別爭主賽道了！FPGA「失道寡助」，ASIC「得道多助」「GGAI頭條」

在ADAS及自動駕駛領域，圍繞FPGA、ASIC的爭論，一直沒有停歇。

FPGA在介面靈活性方面肯定優於ASIC，這得益於可編程邏輯與CPU和標準外圍設備的集成，還提供了巨大的處理能力和很高的能耗效率。尤其是在演算法快速迭代、功能驗證測試階段，FPGA的優勢顯然佔優。

與其他晶元相比，FPGA在於可以重新配置。它允許指定硬體描述語言(HDL)，而硬體描述語言又可以按照與特定任務或應用程序的需求相匹配的方式進行配置。

眾所周知，它耗電更少，性能更好。它還提供了一些優勢，比如使用OpenCL可以使編程更快更容易。它還可以為原型提供成本效益的選擇，也更加靈活。

不過，真正談及量產開發的成本效率，FPGA的弱勢開始顯現，比如需要配置一個專門的設計開發團隊， 比起其他晶元開發，人員要求更高。此外，FPGA也不適合高性能浮點運算（這一點和GPU是有差距的）。

FPGA可以同時執行一系列邏輯功能，但被認為不適合自動駕駛汽車或深度學習應用等新興技術。英偉達CEO黃任勛曾直言，FPGA不是自動駕駛技術開發的正確答案。（這一點，更多強調的是在車端的邊緣計算，而在數據中心部分，FPGA在深度學習方面和GPU旗鼓相當。）

FPGA更適合於原型設計，但不會帶來理想的量產效果。隨著半導體科技巨頭在自動駕駛技術和人工智慧晶元上的巨額投入，很明顯，無論是晶元製造商還是OEM，都希望有一款用於自動駕駛技術的定製化晶元。

這其中，還有很重要的一點是全球目前能供應車規級的FPGA晶元屈指可數（除了賽靈思和英特爾旗下的Altera佔據絕對市場份額，剩餘的都是無數專註於中低端市場的其他公司），而對於汽車製造商而言，「備胎」很重要。

ASIC晶元的主要優點之一是最適合專項計算和低功耗潛力的挖掘。當然，在自動駕駛汽車進入大規模生產階段之前，各種計算平台的晶元組合都是可能的。

還有一類晶元，叫做SoC。SOC是專門用於特定應用程序的IC，包括一個計算引擎(微處理器核心，數字信號處理器核心或圖形核心)，內存和邏輯在一個晶元上。

SoC器件有兩種類型：面向單個行業的專用集成電路（同ASIC，也是之前傳統汽車半導體晶元廠商的產品線）以及銷售給多個行業用戶的特定於應用程序的標準產品（ASSPs，這就是和後問提到的賽靈思的ACAP平台類似）。

從技術上講，GPU也是一種用於處理圖形演算法的ASIC。不同之處在於ASIC提供了指令集和庫，允許GPU被編程來操作本地存儲的數據——這是許多並行演算法的加速器。GPU則擅長執行矩陣運算，這是圖形、人工智慧和許多科學演算法的基礎。

不過，目前行業內仍然受限於ASIC晶元的研發周期長、成本高、晶元設計定製難度大的問題，此外必須要有大規模的需求訂單才能攤薄前期投入的研發成本。但已經有不少廠商在解決這些問題。

近日，Synopsys, Inc.和Elektrobit宣布了一項合作，利用虛擬環境加速汽車電子系統的開發，將Synopsys虛擬器開發工具包(VDKs)、EB操作系統、開發和測試工具以及互補的專業知識整合在一起，以支持pre-silico和pre-Electronic Control Unit (ECU)的硬體可用性和軟體開發。

合併的解決方案加速了系統測試周期，並使汽車一級供應商和OEM公司能夠從物理測試過渡到虛擬系統測試。

EB公司負責商業管理的執行副總裁Martin Schleicher表示:「過去汽車製造商一直面臨電子硬體複雜性和軟體內容的增加，這些都需要在極具挑戰性的開發時間內交付。」

Synopsys和Elektrobit的合作，就是要讓汽車工程師能夠更早地開始軟體開發（而不受制於晶元的量產交付長周期），並使用虛擬ECU來加快系統測試。

Synopsys VDKs提供了從單個處理器到整個汽車電子系統(虛擬ECU)的硬體快速模擬。EB使用Synopsys VDKs將其AUTOSAR操作系統移植到半導體廠商的新汽車處理器上（在晶元正式量產交付前的12個月）。

該集成解決方案已用於建立一個虛擬開發環境演示程序，將一個基於NXP的S32汽車處理平台的虛擬ECU與EB和Synopsys工具集成在一起。

該解決方案支持系統分析和可視化、配置和更新管理、測試驅動程序和系統管理，使汽車開發人員能夠通過在回歸中部署該解決方案來提高互動式軟體調試效率和加速測試周期。

以上對於使用ASIC晶元的開發者提供了更多的時間，而西門子則推出了一個能夠幫助開發者自己定製晶元的工具平台。

西門子公司也在近日推出了名為PAVE360pre-silicon的自動驗證環境平台，為開發下一代汽車晶元提供了一個跨汽車生態系統的多供應商協作的綜合環境。

PAVE360還將數字雙模擬擴展到處理器之外，包括汽車硬體和軟體子系統、整車模型、感測器數據融合、交通流，甚至自動駕駛汽車最終將通過的智能城市模擬。

西門子旗下Mentor公司的IC驗證解決方案部門副總裁兼總經理Ravi Subramanian表示，「PAVE360提供給客戶開發強大的定製晶元和軟體解決方案所必需的工具。」

PAVE360能夠對所有自動化駕駛系統的核心的感測/決策/執行範例進行完整的閉環驗證，基於全數字雙胞胎的背景下的晶元投產前驗證確定性(基於規則)和非確定性(基於人工智慧)方法。

這就為汽車製造商（或者其他演算法廠商）轉向定製晶元設計，提供了基於合理成本（可預見性）的性能和功能開發。

按照西門子的判斷，有了PAVE360，晶元設計可以「大眾化」，使汽車製造商、晶元製造商、一級供應商、軟體公司和其他供應商能夠合作開發和定製用於自動駕駛汽車的極其複雜的晶元。

PAVE360為這種合作提供了一個有效的平台，有助於加快晶元設計和軟體驗證的速度，並為自動駕駛創建定製化的晶元。

這意味著在完全虛擬的環境中，針對駕駛員輔助和全自動駕駛車輛的性能、動力、安全、溫度等因素的要求進行優化。同時，允許設計師測試從晶元開發到整車驗證的所有東西。

在過去幾年汽車ADAS及自動駕駛領域，Mobileye是典型的ASIC路線的成功代表。

比如，最新一代EyeQ5採用7nm的FinFET技術設計，配備8個多線程CPU核，以及18個Mobileye下一代視覺處理器核。

比目前的EyeQ4性能，EyeQ5提高了8倍，每秒產生12次以上的Tera操作，同時將功耗保持在5W以下。專有加速器核心針對各種計算機視覺、信號處理和機器學習任務(包括深度神經網路)進行了優化。

EyeQ5的特點是異構的、完全可編程的加速器，晶元中的四種加速器都針對自己的演算法家族進行了優化。專用IOs支持至少40Gbps的數據帶寬，4個32位LPDDR4通道支持，運行速度為4267MT/s。

EyeQ5實現了兩個用於處理器間通信的PCIe Gen4埠，這可以支持使用多個EyeQ5晶元進行系統擴展或與應用程序處理器進行連接。

與此同時，Mobileye將提供一個車規級標準操作系統，並提供一個完整的軟體開發工具包(SDK)，允許客戶通過在EyeQ5上部署演算法來區分他們的解決方案。

此前，也有業內人士指出，英特爾收購Mobileye，除了為ADAS及自動駕駛晶元市場打開切入口，同時也是考慮到把Mobileye定製ASIC專用晶元的能力與現有的NERVANA架構及FPGA產品線揉合起來並推出全新的產品線。

還有一個例子就是特斯拉，今年宣布推出的第一代自動駕駛晶元就是與三星合作代工的ASIC，當然也耗費了前後三年時間用於設計、生產原型和達到量產要求。

馬斯克做出這一決定的主要原因是性能和控制的結合，而且定製晶元的價格最終的成本將低於目前的英偉達晶元。

與基於GPU的系統相比，定製晶元在運行複雜的神經網路方面性能更高，能耗更低，而複雜的神經網路是自動駕駛機器學習系統的核心。

這裡面還要談一下谷歌，兩年前同樣打造自己的AI定製晶元（TPU），每瓦特機器學習的性能得到了一個數量級的優化。

而FPGA巨頭賽靈思，為了應對這一趨勢，去年在FPGA的基礎上推出ACAP（Adaptive Compute Acceleration Platform，自適應計算加速平台）。

這是一個具有更高集成度的晶元體系架構。ACAP上除了有處理器部分，也有傳統FPGA可編輯邏輯的部分，還集成了高性能計算引擎。

用賽靈思的話說，當燒寫完的晶元嵌入到系統或方案中，一旦系統或方案設計出現變化，可以重新設計電路，重新刷進去，而不用再重新設計一套硬體。這其中就是依靠FPGA的配合，保證了定製化晶元可長期使用。

結果很明顯，傳統的FPGA產品線適用於中低端ADAS應用（或者一些非安全功能領域），也適用於數據中心應用程序加速。至於早前所說，在自動駕駛演算法還未成型之前，FPGA更合適，其實也是因人而異（比如，特斯拉的演算法，也處於不斷迭代過程）。

但真正主流的中高端ADAS及自動駕駛，ASIC將佔據主流市場份額，尤其是ADAS及自動駕駛逐步進入大規模量產階段。

尤其是對於一些初創公司來說，是選擇FPGA還是自己定製化ASIC，在對外融資方面，也是屬於兩種完全不同的界定。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！