汽车行业改变数据处理方式

由于传感器(尤其是摄像头)产生的大量数据，以及避免事故所需的快速响应时间，车载处理正成为汽车电子领域的主要挑战。

所有数据都可以发送到云端进行处理的最初想法已经被搁置，很可能是永久搁置。取而代之的是，越来越多的人认识到，数据需要在车内本地处理，为了管理和响应这些数据，必须重新考虑整个通信基础设施。这极大地阻碍了积极的自动驾驶汽车开发计划，也提出了许多目前还没有明显答案的问题，比如如何在车轮上建立一个具有足够处理能力的高速网络，同时又能让消费者负担得起。

“考虑到一辆自动驾驶汽车一天产生的数据相当于哈勃太空望远镜一年产生的数据，以当今的能力，管理车载和云端之间的大量数据是一项艰巨的任务，更不用说处理了。ClioSoft．“在我们真正看到全自动驾驶无处不在之前，需要大量的行业和技术合作来应对这些挑战。”

自动驾驶的数据处理有四个方面需要考虑——传感器的数据采集、数据存储、数据管理和数据标签。

5G的支持者认为，基于毫米波技术的蜂窝网络可以回避其中许多问题。但实际情况与最初的计划大相径庭。假设它能够建成，建立一个并行通信系统的成本将是巨大的。最重要的是，毫米波版5克如果没有大量的中继器基础设施，它被认为不够可靠，不能用于安全关键应用，即使这样，信号也很容易中断。与4G LTE和低于6ghz的5G不同，毫米波信号会迅速衰减，并可能被物体和天气等任何因素打断。

实际上，如果没有本地处理，5G无法满足自动驾驶的所有上传-下载需求。即使汽车的计算能力越来越强，对安全性的需求也非常迫切;计算和通信需要得到保护和依赖。首先，汽车零部件必须是真实的，这样汽车制造商才能依靠它们的安全功能;这意味着组件必须是正品，并保证完全按照组件制造商的要求制造。根据Helena Handschuh的说法，所有这些都可以通过直接在组件制造现场实施的安全供应服务来保证Rambus的家伙。

此外，当汽车制造商确信零部件是正版时，他们必须确保零部件以正确的方式设计到系统中，以安全的方式启动，并用于建立安全的计算和通信环境，她说。“这可以通过使用包含硬件的组件来实现信任的根源如可编程的信任根。由于其硬件实现层的性质，信任根基于不可变性原则，可以保证安全引导等过程。Rambus认为每个车辆网关都应该包含一个信任的硬件根。关于安全计算和通信，需要加密原语，如身份验证和加密核心，以确保没有未经授权的各方可以访问机密数据，替换虚假数据和/或更改计算结果。安全核心对于这一需求至关重要。”Rambus的信任根包含这些加密原语，还可以作为与云建立通信的安全端点。此外，传输层安全(TLS)端点可以由信任根托管。

“在确保计算环境和通信通道的安全之后，系统必须保证机载机器学习和边缘计算过程的安全。“简单地说，需要保护机载计算元件使用的神经网络的敏感参数。硬件信任根方法允许汽车制造商保护静态数据和计算过程中的数据，包括神经网络的敏感输入和系统所依赖的输出，以做出安全决策。最后，信任根还通过加密敏感系数来保护神经网络，从而实现安全的车载推理。”

“除了带宽问题，任何无线通信技术都可能受到干扰、掉线、拥塞和延迟的影响，”该公司的技术营销经理Sergio Marchese说OneSpin解决方案．“自动驾驶汽车必须具备足够的计算能力，才能自己做出决定。为此，我们必须看看特斯拉这样的公司在做什么。就在去年，他们发布了全自动驾驶芯片，据称可以每秒处理2300帧。它已经投入生产，甚至可以在以前的型号上进行改装。”

但自动驾驶技术仍不能引导汽车在城市中行驶，也不能总是解释人类驾驶和非人类驾驶汽车之间的所有潜在互动。这将需要更强大的计算能力，而且没有人愿意为汽车后备箱里的超级计算机买单。

公司董事长兼首席执行官k·查尔斯·亚纳克表示:“人才是最大的挑战Arteris IP．“他们无法预测。这就是为什么你在很长一段时间内都不会在市中心看到自动驾驶汽车，除非有一些地理围栏将人与车分开。”

尽管如此，在更多的车载处理方面仍有改进之处。

下一代汽车设计平台
关于下一代汽车平台应该是什么样子，人们正在讨论各种不同的想法。虽然每一种设计都是独一无二的，但它们往往围绕着一些共同的方法结合在一起。

“所有的原始设备制造商都愿意承担这一任务，”戴姆勒的高级自动驾驶汽车SoC负责人David Fritz表示Mentor是西门子旗下的企业．“他们逐渐意识到，下一代平台本质上是一个高带宽、高连通性、高计算量的车轮网络，因为他们正在尽可能多地转向汽车以太网。他们实现可以区域控制器/区域域的数据包，其思想是，做出的决定和将要发生的驱动之间的通信，无论是制动，转向，无论如何，都是非常时间敏感的，特别是在高速时。所以，仅仅是在云端做出决策，然后再发送回去，似乎从来都不是真正可行的。”

通信是汽车设计中的一个重要特征，5G将在汽车领域发挥一定作用，包括车辆内部通信、与其他车辆通信以及与基础设施通信。

Tom Wong，设计IP营销总监节奏他指出，许多公司终于意识到全自动驾驶是极其复杂的，他们现在正在重新考虑如何最好地利用他们的资金。

从广义上讲，5G将如何应用于汽车行业存在许多问题，首先是运营商。目前还不清楚采用和部署将是什么样子，以及哪个版本将在什么时间框架内推出。目前还不清楚5G将如何用于自动驾驶V2X应用。它是基于DSRC(直接短程通信)还是蜂窝V2X (5G的变体)?不同的特殊利益集团在影响这一决定方面发挥了什么作用?

“如果决定采用DSRC(基本上是802.11p)，那么增值服务可能就没有经常性的收入来源，”Wong说。“芯片供应商将出售大量芯片。如果决定采用蜂窝V2X，那么运营商将非常高兴，因为他们现在有了一个新的、经常性的收入来源，这可能就像对自动驾驶汽车征税一样，尽管他们将不得不通过利用智能手机部署5G来投资基础设施。”

关于数据的其他考虑因素包括如何收集或生成数据，这些数据将用于什么，以及数据是否应用于云中的人工智能训练。“我们真的是在谈论在云中进行人工智能推理，并通过5G传输寻径结果吗?我不确定大家对哪种方法效果最好达成了共识。”

无论如何，我们在许多领域都处于浪潮的开始，包括5G部署、毫米波5G或6ghz以下5G、云中或边缘的自动驾驶(数据处理)，以及用于V2X的DSRC与5G，等等。

OneSpin的Marchese表示，自动驾驶汽车数据管理的另一个方面是，制造商必须有一个庞大的车队和一个查询数据的系统。“例如，特斯拉可以要求下雨时的驾驶状况的图像，并获得大量这些图像，以构建车辆应对下雨情况所需的知识。要保证车辆安全，数据和硬件同样重要。为了确保自动驾驶的安全性，硬件和数据是携手并进的。对于硬件，满足行业的要求ISO 26262标准至关重要。为了让汽车芯片制造商在这个水平上竞争，必须确保许多方面的安全。这包括故障模式、影响和诊断分析(FMEDA)，必须快速准确地完成。人工分析和故障模拟速度太慢，成本太高，对于任何想要颠覆市场、带来突破性创新并在道路上得到验证的公司来说，启动时间都太长了。”

OEM核心竞争力转移
尽管存在这些不确定性，但大多数专家认为这对整个汽车供应链来说是一个巨大的机会。最大的未知数是谁最有可能带头冲锋陷阵。

“如今，在汽车行业，你需要的核心竞争力不再是机械工程，”福特汽车副总裁伯克哈德·胡恩克(Burkhard Huhnke)说Synopsys对此．“我们不应该忘记，大规模生产汽车总是很难的。仅大众汽车在全球就有100多家工厂，它们都必须完美运转。当然，这需要工程方面的能力。但今天，客户对汽车功能和特性的期望更多地与消费行业相关。每个人都习惯了智能手机，现在你想把这种用户体验也带到汽车上。这需要重新思考原始设备制造商的能力。他们需要向左转，这意味着转向硬件和软件堆栈的核心竞争力。谷歌和其他颠覆者在这方面做得很好，但传统汽车制造商做得并不好。日益复杂的软件和电子结构是主要的挑战。 That requires a cultural shift, and an organizational shift to be future-ready. This is the big challenge, and it requires an investment in new tools.”

有证据表明，这是可行的，但这种转变的规模是巨大的。除了了解半导体、软件和集成电子系统之外，还需要管理多个数据集群。

“首先是消费者数据，比如导航数据，这些数据通常是通过智能手机获取的，”Huhnke说。“这与自动驾驶无关，但可以方便地及时将更多数据输入汽车。这种功能本身需要一种不同的通信接口方式。”

仅由相机系统产生的海量数据——包括以每秒60帧的速度运行并向数据系统提供高清位图或指标的高清相机——也需要同样巨大的处理能力。

“最重要的是，车上可能有多个高清摄像头，”他说。“这完全不同。您必须突然将数据增加到以前的100或1000倍。这需要不同的带宽、不同的通信通道、不同的协议和不同的IP来处理所有这些数据。最重要的是，一切都必须是安全的，所以你还需要智能来确保数据得到正确处理，不能被操纵。然后，关于传感器的数据将会是什么样子，有一个巨大的争论。我们需要雷达、摄像头和激光雷达吗?争论还没有结束。”

他并不是唯一一个看到这一点的人。ArterisIP的Janac说:“高端车辆有8个摄像头，还有4个雷达。”“这太多了，我们开始看到围绕这个问题的发展。一家名叫Vayyar的公司表示，他们的雷达可以探测到包括塑料和木头在内的静止物体。但是你也有激光雷达。有必要吗?可能不会。最终，你需要一种传感器。激光雷达是否能改进到无所不能的程度，或者雷达是否能做到这一点，目前尚不清楚。但它们不会同时存在于一辆汽车中。”

谁赢了?
目前还不清楚在短期和长期内哪种架构或方法最有效。

“最好的解决方案不应该是低成本的解决方案，也不应该是包括所有可用传感器的最佳性能解决方案，”Huhnke说。“关键是从传感器，然后是传感器融合，并弄清楚如何从不同传感器产生的数据中获得尽可能多的数据。你必须融合所有的信息，从多个传感器计算出特定的对象，然后你必须做出反应。这是根据你得到的数据流计算功率。这与传统汽车相比有很大的不同，传统汽车只有一个串行，一个雷达传感器，可能还有几个超声波传感器，过去这些传感器之间不需要通信，因为它们都是为各自的特定任务而创建的。”

这需要大量的领域专业知识和工程技能来取代。

“当你真正认真考虑这个问题时，我们发现，如果你想推出一个新的下一代汽车平台，能够满足这些类型的带宽和计算要求，以处理高于二级的任何级别的自动驾驶，首先，这是一个完全的设计返工，”Mentor的Fritz说。“其次，你现在需要确切地知道你的设计将会是什么样子，因为这些设计变化需要五六年的时间才能与你的车型年路线图相交。对于整车厂来说，真正的问题是，‘我现在该如何决定?我怎么知道我的计算需求是什么?我可不想在车后备箱里放一架子这样的东西。我该怎么设计呢?’”

许多人认为，实现这一点的方法就是我们长期以来在智能手机上所采用的方法——建模。

“你以高保真度建模。你得到了经验数据，然后你可以说，'好吧，我们的PPA现在要做这个。我们有信心，它将覆盖我们所设想的整个应用范围。我们知道印刷电路板将会有多大。我们知道会产生多少热量，也知道如何冷却。我们知道3D外壳尺寸是什么，所以我们可以告诉底盘团队2025年或2026年，这是盒子的尺寸。一个需要放在左前，一个需要放在右后，以实现冗余。“这是基于工程技术。它是基于数据的，而不仅仅是在PC上运行一堆模型，然后说它应该可以工作，因为正如我们所知道的，它通常是行不通的。”

虽然个人数据采集、分析、捕获和管理已经进行了很长一段时间，但真正的问题是如何将这些数据整合在一起。

“下一代平台的设计与今天的设计完全不同，”他说。“这不仅仅是一个集合ADASecu。不是这样的。它是为了解决这类新的问题而设计的，我们现在可以定义它，并通过模拟来收集有关它的信息。不仅如此，实现下一代平台的方法与现在使用的完全不同。这正是让很多汽车公司感到困惑的地方。你如何从一个高水平的规范中合成一个人工智能推理机器?你做不到。你如何合成一个多集群、多核心的PCB，让它在不忙的时候可以处理制动、转向和IVI ?你不能。这就意味着需要一套全新的技能。 But there are resources out there that have been doing it for decades, and they’re available. And that’s why you’re seeing announcements like the one from Toyota and Denso. They’re going to go off and do their own IP company for automotive.”

在其他地方，大众汽车(Volkswagen)等公司正在将所有软件都带入内部。他说:“他们意识到，他们必须采取不同的做法。”“如果他们走这条渐进的道路，你就无法从他们现在的位置逐步达到他们需要达到的位置。那样的话，最终会花费更长的时间，成本更高，他们就会错过机会。”

Huhnke同意需要一个新的架构。“过去的架构是基于100个ecu，分布在整个汽车上。每个ECU都有一个非常具体的角色和功能。与此同时，你必须将这些小计算机整合成更集中的计算机，因为它需要不同的带宽通信速度，同时计算能力能够计算这些数据和信息中的内容。此外，加速器的作用——比如运行统计计算的神经网络——也需要非常具体的定制解决方案。但这些都是实际可用的，目前正在直接实现到SoC中。”

为了满足完全自动驾驶汽车的要求，电子和汽车行业的顶级玩家正在公开讨论前进的道路。“随着下一代技术的发展，每个人都意识到，目前可用的计算能力不足以计算所需的所有多个传感器输入。与此同时，传感器变得越来越好，但随之而来的是高分辨率和更多的数据，”他说。

结论
对于系统级车辆架构的具体细节，以及如何进行车载数据处理，目前还没有达成共识。但人们似乎一致认为，一代又一代，这将是通往高性能解决方案的进化之路。

“一步一步，一个功能一个功能——这就是我们将在未来十年看到的，”胡恩克说。“新功能将会推出，但总是基于现有的电子设备。想象一下今天你要设计一个芯片。如果你参考开发过程，这可能会在4.5年后出现在汽车上，因为他们决定集成当前的芯片设计。在某种程度上，你必须冻结设计。在下一个型号年，你会采用下一代芯片组。所以大家一致认为没有人知道答案。”

前进的道路将需要新的工具、更多的工具、更快更小的设备以及更高级别的集成。这一切都必须以低成本、低功耗完成。但即使有最新的技术，这也是一个巨大的挑战。

有关的故事
汽车行业的5大转变
新技术的发展将如何改变汽车工业的发展轨迹。
押注氢动力汽车
氢燃料电池将在未来的交通生态系统中发挥作用，但作用有多大取决于基础设施和特定应用需求。
为汽车大战做准备
内燃机的时代正在结束。现在怎么办呢?
为汽车故障做计划
是制造高可靠性的昂贵部件更好，还是制造多余的廉价部件更好?
制造5级汽车芯片的挑战
构建一个单一芯片来处理未来汽车的自动功能的挑战横跨整个设计过程的许多领域。
自动驾驶汽车正在重塑科技世界
甚至在全自动驾驶汽车上路之前，汽车行业的各个层面就已经发生了重大变化。
汽车安全关键设计“，
在芯片和系统级别上查找故障。
汽车系统设计
如何在汽车中制造和更新芯片。
在汽车中构建高效的推理引擎
如何快速建模芯片，包括极端情况。
汽车知识中心