汽车的更快商品化

传感器是辅助和自动驾驶的核心，但即使在这些设备上路之前，这些部件的平均销售价格也必须大幅下降，以使大众能够负担得起。

实现规模经济是半导体行业在过去半个世纪取得成功的原因。它使半导体得以扩散，电子技术得以发展。但通常情况下，这种走向商品化的过程发生在设备进入市场一段时间之后，那时的流程和流程已经成熟到足以支撑这种成本削减。在汽车行业，在一些新技术进入市场之前，价格需要下降。

光探测和测距(又名激光雷达)就是一个很好的例子，它正在成为这种削减成本的努力的典范。这种遥感技术通过激光光源照射目标来测量距离，到目前为止涉及到多种芯片和技术。但随着激光雷达在汽车行业的应用势头日益强劲，人们在降低成本的同时也在增加射程方面做出了越来越多的努力。

这种努力与其他技术领域的情况类似，比如个人电脑和智能手机，为了降低成本，多芯片解决方案被集成到一个芯片上。但这一切都发生在供应链、方法论、流程和流程相当成熟之后。在汽车行业，随着大型汽车制造商竞相开发自动驾驶，这一切都在加速。

为了实现他们的目标，汽车制造商正在寻求削减成本，而将激光雷达转变为集成的、廉价的固态解决方案的努力处于最前沿。

该公司营销副总裁Ranjit Adhikary表示:“固态激光雷达通过以非常低的成本提供可嵌入传感器，在这方面有所帮助。ClioSoft．“但除了激光雷达，还有很多相关的技术传感器自动驾驶汽车所需的踏板压力传感器、扭矩传感器、加速度计、座位占用传感器、转速传感器，这些传感器有助于许多应用，如行人检测、进气口湿度测量、夜视系统和免提呼叫。”

这就像是打了类固醇的商品化。它需要整个生态系统的协调努力，其规模在任何技术发展中都是前所未有的。

Adhikary说:“就像任何一项新技术一样，随着每家公司都努力在竞争中领先，总会有一些快速变化和创新。”“从一个提供各种微机电系统对于汽车行业来说，更好地管理每个组件及其众多版本的相关数据、相关设计数据、pdk和跟踪使用变得非常重要。”

挑战在于调整积极的推出计划与削减成本。根据多家报道，福特和丰田都表示，他们可能会跳过SAE 5级自动化中的第3级，直接转向高度自动化和完全自动化。

图1:自动化水平。来源:SAE

该公司全球业务发展副总裁Donna Yasay表示:“尽管在车辆上部署激光雷达的成本仍然有些令人望而却步，但未来几年价格将继续下降。迈威尔公司．“随着我们从ADAS技术过渡到半自动驾驶，再到最终的全自动驾驶，我们将需要采用一系列新的、性能更高的下一代传感器机制。传统的光电子技术(如红外或可见光)将无法提供所需的高度细节，以确保物体总是被正确识别，即使伴随着最复杂的图像识别软件。使用激光雷达渲染3D图像将被证明是更有效的，提供更全面、不断更新的车辆周围环境的表示，具有更高的精度和更大的范围。”

处处加速时间表
不过，这并不像让一家半导体供应商与另一家竞争或减少芯片数量那么简单。在过去，电子控制单元基本上是独立的系统，但与此不同的是，自动驾驶汽车是一个复杂的综合系统网络。这需要一个高级架构，必须不断修改，以适应整个系统其余部分的变化，特别是围绕传感器收集的数据流，并在本地和集中处理。

“如果你把它分解开来，激光雷达是一个传感系统，”该公司汽车业务部门高级主管杰夫·赫顿(Jeff Hutton)说Synopsys对此．“所以你需要智能感知部分，你需要激活。但问题是，你是将所有传感器数据输入激光雷达处理，还是将所有数据输入主融合系统，然后在汽车的主处理器中处理。”

到目前为止，对于每种类型的传感器的最佳方法还没有达成共识。赫顿说:“一辆车里有很多传感器。“人们非常关注激光雷达、雷达和其他视觉传感器，但也有速度、内外温度传感器，以及许多其他东西。主处理器是一种更有效的方法，但接下来的问题是如何分发所有内容。你不需要仅仅去感知它。你还需要发送关于刹车、转向或调低音量的信息。与今天的汽车相比，电子产品的集成意义重大。”

此外，这种处理是在哪里完成的还不清楚。“人们普遍认为自动驾驶需要巨大的计算能力。然而，仍有待讨论的是，哪种处理器架构最适合运行物体识别和传感器融合算法，使计算机能够驾驶车辆，”节奏．

他说，从系统实施的角度来看，无论是雷达、激光、摄像机还是超声波传感器，各自的传感、分析和解释系统都需要相当数量的数据处理。“我们不是在谈论使用云服务器群或重型gpu(汽车中的超级计算机)，而是嵌入式、低功耗DSP处理器，可以在集成处理器中实时进行这些处理SoC．”

与此同时，缓存的一致性和多快互联是强制性的。宝马汽车高级部门经理Juergen Jagst指出，这是因为需要将内存空间与多个多核集群相结合，这对于处理用于构建lidar传感器前物理环境形状的特定算法至关重要手臂．“额外的专用加速器单元组将有助于处理巨大的数据流，这些数据流代表了移动车辆前方不断变化的物体。”

技术挑战
如何用激光雷达最好地实现这一点尚不清楚。福特汽车公司ADAS和自动驾驶部门主管Amin Kashi表示，有几种不同的方法，每一种都需要集成不同级别的软件和硅性能Mentor是西门子旗下的公司．

“扫描激光雷达技术必须支持激光雷达前端每秒处理约1gb的数据，因此是高性能的FPGA已经成为这类传感器中最常见的后端智能选择，”Kashi说。“另一方面，3D Flash LiDAR技术接收器通常是CMOS传感器，能够处理前端的大部分处理负载。因此，使用3DFlash激光雷达，后端处理可以使用更简单的cpu来处理。”

展望未来，他希望看到更多基于创新的集中处理方法的自动驾驶汽车设计，其中激光雷达数据以原始数据形式捕获。“这些方法最大限度地减少了前端处理集成的需求。在集中式系统中，原始数据被实时传输到集中处理平台，从而降低了前端传感器的成本和尺寸，同时实现了最佳的实时态势感知和更快的自动驾驶性能。”

然而，要以汽车制造商认为可接受的价格实现这一目标并不容易，这需要的商品化远远超出了激光雷达等技术的范畴。

Marvell公司的Yasay表示:“车辆内的ecu需要能够处理捕获、处理以及随后对接收到的成像数据做出反应，例如启动制动或执行规避操作，而不会出现延迟问题。”“根据所涉及的分辨率，激光雷达系统每次扫描可以生成超过100万个数据点。虽然车载网络已经建立了很长时间，但从未需要处理如此海量的数据。此外，现有的协议，如CAN、FlexRay等，没有适当的规定来扩大目前预期的数据量。”

这可能会使汽车以太网成为一项必不可少的技术。除了高端豪华车，人们认为汽车以太网太贵了。她说:“在汽车中部署千兆以太网已经开始进行，在不久的将来，多千兆以太网也将紧随其后。”“在不久的将来，只有支持100/1000Mbps或更高链路的以太网PHY和交换机将用于LIDAR和ADAS模块之间传输数据。由于传输的数据是关键任务，因此这些组件还需要满足汽车安全完整性b级或更高级别的要求，以确保只有‘健康数据’才能通过。”

激光雷达市场
激光雷达通过提供车辆附近每个物体的清晰3D快照来检测和避免障碍物，用于增强车辆的导航能力，尽管与目前可用的其他类型的传感器或远程信息处理不同，激光雷达在检测物体时具有更好的能力，即使在完全没有光线的情况下。

Markets & Markets预测，到2025年，随着汽车转向自动驾驶，全球汽车激光雷达传感器业务的价值将超过7.35亿美元，比今天的规模大10倍以上。汽车激光雷达的主要供应商包括大陆、Leddar Tech、Quanergy、Velodyne、Bosch、Novariant、Denso、Hella、First Sensor、Teledyne Optech和Valeo。

尽管如此，激光雷达的终点和其他技术的起点并不明显，激光雷达和ecu之间的直接相关性有点难以描述，因为它们可能被视为彼此相距甚远。

该公司业务发展副总裁Kumar Venkatramani表示:“激光雷达本质上是从环境中收集数据的传感器Silexica．“另一方面，ecu执行特定功能并响应特定命令，例如动力转向ecu或刹车ecu。两者之间应该是某种类型的控制框，用于读取传感器发送的“数据”，解释数据，了解可能发生的情况，然后发送特定的动作/指令让ecu执行。激光雷达只是向控制箱发送数据的传感器之一。随着激光雷达技术的进步，激光雷达感知的“数据”更加复杂和更好。上一代激光雷达可能会指定一个物体处于20度角，前方30米，而更复杂的激光雷达可能会指定一个行人从左边31.257米进入人行横道。然而，激光雷达本身不会决定应该采取什么行动。在最好的情况下，它只能告诉你人行横道上有一个行人。汽车是应该减速让行人通过，还是加速让开，都需要额外的信息，包括但不限于道路上的天气状况、前面或后面的其他车辆、车辆当前的速度、刹车状况、其他行人、已知的道路限速、汽车距离人行横道的距离、是否存在闪烁的黄灯、或施工区域，甚至是交通灯本身。”

他说，期望一个单一功能的系统来决定是否猛踩、软踩、立即踩刹车，或者是加速、右转向还是左转向，这是不合理的。这将需要一个更高阶的ECU。

此外，控制盒必须能够关联来自多个传感器的信息，以理解完整的图片。例如，激光雷达可能会提供行人在人行横道上的输入。摄像头可能会在同一条人行横道上捕捉到一个弹跳的球，而一个孩子正准备捡回球，然后回到马路牙子上。将这两段信息关联起来以识别人行横道中的行人是同一子，因为在摄像机中显示的是左至控制框。

Venkatramani说:“必须将智能整合到一个控制盒中，以获取所有这些信息并制定一套连贯的行动，这需要大量的计算能力。”“这些计算必须理解数据，理解多个数据，并在不到一秒钟的时间内决定行动。答案通常不是‘把尽可能多的马力加到控制箱上’，因为这可能意味着自动驾驶汽车在电池耗尽前只能行驶5英里。”

平衡所有这些参数——电池寿命、计算马力和做出决定的可用时间——是一个多参数优化问题，可以帮助模拟可能的场景并预测在多长时间内需要做什么，可以帮助更好地设计这些复杂的系统。“系统oem和一级运营商正在构建复杂的算法来计算这些结果。半导体公司正在构建能够快速计算结果的硬件系统。但是，在特定条件下，具体算法在特定硬件上的工作效果如何，必须由系统原始设备制造商和Tier-1来完成，并且迭代循环时间以确保所有工作都是非常耗时的，”他补充道。

这也使得如何加速削减成本变得非常困难，而削减成本是让自动驾驶汽车既安全又实惠的首要主题。

结论
加速商品化将需要以一种安全、经济和可靠的方式将自动驾驶汽车推向市场，使这种技术转变可行。

然而，这可能说起来容易做起来难，特别是有一个积极的推出计划。关键技术仍在开发中，供应链也在不断变化，整合所有这些技术的复杂性令人难以置信。虽然半导体行业在从生态系统中榨取每一分钱方面堪称典范，但它能否加速并扩展整个过程，将尚不存在的技术纳入其中，仍有待观察。

- Ed Sperling对本文也有贡献。

有关的故事
雷达与激光雷达
竞相降低汽车市场的传感器成本。
激光雷达完成传感三合一
技术将成为自动驾驶汽车摄像头和雷达的补充。
晶圆代工厂加速在自动化方面的努力
推动在汽车中安装更多电子设备，可以让这个曾经的边缘业务变成有利可图的业务。
汽车行业会出什么问题
圆桌专家，第3部分:为什么电力在汽车电子产品中变得如此重要;让自动驾驶汽车足够可靠所面临的挑战;增加安全操作模式的余量。