自動駕駛

艾邁斯半導體(ams)和Ibeo Automotive Systems GmbH宣布他們已在將固態光學雷達(LiDAR)技術推向自動駕駛市場方面取得了重大進展。ams和Ibeo於2018年開始以ibeoNext固態LiDAR為基礎開始聯合開發LiDAR技術，他們的目標是向汽車市場提供固態LiDAR，以用於先進駕駛輔助系統(ADAS)，並努力往自動駕駛應用發展。兩家公司正穩步依循2022年大規模生產並交付LiDAR的計畫進行，2020年10月Ibeo將開始向全球客戶提供樣品。 LiDAR系統發射雷射脈衝，然後評估從各種物體反射的光。根據所謂的飛行時間或反射的雷射脈衝再次到達感測器所花費的時間，軟體會計算到周圍物體的距離。現代LiDAR系統可以並行處理許多雷射脈衝：結果形成一個環境3D模型，該模型可以識別碰撞障礙和道路標記以及汽車，自行車騎士和行人的位置和動作。結合遠程和高空間解析度的精確度是LiDAR技術的關鍵優勢。與其他LiDAR不同，固態解決方案意味著沒有移動的光束轉向機制，例如機械鏡或MEMS鏡。就可靠性和複雜性而言，這帶來了明顯的優勢。 ams的大功率VCSEL可在掃描和flash應用中展現優勢，因為它們對單一發射器故障不那麼敏感，在溫度範圍內更穩定，並且更易於整合。ams VCSEL能夠形成發射器陣列，這使VCSEL易於擴展。ams技術還允許尋址(Addressability)，或為晶粒的選擇性區域供電。 這將實現真正的固態拓樸(True Solid State Topoogy)。此外，ams的研發團隊提供整合功能安全標準和人眼安全功能的諸多強化功能，進而形成了高度可靠的技術。

賽靈思(Xilinx)日前宣布，搭載賽靈思車規級晶片Zynq UltraScale+ MPSoC的百度車載運算平台ACU(Apollo Computing Unit)於偉創力的中國蘇州廠正式量產，這款硬體平台將率先應用於Apollo Valet Parking(AVP)自動代客停車產品。百度表示已經與多家OEM達成合作協定，其中中國新興車廠威馬汽車將在今年的車款率先搭載百度AVP產品。 百度自動駕駛運算平台　(資料來源：賽靈思) 百度自動駕駛技術部總經理王雲鵬表示，百度持續深耕自動駕駛領域並累積經驗，ACU進入量產意味著團隊已顯著強化車規級功能安全、自動駕駛產品商業化及軟硬體供應鏈管理等方面的能力。將攜手業界的合作夥伴，共同致力於ACU的研發設計。賽靈思作為國際FPGA供應商，為百度ACU提供了核心處理晶片，是其他解決方案無法提供的車規級量產效能。 百度ACU是量產型自動駕駛車載運算單元，包含多個系列產品以因應不同場景的運算需求，ACU生產線目前的年產能可達20萬套。其中，ACU-Advanced是業界首創的自動代客停車專用車載運算平台，提供整合軟硬體的解決方案。傳統的自動代客停車功能主要仰賴超音波雷達，而且在環境感測上必須更安全，所以需要結合停車系統進行更複雜的感測器融合，以良好的深度學習推論能力和運算力來處理複雜的駕駛環境。借助賽靈思車規級、異質多核的Zynq UltraScale+ 5EV平台的感測器和AI處理能力，新平台可支援多達5個攝影機、12個超音波雷達，同時預設毫米波雷達和光達介面，並相容於百度飛漿(PaddlePaddle)深度學習框架，以支援演算法的快速反覆運算和升級。 賽靈思擁有超過20年的汽車產業經驗，近14年來皆維持兩位數的出貨成長，尤其28奈米和16奈米產品系列的成功，成為賽靈思汽車業務成長的驅動力。賽靈思至今已在全球累計銷售超過1.9億片車規級晶片，其中7,500萬片用於量產型先進駕駛輔助系統(ADAS)。賽靈思服務的汽車企業超過200家，包括全球主要的汽車供應商、OEM和新創企業。

Maxim宣布推出速度快、尺寸小的光探測及測距(LiDAR)IC，幫助實現更高速的汽車自動駕駛。與最接近的競爭方案相比，MAX40026高速比較器和MAX40660/MAX40661寬頻互阻放大器可提供2倍以上頻寬，在相同尺寸的單個LiDAR模組內增加32路附加通道，單模組達到128個通道 (競爭產品為96路)，進而使高速公路上的自動駕駛行駛速度提高10mph(15km/h)。 Maxim Integrated汽車核心產品事業部業務總監Veronique Rozan表示，為了給裝配完成的汽車增加下一代LiDAR測距功能，汽車工程師需要更高精度、更低功耗和更小尺寸的解決方案。該公司全面提升的LiDAR方案可支援更先進的駕駛員資訊識別技術以及更快的汽車安全性，用於下一代汽車導航系統開發。 隨著汽車自動駕駛行駛速度從35mph 提升到65mph甚至更高，LiDAR因其能夠提供精準的物體測距而在汽車感測器的融合中發揮著越來越重要的作用。與最接近的競爭產品相比，MAX40660/MAX40661互阻放大器(TIA)可提供2倍以上頻寬，在相同尺寸LiDAR模組中支援的通道數增加33%，為光接收器提供更高解析度的影像，以實現更高的自動駕駛行駛速度。與最接近的競爭方案相比，MAX40026高速比較器與MAX40660/1 TIA的總體系統尺寸減小5mm2，允許開發人員在空間受限的汽車平台中引入更多通道。上述IC符合AEC-Q100認證，滿足汽車行業嚴苛的安全要求，增強型靜電放電(ESD)保護、失效模式影響與診斷分析(FMEDA)可有效支撐系統級的ISO 26262認證。

Molex推出其用於互聯車輛及自動駕駛汽車的下一代乙太網車載通訊技術，憑藉網路滿足聯網車輛和自動駕駛車輛對自我調整性應用的需求。 Molex首席系統架構師 Michael Potts 表示，汽車業正在經歷一場重大的轉型，目前正面對著挑戰，需要滿足車載通訊提出的要求，例如自我調整性應用等等。在軟體定義的未來車輛當中，Molex的乙太網車載網路通訊解決方案是為具有自我調整性的認知功能及應用提供大力支援的建構模組。 在包括 IEEE 802 TSN、安全及 IEEE 802.3 工作組在內的乙太網標準聯盟當中，Molex一直都是積極的參與者及領導者，也是 IEEE 802.1DG TSN 標準概要的原始開發者及主要推動者，這一標準概要將應用於「汽車車載乙太網通訊設定檔」的標準草案。 Potts補充道，對於軟體定義的車載通訊網路來說，它的未來發展要求採用一種系統級的方式，容許將目前在車輛功能上的需求與新型的自我調整性應用融合在一起，從而在提高資料流量的同時，會要求使用更小一些、更加精確的確定性訊號，並且該公司還期待著端到端的延遲會達到接近零的水準。 Molex開發出的下一代車載乙太網路平台可實現完整的車輛生態系統，它跨越了軟硬體和互聯布線系統，實現無縫的多區域整合，以及未來升級所需的可擴展性。

可為駕駛提供幫助，並能夠提高道路安全性的高級駕駛輔助系統現在已整合到入門款車輛，成為汽車世界中的常見技術。全自動駕駛汽車(包括測試汽車)經常會成為新聞頭條，尤其是在自動駕駛車輛發生事故後。這些複雜系統在準備批量生產前還有很長的路要走，但可肯定其會於不久的將來成為現實。 汽車雷達感測易受干擾 能夠偵測附近物體的感測器是自動駕駛汽車的關鍵元件，這些包括攝影機和雷射雷達感測器，尤其是雷達感測器更為重要。現今每年生產數以百萬計的汽車雷達，為高階車輛中的標準裝置。汽車雷達感測器主要用於提高駕駛舒適性和預防事故，大多支援主動車距控制巡航的雷達感測器均在76GHz至77GHz頻率範圍(1GHz頻寬)內運作，用以感測遠處其他車輛和物體。汽車雷達要實現一些先進功能，特別是能夠感測附近物體的功能，如變道輔助和盲點偵測等，需要其於77GHz至81GHz頻率範圍內運作，以更大頻寬才能實現所需高解析度；且高達81GHz的擴展汽車頻段有助於減少無線電干擾。 由於汽車外觀比功能更重要，汽車雷達通常被雷達罩覆蓋，該雷達罩由對RF訊號透明的材料製成。汽車散熱器格柵上的標誌通常用於雷達罩用途，塑膠保險桿也是雷達良好藏身之處。過去標誌主要用於推廣品牌，而無其他重要作用，但現可作為雷達天線罩，因而更像RF零組件。若於設計中不考量此點，則可能對標誌後的雷達探測性能及準確性產生不利影響。 尤其是具有局部材料厚度變化的三維形狀品牌標誌可能會導致在毫米波段運作時導致出現RF性能問題。保險桿通常塗有金屬漆，可減弱高頻訊號。因此為確保雷達可靠性，必須驗證天線罩的材料屬性並檢查其對雷達訊號的影響。對自動駕駛而言，汽車感測器的不確定性和風險皆無法接受，基於以上產生的錯誤皆無法透過後續處理而充分糾正。因此車輛製造商及其供應商需要全新量測功能，以便評估天線罩雷達一致性。 雷達偵測精準度受多方影響 汽車雷達感測器主要使用頻率調變連續波(FMCW)訊號。由於傳播延遲和都卜勒(Doppler)頻移，這些感測器可量測並解析多個目標的距離及徑向速度。根據天線陣列特性，還可量測和解析方位角甚至至仰角。在偵測及追蹤後，感測器電子裝置處理訊號以生成目標參數清單，其中包含物件量測位置、速度以及類型訊息(行人及汽車等)。此清單將被發送至車輛電子控制單元，用於即時決策車輛操控。因此該資料的準確性和可靠性對車輛及乘客安全極為重要。 雷達精度取決於多因素，如硬體零元件、軟體處理和雷達回波本身。具有低訊噪比(SNR)的訊號回波參數無法像高SNR訊號一樣精確量測。此外，諸如多路徑傳播和天線罩等引起的失真也大幅影響量測精度；方位角量測誤差會導致目標看起來與實際位置有偏差，如圖1所示。雷達感測器角度量測誤差僅為1O，將導致100m外的目標看上去橫向偏移1.75m，以致被誤認處於不同車道。為確保可靠運作，在此距離下角度量測誤差須遠小於1O。 圖1　由於方位角量測錯誤，未正確檢測到目標位置，自動駕駛車輛控制器可能會做出致命動作。 天線罩選用決定雷達偵測精度 圖2顯示基於實際汽車零組件量測結果得出的方位角偏差影響，其中商用汽車雷達與靜止目標距離為12.4m，角度為11.5O，該圖顯示不同天線罩如何影響雷達的橫截面和入射角。以A區顯示值(無天線罩)也在此提供用於比較；可以看出當使用合適天線罩(B區)時，對入射角的估算無影響，但雷達橫截面會以兩種方式減小(在此狀況下約為2dB)；若使用不合適的天線罩(C區)，相對於比較量測值，平均雷達橫截面下降約4dB，使其難以偵測弱反射目標。不合適天線罩對偵測入射角的影響亦明顯。在恆定11.5O時無法看見，但在11.5O和11.7O間交替變化時則可顯示，因此訊號處理電子裝置不會獲得明確值。使用該天線罩，汽車雷達無法達到0.1O的目標精度。 圖2　不同天線罩對雷達橫截面(RCS)和入射角影響，不相容天線罩會導致角度誤差。 多因素考量輔助雷達校正 現代雷達感測器在接收器前端通常具有天線陣列，透過量測由相控陣天線波束成形獲得的相位和振幅比確定方位角(有時還可確定仰角)。為獲得最佳方位角精度，必須單獨校正每個雷達感測器。以下是雷達校正的典型程式：首先將感測器安裝在消聲室內轉盤上，遠場中已知距離的角反射器通常作為參考目標；量測雷達方向圖並將其儲存於感測器記憶體(Memory)中，再由偵測演算法使用，於訊號處理過程中校正演算，並於運作期間完成。 車輛製造商通常在標誌或保險桿後方將校準的雷達感測器整合至車輛。由於訊號必須在到達目標和從目標返回過程中兩次穿過天線罩材料，因此天線罩材料對於RF傳輸訊號的減弱出現兩次。從以下分析可看出其減小雷達偵測範圍。 根據訊號傳播定律，訊號傳輸後功率與距離r的平方成反比，代表在訊號往返過程中，其功率將減小因數1/r4。對於具有3W輸出功率、25dBi天線增益、雷達目標橫截面為10m，而訊號偵測臨界值為-90dBm的77GHz雷達使用此等式，配置最大範圍為109.4m。若天線罩雙向減弱為3dB，則同一雷達最大距離將減少16%，僅為92.1m。 但材料減弱並非減低雷達性能的唯一因素，天線罩材料的反射率和均勻性也很重要。例如塗漆中金屬顆粒的反射以及基礎材料的射頻失配會在天線罩內(即靠近感測器位置)產生干擾訊號，後者於接收器鏈路中被接收和下變頻，進而降低雷達偵測靈敏度。許多汽車製造商試圖透過傾斜天線罩減輕此影響，使發射的雷達訊號反射至其他處，而非直接回到接收器前端。但此種解決方案會受設計限制，且無法消除導致RF能量損失的寄生反射。 另一個問題則是，天線罩中夾雜物和密度變化等導致材料不均勻，會干擾出射和入射波前，因而可能失真，並降低角度量測準確度。雷達感測器校準無法補償此種影響，因為即便雷達校準後也可能安裝在不同製造商的天線罩後面。 傳統黃金裝置偵測死角易現 天線罩製造商通常使用參考雷達(黃金裝置)測試其產品。對於這種測試，將角反射器以事先預定距離和方位角安裝在雷達前面(圖3)，分別在有和無天線罩的情形進行差動量測再加以比較。若雷達測定距離和方位角以及回波訊號在指定範圍內，天線罩測試始合格。但此方法僅檢查特定方位角，易錯過天線罩中有問題的區域。另一種量測方法以類似方式操作，但僅需一個反射器—將雷達感測器和天線罩安裝至轉盤，以不同角度重複量測，可從轉盤讀取實際角度(地面真實狀況)並與雷達測得角度比較。該方法與轉盤定位精度一樣精確，但因測試需長時間故不適用於生產線測試。 圖3　使用黃金裝置的典型測試設置。 天線罩測試儀克服傳統限制 有方案能克服傳統方法的局限，像是羅德史瓦茲(R&S)QAR汽車天線罩測試儀(圖4)使用具數百個發射及接收天線的大型面板代替具微小天線陣列的黃金裝置，這些天線在75GHz至82GHz的擴展汽車雷達頻率範圍運作，使汽車雷達綜合數百個天線資料；由於具大孔徑，可憑藉更高解析度(mm範圍內)量測距離、方位角和仰角，使量測結果(即反射率)顯示為X射線影像，即便測試及量測經驗受限者也可立即進行品質評估。與使用真實雷達量測不同，此方法毋需費時量測順序以確定天線罩特性，只需一次時程即可獲得結果，類似使用攝影機拍照。 圖4　R&S QAR汽車天線罩測試儀。DUT安裝在操作台前邊緣，桌台上的藍色裝置包含用於傳輸量測的可選mm波發射器。 被測天線罩放置於面板前的指定區域，可進行兩種量測，一種用於確定被測裝置(DUT)反射率，另一種用於確定透射率。 首先進行反射率量測以確定天線罩材料反射多少能量，此能量無法透過天線罩。如上所述，反射訊號會降低性能，甚至損害正確運作。由於各種原因，某些區域可能具有較高反射率，如材料缺陷、空氣夾雜物、不同材料層間的有害相互作用或某些材料組分過多等。透過根據幅度和相位連貫使所有反射訊號連接，該量測方法提供空間分辨量測結果，而視覺化結果能直觀、定量評估DUT反射特性。 圖5　反射率(左)和單向衰減(右)的高解析度mm波影像。標誌中的白色輪廓表示測試發射器或雷達輻射橫截面，該區域用於評估。 圖5中高解析度雷達影像顯示演示用天線罩(圖6)覆蓋下雷達感測器看到的影像，亮度水準代表反射率、區域越亮、反射雷達訊號越多；金屬物體(四角螺釘)顯示為白色，標誌清晰可見的輪廓顯示局部高反射率和非常不均勻的整體影像；標誌區域中較大的0.5mm厚度足以大幅降低雷達性能。 圖6　演示天線罩，僅在天線罩主體表面上方突出0.5mm，即便厚度微小增加也會導致在77GHz時失配。 此示例中天線罩中間部分平均反射率為-11.0dB，標準差為-18.2dB，在許多使用場景中此值過高，無法確保雷達可靠操作。實際上預期反射率取決於雷達單元靈敏度和欲覆蓋的最大偵測範圍。 接下來量測天線罩材料的頻率匹配及衰減。位於DUT後的發射器在選定頻率跨度掃描，可精確評估天線罩的發射頻率回應，回應可提供有關DUT用於雷達操作確切頻段上RF匹配的詳盡訊息，其與雷達使用的實際訊號波形無關，因此對可安裝在天線罩後的雷達均有效。圖6右側圖則顯示演示天線罩的量測結果，由於76GHz至79GHz之間的高波紋度，該天線罩不適用於在該頻段操作的雷達。 若使用汽車行業真實3D天線罩的傳輸量，可測得圖7中類似鋸齒狀的曲線，該天線罩會遇到各種性能問題： 頻率匹配位於不太有利的71GHz左右而非於76GHz，是因某些天線罩層厚度增加所致；79GHz頻帶中不穩定的減弱變化表明駐波比顯著增加，表示天線罩邊界處反射及強烈干擾效應；總體單向(One-way)衰減相對較高，將導致偵測範圍顯著減小。 圖7　在一個複雜3D設計商用多層天線罩上進行的透射率量測。 準確感測實現安全自駕 自動駕駛需可靠雷達正確無誤偵測周圍區域物體，可行性取決於雷達品質及其安裝狀況。雷達安裝在品牌標誌或保險桿後，車身部件(天線罩)會減弱訊號，以致無法偵測物體或於錯誤位置偵測到。當下此類部件不僅需滿足其原始目的，且須具備特定RF特性，並以準確實用的量測方法驗證。相較黃金裝置，此測試儀能更快、更易評估汽車天線罩品質，不僅量測DUT的RF透射率，進而帶出天線罩設計的基本適用性，並量測反射率而視覺化為X射線影像，亦可讓非專業人員進行可靠合格/失效評估，對於生產線終端測試尤為重要。 (本文作者皆任職於羅德史瓦茲)

人工智慧(AI)、5G的出現牽動革新浪潮，為打造靈活多變、萬物智慧的世界，賽靈思(Xilinx)啟動資料中心優先、加速核心市場發展及驅動自行調適運算三大策略，期能藉此讓更多各式各樣的軟體和系統開發者加入自行調適運算的世界，釋放創新活力，讓產業邁入嶄新的自適應運算時代，迎接未來AI、5G創新浪潮。 以數據資料為優先力推資料中心轉型 人工智慧(AI)的發展、日益複雜的工作負載與非結構化資料的爆炸式成長，正迫使資料中心快速轉型。隨著5G、AI、雲端運算、物聯網及自動駕駛等新一代資訊技術快速演進，全球資料正呈現指數級增長並呈現大量聚焦的態勢。 根據IDC預測，從2018~2025年，全球每年被創造、蒐集或複製的資料將成長五倍以上，預計將從2018年的32ZB增至2025年的175ZB，而中國將於2025年以48.6ZB的資料量及27.8%的占比，成為全球最大的資料匯集地。無論是公有雲，私有雲還是混合雲，面對無止境的資料成長，都希望能夠大幅提升資料中心的使用率、效能與能源效率，並且降低營運成本和總成本，現代資料中心的升級轉型勢在必行。 也因此，賽靈思將資料中心視為重要戰略市場。賽靈思執行副總裁兼資料中心事業部總經理Salil Raje(圖1)表示，以資料中心為優先的戰略共有三個細分層面，分別是運算、網路、儲存。目前成長最快速的是運算市場，不過，網路、儲存市場的成長速度也相當驚人。 圖1　賽靈思執行副總裁兼資料中心事業部總經理Salil Raje表示，雲端移至邊緣運算的趨勢，對資料中心成長大有助益。 Raje進一步說明，同時，從雲端移至邊緣運算的趨勢，也帶動了資料中心的成長。邊緣運算的興起，使得許多應用不見得只能在雲端運作，透過邊緣資料中心也可實現，這樣的運算遷徙對於資料中心業務成長有很大助益。當然，未來並非是所有的運算都會轉移至邊緣，而是會呈現混合的狀態，也就是既有雲端運算也同時有邊緣運算，現有的雲端市場仍呈高速發展。 因應大量的運算需求，2018年的Xilinx XDF上，賽靈思先推出功能強大的Alveo加速器卡產品系列。該產品旨在大幅提升雲端和在地資料中心業界標準伺服器效能，推動自行調適的普及應用。該產品系列目前已擴展至Alveo U50、U200、U250、U280四款產品，並已在美國、歐洲和中國市場得到廣泛的應用。而在2019年，賽靈思則宣布收購Solarflare，將FPGA、MPSoC和ACAP解決方案與Solarflare的超低延遲網路介面卡(NIC)技術以及Onload應用加速軟體整合，進而實現全新的融合SmartNIC解決方案。 據悉，兩間公司合併後所開發的SmartNIC將能在介面卡上直接運行網路、儲存與運算加速，省去在伺服器上運行這類工作負載。同時，賽靈思也會將Solarflare網路技術整合至Alveo加速卡系列上，協助關鍵資料中心的工作負載。 Raje指出，現今的CPU已逐漸無法負荷愈來愈龐大的運算需求，因而需要使用加速器的解決方案實現更多應用，並提高運算速度；然而，隨著應用愈來愈多元，不太可能一出現新的應用，就重新設計、開發一個晶片，因此便需要建立所謂的自行調適運算，也就是讓產品有強大的自我調整能力。 Raje說明，以該公司產品為例，由於硬體是可編程設計，因此在實際應用上就如同軟體一般，可以針對不同的應用情景或需求進行訂製，以處理不同的工作負載。簡而言之，靈活應變的高效能運算、儲存和網路加速自行調適運算加速平台，正在加速驅動資料中心轉型，該公司旗下Alveo加速器卡平台、Versal自行調適運算加速平台結合不斷壯大的合作夥伴生態系，將為資料中心企業升級轉型和持續發展提供強大動能。 5G/自動駕駛為兩大重點核心市場 除了以資料中心為優先外，賽靈思也積極布局核心應用市場，而5G和自動駕駛便是兩大重點目標。首先在5G方面，隨著5G業務迅速成形，其所覆蓋的廣度與深度正達到前所未有的水準，而5G帶來的商機也明顯可期。 賽靈思執行副總裁兼有線與無線事業部總經理Liam Madden(圖2)表示，5G將對該公司營收帶來顯著的成長，在5G時代，基站數量和4G相比，至少增加50%，因5G有著不同的頻段，因此基站的數量增加會帶來更多的收益成長。 圖2　賽靈思執行副總裁兼有線與無線事業部總經理Liam Madden指出，5G商機龐大，預估收入將會是4G時代的3~4倍。 另外，5G時代天線設計愈來愈複雜，4G時代多是透過4根天線進行收發，但5G時代至少是64根天線，而有這樣的數量變化，對於晶片的要求也會更高。將上述這些因素疊加起來，該公司預測5G時代的收入將會是4G時代的3~4倍。 因應5G商機，賽靈思也宣布擴大旗下Zynq UltraScale+射頻(RF)系統單晶片(SoC)系列，推出具有更高RF效能與擴充性的產品，新一代的元件能涵蓋6GHz以下(sub-6GHz)的所有頻段，滿足部署新一代5G網路的關鍵需求；同時可支援直接射頻取樣，內含高達每秒取樣50億次(GS/S)的14位元類比數位轉換器(ADC)及每秒取樣100億次的14位元數位類比轉換器(DAC)，兩者的類比訊號頻寬皆高達6GHz。 另外，新產品在單顆晶片中整合更高效能的射頻資料轉換器，因此能提供廣泛的頻段覆蓋率，滿足業界部署5G無線通訊系統、有線電視存取、先進相位陣列(Phased-array)雷達解決方案以及包含測試、量測和衛星通訊在內的其他應用之需求。省去分離式元件能減少高達50%的功耗與元件空間，使此產品成為電信營運商落實大規模多輸入多輸出(mMIMO)基地台布建5G系統的理想選擇。 除此之外，賽靈思也與三星聯手在韓國完成全球首例5G NR商用部署，透過UltraScale+平台功耗小、記憶體容量大等特性，助力三星開發出輕量、外形精實、低功耗的5G產品。 另一方面，除了個人用戶端的應用，工業互聯網、自動駕駛等也是5G業務的重要應用領域，並且對5G業務提出了低延遲的要求，即資料傳輸要在幾毫秒之內完成。對此，賽靈思提供可靈活應變且業界獨有的5G通訊平台，其採用的高度整合晶片具有RF ADC和DAC、加速5G NR功能以及可以滿足mMIMO無線電、大型基站(Macro Base Station)和蜂巢式網路部署所需的最高效率效能。 另一方面，布局自動駕駛市場，賽靈思也於近期發布全新高效能的自行調適元件XA Zynq UltraScale+ MPSoC 7EV與11EG，進一步擴大其車規級16奈米系列產品。這兩款新元件能提供最高的可程式化容量、效能與I/O功能，並為L2+到L4等級的先進駕駛輔助系統(ADAS)與自動駕駛應用提供高速資料彙整、預處理和分配(DADP)及運算加速。新款元件提供超過65萬個可程式化邏輯單元與近3千個DSP單元，和前一代最大元件相比增加2.5倍。在新增這兩款高效能元件後，包括汽車製造商、自駕計程車開發商和一級供應商都能在一定的功耗範圍內執行DADP與運算加速，加速自動駕駛車輛的生產部署。 賽靈思汽車戰略與客戶市場行銷總監Dan Isaacs(圖3)指出，未來汽車自動化駕駛的程度會越來越高，汽車將會由系統進行控制，而非駕駛員，進而衍生出全新的交通服務現象以及商業模式。然而，若是要實現自動駕駛，其中一項關鍵就是要達到低延遲。 圖3　賽靈思汽車戰略與客戶市場行銷總監Dan Isaacs說明，FPGA靈活性高，因此比ASIC更適合汽車多變的設計。 Isaacs說明，低延遲對於自動駕駛而言十分重要，車用系統要反應速度非常快才能確保安全。在正常情況下，若是用傳統CPU、GPU或是DSP等元件，雖然說可以實現高吞吐量，但卻難達到低延遲，因為處理時間較長，意味著反應時間也長。為此，該公司致力發展高吞吐量卻又能有低延遲的車用元件，同時還要保有「不斷變化」的能力；這都是因為自動駕駛搭載的感測器數量愈來愈多，使得運算需求不停變化，而只有可擴展的自適應性產品才能滿足運算、技術的不斷變遷。 然而，現今除了CPU、GPU之外，也已有越來越多車商或半導體業者採用高效、低功耗且能大規模量產的ASIC(例如特斯拉)，因應自動駕駛所需運算需求，或處理、分析大量的感測數據(如雷達、光達、攝影機等)，而這是否會對FPGA有所影響？ 對此Isaacs認為，自動駕駛的功能需求不斷變化，而可編程的FPGA晶片有著更好的設計和升級彈性，靈活性優於ASIC，因此更能符合自動駕駛多樣的功能設計。 Isaacs進一步說明，FPGA是一個可編程的邏輯晶片，可以支援多種演算法，以讓晶片適用不同的自動駕駛功能(例如安全、感測等)。若是採用ASIC，如果要更改其中一項功能，或是指令要求的話，很可能無法輕易更動，而需要重開一顆ASIC。如此一來，不僅成本提高，也可能會增加風險，因為不確定後來新開的ASIC是否適用。由於自動駕駛的安全需求是不斷變化，而採用FPGA的話，便可以用同一個元件滿足各種功能調整、改進、增添的需求，而這是ASIC無法做到的。 Isaacs指出，許多人認為FPGA價格遠高於ASIC，因此較少採用，其實這是一種對FPGA的誤解。賽靈思目前已出貨1.7億顆的車用FPGA晶片，這證明FPGA的適用性、效能及優勢，且可編程的靈活特性又可以減少重開晶片的風險及成本；換言之，FPGA所能帶來的效益及優勢已遠遠超過其價格，擁有相當好的性價比。因此，該公司致力擴展車用產品系列，協助車商、系統業者實現數據整合處理，並透過更佳的靈活性和擴充能力，滿足瞬息萬變的自駕車市場。 推動新類型運算加速AI發展 最後，賽靈思則是積極推動自適應性運算，以因應變化多端的AI發展。賽靈思軟體與AI產品市場行銷副總裁Ramine Roane(圖4)指出，AI為現有的處理器帶來很大的挑戰，過往都是一年半到兩年的時間打造一個ASIC或GPU，然而，現在幾乎每三個就月會出現新的AI模型，使得既有的晶片設計時程很難趕上AI的創新速度。 圖4　賽靈思軟體與AI產品市場行銷副總裁Ramine Roane透露，自我調適的FPGA產品可滿足快速變遷創新應用。 Roane說明，為此，如今的發展重點在於，如何加快設計速度，以趕上創新速度。如上述提到，AI只需幾個月的時間(3~6個月)就會更新，出現新的運算模型，而晶片製造商不太可能隨著AI更新速度，每6~9個月就重新設計硬體，推出新的晶片。因此，需要能夠「自我調整」的平台，也就是設計要靈活多變，可以針對不同應用進行定製或優化，如此一來才能趕上創新的變化。 因此，賽靈思除了打造可自我調適的FPGA產品，以針對不同應用進行硬體優化外，也推出最新Vitis統一軟體平台，讓軟體工程師、人工智慧科學家等更廣泛的開發人員都能夠受益於賽靈思靈活應變硬體加速的優勢。 這是賽靈思首次推出一個軟體和硬體設計整合的開發工具平台，也是該公司從元件向平台公司戰略轉型的重要產品之一。Vitis可以根據軟體或演算法程式碼自行調適和使用賽靈思硬體架構，讓使用者從繁雜的硬體專業知識中解放，借助Vitis平台，無論是軟體工程師還是AI科學家都將受益於賽靈思靈活應變的硬體優勢。而對於硬體開發者來說，Vitis則能讓軟硬體工程師在同一個工具平台上協作，顯著提升工作效率。 值得一提的是，Vitis平台的第四層為Vitis AI，其整合了領域專用架構(DSA)。DSA配置賽靈思硬體，便於開發者使用TensorFlow和Caffe等領先業界的框架進行最佳化與編程。Vitis AI提供的工具鏈能在數分鐘內完成最佳化、壓縮及編譯操作，在賽靈思元件上高效地運行預先訓練好的AI模型；此外，它還為從邊緣到雲端的部署提供專用API，實現高效的推論效能與效率。 Vitis和Vitis AI目前已開放免費下載，讓軟體工程師與AI科學家在內的廣大領域開發者，都能運用自己熟悉的軟體工具與框架發揮賽靈思靈活應變的硬體優勢，將為從邊緣到雲端的人工智慧和深度學習提供最佳人工智慧推論。 賽靈思總裁暨執行長Victor...

瞄準電動巴士商機，車王電積極建構台灣產業鏈並進軍海外市場，除了已先投資1.6億元進行自駕巴士產品研發外，更宣布與工研院攜手合作，並整合14家國內車用電子之設備及軟硬體廠商，如馬達、儀表、系統、感測器、圖資及聯網資安等，建構國內自動駕駛產業鏈(並在未來切入國際車廠一級供應)。預計在2021年前共同打造10部國產自動駕駛電動巴士，而試量產的第一輛自動駕駛電動巴士最快2020年第一季就會出廠。 車王電暨華德動能董事長蔡裕慶表示，車王電為台灣首家車用電子專業生產廠家，為掌握電動商用車發展平台，於2011年投資台灣首家獲得電動巴士自主開發資格認證之電動商用車製造廠「華德動能」。台灣產業過往最大的問題在於欠缺系統平台，使得許多零組件、軟硬體難以實際淬煉；因此，車王電與華德動能致力提供系統平台，同時串聯台灣產業鏈，讓這些車用相關技術、產品能有實際淬煉、運行的機會。 車王電攜手工研院，並串聯台灣產業鏈搶攻電動車商機。 蔡裕慶認為，台灣自產的電動車未來終須走向國際市場，由於地形限制的關係，台灣本身的汽車需求量和全世界相比，可說是微乎其微，因此不能單靠內銷，而是要拓展海外市場。因此，電動車業者必須要想辦法成為「解決方案供應商」，也就是要串聯眾多的產業鏈，以實現智慧城市、智慧交通為出發點，而非是單純銷售車體而已。 蔡裕慶進一步說明，這也是該公司積極發展電動自駕巴士的因素，因為自駕車是智慧運輸不可或缺的要角。與工研院的合作，除了會整合工研院的自駕感知與決策次系統外，也會整合台灣ICT、零組件、儲能等眾多產業鏈，以打造先進的電動公車平台；在推動電動車商業化的同時，也將台灣的產業鏈、產品推向國際。 像是上濱空調、四零四科技、車王電子、亞勳科技、佳世達、岩田友嘉、明泰科技、東元電機、宸耀科技、華德動能、勤崴國際、福華電子、銓鼎科技、輝創電子等共14家廠商，都包含在本次的合作案中，預期將在2021年完成Level 3+等級的自駕電動公車量產(目標先打造10部國產自動駕駛電動巴士)，希望藉此建構台灣自動駕駛產業鏈整體發展，滿足國內自駕營運需求，近一步搶攻國際自駕市場商機。

博世(Bosch)於日前宣布將投入生產用於汽車的低成本遠距光達(LiDAR)感測器，偵測範圍包含短距的城市至長距的高速公路，希望透過更低價的產品，加快光達普及率及推動自駕車發展。 Bosch宣布投入生產用於自動駕駛的低成本光達感測器。 Bosch管理董事會成員Harald Kroeger表示，透過突破感測器技術侷限，該公司為可見的未來做出此決定性貢獻，使自動駕駛技術得以進步，期望使自動駕駛方便及安全，並成為卓越實踐。 由於光達提供極高解析度、遠距測量及廣闊視野，被視為推動自動駕駛技術的重要關鍵。Bosch開發人員經研究調查，分析高速公路至城市的全自動駕駛功能案例並證實，如欲使自動駕駛推出時安全性最大化，整合部署雷達、影像和光達三個感測器勢在必行，可排除雷達偵測盲點及光線干擾，確保車輛感測，不僅將符合自動駕駛安全要求，未來更能有效整合技術至各種車型。 價格及技術一直是光達普及的障礙—目前雖有數家廠商將光達技術使用於汽車，但高昂價格令市場無法引起強烈迴響，根據路透社報導指出，光達設備進行大量生產的條件，必須低至200美元才有可行性。環顧市場中致力於研發低成本光達的眾多公司，Bosch本次宣布將投入研發低成本光達感測器，估計有機會可以加速該技術於市場中的廣泛應用。

為加強自動駕駛車輛的安全性，國際電氣電子工程師協會(IEEE)近期通過一項提案，以推動自動駕駛車輛決策系統相關標準制定；預計制定的新標準為「IEEE 2846」，此標準將為自動駕駛車輛決策系統建一套數學模型，以明確指出自動駕駛車輛的安全定義。IEEE也委派英特爾(Intel)資深首席工程師Jack Weast標準制定工作組的負責人，該工作組預計在2020年第一季召開首輪會議。 英特爾資深首席工程師Jack Weast。 IEEE計算機協會標準項目副總裁Riccardo Mariani表示，此一標準化項目將為自動駕駛車輛決策模型提供重要的依據；系統中的冗餘(Redundancy)和多樣性(Diversity)在制定可擴展的框架，實現自動駕駛安全方面扮演重要角色。 目前汽車、半導體產業和監管機關都積極尋找一個統一的標準以規範、保證自動駕駛車輛的安全性；不過，即使大多數的人都支持建立自動駕駛車輛相關安全標準，並依此標準發放自動駕駛車輛的駕照，但由於缺乏業界共識，因此多項標準和監管方案仍在醞釀中。 另外，技術的不斷變化與高速發展為IEEE相關標準制定者帶來了壓力，同時也促使其加快全球自動駕駛汽車相關規定的制定工作。為此，IEEE將會推動自動駕駛行業標準制定工作。而「IEEE 2846」則將為自動駕駛汽車建立一套數學模型，將安全駕駛概念具體化為一個可驗證的模型，並包含一套可針對自動駕駛車輛進行驗證的測試方法和工具，且技術保持中立(也就是任何人都可以使用或相容各種方案)；值得一提的是，該標準還保留彈性以因應各地方政府不同的法規政策。 該提案由IEEE兩個委員會發展(分別為IEEE計算機協會和車輛技術協會)，英特爾資深首席工程師Jack Weast將主持此一工作組。英特爾將以Responsibility Sensitive Safety(RSS)模式為標準制定出發點，希望透過RSS定義出一套邏輯上可驗證的規則以及應對危險情景的規定，確立自動駕駛汽車具備什麼條件才算真正安全。英特爾指出，RSS顛覆了人們的認知，將人們對安全駕駛的固有認識轉化為透明、可驗證的數學公式，並將重新定義未來的自動駕駛汽車安全標準。

NVIDIA近日於2019 GTC China上發布多項自駕車相關產品與合作策略，例如軟體定義自主機器平台DRIVE AGX Orin、提供用於自動駕駛車的深度神經網路，以及與滴滴出行共同推動自動駕駛發展等，在在顯示NVIDIA的企圖心，期透過上述產品和合作夥伴建立更強大的生態系，擴大自駕市場藍圖。 NVIDIA創辦人暨執行長黃仁勳表示，打造安全的自駕車，也許是當今最具挑戰性的運算難題。開發自駕車所需的投資以指數增長，而面對複雜的開發任務也需倚賴具擴充性且可編程的軟體定義人工智慧平台來解決；此外，AI自駕車是軟體定義的汽車，它必須基於大量資料集才能在全球行駛。 為此，NVIDIA推出全新軟體定義自主機器平台DRIVE AGX Orin，並宣布提供用於自動駕駛車輛的深度神經網路，使開發者能夠根據不同的資料集進行最佳化。透過這些方式，得以在保護資料所有權與隱私的同時，實現跨企業和跨國的共享學習，並加速全球自駕車的落地應用。 NVIDIA全新軟體定義自主機器平台DRIVE AGX Orin亮相。 據悉，新推出的DRIVE AGX Orin平台搭載名為Orin的全新系統單晶片(SoC)，由 170億個電晶體所組成，並結合NVIDIA新一代GPU架構與Arm Hercules CPU核心，以及全新的深度學習和電腦視覺加速器，提供每秒高達200兆次的運算，幾乎是前一代系統單晶片Xavier的七倍。Orin能夠處理在自駕車與機器人中，同時運行的大量應用程式以及深度神經網路，並達到ISO 26262 ASIL-D等系統安全標準，支援從Level 2到全自動駕駛Level 5車輛開發的相容架構平台，使得 OEM業者可以開發大規模且複雜的軟體產品系列。 同時，由於AI對於安全的自駕車開發來說至關重要，它能夠讓其感知周圍環境並做出即時反應，進而更聰明地行駛於道路上。其核心是由數十個深度神經網路組成，它們可以處重複且不同的任務，以確保精確的感知、定位和路徑規劃。因此，NVIDIA向自駕車開發者開放其預先訓練好的AI模型和訓練代碼。透過NVIDIA AI工具，生態系內的開發者們可以自由擴展和自訂模型，以提高自動駕駛系統的穩健性與效能。 另一方面，NVIDIA也積極協同合作夥伴加速自駕車發展，如滴滴出行將使用NVIDIA DRIVE為其Level 4自駕車提供推論能力；滴滴在今年 8 月將其自動駕駛部門升級為獨立公司，並與產業合作夥伴展開廣泛合作。作為滴滴自動駕駛汽車中心AI處理的一部分，NVIDIA...