车轮上的大数据

杰夫Dorsch &埃德·斯珀林

各种芯片进入driver-assisted和自主的汽车。一边是阵列传感器,生成大量的数据从车道位置和邻近其他车辆在路上意外的对象。另一方面是所需的芯片处理数据的速度。

随着电脑和手机的市场进入缓慢增长阶段,汽车已成为第二大芯片制造商的市场机会,因为它利用技术已经开发和silicon-proven这两个市场。包括asic cpu, fpga, gpu,单片机、dsp和各式各样的内存芯片。它还包括移动处理器,最终将5 g的司机。

这场游戏的赌注是巨大的。高通的470亿美元收购NXP半导体——世界上最大的汽车芯片供应商后购买飞思卡尔在118亿年以2015美元——是一个很好的例子。那么,三星的80亿美元收购哈曼,一级汽车供应商。和瑞萨等公司(只完成了1.7亿美元收购英特锡尔)、英飞凌、意法半导体、德州仪器都将大量的钱投入这个领域开拓出一个位置。

位于旧金山的大视图在全球汽车半导体市场研究预测,2022年将价值超过350亿美元,复合年增长率为10%在接下来的5年。但这些数字也欺骗。技术设计到汽车历史提供了多年的收入来源的公司开发的技术。虽然在手机市场成交量仍高,例如,移动设备芯片换出每年一样频繁。汽车设计可以几倍的时间,有时甚至超过。

“我们现在看到的是一个进化或一个转折点在传统汽车电子的行业模型发展和变化,”迈克尔·亨德里克斯说,汽车企业集团内的主任英特尔的可编程解决方案组。“历史背景来自一个asic和单片机。现在我们在处理需求点来实现类似的全自动驾驶是迫使一个数量级阶跃函数。因此,你开始看到一些独特能力来到前台。”

后面这些功能的高性能cpu,FPGA和特定于应用程序的处理器,而不是一种类型的芯片,和许多其他类型的芯片。“2015年,中档轿车大约30电子控制单元,”保罗Piacentini说,应用程序工程师经理Kilopass。“乘30到6600万年,全球的数量乘用车销量在2015年,有近20亿ecu在2015年生产和销售。每个单片机嵌入可编程eNVM之类的,尤其是flash也antifuse OTP。eNVM是必要的用于存储应用程序代码,操作系统映像,BIOS、安全密钥(软件更新),安全的所有权(所有者ID),托管ECU标定参数和配置设置。由于货物体积的OTP汽车是相当大的。”

所以是asic的卷和单片机。“步伐,产业需要数月乃至数年向前移动,架构的类型,我们可能会看到在这些非常先进系统是异构或混合不同的芯片架构,”英特尔的亨德里克斯说。“自主车辆有效地将会生成大量的数据,在2020年每天大约4 tb的数据。喂养的循环增长之间的数据中心,服务器、云计算,以及连接设备如汽车、FPGA和记忆在总体战略中发挥巨大的作用。它是有高带宽内存用于处理所需的马力的类型直接在车里,然后把所有的数据在云进行训练,训练数据的后处理,然后发送到连接设备”。

的起点的许多球员在这个市场是他们现有的据点。对于英特尔cpu。Nvidia GPU的出发点是,在新泽维尔SoC相当明显。

图1:Nvidia的高速Xavier SoC。来源:英伟达

tb每加仑
在许多方面,未来的汽车设计是一个车轮上的大数据问题。车辆目前可以包含150个或多个电子控制单元(ecu)。未来十年,业内专家表示这一数字可能会萎缩到50 ecu通过传感器融合和其他集成措施。

这些传感器生成大量的数据,需要快速处理,以避免受伤或其他事故。这适用于驾驶员辅助功能,如车道偏离和正面碰撞警告,以及备份相机。和需要处理的数据量在自动车辆甚至更高,因为这些数据决定是否需要停止,放慢脚步,变换车道或避免对象。事情似乎简单的一个人,如挥舞着树枝或吹雨,非常令人费解的一个自治车辆。它需要大量的数据收集,然后被传送回中央大脑的汽车。

说:“关键是带宽,董事长兼首席执行官导师图形。“你不能获得足够的量。如果你不能解决,你不能得到中央处理器。如果你行驶在高速公路以每小时150英里的速度,如何让一只狗的形象?”

汽车不同于其他大数据问题,如金融交易大厅或一个在线购物网站如亚马逊,是来自各种数据源的数据,在各种formats-LiDAR,雷达、图像传感器的嵌入式视觉系统,以及振动传感器、加速度计和陀螺仪。

图2:传感器产生的数据的数量。来源:Arteris

因此,能够快速的过程,数据需要比标准的服务器芯片可以处理更复杂的结构。

提高数据流
在车里,这就变成了一个芯片上的和一个片外数据物流问题。汽车移动大量数据是低于处理传感器数据,例如。所以无论在本地数据预处理将加速的数据流,因为它将导致更少的数据移动。

而今天所做的大部分工作是集中在汽车、中央大脑最终可能会更多的分布式计算模型。

“这可能是一个混合系统,“Jinesh Jain说,主管高级架构福特在帕洛阿尔托研究和创新中心。“我们必须能够成长到另一个。我们必须能够证明成本。它必须满足性能。随着这些应用程序变得更严格,这样的我们将不得不满足可靠性。有很多方法被看着。”

这是一个问题。在这个市场上的一切都在变化。第一步是了解各个组件的功能和他们的能力,这是困难的,当一切都是进化或完全改变。

“我们需要标准如何连接到大脑,我们需要单独的数据标准,”库尔特·舒勒说,负责营销的副总裁Arteris。“将会有很多处理的优势。单个传感器必须有自己的处理器和抽象的知识从数据。没有带宽来处理所有的数据。这是一个各个击破的策略。”

这决定了片上和片外存储器是必需的,和一个系统是否需要跨多个处理器核心缓存一致性,例如。到目前为止,没有明确的方向。

通过自动驾驶汽车,你可以看到额外的内存需求与开车,”史蒂文说哇,杰出的发明家和营销解决方案的副总裁Rambus。他补充说,动态随机存取记忆体是一个合乎逻辑的选择,因为成本和速度,但他指出还有其他类型的内存空间,。

但即使协议数据移动正在改变。

“有很多协议,因为你需要保持向后兼容性,”伯尼说延迟,验证IP组主任Synopsys对此。因为安全考虑”和汽车移动缓慢。你必须计划定义的单一事件和其他问题ISO 26262。但是你还需要有足够的速度来记忆,这就是为什么我们看到PCIx协议被使用。和内存大小可能不足够大,因此你需要跨多个芯片缓存一致性。这是临时的,但延迟太高了。现在有新的缓存协议。”

数据到别的什么地方去?
很容易忘记自治和driver-assisted车辆背后的原始概念,即汽车需要连接到云,。这一趋势是提取更多的数据从所有技术是数据中心部署和船了。

“如果你看看这些车辆有这个司机协助技术已经,他们得到数据流回工厂的有效性模型,所以他们得到改善通过实际的测试,”卢克Schreier说,自动化测试的营销总监国家仪器。“无线运营商也是一样。他们可以识别,表现不佳的网络是基于电话下降和一切。”

这增加了汽车的数据流,并引入了另一个级别的数据,需要解决在设计。同时在车辆安全是至关重要的,可能侵入汽车车外的大道。

也不仅仅是汽车内部的数据处理。整个设计方面增加了另一个需要考虑的问题,因为在汽车设计中,技术棒比移动电话很长一段时间。

“设计方法被引入的新传统小和自主AMS设计团队,“Ranjit说Adhikary,负责营销的副总裁ClioSoft。“设计团队越来越大,分布在几个位置,从而导致组织和有关的沟通问题。此外,设计不再从头开始。他们严重依赖设计重用和外部知识产权在结合,创造各种挑战来自不同来源的数据。最后,设计布局与各种工具越来越复杂,涵盖所有阶段从规格、电路设计、逻辑设计合成布局和物理验证。跟踪数据,并确保其一致性是越来越困难了。”

结论
下一波的汽车确实将车轮上的数据中心。他们需要使用许多技术来管理数据,云公司现在利用,以及一些独特的那些特定于汽车部门。

芯片制造商,整个芯片的生态系统,这既是一个机会也是一个挑战。数据中心服务器操作温度与限制网络访问控制的房间。汽车有时在艰苦的条件下,任何交通瓶颈可能导致事故而不是一个纺车在电脑屏幕上。

通常情况下,这种技术将多年的开发和测试推出,但与一些自治特性已经在路上,汽车制造商正在加速这一技术。现在最大的问题是数据是否能跟上,以及持续多长时间。

有关的故事
汽车增长的数据存储问题
自主车辆将产生大量的数据。会保存在哪里?
优先考虑车辆数据流量
挑战成长的分类和标签从连接汽车大量的数据。
传感器使ADAS
高级驾驶员辅助需要小心和平衡复杂的硬件、软件和安全。
什么可能出错在汽车(第2部分)
了解安全风险,ecu和soc;处理数据中爆炸。