电气化与自动化—汽车产业的两大驱动力（下）

上一篇介绍了“CASE”趋势下，电动车的发展路径以及电气化对于传感器的技术影响。本文主要论述电动车电子架构的技术趋势。
 
E / E架构
 
E/E架构在历史上依赖于几十个分布式但截然不同的汽车子系统，即电子控制单元(ECU)。

传统上，每个ECU专注于一个功能，ECU之间几乎没有联系。这种做法在今天的设计理念看来是不可取的。随着传感器和功能数量的增加，E/E架构将越来越多地利用功能领域的概念——信息娱乐、舒适性、动力总成、传感和安全方面的特定领域控制器。
 
奥迪是第一家在其A8车型(zFAS模块)中采用域控制器的OEM公司，其中前端传感器，即远程雷达、前向ADAS摄像头和激光雷达都与之相连。有了功能域控制器，像ADAS这样的功能可以集成来自完全不同的感觉系统的数据，并结合先进的神经网络计算来做出低延迟、高级的理性决策，以避免碰撞和其他灾难性故障。
 
随着雷达和摄像头在汽车上的高普及率，收入也是很可观的。雷达市场收入预计将在2021年超过2019年，并将在2025年达到91亿美元，复合年增长率(CAGR)为19%。相机市场收入也将在2025年以18%的复合年增长率达到81亿美元。激光雷达的收入目前相当有限，因为只有一家OEM正在将这种传感器作为一种选项安装在一些汽车上。其他OEM厂商，如宝马和沃尔沃，预计将在未来几年跟进，但实施仍将局限于高端车型，因此预计销量有限。在这种情况下，激光雷达的市场收入预计将在2025年达到17亿美元，复合年增长率为113%。
 
人工智能和计算机的结合是自主竞争的核心
 
越来越多的功能及其不断变化的复杂性要求专用硬件解决方案来处理多种功能情境感知软件。
 
首先,在软件方面,越来越明显的是, 越来越明显的是，如微处理器、微控制器这种标准标量处理器不能处理态势感知和自动控制在汽车速度和条件下所需的大量实时数据。它需要处理模式的转变，从标量到矢量和最终的矩阵处理，大量并行处理架构和低延迟，大数据计算来完成。FPGA被越来越多地用于数据融合和实现可配置并行处理。
 
此外，神经网络加速器(NN)将有助于ADAS，对于许多刚接触神经网络的人来说，这些加速器就像是一种“黑匣子”。“对这些处理器使用的逻辑的不熟悉，以及创建可预测和可重复的安全测试所涉及的极端复杂性，会让设计师不敢用它。”这可能仍然是实施它们的障碍，特别是以“安全第一”的汽车上。
 
尽管最初存在这些障碍，但我们清楚地看到ADAS解决方案中采用了加速器、神经引擎或神经处理单元。自20世纪50年代以来，神经网络算法已经出现，用于解决诸如天气预报、空中交通管制和复杂的物理方程等大数据问题。随着互联网和社交媒体为大数据创造了新的前景，我们开始看到基于云的NN算法正在解决大数据问题。像谷歌、亚马逊和微软这样的超级网络商开始投入大量资源在NN上，包括开发他们自己的硬件加速器。
 
Nvidia在十多年前开发了通用GPU开发环境，支持在GPU中加速NN和基于矢量的方程。从那时起，开发用于边缘应用推断更先进的神经网络分层特征方法——深度神经网络(DNN)的竞赛打响了。
 
这些神经网络引擎或加速器正在迅速成为手机中的标准子系统，它用于识别物体、面孔和其他上下文，以改善照片、安全性和复杂的图像分析应用。没过多久，人们就意识到，这正是汽车行业解决汽车安全最大问题——驾驶员失误所需要的情境感知。特斯拉、梅赛德斯、奥迪、沃尔沃等许多公司一直在与一级和处理器供应商合作开发神经网络。许多车辆都配备了自动系统，以培训DNN解决方案。
 
大部分早期的开发工作由英伟达完成，英伟达仍然是ADAS领域的主要参与者，但也有许多加速器替代品，包括Mobileye、Xilinx、TI、东芝、Ambarella和Renesas，以及更多依赖于DNN加速器的开发平台。
 
特斯拉去年将这些加速器和人工智能集成到其FSD芯片中。对于大多数OEM来说，这种解决方案将在2021-2022年出现，这些供应商现在已经集成到最新或未来的ADAS中。随着自主性的上升，越来越多的人工智能和加速器开始以线性方式整合。集中化等其他趋势将逐渐重新描绘计算的未来。

市场分为两部分:集中式平台和视觉处理器
 
首先，一个集中的ADAS域控制器——负责几乎所有的感知计算和安全控制和自治的后续推理。就像NVIDIA、Tesla或FSD开发的那样。这一趋势来自于机器人车辆的高端领域。它模拟了汽车的中央大脑。
 
第二，一种分层方法，其中一些后感觉视觉智能被分配到功能专用的视觉处理器或集成DNN加速的平台。加速器的视觉处理器的数量会成倍增加。目前有几家OEM采用了这种选择。
 
到2025年，包括ADAS和机器人汽车在内的人工智能市场预计将超过28亿美元，其中仅ADAS就将达到25亿美元。

在争取自治的竞赛中有赢家也有输家
 
围绕这些人工智能策略的炒作和复杂性，已导致一些玩家将人工智能视为次要目标，而不是实现真正自治目标的核心工具。
 
最后，了解这方面的玩家已经在这场竞赛中处于领先地位。疫情的未来影响尚不确定，但我们可以肯定，它已经对2020年初产生了负面影响。
 
此外，由于缺乏资金，它还可能会对自主研发产生二次影响，导致今年和明年的项目延期。这种负现金流可能会导致少数OEM开发自己的自主软件栈，但硬件是由一级供应商和半导体供应商提供给他们。
 
其中许多供应商拥有重要的开发工具，可以加速平台上的主流开发，而不仅仅是出售硅。缺乏资金会减缓一些项目的进度，但这些项目已经启动了好几年，即使晚了，也不会被叫停。
 
而对于那些项目较少或没有将寻求自治作为项目核心的OEM来说，他们的研究项目可能会推迟到危机之后，最坏的情况是叫停。其中许多公司可能会转向Tier 1，去购买更成熟的现成解决方案。最后的那些将会是这场竞赛的输家，并且将不得不依赖计算玩家来提供完全自主的解决方案/功能，他们将会失去品牌身份。
 
这仅仅是个开始，围绕人工智能及其对汽车行业的影响的挑战已经开始显现。其中一些已经走在了前面，要赶上它们将会很困难，尤其是在没有整合人工智能和与之相关的计算的情况下。
 
二氧化碳减排政策和自动驾驶驱动下的汽车产业
 
在驱动汽车行业的四大趋势中，有两个对OEM尤为重要。
 
第一个与OEM电气化有关，主要是受限制二氧化碳排放的政策驱动。整个汽车供应链必须重建。因此，存在一个过渡时期，在此期间，不同水平的电动汽车将提供给客户。
 
第二种是与自动驾驶相关的，是出于提高车辆安全性和开发自动驾驶模式的需要。这需要增加多个传感器，如摄像头、雷达和激光雷达，还需要实现数据融合，以便车辆能够清楚地感知周围环境。为了实现这一融合，计算和人工智能必须由OEM来实现完全自主的最终目标。为了做到这一点，OEM已经发布了他们的自主软件栈或与领先的一级平台开发商合作。其他厂商则会求助于现成的第三方软件，这些软件可能没有定制软件优化得那么好。

自动驾驶汽车与电动汽车的结合仍然是一个有待解决的问题，OEM将不得不管理嵌入式传感器和计算单元的功耗问题，这可能会影响电动汽车的行驶里程。最后，关于驱动汽车行业的趋势，有一件事是明确的:竞争环境中，半导体供应商、Tier 1和OEM有大把的机会来开发新产品以应对对CASE趋势。