建模汽车性能，动力挑战增长

汽车越来越复杂，如何在不降低整体行驶里程的情况下，为汽车增加更多安全和舒适的功能和电子设备，或者将汽车定价高到只有富人才能负担得起的水平，这是一个巨大的挑战。

虽然目前的重点是对硬件和软件建模，以理解系统之间的交互，但这仍然是一个巨大的挑战。它需要现有的所有工具，以及了解这些车辆将如何随着时间的推移而发展，以及如何与周围环境和彼此相互作用。所有这些都需要在可靠性、安全性和成本等常规参数范围内完成。

汽车制造商尤其关注成本问题。为了让大多数购车者都能负担得起新功能，他们正在努力控制零部件和系统的成本，因为汽车中添加了更多的电子设备。但如何将这些成本降低到与消费者愿意支付的价格相一致是令人生畏的，尤其是在电子产品方面。它需要减少或消除冗余，并集成复杂的芯片和软件来提高效率。

“汽车行业一直在寻求整合功能，主要是为了节省成本，”at汽车业务发展高级总监Vasanth Waran表示Synopsys对此．“汽车行业是一个成本驱动的行业。销量数字是巨大的，所以无论什么时候，只要你能够在一辆车的生命周期内整合并节省1美元，根据他们的销量，它将为汽车制造商节省1000万到2500万美元。整合带来了成本节约，这一点在汽车上安装更多电子产品时尤为重要，而布线成本大幅上升则使其更具挑战性。”

汽车制造商——尤其是那些正处于从机械向电动特征和功能转型过程中的老牌公司——正在为保留哪些、替换哪些以及何时做出改变而绞尽脑汁。

瓦兰说:“80年代末或90年代初开发的许多技术今天仍然很流行，并驱动着许多汽车电子设备。”“然而，我们正处于一个新的范式中。如果你看看革命发生的地方，上个世纪主要是在机械方面。现在你开始在电子产品方面看到它，更具体地说，在半导体方面。有了这样的复杂性，架构必须有所改变。整合意味着在一个领域进行更多的计算，这意味着系统架构的方式需要改变。再加上电气化，它完全改变了汽车的设计方式。现在，汽车基本上是一个滑板，上面有一个数字底盘。这极大地改变了汽车的设计因为它消除了过去的负担。你几乎可以从头开始设计一辆车，我指的是电子设备。 It’s opened up new possibilities. When you couple autonomous driving on top of that, which brings new sensors and new technologies, it’s completely changed the way things operate.”

这也加大了确保汽车在预期寿命期内安全的挑战，因为汽车中的许多技术都是新技术，这些车辆将与道路上的其他车辆相互作用，这些车辆既包括新车辆，也包括旧车辆。确保它们的安全需要工具包中的每一个工具，无论是数字双胞胎，还是更多的原型设计、模拟和仿真——甚至在它们进入制造之前。

“会有一个人来统治他们吗?”对于这些模型来说，这是与《指环王》的情况相反的情况，”该公司解决方案和生态系统高级团队总监弗兰克·施迈斯特说节奏．“不可能只有一个。你将需要很多，其中一件你真正想要确定的事情是它们不会相互矛盾。这是一个多方面的挑战。但是人们会建造它吗?这取决于抽象级别和范围。有人有汽车系统的MBSE模型吗?可能是这样，但它是在如此高的抽象级别上，以至于你真的只能做一个一般的分析。归根结底，这取决于你正在推动哪种类型的使用模式，以及你想从数字双胞胎那里得到什么样的答案。在产品生命周期的那个阶段，设计的任何RTL表示本质上都是一个数字双胞胎，如果有意义，设计团队就会构建它。 In the case of software development, for instance, adding an emulation model to the existing model that you use for implementation takes extra effort, so you need to figure out if that effort is worth it by getting a head start on software development or other verification tasks? The answer is, ‘It depends.’”

在汽车行业也有很多类似的答案。甚至“数字双的问题可以有多种解释。

“这听起来像是在说，你可以建立一个模型，你的数字双胞胎，它可以做任何事情，”Synopsys虚拟原型首席工程师蒂姆·科格尔(Tim Kogel)说。“不，不可能。所有关于架构和软件的问题，在运行时都可以作为一种预测真实设计的方法，我不认为有一个适用于所有人的数字双胞胎。我们建立特定的模型来回答特定的问题或帮助完成特定的设计任务。重点必须全部放在体系结构方面，即在流程的早期构建非功能模型以分析非功能属性(如功率和性能)，但这些属性对您的设计决策有很大影响。然后你就有了一整套其他类型的软件用例虚拟原型，这些原型随后就会出现在开发过程中。”

Kogel称之为“完美风暴”，包括新的架构、分区控制器和1000万到1亿行代码。这些领域中的任何一个都很重要，但所有这些加在一起是一个更复杂的问题。

在过去，使用电子控制单元要容易得多。它们并不过于复杂，而且可以相对容易地适应新的需求。

Kogel说:“ecu在功能安全方面有特殊的要求。“一旦需要安全相关的功能，他们就提供了特殊的硬件，以满足高ASIL B和D功能安全要求。其中一个例子是双同步硬件实现，这是两个进程基本上同步地做同样的事情，然后互相检查，确保没有意外发生。现在，随着更先进的应用，以及自动驾驶的发展，这变得比简单的复制更有趣。人们实际上是在功能层面复制东西。Mobileye称之为“真正的冗余”。“与此同时，也有报道称，深度神经网络实际上无法做到故障安全。在特斯拉自动驾驶的情况下，事故发生是因为司机没有考虑到所有的免责声明，即FSD(全自动驾驶)不是故障安全的。如今，大多数原始设备制造商都认识到，为了实现自动驾驶的故障安全，不仅要复制硬件，还要以两种完全不同的方式实现算法，使用不同的架构来实现所需的安全级别。”

构建平台
汽车芯片也被要求高度灵活。Kogel表示:“当你观察英飞凌、恩智浦和瑞萨等MCU架构家族时，你会发现它们用各种各样的架构解决了各种各样的功能，但它们都源自相同的基础架构。”“我们进行了大量的架构分析工作，以确保它们能够支持各种不同的用例。”

实际上，这些都是新的平台。通过将这种灵活性添加到体系结构中，可以根据功率、性能和成本修改设计。

Cadence的Schirrmeister表示:“我们需要弄清楚如何逐步制造这些东西，因为oem不会进行完全的重新设计。”“总体而言，每个OEM的地位都在不断变化。这就是为什么人们正在构建数字双胞胎，本质上是正在开发的东西的数字表示，以了解短期和长期的影响。当数字孪生体得到热数据的补充时，它可以帮助了解设备或系统的可靠性。”

功率增加了另一个层次的复杂性，这对纯电动汽车来说是极其重要的，因为它会影响行驶里程。对于内燃机来说，可能需要加油，但空调和供暖等功能基本上是免费的。但对于电池驱动的汽车来说，情况并非如此，100瓦的加热功率或各种高性能芯片会使行驶里程减少10至30公里，Kogel说。

特别是随着自主性的增强，这基本上就是轮子上的超级计算机。“有多个摄像头和多种其他类型的传感器，”他说。“有很多复杂的算法，比如分类和分割，最复杂的处理任务需要寻路。当这些只是放在通用的、通用的GPU架构中，它会消耗太多的能量。我们都见过自动驾驶汽车原型的图像，整个后备箱都有需要千瓦功率的计算机架，这与这个要求完全冲突。为了达到可接受的水平，你需要从通用架构转向更专用的架构，如矢量dsp，特定于应用程序的指令集进程，对于某些部分，甚至是硬连接逻辑，因为只有这样才能实现所需的一到两个数量级的功耗降低。”

连接车辆
车内数据移动、处理和存储的效率也会影响功率，而内部网络在这方面发挥着关键作用。

微软技术营销经理保罗•格雷科夫斯基表示:“这将非常关键。Arteris IP．“汽车内部将有许多不同的系统连接在一起，这些系统将与多个网络相连。所有的东西都被连接在一起。谁也不知道我们最终会得到什么，但它将是非常高性能的。它必须迅速做出反应。这不是一个简单的问题。我们把越来越多的设备装进汽车里。不只是从这里开到那里。我还想要我的音响，我的电视，空调座椅，自动驾驶，我还想要一个天窗。有很多小事情。 The user interface itself is going to be very complicated, and we need to make sure we have a good flow with that. There are going to be power needs everywhere, and we’re going to have to address those power needs. It might be simple, where we can just say, ‘This device is going to be fine but we need a very complex network for this other one.’ We’ve got to have the timing parameters set forward, as well. There is power coming into the vehicle, and it has to be distributed across all the various components of that vehicle in order to tie it to, say, an SoC.”

此外，车辆越来越需要与外界连接。Sumit Vishwakarma, A/MS业务部门的首席产品经理西门子数字工业软件他指出，5G是新汽车技术的推动者和驱动力之一。“在2022年之前，半导体收入的主要驱动力是智能手机，”他说。“但如果你看看现在的增长预期，你会发现汽车行业在这个领域的追赶速度非常快。这也是由人工智能领域发生的所有创新推动的，人工智能正在进入汽车领域。”

这里需要注意的是汽车捕捉到的数据量，“据估计，汽车的各种传感器每秒捕捉到的数据量约为750兆字节。Vishwakarma说。“正如我们所知，数据是当今的金矿。特斯拉是目前市场上最先进的汽车之一。这不仅仅是因为它是一辆电动汽车，而是因为智能，因为已经在芯片中训练过的神经网络。特斯拉的运作方式是一天比一天聪明。当你驾驶特斯拉时，传感器正在捕捉数据。无论汽车通过传感器捕捉到什么，与此同时，它也捕捉到了驾驶员正在采取的行动。”

这曾经被称为“阴影模式”。“比如说，当自动驾驶关闭时，特斯拉就会打开阴影模式，”他说。“它试图理解人类在做什么。假设它同时捕捉了汽车传感器捕捉到的所有信息。它还能捕捉人类对周围环境的反应，然后在汽车通电时将这些信息发送回云端。然后，当一切都转移到特斯拉时，他们的工程师会通过比较人类的行为和模型会做什么，来看看他们的模型是否预测了正确的行为。如果是同一件事，这意味着模型正在变得更好。但如果有差异，他们可能会在一场事故中结束。然后他们尝试调整神经网络的权重。这就是他们坚持训练的方式。 By implementing the shadow mode, Tesla is getting smarter everyday. That’s how the next generation of automotive is going to happen. It’s all about the data. And that data is the not just forADAS．它也是信息娱乐、车载体验和多媒体功能的关键。所有东西都通过LTE或5G连接和传输。

开车的是谁?
汽车行业正在发生的一个重大变化是，原始设备制造商越来越多地参与定义和设计芯片架构。如果规模足够大，他们可以建立自己的团队。如果没有，他们可以与半导体公司和设计服务提供商合作，根据他们的特定需求定制设计。

虽然整个生态系统普遍了解技术是如何发展的，但仍很难准确地指出原始设备制造商内部的情况将如何发展。Graykowski表示:“oem都朝着同一个方向前进，但当深入到细节时，情况就完全不同了。”“什么是兼容的，什么不是?”很难说我们最终会在哪里结束，但当你开始考虑功率和性能时，芯片上的网络是唯一有资格追求这类事情的。在NoC中，关键的事情是跟踪影响性能的延迟，并确保所有东西都在一起说话。可能会有某些带有传感器的soc，在它们的一侧进行本地处理。我们能做的就是制造出一个传感器来连接更复杂的东西，上面有内存。它会有计算能力，它可能会有人工智能引擎，所有这些不同的东西。这让事情变得更加复杂。”

他指出，在所有的本地处理中，传感器上至少需要一个NoC。“它实际上可以说，‘我知道这是一个停车标志。现在，它可能会把原始图像数据发送到车内其他地方的另一个处理器上，让它说，‘我们必须停止加速了。“它前面有车吗?”车辆需要停车吗?所有这些都联系在一起。我们现在的车型在一辆车里有超过20个复杂的soc，而且这个数字还在继续增长。我们已经看到复杂soc的数量迅速增长到26个或更多。”

结论
那么，如何改变汽车的结构，同时保持功率分布不变呢?那么新的用例呢?那么对软件的依赖会增加吗?如果你醒来发现自己的车无法启动怎么办?衡量业绩的最佳方法是什么?你如何解决所有这些问题，并将成本控制在大多数购车者的预算之内?

这些问题的答案需要技术和方法的结合，其中一些仍在开发中。但是，要让司机们不再担心汽车是否会按预期和负责任地行驶，以及他们是否能够在不寻找可用电池充电器的情况下到达目的地，还需要做更多的工作。

相关的
随着数据飞速增长，汽车带宽问题日益严重
不断增加的自主性和特性要求更快地处理更多的数据。
哪种燃料将驱动下一代汽车?
到目前为止，人们对汽油发动机的最佳替代品几乎没有达成一致，但所有这些发动机都需要半导体技术。
软件定义的汽车
这种方法将简化开发和升级，但也增加了设计的复杂性。