公众号记得加星标⭐️，第一时间看推送不会错过。
数据呈指数级增长，以及各种性能需求的不断变化，正在促使人们从上到下重新思考什么才是最适合在什么情况下运行的。
辅助驾驶和自动驾驶需要来自更多传感器的更多数据，并且需要更快地处理其中的一些数据。
向软件定义车辆和集中式智能的转变，使得更容易确定哪些地方需要最先进的处理器和存储器，以及哪些地方可以部署较旧、成本较低的技术。
过去被人们忽视的技术，例如汽车以太网和LPDDR，已经发展到突然变得需求旺盛的程度。
辅助驾驶和自动驾驶的传感器产生的数据呈爆炸式增长，并且需要根据这些数据做出实时决策，这对车辆中的内存和存储子系统提出了前所未有的要求。
随着越来越多的机械功能被电子元件取代，以及车辆智能化程度的不断提高，汽车行业面临的挑战与大型数据中心面临的挑战颇为相似。为了确保自动刹车、车道居中保持、倒车影像处理和悬架调节等关键功能的正常运行，处理单元和存储器之间的数据传输必须极其快速。
与此同时，这些车辆还包含各种功能，其重要性各不相同。例如，信息娱乐系统的某些部分对于提醒驾驶员至关重要，而其他部分则并非如此。这里的挑战在于如何管理车辆，既要将其视为一个单一系统，又要将其视为一个系统集合，其中某些功能比其他功能更具优先级。而解决这一问题的最佳方法是提高带宽、降低延迟，并更精细地确定哪些组件需要在何处使用、采用何种制造工艺以及成本如何。
“当我们讨论像10Gbps汽车以太网这样的技术，并考虑服务质量时，传统的汽车工程师会问：‘我如何保证信号能在100毫秒内到达刹车系统？’”西门子EDA汽车及军工/航空混合物理和虚拟系统副总裁David Fritz说道。 “我的回答是：‘你看到两个街区外的那栋楼了吗？如果你用一根双绞线以太网线绕着那栋楼走一圈，然后再回到这里，延迟可能只有几微秒，而你却在担心几毫秒的延迟。’”这是因为传输速率非常高。即使出现某种仲裁，你也有充足的时间来解决。因此，系统繁忙时数据能否足够快地从 A 点传输到 B 点的担忧基本消失了。如何划分 1.5 兆比特/秒的 CAN 总线以确保数据到达目的地的担忧也迎刃而解。这就是兆比特和千兆比特之间的区别。”
这对车辆设计有着重大影响。“如果你要从A点向B点发送一个高优先级数据包，而网络又非常繁忙，因为它是一个视频帧——而且网络上的数据量也难以预料，因为现在有些汽车制造商会在车外安装16个甚至20个摄像头——那么你就需要尽可能在车辆边缘附近处理这些数据，”弗里茨说道。“这样可以降低带宽需求。中国汽车制造商明白，如果他们同时发送20个摄像头的高分辨率数据，即使发生碰撞，他们仍然可以处理这些数据，存储帧，并使用人工智能进行处理。他们可以快速地将数据输入人工智能算法，因为他们现在拥有许多纳秒级和皮秒级延迟的片上系统（SoC），而竞争对手只有几个电子控制单元（ECU），如果运气好的话，这些ECU之间也只有几兆比特的通信通道。归根结底，设计汽车就像设计片上系统一样。”
这也使得汽车制造商能够使用各种处理元件和存储器，专注于哪些方面需要最高性能，哪些方面可以缩小规模，不同功能需要多少能量，以及所有这些的总成本是多少。
“传统上，这些功能依赖于微处理器（MPU）或数字信号处理器（DSP），但现在人们越来越关注利用图形处理器（GPU）来完成其中一些任务，” Imagination Technologies的高级产品经理 Amir Kia 表示。“例如，在车载信息娱乐系统和驾驶显示方面，许多公司已经在使用 GPU。开发人员认识到，GPU 的灵活性使其能够高效地处理计算和图形任务。他们没有选择集成额外的加速器，而是看到了扩展现有 GPU 的功能来管理信息娱乐系统和提升计算性能的价值，从而降低了系统开销。这种转变也为在这些系统中使用更小的 MPU 或最大限度地减少对 DSP 的依赖提供了机会。”
迈向软件定义汽车
许多此类转变对汽车制造商而言至关重要，他们直到近十年才开始将重心从电子控制单元 (ECU) 转向软件定义方法。其优势在于，不同的系统和子系统可以像片上系统 (SoC) 中的模块一样进行设计，然后根据需要以任何方式进行融合。这反过来又使得确定所需的带宽及其应用位置、所需的内存容量、哪些类型的内存最适合哪些应用场景以及哪些数据优先级最高变得更加容易。
起亚表示：“大家都在尝试向更集中的架构转型。我们目前大量使用分布式ECU，但我们希望转向更集中的基础设施。一些客户的平台计算量非常大，因此会从传感器和显示器获取大量实时数据。例如，一位客户有6个摄像头，另一位客户有8到12个摄像头，所有摄像头都在同时传输数据。因此，系统内部需要进行大量的快速数据交换，他们正试图将所有数据整合到一个SoC中来处理这些数据。”
SDV（智能驱动车辆）与一系列功能特定的ECU（电子控制单元）截然不同。虽然不同的系统必须按需执行各项功能，但这些车辆的中央逻辑也能够做出涉及多个系统的实时决策。然而，要做到这一点，必须先获取正确的数据才能采取行动。
Rambus硅芯片业务发展总监 Adiel Bahrouch 表示：“高分辨率传感器、人工智能加速器和安全关键型工作负载都依赖于共享内存和存储子系统，如果带宽不足，这些子系统很快就会成为性能瓶颈。如果内存无法足够快地为计算引擎提供数据，芯片利用率就会下降，延迟就会上升，直接影响安全性和用户体验。从超高速片上内存到高容量持久存储，分层式内存和存储架构能够确保每个工作负载都能获得带宽、延迟、容量和成本之间的最佳平衡，最终实现安全、响应迅速且功能丰富的车辆。”
随着这些架构变革重塑汽车行业格局，存储技术的选择变得愈发重要。“从L3级到L4级及更高级别，模型的复杂性、精细度和效率始终是OEM厂商关注的重点，”美光科技产品与系统副总裁Michael Basca指出。“我们都见过一些无人驾驶出租车在交通拥堵时遇到困难，显然，我们目前的模型还无法应对所有极端情况。事实上，在更高级别的应用中，模型的体积可能还会继续增大一段时间，直到存储效率在未来得到提升。”
更具体地说，电动汽车中使用的内存类型取决于响应时间的关键程度、目标市场细分以及车辆的电源来源。对于纯电动汽车 (BEV) 而言，续航里程是一项竞争优势，而减少数据传输消耗可以延长车辆的续航里程。因此，虽然 GDDR 的容量更大，但对于某些特定功能而言，LPDDR6 可能就足够了。
“LPDDR内存最初流行是因为它比DDR内存拥有更高的带宽，” Cadence公司硅解决方案事业部总监Frank Ferro表示。“最初的LPDDR4内存带宽约为4 Gb/s。但LPDDR6的内存带宽高达14.4 Gb/s。这是最重要的一点，它提供了巨大的带宽。低功耗当然也很重要。此外，它还提供了更大的内存容量。LPDDR6的容量虽然不如DDR，但在汽车应用领域，随着ADAS和AI推理技术的普及，内存容量变得至关重要。LPDDR6在内存容量和内存带宽之间取得了平衡，似乎能够满足汽车行业的诸多需求。”
不过，4级和5级自主性给这个等式增添了一些新的复杂性。“提升片上内存容量和带宽以实现高级功能的主要权衡之处在于芯片面积和功耗的增加，这会影响散热管理和可靠性，” Synopsys嵌入式内存IP首席产品经理Daryl Seitzer表示。“设计人员必须在性能需求与能耗和面积限制之间取得平衡，通常会利用低电压运行和架构优化。”
此外，随着车辆中语言模型的日益复杂，用户发现他们需要更大的内存容量和带宽，并且他们正在努力平衡成本。“以特斯拉为例，你可能会发现他们使用了四块LPDDR内存，”费罗说道。“他们之前想的是，‘我们可以减少GDDR的使用量’，但现在他们为了达到相同的容量，使用了相同的GDDR内存，因此很多客户都在考虑升级到LPDDR6，因为他们现在需要更大的容量[以及LPDDR的其他优势]。”
高带宽内存（由堆叠式DRAM通过硅通孔连接而成）目前由于硅通孔（TSV）和振动方面的可靠性问题，在汽车行业尚属次要。但随着高性能内存需求的不断增长，一些公司已开始关注这种内存技术，甚至不惜牺牲低成本内存方案。
“存储器行业高度集中，少数几家领先企业占据垄断地位，产能与其他所有行业共享，”优乐集团汽车半导体首席分析师余阳表示。“因此，对于那些渴望转型升级的OEM厂商来说，了解存储器行业至关重要。最近的一个例子是，由于人工智能需求、产能转移和/或分销渠道的投机行为，DDR4内存价格在过去几个月里飙升。”
据 Yole Group 的数据显示，目前汽车应用中存储器的类型和用途主要包括：
DRAM（LPDDR4/5、GDDR6），用于ADAS域控制器、中央计算、智能传感器和数字座舱SoC；
NAND闪存；
eMMC/UFS，用于信息娱乐、远程信息处理、ADAS软件存储；
NVMe SSD，适用于新兴的 Level 3+ 自主计算和 EDR/DSSAD 存储；
SLC NAND，适用于车载信息系统、射频模块和高耐久性日志；
NOR闪存，用于ADAS传感器、网关、区域控制器和MCU中的启动和安全代码，以及
其他非易失性存储器（EEPROM、FRAM、nvSRAM），用于存储校准数据、配置参数和低密度事件日志。
一般而言，DRAM 用于计算，NAND 用于数据，NOR 用于代码。
其他类型的存储器
例如DRAM，速度正在大幅提升，而SRAM仍然是追求最高性能的首选存储器。然而，其他类型的存储器也开始逐渐应用于汽车领域。
Synopsys公司的塞策表示：“SRAM支持实时计算任务，而MRAM和RRAM则提供高密度、低功耗和持久性存储，使其非常适合空中升级、数据记录和配置保留。这些存储器选择能够满足汽车行业对最佳能效、性能和可靠性的需求。”
此外，对于一些对时间要求不高的任务，例如分析车辆行为或绘制车队变化图，部分数据可以在车辆内进行预处理并存储在本地，然后再发送到云端。“数据不会立即上传到云端，而是会存储几个小时到一天，具体取决于所使用的云服务提供商（AWS、Microsoft Azure、Google Cloud）。”Cadence旗下Tensilica产品集团汽车产品营销与管理总监Amit Kumar表示，“这类数据流通常在车辆内部累积，然后在数据仓库中进行结构化分析。”
闪存在这方面尤其有用。“闪存（非易失性、长期存储）在ECU和中央控制器中仍然很常见，”塞策尔说。“非易失性存储器可在车辆的整个生命周期内保存数据，支持固件、日志和安全资产的持久存储。对片外数据的访问利用了诸如eMMC和UFS等接口，并结合PCIe，以满足高带宽应用的需求。安全性通过加密、身份验证和符合汽车安全标准来保证。”
每个OEM厂商都会根据各种选项和目标市场来确定自己的内存和存储架构。
Keysight EDA 的 SDV 业务线产品经理 Carrie Browen 表示：“外部摄像头以及（如果已启用）车内摄像头的录像可用于‘车队学习’，以改进自动驾驶和完全自动驾驶功能。这些录像通常是与碰撞或安全气囊弹出等安全事件相关的短片。例如，特斯拉将数据分为不同的类别，例如自动驾驶分析与改进和路段数据分析，用于训练和改进驾驶辅助和导航功能。某些数据，例如行车记录仪视频和哨兵模式存储（用于监控停放车辆周围的威胁），除非您明确启用共享，否则会在车辆本地进行处理。实际上，部分数据存储在车辆上，部分数据存储在特斯拉控制的数据中心（以及合作伙伴的设施）中，这些数据中心支持人工智能训练、服务和支持运营。”
如今，高速DRAM通常用于近计算内存，而闪存和其他非易失性存储方案则提供数据备份和冗余。但这些界限正开始变得模糊。
布朗表示：“未来的架构将通过使用更多混合内存层来提高灵活性，这些混合内存层将传统的DRAM和闪存集成到单个模块或封装中。对于用于人工智能改进的摄像头和传感器数据，标注和审核工具允许授权员工和承包商查看短视频和图像，以便对物体和驾驶场景进行标注。媒体对过去标注操作的报道描述了此类界面，但并未披露其确切的技术栈。”
结论
车辆正变得越来越复杂，其系统集成了越来越多的存储器和处理元件，以及新的、更好的数据传输和存储方式。
Keysight EDA 的内存解决方案项目经理 Randy White 表示：“车载计算需求，包括信息娱乐和高级驾驶辅助系统 (ADAS)，对内存带宽和容量的要求越来越高。与基于云的计算相比，车载推理的低延迟特性可确保实时处理和关键任务的时序控制。”
这些都是通往完全自主化道路上的垫脚石。鉴于这项技术的发展轨迹，这很可能在不久的将来就会实现。
https://semiengineering.com/new-automotive-architectures-are-shaking-up-processors-and-memory-choices/
（来源：编译自semiengineering）
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第4338内容，欢迎关注。
加星标⭐️第一时间看推送
求推荐
热门跟贴