本文已获EET电子工程专辑授权转载。
目前，全球汽车业正在步入以智能化(Autonomous)、网联化(Connected)、电动化(Electrification)、共享化(Shared services)为代表的“新四化”时代。IHS Markit的数据显示，到2023年，汽车电子系统总额将高达1800亿美元，平均每辆汽车会使用500美元以上的半导体器件，增幅最大的应用分别来自高级驾驶辅助系统、动力系统(Powertrain)和车载娱乐信息系统(Infotainment)。
如果按照设备类型营收来看，来源于Strategy Analytics的报告表明，2019年，功率半导体(26%)、处理器(23%)、无源模拟器件(16%)和传感器(15%)占比超过两位数；按半导体企业的全球营收来看，英飞凌、恩智浦、瑞萨则分列前三位。该报告同时指出，未来汽车市场竞争的主战场，将主要集中在高级辅助驾驶(23.6%)和包括全电动车和混合动力汽车在内的新能源汽车领域(21%)
开发一个量产级自动驾驶不是按亮一盏灯
神奇的L2+级别
2020年，很多厂商传递出的一个观点是，“汽车行业的下一个创新浪潮将出现在L2+级别自动驾驶阶段”。为什么会是L2+级而不是之前一直所说的L3及以上级别？这是否意味着自动驾驶商业化当前遇到了不小的挑战，导致汽车行业对于自动驾驶的实现更趋理性？
英飞凌科技大中华区智能驾驶市场经理余辰杰对此回应称，在国际汽车工程师学会(SAE)对自动驾驶等级定义的L0-L5 级别中其实并不包含L2+，因而不同的整车厂(OEM)和方案商对L2+的解释也不尽相同。他个人倾向于把L2+定义为：将自动驾驶的技术应用到人所驾驶的车上，或者更简单地说：具备L3智能程度和L2驾驶责任。
如果要追根溯源的话，L2+级别概念最初由Mobileye公司在2017年提出，虽然没有具体的定义，但是包括了自动代客泊车(AVP)和车道保持辅助(LKA)等功能。相对于L2，L2+功能上最大的升级在于主动变道(ALC)，这要求车辆在具备横纵向自动控制功能(ACC/AEB/LKA)等L2功能的同时，增加局部或全局路径规划的能力。同时，区别于L3，L2+仍然需要驾驶员全程集中注意，这规避了当前制约L3落地的两大核心问题：人车控制接管时的责任划分和过渡过程中的响应时长问题。前者在法律法规上需要跟进，后者如果太短则会降低用户体验。
“当前，无论从技术上还是从法规上，具有良好用户体验的L3级别自动驾驶实现仍需时日。至少在3年内，大部分OEM会更加理性地着眼于L2+的落地。”余辰杰说。
Imagination Technologies汽车业务总监Bryce Johnstone的观点与之类似。他认为一直以来，人们对于全自动驾驶存在一些过分炒作，现在才意识到开发所需的技术将花费更长的时间。此外，正在试图解决的问题也比当初设想的多，出现了大量不常见的情况需要被识别、了解、设计和改进。
他说L3级汽车的发展受到抑制的原因之一，是一些国家还没有立法以允许它们上路，直到其安全性得到更多的验证。而L4级和L5级将从人们的视野中淡出几年时间，直到它们拥有庞大的规模。突如其来的新冠病毒疫情也会对此产生影响，因为汽车行业将不得不在中短期回报和长期技术投资方面做出一些艰难的选择。
自动驾驶≠高级辅助驾驶组合
各种高级辅助驾驶功能在车厂未来几年的产品规划中变得越来越举足轻重，自动泊车、侧视辅助、车道辅助、驾驶员疲劳预警等等。为车辆提供更高的安全性，为驾驶员分担更多的驾驶任务，被视作推动高级辅助驾驶发展的两大动力。
Microchip汽车产品部亚太区资深产品营销经理Yan Goh表示，高级辅助驾驶快速增长的原因，源自汽车制造商正致力于提高汽车的安全性，不断开发新技术以帮助减少道路事故并确保汽车内部连接的安全。过去几年中，在高精度传感器、支持人工智能的高速多核片上系统(SoC)、高速车载网络等技术的加持下，车辆高级辅助驾驶主动安全系统实现了质的飞跃。
但高级辅助驾驶功能需要复杂的硬件和软件处理能力，需要满足符合ISO-26262标准的汽车功能安全要求，这促使故障保护工程设计成为汽车OEM最重要的标准之一。此外，新一代高级辅助驾驶还将与5G连接融合，以支持V2V-V2X和L5级自动驾驶，这将需要高精度定时定位和安全性更严格的电子元件。
今年4月7号，中国新车评价规程(C-NCAP)更新了2018版评价标准，在原有自动刹车辅助系统(AEB)基础上加入了更多主动安全测试项目：车道偏离预警(LDW)、速度辅助系统(SAS)、车对车盲点检测(BSD C2C)等，清晰的表明中国对高级辅助驾驶主动安全功能的重视程度正在不断提升。其实不只中国，考虑到安全性和事故的减少目前被整车厂视为一项增值功能，新车碰撞测试项目(NCAP)、美国高速公路安全管理局(NHTSA)等全球各地交通运输监管机构都在各自的安全规定和要求中提高了相应标准，所有车辆都必须遵守。
如何在保证安全的前提下进一步降低驾驶员的参与度，进而使驾驶员可以进行轻量化的娱乐和工作，是目前车厂关注最多的。高速状态下(>40KM/h)的AEB/LKA前向功能即为代表之一，未来则会逐渐向后向横穿车辆制动(RCTB)方向发展。在分担驾驶任务方面，带有车道居中(LCA)的自适应巡航(ACC)功能越来越多地被当作核心产品属性，这一功能对降低长途高速公路驾驶员的工作负荷具有很强的实际意义。
但Bryce Johnstone不同意“全自动汽车驾驶是将不同高级辅助驾驶功能进行全方位组合”的观点。他认为这种观点并没有真正解释清楚更高级别的驾驶必须要做什么。“将多个L2级功能组合起来，是不可能等同于L4级功能的。”他说，从大规模传感器融合/高清地图/GPS的数据输入，到路径规划和决策，我们需要更强大的处理能力、更高计算效率的新型神经网络和全新的芯片架构，以确保所有传感器和环境数据可以被实时处理，保障行车安全。但所有这些都必须以低功耗为前提运行，不必在汽车中使用昂贵的冷却系统，使得L4/L5级的价值主张对消费者是有意义的。
无传感，不智能
中短期来看，由于成本和成熟度的关系，与摄像头传感器相关的应用会得到快速成长，包括盲区侦测、环视、行人侦测等；中长期来看，雷达/激光传感器的应用也会得到加速普及，如何看待这两类技术之间的相互关系与发展趋势成为人们热议的焦点。
在余辰杰看来，当前高级辅助驾驶传感器主要还是依赖摄像头和毫米波雷达，但对于AEB来说，更多还是需要借助于毫米波雷达。因为相对于摄像头而言，基于电磁波反射原理的毫米波雷达对于目标速度和距离的测量，具有更好的实时性和环境适应性。
而思特威科技CMO Chris Yiu女士在接受《电子工程专辑》采访时则指出，从技术特点上看，CMOS图像传感器(CIS)和雷达/激光传感器各有千秋。除了部署成本低的优势外，CIS能够获得更复杂的图像信息，应用场景更为丰富；而雷达/激光传感器在避障、测距等特定使用场景中，具有测量准确、测量速度快等优势，但工作原理限制了使用场景，较高的部署成本也制约了其在汽车中的部署规模。随着汽车电子的发展，未来的汽车系统设计中将会部署越来越多的传感器，CIS与雷达/激光传感器将以一种相辅相成的互补关系，分别在各自的强势应用场景中发挥重要作用。
当然，如果单从CIS未来在车用领域的发展趋势上看，随着人工智能算法的愈发成熟，越来越多的功能可以通过CIS+AI的形式实现。比如在车外场景中，配合CIS获取的图像数据，汽车驾驶辅助系统能够实现行人监测、路面标志识别、车道偏移报警、自动泊车，乃至最终的无人驾驶。而在舱内场景中，CIS的应用场景将更为丰富：驾驶员身份识别、驾驶习惯设置自运行、用于自动调整安全气囊设置的儿童及物品识别、疲劳与分心驾驶检测、车内物品及儿童遗忘提醒等。
不过，车用CIS产品往往需要满足不少独特的需求，例如LED闪烁抑制能力以确保正确识别路面信号灯及汽车车灯；HDR功能以应对复杂的光照条件；强大的低光照成像性能以满足夜间开车或隧道环境的成像需求；全局快门技术防止高速运动下的“果冻效应”等。以低光照成像性能为例，由于有夜间驾驶以及隧道等低光照驾驶环境的存在，车用CIS不仅需要强大的低光照成像性能，还必须能够应对复杂且实时快速变化的光线环境，这意味着车用CIS产品必须拥有堪比高端安防CIS的夜视和HDR功能。
在AI应用上，为了应对各种典型或非典型场景，AI算法模型的发展需要建立在由大量测试数据支持的机器学习之上，这就要求CIS产品能够配合算法开发商进行大量的路面测试，以收集大量数据。同时，由于汽车中CIS部署量上升，为了让更多的中低端车型也配备足够的CIS传感器以部署AI技术，业内估计CIS产品必须降低20%-30%的价格才能满足成本方面的需求。
电子信息架构的迁移
从汽车架构的趋势来看，现在汽车的电子信息架构正从传统的分布式控制向域控制架构、分区架构、中央化架构方向迁移。但不管是哪种架构，随着架构的演进，对控制器的算力、软件、生态都会有越来越高的要求。
“这会引出一个问题：传感器是否要内置智能功能，以减少从传感器到处理器的带宽流量？”Bryce Johnstone认为，车内的网络带宽将会大幅增加，以太网尤其是千兆以太网的使用也会随之增加，以处理增长的流量，从而确保实时性能。但在完善全自动驾驶所需的处理能力方面，还有一段路要走。
众所周知，在传统的汽车电子E/E架构中，除车机端外，基本都是低算力的实时控制器，运算能力从几百到上千DMIPS不等。随着高级辅助驾驶/AV功能的引入，多传感器信息融合的处理需要更高算力的计算平台，目前主流车规级高算力处理器(MPU)的算力从几百Gops到几十Tops不等。可是，虽然此类芯片运算能力突出，但通常不具备实时性和高功能安全等级，所以在L0以上涉及底盘和动力控制的高级辅助驾驶/AV ECU中，多数方案都采用“高算力非实时MPU搭配ASILB+实时MCU”架构，其中MPU部分负责传感器的信息处理和融合，MCU负责控制决策以及和底盘及车身的通信。
此外，高运算量一定伴随着高带宽数据，传统的汽车网络主要以CAN(FD)/LIN等低速网络为主，其带宽从几百Kb/s到几Mb/s不等。而在高级辅助驾驶/AV时代，无论是车内带宽还是车外无线网络，都对通讯接口的带宽提出了不同数量级的要求，比如PCIe被用于高级辅助驾驶控制器中MPU/MCU之间的通信，车载以太网被用于域控制器之间的大数据信息的传递，LVDS则用于雷达和摄像头等传感器原始数据的传输。这些传输介质其实在消费类电子中早就存在，带宽则以Gb/s为单位，但当它们被引入到高级辅助驾驶/AV网络后，其功能安全和网络安全的属性都要进行重新考量和设计。
最后来看看AI技术的大量引入能在多大程度上解决和推动智能驾驶所带来的算力军备竞赛。目前L1/L2的高级辅助驾驶功能大多基于固定场景分类的rule-based算法，但未来过渡到L3/L4时，大数据的训练一定会对神经网络规模和层次、MPU算力提出更高要求。但这并不意味着进行简单粗暴的AI硬件加速资源堆叠就能解决问题，由于AI算法日新月异，如何让AI算法工程师能够将算法高效快速地移植到硬件上成为关键，这就需要芯片商同时提供强大的工具链支撑。
Yan Goh说，随着人们对大规模高速实时数据处理和高吞吐量的期待，数据通信带宽已成为汽车系统架构师面临的主要挑战。自动驾驶汽车的大量路试取得成功，得益于AI计算和许多基于摄像头-激光雷达-雷达的复杂传感器提供支持。在L5级自动驾驶模式下，每一毫秒对于确保驾驶员和乘客的安全都至关重要。要确保汽车能够在几毫秒内做出反应，现有的汽车架构是无法满足要求的，突破这一瓶颈的方法是将服务器-台式机的计算能力和千兆位类型的网络功能引入汽车领域，用复杂的软件处理算法和专业的汽车AI，帮助汽车OEM提升智能驾驶体验。
坚定不移地向xEV迁移
缓解“里程焦虑”
“新三化”始终是汽车行业在从传统的内燃机(ICE)到混合动力汽车(HEV)再到电动汽车(EV)过程中追寻的目标。在ADI中国汽车技术市场高级经理王星炜看来，续航里程是新能源汽车充电的关键指标。锂电池的监测对新能源汽车性能非常关键，通过实现高的电压测量精度，可以有效提升续航里程。更高的电芯电压测量精度可拓展电池可用电量范围，如果将精度提高到1%，那么电池可以在满容量的21%到89%之间运行，增加8%的用电容量。使用相同的电池和精度更高的BMS，可以有效增加每次充电的汽车行驶里程。
而英飞凌大中华区汽车电子事业部区域市场经理张昌明则认为，零碳排放目标实现不是一蹴而就的，通常分为两个阶段：一是在零碳排放之前，降低传统内燃机用量，提升内燃机工作效率主导了汽车驱动系统的开发；二是零碳排放之后，纯电驱动将引导汽车驱动系统的升级。
第一阶段中，混合动力系统会是首选，但如何让两套系统像一套系统一样有序协调的工作将是技术的难点。相比传统燃油车，利用单片机运算能力来统筹管理两个动力单元是混动汽车的核心技术。第二阶段中，电机驱动作为唯一的动力系统，离不开IGBT/SI?功率器件和相关控制/驱动芯片，电动汽车不仅对芯片算力有要求，还要足够安全。
确保实现最高效率，将电池能量提供给推进电机，同时使整部汽车保持轻量化，以增加汽车可行驶里程，缓解里程焦虑(英里/千瓦时)被Yan Goh视作新能源汽车市场中最为关键的挑战。例如尽管新型锂电池或燃料电池实现了更高的能量重量比，但它们需要更高性能的电池管理系统(BMS)；下一个挑战是电气转换，即工程师所设计系统的热损耗必须更低，同时在高频环境下满足电磁兼容EMC-EMI特性；考虑到高电压、高速充电和高效率要求带来的复杂性，越来越多的OEM开始引入800V系统，将其作为减轻重量的一个重要环节，这就需要具有高电压能力的Si? MOSFET晶体管-二极管技术；最后，政府和企业需要共同努力，扩大电动充电基础设施的覆盖范围。
新型功率器件崭露头角
功率芯片就像骨骼上的肌肉，依赖于大脑的指令来工作，只有肌肉足够强壮才能完成更有难度的工作。目前，新能源电动车使用的动力电池电压已达400V级别，当它驱动车轮时，需要将直流电转换成高压交流电。作为目前驱动系统中最经济安全的方案，更可靠的IGBT芯片始终会是电动驱动行业关注的重点。
但以碳化硅和氮化镓为代表的第三代宽禁带半导体(WBG)在汽车行业中的前景将更为光明。由于具备更高的开关频率，Si?和氮化镓器件在减小系统尺寸、成本和重量方面意义重大。新型功率开关还将促使其控制元件发生变化，其中包括栅极驱动器。另外，更高的工作温度(尤其是氮化镓器件)和更低的开启驱动要求，还可简化系统架构师的设计工作。目前来看，氮化镓在650V以下/Si?在650V以上的电压系统中将会发挥各自的性能优势，电机驱动器(Main Inverter)和车载充电器(OBC)成为能将这两种器件优势最大化的应用。
“很多客户对Si?和氮化镓器件本身的理解依然是基于一些理论和简单测试，要想加快新器件的普及，需要让工程师能更好的理解应用和器件本身的特性，找到Si?和氮化镓最合适的应用领域，从系统上产生价值。”张昌明认为这需要从三个方面来加以推动：
第一，了解新能源车应用，找到Si?和氮化镓能产生价值的应用环境。相对硅器件，Si?和氮化镓器件都具有很低的开关损耗和导通损耗。Si?在电机驱动器上的优势尤其明显，凭借高耐压值能够降低损耗，延长行驶里程，达到系统成本平衡。
第二，新能源汽车对器件可靠性的要求比工业标准更严苛，Si?和氮化镓开关速度更快，增加功率器件的抗干扰能力以及优化驱动电路设计来增强Si?和氮化镓的易用性，提升系统的可靠性，会让Si?和氮化镓推广得更快。
第三，解决了系统应用和器件的技术问题后，系统成本是否有优势必然是最终决策的关键参数。尽管从目前电池电压系统的发展看，Si?在新能源汽车上会有更快速的发展，但Si?晶圆生长周期是Si晶圆的3-5倍，加工难度大，成本降低并非一朝一夕之事。如果能结合Si的成本优势和Si?的性能优势研发混合型功率器件，将会极大扩展Si?的应用范围。
王星炜对此也持相同看法。“虽然这些优势使得氮化镓和碳化硅功率开关对设计人员极具吸引力，但这种好处并非毫无代价，最主要的代价是这类器件的价格比同等MOSFET/IGBT产品高出好几倍。”除纯成本和财务因素外，更高的开关速度和工作温度可能非常适合氮化镓/tanhuagui开关，但是它们仍然会为完成功率转换信号链所需的周边IC支持器件带来问题，例如MCU通常无法提供高压大功率驱动信号，需要相应的隔离栅极驱动芯片。
新基建“新”在哪里？
新能源汽车充电桩此番作为中国“新基建”七大领域之一备受关注。张昌明认为，相对于传统基建，国家这次从三个维度对“新基建”进行了定义，分别是信息基础设施、融合基础设施和创新基础设施。充电桩行业在这次新基建中归属于融合基础设施，可以支撑传统基础设施的转型升级，结合交通路网，充电桩网络管理还可升级到智慧交通基础设施和智慧能源基础设施。在这一过程中，便利性将是主要挑战，“保质、保量、有序”成为解决充电难问题的六字箴言。
●保质。目前很多充电桩都处于故障或停用状态，维护不佳。原因有二：一是产品质量不好，户外产品的设计参考了室内产品的定义；二是终端设备不营利，导致充电桩供应商无力维护，因此价格和性能之间的平衡将是充电设备生产与服务商面临的首要挑战。
●保量。主要是要有充足的车位和充足的电量供应。数据统计，我国2019年充电桩总量121.9万台，车桩比达到3.4:1，但在商业中心车流密集场所找到充电区域仍然相当困难的，充电桩破损、车位占用、充电拥挤都是充电难的主要问题。充电桩是服务于新能源车的，其增幅要与新能源车保有量的增长维持相对平衡的状态。如何布局充电设施，提升充电桩有效利用率会是第二个挑战。
●有序。管理有续、政策有序将是第三个挑战。管理有续体现在如何加强充电网络、充电APP的实用性，据称有新能源车主在购买了新能源车后，手机上多出了近15个充电APP，多平台运营导致用户时间的浪费；而车开到可用充电桩后发现车位被占用，这是管理问题。解决这两个问题需要有政策来约束和管理充电服务提供商和用户。
ADI工业与能源事业部市场经理张松刚表示，充电桩建设的一个趋势就是要把充电机的功率做大，从而实现高效率充电，例如实现十五分钟或更短的时间之内充电50%以上的高效率。实现的方法就是提高充电功率，但功率提高带来的问题是充电桩尺寸增大，如何在有限的尺寸下提高功率，甚至把功率器件的尺寸继续减小，只有提高充电机开关电源的开关频率。
同时，作为充电桩电源电路中的开关元件，IGBT/功率MOSFET的开关频率是决定充电桩效率的关键。传统的IGBT开关频率大概在20k左右，现在已经有40k-50k的开关器件，氮化镓、碳化硅等更高速的开关器件也在陆续投入应用，充电桩充电功率正在不断提升。与功率器件一样重要的，是这些功率器件的隔离栅极驱动器的选择，只有低传输延迟、低死区时间的栅极驱动器才能确保功率器件实现更高的开关频率和效率。
此外，随着更多更大功率公共充电桩的建立，充电站集中若干大功率的充电桩将对电网供电造成极大的压力。同时满负荷充电，电网可能在多个点上崩溃，或者需要投入巨额资金改善输电线路或设置集中式发电厂，大幅提高基本负荷。但是，这种负荷又具有不确定性，更有效或低成本的解决不定期的集中充电的问题，储能系统可以发挥积极作用，利用此能量服务增加电动汽车充电量，消除通过调节功率峰值，保持电网稳定，或是在停电的情况下提供电源。
软件定义汽车
之所以将安全话题单独列出，是因为随着汽车产业的“新四化”改造逐步从概念步入现实，车载软件的复杂性正在呈指数增长，汽车行业近年来也逐渐达成了将“软件定义汽车”作为未来发展方向的共识。同时，也有人担心作为物联网的一部分，未来的汽车正从原来一个完全封闭的系统，转变为一个完全开放的系统。大量非传统汽车行业企业涌入市场，有些甚至沿用当前消费类电子的研发标准，从而给整个汽车电子系统架构带来极大的安全隐患。
新思科技高级解决方案架构师Dennis Kengo Oka在接受本刊采访时表示，基于软件的解决方案给汽车行业带来了诸多益处，通过使用软件来驱动汽车的多种功能，而不是使用专门的硬件解决方案，可以降低成本。除此之外，此前面向目标系统单独开发的常用功能，如驱动程序和库中的功能，在诸如AUTOSAR的软件平台或开源软件组件中变得更加强大，这使得软件模块可以重复使用，从而降低成本并提升开发速度。
然而，一辆汽车的代码超过1.5亿行，因此在质量、安全性和隐私方面也存在与软件相关的固有风险。汽车企业需要采用各种软件开发工具和程序来帮助开发人员开发更加安全和高质量的软件，包括使用静态代码分析工具和遵循安全编码准则，以减少自己开发的代码中的质量和安全问题；使用软件组件分析工具识别开源软件中的已知漏洞；使用模糊测试工具来检测软件中的未知漏洞。除了这些工具和程序外，汽车企业必须确保建立网络安全文化，并保证安全培训成为针对开发人员和安全团队成员进行持续教育计划的一部分。
尽管汽车行业的软件开发日新月异，也有很多非传统汽车行业企业进入汽车行业，但Dennis Kengo Oka相信汽车行业依然是一个规则非常严格的行业，拥有许多具有明确开发定义的各种行业标准，包括：功能安全标准ISO 26262、开发流程模型A-SPICE以及网络安全标准ISO/SAE 21434等。所有企业都需要在汽车产品的开发过程中采用特定的汽车标准，或者将开发重点放在非传统汽车开发领域，比如不适用于这些标准的后端服务解决方案。
智能与安全是迈向汽车智能化的两条路径，整车厂、零部件供应商、科技公司对此各有考量。在联网汽车的案例中，既包括了与传统IT后端的通信，也看到了Google、Amazon和Microsoft等云服务供应商与传统汽车制造商的合作，让汽车智能的某些部分转移到云端执行。这些解决方案绕过了车载系统中的计算限制，并且可以在大型数据中心中执行更高级的数据处理和分析。
还有一些基于硬件并扩展到平台解决方案的案例，如科技公司提供的自动驾驶平台和空中升级平台(OTA)。自动驾驶平台在硬件和传感器中提供智能，汽车企业在该平台上构建自己的解决方案；空中升级平台在自身更新过程中提供智能，用于更新的通信协议以及用于对汽车目标系统执行更新的车载解决方案。汽车企业可以将其现有的软件开发发布流程与空中升级平台集成，以实现其汽车的OTA空中升级。
Dennis Kengo Oka的看法是，汽车行业传统上具有复杂的供应链，汽车制造商位于最顶端，多层供应商向汽车制造商提供各种硬件和软件。然而，最新的趋势是更多的汽车制造商通过在其内部执行更多的开发来整合内部的智能，包括各种系统的软件开发，如自动驾驶系统、以及在某些情况下专门的硬件SoC芯片设计。这意味着一些汽车制造商现在也正在直接与硬件设计公司合作，将智能构建到自身的硬件层，从而绕过传统供应链中的某些步骤。