隨著電子的不斷發展，FPGA在汽車中的應用越來越廣泛，在汽車的更多系統中扮演著越來越重要的角色。

FPGA在汽車相機和傳感器中的應用已經很成熟，同時也在一系列新技術中贏得了一席之地，包括將成為自動駕駛汽車中心邏輯的人工智能系統，以及新型傳感和通信技術。

西門子事業部Mentor的Catapult HLS綜合與驗證高級產品營銷經理Stuart Clubb表示：“駕駛輔助應用的自動處理有很多概念，」「各種文章都在討論怎樣去做，但首先要考慮的是它昂貴的價格。你不能在一輛價值2萬美元的車里裝一個12000美元的液冷英偉達 GPU盒子”，就算是福特無法投入足夠的資金來做到這一點。他強調。

汽車業是一個相對利潤率低、業務量大的企業。雖然數量肯定不能與過去十年一直保持摩爾定律的智能手機相比，但汽車制造商過去的數十年一直努力從供應鏈中擠出成本。隨著越來越多的電子產品被應用到汽車中，芯片和電子子系統也有了價格壓力。

但汽車領域為芯片制造商增加了一些主要障礙。除了盡可能降低成本外，它們還必須符合嚴格的標準，如ISO 26262和ASIL A、B、C和D，并滿足十年或更長時間內的彈性、老化和可靠性要求。這就是問題的源頭，因為技術和標準幾乎一直在發展，這也是汽車公司開始依賴FPGA作為首選處理器架構的原因。

Clubb說：「這不僅是「我們運行了30分鐘，看起來不錯，發貨吧。」這是完全不同的一個方面。」「如果看一下人工智能目前的進展，那人們正討論的卷積神經網絡（CNN）是機器學習中最重要的事情。傳統的高級駕駛輔助系統（ADAS）指行人檢測、雷達處理等，但CNN是一個巨大的實驗領域，因為沒有人真正了解它們的工作原理。沒有數學依據證明它們為什么工作以及如何工作，它們只是那樣做了。它包括卷積池和訓練網絡。當訓練一件事的網絡時，它看起來很好，但當你訓練幾件事時，它就不工作了。大家一度認為解決方案有很多并且有很多浮點，這可能是英特爾推出Stratix 10器件上所有浮點單元的原因，因為這將是機器學習[平臺]。它要么推斷，要么訓練，這是非常棒的。」

那是在GPU贏得算法訓練市場之前。現在已經證明GPU是一種低價的訓練架構，因為它們很容易并行化，并且大多數算法開發人員都很熟悉。這使得它們成為開發訓練算法的數據中心的理想選擇。但它并不是推理的最佳架構，其功耗、性能和面積比訓練更重要。

Clubb說，現在的挑戰是量化。 「哪種網絡？我如何建立該網絡？什么是內存架構？通過網絡，雖然只有幾層，開始時輸入大量數據和一些系數，它很快就會轉向百萬個系數，它的內存帶寬變得非常可怕，沒有人知道真正的架構是什么。」

這些問題與用戶強烈地共鳴，因為EDA領域的許多工具提供商都提出了強烈的需求，并參加了有關AI/機器學習/深度學習相關的研討會和活動。當答案尚不明確時，設計定制ASIC的成本太高。

他說：「你唯一能做的就是買帶有一堆加速器的CPU，但是沒人真正找到正確的答案。福特和通用汽車已經表示他們希望整個自動駕駛系統的功耗為100瓦甚至更低，而現在證明這相當于驅動后備箱的100臺筆記本電腦，因此這還有很長的路要走，而不是僅僅通過一堆GPU來解決。有人會找到通用的解決方案或具有某些可更新的具體的定制方案。這也是我們開始看到嵌入式FPGA之類的事物已經復蘇的原因。」

圖1：英特爾的FPGA和加速堆棧。來源：英特爾。

eFPGAs的角色越來越重要

分立FPGA的最大問題是汽車公司無法使輸入和輸出這些芯片的數據足夠快，Flex Logix首席執行官Geoff Tate說：「FPGA上有很多SerDes通信，而且它們的性能很好，但如果你看128位總線可以在芯片上傳輸的數據量時，SerDes就并沒有那么快。因此，任何時候任何芯片的輸入和輸出，通常是一個瓶頸。為了發揮FPGA的作用，它通常要和FPGA之外的事物通話。這就是Xilinx和Altera開發SoC芯片的原因，這一定程度上可以緩解這一狀況。但Zynq-type 芯片非常大而且很貴，所以一類客戶喜歡通過FPGA實現更具成本效益的解決方案，但不一定需要數百萬個LUT或數十萬個LUT。」

市場觀察發現，Tate相信有許多SoC和微控制器公司希望集成FPGA。「他們看到了它的價值。我們發布的應用展示了基于可重配置FPGA的加速器比Arm處理器快在哪里。但目前的挑戰是大多數微控制器公司都習慣C語言編程，他們通常不會用Verilog編程。另一個挑戰是如果你看一個FPGA，這些東西的編程模型通常是一個客戶編寫所有的代碼。現在，通過計算機或時間共享和多核，有許多程序在操作系統里同時運行。有人問如何轉向模塊化或多核FPGA架構，這就相當于一個應用程序庫，可以在多個不同的SoC和微控制器上運行，無需人們學習RTL。如何使FPGA更像處理器，可以同時運行塊代碼，不同人可以同時寫不同塊的代碼，或繞過當前的大塊的RTL模型，一個人一次完成編程？這會讓不是RTL專家的人更容易獲得嵌入式FPGA的價值主張。」

分立FPGA長期以來一直用于汽車領域，其中包括了從儀表控制臺和娛樂功能（統稱為信息娛樂系統），到駕駛員輔助。Arteris IP首席技術官Ty Garibay表示：「Altera在激光雷達，聲納和雷達的傳感器融合方面贏得了眾多席位。你可以通過不同的格式將數據在每個接口合并，在另一端口吐出。因此，FPGA幾乎可以用在任何高端汽車上。例如在360度全景攝影上，Altera和Xilinx幾乎擁有所有后視攝像頭市場。」

他指出，FPGA對汽車制造商來說也具有成本效益，因為傳感器技術可能會發展，但整個FPGA不需要重新認證。

但是，分立FPGA并不適用于所有產品，Achronix的系統架構師Kent Orthner說：「對于向駕駛員提供指導或警告的駕駛員輔助來說，傳統的FPGA就足夠了。通過對自適應巡航、自動換道和自動平行停車應用制動或油門，「駕駛員輔助」的意思正在轉變為「駕駛員操控車輛」。由于FPGA負責汽車的自動操控，功能安全要求變得更加嚴格，更加難以滿足。」

他說，一支擁有開發滿足汽車功能安全要求的ASIC或SoC所需經驗的設計團隊可以使用該設備——將eFAGA作為整個解決方案的一個組成部分。「然后這個團隊可以將他們的功能安全知識應用于汽車eFPGA SoC的設計、驗證、記錄和描述，從而使該設備比傳統的獨立FPGA更容易滿足安全要求。此外，eFPGA提供了更多機會，從而可以根據手頭的應用定制FPGA的內核。對于汽車而言，這意味著可以使用專門的硬件電路來滿足彈性要求和冗余。」

另一種力量

汽車領域對電力相關的問題并不陌生。功率預算會影響每加侖或每次充電的里程數，特別是當電動汽車越來越多時。除了這些新的電子技術外，汽車制造商也必須滿足政府所有的里程要求。

Mentor的Clubb說：「特斯拉有三種冷卻系統，有常規冷卻系統、HVAC等等。電池有一個冷卻系統，然后是基于GPU的大型顯示器的冷卻系統。它用在10萬美元的車上很好，但我認為并不適用于本田思域。出于同樣的原因，我也不會在上面投入5000美元的FPGA。過去的經驗是，如果向最終客戶銷售的產品成本低于1000美元，那就不會在其中加入FPGA。盡管如此，工程團隊還是有一個不同的說法，「我有個非常復雜的加速算法，不能通過軟件做，當然不能在Arm處理器上做到這一點（GPU是沒問題的，但是價格方面），所以需要一些自定義硬件。因為我不確定我已經有正確的方案了，所以需要一個中途可編程的解決方案。」這就是Soc盛行的原因。但FPGA SoC的危險在于它很容易被鎖定在提供的IP中。」

圖2：特斯拉的帶狀冷卻管。資料來源：Teslarati.com

IP在其它地方都不一定發揮很好的作用。

他說：「現在，讓你鎖在FPGA平臺的障礙需要慎重考慮，即使RTL中有你為FPGA編寫的秘密，甚至是你用FPGA工具完成的HLS，這些又會鎖住你。使用這種設計方法你做不了任何事情，如果你正在進行概念驗證并希望被亞馬遜或Facebook收購，這是可以的，但如果你打算生產真正的產品，那需要考慮擺脫這種情況，因為你實際上已經設計了IP或購買了它。這會使5000美元的FPGA看起來沒有那么貴，因為你還沒有為這個IP付費；但這也是一個你將如何付費的問題。人們的生產預算和發展預算上做了很大的區分。」

汽車市場提出了非常具體的要求，因此汽車的好消息/壞消息是，雖然有這些嚴格的要求，但他們也希望這些芯片能夠工作至少10年，高級主管Piyush Sancheti說道。「在我們開始使用一次性汽車之前 ，我們希望我們的汽車至少可以工作10年。」

這種動態本身給專注于消費產品的半導體公司帶來了新的挑戰。

Marvell連接業務集團技術營銷總監Avinash Ghirnikar表示，對其他人來說，靈活性帶來了不同的方法。自2005年來，該公司一直致力于汽車和通過汽車專用設備（如88Q9098無線SoC）改變汽車需求的方法。「這款設備不是我們為手機設計的，而是剛剛進入了汽車市場。正如我們和Tier One和OEM談過的那樣，他們中的很多人都表達了制定可定制解決方案的愿望，因此我們提供固件SDK，使他們定制他們的WiFi解決方案。這意味著如果通用汽車想要凱迪拉克和雪佛蘭科魯茲的解決方案，他們可以為凱迪拉克創造一些定制，這可能與雪佛蘭科魯茲的定制不同。環境不同，它們的用例可能略有不同。」

最后，設計方法以及FPGA等技術的靈活性為汽車原始設備制造商定制汽車提供了更多的選擇，并隨著汽車需求的成熟而適應不斷變化的要求。