英飞凌CEO专访：什么造就了自动驾驶汽车的“零失效”？
喧闹的自动驾驶圈，汽车半导体厂商正在扮演怎样的角色？面对众多科技公司的入局，他们的策略又是怎样呢？英飞凌，作为全球领先的半导体公司之一，多年为汽车等工业应用提供半导体和系统解决方案，日前其CEO在一场访谈中聊了聊这些问题，该访谈来自国外电子工程权威媒体EE Times，雷锋网新智驾（AI-Drive）对这篇文章做了不改变原意的编译整理。
读这篇文章之前，不妨先回答这样一个问题：目前在汽车领域，实力最强的五家半导体企业，是哪五家？
如果你的答案是恩智浦半导体、英飞凌、瑞萨电子、意法半导体，以及德州仪器，那么你一定是业内人士。
但如今颇为讽刺的是，最受关注的并不是这些真正主导汽车领域的半导体企业，而是能在CES之类展销会上夺人眼球的公司。
由此形成了一个先入为主的看法，当提到未来的人工智能以及自动驾驶时，大家想到的首先都是这些掌握运算平台的企业，例如英伟达、英特尔、Mobileye等。
总而言之，现在有一个潜在的共识是，一辆未来汽车，必须搭载运算能力每秒数万亿浮点数（TFLOPs）的超级电脑。
但是，对于汽车行业来说，单纯的运算能力从未成为核心竞争力的要素，在未来，这种情况会改变么？
对于这个问题，英飞凌 CEO Reinhard Ploss表达了他的看法——“我们并不打算做这个生意”。
Ploss表述了清晰的观点：
第一，对于成熟的自动驾驶系统来说，高速运算平台只是系统的一小部分。
第二，在英飞凌看来，自动驾驶的难点在于，如何用一辆汽车的成本，达到100%的航空级可靠度。
第三，对于传感器融合来说，混淆错误是不可被接受的。
↑英飞凌CEO Reinhard Ploss在其公司研发的3D图像传感器REAL 3D产品展位前
英飞凌战略：没有更多并购计划
对于半导体行业来说，似乎每天都在发生大规模的企业并购，而英飞凌CEO Ploss却表示，英飞凌近期不会有任何大规模的并购计划。
Ploss认为，在完成收购IR（International Rectifier）以及Wolfspeed之后，英飞凌在规模上已经足够庞大了，对于未来的有机增长，已经储备了足够多的力量。
2014年8月，英飞凌完成了对美国国际整流器公司（IR）的收购，这是英飞凌公司史上最大规模的收购，涉及金额30亿美元。英飞凌多年来处于功率半导体元件市场占有规模的领先地位，通过收购IR，其全球市场份额进一步提升，达到20%以上。
去年7月，英飞凌以8.5亿美元金额从美国LED大厂科锐公司（Cree）手中收购其Wolfspeed Power & RF部门。Wolfspeed是碳化硅（SiC）功率器件和碳化硅基氮化镓（GaN）射频功率解决方案的主要供应商。收购Wolfspeed后，英飞凌一跃成为全球排名第一的SiC功率器件供应商。
时间转到去年10月，英飞凌宣布收购总部位于荷兰的Innoluce公司，该公司微型激光扫描模块集成了硅基固态MEMS微反射镜，这种微反射镜对于汽车灯光探测和测距系统(LiDAR)中的激光束调整必不可少。收购Innoluce也成为英飞凌在激光雷达技术上迈出的重要一步，这将帮助英飞凌降低汽车灯光探测和测距系统的成本。
在上述背景下，2017年，英飞凌官方预计的项目增长率在6%，对于半导体行业来说，这已经远远超过平均水平。同时，英飞凌已经将其运营利润增长率目标，定为15%-17%。
英飞凌预测，未来的汽车行业将在两个方面发生巨大的变化，一方面是向汽车电气化发展，一方面是向辅助驾驶以及自动驾驶发展。
Ploss很有信心地表示，对于电动汽车来说，英飞凌有实力提供完善的解决方案。而实际上，特斯拉的电驱控制器就是由英飞凌提供的。
对于电动汽车来说，世界各地都有需求，但是需求增长最快的，无疑是中国。这也是英飞凌快速增长的助力之一。
而辅助驾驶方面，Ploss表示，这可能是更有潜力的未来市场。首先，对于辅助驾驶来说，有着毫无疑问的消费需求增长，现今汽车配备的辅助驾驶系统，使得驾驶体验变得前所未有的简单和安全，这使得汽车辅助驾驶系统处于被消费者普遍认可的增量市场之中。
自动驾驶可靠性之争：追求“零缺陷”
在Ploss看来，自动驾驶汽车可以简单地被定义为——“行驶的机器人”。而决定一个行驶机器人安全性的关键，在于网络连接失效情况下的应变能力。
一个机器人能够自动驾驶，靠的是它的“眼睛、耳朵、大脑和肌肉”。那么如何使机器人达到100%可靠呢？依托的并不是超级大脑，而是各系统间的协调。“高复杂性、高性能的计算单元，一开始并不是为“零失效”的高可靠性系统设计的，所有有着先天劣势。这也造成了一个现象，现今几乎所有自动驾驶车辆都需要备用的安全保护功能 ，以使汽车在自动驾驶失效的情况下，能够被监管系统接手控制。”Ploss解释说。
举个例子，如果一辆自动驾驶汽车电源出现问题，保证汽车安全性的，必然不是云服务器，而是汽车上搭载的可靠的管理系统。可靠的动力管理系统，可以在自动驾驶失效的情况下，紧急重新规划能源的路径，从而保证汽车继续行驶，或者行驶到安全的停车地点。
这与现代电网的控制系统非常类似，最近几年，大家能感觉到的停电越来越少，就是因为自动化的电网控制已经普及。形象的说，一家电厂正在为用户提供电力，而电厂因为故障瞬间下线，这时管理系统会迅速调配电网其他站点的电力，并恢复这个用户的供电。而这一系列操作的时间，仅需0.1秒，0.1秒的断电根本不会被察觉，所有用电设备也不会停机。
所以，对于未来混战的自动驾驶市场，英飞凌的信心在于，他们有实力帮助整车制造商达到这种“零失效”的目标。
英飞凌为旗下的自动驾驶系统，单独注册了一个品牌，名为Aurix。这个品牌目前提供一系列的微控制器，具有三个核心，位宽32位。Aurix从设计之初，就面向严苛的最高安全等级——ASIL-D级。据英飞凌资料，借助Aurix平台，汽车开发者可以仅用单个MCU（微程序控制器）平台，整合控制车身、安全，以及ADAS系统应用。
此前，英特尔发布的针对自动驾驶的Intel GO车载开发平台(Intel GO In-Vehicle Development Platforms for Automated Driving)有两个版本，一个版本搭载两枚Atom芯片，另一个版本搭载28核至强处理器以及Arria 10 FPGA芯片。而这两个版本为了达到ASIL-D级别，都有英飞凌的Aurix芯片的助力。
与之类似，英伟达去年发布的面向自动驾驶的Xavier芯片，每秒可完成30万亿次操作，功耗仅30瓦，被认为是下一代自动驾驶超级大脑。但这样的大脑，仍旧需要诸如Aurix这样的MCU的辅助。英伟达曾表示，尽管Xavier本身只能达到ASIL-C级，但通过整合其他厂商ASIL-D级的芯片，最终可以在实际使用中达到ASIL-D级。
↑英伟达CEO黄仁勋在CES演讲中手持配置Xavier的超级计算单元
而当被问及英特尔或英伟达是否会考虑内置ASIL-D级别的MCU时，Ploss持怀疑态度。
“尽管计算平台的发展路线一般都是趋向于集成，但是开发符合ASIL-D级标准的芯片需要完全不同的设计流程。总而言之两种芯片有根本上的不同，很难融合。”Ploss解释说。
传感器融合，容不得混淆
机器学习在近来大红大紫，但却也存在着先天缺陷。
不可否认，机器学习是一项巨大进步，但它的原理决定了，测试一个机器学习算法的安全性是非常困难的。Ploss解释道，机器学习算法的测试难点，在于机器学习算法行为的不确定性，以至于汽车工业中目前没有任何人敢说能搞定这种测试。
Ploss相信，在未来很长一段时间，自动驾驶汽车都会保持双系统的架构，也就是一部分基于类似方向梯度直方图（HOG，一种计算机视觉处理手段）构建，一部分基于卷积神经网络（CNN）等机器学习算法构建。
Ploss强调：“在传感器融合中，是不容许有混淆的。”
英飞凌预测，不仅自动驾驶计算平台需要Aurix的参与，其他感知平台也都需要Aurix。Ploss说，无论激光雷达或者毫米波雷达，都需要Aurix进行可靠的数据预处理，或者执行某些实时动作。
“Aurix就像我们身体里的反射神经系统，在意志之外控制着身体，让我们在感觉到烫之前就可以缩手。”
传感器技术
除电控系统与安全MCU之外，英飞凌还储备了一系列传感器技术，以应对未来的自动驾驶市场。其中包括传统雷达、激光雷达、深度感知摄像头等各种传感技术。
与意法半导体和恩智浦半导体类似，英飞凌也在突然爆发的雷达市场中获益匪浅。Ploss表示，仅2016年，英飞凌就销售了一千万片雷达芯片。也就是说，2016年一年的销量，超过了之前所有年份的累计销量。
而在英飞凌SiGe工艺雷达芯片热销的现今，CMOS版本的雷达芯片已经在开发中了。
“对于雷达来说，信噪比是非常关键的，而SiGe工艺在信噪比方面具有明显优势。而英飞凌的策略是双线的，一方面发展SiGe（硅锗合金半导体）工艺，一方面发展CMOS（互补金属氧化物半导体工艺）工艺。”
在基于CMOS技术的雷达领域，英飞凌于去年公布了与IMEC的合作。据两公司的联合声明，此款雷达将在今年第一季度面世。
当然，英飞凌对激光雷达领域也颇有兴趣，借助已经收入囊中的Innoluce MEMS技术，英飞凌正计划开发一款低成本、高视距、高性能的激光雷达系统，借此杀入ADAS的市场混战中。
MEMS技术
而支撑起英飞凌传感技术的第三张牌，便是高度集成的3D双向测距（ToF）图像传感技术。英飞凌旗下的ToF产品线，被命名为Real 3。该产品线是英飞凌与PMD（PMD technologies GmbH）合作的产品。
英飞凌方面表示，Real 3系列传感器，可以提供非常健壮、可靠的3D空间数据，并且完全不依赖阳光，可以在各种的环境中提供优质的图像。这项技术可以被有效应用于监控驾驶员的注意力、表情，以及精神状况等，从而为辅助驾驶系统决策提供数据。
结语
总而言之，自动驾驶机器人，是机械技术与电子技术结合的复杂命题。举个例子：无论如何防范，电动汽车一定会发生短路故障，然而这时自动驾驶汽车应该有即时的应对，例如隔离短路单元、降低输出、发出警告等一系列动作，绝对不能失去控制变成高速运动的铁块。
英飞凌致力于做好的领域，也是Ploss眼中的机遇所在。简而言之，就是将自动驾驶机器人用数据驱动的数字化大脑，与物理世界完美地联系起来。
