高性能、高效的ASIC支持先进的汽车系统
2018-06-27 17:43:26· 来源:GLOBALFOUNDRIES
根据一些数据估计,目前全球有超过260家初创企业和成熟公司竞相开发、认证并向市场投放面向新ADAS(先进驾驶辅助系统)和自动驾驶应用的芯片和技术。
根据一些数据估计,目前全球有超过260家初创企业和成熟公司竞相开发、认证并向市场投放面向新ADAS(先进驾驶辅助系统)和自动驾驶应用的芯片和技术。
为顺应这一趋势,风险投资者、科技公司、汽车制造商、一级供应商以及其他公司都在大幅增加对这个领域的投资。根据调查公司CB Insights的统计,去年,仅在汽车和其他基于AI的应用领域,风险资本投资就增长到了近16亿美元,而在2016年为13亿美元,在2015年为8.2亿美元。
此外,这种增长呈现出全球化趋势。在近期的报道中,有一则值得注意的新闻是中国深圳的一家自动驾驶初创公司Roadstar.ai募集了1.28亿美元的A轮风投资金。对于中国的自动驾驶科技公司来说,这是迄今为止报道过的数额最大的一笔单项投资,超过了今年早些时候位于广州的另一家自动驾驶初创公司Pony.ai获得的1.12亿美元投资金额。
投资者对这个领域的热情为何如此高涨?从消费者的角度来看,许多驾驶员都非常青睐防撞、盲点警告、自适应巡航控制等ADAS功能,而从汽车制造商的角度,他们为了满足客户的需求,需要不断提高这些系统的精密度,并且逐步应用于各种价位的汽车上。
从社会层面来看,驾驶员辅助/自动驾驶功能可以提供诸多优点。例如,美国每年因车祸致死的人员数量约达到40,000人,全球范围内的死亡人数则超过百万人,除此以外,还有2000-5000万人员因车祸受伤或致残。提高汽车的自动性能有可能大幅降低这些数量。
自动驾驶还开创了全新的业务机遇,例如自动驾驶出租车。
车轮上的大脑
标准制定组织SAE International(国际汽车工程师学会)建立了一个五级分类系统,用于描述汽车的自动化等级,最低为1级(系统提供警告,但由驾驶员驾驶车辆),最高为5级(全自动驾驶,无需人为干涉)。
随着行业不断向5级发展,摄像头、激光雷达和雷达等传感器会生成大量数据,这些数据必须实时处理、集成和传输,以便复杂的基于深度神经网络的机器学习算法能够利用它来识别环境中的对象,预测它们的行为,与其他车辆通信,并做出车辆控制决策。
资料来源:NHTSA、GROM Audio、多种行业和商业资料来源以及格芯内部评估
有人认为,采用分散式车载网络架构是实现这一目标的最好途径,因为这是对现有ADAS系统实施的一次变革,因此对汽车计算系统设计的影响也是最小的。此外,它还支持采用专用处理器,并允许逐步添加新功能。
格芯汽车业务副总裁Mark Granger表示,这个方式存在的问题在于:虽然本地处理器和有限的网络带宽可能足以支持2级(部分,或「解放双手」)或可能支持3级(有条件,或「解放双脚」)操作,但它们无法按照基于AI的机器学习算法的要求来实时处理海量数据,从而实现真正的自动操作。
他说道:「分散式架构可能提供最高5 TOPs(每秒万亿次操作),以及约10 Mb/s车载带宽。但是,要达到3-5级自动化操作水平,则需要采用配备强大、高效处理器的集中网络架构来提供50-100 TOPs和100 Gb/s车载数据数率。相比之下,在2000年,当时全球最强大的超级计算机只支持1 TOPs操作。所以自动驾驶汽车确实需要采用人工智能,而集中式架构则是实现自动驾驶的最好途径。」
到目前为止,ADAS/自动驾驶系统的开发采用的核心半导体技术一直都是图形处理器(GPU)和微处理器(CPU)。但是,随着开发人员开始向5级自动化迈进,这些芯片在汽车系统中的激增也带来了越来越多的问题,因为它们虽然功能强大,但它们也非常耗电。
Granger表示:「自动驾驶汽车的开发尚处于初期阶段,除非能够找到方法来降低AI系统中的处理器能耗,否则它们可能一直停滞不前。为如今的自动驾驶汽车提供动力的芯片基本上需要服务级芯片机架,功耗可达7,000-10,000瓦。从开发和测试角度来看,这是可行的,但却无法运用于商业产品中。此外,它们的体积相对较大,您还需要考虑实施冷却的难度和成本。我们每个人都希望尽可能降低特定功能的功耗预算。」
了解格芯的ASIC
ASIC(专用集成电路)专用于满足汽车系统的需求,它们不但功能强大,能效高,还能让汽车客户从自己领域中脱颖而出。它们提供设计灵活性,有助于实现比现有GPU功能更强大的设计。
每个芯片上的大型CPU集群和数以十万计的乘加运算(MAC)电路满足AI算法繁重的计算要求,同时千兆位嵌入式SRAM和千兆字节片外DRAM接口则可以为强大的计算引擎提供数据。
格芯提供14nm和7nm FinFET ASIC片上系统(SoC)器件,与GPU和竞争对手的ASIC技术相比,能够提供优化的功率、尺寸和能效组合,同时满足汽车级质量标准,例如功能安全标准ISO26262。
FX-14™ ASIC提供给用户的优势包括:在系统设计中采用64位和32位ARM®内核阵列,以及56Gbps高速SERDES(HSS);嵌入式TCAM存储器,支持每秒实施数十亿次搜索;密度和性能均得到优化的嵌入式SRAM;能够提高应用灵活性的2.5D封装选项。
FX-7™ ASIC的产品扩展包括高达112G HSS、高度密集的片上SRAM和大量片外DRAM接口(LPDDR、GDDR、HBM),包括提高应用灵活性的2.5/3D封装选项。
格芯的ASIC与其他产品的不同不仅体现在功能上,也体现在起源上。格芯于2015年收购IBM Microelectronics之后,获得了行业领先的ASIC开发团队之一,其中包括来自全球的1,000多位设计工程师,以及完成近2,000项ASIC设计的历史记录,涉及从关键企业网络采用的高端服务器到低成本游戏平台的各种应用。
格芯的ASIC业务部首席技术官兼格芯研究员Igor Arsovski表示:「我们的ASIC团队在广泛的产品领域都表现出色,从高度复杂的、适用于服务器和航空航天产品的电子产品,到覆盖所有高端游戏平台的高性能、低成本应用。」
「与其他设计公司不同,我们提供广泛的IP阵列,这些阵列都经受过系统性、广泛的模型-硬件关联和HTOL压力测试,不仅能缩短设计到流片的整个周期,还能提高首次设计成功率。这种严格方法确保了即使在经历数十个工艺节点和超过2,000次ASIC设计之后,我们也仍然能够为客户提供ASIC。在汽车领域,还需要注意,我们的ASIC设计采用了先进的原位测试功能,这一点非常重要,因为对于汽车来说,高可靠性是一切的前提。」
Arsovski还提到,因为许多格芯客户对设计服务的要求都不同,所以格芯提供了全套服务,从全面的统包服务(客户提供规格,要求格芯提供设计中心、封装和测试支持),到完全自定义的设计(客户提供GDS,只要求进行制造)。随着格芯公司在汽车电子领域不断发展壮大和提高设计能力,他们将能够灵活地为客户提供配套支持。
为顺应这一趋势,风险投资者、科技公司、汽车制造商、一级供应商以及其他公司都在大幅增加对这个领域的投资。根据调查公司CB Insights的统计,去年,仅在汽车和其他基于AI的应用领域,风险资本投资就增长到了近16亿美元,而在2016年为13亿美元,在2015年为8.2亿美元。
此外,这种增长呈现出全球化趋势。在近期的报道中,有一则值得注意的新闻是中国深圳的一家自动驾驶初创公司Roadstar.ai募集了1.28亿美元的A轮风投资金。对于中国的自动驾驶科技公司来说,这是迄今为止报道过的数额最大的一笔单项投资,超过了今年早些时候位于广州的另一家自动驾驶初创公司Pony.ai获得的1.12亿美元投资金额。
投资者对这个领域的热情为何如此高涨?从消费者的角度来看,许多驾驶员都非常青睐防撞、盲点警告、自适应巡航控制等ADAS功能,而从汽车制造商的角度,他们为了满足客户的需求,需要不断提高这些系统的精密度,并且逐步应用于各种价位的汽车上。
从社会层面来看,驾驶员辅助/自动驾驶功能可以提供诸多优点。例如,美国每年因车祸致死的人员数量约达到40,000人,全球范围内的死亡人数则超过百万人,除此以外,还有2000-5000万人员因车祸受伤或致残。提高汽车的自动性能有可能大幅降低这些数量。
自动驾驶还开创了全新的业务机遇,例如自动驾驶出租车。
车轮上的大脑
标准制定组织SAE International(国际汽车工程师学会)建立了一个五级分类系统,用于描述汽车的自动化等级,最低为1级(系统提供警告,但由驾驶员驾驶车辆),最高为5级(全自动驾驶,无需人为干涉)。
随着行业不断向5级发展,摄像头、激光雷达和雷达等传感器会生成大量数据,这些数据必须实时处理、集成和传输,以便复杂的基于深度神经网络的机器学习算法能够利用它来识别环境中的对象,预测它们的行为,与其他车辆通信,并做出车辆控制决策。
资料来源:NHTSA、GROM Audio、多种行业和商业资料来源以及格芯内部评估
有人认为,采用分散式车载网络架构是实现这一目标的最好途径,因为这是对现有ADAS系统实施的一次变革,因此对汽车计算系统设计的影响也是最小的。此外,它还支持采用专用处理器,并允许逐步添加新功能。
格芯汽车业务副总裁Mark Granger表示,这个方式存在的问题在于:虽然本地处理器和有限的网络带宽可能足以支持2级(部分,或「解放双手」)或可能支持3级(有条件,或「解放双脚」)操作,但它们无法按照基于AI的机器学习算法的要求来实时处理海量数据,从而实现真正的自动操作。
他说道:「分散式架构可能提供最高5 TOPs(每秒万亿次操作),以及约10 Mb/s车载带宽。但是,要达到3-5级自动化操作水平,则需要采用配备强大、高效处理器的集中网络架构来提供50-100 TOPs和100 Gb/s车载数据数率。相比之下,在2000年,当时全球最强大的超级计算机只支持1 TOPs操作。所以自动驾驶汽车确实需要采用人工智能,而集中式架构则是实现自动驾驶的最好途径。」
到目前为止,ADAS/自动驾驶系统的开发采用的核心半导体技术一直都是图形处理器(GPU)和微处理器(CPU)。但是,随着开发人员开始向5级自动化迈进,这些芯片在汽车系统中的激增也带来了越来越多的问题,因为它们虽然功能强大,但它们也非常耗电。
Granger表示:「自动驾驶汽车的开发尚处于初期阶段,除非能够找到方法来降低AI系统中的处理器能耗,否则它们可能一直停滞不前。为如今的自动驾驶汽车提供动力的芯片基本上需要服务级芯片机架,功耗可达7,000-10,000瓦。从开发和测试角度来看,这是可行的,但却无法运用于商业产品中。此外,它们的体积相对较大,您还需要考虑实施冷却的难度和成本。我们每个人都希望尽可能降低特定功能的功耗预算。」
了解格芯的ASIC
ASIC(专用集成电路)专用于满足汽车系统的需求,它们不但功能强大,能效高,还能让汽车客户从自己领域中脱颖而出。它们提供设计灵活性,有助于实现比现有GPU功能更强大的设计。
每个芯片上的大型CPU集群和数以十万计的乘加运算(MAC)电路满足AI算法繁重的计算要求,同时千兆位嵌入式SRAM和千兆字节片外DRAM接口则可以为强大的计算引擎提供数据。
格芯提供14nm和7nm FinFET ASIC片上系统(SoC)器件,与GPU和竞争对手的ASIC技术相比,能够提供优化的功率、尺寸和能效组合,同时满足汽车级质量标准,例如功能安全标准ISO26262。
FX-14™ ASIC提供给用户的优势包括:在系统设计中采用64位和32位ARM®内核阵列,以及56Gbps高速SERDES(HSS);嵌入式TCAM存储器,支持每秒实施数十亿次搜索;密度和性能均得到优化的嵌入式SRAM;能够提高应用灵活性的2.5D封装选项。
FX-7™ ASIC的产品扩展包括高达112G HSS、高度密集的片上SRAM和大量片外DRAM接口(LPDDR、GDDR、HBM),包括提高应用灵活性的2.5/3D封装选项。
格芯的ASIC与其他产品的不同不仅体现在功能上,也体现在起源上。格芯于2015年收购IBM Microelectronics之后,获得了行业领先的ASIC开发团队之一,其中包括来自全球的1,000多位设计工程师,以及完成近2,000项ASIC设计的历史记录,涉及从关键企业网络采用的高端服务器到低成本游戏平台的各种应用。
格芯的ASIC业务部首席技术官兼格芯研究员Igor Arsovski表示:「我们的ASIC团队在广泛的产品领域都表现出色,从高度复杂的、适用于服务器和航空航天产品的电子产品,到覆盖所有高端游戏平台的高性能、低成本应用。」
「与其他设计公司不同,我们提供广泛的IP阵列,这些阵列都经受过系统性、广泛的模型-硬件关联和HTOL压力测试,不仅能缩短设计到流片的整个周期,还能提高首次设计成功率。这种严格方法确保了即使在经历数十个工艺节点和超过2,000次ASIC设计之后,我们也仍然能够为客户提供ASIC。在汽车领域,还需要注意,我们的ASIC设计采用了先进的原位测试功能,这一点非常重要,因为对于汽车来说,高可靠性是一切的前提。」
Arsovski还提到,因为许多格芯客户对设计服务的要求都不同,所以格芯提供了全套服务,从全面的统包服务(客户提供规格,要求格芯提供设计中心、封装和测试支持),到完全自定义的设计(客户提供GDS,只要求进行制造)。随着格芯公司在汽车电子领域不断发展壮大和提高设计能力,他们将能够灵活地为客户提供配套支持。
最新资讯
-
广汽本田新能源工厂正式投产:机器人
2024-12-24 14:20
-
新能源汽车供应链企业如何破卷、破圈
2024-12-23 10:27
-
电装中国:践行双碳战略,引领制造业
2024-12-20 17:26
-
【客户案例】高速、高质与高效,埃马
2024-12-18 17:06
-
尊界超级工厂正式落成
2024-12-17 08:36