智能系统赋能自动驾驶
电气化，远程办公和供应链问题促使汽车行业启动了新一轮变革。人们对有害气体排放及其对环境影响意识的增强进一步推动了汽车行业采用绿色环保的可替代能源。对可持续交通和相关法规改革的诉求则强化了减少碳足迹的愿景，加速汽车产业的电气化进程，为传统笨拙的机械系统向高效电动动力系统转变提供了基础。无线通信，毫米波（mmWave）雷达和人工智能（AI）等技术正在催生全新的用户体验，塑造不断变化的乘客期望。在"The Brains Behind Your Intelligent Systems①" 这篇文章中，Ben Gu② 专门描述了电子元件的惊人进步，其具体体现为如何替代人类感知环境，传输数据，并做出实时决策。技术革新让汽车驾驶更加安全、高效和舒适，营造出更愉悦的出行体验。一款最普通的汽车现在也至少搭载了超过 1,000 块各类芯片。目前绝大多数芯片还是被用于车载娱乐系统，但自动驾驶和安全相关领域的芯片应用正在快速追赶。基于上述趋势，Ben Gu 总结了让汽车更智能、更安全的三种技术途径。1►汽车智能为了实现辅助驾驶，车辆必须明确所处的位置和周围环境。辅助驾驶的关键技术需要利用 AI 和视觉传感器的信息获取能力，为后续的实时判断和分析提供数据。例如，将传感器收集到的数据与环境及路况信息结合。这些收集到的信息，或者叫模型，本质上就是汇总了道路、地图、车速、交通法规和安全驾驶规则的数据库。系统在分析过程中会同时评估环境路况和数据模型，判断安全操控汽车所需执行的命令。摄像头，毫米波雷达，激光雷达和 GPS 在探测环境时会产生大量数据，包括位置、地形、路面、标识、交通信号、行人、车辆和其他物体。将上述所有数据汇总的过程被称作传感器融合，计算结果可以精准描述车辆所处的环境和状态。接下来，这些数据在自动驾驶汽车的行为模型下进行分析，这一模型的数据库中几乎囊括了所有可能做出的判断及其影响。模型的搭建或完善需要以庞大的历史数据和仿真结果为基础。大家可能遇到过装满摄像设备的车驶遍大街小巷，它们的作用就像手机一样，就是不断地将采集到的数据流主动传送至汽车制造商。一家车厂就可能拥有 1.5PB 的数据，其中包括 100 万个长度为 10 秒的视频和 60 亿个被标记的物体。模型对传感器数据的分析在车载环境下实时执行。负责数据分析的计算机和游戏主机差不多，也用到类似的图像处理器（GPU）技术。设备运行速度可达到每秒 320 万亿兆次运算（TOPS）以满足性能需求。一些模型也可能采用速度低于 144 TOPS 且功耗小于 100W 的系统。2►系统性能通过设计以达到最优性能需要考虑的远不止最高时速和 0 到 60 mph 加速这么简单。现代化的汽车就是装了轮子的计算器，意味着软件和电子元件必须满足数据实时处理的要求。高性能的车内无线数据传输、车间通讯和与数据中心的连接至关重要。传感器网络传输的数据范围是 10 Mbps 到 25 Gbps，方式基本都是通过高速以太网。信号传输过程必须免受电气干扰，并限制电噪声排放。车辆经过不同区域时，驾驶和导航的实现需要大型数据集的无线传输。一辆车每天可以生成 1TB 数据。为了保证多车辆导航的安全性，车辆之间也会通过直接通讯来管理车距，做出判断。所有智慧功能都需要软件才能实现。空中（OTA）软件会时不时进行更新，完整的软硬件系统必须具有安全的架构以防止黑客入侵和数据盗 窃。流体动力学、材料和散热性能是优化系统性能并减少能耗的关键。车身的设计需要兼顾能效、外观、安全、摩擦和燃油汽车引擎冷却或电动汽车的电机与电池冷却。为所有设计方案建立物理模型并进行风洞测试无论从时间还是成本上都不现实，所以使用虚拟模型进行仿真就成为了性能优化的关键。同样的道理，热量产生和设备冷却对狭小空间和敏感电子设备尤为关键。热行为的虚拟仿真可以优化物理设备的测试结果，创建更高效的热管理设计。3►半导体电子元件近期的电子元件供应链问题因为超预期的需求，弹性更低的生产能力和更长的交付时间而加剧。一些 T1 子系统供应商正在通过自行设计半导体以控制供应和库存，优化整体系统。为了提高成功率，他们需要聘请半导体行业专家，但这需要在有限的人才库中与其他厂商竞争，这也强化了行业内对自动化半导体设计工具的需求。汽车芯片过去一直采用传统工艺以节省成本。但汽车电子的变革是由高价值特征驱动的，实现这些功能所需的性能、设计尺寸和功耗只有在最先进的半导体制程工艺下才能达成。为应对愈发复杂的设计，人工智能在生产力和性能优化方面都展示了乐观的前景。►►►结论► 汽车行业已经改头换面。电气化和人工智能让能耗、性能和安全都得到大幅提升。一些驾驶员不再将快速到达目的地作为唯一标准，而是越来越多地关注驾驶体验，目的地总归可以到达，但抵达的过程更为重要。► 智能汽车需要半导体、数据和决策 AI 的共同加持，汽车系统的复杂性与日俱增，需要更完善的设计和测试技术。为了实现必要的性能和可持续的设计目标以及安全性，各项设计需要被进一步统筹。不同领域的工程师需要合作完成统一的目标，做到这一点则需要全新的设计合作模式。注解：①“TheBrains Behind Your Intelligent Systems” 为 Ben Gu 于 2021 年 10 月发布于 Forbes 的文章，您可复 制链接：https://www.forbes.com/sites/forbestechcouncil/2021/10/18/the-brains-behind-your-intelligent-systems/?sh=2d8308dc9001 至 PC 端打开浏览②本文作者 Ben Gu，Cadence公司副总裁，多物理场系统分析事业部总经理。 来源：Cadence楷登
