每經記者 朱成祥    每經編輯 楊夏    

7月8日下午，德州儀器中國區技術總監師英在慕尼黑上海電子展上接受了《每日經濟新聞》記者的專訪。

近期，國內多家汽車芯片廠商掀起“艙駕一體”（智能駕駛域和座艙域的功能集成到一個域控制器中）熱潮。

對此，師英認為：“所謂的艙駕融合，在市場上確實看到很多提法和聲音。這個趨勢，可能是主機廠來定架構。座艙域和智駕域，運算的種類有所不同。比如座艙域需要大量圖像處理，就需要GPU（圖形處理器），而智駕域會有很多人工智能、深度學習的運算，就是我們平常說的NPU（神經網絡處理單元），或者說AI（處理器）。”

座艙域和智駕域的差別

值得注意的是，一些公司的AI處理器，也是從GPU發展而來。

師英認為：“無論GPU，還是NPU，都可以處理數學運算，只是在處理不同數學運算時各有專長。甚至平常使用的CPU，也可以處理數學運算，只不過運算的效率不同，包括時間成本以及功耗成本。因此，會在不同的場景根據不同的應用需求，來選擇使用對應的計算單元。”

一般而言，座艙域主要負責汽車娛樂系統。若車機系統卡頓，影響相對不是很大。但若智駕域出錯，對行車安全則影響較大。那么在容錯率上，座艙域和智駕域是否存在區別？

對此，師英回答稱：“座艙域在功能安全上的要求會低很多。在ADAS（高級駕駛輔助系統）域，是需要符合26262（即ISO 26262）標準，其功能安全等級是不一樣的，因為涉及駕駛安全。除了大量數學運算單元外，德州儀器還有獨立的區域，稱之為安全島。這樣在芯片層面，就可以把功能安全做得很好。”

關于智駕芯片算力問題，師英認為：“在算力需求層面，自動駕駛其實是一個邊緣的AI系統。從傳感器信號的感知（包括激光雷達信號、視覺信號以及毫米波雷達信號）到融合，再到算力運算，運算后再去規劃智駕策略，最后再驅動（車輛行駛），這是一整套的ADAS（高級駕駛輔助系統）系統。在整個鏈路環節中，算力其實不是關鍵，或者說不是唯一的決定因素。一方面需要考慮算力的效率，包括融合、運算、規劃的效率；另一方面是驅動因素。”

師英強調稱：“雖然大家對算力有很多要求，但整個系統的架構也是非常重要的。如果一味地追求高算力，那么系統（成本）也會大幅度提高。”

因此，師英較為重視性價比。其表示：“當把算力堆砌得非常高的時候，一個系統可能需要非常復雜的散熱系統，如液冷、水冷散熱。”

那么，從ADAS走向AD（自動駕駛），汽車廠商對算力的需求會不會顯著提高？師英表示：“如果再到更高級別的輔助駕駛，或者自動駕駛，對算力的要求肯定是往上走的趨勢。”

人形機器人什么芯片最重要？

近年來，人形機器人快速發展。那么，人形機器人又需要哪些芯片支持呢？德州儀器在人形機器人芯片領域又有哪些布局？

師英表示：“德州儀器的產品很多，有8萬多種。我們看一個機器人，不管是人形機器人或者協作機器人，抑或工廠自動化所用到的制造機器人，它們有一些共通點，就是要接入很多傳感器。這些傳感器包括視覺、語音，包括對物理量的檢測，如溫度、電壓、濕度。另一方面，每個機器人行動部分，都需要非常精準的馬達驅動，每一個關節、每一個自由度，都需要非常精細的控制。還有大量數據的處理內容，包括機器人系統內部，以及云端的數據處理。此外，安全也是非常重要的。包括功能安全，即不可以造成傷害或者事故；第二，是信息安全。需要保證數據的完整性和保密性。”

他以馬達驅動為例，“我們的伺服電機驅動、BLDC無刷電機驅動，都有很好的解決方案”。

可以看出，人形機器人使用多種類型芯片，那么什么芯片又是最重要的呢？師英認為：“我覺得每一個都很重要。人形機器人是一個非常龐大復雜的系統，不能有短板。即使很簡單的電源供電，一個LDO（低壓差線性穩壓器）出了問題，整個系統都會崩壞。所以，從電子工程師角度看，每一個都很重要。”

（封面圖片來源：每經記者 朱成祥 攝）