智能神经系统驱动富有弹性的软件定义汽车

消费者希望生活中的一切，从手机、家庭娱乐到汽车，都能提供高度个性化的体验。这样的体验和功能离不开软件定义技术的支持。如今，汽车行业正借助软件的力量，打造更具沉浸感、更安全、更高效的座舱体验。这些技术从根本上重新定义了价值的创造和提供价值的方式，迈向成功所需的合作伙伴关系已成为关键。

从引人入胜的音频和语音激活的信息娱乐系统，到高级驾驶辅助系统(ADAS)，汽车行业面临的挑战在于：如何以有限的成本迅速满足消费者的期望。精明的OEM意识到，现代汽车的设计本质上是一个复杂的电气工程难题，其核心在于如何巧妙地运用先进的半导体解决方案。

半导体技术提供商需要从系统层面出发，实现一种能够支持边缘智能、稳健连接、高效电源管理、软件集中化和无线(OTA)功能更新的电气电子(E/E)架构。

新时代的曙光：软件定义汽车

软件定义汽车(SDV)正迎来一个新的创新时代，不断扩大的生态系统汇集了新的参与者，以满足不断变化的客户需求。

通过共性创造独特性

软件定义汽车技术正在改变我们的驾乘体验。它可以根据乘客的需求自动调整车内环境，营造个性化的舒适空间。此外，它还能增强出行安全，优化车辆性能。这些创新使汽车制造商能够提供独特的、不断进化的体验（通过OTA更新），培养消费者对品牌的忠诚度和信任，并提升他们整体的用车感受。借助精准技术手段，汽车制造商可以深入了解消费者偏好，从而帮助推动战略创新，并加强与购车者的长期关系。

挑战在于找到最佳策略，以在满足消费者期望的同时加速部署。一个答案是让OEM能够利用标准化、可扩展的半导体平台，这将有助于加快开发速度、控制成本并保持品牌差异化。汽车制造商可以利用这些可扩展平台来更好地重用软件代码并确保竞争优势。

实现汽车智能神经系统

到2030年，软件定义汽车预计将产生大约200 Gbps的数据，其中主要是视频。为了在车辆边缘的传感器之间传输这些数据，以及将其传输到高性能车辆计算机、存储器、显示器和执行器，需要高速有线数据链路。这些高速链路与强大的计算能力和AI相结合，让汽车制造商能够提升消费者在驾驶和用车过程中的体验。

边缘处理允许传感器在本地做出实时决策，而无需依赖集中式云计算系统，这将有助于降低处理需求。通过这种智能边缘，汽车制造商可以利用精准的实时智能增强消费者的驾驶和用车体验。

为了简化SDV架构，实现智能边缘，提升平台价值，以及提高能效，系统级设计对于半导体公司来说很有必要。ADI公司的智能神经系统模仿人类的神经系统，通过连接各种子系统实现无缝互操作性和实时适应性，而不会增加复杂性。该系统支持SDV快速收集和分析数据，从而做出快速明智的决策，优化性能和安全性，并适应不断变化的条件。

随着汽车行业将原本分散的域控制器和特定功能控制器整合为中央跨域计算单元，软件将实现集中化管理，以便支持频繁的无线更新，从而降低车辆保修成本并改善用户体验。跨域分区控制器的应用大幅减少了车内布线，但要实现数据流通畅和各子系统的无缝控制，还需依赖更先进的网络技术。这一变化要求我们重新审视车辆内部软件和硬件的设计、集成与管理方式。

配置——

配置意味着确保系统之间无缝通信，以实现高效运作和及时决策。以高级驾驶辅助系统为例，在有雾的情况下，传感器检测到物体，算法分析数据，车辆发出警告，同时准备刹车或避开物体。从摄像头到决策算法，再到执行响应的机制，每个组件都必须协同工作以确保安全和性能。

聚合——

聚合侧重于车辆要拥有收集传感器采集的汽车内外部环境等各种数据的能力，它代表了车辆的智能边缘，车辆基于全面的数据分析快速作出决策，就像人的本能反应一样。设想一辆汽车在繁忙的城市环境中行驶。这辆汽车需要整合车载传感器（如摄像头、激光雷达和雷达）的数据以及GPS和V2X输入，以增强态势感知和决策能力。聚合还涉及理解人类交互，例如语音命令，以提高车辆智能和响应能力，使得车辆不再只是被动等待指令，而是能够主动预测并应对各种情况。

协同——

最后一步是协同，这是将SDV的智能神经系统各部分紧密结合在一起的关键。通过协调各种硬件平台，车辆可以具备洞察能力，支持扩展，促进生态系统整合。协同还能确保所有硬件和软件元素和谐地一起工作，让车辆在各种条件下高效安全地运行。

优化数字驾驶舱的智能边缘

确立了“配置”、“聚合”和“协同”这三项能力之后，我们需要优化智能边缘，以实现我们对汽车技术变革的愿景。当今的车辆依赖三个主要网络——音频、视觉和车身控制，这些网络构成了车辆的基础。此外，我们还需要简化电缆和接线，优化生产流程，提升可靠性和维护便利性。

在音频网络中，我们开发了通过低成本电线实时传输音频信号的能力。在车身控制中，我们消除了微控制器和边缘软件，降低了成本并简化了架构，使软件定义特性更易于使用。这种方法还加强了网络安全，保障了车内乘客的隐私和安全。

针对视觉和感知网络，为了应对来自摄像头、雷达和激光雷达的海量数据，同时简化线束，更高带宽的解决方案变得至关重要。