为什么技术演进比我们预期的慢？来听恩智浦CTO的洞见，一起探索边缘智能之道！

有些时候，技术演进的路线并不总是如我们预期。以智能驾驶为例，早在2016年，新闻报道中就提到“2020年会有1000万台的自动驾驶汽车”、“2021年有20家自动驾驶汽车的企业“。如今，自动驾驶汽车并没有像宣传的那样发生，2020年也没有成为自动驾驶的元年。这其中究竟发生了什么？

自动驾驶，仅有人工智能就够了？

“你愿意由ChatGPT来为你开车吗？”谈到自动驾驶，恩智浦半导体执行副总裁兼首席技术官Lars Reger抛出了一个疑问。作为当下爆火的人工智能语言工具，能够与汽车相结合，似乎是最好不过的组合。但不能忽略的是AI伪造信息的能力，洋洋洒洒内容的背后，引述着特别真的假新闻。所以ChatGPT好用的前提是：使用者需要是特定领域的专家，具有信息鉴别的能力。

恩智浦半导体执行副总裁兼首席技术官Lars Reger

同样，在一个真正可以被预测、自动化的世界里，我们不希望看到失控的状态：冰箱突然在周末时为我们预定了500升牛奶，或者家里温控系统把室内温度调到50℃，抑或是车辆自动驾驶途中突然开始危险驾驶。我们希望关键基础设施在智能的同时，能够保证功能安全和正确运行。

显然，简单把人工智能加在汽车上，是不够的。对此，Lars Reger表示，机器人架构可以抽象为很简单的几部分：感知环境、与云连接获得更多信息、用智能器件进行计算、传到机器人的腿和胳膊，需要考虑的是如何为这个系统加上信息和功能安全。虽然逻辑抽象看起来简单，但实际实施却有一定难度。

以汽车为例，不同OEM使用的是不同架构，同一家OEM内部也有着不同的模式和不同代的技术，即便是同一系列的车辆，从入门级到高端也会有很大的区别。面对如此纷纭复杂的架构，半导体供应商所能做的，就是为这些行业OEM和一级供应商提供构建架构的模块，通过标准化的模块帮助他们实现各种各样的架构。

“这对汽车行业而言并不新鲜，”Lars Reger表示，因为很多汽车OEM都是通过构建不同的机械件作为平台，以适配不同的车型的发动机配件或底盘。但在当今汽车系统中，只有5%的创新是机械方面的，剩余95%的创新都是通过电子或者是软件实现的。所以，恩智浦重点任务就是去构建电子和软件平台。

恩智浦的智能应对之道

恩智浦为汽车计算单元（包括微控制器、微处理器）构建了不同的系列产品以满足不同的功能需要。S32K1、S32K3系列为汽车通用MCU，可以用于汽车天窗、拖车控制单元、门禁、灯光控制等。车身控制方面，恩智浦提供用于汽车雷达的S32R、用于汽车网络的S32G、用于安全处理、域控制和区域控制的S32Z、用于电动汽车(xEV)控制和智能驱动S32E等。此外，Lars Reger还透露，恩智浦将很快推出最新的5纳米级的S32旗舰产品，以实现把数据从车辆传输到控制单元。与此同时，恩智浦还提供传输速率涵盖10Mbit〜100Mbit、1GB、2.5GB、10GB的以太网连接产品和8GB〜80GB的以太网开关。更为重要的是，这些产品不仅彼此间能实现互操作性和兼容，其软件也都是可以再重复利用的。通过上述产品组合，恩智浦能够为汽车提供更多的灵活性。

在工业、智能家居等场景中，恩智浦也提供了丰富的控制类产品，包括通用型MCU，i.MX RT跨界MCU、功能安全的S32系列，以及一些重型、高密度、工业级大数据使用的器件，所有这些器件都有AI的加速器。通过人工智能和机器学习，这些器件也在不断地学习和适应，以构造智能的边缘器件。此外，在工业连接方面，恩智浦也提供了TSN（时间敏感网络），即实时以太网器件。

如何构建机器人智能架构？

“2018年有种说法是，整个智能汽车只需要一个大脑，再加上一个电机就完事了，”Lars Reger回忆到。他当时就指出这并不是构建高效机器人的方式。

从生物学角度看，人脑主要包含大脑、小脑和脑干三部分。大脑主要维持人体的正常运动、感觉及认知，即复杂分析功能。小脑主要是维持人体的平衡能力，即实时功能。脑干则连接大脑和脊髓，是大脑和周围神经系统之间的重要通道，即联网功能。从反射过程来看，当人在走路时脚绊了一下，脊柱就会直接告诉腿“要停住”，小脑会通过肌肉帮助站稳，人体就站住了。这些过程之后，大脑才会去查看一下绊住的原因，并提醒下次注意，所以，大脑功能并非实时在线。

智能驾驶汽车也是如此。车辆摄像头、激光雷达、传感器，告知车辆有路障，首先要立刻刹车，确保功能安全，车停稳之后，才需要AI加速器、人工智能的支持，来判断这个障碍到底是什么，并为司机推荐最优方案。Lars Reger也表示，当然并不是所有的路障只有一种停车的解决办法，这就需要计算单元对任务进行分层，通过算法以获取最优的解决方案。未来的机器人也是需要在这样的思路上去构建。

Lars Reger谈到，2018年，媒体还非常盛行一种说法，自动驾驶只需要一个人工智能系统不断观摩真人开车，积累到一定量之后，它能够取代真人开车。但是事实并不是这样。就像新手司机们需要通过学习以规则为基础的驾驶理论和实际操作，才可以开始上路驾驶。机器人也是也是一样，首先需要学习以规则为基础的行为，比如靠右行驶，不能超速等等，这些并不需要人工智能或者机器学习的介入。而另一方面智能、有创造力的思考，则需要人工智能或机器学习，但这部分所占的比例并不大。

恩智浦的“BlueBox”架构

2016年开始，恩智浦推出“BlueBox”开发平台，主要帮助OEM主机厂生产、测试无人驾驶汽车。该架构有联网功能，也有强大的性能和功能安全特性，还有人工智能的加速器，能够构建区域架构、高性能计算系统，分析驾驶环境，评估风险因素，指示自动驾驶汽车的行为。它有4个PCIe扩展插槽，可以加上人工智能的加速器，达到400 TOPs的速度。

自2018年，恩智浦与大陆集团合作了第一款、基于恩智浦的参考设计成功实现了高性能的计算单元之后，BlueBox就一直被用到汽车行业。最近，零跑汽车推出的电子电气架构，也采用了BlueBox核心技术。Lars Reger透露，在给车辆制造“大脑”方面，零跑汽车已经非常成功，不但线束减少了20%，由于有非常清晰的脑系统架构，ECU数量也减少了1/3。“现在90%的客户都转向了这个架构。“

不仅仅是在汽车领域，BlueBox还可用于制造机器人、无人机等。这个架构是高度可扩展的，在基本功能的基础上，如果需要更加复杂的解决方案，就在这个顶上加上“大脑”，这完全取决于解决方案的复杂程度。

一切技术已经在轨道上

统计数据显示，到2030年全球会有750亿智能互联器件。恩智浦看到了智能互联设备对芯片的大量需求，要为这些应用提供高度智能化和高能效的解决方案。“我们不希望实现最大规模的人工智能加速，”Lars Reger介绍，早在3个月前，某家车厂CEO也提到，如果采用最先进的人工智能，其耗能非常大，会导致车辆的续航减少200公里。恩智浦希望开发出来的芯片能够有极高的效率，同时确保功能适用。

Lars Reger说自己的梦想是希望恩智浦成为大家都信赖的制造机器人的先锋。为了要实现这个梦想，必须要实现一定的条件：首先，要有正确的架构；第二，要有可信任的稳定的系统，保证功能安全和信息安全；第三，还需要可扩展。他相信如果能够做到这些，就能够建造出未来所需要机器人。对此，恩智浦一切技术现在都已经在轨道上。

（本文转载自EEWORLD）

 

---

原文标题：为什么技术演进比我们预期的慢？来听恩智浦CTO的洞见，一起探索边缘智能之道！

文章出处：【微信公众号：NXP客栈】欢迎添加关注！文章转载请注明出处。