用于自動駕駛汽車和高級駕駛輔助系統(ADAS)的復雜芯片(SoC)的開發和驗證是一片雷區，稍不注意，就會觸雷。

　　每一個可預期或不可預期的微小變量，無論是車內還是無法預知的道路條件，都構成了一個難點。芯片設計人員經常在完成錯綜復雜的汽車芯片設計之后，又意識到他們必須回頭重新編寫，有時甚至需要不停地重復，直到得到滿意的結果。

　　這種迭代設計的過程，是每個芯片設計師最可怕的夢魘。

　　“在開發和驗證汽車芯片時，”西門子公司的自動駕駛與ADAS全球技術經理David Fritz解釋說，“設計師要應對的輸入是‘整個世界’，包括車輛可能遭遇的任何天氣狀況和任何道路狀況。而輸出則是保證他們的新芯片(新車)不會輾過任何人。”

　　換句話說，太多東西需要吸收和消化，而結果是至關重要的安全。

　　硅前驗證

　　在此背景之下，西門子此前公布了一款名為PAVE360的硅前自主驗證環境平臺。

　　西門子的Fritz稱PAVE360是設計AV/ADAS車輛的“第一個允許多部門、多企業合作的項目平臺”。該平臺允許多個汽車組件、軟件和子系統供應商在設計高度自動化汽車時進行協作。

　　Tirias Research首席分析師Jim McGregor告訴我們，“目前業界已經可以在仿真環境中設計一顆定制芯片，但還是不能達到PAVE360的水平。”

　　PAVE360 (圖片來源: 西門子)

　　他解釋說，通過PAVE360，“你可以設計和測試一輛虛擬汽車，其中的虛擬芯片由虛擬零部件構成，而這個虛擬汽車在虛擬環境條件下在虛擬城市中行駛。”他指出，“PAVE360可以實現在汽車操作的整個流程中設計和測試芯片。并且可以更換汽車零件、修改設計或操作條件，在必要時近乎實時地測試甚至重新設計芯片。”

　　VSI實驗室的創始人兼首席顧問Phil Magney解釋了汽車芯片設計人員面臨的挑戰：“你面對的是各種數據轟炸，包括來自各種環境傳感器的大量數據，以及來自其他ECU的大量數據，而這些數據最終將影響汽車性能。“

　　Magney稱PAVE360是“非常獨特”的，他說，“我還沒有聽說過如此完整的仿真環境。”西門子的PAVE360平臺基于“數字孿生(digital twin)”這個概念，數字孿生是真實世界的復制(仿真)版本。Magney說，“對于汽車或零部件的開發人員來說，這意味著他們可以完全仿真其目標，無論是芯片、軟件能力、ECU還是整車。”

　　McGregor還補充道，“如果我在通用動力公司從事火箭制造時就有這個工具，我會不惜一切得到它。”

　　智能手機應用處理器 vs. 汽車芯片

　　粗看之下，智能手機應用程序處理器和汽車芯片是兩種截然不同的東西，它們在芯片復雜性、所需的計算能力、尺寸和功耗方面都完全不同。

　　而對功能安全性的嚴格要求，更是給汽車芯片設計人員帶來額外的壓力。他們設計的汽車芯片必須完全準確，因為汽車芯片出現的問題可能會導致人的死亡。而用于智能手機的應用程序處理器則不會造成這種危險。

　　但奇怪的是，雖然汽車芯片設計的復雜程度遠遠高于智能手機應用處理器的設計規格，但目前汽車行業常見的設計方法卻不如智能手機行業那么精致。

　　曾在高通和英偉達(Nvidia)工作過的Fritz為我們提供了改變這種情況的方法。

　　汽車設計工程師一般會首先分析ADAS或AV SoC的需求并將其分解為各項功能，為每個功能塊設置驗證。然而最大的挑戰在于變數越來越多。也許每個功能塊已經過驗證可以正常工作了，但當合并某些ADAS功能時，或者部署一個不同的傳感器組合時，甚或插入一個不同供應商的ECU時，一切預設都會被推翻。汽車可能會突然出現一種全新的行為模式。這種根本性的變化可能會使汽車芯片設計人員陷入一種惡性循環，不斷重新校驗、重新驗證和重新編寫他們的SoC。

　　Fritz回顧他在高通擔任高級總監時，智能手機芯片的開發環境完全不同。在智能手機領域，除非確信將X公司的硅方案放入Y公司的手機中能夠滿足所有需求，否則應用程序處理器的設計人員不會開始設計芯片。而這些需求的范圍從基準測試直到功耗，它們不能超過設定的閾值，而且必須滿足供應商所謂的“用例證據點(use-case proof points)”。

　　所有東西，包括由軟件團隊驗證的軟件，必須在芯片開始開發之前完成。而這保證了在智能手機中工作的芯片的高度準確性。

　　在Fritz看來，要模仿智能手機芯片的設計環境，汽車AV/ADAS SoC設計人員需要一個能讓他們進行“嚴格硅前驗證”的平臺。而PAVE360就是這個平臺，他說。

　　(圖片來源: 西門子)

　　124億美元投資

　　西門子之所以能夠開發出這個完整的仿真平臺，源于其多次戰略性的收購。它將新購置的工具與現有的仿真模型拼接起來，使之協同工作，形成一個完整的平臺。

　　在西門子于2017年收購Mentor Graphics之前，這家德國公司還收購了測試和機電一體化仿真軟件供應商LMS International。之后又收購了一家全球仿真軟件供應商TASS International，除了仿真軟件，該公司還為汽車行業提供工程與測試服務。

　　“據我們所知，沒有其他公司進行過這么多的投資(總計124億美元，包括收購Mentor)，以建立像PAVE360這樣的全方位仿真平臺，”Fritz聲稱。

　　汽車OEM可以開發自己的AV SoC？

　　上個月，特斯拉推出了自己的自動駕駛芯片，稱其為“全自動駕駛”計算機。

　　當被問及其他汽車OEM是否也在設計他們自己的自動駕駛芯片時，Fritz肯定“特斯拉并不是唯一一個。”他指出，“當消費者認為，未來的汽車價值都體現在AI、算法、軟件和芯片中時，汽車OEM們沒有理由不想自己把握未來。”

　　McGregor證實，許多汽車OEM正在考慮“定制芯片設計”。但他補充道，“并非所有人都計劃與特斯拉走同一條路，即自己招募一個SoC設計團隊。許多公司選擇與現有的半導體供應商和/或設計公司合作。”

　　他說，“但這并不意味著一定會找英偉達、恩智浦(NXP)、瑞薩(Renesas)、英特爾(Intel)或其他知名公司合作，就像智能手機、游戲機和云服務提供商一樣，汽車OEM正在考慮根據其應用和工作負載量身定制芯片解決方案。”

　　Magney也對此表示贊同。“盡管許多人發現加速計算解決方案具有優異的性能，但很多開發人員正試圖通過將他們的算法，與處理器緊密結合來實現指令集的優化。”然而，Magney提醒道，“這對很多人來說可能不太實際。除非你真有些與眾不同的東西，否則沒有必要浪費時間做無用功。”

　　對于汽車OEM來說，PAVE360可能是非常有效的。例如當他們決定將其最滿意的ECU與新的ADAS SoC結合用于制動控制時，使用開放式接口，OEM可以將該ECU插入PAVE360并模擬ADAS SoC在車輛中的性能。

　　如何驗證AI？

　　西門子稱，PAVE360“能夠對所有自動駕駛系統核心的傳感/決策/執行范例進行全面的閉環驗證。”該原則同時適用于確定性(基于規則)和非確定性(基于AI)方法的驗證。

　　但是，當設計師甚至不知道部署在汽車中的AI算法如何決策采取某種行動時，他們如何驗證這是一個正確的選擇呢？

　　Fritz解釋說，自動駕駛芯片的輸入不應該是1和0這樣的“信號”，而應該是“場景” ——道路輪廓、天氣條件和地理環境中的其他因素。至于結果，“你只能在整車背景下驗證AI的決策。”他指出。

　　本文同步刊登于電子工程專輯雜志2019年7月刊