人工智能大数据,工作效率生产力
Ctrl + D 收藏本站,更多好用AI工具
当前位置:首页 » AI资讯

自动驾驶与SOA架构下MCU的变化兼论国产MCU

2024-10-25 36

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图

自动驾驶与SOA架构下MCU的变化主要是算力要大幅提升,运行频率至少在300MHz以上,片上Flash容量不低于20MB,足以运行轻量虚拟机,还要具备矢量运算能力。汽车SOA架构即服务导向架构或软件定义汽车架构,在硬件领域对应的就是Zonal架构,即中央计算服务器架构,也有称之为域/区架构。

典型Zonal架构

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图1

图片来源:互联网

整车厂已在分布式架构软件开发上投入了大量精力财力人力,这是一笔巨大的研发资产,物理上的计算单元只有1-2个,要想复用分布式架构上的软件成果,逻辑上需要虚拟出原本一个功能对应一个ECU的架构。

大多数现代ECU将运行AUTOSAR(AUTomotive Open System ARchitecture)经典软件架构,该架构提供了基于软件组件的集成模型、时间和空间分离、大量的功能安全和信息安全机制,以及通过软件集群机制的部分更新等。ECU软件包括来自多方的部件,包括OEM(应用)、Tier 1(中间件和集成)、Tier 2(MCAL,抽象层,通常由硬件芯片厂家提供)和第三方(AUTOSAR BSW、操作系统、安全固件等)。

整车厂的工作主要就是整合来自多个供应商的软件部件,并使其达到ASIL的C级或D级。最佳解决办法是使用hypervisor虚拟机,将一个物理ECU变成多个虚拟ECU。在AUTOSAR术语中,每个虚拟ECU是一个单独的ECU(有自己的EcuExtract),通过COM和虚拟网络与其他虚拟ECU进行通信。这种解决方案允许每个虚拟ECU像今天一样,通过保留建立ECU集成模型的松散耦合来进行集成。

每个虚拟机均被单独编译和链接,每个虚拟机都有自己的RTE。一个RTE配置的改变并不要求整个系统被重新构建。每个虚拟机都有对处理器硬件的完全、虚拟化的访问。对一个虚拟机的改变不一定需要对整个系统进行重新测试。一个虚拟机可以独立于整个系统重新启动,最大限度地减少同一ECU上其他(不相关)功能的停机时间。

每个ECU最后执行或控制的硬件通常是MCU,即虚拟机在MCU上运行,而MCU的运算能力有限,要求虚拟机必须轻量级。这种级别的虚拟机目前主要由三家垄断,一家是VECTOR的veHypervisor,一家是ETAS的RTA-HVR也有写RTA-LWHVR,LW即轻量级,还有就是EB的corbos。

汽车MCU市场高度集中,按金额计算,2021年前六大厂家市场占有率高达97.5%,前三大厂家市场占有率高达75.6%。瑞萨市场占有率28.8%位居第一,NXP为24.9%,英飞凌为21.9%。德州仪器为7.5%,Microchip为7.4%,意法半导体为7.0%。

瑞萨MCU的生态系统

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图2

图片来源:互联网

之所以集中度如此之高,主要是MCU需要强大的生态系统支持,强者恒强,大者恒大,后进厂家除非通过收购才能切入市场,除此之外自建生态系统非常困难,几乎不可能。汽车MCU周边的生态系统主要包括编译器、时序分析、自动代码生成、仿真与虚拟原型、测量与标定、模拟器、IDE、汇编器。

国内在RTOS领域,ETAS市场占有率高,非RTOS领域,VECTOR很强。此外还有德国大陆汽车旗下的EB。这两家都是德国企业,ETAS是博世的全资子公司,或许是因此人们觉得ETAS独立性欠缺,VECTOR在中间件领域一直独大。

ETAS目前主要产品是RTA-OSEK,一般公司并不会购买源码的license,用户只能得到一个library文件,无法查看具体实现,如果OS出现一些问题,很难去debug。当然大公司会购买源码,价格惊人。RTA-OSEK具有一个适用于汽车ECU设计所有领域的生产型实时操作系统。它同时采用了AUTOSAR-OS SC1和OSEK/VDX OS V2.2.3标准,并完全符合MISRA C的要求。它具有一个尺寸极小而且运行速度极快的内核,该内核适用于20多种微控制器,包含了所有主流MCU。

2010年ETAS就推出RTA-HVR,最早是基于意法半导体的SPC58ecMCU的,在今年5月,瑞萨选中了RTA-HVR,用在其最新的RH850/U2A/B上,也就是今天的主角。顺便说一句,EB的corbos与NXP的S32G系列合作比较密切。

RH850/U2A与瑞萨网关芯片S4构成Zonal核心架构

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图3

图片来源:互联网

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图4

图片来源:互联网

瑞萨新一代MCU产品线分布,这里瑞萨没有提及仪表和Infotainment领域,因为瑞萨在Infotainment领域近乎垄断,仪表领域市场占有率也超过50%,因此就无需提及,反而是在电动车底盘领域,英飞凌一家独大,瑞萨主要就是与英飞凌展开竞争。车身领域则是NXP一家独大。

ETAS的RTA-HVR为瑞萨RH850/U2x HW提供了免费软件支持,以满足严格的汽车功能安全和信息安全要求。RTA-HVR使用瑞萨RH850/U2x系列的硬件虚拟化功能来创建多个虚拟机。每个虚拟机都有一个或多个虚拟CPU内核、一段内存空间和一组外设。每个虚拟机"guest"是一个独立的可兼容和可闪存的ECU图像,可以由第三方建立和运送。RTA-HVR支持"bare metal"和AUTOSAR经典平台guests。RTA-HVR支持灵活的虚拟机与物理CPU核分配。当一个虚拟机对一个(或多个)CPU核有唯一的访问权时,那么虚拟机的调度开销为零。当多个虚拟机共享一个CPU核心时,可以选择以下其中之一,一个静态配置的轮流调度器;一个由RH850U2x后台中断驱动的基于预约的动态调度器。

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图5

图片来源:互联网

RTA-HVR使用MPU和Guard概念来提供虚拟机之间的空间隔离,为每个虚拟机划分内存和外设空间。此外,RTA-HVR提供了一种称为"虚拟设备扩展"(VDE)的机制,允许ECU集成商为特定的Zone ECU定制虚拟和物理外设之间的绑定。VDE提供了一种在虚拟机之间共享外设的安全方式(例如,当需要一个外设的虚拟机数量超过硬件中的物理外设数量时)。这里的典型例子是以太网控制器、HW安全模块和看门狗或增加额外的CAN通道。

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图6

图片来源:互联网

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图7

图片来源:互联网

为了流畅运行虚拟机,RH850/U2x系列MCU最高拥有8核,最高支持160度温度上限,足以在燃油发动机附近运作。同时拥有高达32MB的代码Flash,通常超过1MB就算是大容量MCU,一般如STM32系列其Flash通常不超过128kB。最高5.1MB的RAM,如此大容量内存会导致成本急剧上升,且设计也具备难度,制造方面也具备难度,尽管瑞萨有12英寸晶圆厂,仍然要委托台积电生产MCU。

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图8

图片来源:互联网

未来自动驾驶肯定是以电动车为基础的,自动驾驶需要对牵引电机和转向电机做出复杂的算法控制,简单的PID肯定是不能用的,能够落地的主流算法是MPC,即模型预测控制法,这对MCU提出挑战,瑞萨的RH850/U2x系列特别加入了一个算法加速器,这是一个基于RISC-V的加速器,IP来自NSITEXE的DR1000。NSITEXE是一家日本初创公司,日本的初创半导体公司非常罕见,可谓凤毛麟角。

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图9

图片来源:互联网

NSITEXE的DR1000C处理器IP通过了SGS-TÜV的ASIL D级认证,在设计中集成了硬件安全特性,使其能够在没有任何外部安全机制的情况下满足ASIL D安全要求。这也是业界首个符合ASIL D级认证要求的、具有矢量扩展功能的RISC-V处理器。其背后功臣还有新思科技的Z01X(功能安全验证仿真注入机),Z01X解决方案的业界领先性能是其最先进的并发故障仿真算法的直接结果。该算法支持每个可用处理器同时计算数千个故障,从而显著提升了验证流程的速度。此外,Z01X解决方案支持ISO 26262汽车功能性安全解决方案所需的所有永久和临时故障模型。同样采用Z01X的还有Mobileye。

英飞凌的第四代TriCore与瑞萨的RH850/U2A近似。

英飞凌的TC4x系列MCU特色

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图10

图片来源:互联网

TC4x瞄准汽车AI应用

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图11

图片来源:互联网

英飞凌采用SIMD矢量DSP来做AI运算

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图12

图片来源:互联网

MCU大厂意法半导体也有类似产品,即SR6G7。

自动驾驶与SOA架构下MCU的变化兼论国产MCU插图13

图片来源:互联网

意法半导体直接用了ARM的NEON扩展,做双精度FPU,做矢量运算也差不多,R52的算力倒是可能比瑞萨和英飞凌都高,Flash最高20.5MB,比瑞萨和英飞凌低。

NXP就不为所动,它一向不开发太超前的产品,目前MCU系列以S32K为主,Flash最高为8MB。

自动驾驶和SOA架构下,MCU行业正发生巨变,或许是一个机会窗口,RISC-V的出现降低了硬件门槛,难点在于生态系统门槛很高,寄托收购或外部厂家支持都不现实,中国MCU要强大,关键是要培养自己的生态系统。

报告订购及合作咨询请私信小编

佐思 2022年研究报告撰写计划

智能网联汽车产业链全景图(2022年5月版)

更多佐思报告

主机厂自动驾驶

汽车视觉(上)

高精度地图

商用车自动驾驶

汽车视觉(下)

高精度定位

低速自动驾驶

汽车仿真(上)

OEM信息安全

ADAS与自动驾驶Tier1

汽车仿真(下)

汽车网关

汽车与域控制器

毫米波雷达

APA与AVP

域控制器排名分析

车用激光雷达

红外夜视

激光和毫米波雷达排名

车用超声波雷达

车载语音

E/E架构

Radar拆解

人机交互

汽车分时租赁

充电基础设施

L4自动驾驶

共享出行及自动驾驶

汽车电机控制器

L2自动驾驶

EV热管理系统

混合动力报告

燃料电池

汽车功率电子

汽车PCB研究

汽车OS研究

无线通讯模组

汽车IGBT

线控底盘

汽车5G融合

汽车线束

ADAS/AD主控芯片

合资品牌车联网

合资品牌ADAS

ADAS数据年报

自主品牌车联网

自主品牌ADAS

传感器芯片

专用车自动驾驶

农机自动驾驶

自动驾驶芯片

矿山自动驾驶

港口自动驾驶

自动驾驶重卡

无人接驳车

飞行汽车

智能座舱设计

智能座舱Tier1

汽车智能座舱

商用车ADAS

商用车智能座舱

商用车车联网

座舱SOC

仪表和中控显示

座舱多屏与联屏

汽车座椅

智能后视镜

智能汽车个性化

汽车照明

汽车数字钥匙

汽车多模态交互

汽车VCU研究

汽车云服务研究

TSP厂商及产品

汽车MCU研究

车载DMS

OTA研究

汽车UWB研究

800V高压平台

AUTOSAR研究

汽车EDR研究

滑板底盘研究

软件定义汽车

模块化报告

环视市场研究(本土篇)

Waymo智能网联布局

转向系统

环视市场研究(合资篇)

HUD行业研究

汽车镁合金压铸

乘用车T-Box

自动驾驶法规

汽车功能安全

T-Box排名分析

自动驾驶标准和认证

路侧智能感知

乘用车摄像头季报

智能网联测试基地

PBV及汽车机器人

造车新势力-蔚来

V2X和车路协同

汽车eCall系统

智慧停车研究

「佐思研究月报」

ADAS/智能汽车月报 | 汽车座舱电子月报 | 汽车视觉和汽车雷达月报 | 电池、电机、电控月报 | 车载信息系统月报 | 乘用车ACC数据月报 | 前视数据月报 | HUD月报 | AEB月报 | APA数据月报 | LKS数据月报 | 前雷达数据月报

原文链接:https://www.dongchedi.com/article/7106717718228877857?zt=default

相关推荐

阅读榜

hellenandjeckett@outlook.com

加入QQ群:849112589

回顶部