关于FPGA在汽车领域的的应用

随着电子的不断发展，FPGA在汽车中的应用越来越广泛，在汽车的更多系统中扮演着越来越重要的角色。

FPGA在汽车相机和传感器中的应用已经很成熟，同时也在一系列新技术中赢得了一席之地，包括将成为自动驾驶汽车中心逻辑的人工智能系统，以及新型传感和通信技术。

西门子事业部Mentor的Catapult HLS综合与验证高级产品营销经理Stuart Clubb表示：“驾驶辅助应用的自动处理有很多概念，」「各种文章都在讨论怎样去做，但首先要考虑的是它昂贵的价格。你不能在一辆价值2万美元的车里装一个12000美元的液冷英伟达 GPU盒子”，就算是福特无法投入足够的资金来做到这一点。他强调。

汽车业是一个相对利润率低、业务量大的企业。虽然数量肯定不能与过去十年一直保持摩尔定律的智能手机相比，但汽车制造商过去的数十年一直努力从供应链中挤出成本。随着越来越多的电子产品被应用到汽车中，芯片和电子子系统也有了价格压力。

但汽车领域为芯片制造商增加了一些主要障碍。除了尽可能降低成本外，它们还必须符合严格的标准，如ISO 26262和ASIL A、B、C和D，并满足十年或更长时间内的弹性、老化和可靠性要求。这就是问题的源头，因为技术和标准几乎一直在发展，这也是汽车公司开始依赖FPGA作为首选处理器架构的原因。

Clubb说：「这不仅是「我们运行了30分钟，看起来不错，发货吧。」这是完全不同的一个方面。」「如果看一下人工智能目前的进展，那人们正讨论的卷积神经网络（CNN）是机器学习中最重要的事情。传统的高级驾驶辅助系统（ADAS）指行人检测、雷达处理等，但CNN是一个巨大的实验领域，因为没有人真正了解它们的工作原理。没有数学依据证明它们为什么工作以及如何工作，它们只是那样做了。它包括卷积池和训练网络。当训练一件事的网络时，它看起来很好，但当你训练几件事时，它就不工作了。大家一度认为解决方案有很多并且有很多浮点，这可能是英特尔推出Stratix 10器件上所有浮点单元的原因，因为这将是机器学习[平台]。它要么推断，要么训练，这是非常棒的。」

那是在GPU赢得算法训练市场之前。现在已经证明GPU是一种低价的训练架构，因为它们很容易并行化，并且大多数算法开发人员都很熟悉。这使得它们成为开发训练算法的数据中心的理想选择。但它并不是推理的最佳架构，其功耗、性能和面积比训练更重要。

Clubb说，现在的挑战是量化。 「哪种网络？我如何建立该网络？什么是内存架构？通过网络，虽然只有几层，开始时输入大量数据和一些系数，它很快就会转向百万个系数，它的内存带宽变得非常可怕，没有人知道真正的架构是什么。」

这些问题与用户强烈地共鸣，因为EDA领域的许多工具提供商都提出了强烈的需求，并参加了有关AI/机器学习/深度学习相关的研讨会和活动。当答案尚不明确时，设计定制ASIC的成本太高。

他说：「你唯一能做的就是买带有一堆加速器的CPU，但是没人真正找到正确的答案。福特和通用汽车已经表示他们希望整个自动驾驶系统的功耗为100瓦甚至更低，而现在证明这相当于驱动后备箱的100台笔记本电脑，因此这还有很长的路要走，而不是仅仅通过一堆GPU来解决。有人会找到通用的解决方案或具有某些可更新的具体的定制方案。这也是我们开始看到嵌入式FPGA之类的事物已经复苏的原因。」

图1：英特尔的FPGA和加速堆栈。来源：英特尔。

eFPGAs的角色越来越重要

分立FPGA的最大问题是汽车公司无法使输入和输出这些芯片的数据足够快，Flex Logix首席执行官Geoff Tate说：「FPGA上有很多SerDes通信，而且它们的性能很好，但如果你看128位总线可以在芯片上传输的数据量时，SerDes就并没有那么快。因此，任何时候任何芯片的输入和输出，通常是一个瓶颈。为了发挥FPGA的作用，它通常要和FPGA之外的事物通话。这就是Xilinx和Altera开发SoC芯片的原因，这一定程度上可以缓解这一状况。但Zynq-type 芯片非常大而且很贵，所以一类客户喜欢通过FPGA实现更具成本效益的解决方案，但不一定需要数百万个LUT或数十万个LUT。」

市场观察发现，Tate相信有许多SoC和微控制器公司希望集成FPGA。「他们看到了它的价值。我们发布的应用展示了基于可重配置FPGA的加速器比Arm处理器快在哪里。但目前的挑战是大多数微控制器公司都习惯C语言编程，他们通常不会用Verilog编程。另一个挑战是如果你看一个FPGA，这些东西的编程模型通常是一个客户编写所有的代码。现在，通过计算机或时间共享和多核，有许多程序在操作系统里同时运行。有人问如何转向模块化或多核FPGA架构，这就相当于一个应用程序库，可以在多个不同的SoC和微控制器上运行，无需人们学习RTL。如何使FPGA更像处理器，可以同时运行块代码，不同人可以同时写不同块的代码，或绕过当前的大块的RTL模型，一个人一次完成编程？这会让不是RTL专家的人更容易获得嵌入式FPGA的价值主张。」

分立FPGA长期以来一直用于汽车领域，其中包括了从仪表控制台和娱乐功能（统称为信息娱乐系统），到驾驶员辅助。Arteris IP首席技术官Ty Garibay表示：「Altera在激光雷达，声纳和雷达的传感器融合方面赢得了众多席位。你可以通过不同的格式将数据在每个接口合并，在另一端口吐出。因此，FPGA几乎可以用在任何高端汽车上。例如在360度全景摄影上，Altera和Xilinx几乎拥有所有后视摄像头市场。」

他指出，FPGA对汽车制造商来说也具有成本效益，因为传感器技术可能会发展，但整个FPGA不需要重新认证。

但是，分立FPGA并不适用于所有产品，Achronix的系统架构师Kent Orthner说：「对于向驾驶员提供指导或警告的驾驶员辅助来说，传统的FPGA就足够了。通过对自适应巡航、自动换道和自动平行停车应用制动或油门，「驾驶员辅助」的意思正在转变为「驾驶员操控车辆」。由于FPGA负责汽车的自动操控，功能安全要求变得更加严格，更加难以满足。」

他说，一支拥有开发满足汽车功能安全要求的ASIC或SoC所需经验的设计团队可以使用该设备——将eFAGA作为整个解决方案的一个组成部分。「然后这个团队可以将他们的功能安全知识应用于汽车eFPGA SoC的设计、验证、记录和描述，从而使该设备比传统的独立FPGA更容易满足安全要求。此外，eFPGA提供了更多机会，从而可以根据手头的应用定制FPGA的内核。对于汽车而言，这意味着可以使用专门的硬件电路来满足弹性要求和冗余。」

另一种力量

汽车领域对电力相关的问题并不陌生。功率预算会影响每加仑或每次充电的里程数，特别是当电动汽车越来越多时。除了这些新的电子技术外，汽车制造商也必须满足政府所有的里程要求。

Mentor的Clubb说：「特斯拉有三种冷却系统，有常规冷却系统、HVAC等等。电池有一个冷却系统，然后是基于GPU的大型显示器的冷却系统。它用在10万美元的车上很好，但我认为并不适用于本田思域。出于同样的原因，我也不会在上面投入5000美元的FPGA。过去的经验是，如果向最终客户销售的产品成本低于1000美元，那就不会在其中加入FPGA。尽管如此，工程团队还是有一个不同的说法，「我有个非常复杂的加速算法，不能通过软件做，当然不能在Arm处理器上做到这一点（GPU是没问题的，但是价格方面），所以需要一些自定义硬件。因为我不确定我已经有正确的方案了，所以需要一个中途可编程的解决方案。」这就是Soc盛行的原因。但FPGA SoC的危险在于它很容易被锁定在提供的IP中。」

图2：特斯拉的带状冷却管。资料来源：Teslarati.com

IP在其它地方都不一定发挥很好的作用。

他说：「现在，让你锁在FPGA平台的障碍需要慎重考虑，即使RTL中有你为FPGA编写的秘密，甚至是你用FPGA工具完成的HLS，这些又会锁住你。使用这种设计方法你做不了任何事情，如果你正在进行概念验证并希望被亚马逊或Facebook收购，这是可以的，但如果你打算生产真正的产品，那需要考虑摆脱这种情况，因为你实际上已经设计了IP或购买了它。这会使5000美元的FPGA看起来没有那么贵，因为你还没有为这个IP付费；但这也是一个你将如何付费的问题。人们的生产预算和发展预算上做了很大的区分。」

汽车市场提出了非常具体的要求，因此汽车的好消息/坏消息是，虽然有这些严格的要求，但他们也希望这些芯片能够工作至少10年，高级主管Piyush Sancheti说道。「在我们开始使用一次性汽车之前 ，我们希望我们的汽车至少可以工作10年。」

这种动态本身给专注于消费产品的半导体公司带来了新的挑战。

Marvell连接业务集团技术营销总监Avinash Ghirnikar表示，对其他人来说，灵活性带来了不同的方法。自2005年来，该公司一直致力于汽车和通过汽车专用设备（如88Q9098无线SoC）改变汽车需求的方法。「这款设备不是我们为手机设计的，而是刚刚进入了汽车市场。正如我们和Tier One和OEM谈过的那样，他们中的很多人都表达了制定可定制解决方案的愿望，因此我们提供固件SDK，使他们定制他们的WiFi解决方案。这意味着如果通用汽车想要凯迪拉克和雪佛兰科鲁兹的解决方案，他们可以为凯迪拉克创造一些定制，这可能与雪佛兰科鲁兹的定制不同。环境不同，它们的用例可能略有不同。」

最后，设计方法以及FPGA等技术的灵活性为汽车原始设备制造商定制汽车提供了更多的选择，并随着汽车需求的成熟而适应不断变化的要求。