在汽车什么可能出错

半导体工程坐下来讨论汽车工程Jinesh Jain,主管高级架构在福特的帕洛阿尔托研究和创新中心;雷德Shatara、市场发展汽车信息娱乐意法半导体;乔•Hupcey验证产品技术专家导师图形;亚历克西斯Boutillier、高级企业应用工程师Arteris;和丽莎Minwell,eSilicon的IP市场营销高级总监。以下是摘录的谈话。第一部分,点击在这里。

SE:我们一直在谈论蓄意攻击,但可能不是由于黑客的问题。可能是车本身故障。我们如何解决这个问题?

Hupcey:它可以是任何东西。水可以渗透到一个模块。传感器可以了。

Shatara:国防工业在这里,我们可以利用很多。显然是有很多秘密,我们不能离开他们,但他们已经和他们做了很多我们所需要的。

Hupcey:很多这样做是在mil /航空。面临的挑战是,因为这是款产品,每个人都可以分享成本。所以你有部分商业部分成本的五倍。这里的差别是,有这样的价格压力。我们会得到了一些成本。

Shatara:就像激光雷达。它不会在全天候工作,但这是需要自主车辆。你不能负担得起70000美元的激光雷达的车辆。

Boutillier是的这对汽车行业的新,但这是他们一直在处理国防很长一段时间。他们制定了一个解决方案。这需要IP水平上,所以我的IP只会工作的。“你知道,这些人不能跟这些人如果他们不涉众。解决安全问题的方法之一,就是网络和国防。有一个中间层。

Minwell:还有其他的水平,你能做的事情,。在很低的水平,无论你存储你的编程可以存储在扩散层,例如。人们很难理解或试图把数据。

SE:扩散层的记忆?

Minwell:这是罗。吉卜赛男人通常会启动代码。很难得到。也有一些编程选项,我们可以支持。

SE:汽车工业坚持ecu,还是搬到出类拔萃?

Shatara:soc将是一个问题,但是它不会都出类拔萃。汽车行业必须适应系统工程规则,而且还没有过去。前面的系统工程定义了一个全局,然后你需要处理的细节。这可能是一个家庭的soc是可伸缩的。接口是很重要的。以太网将有一个地方,但成本是一个问题。你可能会看到多个公交汽车。以太网就太好了,你就会看到它在高端汽车。但对于大众市场,你可能会看到不同的架构。但这不仅仅是出类拔萃。 It’s also the software. SoCs will come with 80% of the software implemented. Semiconductor companies have invested a lot in software and they are becoming software powerhouses. Those are key for the future.

Hupcey:我们都见过的概念,在未来,“这是你的车只有两个ecu。有两个黑匣子是相同的,和在soc与多个处理器和200实例,每个箱子都是虚拟的。你唯一剩下的车线要每个驱动器,传感器和屏幕。这是一个极端版本,这将需要一段时间。在其他行业,都聚集在一个脂肪SoC。我们用来处理验证。

耆那教徒的:该域控制器有很多不同的名字,MCU-but这是一个集中的架构。功能安全。我们谈到一个安全处理器和另一个处理器的重担,与散布在愚蠢的传感器。在另一个极端是一个与智能传感器分布式架构,这是基于一个自底向上的方法。在一天结束的时候,它可能将是一个混合动力系统。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,我们到达4级和5级,这样的我们将不得不满足可靠性。有很多方面的观察。 The cost in each one of these has to go down. The number of cores in each of these keeps increasing. But it’s not as if you add more cores, you get more performance. This has to be a well-justified decision.

Shatara:复杂性是关键。当它变得越来越大,集中不会这样做。这是汽车的关键。什么是分布式现在成本限制。但如果你看看这些大soc的技术挑战,你添加很多射频部分,有一个很大的噪音。你必须去做一个分布式系统。你去电时,它生成一套全新的噪音问题。一些地方比别人更敏感。你必须隔离噪音从一部分不会影响另一个。

Hupcey:这意味着更多的保护需要添加,但大量的重量。如果你想获得一个线包到一个特定的空间,也占用很多地区。这是另一个建筑的挑战。我们不一定看到,在半导体领域,但它确实有一个多米诺骨牌效应。它与SoC接口。

SE:我们过去认为的马力。现在我们看数据的速度绕着车。我们如何确保没有瓶颈?

Shatara仍在调查中。

耆那教徒的:是的。今天所有的这些连接汽车开车,我们都想做数据记录。这一切加起来快,尤其当你做360度的激光雷达,360度的相机。然后你想要的一切映射。一个汽车实体从来没有见过这样的数据。我们处理大数据在过去,但这是很多很多。

Shatara:提出分布式与集中式的问题了。如果你在本地处理,你需要一个较小的管道或更少的带宽。这是一个解决方案。

SE:在知识产权方面发生了什么?

Minwell:从成本的角度来看,数据的角度来看,2.5 d的解决方案可能会工作的进展。现在我们要扇出wafer-level包装,到2019年或2020年,应该减少浪费。如果我们看神经网络/深度学习活动发生在车里,似乎它会朝这个方向。你要管理所有数据和数据的处理。然后,如果你有IP已经证明,你可以做2.5 d,你可以把pre-proven IP chiplets包。所以你已经证明了你不是再次证明。

Boutillier:我们已经看到新方法和概念的证明。在智能手机,我们有相同的功能。主要问题是那些有时被没有相干或安全。添加一致性是一个大问题。需要实现一些功能,增加了成本。你需要证明你是正确的。汽车制造商已经知道如何做信息娱乐和他们能做4 k。现在他们必须确保是安全的。如果你有八个处理器或八个核心,我们已经知道如何去做。但它是现在增加了成本。

SE:汽车电子,他们必须开始处理信号的完整性。但现在信号完整性有另外一面,就是安全。这是多大的问题?

Shatara:ecu或soc越多,更多的黑客的入口点。车辆的任何无线网络可以利用。你有重要的代码坐在罗/ RAM。必须经过身份验证的。所以soc和安全嵌入到每一个人。但每个人都确实AESD(高级加密标准开发)。如果你给一个黑客足够的时间,他们会找到并打开圆顶的关键。你需要让黑客更难进入圆顶。你需要一个小的门,你需要让它更难找到。一旦你进入,你需要高级加密。 While 256 bits may be enough today, in 10 years it might not be sufficient, so you might have to go to 512 bits. You need to build headroom into existing hardware so you only need to update it with software.

SE:但这真的足够吗?

Shatara:自动车辆的一个挑战是,他们必须意识到它的环境。他们必须足够聪明知道外边发生了什么并尽量避免任何问题。但也将是一个混合。在中西部地区,他们可能不开车自驾车辆。但在纽约和旧金山,我们将拥有自主车辆,因为人们不希望汽车。不过,如果你有一个事故,负责涉及自主车辆是谁?

耆那教徒的:我想回到分布式组件,以及每一个有自己的安全功能。这肯定是一个优势,因为你有更少的数据转移。但是有一个缺点,。如果传感器失败,无论你是依靠传感器不存在了。在一个集中的架构中,如果你有来自多个传感器的信息,如果一个失败那么你可以处理大部分的任务。

Shatara:但是你还会有冗余在分布式体系结构。

耆那教徒的:是的,这就是为什么我们需要找出混合系统的平衡,以确保安全和有最有效的传输数据最有效的数据量,这样您就可以尽快做出最好的决定。我们也在这里谈论汽车,可能需要标准的10年期,150000英里的保修,车辆在一年内可能会有100000到300000英里。我们将不得不满足那些有硬件和软件。

有关的故事
什么可能出错在汽车(第1部分)
安全、诊断标准和自主汽车的未来。
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。