【導讀】高效能的計算機運算平臺只是發展自動駕駛車的一部份。如何以汽車的成本達到飛機等級的百分之百可靠性，才有助于打造零缺陷的自動駕駛車...
問起當今汽車電子產業的前五大半導體巨擘，如果你能回答出恩智浦半導體(NXP Semiconductors)、英飛凌科技(Infineon)、瑞薩電子(Renesas)、意法半導體(ST Microelectronics)和德州儀器(Texas Instrument)，表示你非常了解這個產業。
然而，諷刺地是，在一個以芯片業為主的展會上——如國際消費電子展(CES)，與會者對于上述這些廠商卻所知不多。當談到汽車產業將朝人工智能(AI)與自動駕駛的方向邁進時，在CES上受到矚目的反而是英偉達(Nvidia)、Mobileye與英特爾(Intel)等擁有巨大芯片處理能力的芯片供應商。
老實說，消費者對于自動駕駛車的概念如此興奮，原因就在于車輛中搭載了每秒兆次浮點運算(TFLOPS)效能的超級計算機。
然而，英飛凌科技并無意加入TFLOPS超級運算性能的競賽。英飛凌首席執行官Reinhard Ploss直截了當地表示：“我們對這塊領域沒有興趣。”
在《EE Times》的專訪過程中，Ploss解釋，高效能的計算機運算平臺只是發展自動駕駛車的一部份。他并提及如何以汽車的成本達到飛機等級的百分之百可靠性，以及如何讓傳感器融合(sensor fusion)不至于出現混淆。
近期不再有并購行動
盡管近期全球芯片業界不斷發生整并，英飛凌首席執行官在受訪時指出，短時間內并沒有任何并購計劃。
英飛凌科技在近幾年成功并購國際整流器(International Rectifier，IR)與Wolfspeed后，Ploss相信該公司如今已有足夠的實力實現有機成長(organic growth)。
去年夏天，英飛凌以8.5億美元收購科銳(Cree)旗下的Wolfspeed功率與射頻(RF)部門，這筆交易包含功率與RF功率相關的碳化硅(SiC)晶圓基板業務，讓英飛凌得以快速掌握業內技術。
英飛凌也完成了兩年前以30億美元并購IR的行動。Ploss稱此行動為英飛凌奠定全球功率半導體龍頭地位的重要基石，“這項并購行動擴大了公司的規模。”
去年十月，英飛凌還收購了總部位于荷蘭奈梅亨(Nijmegen)的無晶圓廠半導體公司Innoluce，期望藉由取得Innoluce的專精技術，為高性能光達(LiDAR)系統開發芯片。Ploss并稱此舉為“進入市場前必要的技術性”收購。
英飛凌預估今年將有6%的成長，優于整體產業表現，并希望達成15%到17%的營業利潤目標。
兩大趨勢：電氣化與自動駕駛
英飛凌預見當前的汽車市場即將發生兩大變革：車輛電氣化，以及輔助/自動駕駛。
提到車用電力驅動系統，Ploss自豪地說：“英飛凌能提供最完善的解決方案。”他解釋，收購Wolfspeed讓英飛凌能夠提供最廣泛的復合半導體，并進一步在電動車(EV)與再生能源市場成為重要的功率與RF組件供應商。
全世界對于電動車的需求與日俱增，特別是中國，這對于英飛凌來說相當有利。
然而，Ploss指出，輔助/自動駕駛的發展趨勢則“可能更具有活力”。他解釋：“不容置疑地，消費者對于輔助駕駛功能的需求一直在成長，他們希望能有一種技術讓開車變得更輕松。”
邁向零缺陷技術之路
Ploss形容自動駕駛車在本質上可稱之為“駕駛機器人”(driving robot)。連網汽車固然重要，但他強調更重要的是在忽然失去連網能力時，自動駕駛車如何保持繼續行駛。
Ploss表示，讓機器人能順利駕駛的法寶為眼睛、耳朵、大腦和肌肉，但要讓自動駕駛車具備百分之百的可靠性并非全靠計算機系統。他解釋：“高度復雜的高效能處理器并非為了實現零缺陷技術而設計的。但自動駕駛車必須具有備援(fall-back)能力，在遇到狀況時能讓監督者掌控這臺車。”例如，當自動駕駛車的供電系統故障時。
Ploss強調，為了避免意外發生，關鍵不在于自動駕駛車的連網能力，而是監測芯片必須能為車輛重新配置電力系統，保持繼續駕駛或安全地停車。
英飛凌有信心能協助汽車制造商達到零缺陷(zero defect)的目標。英飛凌提供一系列的Aurix微控制器(MCU)，包含三顆獨立的32位TriCore CPU，符合ASIL-D安全標準。透過Aurix平臺，汽車開發商就能利用單一MCU平臺控制動力傳動、車身、安全與先進駕駛輔助系統(ADAS)等應用。
例如，Intel GO自動駕駛車的車載開發平臺有兩種處理器版本，一是搭載Atom的雙核心處理器，另一種則是結合Arria 10 FPGA的28核心Xeon處理器。在這兩種版本中，英飛凌的Aurix MCU都在符合ASIL-D安全要求方面扮演重要作用。
同樣地，Nvidia新推出的Xavier芯片，能以30W功耗處理每秒30兆次指令周期，號稱是自動駕駛車平臺的超級計算機。其中，也必須搭配像是Aurix MCU等芯片。雖然目前Xavier芯片僅達到ASIL-C標準，但Nvidia表示，汽車OEM只要加上經ASIL-D認證的MCU，一樣能符合ASIL-D安全標準。
那么，Nvidia或英特爾是否會在其所謂的汽車大腦芯片中整合ASIL-D MCU？Ploss抱持懷疑的態度。盡管芯片廠的研發任務在于走向更高度的整合，但通過ASIL-D標準要求所需要的是完全不同的設計流程。Ploss解釋：“縮小芯片尺寸以及整合通過ASIL-D標準的MCU必須以完全不同的方式處理。”
避免傳感器融合的混淆
再者，還有機器學習(machine learning)的問題。
無疑地，機器學習的發展神速，但測試卷積神經網絡(Convolutional Neural Network，CNN)芯片的安全性仍是一大考驗。目前在汽車產業中還沒有人能解決這個問題，Ploss解釋，主要是因為卷積神經網絡具有不確定性。
Ploss相信自動駕駛車內的傳感器融合芯片將會維持雙架構，其一仍靠傳統計算機視覺算法來處理，例如方向梯度直方圖(HOG)，另一種架構則有賴于卷積神經網絡。Ploss說：“無論如何都不能導致傳感器融合的混淆。”
英飛凌預計，Aurix MCU并不會只運用在汽車大腦芯片中，也可能出現在其他相關的傳感器解決方案，像是雷達或是光達系統。Ploss說：“我們認為Aurix MCU也將運用在傳感器相關應用，適時協助實現預處理與實時行動。”他將Aurix MCU芯片比喻為人體中的自律神經系統，即使在無意識的狀態下，也能控制調節身體機能。
傳感器技術
除了電力電子與安全MCU，英飛凌還開發了專為高度自動駕駛量身打造的傳感器技術，包含雷達、光達，以及專用于監控駕駛人的飛時測距(ToF)成像器技術。
就像恩智浦和意法半導體等競爭對手一樣，英飛凌也大幅受益于雷達芯片的市場成長需求。Ploss宣稱，英飛凌光是在2016年就銷售出1千萬個雷達芯片；相形之下，該公司在2015年底以前所累積的雷達芯片銷售量同樣達到1千萬個。
目前英飛凌提供的是基于硅鍺(SiGe)的雷達芯片，Ploss指出，利用CMOS工藝的芯片目前正在研發中。不過，Ploss強調，“對于雷達技術來說，信號噪聲比(SNR)至關重要，基于硅鍺的雷達芯片在這方面能提供更好的效能。”盡管如此，他指出，英飛凌仍會因應市場需求提供硅鍺與CMOS兩種雷達芯片。
針對CMOS雷達技術，英飛凌去年宣布與IMEC合作開發高度整合的CMOS 79GHz傳感器芯片，并承諾將在今年初推出基于CMOS雷達系統的展示方案。
此外，英飛凌在并購由飛利浦(Royal Philips)獨立而出的Innoluce后，也將光達技術導入ADAS產品組合中。英飛凌希望能善加利用Innoluce基于固態微機電系統(MEMS)微鏡技術的微型雷射掃描模塊，以提供更具成本效益、長距離且高效能的光達系統。
Innoluce為車用光達開發的MEMS鏡像技術
英飛凌在傳感器技術的第三大利器為影像傳感器芯片——Real3，這是一種高度整合的3D ToF成像器芯片。英飛凌宣稱，與PMD technologies連手開發這款ToF傳感器相機可提供完整的3D環境數據以及不需陽光的巨幅影像，能夠用于監測駕駛是否分心、有睡意、微睡眠(micro-sleep)，以及臉部表情及其情緒反應。
最后，Ploss強調：“自動駕駛車是一種整合了機械與電子功能的產品。”因此，電動車也可能發生短路問題；盡管如此，自動駕駛車在目前功能不夠強大的情況仍得上路。因此，這讓Ploss看見了其中的重要商機——英飛凌將致力于提供零缺陷的技術，讓自動駕駛車能順利地行駛于現實世界中。
