作者： KURT SCHULER營銷副總裁，Arteris IP www.arteris.com

高級駕駛輔助系統(tǒng) (ADAS) 和自動駕駛汽車正在推動新芯片的爆炸式增長，其核心是片上系統(tǒng) (SoC)，這是一種運行復雜算法并包含許多硬件加速器的強大半導體設(shè)備“大腦?！?事實上，汽車 SoC 是自動駕駛汽車淘金熱的無名英雄，許多人稱之為先進工程的奇跡。

工程師如何有效地設(shè)計這些超級芯片，使其每秒處理數(shù)十億次操作，以近乎實時地識別和分類道路上的物體？設(shè)計處理來自多個傳感器、雷達和攝像頭的信息以執(zhí)行物體識別、距離估計和 3D 映射的 SoC 的實際挑戰(zhàn)是什么？

以下是推動這些類似超級計算機的處理設(shè)備設(shè)計的三個趨勢，無論是今天的 ADAS 還是明天的自動駕駛。

1. 管理復雜性汽車 SoC 包含越來越多的一切——CPU、DSP、內(nèi)存、時鐘等——以執(zhí)行視覺處理、傳感器融合、信息娛樂等各種任務。汽車 SoC 必須近乎實時地響應物理世界中不斷變化的條件，這進一步增加了設(shè)計的復雜性。

圖 2：隨著高度專業(yè)化的 IP 加速器數(shù)量的不斷增加，汽車 SoC 設(shè)計變得越來越大和越來越復雜。圖片來源：Dream Chip Technologies GmbH。

這些新的汽車 SoC 在單個芯片上利用多個專用處理單元來執(zhí)行多個同時執(zhí)行的任務，例如攝像頭視覺、車身控制和信息顯示。片上通信基礎(chǔ)設(shè)施是確保芯片上高效數(shù)據(jù)流的關(guān)鍵。隨著處理元件類型和數(shù)量的增加，連接這些處理元件的互連和內(nèi)存架構(gòu)的作用變得至關(guān)重要。

汽車 SoC 不再是緩慢且耗電的片外 DRAM 訪問，而是越來越多地采用內(nèi)存技術(shù)，這些技術(shù)可以將數(shù)據(jù)保存在將要使用的位置附近。與單個處理元件緊密耦合的存儲器通常作為內(nèi)部 SRAM 實現(xiàn)，并且通常對正在運行的軟件是透明的。這種方法適用于較小的系統(tǒng)，但處理元件數(shù)量的增加需要相應增加緊密耦合的存儲器。

另一種方法是擁有可以與多個處理元件共享的 RAM 緩沖區(qū)。然而，在這種情況下，訪問必須在軟件級別進行管理，這反過來又會隨著系統(tǒng)的擴展而導致軟件復雜性。這種軟件復雜性可能會導致系統(tǒng)錯誤，從而導致影響 ISO 26262 安全目標的錯誤和故障。

最后，隨著系統(tǒng)變得越來越大，實現(xiàn)硬件緩存一致性技術(shù)通常很有用。它允許處理元素共享數(shù)據(jù)，而無需直接軟件管理的開銷。還有一種緩存一致性新技術(shù)，現(xiàn)在在汽車 SoC 中廣泛實施，它允許處理元件有效地相互共享數(shù)據(jù)，并使用稱為代理緩存的專用可配置緩存作為連貫系統(tǒng)中的對等點。

除了內(nèi)存架構(gòu)之外，無論是通過緩沖區(qū)實現(xiàn)數(shù)據(jù)本地化還是緩存一致，片上互連也很重要。它優(yōu)化了整體數(shù)據(jù)流以保證服務質(zhì)量 (QoS)，從而確保汽車 SoC 滿足帶寬和延遲要求。

帶寬分配和延遲要求是關(guān)鍵任務汽車設(shè)計中的一個關(guān)鍵因素，尤其是當某些處理可能是不確定的時，例如神經(jīng)網(wǎng)絡和深度學習處理。在這里，片上互連在實現(xiàn) SoC 架構(gòu)方面發(fā)揮著至關(guān)重要的作用，該架構(gòu)可確保接近實時的性能，同時避免處理元件的數(shù)據(jù)不足。

2. 新技術(shù)汽車設(shè)計也為實施人工智能 (AI) 等新技術(shù)提供了動力，因為無法手動創(chuàng)建“if-then-else”規(guī)則來處理復雜的現(xiàn)實世界場景?？梢蕴幚砀叨葟碗s任務的人工智能算法正在被整合到自動駕駛系統(tǒng)和其他必須在近實時領(lǐng)域做出決策的生命關(guān)鍵系統(tǒng)中。這就是為什么機器學習是人工智能的一個子集，是自動駕駛汽車中最公開可見的新應用。

機器學習通過體驗式學習實現(xiàn) ADAS 和自動駕駛中的復雜任務，而使用基于規(guī)則的編程幾乎不可能完成這些任務。但是機器學習需要對算法加速和數(shù)據(jù)流優(yōu)化進行硬件定制。

因此，在基于機器學習的 SoC 設(shè)計中，ADAS 和自動駕駛汽車架構(gòu)師正在通過添加更多類型的硬件加速器來更精細地分割算法。這些定制硬件加速器充當異構(gòu)處理元素，并迎合支持實時 3D 映射、LiDAR 點云映射等功能的專用算法。

這些高度專業(yè)化的 IP 加速器可以在近乎實時的延遲范圍內(nèi)發(fā)送和接收數(shù)據(jù)，并提供識別和分類對象所需的巨大帶寬，滿足嚴格且經(jīng)常相互沖突的 QoS 需求。在這里，芯片設(shè)計人員可以通過選擇加速什么、如何加速以及如何將該功能與 SoC 設(shè)計的其余部分互連來進行競爭和區(qū)分。

關(guān)于新技術(shù)，還值得一提的是，神經(jīng)網(wǎng)絡已經(jīng)成為實現(xiàn)機器學習的最常見方式。神經(jīng)網(wǎng)絡在這里所做的是在自動駕駛系統(tǒng)中實現(xiàn)深度學習，使用專門的硬件加速器對行人和路標等物體進行分類。

圖 3：神經(jīng)網(wǎng)絡在汽車 SoC 中實現(xiàn)專門的處理功能和數(shù)據(jù)流功能。圖片來源：Arteris IP。

深度學習是機器學習的一個分支，它涉及分層算法，以更好地理解數(shù)據(jù)。它獲取沒有任何意義的原始信息，并構(gòu)建分層表示，從而可以生成有關(guān)其他車輛、行人和整體路邊狀況的見解。

3. 功能安全安全在汽車行業(yè)是不容商榷的項目，這使得安全驗證成為關(guān)鍵任務汽車應用的 SoC 設(shè)計的關(guān)鍵部分。換言之，功能安全和符合 ISO 26262 標準對于服務于 ADAS 和自動駕駛應用的 SoC 設(shè)計至關(guān)重要。

ISO 26262 定義了汽車安全完整性等級 (ASIL) 的五種分類——QM、A、B、C 和 D——其中 ASIL QM 提供基本的質(zhì)量管理措施，ASIL D 提供最嚴格的安全保護，防止可能導致生命的故障- 威脅性傷害。

有與汽車功能安全相關(guān)的特定安全機制技術(shù)，包括糾錯碼（ECC）、組件的硬件復制、故障安全控制器和內(nèi)置自檢（BIST）。這些技術(shù)使汽車 SoC 能夠遵守 ISO 26262 標準。

與以軟件為中心的方法相比，在芯片中實施功能安全機制具有許多優(yōu)勢。首先，它降低了整體復雜性，并使芯片制造商能夠更好地控制系統(tǒng)范圍的安全功能。

然而，與此同時，隨著汽車 SoC 變得越來越大、越來越復雜，IP 塊的數(shù)量越來越多，片上通信的作用變得越來越重要，不僅是為了滿足 QoS 要求，而且對于根據(jù) ISO 26262 設(shè)計 SoC功能安全標準。片上互連在診斷覆蓋率中起著至關(guān)重要的作用，因為它可以看到芯片內(nèi)傳輸?shù)乃袛?shù)據(jù)。這允許互連 IP 發(fā)現(xiàn)并在某些情況下修復錯誤，從而有助于滿足 ISO 26262 汽車功能安全的要求。

圖 4：這是片上互連為功能安全執(zhí)行數(shù)據(jù)流保護的方式。圖片來源：Arteris IP。

結(jié)論更好地理解本文中概述的問題將使芯片設(shè)計人員能夠快速實現(xiàn) ADAS 和自動駕駛應用所需的復雜功能。它還將幫助設(shè)計人員根據(jù)特定的應用要求定制 SoC 硬件架構(gòu)。

審核編輯 黃昊宇