dòng)生成處理器擴(kuò)展和與之匹配的軟件工具,,并創(chuàng)建特定領(lǐng)域的差異化解決方案。

值得一提的是,,搭載 FlexLock 的 Tensilica Xtensa 處理器現(xiàn)已通過(guò)車規(guī)級(jí)安全認(rèn)證,,完全符合汽車安全完整性等級(jí) D 標(biāo)準(zhǔn),提供 ASIL D 系統(tǒng)級(jí)和 ASIL D 隨機(jī)故障防護(hù),,適用于功能安全(FuSa)應(yīng)用,,可以幫助更多大芯片設(shè)計(jì)廠商將安全模塊集成到 SoC 中,減少模塊設(shè)計(jì)和驗(yàn)證時(shí)間,,增加產(chǎn)品先發(fā)優(yōu)勢(shì),。

以汽車?yán)走_(dá)模塊中的 SoC 為例,其通常由多個(gè)處理元件組成,,包括控制器 CPU 和一個(gè)或多個(gè) DSP 等,。當(dāng) SoC 中的晶體管出現(xiàn)隨機(jī)故障時(shí),包括晶體管或其他物理元件磨損并卡在邏輯“0”或“1”處,,由于 α 粒子引起的靜態(tài)故障導(dǎo)致內(nèi)存位從“0”翻轉(zhuǎn)為“1”等永久性故障,或是由 SoC 中的信號(hào)串?dāng)_等噪聲引起的瞬態(tài)故障等,,這些故障都可能發(fā)生在與處理器緊密耦合的邏輯門或存儲(chǔ)器中的處理元件中,,最終造成安全問(wèn)題。

因此,,系統(tǒng)設(shè)計(jì)人員必須設(shè)定一個(gè)安全目標(biāo),,即 DSP 中的隨機(jī)故障不得導(dǎo)致車道標(biāo)記等物體檢測(cè)失敗。該安全目標(biāo)將指導(dǎo)設(shè)計(jì)人員采取適當(dāng)?shù)陌踩珯C(jī)制,,以便在檢測(cè)到隨機(jī)故障時(shí),,安全控制器會(huì)收到通知并可以采取措施,例如重新初始化 DSP 等,。如果 DSP 已經(jīng)進(jìn)行處理,,則安全控制器負(fù)責(zé)采取措施確保在 DSP 重新初始化之前/期間達(dá)到安全狀態(tài)。

在這種設(shè)計(jì)中,,位于“安全島”中的安全控制器可以起到安全關(guān)鍵決策的作用,。當(dāng)然,控制器也可能會(huì)出現(xiàn)隨機(jī)故障,,如果控制器檢測(cè)到 DSP 故障,,但控制器采取了錯(cuò)誤的操作來(lái)響應(yīng)該故障,從而使系統(tǒng)處于不安全狀態(tài),這類故障可能會(huì)產(chǎn)生嚴(yán)重后果,,這種情況下設(shè)計(jì)人員就需要采用冗余的設(shè)計(jì)方法,,讓兩個(gè)控制器同步運(yùn)行,來(lái)大大降低此類事件發(fā)生的可能性,。

綜上,,為了實(shí)現(xiàn)系統(tǒng)級(jí)別的安全目標(biāo),像雷達(dá)模塊中的 SoC 這樣的處理器設(shè)計(jì)是非常復(fù)雜的,,所以芯片設(shè)計(jì)企業(yè)通常會(huì)向可靠的第三方購(gòu)買 IP,,來(lái)簡(jiǎn)化設(shè)計(jì)流程,提高流片的成功率,,而 Tensilica 處理器 IP 是個(gè)不錯(cuò)的選擇,。

 

l Xcelium ML

Xcelium Logic Simulation 是 Cadence 為 IP 和系統(tǒng)級(jí)芯片驗(yàn)證收斂提供的一款高速的仿真器,可為 SystemVerilog,、VHDL,、SystemC?、e,、UVM,、混合信號(hào)、低功耗和 X 態(tài)傳播(X-propagation)提供業(yè)內(nèi)優(yōu)異的核心引擎性能,,從而加快驗(yàn)證吞吐量,。

其中,Xcelium Machine Learning(ML)App 利用專有的機(jī)器學(xué)習(xí)技術(shù)來(lái)縮短回歸時(shí)間,,可從以往的回歸運(yùn)行中學(xué)習(xí)并指導(dǎo) Xcelium 隨機(jī)引擎,,在實(shí)現(xiàn)相同覆蓋率的前提下大幅度減少仿真回歸周期,或者產(chǎn)生特定覆蓋點(diǎn)的激勵(lì)觸發(fā)更多的 bug來(lái)提高驗(yàn)證質(zhì)量,。

同時(shí),,Cadence 對(duì)特定領(lǐng)域還提供了相應(yīng)的 App,包括混合信號(hào),、基于機(jī)器學(xué)習(xí)的測(cè)試壓縮和功能安全,,可以幫助汽車芯片設(shè)計(jì)團(tuán)隊(duì)盡早實(shí)現(xiàn)對(duì) IP 和系統(tǒng)級(jí)芯片(SoC)設(shè)計(jì)的驗(yàn)證收斂,非常適合 Level 2+ 級(jí)以上 SoC 設(shè)計(jì),。

瑞薩電子汽車 SoC 業(yè)務(wù)部杰出工程師 Tatsuya Kamei 對(duì)此表示:“將 Xcelium Machine Learning(ML)App 納入驗(yàn)證流程,,有助于我們?cè)诰o迫的期限內(nèi),通過(guò)更少的回歸測(cè)試來(lái)加速完成覆蓋率的收斂任務(wù),,同時(shí)最大限度地提高驗(yàn)證性能和整體驗(yàn)證效率,。”

而在這段表述的背后,,是瑞薩電子借助 Verisium AI-Driven 驗(yàn)證平臺(tái),,整體調(diào)試效率提高了 6 倍,,整體隨機(jī)驗(yàn)證回歸縮短了 66%;以及依托 Xcelium ML App,,實(shí)現(xiàn)了回歸用例 2.2 倍壓縮和 100% 覆蓋率收斂的事實(shí),。

此外值得一提的是,瑞薩電子在不斷使用機(jī)器學(xué)習(xí)進(jìn)行回歸迭代過(guò)程中,,在實(shí)現(xiàn) 100% 覆蓋率的前提下,,將工作量減少了 3.6 倍。

瑞薩電子利用機(jī)器學(xué)習(xí)大大減少回歸運(yùn)行次數(shù)(從 3774 次減少到 1168 次),,成功在規(guī)定時(shí)間內(nèi)實(shí)現(xiàn)產(chǎn)品上市,。除了節(jié)省資源、時(shí)間和加速覆蓋率收斂外,,Xcelium ML Apps 還為瑞薩電子節(jié)省了約 27 個(gè)工時(shí),。

 

寫(xiě)在最后

汽車產(chǎn)業(yè)的變革還在繼續(xù),芯片和電子系統(tǒng)的重要性只會(huì)越來(lái)越高,。不可否認(rèn)的是,,在克服未知挑戰(zhàn)的路上缺少不了整個(gè)產(chǎn)業(yè)鏈的通力合作,而 EDA 和 IP 將是貢獻(xiàn)者鏈路上重要的一環(huán),。

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點(diǎn),。轉(zhuǎn)載的所有的文章,、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有,。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無(wú)法一一聯(lián)系確認(rèn)版權(quán)者,。如涉及作品內(nèi)容、版權(quán)和其它問(wèn)題,,請(qǐng)及時(shí)通過(guò)電子郵件或電話通知我們,以便迅速采取適當(dāng)措施,,避免給雙方造成不必要的經(jīng)濟(jì)損失,。聯(lián)系電話:010-82306118;郵箱:[email protected],。