安全意识抬头 汽车产业商机再起 - 自动驾驶安全需求剧增 车用处理器门槛拉高

　　安全需求高涨　数据判读更关键

　　许多汽车购买行为分析显示，消费者在购买汽车时，安全性的考量因素，明显占了非常重的分量。值得关注的是，现今除了雷达可协助汽车侦测危险物体，市面上更出现了 功能性安全模组，使其能进阶到检查与判读讯息的层面，也意味着，过去传统消费性电子，所采用的单纯接收讯息，已无法满足车联网时代的大数据需求。

　　王龙飞表示，车用感测器融合将搜集所有发射讯号，包括雷达、光达、摄影机、GPS及通过网路所传过来的讯号，收到后便会综合判断，是否有车祸、距离多远、什 么地方该减速，这些运算都会在感测器融合的盒子里进行。感测器融合要求的已不仅是数据处理能力要强大，还须要求数据处理必须是正确的。

　　由英飞凌所提供的Aurix安全解决方案，便可作为感测器融合芯片后端的功能安全保障。简单来说，当系统显示前面有一个人，车辆必须煞车，Aurix会帮系统再确认一次，前面到底有没有人，以确保数据处理的正确性。目前已有不少知名车厂采用。

　　黄源旗则指出，为使CPU做出正确的判断，便须针对不同的应用来调整CPU的错误检测速度（Turn-around Time， TAT），也就是错误发生，到发现后的时间点。例如有些较低阶的CPU，可能是每100毫秒（100 millisecond）才检测一次，但在这100毫秒之间，若下出了错误的指令，可能就已无法补救了。因此，针对越高的安全需求，其检测错误时间也要越 短，同时也须有不同的设计。

　　以瑞萨旗下RH850系列产品为例，若是车身闸道器、安全气囊等应用，安全需求相对较低，便可容许较长的 错误检测时间，因此，便会采用单一核心的设计，再加上一些备援（Redundant）机制确保输入、输出资料正确。若是安全需求较高，像电子辅助转向系统 （EPS）跟煞车系统，无法允许长时间的错误检测，必须要在很短的时间内做出判断，瑞萨便采用双核心的架构。此一设计的优势在于，采用双核心跑一样的程 式，可具备相互监控、比较的效用，当两颗核心各自跑出不同的数据时，便可立即进行验证运算，以检测是哪颗核心出错，避免下出错误的指令。

　　另一方面，因应车联网大数据分析需求，以及确保资讯正确性，深度学习也扮演相当重要的角色。为此，高通Snapdragon处理器结合Zeroth深度学习 平台，不论是合作厂商还是经过高通训练过的神经网路平台均可搭载Snapdragon 820A处理器，帮助其完成自动驾驶的功能。

　　通过搭载Snapdragon 820A，神经网路资讯平台可以较为完美地利用芯片上的DSP、GPU、CPU来实现不同运算与网路沟通情况。简单举例，内建神经网路后，通过运算平台上 千次的重复记忆，Snapdragon 820A将可自行分辨出车、人与其他物体的区别。当然，这些都是在出厂前就会完成的神经网路训练，而不是在车辆出厂后才执行。

　　除高通之外，NVIDIA也致力于提升车用深度学习平台之能力。NVIDIA资深工程师苏家兴提到，过往要辨识影像时，须透过专家将该物体的特征写进演算法，若 持续有新素材，就必须花费人力不停修改演算法。但透过深度学习，输入大量资料进行训练后，搭配强大的运算能力，便可让汽车能感测周遭环境并自动导航行 进。

　　为加速自动驾驶发展，提供消费者更安全的驾驶体验，NVIDIA推出首款车载人工智慧引擎--NVIDIA DRIVE PX2。该产品让汽车产业得以运用人工智慧处理自动驾驶面临的各种复杂情境，其采用NVIDIA先进的GPU来处理深度学习功能，藉此掌握车子周遭360 度的情境，精准判断车子所在位置，并推算出安全舒适的行进路线。

　　DRIVE PX2结合了两颗新一代Tegra处理器，以及两颗独立的Pascal架构新一代GPU，能够提供每秒24兆次的深度学习运算速度。同时，DRIVE PX2深度学习的能力使其得以快速学习如何辨识日常驾驶中经常出现的各种挑战，例如：道路碎石、行径离谱的违规驾驶，以及施工区域。深度学习亦能辨识多种 传统电脑视觉技术所无法应付的状况，特别是在像大雨、下雪，以及浓雾等恶劣天候，还有包括日出、日落，以及漆黑等光线不足的光照条件。

　　安全意识抬头　汽车产业商机再起

　　世界各地自动驾驶车辆上路测试新闻日增，让人们对未来运输充满新愿景，然而，此一趋势也牵引出如何确保车辆安全之议题。因应日渐高涨的安全意识，提升安全防 护已成自动驾驶设计首要基础，面对各种不同形式的安全考量，如车身安全、资讯安全、车载电子元件安全等，车厂及半导体厂遭遇的技术挑战也属空前，然而，所 开创的商机也持续调高。为此，相关业者更致力于研发相关解决方案，如车道偏移警示、自动紧急煞车、碰撞警示，以及360度环景影像系统等，除进一步提升自动驾驶安全性外，也藉此抢占市场商机。