SDV和AI正推动汽车行业发生重大变革

（本文编译自Semiconductor Engineering）

汽车行业正经历一场根本性变革，包括软件定义汽车、将人工智能融入汽车设计和使用的几乎每个方面，以及对不同层级供应商与原始设备制造商（OEM）之间传统关系的彻底重塑。

向软件定义汽车转型是汽车生态系统的首要任务，它能够加快上市时间和更新迭代速度，使车辆始终与新协议、标准和功能保持同步。传统的硬件定义方法灵活性有限，因为它依赖于将这些功能与预定义的硬件相匹配。此外，这种方法更为耗时、成本更高，这使得传统汽车制造商在竞争中处于劣势。

西门子EDA汽车与军民航空领域混合物理及虚拟系统副总裁David Fritz表示：“有一些明显的技术和概念，如持续集成/持续部署(CI/CD)、DevOps变更等。虚拟平台在其中发挥着重要作用。与此同时，行业仍在努力理解多保真度虚拟平台的意义。从我们的角度来看，这为我们多年来在各种保真度虚拟平台方面的工作打开了一扇大门，将所有这些工作整合到一个框架中，以便在不同的保真度级别上验证超级复杂的系统。”

对于汽车行业来说，这是一个彻底的变革。Rambus硅片IP业务开发总监Adiel Bahrouch表示：“随着OEM加速向软件定义汽车转型，区域架构、基于Chiplet的计算以及ADAS/AD等技术正日益受到青睐。在车内网络安全、供应链安全、市场准入合规性、开放式标准应用程序接口（API）以及系统集成等方面，价值链正面临诸多挑战，尤其是在提供个性化、安全和可扩展移动出行服务的压力日益加剧，同时产品上市时间却以前所未有的速度缩短的情况下。”

伴随这些变革而来的，还有对更高等级自动驾驶技术的持续追求，以及为提升用户体验而进行的座舱数字化改造。车辆架构也开始向更集中的系统管理方向发展，尤其是在电动汽车领域，这包括高效的电池管理系统，以延长续航里程和电池寿命。

虽然不同汽车制造商对这些变革的采用速度各不相同，但几乎所有汽车制造商都朝着同一个方向发展。“在ADAS领域，架构仍以区域式系统为主，向中央处理系统的转型进程较为缓慢，”Cadence Tensilica产品事业部汽车产品营销和管理总监Amit Kumar表示。“一些OEM厂商已在部分车型中改进了集中式架构，但大多数仍然是区域ECU，甚至是区域架构概念出现之前的更基础的ECU。”

Arm自动驾驶汽车总监Robert Day表示，在过去几年中，开始看到汽车生态系统发生的一些变化，从软件定义汽车开始，将ECU分布到不同的区域，改变车辆架构，从将分布式ECU划分到不同的域，着眼于为不同区域服务的集中式计算。

“关于车辆架构将如何变革，以及如何降低成本，业界已进行了很多讨论，”Day表示，“由于布线不再那么长、那么繁琐，我们可以开始使用以太网之类的技术进行通信，然后各个区域可以控制其区域内的大量传感器和其他设备。这改变了软件架构，而这正是我们关注向软件定义汽车转型的原因，即车辆由软件定义，同时具备可升级性。”

Day将下一代汽车视为基于软件定义汽车方法的AI定义汽车。“未来大量的工作负载将是AI工作负载，即车载运行的边缘AI工作负载，这将决定车辆是软件定义的，还是AI-软件定义的。这将助力未来的汽车满足我们作为消费者的需求。”

AI无处不在

下一个挑战是确定AI还能在车辆设计和运行的哪些方面发挥作用。“我们正在应用AI来预测AI的性能，”西门子的Fritz表示，“过去，我们有YACC（又一个编译器），也就是用编译器来生成编译器。现在的情况与之类似，我们正在利用AI来证明AI的性能。这是我们投入大量精力的重要领域，而且确实已开始见效，能够在获得任何硅芯片之前很久就对部分相关内容进行验证。”

AI也将在ADAS和自动驾驶领域发挥重要作用。目前已涌现出新的网络模型和新型网络，Cadence的 Kumar指出，基于CNN的网络就是例证，如用于物体检测的YOLO和用于分割的SSD-ResNet。“DETR-ResNet正在快速发展，”他表示，“对于车辆行为，循环神经网络(RNN)正得到应用。脉冲神经网络 (Spiking Neural Network)在某些应用中越来越受欢迎，尤其是在车载领域。”

但与数据中心不同，车载人工智能需要超高效率。L5级自动驾驶汽车可能配备超过40个传感器和数十亿行代码，如果功耗过高，车辆续航里程将大幅下降。仅仅设计一个如此复杂且节能的系统就是一个巨大的挑战。

Cadence计算解决方案事业部Chiplet和IP解决方案高级产品总监Mick Posner表示：“为了应对这种日益增长的复杂性，并加快产品上市速度，汽车制造商正在寻求一种可扩展的SoC架构，以便能够快速迭代设计，根据处理需求扩展或缩减系统规模，并部署使现代汽车更安全的功能。他们越来越关注Chiplet以满足这些需求。虽然多芯片已成为主流，但Chiplet尚未普及，而行业正处于关键时刻。”

图1：Cadence基于Arm的chiplet。

图源：Cadence和Arm

更高级别的自动驾驶需要人工智能。“人工智能会判断汽车周围发生的情况，以便做出决策，”Arm的Day表示，“随着自动驾驶级别的提升，人工智能的应用也会越来越多。目前，自动驾驶领域正在积极讨论如何利用端到端人工智能来驱动自动驾驶系统。这不仅涉及环境感知，还包括规划决策，以及车辆需要执行的操作。我们开始看到更多可以使用人工智能的用例，人们也正在将其付诸实践。第一步是ADAS，我们需要它。若不在训练过程中大量运用人工智能，同时在车辆中部署大量推理功能，就无法对周围环境进行观察和判断。如今，我们正关注驾驶员与车辆的交互问题。”

座舱内的变革

人工智能也正渗透到座舱内部，并已成为OEM之间形成差异化的一个因素。Cadence的Kumar表示：“用户体验(UX)和用户界面(UI)都是座舱舒适度的重要组成部分，并且通过座舱内现有的多个传感器实现了安全功能。座舱内传感技术就是这样一项新兴技术，它支持欧洲新车安全评鉴协会(Euro NCAP)最近强制要求的儿童存在检测功能，并且无论是现在还是未来，它都是汽车行业的一个增长引擎。驾驶员监控系统(DMS)正变得越来越复杂，其渗透率也一直呈上升趋势。”

Arm的Day也观察到AI在汽车座舱中的应用场景，比如聊天机器人和大语言模型（LLM）的引入，这样用户就可以像在家一样，通过类ChatGPT的界面与车辆进行交流。“车内语音识别技术正在蓬勃发展，”他表示，“此外还有一些系统，如驾驶员管理系统，它会利用人工智能判断驾驶员的行为，乘客监控系统也是如此。所有这些都将开始使用人工智能。目前我们还无法想象所有的工作负载，但未来一定会出现一些新奇有趣的应用。然后是信息娱乐系统和导航系统的控制。所有这些都将拥有与我们家中相同的功能。事实上，现在有不少讨论都围绕着这样一个想法：让你在手机和家中使用的人工智能代理‘跟随’你进入车内，这本质上是一种情境感知型人工智能。它知道你是谁，比如知道你要去哪里。”

自动驾驶出租车为人工智能提供了另一个应用领域。凭借强大而先进的感知能力和高性能计算，自动驾驶出租车正在一些城市成为主流。“到目前为止，这一领域一直由Waymo引领，但特斯拉正在美国启动自动驾驶出租车项目，Uber和Nuro也正在合作组建自动驾驶出租车车队，”Cadence的Kumar表示。“这些都清晰地表明了L5级自动驾驶汽车的新趋势。”

汽车安全

随着自动驾驶、车对车(V2V)和车对基础设施(V2I)部署的推进，车辆连接性和复杂性不断提升，受攻击面也随之扩大。是德科技首席安全分析师Nicole Fern表示：“防止车辆更新、V2V和V2I中存在的远程可利用的漏洞至关重要，同时还要防止竞争对手提取专有的自动驾驶算法。这推动了硬件安全功能的采用，例如安全enclaves（安全区域）和专用信任根。”

然而，添加更多安全功能并不意味着汽车解决方案就能自动具备安全性。“故障注入和侧信道分析等硬件攻击已成功入侵了采用硬件支持的安全功能（如安全启动）的系统，”Fern表示，“柏林工业大学对特斯拉自动驾驶仪的攻击就是一个很好的例子，攻击者利用故障注入从系统中提取代码和数据，以及用于特斯拉后端基础设施身份验证的加密密钥。”

幸运的是，人们现在非常重视汽车环境的安全。“他们现在明白，汽车安全的基础是符合ISO 26262标准，”新思科技首席安全技术专家兼科学家Mike Borza表示，“如果没有安全的环境，就无法保证系统的安全性和安全行为。这与人工智能领域对安全的依赖非常相似。现在，这两者还出现了融合。人们正在使用基于图像的处理技术来确定车辆的位置，以及它们如何跟随其他车辆。我们还看到，人们非常重视维护汽车内部数据流的完整性，以及将数据从一个地方移动到另一个地方，他们正在使用技术手段来确保完整性，例如加密和身份验证——技术身份验证指的是验证信息在接收时是否完整。例如，使用MIPI链路的摄像头现正在将MIPI安全性融入到这些摄像头流中。显示器也是如此，因为如果有人篡改数据，导致倒车时本应看到的物体从画面中消失，而车辆又依赖摄像头而非后视镜或直接回头观察，那将是个大问题。”

结语

所有这些技术正在给汽车行业带来巨变，而且没有任何迹象表明这种变革会在短期内放缓。

西门子的Fritz表示：“我们预测的很多事情都在发生，比如与OEM合作，建立更紧密的关系。与过去不同，OEM驱动其生态系统的理念正在真正成为现实，尽管在不同地区进展速度不同。特别是一家日本OEM，它几乎100%锁定在一家一级供应商，而这家一级供应商又几乎100%锁定在一家二级供应商。这几乎就像一级供应商和二级供应商似乎正逐渐受制于OEM，因为这是他们掌控未来的唯一方式。这很有意思，因为它迫使所有参与者更加专注，并清楚自己的贡献所在。这也为大量小型SoC和AI加速器公司打开了大门，让他们有机会挤进生态系统。因此，未来几年，我们将看到行业整合，这些公司将被纳入大型OEM的麾下，将整个生态系统也将被纳入他们的麾下。”

这种趋势既有倒退的一面，也有前瞻性的一面。“这让人想起亨利·福特时代，那时他把所有东西都搬到底特律，”Fritz表示，“他自己运材料，生产所有东西，实现了完全垂直整合，而不是像我们最近那样采用分布式整合。一级供应商会有几个OEM客户，然后试图把同样的东西应用到各自的OEM上，而OEM就是这样失去控制的。现在的情况完全颠倒了，回到了OEM主导的模式，‘我要实现完全的垂直整合，所有事情都由我来决定。’”