Leistungsstarke, effiziente ASICs ermöglichen fortschrittliche Automobilsysteme

von: Gary Dagastine

Schätzungen zufolge bemühen sich derzeit weltweit mehr als 260 Start-ups und etablierte Unternehmen um die Entwicklung, Qualifizierung und Markteinführung von Chips und Technologien für neue ADAS- (Advanced Driver-Assistance Systems) und autonome Fahranwendungen.

Dementsprechend erhöhen Risikokapitalgeber, Technologieunternehmen, Automobilhersteller, Tier-1-Automobilzulieferer und andere ihre Investitionen in diesem Bereich drastisch. Nach Angaben des Marktforschungsunternehmens CB Insights stiegen allein die Risikokapitalinvestitionen in die Automobilbranche und andere KI-basierte Anwendungen im vergangenen Jahr auf rund 1,6 Milliarden US-Dollar, gegenüber 1,3 Milliarden US-Dollar im Jahr 2016 und 820 Millionen US-Dollar im Jahr 2015.

Darüber hinaus finden diese Aktivitäten weltweit statt. Zu den bemerkenswerten jüngsten Ankündigungen gehörte die Nachricht, dass das in Shenzhen, China, ansässige selbstfahrende Start-up-Unternehmen Roadstar.ai 128 Mio. USD in einer Serie-A-Finanzierung erhalten hat. Dies ist Berichten zufolge die bisher größte Einzelinvestition in ein chinesisches Unternehmen für autonomes Fahren und stellt die Anfang des Jahres von einem anderen Start-up-Unternehmen für autonomes Fahren, Pony.ai aus Guangzhou, angekündigte Finanzierung in Höhe von 112 Mio. USD in den Schatten.

Warum wächst das Interesse an diesem Bereich so stark? Auf der Verbraucherebene schätzen viele Autofahrer ADAS-Funktionen wie Kollisionsvermeidung, Toter-Winkel-Warner, adaptiver Tempomat usw., und da die Autohersteller ihre Kunden zufriedenstellen wollen, arbeiten sie daran, diese Systeme immer ausgefeilter und in Fahrzeugen aller Preisklassen verfügbar zu machen.

Auf gesellschaftlicher Ebene haben Fahrerassistenzsysteme und selbstfahrende Autos viel mehr zu bieten. So sterben in den USA jährlich etwa 40.000 Menschen bei Kraftfahrzeugunfällen , weltweit sind es über eine Million, und weitere 20-50 Millionen Menschen werden verletzt oder behindert. Fahrzeuge mit größeren autonomen Fähigkeiten haben das Potenzial, diese Zahlen deutlich zu senken.

Sie eröffnen auch völlig neue Geschäftsmöglichkeiten, wie etwa selbstfahrende Taxis.

Ein Gehirn auf Rädern

Die normsetzende Organisation SAE International hat ein fünfstufiges Klassifizierungssystem zur Beschreibung des Automatisierungsgrads von Fahrzeugen eingeführt, das von Stufe 1 (das System gibt Warnungen aus, aber der Fahrer steuert das Fahrzeug) bis Stufe 5 (vollständig autonomer Betrieb ohne menschliches Eingreifen) reicht.

Auf dem Weg zu Level 5 werden Sensoren wie Kameras, Lidar und Radar eine Flut von Daten erzeugen, die in Echtzeit verarbeitet, integriert und übertragen werden müssen, damit hochentwickelte, auf tiefen neuronalen Netzen basierende Algorithmen des maschinellen Lernens sie nutzen können, um Objekte in der Umgebung zu erkennen, ihre Aktionen vorherzusagen, mit anderen Fahrzeugen zu kommunizieren und Entscheidungen zur Fahrzeugsteuerung zu treffen.

Einige argumentieren, dass dies am besten mit einer dezentralisierten Netzwerkarchitektur im Fahrzeug erreicht werden kann, da es sich dabei um eine Weiterentwicklung bestehender ADAS-Systeme handelt und daher die geringsten Auswirkungen auf das Design von Kfz-Computersystemen hätte. Sie würde auch den Einsatz spezialisierter Prozessoren ermöglichen und die schrittweise Einführung neuer Funktionen erlauben.

Laut Mark Granger, GLOBALFOUNDRIES Vice President of Automotive, liegen die Probleme bei diesem Ansatz darin, dass lokale Prozessoren und eine begrenzte Netzwerkbandbreite zwar für Level 2 (teilweiser oder "hands off"-Betrieb) oder vielleicht Level 3 (bedingter oder "feet off"-Betrieb) ausreichen, aber nicht in der Lage sind, die riesigen Datenmengen in Echtzeit zu verarbeiten, die von KI-basierten maschinellen Lernalgorithmen benötigt werden, um einen wirklich autonomen Betrieb zu ermöglichen.

"Dezentrale Architekturen können bis zu 5 TOPs (Billionen Operationen pro Sekunde) und etwa 10 Mbits/s an Bandbreite im Fahrzeug bereitstellen", sagte er. "Um jedoch auf den Stufen 3-5 zu arbeiten, ist eine zentralisierte Netzwerkarchitektur mit leistungsstarken, effizienten Prozessoren erforderlich, die 50-100 TOPs und fahrzeuginterne Datenraten von 100 Gbits/s bereitstellen. Zum Vergleich: Im Jahr 2000 konnte der leistungsstärkste Supercomputer der Welt nur 1 TOPs verarbeiten. Autonome Fahrzeuge müssen also wirklich Gehirne auf Rädern sein, und eine zentralisierte Architektur ist der beste Weg, dies zu erreichen."

Bisher waren die Halbleitertechnologien, die im Mittelpunkt der Entwicklung von ADAS/autonomen Systemen stehen, Grafikprozessoren (GPUs) und Mikroprozessoren (CPUs). Da sich die Entwickler jedoch in Richtung Level-5-Automatisierung bewegen, wird die Verbreitung dieser Chips in Automobilsystemen zunehmend problematisch, da sie zwar leistungsstark, aber auch stromhungrig sind.

"Selbstfahrende Autos stecken noch in den Kinderschuhen, und wenn nicht etwas unternommen wird, um den Stromverbrauch der Prozessoren in ihren KI-basierten Systemen zu senken, werden sie vielleicht nie erwachsen werden", so Granger. "Die Chips, die die heutigen Versionen von selbstfahrenden Autos antreiben, benötigen im Wesentlichen Racks mit Chips der Serverklasse, die vielleicht 7.000 bis 10.000 Watt Strom verbrauchen. Für Entwicklungs- und Testzwecke ist das in Ordnung, aber für kommerzielle Produkte ist es unpraktisch. Außerdem muss man die Herausforderungen und Kosten der Kühlung berücksichtigen, und die Chips sind relativ groß. Jeder hat das Ziel, das Energiebudget für eine bestimmte Funktion so niedrig wie möglich zu halten.

Einstieg in die ASICs von GF

ASICs (anwendungsspezifische integrierte Schaltkreise), die speziell für die Anforderungen von Automobilsystemen entwickelt wurden, können nicht nur leistungsstark und extrem energieeffizient sein, sondern ermöglichen es einem Automobilkunden auch, sich von der Masse abzuheben. Sie bieten Designflexibilität und ermöglichen Designs, die viel leistungsfähiger sind als aktuelle GPUs.

Große CPU-Cluster und Hunderttausende von Multiplikations- und Akkumulationsschaltungen (MAC) auf jedem Chip erfüllen die hohen Rechenanforderungen von KI-Algorithmen, während Gigabits an eingebettetem SRAM und Gigabytes an Off-Chip-DRAM-Schnittstellen die hungrige Rechenmaschine speisen.

GF bietet 14-nm- und 7-nm-FinFET-ASIC-System-on-Chip (SoC)-Bausteine an, die im Vergleich zu GPUs und konkurrierenden ASIC-Technologien eine optimale Kombination aus Leistung, Größe und Energieeffizienz bieten und gleichzeitig Qualitätsstandards im Automobilbereich wie den funktionalen Sicherheitsstandard ISO26262 erfüllen.

Mit denFX-14™ ASICs können Benutzer eine Reihe von 64-Bit- und 32-Bit-ARM®-Cores für das Systemdesign nutzen, zusammen mit einem 56-Gbps-Hochgeschwindigkeits-SERDES (HSS), einem eingebetteten TCAM-Speicher, der Milliarden von Suchvorgängen pro Sekunde durchführen kann, einem dichte- und leistungsoptimierten eingebetteten SRAM und 2,5D-Gehäuseoptionen, die die Anwendungsflexibilität maximieren.

FX-7™ ASICs erweitern das Angebot mit bis zu 112G HSS, dem dichtesten On-Chip-SRAM und einer großen Anzahl von Off-Chip-DRAM-Schnittstellen (LPDDR, GDDR, HBM), einschließlich 2,5/3D-Gehäuseoptionen, die die Anwendungsflexibilität maximieren.

Die ASICs von GF unterscheiden sich von denen anderer Anbieter nicht nur durch ihre Fähigkeiten, sondern auch durch ihren Stammbaum. Die Übernahme von IBM Microelectronics im Jahr 2015 brachte GF eines der branchenweit führenden ASIC-Entwicklungsteams mit mehr als 1.000 Entwicklungsingenieuren auf der ganzen Welt und einer Historie von rund 2.000 abgeschlossenen ASIC-Designs für Anwendungen von High-End-Servern für kritische Unternehmensnetzwerke bis hin zu kostengünstigen Spieleplattformen ein.

"Unser ASIC-Team hat sich bei einer Reihe von Produkten bewährt, die von hochkomplexer Elektronik für Server und die Luft- und Raumfahrt bis hin zu leistungsstarken, kostengünstigen Anwendungen reichen, die alle führenden Spieleplattformen abdecken", so Igor Arsovski, Chief Technical Officer der ASIC-Sparte von GF und GF Fellow.

"Im Gegensatz zu anderen Designhäusern bieten wir eine breite Palette von IP an, die systematisch und ausgiebig zwischen Modell und Hardware korreliert und HTOL-gestresst wurde, um sowohl die Zykluszeit vom Design bis zum Tapeout zu reduzieren als auch die Erfolgsrate beim ersten richtigen Design zu verbessern", sagte er. "Diese rigorose Methodik hat dafür gesorgt, dass wir auch nach Dutzenden von Prozessknoten und über 2.000 ASIC-Designs noch nie einen ASIC nicht an unseren Kunden geliefert haben. Im Zusammenhang mit der Automobilindustrie ist auch die Tatsache bemerkenswert, dass unsere ASIC-Designs fortschrittliche In-situ-Testmöglichkeiten beinhalten, die entscheidend sind, da eine hohe Zuverlässigkeit eine Voraussetzung für die Automobilindustrie ist."

Arsovski wies auch darauf hin, dass viele Kunden von GF unterschiedliche Anforderungen an den Design-Service haben und das Unternehmen daher eine breite Palette von Paketen anbietet, die von einem schlüsselfertigen Service - bei dem der Kunde eine Spezifikation liefert und von GF Unterstützung in den Bereichen Design Center, Packaging und Test erhält - bis hin zu einem vollständig kundenspezifischen Design reicht, bei dem der Kunde GDS liefert und nur die Fertigung wünscht. Die Agilität von GF ermöglicht es dem Unternehmen, Kunden organisch zu unterstützen, wenn ihr Unternehmen und ihre Designfähigkeiten im Bereich der Automobilelektronik wachsen.