“赛灵思毛广辉：驶向未来，自适应计算平台加速自动驾驶革新”

6月29日-30日，列支敦士登汽车主办的“2021中国汽车半导体产业大会”隆重举行。 此次会议主要围绕中国汽车企业核心短缺的现状、供应链国产化安全建设、车载芯片平台构建设计、自动驾驶、智能座舱行业的芯片诉求和应用实例、电力半导体在三电的应用、芯片测试和功能安全等话题展开讨论，共谋产业未来快速发展的道路， 下面介绍赛林斯汽车电子系统设计师和市场经理毛广辉在这次大会上的致辞。

赛登斯卡电子系统架构师和营销经理毛广辉

你好，我是来自塞登斯的毛广辉。 今天我们将首先分享我们对汽车市场的想法。 首先，分析目前的市场趋势。其次，谈谈灵思根据自己产品的特点，如何给合作伙伴力量，如何给这个领域力量； 最后，介绍一下我们宣传的产品、工具和认证。

现在的领域正在颠复。 这种转变和推翻不仅存在于汽车领域，还存在于工业、安全、通信、医疗、航空空航天等行业。 目前，中国诞生了越来越多的新生力量，各行各业都在发生快速的变革。 所谓适者生存，只有满足适应性才能适应这种迅速的变化，从而带来最大化的利益。

从半导体制造商的角度来看，半导体有一定的周期，它会经历设计、验证、测试、封装。 虽然这个周期相当长，但ai的快速发展非常快，除了ai之外，软硬件的迭代速度也非常快。 半导体器件周期的混乱不能满足这样迅速的变化。 一直以来传过来的设备，很多情况下无法满足包括软件、算法模型的要求、接口数量等功能性在内的诉求。 此时，市场需要基于fpga这样的dsa结构的灵活器件快速适应软件算法的开发、产品和应用的迭代。

简单介绍一下sidence，sidence不是领域的新玩家，而是历史悠久以前流传下来的pfga半导体供应商，在汽车领域也有20多年的积淀和稳固的业绩增长。 现在，它也是一家自适应计算平台公司。

在这里，我将介绍一下我们在adas高级辅助驾驶和ad自动驾驶行业的计划和想法。 随着ai APP的兴起，席琳开始通过ai发挥摄像机、雷达、激光雷达的目标检测与分割等各种APP交流的作用。 这些是客舱外的应用场景。 当然，也服务客舱内的系统，如手势识别和驾驶员监控系统等。

如图所示，2007年以来，我们的业务每年以约2倍的速度增长，整体出货量超过2亿5千万张，瞄准国内外teir1、oem、startup。

我们能做的行业是前视单眼和双目摄像头、客舱巡视、低速停车场景。 除此之外，还涵盖了激光雷达和4d毫米波雷达，特别是激光雷达行业处于市场领先地位。 当然涵盖从边缘分布到中央解决，也涉及域控制器、数据聚合和预解决、中央计算、网关等。

让我们来看看自动驾驶行业的快速发展趋势。 今后两三年前摄像头将成为标配，从欧洲标准到国标认证系统，都要求具备aeb功能。 另外，从今年开始，激光雷达的sop量产装甲车层出不穷。 以前传来的2d毫米波逐渐被4d图像雷达取代，传感器的探测距离朝着更高、更远、更清晰的探测目标前进。 可见传感器整体的快速发展正朝着高水平的自动驾驶方向发展。

作为ad自动驾驶的赋予力，塞丹施蒂认为如下。 首先，我们发现传感器的数量增加，传感器的种类变多，对传感器的访问协议包括接口也不同。 面临的问题是，是否有能够满足产品快速迭代和大数据量吞吐量的同时应对上述变化的aisc设备。 席琳的fpga器件的特点正好满足上述功能和性能的要求。

让我们来看看sidence提出的ad的系统架构处理方案。 如图所示，位于左上的功能模块表示，经由以前由fpga传递的可编程逻辑阵列访问各种传感器，同时提供大量数据的高速吞吐量输入。 例如，视觉通常通过mipi协议输入，mipi目前支持到2.5g/秒，将来会支持到3.2g/秒的吞吐量。 与激光雷达相比，通常通过以太网协议进行访问，输入同样大量的数据。 很快，2d毫米波雷达将升级为4d图像雷达，同样可以通过fpga硬件直接连接进行访问。 fpga提供数据流水作业，比较每条流水可以单独用时钟解决，因此在接受非常巨大的吞吐量的同时，还会带来超低延迟。 事前解决一定涉及数据的清洗和融合，将来的主机厂也有进行前融合的机会，前融合可以分为裸数融合和特殊的提取融合。 FGA的硬件设计正好可以有效处理前融合的问题。

框图左下角的思路是将数据解决模块和加速模块分离出来，分离的利益是各部门的职责，进行加速时无需反复受到数据解决的干扰，降低了cpu的频繁调度，有效地在ai加速器中提高了并行解决矩阵。 这样可以解决和加速数据，从而提高各自的性能。

在这个系统中，右上角的部分负责功能的安全。 该安全性不仅是监视自身mcu的状态，还监视整个系统、电源及各芯片的动作状态，是不可缺少的设备。 从安全性的角度来看，将来我们也会有新的布局。

右下为串行化器，进行预测、判定、路径规划时，此时需要较大计算力dmips的cp。 我们看到了目前主流干线物流自动驾驶、robottaxi移动移动服务系统等自动驾驶企业正在使用该系统。

以下是一些例子。 第一个例子是斯巴鲁的双眼，说明了超低延迟的情况下支持aeb制动器的价值。 双目系统基于三角测距算法进行识别和测量，他的下一代将增加基于深度学习的分类和检测，性能将呈指数级提高。 在人们常说的1v1r中，1v已经升级了，但1r雷达也将升级为4d rada。 我们的前4d在欧洲汽车厂装车，在国内也看到本土主机厂组装4d雷达。 4d雷达增加了一个俯仰角，意味着fft的解决方案进一步增加。 此时，为了支持3d fft的大数据量的解决，需要更大的计算力的设备。 前端通常使用4个adc在192个通道上虚拟创建。 这与以前传来的2d不同，检测距离一次相距300米，可以看到小目标、静止物体，从而获得相对速度。 这样的新一代1v1r组合大大提高了驾驶的安全性。 4d雷达的另一个应用场景是制作avp，在停车场顶部有金属物体，下面有金属盖子的情况下，可能容易混淆状态位和停车位，但是4d可以完美地应对这个问题。

让我们看看激光雷达。 无论是可以用成绩斐然的第一辆车批量生产的mems雷达、以前流传下来的机械式雷达还是流行的棱镜旋转雷达，都采用了身份验证的元件方案。 目前，高线数为128线、300线，扫描数据量巨大，对接入侧的带宽要求其吞吐量。 因为认证设备支持更高的吞吐量、更大的吞吐量，是流水作业，所以会带来低延迟，也就是价格的边际效应，支持高效的点云解决性能。 所有这些雷达都符合功能安全的要求。

另一个能源授予对象是客舱，除了国际领先的制造商外，无论是国内、dms还是icms都有自己的合作伙伴。 驾驶员监视系统是监视驾驶员的脸部的，但是客舱监视系统首要的是副驾驶是否系了安全带，后座是否丢了包，更重要的是下车时是否把孩子忘在客舱等更大的场景 身份认证可以提供灵活、可定制的计划，以满足oem的各种平台需求，解决相机/雷达/红外传感器的诊断和数据集成，以及座舱的灵活配置需求。

在自动驾驶这一章中，我们涵盖了很多场景。 我在这之中选了几个场景。 第一个场景pony.ai是美国和中国合作的。 他们使用的是我们的传感器融合技术。 在对每个传感器进行扫描检测时，分别独立敲钟，在时钟到达后与外部gps进行检查，可以消除误判带来的风险，明确是否是同一时间看到的新闻。 标志的特点是支持来自不同传感器的数据收集、支持高速数据传输的可编程i/o、传感器时间与空之间的同步、高利用率的神经网络推理和加速。

除了自动驾驶外，咨询也积极配置新能源。 我们的机会是面向碳化硅升级的时候了。 碳化硅的特点是耐高温，支持更高的频率，除了fpga以外，没有特别适合支持碳化硅这样的特征的器件。

我们提供了一种超低延迟、超高响应度的答案——电机控制。 同时该方案可以定制，而且在速度提出后，提出了一个课题，在电机控制时不是可以预测的吗？ 此时，我们将讨论如何采用ai，将ai也加载到其中进行预测和解决。

对于电机控制方案的展开，我们给出的这个例子，在工业和部分新能源车上已经进行了适应，图中ps/pl各部门的职务是，它带来的优势是超低延迟、超高响应速度、可定制的电路控制，电机状态的预测，

本章论述了网关，我们的特点是在数据通信中，支持几乎无限的总线数/协议类型，解决了大量数据吞吐量的低延迟/高并行度，支持wind river vxworks系统下的tsn 在互联网安全方面，灵活、可配置的ip满足硬件安全模块hsm的加密要求和新闻安全iso21434标准的要求。 独特的新闻安全管理模块csu对互联网攻击提供了比较有效的防护。

前面说的是咨询被赋予的应用，简要介绍咨询产品的路线和布局。 这些是28纳米，从16纳米到现在的7纳米的产品布局。 产品系列从小到大，28纳米支持dms、100万摄像头、环视系统、电子后视镜； 主流为16纳米，支持域控制、3d外观/自动停车、域控制器； 新一代为7纳米，支持域控制和中心计算。

下面照片中的16nm产品在车里是如何分布的呢？ 小设备支持雷达、摄像头。中等设备是停车用的，有点大，但是接口非常丰富，可以访问tsn，高速传输访问各种传感器。 我们不久前发表了au+。 au+可以扩展越来越多的场景。 车内屏幕支持，旋转屏幕，不规则屏幕，屏幕的不同协议转换支持。

除了16纳米外，今天也给大家带来了7纳米的设备。 这个月正式发表了。 它面向新一代车的规格级产品versal ae edge系列。 带来了新的aie加速引擎。 这是固化的硬核计算加速器，提供单科最大计算力200tops，整个产品系列覆盖数tops到上百tops。 使用了新一代的新平台系统体系结构。 也看到了dsp，正在升级。 在加速计算时，在深度学习时，如果需要浮点，还支持浮点运算。

认证自适应加速平台是自动驾驶的超级用户，是值得信赖的汽车程序的提供者。

如果大家想下载的话，可以扫描这个二维码。 谢谢你。