安卓車機(jī)mcu升級通用;安卓車機(jī)mcu升級通用包

隨著Nvidia、Qualcomm在智能座艙和高級自動輔助駕駛的SOC戰(zhàn)略占據(jù)主導(dǎo)優(yōu)勢，汽車芯片公司在這場從小算力到大算力的戰(zhàn)爭中能做什么呢？從目前的觀察來看，升級原來的MCU芯片并且參與AI-in-MCU競賽的廠商還包括NXP 、Renesas、ST和Infineon。從這種意義上來說，隨著汽車企業(yè)開始接受100美金以上單價的處理器，原來的汽車電子MCU的企業(yè)也可以通過升級自己的產(chǎn)品來滿足汽車企業(yè)的訴求：軟件定義的汽車、Zonal/domain控制器、端到端安全通信、安全的多ECU集成等等。

NXP最近推出了兩款新的實(shí)時MCU處理器，滿足車企對下一代汽車架構(gòu)的不同需求，屬于NXP S32汽車平臺，S32Z負(fù)責(zé)安理和domain/zonal控制；而S32E則負(fù)責(zé)電動汽車的控制和智能驅(qū)動。

▲圖1.MCU也要升級到新的工藝

▲圖2.汽車EEA架構(gòu)的變化

Part 1

觀念的轉(zhuǎn)變

在全球的汽車產(chǎn)業(yè)的競爭中，下一代汽車架構(gòu)仍在不斷變化。汽車芯片供應(yīng)商分為兩大陣營：

●大算力GPU/CPU的企業(yè)，擁有AI/ML能力的玩家（Nvidia、Qualcomm、Intel/Mobileye）。

●傳統(tǒng)MCU演進(jìn)的汽車芯片企業(yè)（NXP、Infineon、Renesas、TI）。

現(xiàn)在設(shè)計(jì)新的汽車平臺，競爭的關(guān)鍵點(diǎn)是關(guān)于軟件而不是硬件。當(dāng)然哪怕是特斯拉，我們看到的最大的問題是，是否真的可以通過將所有軟件整合取得了優(yōu)勢，能夠把這整套軟件的投入變現(xiàn)。在特斯拉導(dǎo)入大算力芯片以前，傳統(tǒng)的汽車企業(yè)認(rèn)為100美元的處理器是無法接受的，目前圍繞科技和豪華車的汽車企業(yè)開始全部接受了汽車中央大腦處理控制器的趨勢。車廠希望設(shè)計(jì)開發(fā)一個計(jì)算平臺，能夠不斷增加自動輔助駕駛（ADAS）功能，哪怕不打算開發(fā)L4/L5以上的完全自動駕駛。

由于這種趨勢沒辦法回頭，原來提供傳統(tǒng)MCU汽車芯片企業(yè)還有一些幻想，期盼車企煥然醒悟，放棄昂貴的GPU/CPU解決方案，回到傳統(tǒng)汽車芯片設(shè)計(jì)架構(gòu)。但目前車企在熟悉了Nvidia的解決方案后，已經(jīng)發(fā)了自己的軟件。

▲圖3.產(chǎn)品的定位

也就是說，新一代的MCU定位是“緊挨著高算力大腦”的配套芯片，一方面可以充當(dāng)安理器（Co-Pilot），或者進(jìn)行冗余的決策和執(zhí)行；另一方面也能從高算力SOC中央芯片中分擔(dān)一些功能，減輕中央計(jì)算的壓力。這里的分配是：S32G（中央網(wǎng)關(guān)）和S32R（感知雷達(dá)），S32E（車輛驅(qū)動和電池管理）和S32Z（domain/zonal控制）。

汽車行業(yè)希望將獨(dú)立的ECU合并為更少的ECU，不同車廠有不同的整合的時間表，整合的路徑也不同。一部分公司希望從domain架構(gòu)開始（按照同一功能塊的邏輯軟件整合在一起，把基礎(chǔ)放到通用軟件中，并集中進(jìn)行OTA），而另一些則直接從zonal開始整合（簡化布線，實(shí)現(xiàn)跨域的設(shè)計(jì)），還有其他公司采用Domain和Zonal的混合架構(gòu)。對于芯片企業(yè)來說，是需要滿足這些不同車企的需求，無論發(fā)展到架構(gòu)（EEA1.0=EEA2.0到EEA3.0，中國一臺車一代架構(gòu)）。

▲圖4.汽車EEA的不同架構(gòu)

內(nèi)核到引腳（Core-to-pin）的硬件隔離。

在新的設(shè)計(jì)中，重要的設(shè)計(jì)特征是內(nèi)核到引腳“core-to-pin”的硬隔離，這對于車企在新的處理器平臺上整合不同ECU功能來說是非常重要的，從處理器一直到芯片的管腳，I/O、task、功能和控制都可以在硬件中完全虛擬化。“處理器內(nèi)核到引腳core-to-pin”的硬件虛擬化能力，允許“多個實(shí)時應(yīng)用可以同時在設(shè)備上開發(fā)和運(yùn)行”。硬件虛擬化為處理器任務(wù)分配了相關(guān)的內(nèi)存、外圍設(shè)備、內(nèi)存帶寬和設(shè)備（I/O）管腳。任務(wù)就像它們在獨(dú)立的ECU中一樣，作為單獨(dú)的、孤立的功能出現(xiàn)。

來自不同Tier 1的不同應(yīng)用程序不會影響其他應(yīng)用的運(yùn)行，運(yùn)行8個不同任務(wù)的情況，在其中一個任務(wù)中注入錯誤，但其它任務(wù)卻沒有受到任何影響。

▲圖5.硬件隔離

Part 2

MCU在其他領(lǐng)域的發(fā)展

在汽車的領(lǐng)域之外，MCU也面臨AIoT（物聯(lián)網(wǎng)人工智能）的需求，邊緣AI“在經(jīng)濟(jì)性上受限，就像在物理上受限一樣”。NXP也推出了自研的NPU，通過加速邊緣推理，將進(jìn)入其MCX N系列，即NXP全新的微控制器系列的高端版本。NXP開發(fā)了MCX系列，包括4個系列的MCU器件（分別為N、A、W和L），以解決廣泛的網(wǎng)聯(lián)邊緣設(shè)備，包括工業(yè)和IoT邊緣應(yīng)用。

▲圖6.MCU的系列變化

MCX MCU和傳感器在嵌入式市場的普及正在形成勢頭，人們對即將到來的邊緣AI時代寄予厚望。對于傳統(tǒng)芯片企業(yè)來說，問題的關(guān)鍵在于MCU和AI之間的根本不匹配，MCU要求嵌入式系統(tǒng)的壽命， AI則不斷迭代發(fā)展。除了NXP，Renesas、ST和Infineon將發(fā)布采用Arm的Cortex-M85、M55或類似AI架構(gòu)的MCU。

▲圖7.NXP 的NPU的加速器

●ST已經(jīng)創(chuàng)建了一個平臺，通過STM32Cube-AI將ML用于32位MCU。

●Infineon已經(jīng)推出了針對AI加速的Aurix TC4x平臺。

在MCU中解決邊緣AI的更流行的趨勢在于算法的發(fā)展，ML算法可以使用更小的工具來開發(fā)，如TinyML和TensorFlow Lite，使其能夠在MCU等受限硬件中開發(fā)AI應(yīng)用。一些AI初創(chuàng)公司，如Brainchip、Hailo、Alif已經(jīng)瞄準(zhǔn)了AI加速器，可以用于MCU應(yīng)用。NXP與Hailo在汽車領(lǐng)域的合作，將NXP的汽車處理器（包括恩智浦的S32G系列，Layerscape）與Hailo-8相結(jié)合，為汽車電子控制單元提供可擴(kuò)展和高效的DL處理。

小結(jié)：從目前來看，圍繞汽車MCU賽道里面，中國的初創(chuàng)公司在里面進(jìn)行切入，而傳統(tǒng)汽車MCU的企業(yè)要拉開門檻，然后在高算力SOC的陰影下給自己在汽車和工業(yè)領(lǐng)域找到存續(xù)下去的大邏輯。