封面故事

人工智慧(AI)、車聯網、5G等應用相繼興起，且皆須使用到高速運算、高速傳輸、低延遲、低耗能的先進功能晶片。為此，晶圓代工、封裝業者除了持續朝先進製程(5奈米、3奈米)邁進外，也開始研發新一代製程技術以突破摩爾定律瓶頸，而Chiplets可實現更小更緊湊的運算系統結構，因此備受矚目，眾多半導體廠已相繼投入，相關產品也紛紛問世。 高效/低成本是Chiplets崛起關鍵 益華(Cadence)產品市場總監孫自君(圖1)表示，人工智慧與5G快速興起，相關應用陸續浮現，成為推動半導體產業未來成長的重要動力。這些應用皆需採用高速運算、高速傳輸、低延遲、低耗能的先進功能晶片。不過，製程微縮技術變得愈來愈困難，例如為了因應各式AI應用，晶片需更高的運算效能，這使得處理器核心數量、所搭配的記憶體容量、I/O數目都急速增加，要整合的元件數量越來越多，即便是使用先進製程，要將晶片尺寸更進一步縮小仍是十分吃力。 圖1　益華產品市場總監孫自君表示，晶片小型化不僅複雜且成本昂貴。 孫自君進一步說明，即便成功小型化之後，仍還有許多要素須考量，例如功耗、散熱等。小型化意味著將各種元件整合在一起，進行運算時所產生的熱能要如何有效的散熱是一大關鍵，因為熱會影響元件電性能力；另外，要達到更好的運算效率，也意味著功率損耗愈多。換言之，晶片小型化要兼具效能、體積、低功耗、散熱等多種要素，要在這麼小的空間實現這麼多(或是做更多)的事情，難度很高；若再從IP的角度思考，要將各式各樣的IP(如記憶體IP、微控制器IP、類比線路IP等)整合在一起，接著進行各種組合試算和驗證，同樣也是要花費許多時間。所以，晶片微縮過程可說既精密又複雜，也使得造價變得更加昂貴。 孫自君指出，業者都是追求獲利，而如何降低成本是最基本的考量，隨著晶片微縮變得越來越複雜、成本也越來越高，業者也會開始思考，究竟是不是所有晶片都需要小型化，畢竟不是所有公司都有能力投入，也不是所有應用都需要非常高的運算效能。也因此，IC設計業、晶圓代工、封裝業者轉向發展晶片小型化外的製程技術，Chiplets的概念及方式也因而開始受到關注。 工研院產科國際所分析師楊啟鑫表示，Chiplets屬於業界因為摩爾定律面臨瓶頸所做的技術替代方案，更早則是源於1970年代誕生的多晶片模組。小晶片是指由多個同質、異質等較小的晶片組成大晶片的概念。先進製程成本急速上升，是故以小晶片方式以提高良率及降低晶片成本。小晶片可以減少晶片設計時程，加速晶片Time to market時間。 楊啟鑫補充，電子終端產品朝向高整合趨勢發展，對於高效能晶片的需求持續增加，然而，隨著摩爾定律逐漸趨緩，在持續提升產品性能過程中，如果為了整合新功能晶片模組而增大晶片面積，將提高先進製程大晶片成本和面臨低良率問題。而不同於SoC晶片，將大尺寸的多核心設計分散到較小的小晶片設計更能滿足現今的高效能運算處理器。此彈性的設計方式可以讓晶片功能分散到以不同製程技術生產的個別小晶片中，提升設計靈活性、更好的良率及節省成本優勢。 換言之，讓高效能晶片使用最先進製程製造，其他則使用符合經濟效益的製程製造(如I/O晶片、記憶體晶片)。從原來設計在同一個SoC中的晶片被分拆成許多不同的小晶片分開製造再加以封裝或組裝，故稱此分拆之晶片為小晶片Chiplets。 總結來說，Chiplets有著三大好處。首先，採用7nm、5nm甚至3nm等先進製程設計SoC的成本相當高昂，特別是模擬電路、I/O等愈來愈難以隨著製程技術縮小；而透過Chiplets則可以克服此一挑戰，因Chiplets是將電路分割成獨立的小晶片，並各自強化功能、製程技術及尺寸，最後整合在一起。此外，基於Chiplets還可以使用現有的成熟晶片降低開發和驗證成本。 接著，Chiplets可以滿足規模較小、較具成本考量的產品。如同前面所述，先進製程SoC造價昂貴，對於許多業者而言，其公司規模及產品銷售量並不足以支撐先進製程的成本；因此，Chiplets遂成為一種切實可行且具吸引力的方式。 至於第三個好處便是，與使用先進製程、從頭開發SoC相比，Chiplets可以加快產品上市時間，越快推出產品，這就意味著可以越早占領市場，提高潛在收入與競爭優勢。 孫自君補充，當然，除此之外，Chiplets還有著IP重用(IP Reuse)、靈活設計、低成本訂製等特點。特別是IP Reuse，目前像是藍牙、Wi-Fi都已有成熟、完整的IP，若是要將這些IP也都採用先進製程，就必須重新開IP，將IP換成5nm、3nm，接著再付一次IP授權費，以及再付費給晶圓代工業者，再加上後續的驗證、PCB板測試等，這花費的時間和成本太大；也因此，Chiplets的出現對IP Reuse起了很大的作用。 半導體業加快Chiplets產品腳步 顯而易見，在製程微縮技術只有少數幾家晶圓代工、IC製造業者可發展的情況下，異質整合(Heterogeneous Integration Design Architecture System, HIDAS)成為IC晶片的創新動能，Chiplets便趁勢崛起，成為半導體產業熱門話題，IC設計業者、IP供應商、晶圓代工廠等也開始加速產品布局。 英特爾/AMD產品競出 英特爾(Intel)日前所發布的Intel Stratix 10 GX 10M FPGA便是採用Chiplets設計(圖2)，以達到更高的元件密度和容量。該產品是以現有的Intel Stratix 10 FPGA架構及英特爾先進的嵌入式多晶片互連橋接(EMIB)技術為基礎所設計，運用了EMIB技術融合兩個高密度Intel Stratix 10 GX FPGA核心邏輯晶片(每個晶片容量為510萬個邏輯單元)以及相應的I/O單元。 圖2　英特爾近期發布的Stratix 10...

對量子運算領域的研究者來說，2019年無疑是非常令人振奮的一年。早在1926年，奧地利物理學家薛丁格(Schrodinger)發表論文，提出薛丁格方程式，奠定量子力學的基礎後，量子運算的概念就開始逐漸醞釀。在此後數十年，多位大師級學者先後從理論上證明，量子運算是可行的，而且有些證明十分優雅，其數學推導過程甚至不到半張A4紙就能寫完。這使得學術界對於量子運算的理論研究跟硬體原型建構，一直有很高的興趣。 量子狀態難維持　 系統/處理器設計考驗眾多 然而，理論歸理論，實務歸實務。量子運算在實作上非常困難，因為量子狀態本身極為脆弱，任何干擾，甚至只是試圖度量，都會使量子狀態難以維持，回復到古典(二位元)狀態。 其次，量子狀態得在接近絕對零度(攝氏-273.15度)的環境下才能維持，這使得人類開始試圖建造量子運算硬體的原型時，很自然地選擇超導體這條路徑。直到近年才開始有人探索新的設計架構，例如英特爾的自旋量子位元等基於矽晶的設計架構，或漢威聯合採用的離子阱(Ion Trap)架構(圖1)。 圖1　目前人類所發展出的六種量子運算原型系統，其中以基於超導體和半導體的系統最具發展潛力。 但這些新架構其實也無法有效解決量子運算長期以來最棘手的環境溫度問題。即便改用其他架構，可以稍微提高容許溫度，幅度也不大。舉例來說，超導量子位元必須在20毫克耳文溫度，也就是只能比絕對零度高20毫度的超低溫下才能運作。但基於矽晶的Tangle Lake，也只能把容許的溫度範圍從絕對零度往上提高一度。雖然這已能讓系統設計者在維持低溫環境方面省下許多努力，但從現實面來說，要長時間維持如此低溫的環境，還是一個很複雜的工程問題，也註定了量子運算系統必然是台龐然大物(圖2)。 圖2　Google量子電腦原型設備的局部照片。量子電腦不僅尺寸龐大，且線路非常複雜。 第三，基於超導體的設計方案很難像積體電路般微縮，這會使得量子處理器很難內建數量足以支撐商業應用的量子位元(Qubit)數量。不過，這也只是理論，實際上，Tangle Lake量子處理器的晶片尺寸還是高達三平方英吋，卻只內建了49個Qubit，低於Google在自然(Nature)期刊上發表的54Qubit超導量子處理器。這跟技術的成熟度有關，畢竟超導量子處理器的發展已經累積了數十年經驗，但矽基量子處理器的研究，是近幾年才開始。 Qubit數量對於量子運算能否實現商業應用極為關鍵。不管是54Qubit或49Qubit，都還不足以支撐真實的應用，只能用來執行實驗性質的演算法。這也是為何Google在自然期刊上發表其研究突破，聲稱實現量子霸權(Quantumn Supremacy)後，立刻引來IBM反駁的原因。 Google的研究使用了專為驗證其量子處理器所設計的演算法，因此才能在極短時間內完成超級電腦得花上萬年才能執行的運算量，但如果把Google所使用的演算法改寫成適合超級電腦執行的型態，超級電腦依然可以在幾天內跑完相同的運算任務。 撇開Google以專用的實驗性演算法來驗證其量子處理器設計不談，對任何運算設備來說，如果要進入實用階段，糾錯(Error Correction)能力是非常重要的機制，而這會需要大量的Qubit冗餘。根據英特爾、愛美科(imec)、CEA-Leti等領先企業跟研究機構的估計，如果要實現可執行商業應用，且具有糾錯能力的量子處理器，該處理器至少要整合100萬個Qubit。相較之下，目前最先進的量子處理器，離這個門檻都還有一段非常遙遠的距離。 而這也正是半導體業界為何對矽基量子處理器的前景充滿信心的原因。從物理層來看，一個量子位元的結構其實並不複雜(圖3)，在半導體製程已經可以在單一晶片上整合數億個電晶體的情況下，用半導體製程來生產整合了數百萬個Qubit的處理器晶片，具有很高的可行性。英特爾的研究團隊就估計，理論上，1平方毫米的晶片面積可放置十億個自旋量子位元，且自旋量子位元與傳統電晶體在結構上有很高的相似性，因此自旋量子位元可能有助於將量子運算系統的規模擴充至估計數百萬個量子位元。CEA-Leti的研究團隊則已經訂下目標，希望在2024年之前，製造出內建100個Qubit，基於半導體製程的量子處理器。 圖3　超導量子位元與半導體量子位元的實體結構。 量子運算成熟還需十年　大廠動作頻頻為哪樁？ 其實，按照許多技術研究單位跟科技大廠的預估跟規畫，量子運算是2020~2030年這段期間的重點研發題目。換言之，即便研發進度超前，量子運算進入實用階段，最快恐怕也得等到2020年代的下半葉。那麼，為何量子運算的議題提前在2019年引爆？ 答案在於高效能運算的效能成長空間，已經出現瓶頸。由於功耗、通訊頻寬等限制運算效能成長的因素，本質上都跟物理有關，因此高效能運算相關的晶片業者，均急於尋求突破效能天花板的辦法，而量子運算則是其中之一。 量子運算會帶來前所未見的運算能力，可模擬和分析自然現象，從而迅速找出這類問題的解答。現今的超級電腦必須花費大量時間才能為這類問題求解，因此業界預期，量子運算會在各領域促成突破性發展，包括個體化遺傳醫學、天體物理學等。 不過，這並不意味著量子電腦會是一個通用運算系統。據CEA-Leti量子運算計畫總監Maud Vinet(圖4)指出，目前高效能運算在許多方面都已經面臨極限，要進一步提高效能的難度只會越來越高。但量子運算是領域專用型運算，無法像超級電腦般，靈活地執行各種不同類型的運算任機構合力進行的研究，從量子裝置開始擴大建構，納入諸如錯誤修正、硬體和軟體型控制等機制，以及用來發展量子應用程式的方法和工具。 但即便上述工程挑戰均獲得解決，也無法保證量子運算能獲得普及應用。由於量子運算先天上就不適合當作通用運算任務的執行平台，因此量子運算的應用會受到相當多限制。即便是在適合使用量子運算的領域，由於量子運算的效能極為驚人，全世界可能只需要一到兩台量子電腦，就足以滿足運算需求。將這些因素加總起來，量子電腦很可能無法創造出夠大的經濟規模，驅動其成本下滑，而這會進一步對量子運算的商用化進程造成阻礙。 圖4　CEA-Leti量子運算計畫總監Maud Vinet指出，量子運算並非通用運算，無法完全取代超級電腦。 旺宏電子總經理盧志遠日前在SEMICON Taiwan 2019展會期間，針對量子電腦的商業化挑戰，做出了很精闢的總結。他表示，對現有的半導體產業而言，量子運算無疑是一項破壞性創新，但一個破壞性創新技術要成功，除了工程、材料、設備機台等生態系統的配套要同步到位之外，最重要的還是應用。有廣大的應用，才能讓一項技術變成一個產業。 量子運算對高科技、工業、化學製藥、金融及能源產業都有可能帶來巨大的顛覆，但現在看來，量子運算要應用在這些領域，也還有諸多技術及工程上的難題需要克服。在量子運算真正起飛之前，必然會經歷一段炒作周期(Hype Cycle)，只有撐到最後，把主要問題解決的廠商，才能享受到量子運算的豐碩果實。

也因此，現今的車輛也有著越來越多的應用聯網，但這也增加攻擊面(攻擊媒介的總和，代表駭客的潛在路徑和攻擊者利用漏洞)，每個連接選項表示一個潛在的進入點(圖1)。 圖1　隨著汽車愈來愈電子化，安全也備受威脅。 與此同時，駕駛也希望獲得更多的安全保障、舒適性，以及便利性。顯而易見的，此一需求也增加了汽車解決方案的複雜性。現代車輛的大部分功能都是由電子系統控制的，舉例而言，在高階車款有著200個以上的電子控制單元(Electronic Control Units, ECU)和2億行以上的程式碼，使其成為每天使用的最複雜的系統之一(圖2)。 圖2　高階汽車往往配備200個以上的電子控制單元。 全自動車輛的廣泛使用似乎是遙遠的未來，但接管汽車控制權的威脅比大多數人想像的要近。著名的吉普駭客(研究人員從他們的地下室遠端控制車輛)是三年前 (2015年)，此後公布了多個駭客攻擊。 安全防護對個人/國家而言都十分重要 對於自動駕駛汽車來說，安全問題最為明顯，但所有車輛都必須得到保護。駕駛不僅想阻止駭客控制汽車(特別是當坐在車裡時)，也希望汽車是安全的，以防罪犯覬覦(例如安裝勒索軟體)。 隱私越來越受到關注，因為越來越多的敏感訊息儲存在汽車本身或連接到汽車的雲中。駕駛使用上線服務，相互溝通並使用信用卡付款，而汽車可以顯示人們的位置、駕駛習慣和其他敏感訊息。目前各國政府已採取行動強化隱私保護，例如歐盟的通用數據保護條例(GDPR)，加利福尼亞的加州消費者隱私法(CCPA)或SPY汽車法(汽車法中的安全和隱私法)，但日常生活的汽車也必須有足夠智慧和安全以保護個人隱私。車輛必須採取強有力的安全措施，以阻止恐怖分子接管汽車並將其武器化；運輸是關鍵基礎設施的一部分，保護運輸必須成為每個國家的國家安全戰略的一部分。 安全是駭客和防護間相互競爭 沒有完美的安全保障方案，如果有足夠的資源(時間、金錢、設備等)，一切都會被打破。在過程中，安全保護措施必須足夠強大，才能使攻擊者相信不值得嘗試攻擊受保護資產。攻擊者分析成本(花費的金錢和時間、所需的技術訣竅和設備、被抓住的風險等)與利益(贓物或數據資料、宣傳等)以及損益平衡，如果可以遠程執行攻擊，或者可以輕鬆地將其擴展到車隊，則可以獲得更具吸引力的投資回報。 攻擊方法隨著時間的推移而逐漸變得越來越便宜，使犯罪分子和恐怖分子更加負擔得起並且可能有利可圖。汽車安全也因而必須不斷發展，這意味著汽車製造商必須支援車輛內外及其供應商的可更新、可升級的安全性(例如韌體/軟體空中更新)。當然，可能會在行車現場發現新的漏洞，因為與攻擊是一直持續的，必須能夠在車輛的使用壽命期間應用安全修復程序，這比大多數其他消費品的使用壽命更長。 強化安全人人有責 之前提到的吉普駭客很快就被遺忘了(研究表示聽說過它的人中，只有一半的人在一年後仍記著這件事)。在技術論壇上，新的駭客和解決方案不斷發布，但消費者在經銷商處要求提供汽車安全資訊的情況仍然不常見。 一個共同商定且獨立、客觀地對安全級別進行分類的框架目前並不存在，各國政府正在積極運行，就像聯邦調查局對汽車駭客攻擊的公開警告一樣，但達到消費者對現有威脅和解決方案的適當認識水準仍需時間。 到目前為止，成功的駭客大多是由研究人員和產業從業人員自己執行的，而不是犯罪分子或恐怖分子。但消費者、產業和整個社會現在必須採取行動，當為方便起見，為未來的汽車提供更多的功能和連接選項時，必須實施匹配措施，以確保在這個更加複雜、危險的環境中的安全和保障。 政府/產業致力解決安全問題 汽車整車廠(OEM)及其供應商正在定義未來車輛系統的安全架構和必要的基礎設施適用功能，如V2X(車輛到基礎設施通訊)、雲服務和空中更新。安全性是新設計不可或缺的一部分。政府的舉措在確保自主車輛的安全方面發揮著重要作用，例如美國DoT自動車輛3.0，專注於從SAE自動化1級(駕駛員協助)到5級(完全自動化)的各種自動化車輛(圖3)。 圖3　自動駕駛等級分類 目前正在制訂標準。2016年出版的網路物理車輛系統網路安全指南(SAE J3061)描述了一個可用於將網路安全構建到車輛系統中的流程框架。SAE的車輛電氣系統安全委員會正在製定SAE J3101(地面車輛應用的硬件保護安全要求)，以確定一套共同的要求。 新興標準ISO/SAE 21434(道路車輛--網路安全工程)定義了一個框架，以確保一致、明確以及穩健的方法來培養網路安全文化，並且管理整個車輛生命週期中的網路安全風險，以適應不斷變化的威脅形勢和建立網路安全管理系統。因此，它將解決產品工程中的安全問題，類似於ISO 26262如何解決功能安全問題，ISO/SAE 21434計劃於2020年出版，且它可能會取代SAE J3061。 汽車製造商和供應商之間建立了聯盟，為需要整個產業合作的發展提供平台。從許多重要的論壇來看，重點是強調Auto-ISAC，它是重要的全球網路安全專注社群之一(共享情報和提供最佳實踐指南)和C2C-CC(Car 2 Car Communication Consortium)，專注於合作智慧運輸系統和服務(C-ITS)的部署。 實施可靠原則以解決汽車安全挑戰 汽車產業透過最先進的安全原則，並將其應用於汽車設計來應對這些安全挑戰，汽車製造商必須設計和開發專注於整個系統的端到端解決方案，包括汽車如何與其環境和其他車輛互動。用適當的安全設計方法以確保安全性不是事後的想法，而是從第一天開始就被設計到每個組件中。OEM定義的系統安全概念整合了來自多個供應商的元素，因此透過複雜的供應鏈有效地推動該系統安全概念是成功的重要因素。 必須應用於所有系統的另一個原則是縱深防禦或多層安全性，這意味著如果違反了一層安全性，則下一層必須繼續保護系統。舉例來說，如果訊息娛樂系統被駭客入侵，那麼內部防火牆仍將保護安全相關系統，如轉向控制和制動器，以防止未經授權的侵入(圖4)。 圖4　汽車安全須從多種面向進行保護。 如前所述，重要的是確保汽車安全解決方案在車輛壽命期間保持有效，組件必須具有固有的更新路徑，使安全解決方案保持最新狀態，並解決未來可能存在的潛在漏洞。例如，可以在當地經銷商處或通過無線更新應用這些升級。 保護的級別和性質必須與車輛中不同功能域、應用和組件中的威脅一致。ECU的保護等級取決於多個參數，包括攻擊面，在其上實施的功能重要性以及受保護的資產。具有外部連接功能的組件，例如訊息娛樂系統或閘道器，便需要比大多數車身控制模組更高級別的保護。 潛在易受攻擊的組件應與安全關鍵功能隔離開來，因此成功攻擊的影響可能會受到限制。如果檢測到成功的攻擊，則必須維護和保護核心功能以確保汽車保持功能和安全，但是可以禁用附加功能(例如直播視訊串流)以減少潛在影響。 汽車供應鏈中的所有公司都必須準備好不斷投資於網路安全解決方案，以便始終領先於隨時可能發生的威脅，而這需要一個全面的汽車網路安全計劃，其中包括：具有內置安全功能的產品、整合到正常開發流程中的安全產品工程流程、內部/外部安全評估和認證、產品安全事件響應團隊和系統方式分享威脅情報。隨著安全性成為產品設計不可或缺的一部分，構建和維護安全意識組織至關重要。 為此，汽車元件供應商積極研發相關產品。像是恩智浦旗下的S32處理平台提供基於4+1汽車安全框架(圖5)。4層網路安全解決方案為外部世界提供了一個安全的介面，可用於M2M(機器到機器)通訊、區域隔離的安全閘道器、內部和外部消息傳輸的安全網路，以及ECU上的安全處理等；而與安全的汽車門禁系統一起使用，則可以在整個車輛中實現縱深防禦保護。 圖5　多層防護有助於提升安全性 設計安全性至關重要，這就是為什麼作為S32平台的一部分開發的產品提供全面安全功能，在稱為硬體安全引擎(HSE)的專用安全子系統中實現安全啟動、對稱和非對稱加密服務、散列、高質量隨機數生成、密鑰管理服務、側訊道保護和故障阻抗；硬體加速已到位，可滿足安全關鍵型汽車系統的即時要求。 同時，該產品可以提供廣泛的應用(車身、舒適性、動力總和、車輛動力學、安全性、駕駛員輔助和駕駛員更換、閘道器、域控制器等)，確保產品易於使用，並具有易於重複使用通過相容的安全API，所有產品均符合AUTOSAR標準，完全符合SHE和EVITA Full規範的功能目標。 總結來說，現今進入市場的任何解決方案，都必須提供一種在車輛使用期間都必須不斷保持更新的安全解決方案，因此透過安全(加密)支援離線、無線固體、軟體更新非常重要；必須在所有領域提供可更新、可升級的安全性，以支援從設計到報廢的車輛。 業界正在努力設計和維護汽車安全系統，使汽車製造商能遵循良好的安全措施，例如使用強密碼並報告他們觀察到的可疑故障。汽車及其安全系統非常複雜，有多個切入點。需要深入的安全專業知識來保護敏感資料，並確保車輛的安全運行。 汽車產業必須為現有和未來的車主提供足夠的安全解決方案，同時政府也可以發揮作用，例如，通過確定獨立評估我們車輛安全能力的法律，車主可以且應該要求經過驗證的高安全性解決方案，以及舒適性和安全性。提高消費者意識和需求有助於加快所需步驟，因此安全實施可以滿足高度連接車輛或自動駕駛快速成長的安全要求。 總結來說，目前一切都在考驗消費者能否相信自己的車輛嗎，特別是當看到越來越多的自動駕駛機器人時。答案是，如果將安全性視為整體車輛設計的一個組成部分，並準備在可更新和可升級的安全性方面領先於駭客攻擊技術，就可以相信自己的車。 重要的是，政府、產業參與者和車主都該盡自己的一份力量，要求提供有關汽車安全功能的訊息應該成為常規，就像今天學習安全性，駕駛參數和便利性一樣；而供應商必須使用最先進的技術支援這一目標，讓每個人都可以安全可靠地行駛在路上。 (本文作者任職於NXP)

自動駕駛汽車(AV)正飛速發展，傳統的汽車製造商和新的參與者都大筆投資於此推動創新的技術。雖然AV具有提高汽車安全性和駕駛便利性的潛力，但有鑑於其複雜度，業者需要使用嚴格的測試和驗證系統，確保汽車在所有交通、道路及天候狀況下的安全性。當然，AV將使用基於人工智慧(AI)的方法，讓汽車能夠透過電信服務和基礎設施供應商進行通訊。 車聯網是AV技術的基礎。系統與汽車就道路和交通狀況、附近的汽車以及有關駕駛體驗的其他重要元素進行通訊。AV技術結合了多個感測器、電腦和軟體，來生產自動駕駛汽車。這些汽車在行駛里程方面相較由人力駕駛的汽車在統計上已被證明更加安全。 Waymo(先前稱為Google自動駕駛汽車計劃)，在以時速每小時2英哩，總駕駛距離超過500萬英哩的紀錄下，僅出現了一次無人受傷的錯誤事故報告。即便如此，要建立消費者對完全自動駕駛汽車的信任仍然是一項挑戰。例如，有73%的美國駕駛人表示，他們非常害怕乘坐完全自動駕駛汽車，而根據一份2018年美國汽車協會(AAA)的調查，有63%的美國成年人表示，當他們在步行或騎腳踏車時，對必須和自動駕駛汽車共用道路感到不安全。 自動駕駛旨在提升行車安全 基於駕駛人錯誤導致的事故數量，安全問題是首要考量。根據統計，大約有94%的嚴重碰撞，部分是由於頻繁且可預測的駕駛錯誤造成，例如超速、駕駛能力降低或在分心狀態下駕駛。因此安全性改進也常常是AV潛在優點列表的第一名，將人為錯誤因素從駕駛方程式中排除，大幅減少交通傷亡事故。部署AV技術還有其他優點，如隨著人口老化，AV技術可為年長者和殘障人士提供更多的便利和自由。此外，還有新的運輸模式和商業模型潛能，例如自動化計程車隊和共享自動駕駛汽車；這將帶來個人生產力更加提高的願景。 自動駕駛層級概述 今天，有各種自動化選項能夠協助駕駛人，有些也已經進入市場。為了正確看待此技術，汽車工程師協會(SAE)已經為AV建立了自動化層級，如圖1所示。 圖1　SAE 自動化層級(SAE Automation Level)描述了不同級別的自動駕駛汽車能力。 ．層級0乃完全非自動化；由駕駛人完成所有工作。 ．層級1則增加了一些駕駛輔助功能，例如主動車距巡航控制和盲點偵測。 ．層級2仍然需要駕駛人駕駛，但提供轉向輔助和速度控制功能。 ．層級3汽車可自動駕駛，但仍需要人力駕駛保持專注並在指定的時間內負責控制。 ．到了層級4和層級5，AV才變得真正自動化。例如，層級4自動駕駛限制特定條件，例如特定地理位置或路線、天氣、交通類型、速度和道路。層級5則是沒有限制條件的自動駕駛汽車。 汽車產業正在層級1和層級2迅速地為汽車增加功能，並且擁有很多協助駕駛人的機會，同時維持駕駛人主動控制的現有車型。各種不同的感測器(攝影機、雷達、光達和超音波感測器)，讓汽車「看見」周圍發生的事情並自動協助駕駛人。許多汽車都已提供駕駛人輔助功能，例如盲點偵測、倒車攝影、自動遠光燈、主動車距巡航控制、車道維持輔助和自動煞車。 部份專家對層級3自動化的可行性表示憂慮，因該層級要求駕駛人在汽車進行一段長時間的自動駕駛時保持警惕。一項需要考慮的重點是，在什麼情況下必須由駕駛人控制以及對該情況有多少反應時間。Audi汽車表示，其交通堵塞導航功能可在交通回堵期間，或是以最高達65公里/小時(40.4英哩/小時)的速度行駛時，提供層級3自動化。在塞車期間此系統允許駕駛人暫時放鬆，但要求駕駛人在系統發出通知後10秒鐘內接管控制。 層級1到層級3能夠提高汽車安全性，但需要層級4和層級5來提供額外的潛在優點，包括殘障人士和年長者的行動性改善、個人生產力的提高，以及新的運輸模型。這使得層級4和層級5成為大多數AV方案的最終目標，即將駕駛交給汽車本身。而層級4是層級5的前身並限制了操作適用範圍(ODD)；即AV只有在某些特定條件下是自動化的。例如，層級4的AV可能只處理特定類型的道路，像是高速公路、HOV車道、AV專用車道、鄉村道路或封閉的校園；視能見度可能存在限制；在極端天候下沒有AV行為。另一項限制可能是對預先劃定區域的AV或道路的特定基礎設施支援。 部署可能是本地或區域性的，要達到納入所有情境的100%涵蓋率是困難的。而要達到95%並不是太難，但最後的5%具有挑戰性；因此減少ODD會產生重大影響。 例如，早期的層級4使用案例可能是一項受限的自動化計程車服務，在使用已知街道、較低速度、極端天候等資料良好劃定的區域，提供所需的最低能見度。另一種可能的首波部署選項是長途貨運卡車，限制在特定、已知的路線。層級5自動化帶來了處理每一種可能駕駛狀況的挑戰，且由於具有軟體提供的系統擴充性，可實現了以世界功能最強大的軟體定義驅動程式，取代普通驅動程式的願景。 感測/通訊助力自動駕駛實現 結合使用的新技術讓AV的實現成為可能，像是感測器、運算能力、智慧軟體、通訊和導航。AV使用感測器觀察周圍世界，就像人類駕駛一樣；或許比人類更好，因為它們可同時看到所有方向(圖2)。 圖2　自動駕駛汽車使用一系列的感測器來查看駕駛環境。 AV用來監控駕駛環境的感測器包括： ．攝影機拍攝影像 ．雷達偵測和測距系統(RADAR) ．光達偵測和測距(LIDAR) 顯示系統使用必須處理獲取有幫助的資訊之影像感測器。雷達感測器安裝於汽車的前方或後方，在24GHz的短距或77GHz的長距下運作，以監控交通和障礙物。它們可以偵測到範圍從幾公分到幾百公尺遠的物體，而超音波感測器可在停車或其他有需要的活動時，用近拍功能來偵測物體。 光達感測器使用脈衝雷射來偵測物體，通常具有比雷達更高的解析度但距離較短。光達仍然是一種尚未成熟的技術，通常也更昂貴；但其更高解析度能夠提供更完整的汽車環境顯示，可用來分辨不同類型的物體。無線通訊藉由AV扮演重要角色，讓汽車能夠和其他汽車(V2V)、行人(V2P)或路邊基礎設施(V2I)交換資訊。通常，這些都包含在車聯網(V2X)裡。這些通訊通道為AV提供重要資訊，包括交通堵塞和危險道路通知。兩種主要的競爭通訊手段是5.9GHz頻段的專用短距通訊(DSRC)、和使用未來5G能力的蜂巢式V2X。 例如全球定位系統(GPS)這樣的導航輔助功能，將會以AV技術進行整合。GPS可以給予AV從一個地點到另一個地點的路線，但它也可以和詳細的地圖結合使用，以改善自動駕駛、行駛車道位置和交通訊號。 嚴格測試對獲得認可非常重要 所有新技術都面臨採用的障礙，AV也不例外。由於涉及安全問題，可預期AV的採用初期將會遭遇到許多消費者的抵制。近期一項對美國公路駕駛人的調查，發現有63%的美國駕駛人表示，對乘坐完全自動駕駛汽車感到害怕；而此數據已低於更早之前的調查。 大眾輿論、熟悉和信任度，在消費者接受AV技術的意願中扮演重要角色。隨著AV技術被證明並變得更令人熟悉，消費者的看法可能會隨著時間的推移而改變。AV測試對於驗證自動駕駛汽車是否足夠安全到上路行駛至關重要。隨著汽車製造商為其汽車添加更多駕駛人輔助功能，層級1到層級3的自動化方案正逐步被採用；層級4和層級5則代表更大的挑戰，因為人為駕駛已從系統中移除，讓AV自行駕駛。 複雜環境驗證系統效能 系統都具有非零的故障率，因此，雖然希望能夠設計出一部永遠不會做出錯誤決策的AV，但真正的問題是它必須要有多好，畢竟一般人會預期AV設計的表現將優於人類駕駛；然而，究竟要怎麼知道AV已經達到可信賴的水準。 對此，Rand Corporation最近一份研究報告得出以下結論。自動駕駛汽車必須行駛數億英哩，有時甚至是數千億英哩，才能證明其在傷亡事故方面的可靠性。雖然引用行駛的哩程數可以讓我們瞭解需要進行多少測試，但它並不是描述測試穩定性的可靠指標。在鄉村高速公路上進行1英哩的測試，和在複雜的城市環境中的1英哩測試，結果將截然不同。具體來說，必須確保對重要的邊緣案例進行測試，這些具挑戰性的情境在正常交通情況下很少發生，但一旦發生就可能會致命。 此外，同一報告也指出現有的測試和驗證方法可能不夠充足，AV技術的開發人員和第三方測試者，必須開發能夠證明其安全性和可靠度的創新方法；兼具硬體和軟體的複雜系統，需從一開始就包括品質和可靠度標準，若嘗試採用低效設計來測試品質，將無法產生最佳品質結果。 有效的驗證計劃是以考量整個系統運行的測試策略開始。電子和軟體的元件已成為現代汽車的一部分，因此汽車產業已具有設計和驗證系統可靠度的經驗。當前的測試策略採用分層式方法，在系統的各種抽象層級進行驗證。圖3展示了一種常見的V開發模型方法，其在系統的每個層級連接設計需求和測試規格。 圖3　V開發模型在系統的所有層級維持驗證和可追溯性。 ISO 26262是規範汽車電氣和電子系統功能之安全性的國際標準。該標準即使用 V開發模型來確保整個系統正常運作並維持高水準的安全性。系統中的每個元件都具有指定的汽車安全和完整性層級(ASIL)，其中「A」是最不嚴格的層級，而「D」是最嚴格的層級。它是一種基於風險的安全標準，對危險運作情況的風險進行定性評估，並定義安全措施以避免或控制系統故障，並檢測或控制隨機硬體故障或減輕其影響。 系統層級驗證確保車輛效能 在廣泛的環境、道路和交通條件下測試汽車，是AV系統效能的最終測試。理想情況下，這將涵蓋所有可能的駕駛情境，以確保AV能夠處理它們。由AV公司進行的公共道路測試已經得到了許多宣傳效果，因為它對一般大眾來說是確實可見的。 這種類型的道路測試非常寶貴，因為它將汽車展露在各種真實情境中。AV公司也使用私人測試軌道，這些軌道提供可控且可重複的環境，但測試情境的變異因素較少。虛擬測試軌道正以合理的成本，成為可產生各種可重複測試情境的重要工具。 模擬駕駛情況無疑地將在AV的測試策略中扮演重要角色。因為感測器和致動器發送和接收的是數位資料，所以其感測世界會以數位串流資料的形式進行擷取和播放。AV的虛擬表現以虛擬感測器及致動器達到完整，由和真實世界汽車相同的軟體所駕駛，在虛擬世界中進行測試。當汽車在這種環境中運行時，模型會複製汽車在真實世界中「看到」的內容。這種虛擬測試方法重建了AV駕駛情境，並且可以用更低的成本「行駛」數百萬英哩，同時提供比實際道路測試更易於重複的結果。 提高測試和記錄可靠度增加駕駛信心 消費者已經看到了AV技術的潛在價值，也就是安全性改進、便利性和更強的行動性，但他們仍然擔心這項新技術的整體安全性。只要業界持續發展穩定的安全追蹤記錄，實際體驗使用AV將有助於建立消費者的信心。要建立此追踪記錄，需要強大的測試和驗證系統。 我們需要在整個生態系統中應用系統工程設計原則。AV製造商正在開發強大的設計和測試策略，以證明他們的技術，同時提供可靠的汽車。對這些複雜系統進行嚴格測試對於驗證其安全性非常重要，並將決定AV是否足夠安全上路。雖然這一切並不容易，但AV產業必須不斷創新並找到新的方法來測試和驗證系統，打破信任障礙，贏得消費者信心。 (本文由是德科技提供)

和當初的登月計畫一樣，邁向安全自駕車的路上也潛伏著許多障礙。最近多項自駕車事件引發大眾矚目，引發持負面看法的人士聲稱自駕車本身以及所處的週遭環境太過複雜，另外，其同時也還存在著太多的變數，而軟體也仍然存在著非常多的問題。對於曾參與ISO 26262車輛功能安全標準相容測試的人士而言，抱持這樣懷疑的態度是可以理解的，其立論的基礎為五家自駕車公司於2017年在矽谷進行測試，實際行駛里程除以測試過程中出現解除自駕(Disengagements)事件的次數(圖1)。2019年的數據則尚未公布。 圖1　加州五大自駕車製造商總行駛哩程除以解除自動駕駛次數的數據(2017年12月~2018年11月)。在此期間共有28家廠商在加州境內進行公開測試，自駕模式共行駛2,036,296英哩，期間共出現143,720次解除自動駕駛。 然而，自駕目標已勢在必行：完全自主駕駛的車輛即將誕生，而安全則是最優先的要素。加州汽車監理局(DMV)2018年非官方報告顯示，自駕車每英哩解除自動駕駛的次數持續降低，顯示系統的能力逐漸提升。然而這樣的趨勢還必須加快速度。 將分工協作與新思維放在第一位使得許多車廠直接和晶片廠商合作，感測器製造商開始和AI演算法開發者探討感測器融合；軟體開發商也終於和硬體供應商聯手推動軟硬體整合。舊有的合作關係逐漸改變中，而各方也積極持續發展新的合作關係，藉以優化最終設計成品的效能、功能、可靠度、成本以及安全性。 整個產業體系正尋找正確的模式，藉以建構與測試完全自駕車，進而支援包括無人駕駛計程車以及長途貨車等新興應用。在這樣的發展過程中，隨著感測器不斷改良，帶動先進駕駛輔助系統(ADAS)的進步，也促成了業界迅速推進至更高層級的自動駕駛。 這些感測器技術包括攝影機、光學偵測與測距(光達)、無線電波偵測與測距(雷達)、微機電系統(MEMS)、慣性量測單元(IMU)、超音波以及全球衛星定位系統，它們為AI系統提供了關鍵的輸入訊息，協助驅動著真正具感知能力的自駕車(圖2)。 圖2　各種不同的感測模組用來感知環境以及為ADAS提供車輛導航功能。它們通常獨立運作，為駕駛員提供警訊，協助作出應對的操駕動作 感知能力讓自駕車安全有保障 車輛的智慧程度通常以自駕車的自主能力等級(Levels Of Autonomy)來表達。其中第一級(L1)與第二級(L2)大致上屬於警示系統，到了第三級(L3)以上就具備避免意外的能力。到了第五級，自駕車就沒有配備方向盤，完全自主行駛。 在最初幾個系統世代，車輛開始配備L2功能，感測器系統已能獨立運作。這些警示系統的誤警率(False Alarm Rate)偏高，由於太煩人以致常被關掉。為打造具備完全感知能力的自駕車，車上配備感測器的數量顯著增加。此外，效能以及反應時間也大幅改善(圖3、圖4) 圖3　具完全感知能力的自駕車能感知當前與過去的歷史狀態、週遭環境的性質，以及車輛本身的狀態(位置、速度、軌跡以及機械狀況)這些都是自駕車維持安全不可或缺的要素。 圖4　自動駕駛等級以及感測器有不同的要求。 隨著車上裝載越來越多感測器，它們能進行更良好的監視，以及察覺當前的機械狀況，像是胎壓、重量變化(例如感知有一位或六位乘客上車或下車)，以及其他磨耗因素影響到煞車與操駕功能。隨著加入更多外部感測模組，車輛融入更完整的感知能力，能掌握車輛本身健康狀況以及週遭環境。 感測器模組的諸多進步讓車輛不僅能辨識環境的當前狀態，還能察知歷史紀錄。這方面要歸功於ENSCO公司航太科學與工程部門首席技術師Joseph Motola博士的研發成果。這項感測能力從感知如坑洞位置等這類簡單的路況，一直涵蓋到感知事故種類，以及在某些地區過去發生紀錄等複雜功能。 這些感知觀念在發展之際，包括感測等級(Level of Sensing)、處理、記憶體容量，以及連網等障礙使它們看似難以實現，但如今局勢已大為改觀。如今不僅系統能存取歷史資料，還能參照車輛各感測器擷取的即時資料，讓預防性以及事故規避動作的準確度能持續提高。 舉例來說，IMU能偵測忽然的顛簸或偏向，這些狀況都反映道路存在坑洞或障礙物。在以往即使收到這樣的資訊也沒有用，但如今即時連結讓這類資料能立即傳送到中央資料庫，用以警告其他車輛及早避開坑洞或障礙物。另外包括攝影機、雷達、光達，以及其他感測器的資料，也能進行相同的處置。 這類資料經過編譯、分析、融合後，讓車輛能針對所處環境做前瞻性的認知。如此一來，車輛就扮演學習機器的角色，進而做出比人類更好、更安全的決定。 感測融合發揮互補作用 車載尖端感知技術方面已累積長足的進展，業界的重點聚焦於從各種感測器收集資料，然後運用感測器融合策略盡可能發揮最大的互補作用，弭平在各種狀況下各自的弱點(圖5)。 圖5　每種感測模組都有其長處與弱點，但運用適當的感測器融合策略，即可融合各家長處並補強各自的弱點。  然而，若其要發展成真正能解決業界面臨問題的可行方案，則還有很長的一段路要走。舉例來說，攝影機能計算到橫向速度(亦即物體沿著和車輛行進路線垂直方向前進的速度)。另外，即使是最好的機器學習演算法，也需要約300毫秒的時間才能偵測橫向移動，並將誤報率維持在夠低的水準。若有一個行人在車輛前方以時速60英哩的速度前進，數毫秒的時間可能就是皮肉傷或致命重傷的差別，因此，反應時間至關重要。 300毫秒延遲是因為需要對連續視訊畫格進行Delta向量運算，而要做到可靠的偵測程序，至少需要10格以上的連續畫格，因此必須處理完一或兩個連續畫格，車輛才有時間去做反應，雷達目前已能做到這點。 同樣的，雷達在速度與物體偵測方面存在許多優勢，像是方位角(Azimuth)以及高度，還有能繞著看物體，但仍然需要提供更多時間讓車輛做出反應。面對時速400公里以上的目標，新發展的方案必須至少達到77GHz~79GHz的運行頻率。如此高的速度似乎太過，但卻是支援複雜分向車道公路的必備條件，在這類道路上車輛會以超過時速200公里的相對速度朝反方向行駛。 光達是介於攝影機與雷達兩者之間的感測器，這樣的屬性使它能運用在完全感知自駕車上並扮演關鍵元件(圖6)，但眼前，光達也仍有許多挑戰有待克服。 圖6　完全感知車輛運用先進雷達、光達以及攝影機，搭配慣性量測單元以及超音波技術，造就了360度的觀測能力。 光達持續演化成為小巧廉價的固態元件，能裝設在車身四周，支援360度全面向覆蓋；再輔以雷達這個攝影機系統，加入更高的角解析度(Angular Resolution)以及感知物體距離的深度判斷(Depth Perception)，因此也就能提供更精準的環境3D地圖。 然而，採用近紅外線(IR) (波長850~940奈米)作為光源有可能對視網膜造成傷害，因此光束輸出能量嚴格限制在905奈米波長下每脈衝上限為200奈焦(nJ)。然而若改用1,500奈米波長的短波IR，光線會被整個眼睛表面吸收，主管當局可採較寬鬆的規範，每脈衝上限設為8毫焦(mJ)。由於是905奈米光達能階的4萬倍，使得1,500奈米脈衝光達系統能提供4倍的傳輸距離。此外，1,500奈米系統對於像是陰霾、灰塵，以及懸浮微粒等環境狀況具有更高的耐受力。 1,500奈米波長光達面臨的挑戰是系統成本，主要來自光檢測器(Photodetector)技術(現今採用銦鎵砷材質元件)。發展高品質解決方案，高靈敏度、低暗電流，以及低電容。是打造1500奈米波長光達的關鍵要素。此外，隨著光達系統發展至第二與第三代，必須進行各種應用優化電路整合，才能壓低尺寸、功耗，以及整體系統成本。 除了超音波、攝影機、雷達，以及光達之外，還有其他感測模組也扮演關鍵角色，促成業界發展完全感知自主運輸載具。GPS讓車輛能在任何時刻掌握自己所在位置。不過，有一些地方無法收到GPS訊號，像是隧道以及高層建築物之間。在這些情境中，慣性量測單元就扮演了關鍵的角色。 經常被忽視的慣性量測單元，其所依賴的是不受環境條件影響維持恆定的重力，因此在推測導航(Dead Reckoning)方面相當有用。在暫時收不到GPS訊號時，推測導航採用包括車速計與慣性量測單元的資料來偵測行進的距離和方向，然後將推算出的資料疊到高解析地圖上。如此，即可讓感知力自駕車保持在正確的行進路線上，直到恢復正常GPS收訊為止。 高品質資料節省時間/提升安全 和這些感測模組一樣重要的是，若感測器本身並不可靠，而輸出的訊號並不是精準地擷取，並以高精準感測器資料的狀態饋送到上游端，那麼這些關鍵感測器的輸入資料就不可靠，輸入垃圾，輸出的也只會是垃圾。 要因應上述課題，即使最先進的類比訊號鏈也必須持續改進才能進行偵測、擷取、數位化，轉換成感測器訊號的輸出內容，因此其精準度與精密度不能隨著時間與溫度出現漂移。憑藉正確的元件以及設計的最佳策略，包括隨著溫度、相位雜訊、干擾以及其他造成不穩定現象產生的偏差漂移，其產生的難題都能大幅消弭。總而言之，高精準度/高品質資料至關重要，其攸關著機器學習以及AI處理器是否能正確訓練，以及做出正確的運行決策。然而這些程序必須在短短幾秒的時間內迅速完成。 在資料品質得到確保後，即可著手優化各種感測器融合方法以及AI演算法，以獲得正確的結果。不論AI演算法訓練到多好的程度，一旦模型完成編譯並部署到網路邊界的裝置之後，這些演算法就完全得依賴可靠、高精準的感測器資料才足以發揮效率。感測器模組、感測器融合、訊號處理以及人工智慧之間的互動，已對智慧/感知/自駕車的發展產生深遠的影響，並提高我們對於確保駕駛、乘客、以及行人安全的信心。然而倘若欠缺可靠、精準、高精密度的感測器資訊，上述目標就難以實現，而這些要素也都是安全自駕車的基礎。 和所有先進科技一樣，投入越多，就會發掘更複雜的使用情境以及衍生的問題，其複雜性將持續讓現有技術顯得力不從心，因此，必須期盼新一代感測器以及感測器融合演算法能克服這些難題。 和最初的登月計畫一樣，自駕車的整個計畫將對社會產生著長遠的顛覆性影響。從駕駛輔助到取代駕駛，不僅大幅改善了運輸的安全，生產力也會出現巨大的躍進。而這樣的未來，則有賴於感測器奠立的基礎，在此基礎之上各界才能發展所有其他元件。 (本文作者為ADI自主傳輸及安全副總裁)

自動駕駛風潮持續熱燒。在Level 2的ADAS技術逐漸成熟後，眾多國際車廠除了持續提供更高效能、更安全的ADAS功能，以逐步達到Level 3外，也紛紛同時投入Level 4自駕系統發展，藉此加快實現自駕車實際上路的願景。 現代開發全新智慧巡航控制技術 布局Level 3以上自駕車，現代汽車集團(Hyundai Motor Group)日前宣布研發首個基於機器學習的智慧定速巡航控制系統(SCC-ML)，該技術會將駕駛人的行為模式納入其自動駕駛行為中，進而為駕駛人創造自定義的體驗。 現代汽車集團副總裁Woongjun Jang表示，新的SCC-ML技術改進了先前ADAS技術的智慧性，並大幅提高了半自主功能的實用性，現代汽車集團將繼續致力於創新AI技術的開發工作，以引領自動駕駛發展。 智慧巡航控制(SCC)為ADAS提供了基本的自動駕駛功能和核心技術，也就是當以駕駛員選擇的速度行駛時，可與前方車輛保持距離；而新研發的SCC-ML技術將AI和SCC結合到一個系統中，該系統可自行學習駕駛員的模式和習慣，透過機器學習，智慧巡航控制系統能以與駕駛人相同的模式自主駕駛。 另一方面，除了研發新一代智慧巡航控制系統外，現代也宣布與零件大廠Aptiv合作，投入16億美元資金創建合資企業，搶攻自駕車市場版圖。雙方共同聲明指出，此合資公司將推動SAE 4級(Level 4)和5級(Level 5)自動駕駛技術的設計、開發和商業化；該合資企業將於2020年開始測試完全無人駕駛系統(Level 5)，並於2022年開始為機器人自動化廠商、車隊營運商和汽車製造商提供自動駕駛平台。同時，該合資公司將以韓國作為關鍵技術中心、汽車改裝基地和自動駕駛行動服務平台的試驗場域。 博世/戴姆勒共同開發無人自動停車技術 博世(Bosch)則是和戴姆勒(Daimler)共同開發自動停車技術，並已獲德國巴登-符騰堡邦官方核准，在斯圖加特的Mercedes-Benz博物館停車場提供無人駕駛自動泊車技術，而此一停車技術也是世界首個獲官方核准可日常使用的Level 4全自動停車功能(圖1)。 圖1　博世和戴姆勒共同開發的自動停車技術，已應用於斯圖加特的Mercedes-Benz博物館停車場。 據悉，透過此一技術，當駕駛開車到停車場、下車，接著只需點擊智慧型手機便可以將車輛自動送到停車位，無需駕駛即可自動停車。一旦駕駛離開停車場，車輛就會自動行駛至指定的位置停放；取車時，汽車也會以完全相同的方式返回下車點。過程中仰賴Bosch所提供的智慧停車場基礎建設，以及Mercedes-Benz自動駕駛科技的交互合作。 除了研發自動停車技術外，Bosch也與戴姆勒攜手於聖荷西進行自動駕駛叫車試驗服務。Bosch、戴姆勒和聖荷西市三方已簽訂備忘錄，未來將使用賓士S-Class自駕車，提供給聖荷西市中心和西聖荷西的聖卡洛斯(San Carlos)和史蒂文斯溪谷(Stevens Creek)之間的走廊地帶的特定社區來使用。 此前導試運行計畫將可提供如何使高度及全自動車輛整合到多模式平台的相關資訊，主要目的為提供無縫的數位體驗，使特定社區的使用者可透過線上叫車，召喚自駕車，並預約指定的接駁地點和目的地，行駛過程由安全駕駛員全程監控。 Bosch原廠汽車零件銷售部門總經理楊建新(圖2)表示，該公司在前幾年提出「三零願景」，也就是希望達到零事故、零排放、零擔憂。為此，自動駕駛發展可說勢在必行，而目前自動駕駛市場發展呈現兩個方向，一種是在一般房車上持續添加性能更強的ADAS功能，使汽車更自動化、更安全可靠，進而達到Level 3以上的等級；而另一種發展方向則是從公共運輸切入，在限定區域、路線上發展Level 4以上的自駕車，以營運服務為主。 圖2　Bosch原廠汽車零件銷售部門總經理楊建新表示，不論是ADAS或是Level 4的自駕車，都有龐大商機。 楊建新進一步指出，對於該公司而言，這兩種發展方向都具備龐大潛在商機，為此，博世採取雙頭並進的策略，一方面繼續強化ADAS功能，另一方面也投入Level 4自駕車的發展，並擴大應用場域，就像是與戴姆勒合作研發的自動停車技術，不僅可用在室內停車，同樣也可以用於汽車產線上，也就是當汽車生產完成後，不用再花費額外人力將車從產線開到其他地點，只需一個按鍵就可移動車子。 感測技術仍是自駕車發展重點 要實現自動駕駛，如何提升自駕車的感知能力是一大要件。為此，恩智浦半導體(NXP)積極推動高效能、低成本的雷達解決方案。像是新型RDK-S32R274雷達解決方案，是由NXP與Colorado Engineering合作構建，旨在幫助開發人員使用NXP技術，快速開發高性能汽車雷達的原型。 另外，NXP也與吉利汽車合作，共同探索下一代毫米波雷達感測器及多雷達系統的前瞻性合作定義，將其用於下一代ADAS與自動駕駛功能。NXP將為吉利汽車提供更高效且密集的支援，以滿足持續的技術演進需求，協助汽車企業實現創新變革，贏在未來。 NXP指出，毫米波雷達是實現自動駕駛不可或缺的關鍵因素，以此為合作起點，NXP將針對車用ADAS感測器、資料融合、安全控制、通訊及車載網路等應用領域，為吉利汽車提供更具針對性且領先國際的解決方案；並整合雙方技術與優勢，在此領域進行前瞻性設計及研發合作，引領產業技術變革。 NXP半導體汽車電子事業部系統架構師黃明達(圖3)表示，雷達是自動駕駛不可或缺的關鍵元件，而越高級別的自動駕駛車輛，越需要更精準、高效而且低成本/功耗的方案，而該公司也會繼續往這方向發展。 圖3　NXP半導體汽車電子事業部系統架構師黃明達表示，未來自駕車對於感測元件的性能要求會越來越高。 黃明達說明，舉例來說，未來的自動駕駛車輛可能會需要有「成像」能力的雷達，使其對周遭環境感知更精準。而要讓雷達具備成像能力，主要是提升雷達的角分辨率，目前單顆雷達晶片的通道多是3發4收，若將集結數顆雷達晶片，組成一個更大的收發陣，像是將四顆雷達晶片整合在一起，如此一來通道數就會明顯增加，變成12發16收(因為乘以4倍)。這麼一來，此一雷達方案的角分辨率就會有極大的提升，傳送回來的反射點也會從過往單顆雷達晶片2~3個，變成數十、數百個，也因此能夠更清楚的將物體輪廓描繪出來，而這也就是所謂的「成像能力」，使自駕車對於環境的感知更清晰、精準。因此，成像雷達也成為NXP下一代產品的主要發展方向。 除了NXP之外，Bosch同樣也積極布局感測市場。Bosch開發了一款使自駕車能精準定位的感測器：車輛動態和定位感測器。此款新型感測器包含一個高效能接收器，用於接收自駕車精確定位所需之全球導航衛星系統(GNSS)訊號。使用衛星定位的挑戰在於如何處理不準確的數據資料，由於GNSS衛星在距離地表25,000公里的軌道上，以每秒4,000公尺的速度繞行地球，在訊號傳至地面的過程中，必須穿過電離層和對流層中的雲層，這將導致分散訊號並產生誤差。 這就是為什麼Bosch採用各種數據業者所提供的校正數據，以及於2017年成立Sapcorda合資公司的原因。在已知精確位置之地面參考站網路的協助下，數據業者可進行GNSS定位資訊校正任務，校正資料則藉由雲端系統或地球同步衛星傳送至汽車。 楊建新指出，感測器是自動駕駛重要的關鍵零組件，因為汽車是需要處理最多訊息的交通工具。當然，除了感測器之外，車輛的資料處理能力和通訊能力也都要跟著強化，才能因應源源不絕的感測資訊，也因此，車輛運算和通訊功能是須伴隨著感測技術一同成長，這也是車廠、系統廠等重點發展方向。 除此之外，為昇科科技資深副總經理陳正夫則表示，自駕車的感測設計另一個重點在於要有備援機制，也就是在同一個區域內(例如車頭)至少要有兩種以上不同的感測器，除了可以互相補助，提升感知能力外，重要的是確保其中一種感測器有損毀時，另一種感測器還能持續運作(例如攝影機壞了還有雷達可感測)，避免自駕車發生意外。換言之，備援機制是Level 3以上的車款十分重要的設計，這也促使感測器的需求大量增加。 搶搭自駕熱潮　台灣不落人後 自動駕駛熱潮席捲全球，台灣也積極搶搭此波浪潮，且已有了不少亮眼成果。例如財團法人車輛研究測試中心(ARTC)便串連產業打造的MIT自駕電動小型巴士「WinBus」(圖4)，已達美國汽車工程師協會(SAE)的Level 4高度自動駕駛(High Automation)階段，在固定或封閉式場域內，車輛無須人為介入，可以完成所有駕駛和環境監測功能。 圖4　由ARTC串連台灣產業鏈所研發的自駕小巴WinBus。 財團法人車輛研究中心研究發展處經理陳建次表示，自駕小巴的設計包含定位、感知、決策+控制三大面向，當中所用的關鍵技術包含3D高精地圖、光達點雲圖建立、光達SLAM定位技術、AI影像辨識、多感測融合、動態軌跡規劃技術，以及駕駛模擬運算技術等。這些都是實現Level 4車子不可或缺的要素，而ARTC期望藉由打造自駕小巴，為台灣國內上下游系統與零組件供應鏈帶來新市場與經濟效益，同時實現智慧交通願景。 車輛中心董事長黃隆洲則透露，未來這自駕小型巴士將先支持政府沙盒運行政策，而2019年第4季將協助勤崴國際、中華電信行動數據分公司、宏碁智通為首的營運團隊提出申請，於車輛中心所在的彰濱工業區投入運行，串聯周邊觀光工廠之公共接駁運行服務；接下來也將到各場域應用，累積運行實績，以次系統及創新營運服務模式。 除此之外，為加速自駕產業發展，ARTC也與宏碁智通、聯華聚能科技及鑫威汽車工業等18家上中下游供應商正式攜手組成「自駕車產業聯盟」。由產官研共同合作，串聯科技軟硬實力，結合「營運服務」、「自駕整合」、「電能整合」與「車體製造」等完整自駕車產業鏈，打造台灣SAE...

在Level 2的先進駕駛輔助(ADAS)技術逐漸成熟後，眾多國際車廠持續精進自駕系統效能，期早日實現自動駕駛願景。然而，在Level 3自動駕駛車輛定義難明的情況下，Level 4自動駕駛車輛由於定義較明確，且多在限定區域內行駛，環境較為單純，對於車廠、新創及系統/車用電子元件等業者而言有更多的發展誘因。也因此，Level 4的自動駕駛車輛從2018年下半年開始不斷浮現，同時，新的營運模式也應用而生，眾多車商、租賃業者和新創業者紛紛透過自駕車實現公共接駁、貨物運送、定點接送等。換言之，以營運服務為主的Level 4車輛，成為自駕產業新的發展目標，且發展腳步相當迅速。 自駕接駁/運送車輛紛紛浮現 講到Level 4的自動接駁車輛，最令人印象深刻的應該就是Waymo。2018年年底Waymo推出首款自駕叫車服務Waymo One，在鳳凰城上路試驗；而到了2019年，Waymo擴大服務，與Lyft合作，不僅有更多的駕駛來體驗自動駕駛服務，同時在Lyft平台上部署Waymo自動駕駛車輛，可以讓鳳凰城地區的Lyft使用者選擇自動駕駛乘車體驗，讓Waymo獲得更多的乘客回饋意見，以改進自動駕駛技術。 另一方面，福特(Ford)旗下自動駕駛子公司Argo AI近期也在美國底特律推出第三代自動駕駛車隊，並規劃在邁阿密、華盛頓特區、匹茲堡、帕洛阿爾托、迪爾伯恩和底特律等城市逐步進行自動駕駛系統測試。 第三代自動駕駛車隊採用Ford Fusion Hybrid系統，並搭載了光達、攝影機和雷達以強化環境感知能力；同時還搭載了全新的運算系統，該運算系統提供的處理能力優於過往，並改進熱管理系統，使得車輛內部產生的熱能、噪音更少，這意味著任何乘客都將能體驗到更智慧的車輛，獲得更安靜、舒適的乘坐經驗。 除了Waymo、Argo AI之外，日產(Nissan)也積極推動無人計程車服務。Nissan計畫在2020啟動自駕計程車業務，該公司早先已與日本網路公司DeNA合作，推出自駕計程車新品牌Easy Ride，並進行實際上路測試；參與者可以沿著設定的路線(從Nissan全球總部到橫濱World Porters購物中心)，搭乘自動駕駛車輛，距離約4.5公里。 同時，日產和DeNA也將測試Easy Ride的獨特服務功能，使用專用的行動應用程序，乘客可以通過文字或語音輸入想要做的事情，而車載平板電腦螢幕將顯示附近500個推薦景點和活動，乘客可以從推薦列表中自行選擇想去的目的地，還可以從自己的智慧手機下載該地區零售業者和餐廳的優惠券。 至於在運送方面，2018年Kroger攜手Nuro，於亞利桑那州斯科茨代爾(Scottsdale)使用自駕車，為居民提供運送雜貨的服務；到了2019年，雙方將自動駕駛配送服務延伸至休士頓。 Kroger指出，自2018年8月以來，該公司與Nuro在科茨代爾開始營運自動駕駛雜貨送貨服務，在經過試營運後，雙方成功完成了科茨代爾數千筆的交易，證明了雙方的綜合技術和數位專業技術可以改變雜貨配送的體驗；基於此一經驗，便計畫將自動雜貨配送服務轉移至休士頓進行下一階段的試驗。 定義難明導致Level 3車款遲遲未現 財團法人車輛研究中心研究發展處經理陳建次(圖1)表示，根據國際自動機工程師學會(SAE)J3016標準，將自駕車自動化程度區分為Level 0~Level 5，目前Level 2的車型已陸續問世，且普及速度越來越快，不僅高階車款有配備，在中低階車款也愈來愈普遍。 圖1　財團法人車輛研究中心研究發展處經理陳建次表示，Level 3挑戰在於責任歸屬不明確。 然而，在Level 2的技術已逐漸成熟後，一般認為這些自動駕駛發展業者會繼續乘勝追擊，加速往Level 3邁進。然而，實際上這些自動駕駛發展業者所發布的Level 3車型或消息和預期相比，卻是十分有限；反而是Level 4自駕車的議題不斷出現，不禁會讓人思考，Level...

近年來，寬能隙半導體碳化矽(SiC)元件得到了廣泛的重視與發展。其中，SiC MOSFET與Si MOSFET在特定的工作條件下會表現出不同的特性，當中不可忽視的一環即是SiC MOSFET在長期的閘極電應力下會產生臨界值電壓VGS(th)漂移現象。 本文將闡述如何透過調整閘極驅動的負電壓，來限制SiC MOSFET臨界值漂移的方法。 SiC MOSFET會引起VGS(th)漂移 由於寬能隙半導體SiC材料的固有特徵，以及不同於矽(Si)材料的半導體氧化層界面特性，會引起臨界值電壓變化以及漂移現象。要理解這些差異，解釋這些差異與材料本身特性的關係，評估其對應用、系統的影響，需要更多的研究及探索。 就靜態閘極偏壓而言，針對Si元件臨界值特性的標準測試流程並不適用於SiC MOSFET。因此，需要使用一種「測試/偏壓/測試」的新測試方法以評估SiC MOSFET的偏壓溫度不穩定性(Bias-Temperature Instabilities, BTI)特性。它可以區分VGS(th)的可恢復漂移以及永久性漂移。 除了靜態閘極偏壓引起的漂移以外，SiC MOSFET的臨界值電壓也會因元件的開關工作而產生額外的漂移，此額外的漂移衹有通過長期開關測試才能被觀測到。就目前所知，此效應源於柵氧陷阱的動態反應，此效應是目前SiC MOSFET技術的通用特性。 以英飛凌旗下的CoolSiC MOSFET為例，數據顯示，長期的開關應力會引起VGS(th)的緩慢增加。然而，不管所選擇的參數如何，從未發現臨界值電壓VGS(th)會出現負漂移。這一現象，在不同品牌、不同技術的SiC MOSFET上均可以觀測到，在相同偏壓條件下不同元件的VGS(th)漂移值是近似的。VGS(th)上升會導致RDS(on)的輕微上升，長期影響是通態損耗會增加。 需要注意的是，元件的基本功能不會被影響，主要有： •耐壓能力不會受影響 •元件的可靠性等級，如抗宇宙射線能力，抵抗濕氣的能力等不會受影響 •VGS(th)漂移會對總的開關損耗僅有輕微影響 影響VGS(th)漂移的參數主要包括： •開關次數，包括開關頻率與操作時間 •驅動電壓，主要是負關斷電壓VGS(off) 以下參數對開關操作引起的VGS(th)漂移的影響可以忽略：結溫、漏/源極電壓、漏極電流、開關斜率dv/dt，di/dt。 RDS(on)增加導致結溫升高 長期來看，對於給定的VGS(th)臨界值漂移的主要影響在於會增加RDS(on)。RDS(on)的增加會增加導通損耗，進而升高結溫。在計算功率循環時，須要把這因素導致的額外結溫增加也考慮進去。 此額外結溫的增加是否需要格外重視取決於實際應用及工況。在很多案例中，即便是20年工作壽命到期後，此額外結溫的增加仍然可以忽略不計。然而在另一些應用中結溫的增加可能就會很重要。因此，在這種情況下，就須要根據下述的設計指導進行驅動電壓選擇。 下面兩個例子(DC-AC逆變器中的半橋配置)說明了不同的影響結果，在不同應用中的固定範圍的VGS(th)漂移。第一個例子代表了應用案例中導通損耗(Pcon)占大部分，第二個例子考慮了開關損耗(Psw)和導通損耗平均分配。這兩個例子的參數列於表1。 這兩個範例顯示了VGS(th)漂移對損耗分布和結溫的不同影響。在圖1中，可預期在工作壽命結束時，兩個範例都有1V的相同VGS(th)漂移。 圖1　在應用中VGS(th)漂移對結溫的影響。 從表1中的範例1可以看出，當導通損耗占大部分時，VGS(th)的漂移將導致明顯的總損耗增加與結溫上升。對於這樣的應用，稍後會詳述必須考慮的設計準則。對於損耗平均分布於開關和導通損耗的應用，VGS(th)的漂移對總損耗和結溫僅有輕微影響。整體而言在其他的應用中若損耗主要由動態損耗決定，則VGS(th)漂移的影響幾乎可以忽略不計。 透過控制閘極負壓VGS(off)，VGS(th)漂移可以被限制在一個可接受的水平內。在任何情況下，關斷電壓的上限都是0V。同時，關斷電壓的下限需要根據開通電壓、開關頻率，以及操作時間來選擇一個合適的值，使RDS(on)的增加限制在一定範圍之內。 VGS(th)的動態漂移隨著開關次數的增加而增加，為了好理解，總的開關次數被轉化為10年內不間斷工作(24小時/7天)的歸一化的工作頻率。知道實際工作頻率(kHz)，目標壽命(年)，以及工作壽命之內系統工作的百分比，歸一化的工作頻率可以透過以下公式計算： 歸一化頻率fsw=實際工作頻率fsw×壽命×工作時間占比÷10 儘管基本晶片技術相同，CoolSiC MOSFET工作區域是分別針對在模組封裝與離散元件封裝而給出的。這是因為閘極訊號的過衝和下衝很大程度上取決於工作條件、電路設計和寄生參數。特別是，離散元件由於電路設計、應用條件、逆變器拓撲、閘極驅動設計、PCB布局和散熱設計具有更大的靈活性，所以推薦工作區(ROA)因而更加保守。由於這些原因，考慮到閘極驅動器設計的變化，計算離散元件的ROA時已加上了2V的潛在過衝電壓。對於模組，因為可以透過適當的閘極驅動器設計實現0V過衝，所以計算ROA時不須要考慮額外的過衝電壓。 以基於實際運作工況估算得出的歸一化開關頻率，可以從圖2和圖3之中找到已經包括潛在下衝電壓的最小關斷閘極電壓，分別用於離散元件和模組產品。 圖2　分立器件產品的最小關斷閘極電壓。 圖3　模組產品的最小關斷閘極電壓。 以下的例子可方便理解上述計算方法，如一個光伏逆變器的典型工作情況：實際工作頻率20kHz，目標工作壽命20年，工作佔比50%。 歸一化開關的工作頻率如下：20kHz×20yrs.×50%/10yrs.=20kHz 對於18V的導通電壓，採用離散元件的CoolSiC MOSFET，包括下衝在內的關斷閘極電壓必須介於-4.6V~0V之間。如果開通電壓為15V，使用模組封裝的MOSFET，包括下衝的關斷閘極電壓必須設計在-7.7V~0V之間。 制定推薦工作區的最低關斷電壓，是確保在整個產品壽命期間在Inom和Tj= 125℃工作時的RDS(on)不會增加超過初始值的15%。RDS(on)的增量取決於工作電流Id，和結溫Tj。最後要注意最低峰值閘極電壓絕不能超過數據表中的最大額定值。此要求與ROA無關。 VGS(th)漂移為長期效應　僅須考慮重複過衝/下衝電壓 VGS(th)漂移是一種長期效應，因此只需考慮重複的過衝和下衝電壓。由偶發性工況如電壓不穩、短路情況等引起的閘極電壓的過衝和下衝不應被考慮。 只有電壓尖峰直接到達晶片上的閘極-源極端，才會影響VGS(th)漂移而需要被考慮。要透過實驗量化電壓過衝和下衝尖峰值，理想情況下應直接在晶片端子處測量。但是，實際上這並非總是可行，因此以下指南提供了一個很好的估測方法： ．如果不需要隔離，請使用高頻寬(100MHz)探頭直接測量。 ．或者，如果隔離是必需的，則使用具有高頻寬和高共模抑制能力的差分探頭。 ．始終盡可能靠近晶片進行測量，閘極電壓過衝和下衝的形狀可能因各個逆變器而異，應考慮峰值電壓(圖4)。 圖4　閘極電壓過衝和下衝。 閘極導通電壓高於15V具反效果 以CoolSiC MOSFET為例，該產品可以使用18V閘極電壓，以獲得更好的電流處理能力。請注意，高於15V的閘極導通電壓具有兩種相反的效果： ．它降低典型的RDS(on)及RDS(on)對VGS(th)漂移的靈敏度。 ．在壽命結束時，使用18V閘極導通電壓產生的VGS(th)的漂移可能高於15V的閘極導通電壓，但由於較大的過驅動電壓，RDS(on)增加將會降低。 另外，還應該考慮到與15V導通電壓相比，短路峰值電流要高得多。因此，在18V導通電壓時，元件將無法維持數據手冊(Data Sheet)中所述在15V的導通電壓下的短路能力。 當工作在較低的負關斷閘極電壓(例如-2V而不是-5V)時，對應用的影響很小。但是應該考慮幾個與應用相關的參數： ．Eon和Eoff會略有變化 ．SiC MOSFET體二極管的正向電壓將降低 ．誤導通風險增加，可能會增加開通損耗。如在0V關斷、較高的的關斷閘極電阻、更大的閘極-源極迴路電感等情況中更加明顯。 須要強調的是，離散元件例如CoolSiC MOSFET，可以安全地在0V關斷電壓時順利工作。因此，指南中的值不會對性能產生任何負面的影響。此外，它甚至可以容許使用更簡單的單電壓閘極驅動電路設計。對使用單開關拓撲結構的CoolSiC MOSFET模組(如升壓電路)，通常可以使用0V閘極關斷。 (本文由英飛凌提供)

工業、汽車、IT和網路公司為功率電子、半導體、元件和系統的主要購買者與消費者。這些公司使用著各種可用的DC-DC轉換器拓撲結構，採用不同形式的降壓、升壓和SEPIC結構。在理想的情況下，這些公司會針對每個新專案使用專門的控制器。然而，採用新晶片需要大量投資，因為必須花費很多時間和成本來測試新元件是否符合汽車標準，以及驗證其在特定應用、條件和設備中的功能。顯然，為了降低開發和設計成本，針對不同應用應採用已經過批准和驗證的控制器。 用於產生電源的最常用拓撲結構是降壓轉換器。但是，這種拓撲結構僅限於從高於輸出的輸入電壓產生正輸出。當輸入電壓低於輸出電壓時，不能直接利用它來產生負電壓或提供穩定的輸出。產生輸出的這兩個方面在汽車電子中均相當重要，因為需要負電壓來為放大器供電，或者當輸入電壓軌顯著降低時，在冷啟動的情況下整個系統必須連續正常工作。本文將詳細介紹在SEPIC、Cuk和升壓轉換器中使用簡單降壓控制器的方法。 從公共輸入軌產生正負電壓簡化電源控制 圖1顯示了基於單個降壓控制器(具有兩路輸出)的雙極性電源設計。為了最大限度地利用該晶片，必須使用一路輸出來產生正電壓，使用第二路輸出來產生負電壓。此電路的輸入電壓範圍為6V~40V。VOUT1產生10A、3.3V的正電壓，VOUT2產生3A、-12V的負電壓。兩路輸出均由U1控制。第一路輸出VOUT1是簡單的降壓轉換器。第二路輸出的結構更複雜一些。VOUT2相對於GND為負，故使用差分放大器U2來檢測負電壓並將其調整為0.8V基準電壓。在這種方法中，U1和U2均以系統GND為基準，如此大幅簡化了電源的控制和功能。如果需要其他輸出電壓時，公式1則有助於計算RF2和RF3的電阻值。 圖1　LTC3892的電氣原理圖，可產生正負電壓。VOUT1為10A、3.3V，VOUT2為3 A、-12V。               公式1 VOUT2電源系採用Cuk拓撲結構，相關技術文獻中對此具有廣泛的介紹。為瞭解電源系元件上的電壓，需要使用公式2。     公式2 VOUT2效率曲線如圖2所示。這種方法的LTspice模擬模型參見此處。在本例中，LTC3892轉換器的輸入為10V~20V。輸出電壓為10A、+5V和5A、-5V。 圖2　14V輸入電壓時負輸出的效率曲線。 從波動輸入軌產生穩定電壓 圖3所示轉換器的電氣原理圖支援兩路輸出：VOUT1為10A、3.3V，VOUT2為3A、12V。輸入電壓範圍為6V~40V。VOUT1以類似方式創建，如圖1所示。第二路輸出是SEPIC轉換器。與上面的Cuk一樣，該SEPIC轉換器基於非耦合的雙分立電感解決方案。分立扼流圈的使用顯著擴大了可用磁性材料的範圍，這對於成本敏感型元件非常重要。 圖3　SEPIC結構的LTC3892在降壓應用中的電氣原理圖。   公式3 該轉換器在電壓下降和達到尖峰時(例如在冷啟動或電源切斷時)。軌電壓VIN圍繞相對標稱值12V下降或上升。但是，VOUT1和VOUT2均處於穩壓狀態，為關鍵負載提供穩定的電源。雙電感SEPIC轉換器可以輕鬆重新連接成單電感升壓轉換器。 相關LTspice模擬模型參見此處。它顯示了LTC3892轉換器的輸入為10V~20V。本文介紹了基於降壓控制器構建雙極性和雙輸出電源的方法。這種方法支援在降壓、升壓、SEPIC和Cuk拓撲中使用了相同的控制器，而這對於汽車和工業電子供應商來說是非常重要的，因為一旦經過核准，他們便可基於同一控制器設計出提供各種輸出電壓的電源。 (本文作者為ADI高級應用工程師)

電動運輸和分散式發電應用等工業電氣化都需要更多電池。這點對汽車和無人機等快速成長的運輸應用十分明顯，在蓄電與開發電動飛機方面也開始累積動能。這些電池並非獨立組件，而是存在更大系統裡的複雜零件，這些系統必須適當運作，才能確保安全和使用能源效率。電池管理系統(Battery Management Systems, BMS)包括硬體和嵌入式軟體，後者即時監控充電電池，在複雜應用時提供可靠電力。   根據Statista的預測，電動車(EV)的整體汽車市占率可望從2017年的1%成長到2025年的14%。各大車廠都正針對這個成長市場開發車輛。隨著車輛的電動化，多個電池組提供引擎、空調和車載資訊娛樂系統電力，監控和維持電池系統運作將成為關鍵的功能。工程師正在開發電池管理系統，確保這個複雜網路的順利運作，而這需要使用最先進的軟體工具。 快速製作BMS虛擬原型　模擬工具組合少不了 BMS是一種複雜、軟體驅動的電動車控制中心，負責監控電池電壓和溫度，並確保健康運作狀態、監控系統連線狀態、測量電流、計算充電狀態(State Of Charge, SOC)和健康狀態(State Of Health, SOH)；平衡電池單元間的電力輸入和輸出；以及建立電池和動力總成(Powertrain)或充電系統的連結等功能。隨著未來有越來越多系統仰賴電池供電，對快速製作BMS虛擬原型而言，這些模擬工具組合是不可或缺的幫手。 整體而言，BMS獨立確保電動車在最佳效能狀況下順利安全運作。它將資源分配給最能有效利用的區域，並預先通知操作者潛在問題。在最壞的情況下，BMS可實體斷開系統中的電池，避免可能危及車輛乘員的災難性故障。 設計如此複雜的控制中心是一大挑戰。工程師在開發BMS時，廠商提供的模擬解決方案可全程幫助他們，甚至在運作環境下即時管理BMS。舉例來說，ANSYS的電池管理解決方案包括基於物理的模擬來開發一個系統層級的電池系統與BMS，須利用ANSYS Twin Builder、ANSYS medini analyze和ANSYS SCADE embedded code 。 ANSYS medini analyze根據不同產業的不同標準，進行重要安全分析，包括危害和可操作性分析(HAZOP)、故障樹分析(FTA)、失效模式與效應分析(FMEA)，以及失效模式效應與診斷分析(FMEDA)。對車載系統而言，它會確認BMS軟體是否符合道路車輛ISO 26262功能安全標準。 安全分析的第一步是確認和描述BMS的功能和故障。一旦確認故障後，就能進行危害與風險分析(HARA)，透過決定汽車安全完整性等級(ASIL)和對應的安全目標和安全需求，確認危害事件及其對安全的衝擊。BMS的部分功能需要嚴謹的開發過程，達ISO 26262的最高安全完整性等級ASIL D。此要求對於軟體安全需求十分嚴格。 BMS通常包括三大結構組件(圖1)： ．一組由數個電池單元組成的電池組 ．一個開關箱 ．一個電子控制單元(ECU)，包括監控電池單元電壓、電流和溫度的軟體控制器。 圖1　以ANSYS Twin...