最佳化DSP设计加速自驾车发展

汽车的体系庞大，被视为物联网与AI应用的重要市场，就整体来看，汽车体系包括服务、自动驾驶、传感器、安全与资安、基础建设与车辆连结、车内智能与辅助、特殊车辆、智能制造等都与AIoT有关，透过从物联网底层撷取的数据，AI与物联网将加速推动汽车产业的智能化，而在系统中，处理器的角色将越来越吃重，Cadence益华计算机应用工程师林文国博士在「嵌入式人工智能解决方案：车用CV&AI的部署」演讲中指出，就目前车用领域来看，DSP(数码讯号处理器)会是较佳选择。

近年来车用领域逐步加强智能化技术的应用，AI在2016年引爆新一波热潮后，这股趋势开始加速，在近两年，自驾车都是IT领域大型展会的吸睛亮点，不过汽车的外部环境和内部技术都相当复杂，林文国就表示，智能化车辆设计必须考量几个重点，包括外在环境的侦测与感知、电子地图与行车路径设计、车辆与周边系统设备的连结、驾驶的监测等。

之前SAE(美国汽车工程师协会)就曾针对智能车设计出五个层次，包括：1. No Automation；2. Partial Automation；3. Conditional Automation；4. High Automation；5. Full Automation。第1项是仅有警告系统；2是遇障碍物刹停与行车方向的辅助；3是汽车可有条件的自驾；4是除了特定环境外，车辆都可自驾；5则是无论任何因素，汽车都可以自驾。就发展程度来看，目前业界已可走到第3层，近期则可到第4层。

从SAE制定的自驾层次，可以看出自动化驾驶等程度越高，所需的传感器数量也会随之提升，感测数据的大量增加，让AIoT的运算能力越来越重要。目前IT领域的处理器包括CPU、GPU、DSP等，在车用领域，这三种处理器都会用到：在应用与信息流管理等部分，会需要使用CPU；智能化处理方面，由于需要实时处理大量信息，因此DSP、硬件加速器、GPU会是适合的选择。

在车用的DSP，林文国指出，目前Cadence旗下的Tensilica Scalable DSP平台，十分适用于车载系统。他表示，车载系统的子系统繁多，讯号量繁杂，可透过多种类型的DSP做搭配处理感测讯号，例如前面提到的自驾车等级，影像监控的讯号量通常是1T/sec，在空间考量下，就可以选用4颗Tensilica的Vision P6或1颗Vision C5 DSP；要达到Conditional Automation层次，其讯号量会达到10T/sec，就要用到10颗Vision C5 DSP做组合；而若要做出第5阶层的完全自动驾驶，根据统计要处理的讯号量将达320T/sec，这个运算需求下，除了效能外，设计者还必须思考空间、成本、功耗、DSP排列等。

林文国表示，随著自动化驾驶的日渐成熟，这些问题都会逐渐浮现，系统建构者除了自行设计外，也可以寻求DSP厂商协助，寻求最佳化解答。