從一般的汽車到智慧車輛或是所謂的連網汽車,再到結合許多使用者、半導體業者與車廠…等期待的「偉大願景」——自動駕駛車,都是為了要不斷、不斷地提升行車安全。因此,集各種先進、新興技術大成的自動駕駛車也就成為大家爭相討論的重點。許多大廠已開始打造自駕車,並進行路測,希望政府單位可以開放法規…等,這些努力都是為了能夠盡快實現「真正」的自駕車。

然而,在科技日新月異的現在,你也許會認為過去許多的不可能都因為科技的進步而變成現實,那麼為何自駕車願景,看似近,但實際上卻無法馬上落地?甚至業者反而在走回頭路?在汽車相關應用成為半導體電子領域的救贖時,許多相關人士應該都想了解,自駕車究竟該如何變成現實?「Tech Taipei車聯網應用與技術研討會暨圓桌論壇」與會的專家們,給了答案。

自駕車是未來 ADAS是進行式

自駕車成為眾所注目的焦點是因為,被預期可以大幅降低交通事故的發生。意法半導體(STMicroelectronics)汽車產品事業部技術行銷經理王建田表示,歸結人們需要自駕車的原因主要包括現今「馬路三寶趴趴走」,引發許多交通事故,造成人員傷亡,自駕車可提升道路駕駛安全;再者,全球經濟不斷發展的同時,城市越來越密集,車輛使用者越來越多,導致塞車已成為家常便飯,停車位更是一位難求。更重要的是,車輛行駛在路上所排放的二氧化碳,會造成嚴重的空氣汙染。而這些問題,自駕車都可以解決,還可能進一步降低每人所持有的車輛數目。

雖然自駕車對人們的生活有那麼多好處,但觀察今年消費性電子展(CES),車廠與處理器業者似乎收斂「衝」往自駕車最高安全等級(Level 5)的腳步,而宣佈要好好強化現有的先進駕駛輔助系統(ADAS)。王建田認為,自駕車確實有其必要性,但在許多號稱具備自駕功能的車款,發生「不應該」發生的事故之後,作為實現自駕車重要基礎之一的ADAS,則被相關業者認為需要更上一層樓,才能為未來的自駕車打下更好的根基。

20190516NT11P2 ADAS綜觀。(資料來源:意法半導體)

有鑑於此,各家業者似乎已有共識,首先發展國際自動機工程師學會(SAE International)定義的自駕車等級分類的Level 1及2,再透過結合現有及未來先進技術邁入Level 4和5,實現真正的自駕車。

由於要更專注於ADAS的研發,打造更升級的ADAS,業者們也提出了SAE Level 2+概念。亦即在現有的Level 1及2中提及的ADAS功能之外,再加入更多高階功能。值得注意的是,SAE Level 3由於需要駕駛在緊急狀況時介入,但考量人類在遭遇危險或緊急狀態時,反應較慢,因此相關業者們也有志一同選擇跳過此階段。Nvidia亞太區技術行銷總監嚴永信表示,Level 3需要人類介入,導致此等級功能難以實現,因此相關廠商都先忽略這一塊,直接朝Level 4和5發展。

大腦如何取信於人?

自動駕駛車不單單只是會動的機器,它必須精準判斷路況,做出最佳的反應,以達到其追求的最高駕駛安全目標。嚴永信認為,要實現自駕車,最重要的是要讓自駕車擁有大腦,也就是人工智慧(AI)與深度學習。但他也強調,一輛自駕車中不是只需一套AI或深度學習系統即可,這是由於即使是人腦,在開車時需要注意非常多狀況,更何況電腦與人腦所看的或是所感受的「訊息」大不相同,如何讓自駕車的系統「了解周遭發生的事,以及其所在位置」,光透過一套AI系統無法辦到。就Nvidia測試,這需要最少8套AI與機器學習系統才能提供自駕車所需的上述訊息。

不僅如此,自駕車需要透過感測器「變得」跟人類駕駛一樣可隨時注意行車時的周遭環境,而數量龐大的感測器在運作時,精準度如何進一步提升,自駕車系統如何去處理、測試一些不常見的突發狀況,都是目前自駕車遇到的瓶頸。這就需要讓AI系統進行學習,這也衍生另一個問題,某些非常少見的狀況,人類駕駛可能終其一生都遇不到,也無法刻意「營造」真實的狀況讓自駕車系統學習,因此相關業者會透過收集大量不同路況、氣候…等數據讓自駕車系統進行模擬,最終是希望能夠讓自駕車AI系統可以預測車況、周邊狀況,並快速做出反應及判斷,避免「撞到」其他車輛或物體。

除了對外行駛環境的認知,自駕車的AI系統也需要注意車內的情況,包括駕駛人、乘客…等。無論車內或車外的AI系統,許多人都會對是否能信任自駕車的AI系統抱持懷疑,因此該如何讓自駕車的「大腦們」能夠被所有人信任,這些是相關業者需要戮力思考的問題。

嚴永信指出,根據統計,全球所有車輛一年累積的里程數上看兆公里,自駕車AI系統無法真正上路跑那麼長的距離收集各種可學習的資料,因此包括Nvidia,各家業者皆利用大量模擬讓AI系統可以盡量學習各種真實駕駛狀況,以做出最佳的判斷。此外,自駕車中內建多套AI系統,除了可以提高運算精準度之外,各系統間也可互相合作,或是在有某個AI系統失效時,作為備援。

人腦在解決各種狀況時,會搜尋跟事件相關的記憶跟過往經驗,做出判斷,而自駕車的大腦也是如此,因此自駕車大腦也就是AI及機器學習系統,需要夠大的記憶體,存放各種關鍵資料,以供自駕車大腦進行判斷或將學習的內容「記」起來。

華邦電子快閃記憶體產品企劃技術副理于緯良表示,車用儲存方案需求包括品質/穩定度、成本、容量、速度…等,傳統上車輛內部使用的NOR Flash,然因車輛使用環境強調高可靠度,因此業者開始導入NAND Flash。NOR Flash雖然有較佳的可靠度,但礙於大容量NOR Flash成本較高,業者大多使用容量較低的方案儲存一些程式碼;而NAND Flash因為有出現壞塊的問題,因此需要被管理,兩者皆不符合自駕車應用的需求。

自駕車大腦也就是AI及機器學習系統要處理的資訊量、要學習並記憶的訊息相對較多,因此車用儲存方案除了上述需求外,得具備更快讀寫速度、更高的容量,以及更加的穩定性,才能滿足自駕車大腦所需。因此串列式NAND已成大勢所趨。于緯良指出,從讀寫速度、品質、成本…等方面來看。NAND不僅在成本上比NOR具備較多優勢,在其他方面也逐漸能夠與NOR媲美,加上NOR Flash製程已達物理極限,勢必將限制其未來發展。

真正「看見」周遭

自駕車透過各種感測器得知周遭環境是否有「障礙物」以避免碰撞。相關感測器業者也開發了具備各種特性的感測器,包括短中長程雷射感測器、光達(Lidar)、紅外線、飛行時間(ToF)…等,以期可為自駕車裝上「眼睛」。德州儀器(TI)半導體行銷與應用嵌入式系統經理王盈傑表示,現今被安裝到車輛中的感測器存在一些問題,包括易受環境影響準確度或造成誤判、頻寬決定感測距離、無法同時偵測距離及長度…等,而毫米波雷達不僅不受天雨等環境影響,還可同時偵測角度與距離,加上頻寬範圍在76GHz~81GHz,因此可提升訊號解析度,獲得較佳的準確度。

毫米波雷達感測器應用範圍包括,車內監測、自動跟車、自動煞車、車道偏移警示、盲點偵測、遠方車輛動態、自動停車…等。王盈傑指出,毫米波雷達可使用於不同偵測距離的應用環境中,還能夠進一步降低感測器使用數量。舉例來說,要讓車輛擁有最大視野以便於執行自動停車功能,需要安裝的超音波感測器可能達20顆之譜,但毫米波雷達透過封裝技術即可以大幅降低安裝數量。因此,在未來需要內建更大量感測器的自動駕駛車,毫米波雷達感測器將可望成為「明日之星」。

對內對外需通訊技術奧援

要實現自動駕駛車,除了大腦、眼睛之外,自駕車也需與周邊各種裝置進行溝通(V2X),包括車對基礎建設(V2I)、車對人(V2P)、車對車(V2V)、車對網路(V2N)等,這時就需要通訊技術的支援才能做到。是德科技(Keysight Technologies)專案經理梁晉源指出,針對車輛對外通訊技術目前IEEE與3GPP皆提出各自的標準——專用短距離通訊技術(DSRC)及蜂巢式車聯網(C-V2X)。

DSRC基於IEEE 802.11p標準,由Wi-Fi 802.11a演進而來,1999年即誕生。雖然通訊距離較短,但若是在行動通訊基地台加裝Wi-Fi模組後,DSRC也可以讓車輛具備V2N功能,目前以歐洲為主要推動地區。而C-V2X則是基於3GPP Release 14(LTE-Advanced Pro)規範,是專為要求低延遲直接通訊的自駕車所設計,可涵蓋V2X各種應用所需,以積極發展蜂巢式通訊技術的美國、日韓與中國,以及5G汽車協會(5GAA)為主要推動者。未來5G通訊也將針對汽車應用設計全新改版的C-V2X技術規範。

梁晉源表示,DSRC與C-V2X技術內容大同小異,皆使用5.9GHz智慧交通系統(ITS)頻譜,也都能在沒有蜂巢網路、行動訊號的地方正常運作,唯一的差別是兩項技術背後推動的陣營,以及全球各地區或各大車廠採用的是哪一項標準。但無論哪項標準獲得青睞,仍需進行相關場測與訊號品質…等測試,才能提供最佳的車外通訊技術予現有的ADAS系統或未來的自駕車。

車外通訊技術到位後,車內通訊也需進一步提升,才能讓自駕車「內外兼修」。瑞薩電子(Renesas Electronics)車用事業部市場行銷部經理何吉哲表示,不僅車外,車內座艙也許安裝感測器、娛樂裝置…等,提升駕駛與乘客使用經驗。此時各子系統間的管理與通訊,則需仰賴處理器及車內通訊技術支援,舉例來說,車內娛樂系統、儀表板的影像處理,由於牽涉的安全性等級與所需反應時間快慢不同,就需要各別的CPU進行處理;而CPU到顯示器這一段則需透過乙太網路、MIPI等有線技術進行訊號或語音/影像資料的傳輸。

何吉哲進一步說明,自駕車需要反應速度更快、可傳輸更多資訊的通訊技術,因為有來自車內外數量龐大的感測器資訊。而車用乙太網路不但符合這些要求,新的乙太網路時效性網路(TSN)則是具備更低延遲特性,對於與安全性相關的應用,可提供良好的回應速度,加上乙太網路線纜重量相對較輕,車體重量得以獲得控制,因此車用乙太網路已成車內通訊首選。

安全重於一切

Nvidia在發展自駕車的初衷是降低事故發生機率,提升安全性,其他相關業者也有相同的出發點與願景。除了透過各種技術、半導體元件提升自駕車行車安全外,車輛功能安全(Road vehicles-Functional Safety)標準——ISO 26262也應運而生。

Maxim技術應用工程師賴奎元表示,ISO 26262標準中,以功能安全管理(Management of functional safety)、汽車產品設計開發的安全生命週期(Safety lifecycle),以及分析定義汽車安全完整性等級(Automotive Safety Integrity Level;ASIL)為主要規範內容,目的是為了讓相關業者在汽車安全設計上有所依據。

未來,自駕車上的ECU、軟硬體的結合會更多,因此ISO 26262標準重要性也將日益顯著。賴奎元說明,ISO 26262標準所涵蓋的三個安全設計項目,皆有詳細的說明,與對照表格可使用,元件商在設計初期若是能將ISO 26262規範考量進去,車用產品相對也會有較大機率通過ISO 26262標準,並更能獲得市場信任。

事實上,ISO 26262只是汽車產業眾多標準規範之一。德凱(DEKRA)認證資深技術經理陳茂元表示,車用規範包括國際標準的法規、各國規範,甚至各大車廠也會自訂規範,且根據不同的項目,如射頻(RF)/無線技術、EMC、EMI、ESD…等,各有不同的標準,涵蓋很廣。

德凱宜特行銷室資深技術經理陳旺助則強調,各車廠為了能夠設計出具備高安全性的車款,或是未來的自駕車,也針對自身需求制訂了相關的標準,如2018年的ISO 16750,即是相當符合車廠主流需求的規範之一。業者若是要打進車廠供應鏈,一定要深入了解車廠的需求,並與第三方認證單位密切合作,讓產品從底層ACQ 100到200規範切入,再往上符合ISO 16750、ISO 26262標準。

封裝技術助力IC滿足車用需求

目前車輛中的電子元件呈現快速成長的態勢,但不是一味的將各種電子元件加到車裡,想要的功能、安全性就能到位。元件要根據不同的需求而有不同的設計與封裝,才能符合車廠、消費者的期待。日月光集團(ASE)經理林奕嘉表示,汽車半導體應用可分為四大塊,資訊娛樂系統(Infotainment)、車身電子(Body Electronics)、動力傳動(powertrain)與ADAS,其各有所需的元件特性,此時即可借助先進封裝技術進一步達成。

舉例來說,自駕車因內建多個AI系統,以及各式感測器與其他眾多電子元件,處理器本身的發熱問題、電子元件工作溫度能否符合汽車環境,以及若是採用電池作為動力系統,各種電子元件能否承受高壓,並讓元件具備一定的可靠度...等,都是元件供應商在設計時就需考慮的問題。林奕嘉認為,封裝技術也可協助元件具備更高可靠度、使用在高壓與高功率的環境,而目前內埋式封裝技術正開始受到青睞。

過去,IC封裝內部常見的方式為打線接合(wire bond;WB),利用金屬線材連接晶片(chip)及導線架(lead frame)。但打線接合在異質晶片整合微小化方面已出現瓶頸,因此可再進一步縮小晶片尺寸與I/O訊號傳遞較佳的覆晶接合(Flip Chip)已成後起之秀,逐漸吞食打線接合封裝技術市場。

不過上述封裝技術仍不能全面滿足車用電子需求,因此從覆晶接合再衍生出更先進、以銅線作晶片內部互連引線的晶圓級晶片尺寸封裝(WLCSP)/扇出型晶圓級封裝(Fan-Out Wafer Level Packaging ; FOWLP),以及內埋式晶片(Embedding Chip)封裝技術。

其中,內埋式封裝技術尤其適合車用環境,如ADAS等需要更高效能的應用。林奕嘉解釋,內埋式封裝技術具備微小化和設計靈活性,可提供更多空間給其他元件,也能讓現在的2D設計順利轉移至3D,實現高密度整合;再者,內埋式封裝更短的互連可減少寄生效應,並最大限度地減少失真和功率損耗,而封裝中較低的電阻和熱阻可改善功率性能;不僅如此,內埋式封裝由於是透過穩定的銅線互連,可提升晶片機械穩定性與可靠度(耐摔)。

抵達終點前 自駕車還缺少什麼?

目前有許多先進技術與元件開始進駐車輛中,從車聯網開始到進一步實現自駕車,但即使自駕車有了最好的技術元件、AI系統、實際的上路測試、安全性…等,還需要什麼?在車聯網技術圓桌論壇中,主持人EE Times首席國際特派記者吉田順子(Junko Yoshida)提出一個根本的問題——「人們準備好接受自駕車了嗎?」

20190516NT11P1 車聯網技術圓桌論壇與會來賓合影。左起旺宏電子市場行銷處資深處長Anthony Le、Noodoe創辦人暨總裁王景弘、EE Times首席國際特派記者吉田順子、Microsoft物聯網亞太創新中心總經理葉怡君、Nvidia亞太區技術行銷總監嚴永信。

的確,人們的信任是一個相當大的關卡,吉田順子也提到,目前的Uber自駕車隊、或是「號稱」自駕車的車輛與想像中的自駕車有著極大的差距,加上自駕車事故頻傳,勢必影響人們對自駕車的信任度。嚴永信認為,業者必須去思考,自駕車需要達到什麼樣的安全性才夠,AI系統要做到何種程度的學習才足以應付自駕車所需?旺宏電子(Macronix)市場行銷處資深處長Anthony Le則指出,人們不是不信任自駕車硬體,而是其內建的軟體,因為目前相關的資料還不充足,無法供AI、機器學習系統「學習」,且現階段的AI系統也還沒能真正自主學習,因此關鍵是如何獲取大量有用的資料,並有效地讓自駕車各部分硬體與軟體能進一步整合及互動。

由此可見,在自駕車相關標準前,自駕車上中下游相關業者需彼此互通有無,分享資訊,才可能打造出可贏得人們的信任自駕車。然而,這也意味著自駕車仍需一段時間才能真正抵達落地的終點。