汽车云计算有哪些改变（互联网人进入汽车行业的第三步）
汽车云计算有哪些改变（互联网人进入汽车行业的第三步）车规安全：满足AEC-Q100的另一层面的安全需求。AEC-Q包含偏高湿度、温度循环、功率温度循环、高温储存寿命、高温工作寿命、早期失效率、可靠性测试、静电放电、电磁兼容、密封性测试、统计良率分析等。功能安全：汽车芯片的选择根据部件的ASIL安全等级要求不同，需要选择不同的功能安全等级的芯片。功能安全就是指汽车即便出现了故障，这个故障也是可控的。这点和去淘宝买东西没有什么区别，八个字：只关心物超所值的，请直接看最后的对比。满足车规要求是部分车厂的强制性要求，对于域控制器，在选择座舱规格时更要注重。关于车规的标准，请参看《车规和AEC-Q是什么关系？》。
随着人工智能、深度学习、虚拟形象、语音识别等新技术的应用在改善用户体验，对算力的消耗日渐增大，选择一个可靠的SoC对于降低产品成本、保障用户体验至关重要。那么，对于刚进入汽车行业的互联网人来说，怎么去选择一个正确的异构运算平台呢？
随着智能座舱的发展，更多的摄像头、更多的屏幕被接入到座舱或需要座舱对其数据进行处理。人工智能、深度学习、虚拟形象、语音识别等新技术的应用在改善用户体验的同时，对算力的消耗日渐增大，选择一个可靠的SoC对于降低产品成本、保障用户体验至关重要。
在智能座舱中，最常见的功能与技术需求有：
- AI软件降噪、自然语言处理、人脸识别、手势识别；
- 高速以太网大数据处理；
- AR导航、全息影象、ADAS地图；
- 辅助驾驶实时图像处理；
- 高辨率高帧率屏幕；
- 多屏互动、粒子动效、全局微动画；
- 3D图形实时绘制，虚拟形象互动；
- 4K多摄像头流媒体处理；
- 无损音频编解码。
在汽车行业深耕多年的供应商非常多，从汽车行业深耕多年的TI、NXP、Renesas、Telechips到从PC、手机市场切换进来的Qualcomm、Intel、Sansung，再到从工规量产走各车规量产的MTK、Allwinner、Autochips，除去外部接口能够满足需求、功耗有效控制外，还需要考虑哪些方面来做出SOC的选择？
这点和去淘宝买东西没有什么区别，八个字：
- 物美价廉：判断比较直观，可以先过去掉一批。
- 物超所值：判断难度比较高，放在后面再作判断。
只关心物超所值的，请直接看最后的对比。
1. 是否能满足安全需求？满足车规要求是部分车厂的强制性要求，对于域控制器，在选择座舱规格时更要注重。关于车规的标准，请参看《车规和AEC-Q是什么关系？》。
功能安全：汽车芯片的选择根据部件的ASIL安全等级要求不同，需要选择不同的功能安全等级的芯片。功能安全就是指汽车即便出现了故障，这个故障也是可控的。
车规安全：满足AEC-Q100的另一层面的安全需求。AEC-Q包含偏高湿度、温度循环、功率温度循环、高温储存寿命、高温工作寿命、早期失效率、可靠性测试、静电放电、电磁兼容、密封性测试、统计良率分析等。
供应链安全：芯片的平台的选择对成本的投入影响很大，比如之前投入TI的开发J6之后没有新的产品更新，NXP的IMX8系列由于供货问题，Intel Apollo系列对于世片厂内部无足轻重，缺乏后续支撑，都会影响到整个产品生命周期内的安全。
层层关卡带来的是汽车软硬件的安全，带来的从漠河的冬天到三亚的夏天汽车零件的安全可用。同时，也导致长时间以来汽车芯片的算力不及同时代手机算力的1/5，价格是同时代手机芯片的5倍。
痛定思痛，有一些车厂就开始接受工规级芯片，甚至消费级芯片。即快速提升大多数情况下产品的体验，又快速降低了产品的成本。通过各种手段设备在整体上能达到车辆使用环境环境要求。不过对于车机等非安全类产品偶尔黑个屏什么的好像也不会造成大的问题。
2. 是否能满产品成本需求？在成本管理这件事情上，一直对于车厂内部的管理感到伤感，直到最近随着开发费用的持续不断的提高，才有了改观。
硬件产品的成本很大成度上取决于销量，足够大的销量才可以均摊掉平台研发费、固定投入费用，才可以列好的降低直接材料成本。不幸的是汽车产品的销量对于芯片厂商来讲销量都很小，更不幸的是每一个汽车品牌，每一款车型，每一个配置都有可能使用了不同的芯片平台。
考虑到产品的销量较小，每次新的产品平台的开发费用高昂，强烈建议车厂采用高端产品的的硬件向下覆盖，即使BOM成本高个三五百都是值得的考虑的。
此外，产品平台开发时尽量考虑到如何延长生命周期，尽可能提高产品硬件Pin2Pin兼容升级，软件的无缝跨平台升级。
最后，单个SoC的价格对整体的成本有影响，但是并不是至关重要的。针对单个芯片、单个零件的年降对于产品的整体改进不会带来质的变化，甚至会带来质量的变化。
3. 是否能满足产品技术需求？对于工程人员来说产品是否能在技术上满足需求是首先第一位需要考虑的问题。对今天的座舱类产品而言，最核心的能力可能包含：
- 导航以及派生而来的AR导航；
- 高清音乐的播放；
- 倒车影像的快速记动以及派生而来的360环视；
- 语音唤醒以及语音控制；
- 驾驶员监控，以及派生而来的人脸识别；
- 自动驾驶的状态以及驾驶环境的展示。
3.1 考虑异构运算平台的并行与安全冗余
当我们调查SOC的能力是否能满足我们的需求时，我们需要注意到不同的应用对算力的需求进行分解，根据应用类型的不同，优化相应的驱动，在不同的硬件上提供运算支持。
目前车载SOC评估时需要考虑到目前的异构运算硬件平台如何发挥出自身的能力，比如下图中高通的芯片就是典型的将不同的算力需求分布到更合适的计算单元中。
当我们评估SoC时需要评估APU、GPU、NPU、MCU等异构的计算单元带来的算力，以及算力的冗余价值。他们可以为系统带来的更强大的能力，以及可优化的空间，尽量的减少外部资源的依赖，从而减少器件，降低成本整体成本。
3.2 主流SOC主要配置
虽然，我们在APU的评价，采用了DMIPS，但是DMIPS采用了Cortex架构、高通的kryo架构，三星的Exynos架构的各种SOC参考意义不大。具体请参考《利用DMIPS选择座舱SoC是否靠谱？》
3.3 CPU性能对比
我们可以将其算力区分为9k-20k、20-30、30-70、70四个区间，这四个区间更大的意义在于区分价格，算力仅做参考。
3.4 GPU性能对比分析
对于大多数的SOC，采用的GPU基本上和手机的平台相同，主要有三种：
ARM的Mali系列：ARM Mali和ARM一样采用IP授权方式，在各个平台上广泛使用，它与SOC进行整合比较容易便捷。
IMG的PowerVR系列：PowerVR也采用IP授权的方式，采用PVRTC纹理压纹，TBDR渲染原理的PowerVR还是独树一帜的，但软件及底层需要针对性的提供支持。
高通的Adreno系列：通过收购的ATI的GPU发展而来，在手机上体现出很强大的竞争力。
3.5 NPU算力应用
目前市面上具备NPU的车载SOC虽然比较少，市面上也缺乏用于测量算法推理硬件AI性能的专业方法。
AI的运算通常也不是单一NPU单元参与，也包含DSP、GPU的运算，在当前没有NPU的SoC中，运行常见的神精网络算法常常依赖与GPU与DSP。目前计算机视觉模型都主要基于矢量和矩阵乘法，所有支持OpenGL ES或OpenCL的移动GPU上运行。
常见的神精网络算法主要用于下面的场景中：
4. 通过利用DSP、MCU释放CPU、GPU资源
对于算力需求低、有特别安全需求、特定的计算的需求，通过任务拆分、软件优化，将任务运行在DSP或才MCU上进行异构的运算，释放CPU、GPU资源，降低整体功耗也是在SOC选择过程中需要考虑的关键事项。我们可以将音频处理、部分图像处理的任务交给功耗较低的DSP。
总结对于座舱的SoC选择，建议选择：产品线完整，以汽车产业为核心的。
- 与对方团队技术合作密切，最好能得到本地的支持；
- 尽可能的选择较高端的产品，向低端产品线匹配；
- SoC具备相应的硬件加速功能，尽可能的需要将其发挥出来。
- 最差场景的选择要正确合理；
- 硬件的选择很重要，但是软件驱动、算法支持、应用的适配更重要，很多时候算力不够是由于软件优化不足。
#相关阅读#
互联网人进入汽车行业的第一步：理解电子电汽架构
互联网人进入汽车行业的第二步：理解智能座舱的发展
作者：updatedb；公众号：强哥的面包屑 / MyCrumbs。
本文由 @updatedb 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
