传统汽车电子MCU企业升级自己的产品来满足汽车企业的诉求

随着Nvidia、Qualcomm在智能座舱和高级自动辅助驾驶的SOC战略占据主导优势，汽车芯片公司在这场从小算力到大算力的战争中能做什么呢？从目前的观察来看，升级原来的MCU芯片并且参与AI-in-MCU竞赛的厂商还包括NXP 、Renesas、ST和Infineon。从这种意义上来说，随着汽车企业开始接受100美金以上单价的处理器，原来的汽车电子MCU的企业也可以通过升级自己的产品来满足汽车企业的诉求：软件定义的汽车、Zonal/domain控制器、端到端安全通信、安全的多ECU集成等等。

NXP最近推出了两款新的实时MCU处理器，满足车企对下一代汽车架构的不同需求，属于NXP S32汽车平台，S32Z负责安全处理和domain/zonal控制；而S32E则负责电动汽车的控制和智能驱动。

▲图1.MCU也要升级到新的工艺

▲图2.汽车EEA架构的变化

Part 1

观念的转变

在全球的汽车产业的竞争中，下一代汽车架构仍在不断变化。汽车芯片供应商分为两大阵营：

●大算力GPU/CPU的企业，拥有AI/ML能力的玩家（Nvidia、Qualcomm、Intel/Mobileye）。

●传统MCU演进的汽车芯片企业（NXP、Infineon、Renesas、TI）。

现在设计新的汽车平台，竞争的关键点是关于软件而不是硬件。当然哪怕是特斯拉，我们看到的最大的问题是，是否真的可以通过将所有软件整合取得了优势，能够把这整套软件的投入变现。在特斯拉导入大算力芯片以前，传统的汽车企业认为100美元的处理器是无法接受的，目前围绕科技和豪华车的汽车企业开始全部接受了汽车中央大脑处理控制器的趋势。车厂希望设计开发一个计算平台，能够不断增加自动辅助驾驶（ADAS）功能，哪怕不打算开发L4/L5以上的完全自动驾驶。 

由于这种趋势没办法回头，原来提供传统MCU汽车芯片企业还有一些幻想，期盼车企焕然醒悟，放弃昂贵的GPU/CPU解决方案，回到传统汽车芯片设计架构。但目前车企在熟悉了Nvidia的解决方案后，已经发了自己的软件。

▲图3.产品的定位

也就是说，新一代的MCU定位是“紧挨着高算力大脑”的配套芯片，一方面可以充当安全处理器（Co-Pilot），或者进行冗余的决策和执行；另一方面也能从高算力SOC中央芯片中分担一些功能，减轻中央计算的压力。这里的分配是：S32G（中央网关）和S32R（感知雷达），S32E（车辆驱动和电池管理）和S32Z（domain/zonal控制）。

汽车行业希望将独立的ECU合并为更少的ECU，不同车厂有不同的整合的时间表，整合的路径也不同。一部分公司希望从domain架构开始（按照同一功能块的逻辑软件整合在一起，把基础放到通用软件中，并集中进行OTA），而另一些则直接从zonal开始整合（简化布线，实现跨域的设计），还有其他公司采用Domain和Zonal的混合架构。对于芯片企业来说，是需要满足这些不同车企的需求，无论发展到架构（EEA1.0=EEA2.0到EEA3.0，中国一台车一代架构）。

▲图4.汽车EEA的不同架构

内核到引脚（Core-to-pin）的硬件隔离。

在新的设计中，重要的设计特征是内核到引脚“core-to-pin”的硬隔离，这对于车企在新的处理器平台上整合不同ECU功能来说是非常重要的，从处理器一直到芯片的管脚，I/O、task、功能和控制都可以在硬件中完全虚拟化。“处理器内核到引脚core-to-pin”的硬件虚拟化能力，允许“多个实时应用可以同时在设备上开发和运行”。硬件虚拟化为处理器任务分配了相关的内存、外围设备、内存带宽和设备（I/O）管脚。任务就像它们在独立的ECU中一样，作为单独的、孤立的功能出现。 

来自不同TIer 1的不同应用程序不会影响其他应用的运行，运行8个不同任务的情况，在其中一个任务中注入错误，但其它任务却没有受到任何影响。

▲图5.硬件隔离

Part 2

MCU在其他领域的发展

在汽车的领域之外，MCU也面临AIoT（物联网人工智能）的需求，边缘AI“在经济性上受限，就像在物理上受限一样”。NXP也推出了自研的NPU，通过加速边缘推理，将进入其MCX N系列，即NXP全新的微控制器系列的高端版本。NXP开发了MCX系列，包括4个系列的MCU器件（分别为N、A、W和L），以解决广泛的网联边缘设备，包括工业和IoT边缘应用。 

▲图6.MCU的系列变化

MCX MCU和传感器在嵌入式市场的普及正在形成势头，人们对即将到来的边缘AI时代寄予厚望。对于传统芯片企业来说，问题的关键在于MCU和AI之间的根本不匹配，MCU要求嵌入式系统的寿命， AI则不断迭代发展。除了NXP，Renesas、ST和Infineon将发布采用Arm的Cortex-M85、M55或类似AI架构的MCU。

▲图7.NXP 的NPU的加速

●ST已经创建了一个平台，通过STM32Cube-AI将ML用于32位MCU。

●Infineon已经推出了针对AI加速的Aurix TC4x平台。

在MCU中解决边缘AI的更流行的趋势在于算法的发展，ML算法可以使用更小的工具来开发，如TInyML和TensorFlow Lite，使其能够在MCU等受限硬件中开发AI应用。一些AI初创公司，如Brainchip、Hailo、Alif已经瞄准了AI加速，可以用于MCU应用。NXP与Hailo在汽车领域的合作，将NXP的汽车处理器（包括恩智浦的S32G系列，Layerscape）与Hailo-8相结合，为汽车电子控制单元提供可扩展和高效的DL处理。

小结：从目前来看，围绕汽车MCU赛道里面，中国的初创公司在里面进行切入，而传统汽车MCU的企业要拉开门槛，然后在高算力SOC的阴影下给自己在汽车和工业领域找到存续下去的大逻辑。

审核编辑：刘清