與人腦一樣，負(fù)責(zé)駕駛車輛的計算機(jī)需要在瞬間做出決定，以應(yīng)對突發(fā)狀況，即使是微小的延遲也會給車輛和乘客帶來災(zāi)難性的后果。

傳感器融合通過結(jié)合來自多個輸入的數(shù)據(jù)（包括雷達(dá)、LiDAR和攝像頭）來復(fù)制人類的感官。通過融合這些數(shù)據(jù)，車廠可以緩解單一傳感器的不足，以獲得車輛周圍環(huán)境的完整圖像，并提供高水平的空間感知。

然而，為了使傳感器融合可靠地工作，必須以非常高的速度收集、分發(fā)和處理傳感器的數(shù)據(jù)。就像人腦一樣，負(fù)責(zé)駕駛車輛的計算機(jī)需要在瞬間做出決定，以應(yīng)對突發(fā)狀況。在這個過程中，即使是微小的延遲也會對車輛和乘客產(chǎn)生災(zāi)難性的后果。

正如人們所預(yù)料的那樣，將自動駕駛汽車（AV）所需的所有傳感器整合到一起會增加車輛的復(fù)雜性，并需要OEM在設(shè)計、工程和制造車輛時改變方法。如何最好地將那么多電子裝置聯(lián)網(wǎng)是特別具有挑戰(zhàn)性的。它可能會大大影響數(shù)據(jù)移動和處理的速度和效率，并帶來一系列的二級挑戰(zhàn)，如對車輛整體重量的影響。

重量挑戰(zhàn)

對于那些從事汽車網(wǎng)絡(luò)和AV的人來說，車輛的重量是一個不可忽視的因素。更多的傳感器意味著需要更多的線束來連接它們，這可能導(dǎo)致系統(tǒng)重量增加，并對車輛的整體速度、能效或電動車的續(xù)航產(chǎn)生不利影響。事實(shí)上，對于許多車輛來說，線束是最重的四個子系統(tǒng)之一，在目前的汽車中重達(dá)132磅。此外，復(fù)雜的布線影響了汽車的生產(chǎn)速度，因?yàn)樗枰嗟臅r間來完成和測試。

這個問題變得更加復(fù)雜，因?yàn)樵絹碓蕉嗟钠囖D(zhuǎn)向電動化，由于電動動力系統(tǒng)的重量增加，需要減去多余的重量。更重要的是，電動車廠商往往是最努力推動自動駕駛的人，這意味著他們同時需要更多的傳感器和更好的網(wǎng)絡(luò)，同時還需要減輕重量，為電池留出空間。

幸運(yùn)的是，MIPI（Mobile Industry Processor Interface）控制器等組件的進(jìn)步有助于減少額外布線的需求，在某些情況下，甚至降低了所需線束的總長度。MIPI允許直接從傳感器到CPU的布線達(dá)45英尺，沒有延遲或處理損失。實(shí)際上，這就像傳感器直接連接到CPU上一樣，不需要額外的網(wǎng)關(guān)來增加多余的布線。

此外，特斯拉等車廠正在嘗試中央網(wǎng)絡(luò)架構(gòu)的新變化，包括環(huán)形架構(gòu)。最近的專利表明，使用圓形外觀線束的系統(tǒng)使所有部件都能連接到線束并進(jìn)入CPU，而不是在多個點(diǎn)上單獨(dú)連接到CPU。

無線電池管理系統(tǒng)等其它技術(shù)進(jìn)步也有望減少未來車輛的整體布線需求。除此之外，zonal架構(gòu)和虛擬ECU的發(fā)展趨勢引入了一個更強(qiáng)大的多功能ECU的概念。這些將被連接到智能傳感器，以減少ECU的整體數(shù)量，這反過來又對布線產(chǎn)生積極影響。

這種系統(tǒng)有可能大幅減少所需的布線量，并可能使線束系統(tǒng)在生產(chǎn)過程中更容易安裝，從而減少車輛生產(chǎn)時間。

對速度的需求

如前所述，速度（指的是移動和處理數(shù)據(jù)的能力）對于傳感器融合和AV來說是至關(guān)重要的。大量的數(shù)據(jù)必須實(shí)時收集、傳輸和計算，以便迅速做出決策，因此高吞吐量是一個嚴(yán)格的要求。這一要求影響到汽車網(wǎng)絡(luò)的數(shù)據(jù)交換和出入內(nèi)存的數(shù)據(jù)傳輸。

傳統(tǒng)的汽車網(wǎng)絡(luò)，如CAN、LIN和FlexRay，根本無法提供足夠的帶寬來傳輸傳感器融合和使用深度神經(jīng)網(wǎng)絡(luò)的車載AI計算引擎所需的大量數(shù)據(jù)。根據(jù)Micron的預(yù)測，估計需要高達(dá)512-1024GB/s的內(nèi)存帶寬來支持L3和L4自動駕駛。在L4時，車輛是高度自動駕駛的，但在某些情況下仍然需要與人類互動。

2020年，大多數(shù)汽車系統(tǒng)都配備了x32 LPDRAM組件，每個設(shè)備的I/O信號速度高達(dá)4266 MB/s（4.266 GB/s）。使用可行數(shù)量的DRAM器件實(shí)現(xiàn)更高水平的自動駕駛需要高性能存儲，如GDDR6。一個x32 GDDR6 DRAM設(shè)備以16Gb/s的速度運(yùn)行，可以提供64GB/s的帶寬。一個擁有16個這樣的GDDR6 DRAM的架構(gòu)可以滿足L4內(nèi)存帶寬的要求。

許多車廠正在努力解決當(dāng)前技術(shù)的局限性，并尋找方法來達(dá)到完全自動駕駛的必要性能水平。縱觀物理、電氣和計算方面的挑戰(zhàn)，顯然需要最先進(jìn)的解決方案才能讓自動駕駛汽車上路。

[參考文章]

The Networking Challenges Confronting Autonomous Vehicles — Thierry Kouthon