汽車產業多年來一直被CASE所驅動，即連網化(Connected)、自主/自動化(Autonomous/Automated)、共享(Shared)和電氣化(Electric)。在這四個發展趨勢中，其中兩個蓄積了更多的研發力量。

第一個是OEM汽車電氣化。由於歐盟設定了二氧化碳減排目標(2021年為95g/km，2025年達到81g/km)，除了汽車電氣化，OEM似乎別無選擇。第二個是自主/自動駕駛，需要OEM將越來越多的自動駕駛功能整合在一起，以實現全自動駕駛的長期目標。透過添加更多的感測器，並不斷提升運算性能來處理這些感測器產生的所有資料，OEM可望實現這一目標。

汽車電氣化的驅動力

據Yole Développement估計，電動車和混合動力車(EV/HEV)市場正在迅速成長，到2025年，這類新車將超過3,000萬輛。汽車的電氣化有一些強大且持久的驅動力(圖1)，以應對社會和環境的挑戰。

圖1：實現潔淨交通強大且持久的驅動力。

(來源：Yole Développement)

其最主要的好處在於，汽車碳排放會減少，人口稠密地區的空氣污染將得到改善。電氣化對汽車製造商也有意義，因為政府制定了嚴格的二氧化碳減排目標，製造商必須大幅降低汽車的平均二氧化碳排放水準，以避免受到嚴厲的處罰。車輛動力傳動的電氣化可以極大地減少二氧化碳排放，因而成為汽車製造商發展策略的重要一環。

經過電動車和混合動力車製造商二十多年的累積，傳統的主流汽車製造商和新興的OEM現在都開始大規模部署電動車和混合動力車。

在這個門檻歷來都很高的市場中，電氣化催生了許多新的新創企業，儘管其中許多還不太可能獲得主流認可。全球的汽車製造商推出了大量電動車，客戶可以自由選擇不同的電氣化類型和車輛設計；續航里程不斷增加，價格也越來越可以承受；最重要的是，電動車充電基礎設施得到了廣泛部署。所有這些因素都提高了客戶購買電動車的積極性，減輕了人們從前購買電動車和混合動力車的疑慮。

不同類型的電動車

將電動車分為混合動力車和純電動車兩種，混合動力車既包含電動馬達，也包含內燃機(ICE)，而純電動車僅包含電子傳動系統。二氧化碳排放量為零的純電動車被認為是汽車電氣化的終極目標。但是，由於技術、成本、原材料和生產的限制，從內燃機汽車到純電動車的過渡不可能一蹴可幾，缺乏充電基礎設施也是一個很大的阻礙。

傳統的汽車OEM也開始生產電動車，但這可能影響其ICE車輛的銷售。他們必須維護與ICE相關的現有生產設施、員工、經銷和銷售網路，同時還必須開發新的智慧財產權、工程技術且具備生產電動車的能力，電動車的生產通常要與傳統的ICE生產隔開。

整個汽車供應鏈都必須重建，這當然需要一些時間。在現在的過渡期內，汽車廠商為客戶提供的車輛將具有不同的電氣化水準(圖2)。與ICE汽車相比，混合動力車的碳減排程度各不相同，輕度混合動力車(MHEV)的碳減排程度較低，而插電式混合動力車(PHEV)可達到大約50%。

圖2：不同類別的電動車/混合動力車及其二氧化碳排放量。

(來源：Yole Développement)

從混合動力車到純電動車的過渡

在過去的二十年中，電動車/混合動力車產業的主力是純混合動力汽車，主要由1997年推出的豐田(Toyota) Prius所取得的商業成功驅動。由於政府制定了嚴格的碳減排目標，鋰離子電池不斷發展，成本持續降低，再加上許多其他因素(圖3)，汽車產業正在「加速電氣化」，更快地向電動模式且續航里程更長的車輛過渡，例如插電式混合動力車和電池電動車(BEV)。

圖3：激勵機制及汽車製造商未達到各國政府設定的二氧化碳減排的嚴格目標時將受到的處罰，這些因素加速了汽車電氣化初始戰略路徑的制定。

(來源：Yole Développement)

插電式混合動力車和純電動車的確可以顯著減少碳排放，幫助汽車製造商達到二氧化碳減排目標，避免受到嚴厲處罰。

插電式混合動力車和電池電動車均為可充電車輛，它們可透過電網充電，當然最好使用乾淨的能源(例如太陽能、風能和水力發電)產生的電力。插電式混合動力車的電動模式續航里程約為50~80km，由於插電式混合動力車可以在全電動模式下行駛，因此也可以減少城市的空氣污染排放，但其全電動模式僅適用於短途城市通勤，因此其貢獻也十分有限。

為了實現更長的電動模式續航里程、減少二氧化碳排放並改善電動車對環境的影響，電池、電力電子設備和系統，以及車輛設計等方面均需要不斷變革。

電力電子技術發展的主要趨勢包括碳化矽(SiC)和氮化鎵(GaN)半導體技術的應用(主要用在牽引逆變器、車載充電器和DC-DC轉換器中)、更先進的元件封裝技術(銀燒結模片連接、銅線鍵合、無鍵合互連、Si3N4 AMB活性金屬釺焊陶瓷基板、高溫環氧樹脂封裝等)和不同系統的機電一體化。

為了延長里程，需要在縮小體積和重量的同時增加功率密度，其他改進則有助於提高整體可靠性並降低生產成本。電氣化日益普及的一部分原因是消費者意識增強，但主要還是歸因於汽車工業工程技術的加速發展。

電氣化和ADAS中感測器的發展

汽車產業的另一個發展趨勢是使用的感測器越來越多。在CASE趨勢下，感測器主要應用在兩個方面：電氣化和ADAS功能，後者包含自主、定位和車連萬物(V2X)。增加感測器是新的電氣/電子(E/E)系統架構和ADAS發展的一部分。與排放控制一樣，政策法規也在推動安全性能的改進，歐盟新車安全評鑒協會(NCAP)、美國國家公路交通安全管理局(NHTSA)或歐盟均制定了相關法規。

為了實現汽車電氣化，越來越多的磁(電流)感測器被用於電池監控(電池管理系統)。電動車的發展降低了對ICE的依賴，這可能會對傳統的動力傳動壓力感測器(監測來自MAP、BAP、變速箱油和GPF等的壓力)產生不利影響，但這種情況長遠來看會得到改善。目前，具有混合動力傳動的混合動力車為傳統感測器和新型感測器的整合提供了最佳切入點，這些感測器包括用於抬頭顯示器(HUD)的光感測器、用於車輪扭矩的磁感測器、用於里程表和導航的慣性感測器、用於動力傳動監控的壓力感測器，以及用於電子動力傳動的電流感測器等。

除了電氣化，ADAS是促使所有類型的車輛中感測器增加的另一個因素。為了賦予汽車更多的自主性，汽車需要發展其自身的情境感知能力，為此，車輛需要適當的感測器來模擬人類對環境的感知。

但是我們應該清楚，消費汽車市場中用於ADAS的感測器套件與Waymo、Cruise等公共運輸行動服務(MaaS)業務模型中用於完全自主的感測器大不相同。後者採用高成本、高性能、工業級感測器和先進的處理平台，其成本和能耗都超過消費類汽車一個數量級。雖然其成本增加了，但技術相當先進，因此車主願意承受。而對ADAS來說，關鍵則是以低成本提供優良的性能，以下列出了一些重要的ADAS感測器。

影像感測器正成為ADAS中最重要的感測器。攝影機就像是汽車的眼睛，幾乎都採用了互補式金屬氧化物半導體(CMOS)影像感測器。汽車攝影機搭載率的不斷提高，有助於實現不同功能：

• 前視：從一個長距離攝影機發展到三個攝影機，擴大了視野，也擴展了ADAS的作用範圍。
• 環視：從僅僅實現倒車和停車協助工具的後置攝影機，發展到環繞汽車的360°視野，可提供更好的情境感知能力(包括倒車、在狹窄空間停車、轉彎和其他操作)。
• 駕駛監控：根據歐盟NCAP 2025的規劃，駕駛監控系統被排上行程表(始於2020年)，用來監控駕駛因飲酒、疲勞而引起的注意力分散和身體不適，以降低安全風險；同時還可以監控乘客，檢測被遺留在車內的孩子或動物，以避免中暑等意外。雖然這種座艙監控技術在市場上佔主導地位，但是也受到其他技術的競爭，如熱感測器、飛行時間(ToF)或雷達。

超音波感測器可近距離檢測障礙物或行人，其主要功能是輔助停車和避免碰撞，也可用於座艙資訊娛樂系統的手勢辨識功能。當然，也有與之競爭的其他技術，如ToF攝影機。

雷達仍然是測量相對距離和速度的最佳感測技術。過去幾年中，強制實施自動緊急煞車(AEB)在很大程度上推動了雷達的發展。現在，雷達技術不斷提高其角解析度，相關廠商都在努力開發3D雷達(Bosch、Continental已經發佈了相關產品)或4D成像雷達，以及單片微波積體電路(MMIC)解決方案。

光達(LiDAR，用作光檢測和測距)是最新進入汽車生態系統的感測器。光達可以在黑暗中工作，並精確監控周圍環境，是實現更高階感知功能所需的感測器。為了檢測物體深度，以及檢測近處和遠處的物體，需要將ADAS攝影機資料和光達資料有效融合。但是，對Tier 1供應商和OEM來說，整合光達感測器要比整合雷達和攝影機複雜得多。為了更好地實現整合、進行資料處理或降低成本，OEM還有很多工作要做。

紅外線熱像儀/感測器可以 「 看」到遠紅外線光譜(8~14μm)，比較適合在暗光條件下工作。黃昏時因為光線較弱，人類駕駛開車會感到困難，ADAS攝影機在陽光直射、深陰影和弱環境光條件下有時也會出現問題。採用紅外線感測器可以檢測到生物和其他發熱物體散發的熱量，從而輔助CMOS感測器，改善汽車的安全功能。最大的熱像儀製造商FLIR一直提倡在ADAS中採用熱成像技術作為輔助，還展示了這種技術在實現更有效的AEB和更好的行人檢測時具備的優勢。

全球導航衛星系統(GNSS)接收器可以在數位地圖上定位車輛，並利用互連來增強ADAS功能，這些對ADAS具備情境感知能力至關重要。但是，在某些情況下(高樓林立的城市街道、隧道、樹下等)，可能沒有GNSS訊號。因此，它越來越多地與其他定位系統配合使用。

里程表感測器裝在車輪上，用於記錄截至最後一個已知位置的行駛距離。

慣性測量單元(IMU)用於檢測慣性變化，根據最近的已知位置計算當前位置。

上面列出的最後兩個感測器是短距離感知的備用元件，當GNSS不可用時可以幫助估算車輛的位置，從而始終保持高精準度定位。

除了ADAS，汽車連線性和E/E架構也在不斷變化。關於連線性，相關法規正推動大多數國家/地區到2023年實現基於5.9GHz頻段的通訊，如基本的車輛到基礎設施(V2I)通訊，以及車輛到車輛(V2V)通訊，5G連接將在先進的V2X中大顯身手。

E/E架構

E/E架構一直以來都依賴多個不同的分散式汽車子系統，即電子控制單元(ECU)。

通常每個ECU都提供一項功能，ECU之間幾乎沒有連接，這種方法目前在不太先進的E/E架構中仍然很普遍。但隨著感測器數量和功能的增加，E/E架構將越來越多地採用功能域的概念，如用於資訊娛樂、舒適性、動力傳動、感測和安全性的特定網域控制站。

Audi是第一個在汽車(A8車型zFAS模組)中實現網域控制站的OEM，其前置感測器(即遠距離雷達、前向ADAS攝影機和光達)都連接到該控制器。採用功能網域控制站，ADAS等功能可以整合來自完全不同的感測系統的資料，並結合先進的神經網路運算，做出低延遲的正確決策，從而避免發生碰撞或其他災難性故障。

雷達和攝影機在汽車中使用得越來越多，由此產生的營收有助於汽車產業從新冠肺炎疫情的危機中快速復甦。預計2021年雷達市場的營收將超過2019年，在2025年達到91億美元，年複合成長率(CAGR)為19%。攝影機市場的營收在2021年也將超過2019年，到2025年達到81億美元，年複合成長率達18%。但光達市場的營收不會很高，因為目前只有一家OEM將這種感測器作為一種選擇，而且還只是在部分車型中。其他OEM，例如BMW和Volvo，預計將在未來幾年內跟上，但其應用仍將限於高階車款，因此數量有限。在這種情況下，預計2025年光達市場營收將達到17億美元，年複合成長率為113%。

自主化競賽核心：AI與運算結合

功能及其複雜性的不斷增加需要專門的硬體解決方案，以支援功能情境感知的軟體處理。

對於軟體，我們過去習慣在電腦和嵌入式應用中採用標準的純量處理器(scalar processor)，例如微處理器、微控制器和其他應用處理器，現在它們顯然已經無法應對即時資料的大量增長，這些即時資料是汽車在行駛中進行情境感知和自主控制所必需的。這就需要將處理範式從純量轉換為向量，並最終使用大規模平行處理架構和低延遲大資料運算來完成矩陣處理。現在，FPGA被越來越多地用於匯總融合資料，並實現可配置的平行處理。

還有一種用於ADAS及其他許多大資料應用的處理器解決方案，即神經網路加速器。對許多剛接觸神經網路的人來說，這種加速器就像「黑盒子」，而且，由於不熟悉這種處理器所用的邏輯，加上完成可預測和可重複的安全測試極其複雜，使這種感覺尤其強烈。這可能不利於其實施，尤其是在整個汽車產業越來越提倡「安全第一」的情況下。

儘管存在這些障礙，我們仍然看到了加速器或神經引擎/神經處理單元(同樣的架構，只是名稱不同)在ADAS解決方案中的應用。神經網路演算法1950年代就已出現，用於處理天氣預報、空中交通管制和複雜的物理方程等大資料問題。網際網路和社交媒體為大資料創建了新的舞台，我們開始看到在雲端執行的神經網路演算法被用來解決大資料問題。Google、Amazon和微軟(Microsoft)等科技巨擘都已經開始將大量資源投入神經網路，包括開發他們自己的硬體加速器。

十年前，Nvidia開發了一種通用繪圖處理器(GPU)開發環境，以支援在GPU中加速神經網路和向量方程。從那時起，邊緣應用中實現推理的深度神經網路(DNN，一種用於神經網路的更高階的分層特徵方法)開發競賽迅速展開。

這些神經網路引擎或加速器正迅速成為行動電話的標準子系統，用於辨識對象、臉部和其他場景，以改善照片、安全性和複雜的影像分析應用。研究人員很快就意識到，這正是汽車產業的情境感知所需要的，它可以解決汽車安全的最大問題：駕駛出錯。特斯拉(Telsa)、Mercedes、Audi、Volvo和其他許多公司一直在與Tier 1供應商和處理器供應商合作開發神經網路，其中很多公司已經擁有配備了自動駕駛系統的高階車型，並且多年來一直在訓練DNN解決方案。

早期的DNN加速器大多是由Nvidia開發(Nvidia仍然是ADAS的主要供應商)，現在也有很多其他公司的加速器可供選擇，如Mobileye、賽靈思(Xilinx)、德州儀器(TI)、東芝(Toshiba)、Ambarella和瑞薩電子(Renesas)。另外，還有很多使用DNN加速器的開發平台不斷湧現。

特斯拉在2019年也將這些加速器和AI整合到其FSD晶片中。2021~2022年將會出現更多OEM的解決方案，因為這些供應商已經使用最新的ADAS，或者將會使用ADAS。隨著自主化的不斷發展，未來會整合越來越多的AI，相應也會整合越來越多的加速器。而集中化等趨勢則將逐漸改寫運算的未來，如圖4所示。

圖4：從感測器套件到運算套件的發展藍圖。

(來源：Yole Développement)

市場一分為二：集中式平台和視覺處理器

可看到市場發展有兩個趨勢：

• 第一個趨勢是來自高階自動駕駛車的集中式ADAS網域控制站，由Nvidia、特斯拉或FSD開發，負責幾乎所有的感知運算及隨後的安全控制和自動駕駛推理，它模擬汽車的中央大腦。
• 第二個趨勢是一種分層方法，將感知後視覺智慧用於專用視覺處理器或採用DNN加速的平台。整合加速器的視覺處理器數量成倍增加，目前多家OEM都採用了這種方法。該趨勢使這兩種類型的平台互相競爭，並決定了其營收的多少(圖5)。到2025年，AI市場(包括ADAS和自動駕駛車)營收估計將超過28億美元，其中25億美元來自ADAS。

圖5：汽車AI運算市場。

(來源：Yole Développement)

自主化競賽的贏家與輸家

由於AI極其複雜，加上誇張的宣傳，導致一些廠商因為AI難以實現而將其擺在次要位置，而不是將AI視為實現車輛自主化這個真正目標的首要工具。

經過最初的發展，角逐者們現在終於認識到AI已經開始引領這場競爭。新冠肺炎疫情對未來的影響仍不可知，但可以肯定的是它對2020年初期造成了負面影響。

疫情還可能反彈，並且由於資金短缺，自動駕駛的研發2020年甚至2021年都可能延遲。負現金流可能會促使一些OEM開發自己的自動駕駛軟體堆疊，硬體則由Tier 1供應商和半導體供應商提供。

許多供應商都擁有重要的開發工具，可以加速平台上的主流開發，而不僅僅是銷售晶片。現金不足會導致一些專案的研發進程放緩，但他們的開發幾年前就已經啟動，即使延遲也不會停止。

一些OEM已經啟動自己的小型項目，另一些OEM還未將超量自主化研發計畫納入其專案核心，對他們來說，最好的情況就是將自主化研究計畫(如果有的話)推延到疫情之後，最壞的情況則是完全終止。其中許多OEM以後可能會改變計畫，從Tier 1供應商那裡直接購買更成熟的現成解決方案，而不是自己研發。最後退出的廠商將是這場競賽的最大輸家，未來他們只能更多地依靠運算廠商為他們提供全自動駕駛解決方案/功能，這樣就會失去其品牌辨識度——只有自己開發自動駕駛解決方案才不會失去。

這只是剛剛開始，與AI相關的挑戰及其對汽車產業的影響已經開始顯現。部分廠商已經領先，要趕上他們很困難，尤其對那些還沒有整合AI及有關運算功能的業者而言。

汽車產業發展由降低碳排放和自動駕駛推動

在推動汽車業發展的四個趨勢中，有兩個對OEM尤其重要。第一個趨勢是汽車的電氣化，主要受到二氧化碳減排法規的推動。由於整個汽車供應鏈都必須重建，因此需要一些時間。在過渡期內，具有不同電氣化程度的汽車將提供給用戶。

第二個趨勢是自主/自動駕駛，其驅動力來自提高汽車安全性及開發自動駕駛模式的需求。這需要增加多個感測器，例如攝影機、雷達和光達，並且需要融合資料，以便車輛可以清晰地感知周圍環境。

為了實現這種融合，OEM必須實現運算與AI運算，以達成全自主化的最終目標。為此，OEM已開始研發自己的自動駕駛軟體堆疊，或者與領先的Tier 1供應商和平台開發人員合作。其他廠商則會使用現成的協力廠商軟體，當然，這些軟體可能不如客製化軟體好。

全自動駕駛和電動車的結合仍然是有待解決的問題，OEM需要管理嵌入式感測器和運算單元的功耗，以免影響電動車的續航里程。至於促進汽車產業發展的因素，有一點很明確：競爭的環境為半導體供應商、Tier 1供應商夥伴和OEM廠商提供了極大的機會，以推動汽車實現連網化、自主/自動化、共享和電氣化。

(參考原文：Electrification & Autonomy: Two Drivers of Auto Industry，by Pierrick Boulay、Dimitrios Damianos、Milan Rosina、Tom Hackenberg)

本文同步刊登於EDN Taiwan 2021年3月號雜誌

活動簡介

從無線連接、更快的處理和運算、網路安全機制、更複雜的虛擬實境(VR)到人工智慧(AI)等技術，都將在未來的每一個嵌入式系統中發揮更關鍵功能。「嵌入式系統設計研討會」將全面涵蓋在電子產業最受熱議的「智慧」、「互連」、「安全」與「運算」等系統之相關硬體和軟體設計。

會中將邀請來自嵌入式設計相關領域的研究人員、代表廠商以及專家，透過專題演講、產品展示與互動交流，從元件、模組到系統，從概念設計到開發工具，深入介紹嵌入式系統設計領域的最新趨勢、創新和關注重點，並深入分享關於嵌入式系統設計的經驗、成果以及遇到的實際挑戰及其解決方案。

贊助廠商

立即報名