有些時候，技術演進的路線并不總是如我們預期。以智能駕駛為例，早在2016年，新聞報道中就提到“2020年會有1000萬臺的自動駕駛汽車”、“2021年有20家自動駕駛汽車的企業“。如今，自動駕駛汽車并沒有像宣傳的那樣發生，2020年也沒有成為自動駕駛的元年。這其中究竟發生了什么？

自動駕駛，僅有人工智能就夠了？

“你愿意由ChatGPT來為你開車嗎？”談到自動駕駛，恩智浦半導體執行副總裁兼首席技術官Lars Reger拋出了一個疑問。作為當下爆火的人工智能語言工具，能夠與汽車相結合，似乎是最好不過的組合。但不能忽略的是AI偽造信息的能力，洋洋灑灑內容的背后，引述著特別真的假新聞。所以ChatGPT好用的前提是：使用者需要是特定領域的專家，具有信息鑒別的能力。

恩智浦半導體執行副總裁兼首席技術官Lars Reger

同樣，在一個真正可以被預測、自動化的世界里，我們不希望看到失控的狀態：冰箱突然在周末時為我們預定了500升牛奶，或者家里溫控系統把室內溫度調到50℃，抑或是車輛自動駕駛途中突然開始危險駕駛。我們希望關鍵基礎設施在智能的同時，能夠保證功能安全和正確運行。

顯然，簡單把人工智能加在汽車上，是不夠的。對此，Lars Reger表示，機器人架構可以抽象為很簡單的幾部分：感知環境、與云連接獲得更多信息、用智能器件進行計算、傳到機器人的腿和胳膊，需要考慮的是如何為這個系統加上信息和功能安全。雖然邏輯抽象看起來簡單，但實際實施卻有一定難度。

以汽車為例，不同OEM使用的是不同架構，同一家OEM內部也有著不同的模式和不同代的技術，即便是同一系列的車輛，從入門級到高端也會有很大的區別。面對如此紛紜復雜的架構，半導體供應商所能做的，就是為這些行業OEM和一級供應商提供構建架構的模塊，通過標準化的模塊幫助他們實現各種各樣的架構。

“這對汽車行業而言并不新鮮，”Lars Reger表示，因為很多汽車OEM都是通過構建不同的機械件作為平臺，以適配不同的車型的發動機配件或底盤。但在當今汽車系統中，只有5%的創新是機械方面的，剩余95%的創新都是通過電子或者是軟件實現的。所以，恩智浦重點任務就是去構建電子和軟件平臺。

恩智浦的智能應對之道

恩智浦為汽車計算單元（包括微控制器、微處理器）構建了不同的系列產品以滿足不同的功能需要。S32K1、S32K3系列為汽車通用MCU，可以用于汽車天窗、拖車控制單元、門禁、燈光控制等。車身控制方面，恩智浦提供用于汽車雷達的S32R、用于汽車網絡的S32G、用于安全處理、域控制和區域控制的S32Z、用于電動汽車(xEV)控制和智能驅動S32E等。此外，Lars Reger還透露，恩智浦將很快推出最新的5納米級的S32旗艦產品，以實現把數據從車輛傳輸到控制單元。與此同時，恩智浦還提供傳輸速率涵蓋10Mbit?100Mbit、1GB、2.5GB、10GB的以太網連接產品和8GB?80GB的以太網開關。更為重要的是，這些產品不僅彼此間能實現互操作性和兼容，其軟件也都是可以再重復利用的。通過上述產品組合，恩智浦能夠為汽車提供更多的靈活性。

在工業、智能家居等場景中，恩智浦也提供了豐富的控制類產品，包括通用型MCU，i.MX RT跨界MCU、功能安全的S32系列，以及一些重型、高密度、工業級大數據使用的器件，所有這些器件都有AI的加速器。通過人工智能和機器學習，這些器件也在不斷地學習和適應，以構造智能的邊緣器件。此外，在工業連接方面，恩智浦也提供了TSN（時間敏感網絡），即實時以太網器件。

如何構建機器人智能架構？

“2018年有種說法是，整個智能汽車只需要一個大腦，再加上一個電機就完事了，”Lars Reger回憶到。他當時就指出這并不是構建高效機器人的方式。

從生物學角度看，人腦主要包含大腦、小腦和腦干三部分。大腦主要維持人體的正常運動、感覺及認知，即復雜分析功能。小腦主要是維持人體的平衡能力，即實時功能。腦干則連接大腦和脊髓，是大腦和周圍神經系統之間的重要通道，即聯網功能。從反射過程來看，當人在走路時腳絆了一下，脊柱就會直接告訴腿“要停住”，小腦會通過肌肉幫助站穩，人體就站住了。這些過程之后，大腦才會去查看一下絆住的原因，并提醒下次注意，所以，大腦功能并非實時在線。

智能駕駛汽車也是如此。車輛攝像頭、激光雷達、傳感器，告知車輛有路障，首先要立刻剎車，確保功能安全，車停穩之后，才需要AI加速器、人工智能的支持，來判斷這個障礙到底是什么，并為司機推薦最優方案。Lars Reger也表示，當然并不是所有的路障只有一種停車的解決辦法，這就需要計算單元對任務進行分層，通過算法以獲取最優的解決方案。未來的機器人也是需要在這樣的思路上去構建。

Lars Reger談到，2018年，媒體還非常盛行一種說法，自動駕駛只需要一個人工智能系統不斷觀摩真人開車，積累到一定量之后，它能夠取代真人開車。但是事實并不是這樣。就像新手司機們需要通過學習以規則為基礎的駕駛理論和實際操作，才可以開始上路駕駛。機器人也是也是一樣，首先需要學習以規則為基礎的行為，比如靠右行駛，不能超速等等，這些并不需要人工智能或者機器學習的介入。而另一方面智能、有創造力的思考，則需要人工智能或機器學習，但這部分所占的比例并不大。

恩智浦的“BlueBox”架構

2016年開始，恩智浦推出“BlueBox”開發平臺，主要幫助OEM主機廠生產、測試無人駕駛汽車。該架構有聯網功能，也有強大的性能和功能安全特性，還有人工智能的加速器，能夠構建區域架構、高性能計算系統，分析駕駛環境，評估風險因素，指示自動駕駛汽車的行為。它有4個PCIe擴展插槽，可以加上人工智能的加速器，達到400 TOPs的速度。

自2018年，恩智浦與大陸集團合作了第一款、基于恩智浦的參考設計成功實現了高性能的計算單元之后，BlueBox就一直被用到汽車行業。最近，零跑汽車推出的電子電氣架構，也采用了BlueBox核心技術。Lars Reger透露，在給車輛制造“大腦”方面，零跑汽車已經非常成功，不但線束減少了20%，由于有非常清晰的腦系統架構，ECU數量也減少了1/3。“現在90%的客戶都轉向了這個架構。“

不僅僅是在汽車領域，BlueBox還可用于制造機器人、無人機等。這個架構是高度可擴展的，在基本功能的基礎上，如果需要更加復雜的解決方案，就在這個頂上加上“大腦”，這完全取決于解決方案的復雜程度。

一切技術已經在軌道上

統計數據顯示，到2030年全球會有750億智能互聯器件。恩智浦看到了智能互聯設備對芯片的大量需求，要為這些應用提供高度智能化和高能效的解決方案。“我們不希望實現最大規模的人工智能加速，”Lars Reger介紹，早在3個月前，某家車廠CEO也提到，如果采用最先進的人工智能，其耗能非常大，會導致車輛的續航減少200公里。恩智浦希望開發出來的芯片能夠有極高的效率，同時確保功能適用。

Lars Reger說自己的夢想是希望恩智浦成為大家都信賴的制造機器人的先鋒。為了要實現這個夢想，必須要實現一定的條件：首先，要有正確的架構；第二，要有可信任的穩定的系統，保證功能安全和信息安全；第三，還需要可擴展。他相信如果能夠做到這些，就能夠建造出未來所需要機器人。對此，恩智浦一切技術現在都已經在軌道上。

（本文轉載自EEWORLD）

?