3月11日，美國底特律市，特斯拉Model Y又雙叒叕撞上白色大貨車，車頂被削，現(xiàn)場十分慘烈。

看國內(nèi)，近一個月，有記者采訪全國各地近20位經(jīng)歷嚴重車禍的特斯拉車主，發(fā)現(xiàn)事故大多相似：突然加速，剎車失靈，車主重傷，不撞上強大障礙物不停車，更有的狂奔8公里之遙。特斯拉的回應不想也知：駕駛員一直踩加速踏板，并未剎車。這么先進的車，“黑匣子”數(shù)據(jù)一公開不就結(jié)了？要么在那里扯皮，要么數(shù)據(jù)消失。一次兩次也就算了，卻是一而再再而三。

這些應該是“3.15”的事，我們管不了。倒是前不久一則“特斯拉5nm自動駕駛（AV）芯片將與三星合作開發(fā)”的消息讓人發(fā)問：不要說自動駕駛，現(xiàn)在用14nm“正?！毙旭偠歼@樣了！5nm難道就是救命稻草？不是挑戰(zhàn)更大嗎？

看看半導體行業(yè)一些頭部公司高管對芯片和封裝、系統(tǒng)和數(shù)據(jù)、可靠與安全、ADAS和自動駕駛，特別是現(xiàn)場驗證的討論，或許可以幫助我們悟出點什么。

5nm是一個未知的世界

國內(nèi)關(guān)于特斯拉與三星的報道似乎有誤：“為其自動駕駛汽車的車載信息娛樂（IVI）或媒體控制單元（MCU）開發(fā)一種5nm半導體。”

業(yè)界正在試圖開發(fā)5nm汽車AI芯片，工藝變化、電遷移、電磁干擾、電力傳輸問題和檢測的挑戰(zhàn)比比皆是。我們過去從來沒有把一個先進節(jié)點芯片放到汽車這樣極端的環(huán)境中，是否真的了解前方“路況”以及如何應對呢？

PDF Solutions先進解決方案副總裁Dennis Ciplickas說：“5nm芯片是一個全新的世界，我們從未去過。獲取、吸收和連接所有數(shù)據(jù)都面臨著挑戰(zhàn)。先進技術(shù)的關(guān)鍵實際上是要了解丟失了哪些數(shù)據(jù)。例如，5nm的中間工序（MOL）有三維的電相互作用，你根本看不到物理檢測。這是我們一直追求內(nèi)聯(lián)‘檢測設(shè)計’的一個主要原因，為的是獲得泄漏的敏感測量值，進而發(fā)現(xiàn)有可能轉(zhuǎn)化為實際缺陷的潛在缺陷。要正確響應，首先必須知道缺陷的存在，這意味著必須創(chuàng)建新的數(shù)據(jù)。僅僅將數(shù)據(jù)作為制造過程的工件來表示是不夠的，需要區(qū)分數(shù)據(jù)?！?/p>

對汽車應用來說，先進封裝也是新的東西。雖然多芯片模塊已經(jīng)存在了幾十年，但其封裝并不像我們看到的傳感器融合或一些7/5nm芯片那樣。封裝對可靠性也有影響，這是必須處理的另一層復雜性。

yieldHUB業(yè)務(wù)開發(fā)經(jīng)理Andre van de Geijn認為：“這取決于芯片用在汽車的哪個部分。如果用在娛樂系統(tǒng)，可以使用與數(shù)百萬部手機相同的組件，你可以信任這些組件。如果你的手機故障率很高，可以換一個。許多公司說，這只是一個組件，我可以取出模塊，放入一個新的模塊來替換。這與汽車管理系統(tǒng)中的封裝完全不同。制造座椅前后移動按鈕的公司會開發(fā)出全新的技術(shù)，在這些按鈕失效時可以更換。但如果是汽車管理單元，那就完全不同了。”

proteanTecs汽車部門總經(jīng)理Gal Carmel說：“先進封裝增加了另一層復雜性，因為它缺乏可見性，并且依賴于高密度架構(gòu)，從而限制了冗余退路（fallback），而汽車系統(tǒng)需要冗余。此外，芯片的人工智能（AI）部分正在增長。它不僅涉及到封裝和先進節(jié)點，而且芯片架構(gòu)是AI驅(qū)動的，并使用現(xiàn)場推理和訓練來不斷改進硬件架構(gòu)。使用這個反饋回路，就可以減少硬件冗余并優(yōu)化復雜性。”

OptimalPlus汽車業(yè)務(wù)部門副總裁兼總經(jīng)理Uzi Baruch表示：“封裝確實增加了層次結(jié)構(gòu)和組裝組件的復雜性，需要在三個維度相互關(guān)聯(lián)。這本身就引入了數(shù)據(jù)的語義概念。它有多個向量，其中一個也是層次元素。它確實增加了復雜性，因為一個組件不能看作一個單獨的單元，必須考慮組件的層次結(jié)構(gòu)。如果你不這么做，你從分析中得到的東西就會非常有限。然而，如果你做的對，就可以精確定位問題所在?！?/p>

軟件是潛在的巨大風險

現(xiàn)在，整個行業(yè)都在探討軟件定義汽車，先進一點的汽車（如特斯拉）都用軟件來控制某些功能，還有OTA（空中下載技術(shù)）。如果你更新了一個復雜軟件系統(tǒng)的一部分，就有可能影響到這個系統(tǒng)中的所有東西。如果你添加了大量軟件，在硬件不支持的情況下，車輛性能就會下降，甚至會影響到路上的其他車輛。

Ciplickas說：“軟件很有挑戰(zhàn)性，因為它不遵循任何物理規(guī)則。硬件聽起來很難，但它實際上遵循一些邊界條件。有了軟件，你可以改變一切，這可能會產(chǎn)生很多意想不到的后果。”是什么后果呢？

Carmel認為：“利用深度數(shù)據(jù)，我們可以將硬件虛擬化，更好地感知軟件操作的影響。通過這些虛擬化，你可以轉(zhuǎn)向一種自適應軟件模型，該模型針對車輛的ECU性能和現(xiàn)場退化進行定制。人工智能（AI）應用增加了芯片上AI的比例，以滿足軟件的需求。這將有助于減少冗余并確保優(yōu)化功能。此外，實地推斷和訓練將不斷改進硬件和軟件之間的相互作用?！避囕v中各系統(tǒng)，特別是傳感器、雷達等的冗余對于安全至關(guān)重要，怎么優(yōu)化的確是個逆坂走丸的事情。

最大挑戰(zhàn)是安全性

在設(shè)計方面，可靠性和安全性密不可分。最大的挑戰(zhàn)是如何在這些系統(tǒng)中建立安全機制？

Ciplickas認為：“安全性有很多方面，但一些用于優(yōu)化可靠性的技術(shù)和測試可以提供提升安全性的工具。例如，調(diào)試監(jiān)視器或漂移和移位監(jiān)視器可以檢測某些類型的攻擊，無論是在t = 0時檢測到的，還是在現(xiàn)場檢測到的異常行為或漂移。這些監(jiān)視器已經(jīng)被用于系統(tǒng)運行和優(yōu)化，兩者之間有相關(guān)的基礎(chǔ)設(shè)施，盡管它們的應用方式非常不同。”

Carmel說：“這是一個使用數(shù)據(jù)的機會，因為你提供的數(shù)據(jù)越有價值，芯片的簽名就越好。最終，這些數(shù)據(jù)會幫助你理解是否有異常。這對關(guān)閉有問題的車輛可能更為緊迫。使用深度數(shù)據(jù)，你可以創(chuàng)建24/7車隊可見性，并在問題發(fā)生時立即確定問題。”

現(xiàn)在，汽車系統(tǒng)中移動的數(shù)據(jù)量非常巨大，是否真的能夠檢測到一個非常輕微的異常呢？

Carmel接著說：“基于通用芯片遙測的深層數(shù)據(jù)有助于深入了解實際芯片和系統(tǒng)的操作、性能、可靠性裕度和性能退化。這種真實世界的數(shù)據(jù)并不依賴于觸點的轉(zhuǎn)移，而是依賴于實地操作的輸出?！?/p>

Ciplickas介紹說：“關(guān)于信號和噪聲，業(yè)界已開發(fā)出可以找到信號的技術(shù)。如果在加工晶圓或引線鍵合時觀察設(shè)備上的傳感器數(shù)據(jù)，就能得到的各種各樣的信號。在這些信號中發(fā)現(xiàn)的異常有時是微小的光點。利用機器學習技術(shù)，在原本‘好’的噪聲海洋中可以找到那些微小的斑點。與其把它看作是一種制造晶圓的設(shè)備，不如把它看作是一個在現(xiàn)場運行的系統(tǒng)，了解這些微小的光點是有可能的。”

KLA戰(zhàn)略合作先進總監(jiān)Jay Rathert認為：“最大的挑戰(zhàn)不是看到缺陷本身，而是理解哪些缺陷是相關(guān)的，哪些可能成為潛在缺陷。將設(shè)計和改進測試聯(lián)系起來才價值。兩者結(jié)合越緊密，并擁有一個迭代或協(xié)作、對齊的數(shù)據(jù)集，就越能更好地理解芯片上需要發(fā)生什么樣的輸入和輸出。我們需要架起設(shè)計與測試的橋梁，消除產(chǎn)品生命周期中存在的各種問題?！?/p>

使用上游數(shù)據(jù)理解下游信號是一種非常強大的技術(shù)，它有助于預測潛在的問題。

Baruch說：“人們往往傾向于研究預測模型，但是他們忽略了這樣一個事實：功能集——實際上對預測事物的能力有很大貢獻。它可以過濾噪聲、發(fā)現(xiàn)什么重要什么不重要，以及任何問題的根本原因是什么。我們經(jīng)常使用左移（shift-left）模式（把位于傳統(tǒng)軟件開發(fā)流程中最后階段的測試往前提）。為避免大海撈針，好的模型可以幫助你發(fā)現(xiàn)什么是優(yōu)先權(quán)問題，只要你決定從哪個角度來看即可。建立了這些模型，你就會預測一些東西，你也需要一些人來修復那些模型中錯誤的屬性。”

全自動駕駛汽車到來之前

ADAS和自動駕駛似乎并不是一回事。進入完全自動駕駛，必須開始思考系統(tǒng)之系統(tǒng)（SoS）的協(xié)作。如果汽車使用不同代的芯片和軟件，會發(fā)生什么呢？

Carmel說：“從ADAS到AV的基本意義是了解它們經(jīng)歷了什么樣的失敗。最終，需要定義性能范圍。每輛車都有自己的性能范圍，因為它有不同的硬件，不同的軟件，不同的級別。當你確切地知道如何定義這個性能范圍，并在可靠性和安全性之間建立平衡時，你就可以控制車隊了。使用深層數(shù)據(jù)，我們可以定義每個模型和每個單元的獨立功能，并勾勒出一個自動駕駛層次結(jié)構(gòu)。”

National Instruments運輸市場負責人Jeff Phillips指出：“圍繞自動駕駛的要求、用例、期望和標準都與現(xiàn)在有很大變化，包括車輛的反應，以及當人的生命處于危險之中時，芯片是否可以做出決定。最終，我們還要弄清楚如何把系統(tǒng)整合在一起，然后從生產(chǎn)開始驗證芯片的行為。最重要的是，我們需要建立適當?shù)男袨楹妥詣玉{駛性能，利用算法使汽車作出正確的決定。這當中數(shù)據(jù)是關(guān)鍵?！?/p>

會不會有一天可以看到自動駕駛車輛出現(xiàn)在地理圍欄區(qū)域以外的地方，比如在高速公路上為其設(shè)置一條車道，在離開高速公路時再由人來接管？

Geijn認為：“改進產(chǎn)品和組件并從中學習是需要時間的。自動駕駛不是某一天開啟功能就可以實現(xiàn)的。在接下來的10年里，它會不斷改善，直到真正擁有一種你覺得舒適的東西，它可以做人類能做的80%或90%的事情?！?/p>

Carmel表示：“讓車輛逐漸駛出地理圍欄區(qū)域的關(guān)鍵是覆蓋范圍和可擴展性。當在地理圍欄區(qū)域外運行時，可靠性和可預測性將確?？梢宰裱收习踩珔f(xié)議，這需要對ECU的操作能力和安全狀況有絕對的確定性。這只能通過連續(xù)監(jiān)測和非侵入式現(xiàn)場系統(tǒng)完整性驗證來實現(xiàn)。”

Ciplickas補充說：“這聽起來像是一種非常自然的進化。從一個區(qū)域開始，基于學習表現(xiàn)良好，然后不斷擴大。這將給我們帶來大量的學習，從而實現(xiàn)下一級別的自動駕駛?！?/p>

Baruch認為：“在中國，從法規(guī)的角度看相當寬松，而歐洲國家遠不是這樣。完全自動駕駛和完全電氣化是一個趨勢重疊，在向市場推出新車時，主機廠可以同時做很多事情。法規(guī)和罰款正在推動電氣化，在這個方向動作很大，而制造全自動汽車并未迫在眉睫?！?/p>

寫在最后

缺失的不是先進制程

我們似乎離拆卸汽車方向盤還有很長的路要走。造車新勢力現(xiàn)在缺少的不是先進制程，而是車輛定型之前的各種安全驗證。

豐田汽車2020年全球銷量達到952萬輛，排名第一，特斯拉為49萬輛，電動汽車老大。如果前者也那樣事故頻發(fā)，真是太恐怖了。

原文標題：特斯拉“失控門”爆發(fā)，數(shù)據(jù)和芯片的鍋？

文章出處：【微信公眾號：傳感器技術(shù)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯:haq