汽车电子：计算与通信视角下的趋势与解决方案

汽车电子领域正经历快速变革，特别是在感知和从感知中提取智能方面。这一领域服务于三个主要支柱：自动驾驶、电动化和车内驾驶舱的进步。多级自动驾驶仍然是重要目标，并在技术和地理上持续进步。现在，车内驾驶舱已成为创新的重点，信息娱乐、连接性、驾驶员和占用率监控系统，甚至健康监测系统都取得了进展。

对新型和高级功能的需求很高，但原始设备制造商（OEM）决心尽量减少物料清单并强调软件驱动的功能，以实现灵活性和增长。这要求在多模式感知、融合和从边缘到区域控制器再到中央计算的连接方面实现更高水平的集成。

现代汽车现在运行着40个或更多的传感器：摄像头、雷达、激光雷达，甚至热成像技术也在地平线上。一些传感器具有窄焦点、长距离，用于高速时的前向和后向碰撞避免，一些传感器具有中等距离，可能用于更详细的场景分析，侧向传感器则更短距离，用于盲区检测。由于每种传感器都有其优势和劣势，因此最可靠的推理通常取决于两个或多个感知流之间的融合，例如在良好或恶劣的光线条件下，视觉和雷达之间的互补目标检测（以及速度信息）。

车内驾驶员监控系统（DMS）检查驾驶员的目光和头部姿势（他们是否在注视前方道路或睡着）。这些传感器通常是基于摄像头的，有时辅以雷达或其他方法。占用率监控系统（OMS）检测车内的其他乘客，以提供额外的警告输入（有人没有系安全带，或者你把小孩留在车里）或纠正措施。这些也可能使用摄像头传感器，尽管雷达提供了更好的覆盖范围，可以检测到视觉范围之外的对象（小孩、宠物、脚舱内的包裹）。现在甚至有通过雷达或安全带传感器监测驾驶员健康的工作。最后，基于传感器的语音和手势控制有助于保持驾驶员的视线在道路上，但在这里我不会涉及这些话题。

每个传感器流都需要在AI阶段之前进行专门的调节：摄像头的图像信号处理、雷达系统的雷达管道（FFT用于距离/多普勒、波束成形、在构建点云的过程中还有许多其他步骤）、LIDAR的不同管道，以及（我猜）类似于摄像头管道的IR/热成像管道。然后是融合，将这些输入结合在一起进行ML分析以细化检测/分类。Cadence Tensilica在视觉和ConnX系列DSP（用于视觉/雷达管道）的领域已经强大了多年。Neo系列NPU核心处理AI处理，尽管一些简单的神经网络功能也可以在Vision/ConnX核心中托管。

你可以看到上面的产品如何映射到从L1到L5的不同SAE级别。硬件产品附带深度支持库和SDK，以及广泛的软件生态系统。当然，所有这些都符合ASIL B或ASIL D的功能安全标准。

我必须感谢网络研讨会的主办方帮助我整理了汽车电子设计背后的一个重要趋势。不仅是要点概念——感知、AI、区域控制器——还有从这个计划中出现的宏伟计划和需求。感知和AI为我们提供了不同级别的智能自主性。同时，汽车原始设备制造商（OEM）希望保持汽车的可负担性。这促使了一种趋势，即多用途SoC，可以服务于边缘、区域或中央计算需求，并且（如前所述）具有软件定义的行为，以适应不同的目标。

这样的大型多用途系统必须在封装内塞入更多功能，因此需要芯片模块集成。芯片模块子系统将支持多个传感器接口，用于视频/雷达流（通过MIPI连接）、图像和其他信号处理的DSP功能、用于信息娱乐的GPU功能、用于识别/分类的AI子系统、用于多线程计算的CPU集群以及用于必须支持的各种协议的接口子系统，从连接芯片模块的UCIe到用于长距离的以太网，再到用于快速点对点的PCIe，再到用于发动机控制的CAN等。（当你合并一切时，你也必须合并通信接口。）

Cadence在其从PCIe（Gen 3.1到Gen7）、MIPI CSI-2、以太网（高达224G和UCIe 2.0）以及最新的DDR、LPDDR、GDDR和HBM内存接口的接口解决方案系列中拥有强大的实力。为了突出这些并帮助加速芯片模块和基于芯片模块的系统，他们最近发布了一个可用的参考芯片模块，可供芯片模块和全系统设计人员作为原型设计和测试他们自己的产品的辅助工具。除了在广泛的Tier1和OEM中非常活跃的部署之外，这些人还认真致力于继续在汽车连接性方面推动边界。

这是一次非常有教育意义的网络研讨会。您可以通过这里观看。