整车厂和芯片厂商因自动驾驶产生摩擦

近年来，越来越多的电子产品集成到自动驾驶等级越来越高的汽车中，但是它的进展并不像各大厂商宣传的那么顺利。事实上，电子和汽车之间的差异可能需要数年的时间才能磨合和统一。

业界向完全自主驾驶推进的步伐依然如故，但是汽车制造商和芯片制造商接近终极目标的路径却有着显著的不同。汽车制造商及其1级和2级供应商要求进行硬数据检查、物理检查和测试。而领先的芯片公司和晶圆厂却认为只进行模拟和统计分析就足够了。这两种观点的差异体现在如何证明和预测电子产品的的可靠性、导致功能降级和故障的老化及其它原因，以及对汽车中使用的IP和各种电子元件进行认证需要满足哪些条件。

这些问题包括：

汽车制造商希望获得和恶劣驾驶条件下的性能以及这些组件的长期可靠性相关的一些实际数据，但在许多情况下，电子元件本身并没有这种真实世界的数据，因为自主驾驶完全是一个新课题。

如果辅助驾驶和自动驾驶汽车出现故障，汽车制造商将面临巨大的责任，随着自主驾驶等级的提高，责任风险也会相应增加。振动试验、温度交变试验可以模拟电子器件在机械或热应力下的工作方式。多年来，汽车公司一直依赖于物理观察和记录机械故障，这显然不能适用于电子产品。

今天，很多涉足汽车业务的电子公司几乎在汽车可靠性要求上没什么经验，反之，许多汽车公司对先进工艺半导体产品也没多少概念。毕竟用于汽车应用的180nm芯片与7nm AI芯片差别很大。

现在，虽然可以使用现有的半导体工具和设备解决防止故障的问题，但汽车制造商还希望能够获得能够预测故障的数据。今天的芯片特别是在AI系统中，完全是黑盒子。

福特汽车公司高级可靠性工程师Keith Hodgson说：“福特一直在使用可靠性物理分析，但是当产品老化到接近其寿命的80％时，我们并不能提前得到提醒。就是说，你还没有失效，但是正处于失效的边缘。”

这种数据对许多行业板块都很有价值，因为它允许所有类型的系统供应商平衡风险和成本。但是，它在安全关键市场尤为重要，因为风险可能会导致严重的伤害，所以需要在各种各样的部件上进行预测性维护。

“汽车制造商和芯片制造商看待可靠性有着不同的视角，”Arm物理设计事业部营销副总裁Kelvin Low说。 “我们需要在芯片和IP方面接受更多的教育，汽车OEM也需要弄清楚芯片和IP领域正在发生的事情。供应链中的每个人都会受到影响。 目前，代工厂并不会分享所有器件的代工数据，你在最终产品上只能进行少量的仿真。结果，芯片制造商的的利润率更高了，因为他们实际上不需要处理也看不到那么多数据。”

设计和制造的转变

领先的芯片厂商通常会将数据开放给代工厂和EDA供应商，以便能够以足够高的良率制造出所设计的产品。自FinFET问世以来，三星、格罗方德、台积电等代工厂一直都在提供有关工艺变化和其它影响的数据，这些数据会影响其顶级客户、EDA厂商和IP公司的产品可靠性。不过，为汽车应用开发7nm AI芯片还有一系列新的问题。

应用材料公司蚀刻产品战略副总裁Uday Mitra说：“每个节点的问题都在累加，增加了工艺升级过程中出错的可能性。现在的工艺升级不再是一个简单的尺寸缩小了。随着工艺节点的升级，边缘放置误差容差变小，光刻对准误差和工艺变化误差也在增加。目前最大允许的EPE是四分之一节距，间距更小，从而变得更糟。除非增加间距，否则即使重新流片也无法解决问题。”

汽车行业又在这些问题之上增加了严格的认证和可靠性标准。今天并没有用于汽车的7nm AI芯片，因此芯片厂商还没有提供这些数据。制造后会出现什么样的问题现在也无法预料。

“导致汽车IC可靠性故障的潜在缺陷和随机缺陷直接相关，”KLA－Tencor高级主管Rob Cappel表示。 “如果使用适当的检查工具、采样策略和方法来发现和减少随机缺陷，那么，晶圆厂捕获这些可靠性问题的概率要高得多。”

这也是由汽车集成先进电子技术而推动的一个重大转变。在汽车中，这些电子器件需要在没有任何故障的情况下使用长达18年，因此电路监测是必不可少的。当然，时间计算公式还要取决于无人驾驶出租车的行驶里程，不过，这些无人驾驶汽车在失效前需要一种更换零件或模块的方法。

汽车制造商希望亲眼看到可以证实可靠性的证据，预测分析和模拟当然也很棒，但是汽车厂商还是希望眼见为实。

这些问题的范围极广，从完全失效到更微妙的时序问题都可能涵盖在内。

业界已经开展了预测性维护工作，像恩智浦、意法半导体、英飞凌和英特尔这样的芯片公司正在片上编写复杂的代码，像博世和德尔福这样的汽车电子零部件公司正在分层开发更多的软件。他们需要验证、认证和分析，以便在芯片公司的保障之外再添加一层防火墙。如果有一个bug，需要捕获它并确保它不会导致问题。如果系统被黑客入侵，肯定想得到通知和提醒。但是需要在芯片运行的同时检测出bug、黑客攻击和安全问题。