自动驾驶技术的发展可以追溯到数十年前。1995年美国卡内基梅隆大学的“Navlab”项目首次实现了自动驾驶车辆在城市道路上行驶，成为自动驾驶发展历程中的重要里程碑之一。 此后，随着传感器和计算机技术的不断进步，机器学习和人工智能算法的发展，自动驾驶技术取得重要突破，车辆能够更准确地理解和应对复杂交通环境，使得自动驾驶在2010年代掀起热潮。不过，近年来人们对自动驾驶技术已经有了更加深入的认识，对其发展和应用也变得客观理性，已经不再简单地认为自动驾驶就是简单的“带轮子的IT系统”，而是需要复杂的架框设计。自动驾驶的“行驶”之路正变得更加稳健。
“在2016年左右，很多记者和技术人员都在问我们‘什么时候才可以实现完全自动驾驶 ？’、‘什么时候孩子们上幼儿园不用父母接送？’、‘什么时候车里不再有方向盘，而且 比人有更多的智能和情感？’。然后2020年就来了，大家清醒过来，发现自动驾驶 并没有像宣传的那样发生，2020年也不是自动驾驶 的元年。”这是恩智浦半导体执行副总裁兼首席技术官Lars Reger讲述的一段经历，反映了自动驾驶技术的近年中的发展变化。
2010年以来，随着传感器和计算机技术的不断进步，自动驾驶技术取得了重要突破。激光雷达、摄像头、超声波传感器等成为自动驾驶车辆的“眼睛”，实时获取车辆周围环境的信息。与此同时，机器学习和人工智能算法的发展，使得车辆能够更准确地理解和应对复杂交通环境。自动驾驶技术进入高速发展阶段，很多人乐观认为高级自动驾驶阶段很快就会到来。
但是自动驾驶技术的发展依然面临挑战，除法律道德方面的问题之外，如何实现在各种天气和路况下的可靠自动驾驶等技术问题正被越来越多人们所重视。简单来说就是，当时人们对人工智能和机器学习寄予了厚望，但现实是自动驾驶的实现并不仅是人工智能和机器学习就足够的。
采访中，Lars Reger以人体的运动做了一个比喻：人在运动时，不仅有大脑的参与，其他器官如脑干进行着数据联网的功能，小脑控制着身体中一些非常重要的运动功能，还有大量的神经节的参与，等等。一个简单的反射形成过程，比如走路时被绊了一下，脊柱直接告诉我的腿“要停住”，小脑会通过肌肉帮助站稳。这个时候人们的大脑才会反应，看一下为什么会被绊住。当看到路上有一个坑，会反应下次走到这里时要注意。也就是说，在运动时大脑的功能并非实时性的。
的自动驾驶也是如此。 会通过摄像头、激光雷达、传感器等探测出路障，并做出反应，并不需要生成式AI的实时参与，在进行创意性思维之前，人们首先需要确保在道路上的功能安全。
因此，“简单地把人工智能加在 上是不可行的。如果是从马车一下升级到内燃机车，再突然升级到了一个带轮子的IT系统，这样的路径太昂贵、太复杂，也太快。”Lars Reger强调。
在智能互联器件中，要寻求高安全与高效能
那么，应该如何正确地设计一辆 的架构呢？首先，要有各种各样的功能，比如连接、信息娱乐系统、动力总成驱动、车身的电子（如门禁、灯光）、车内的温控、驾驶辅助系统、数据网关，再加上信息安全与功能安全模块等，不同子系统间相互配合，这样的 才能正常驾驶。根据Lars Reger的介绍，在这样的架框中，最底层以“以太网”连接，上面一层是计算单元，相当于小脑和部分脑干的功能，最上层是更高算力的处理器，同时人们把人工智能加速器也构建到系统当中。
对于芯片企业来说，就是要为行业OEM和一级供应商提供构建这些架构的模块。通过标准化的模块帮助他们实现各种各样的功能，构建电子和软件平台。比如提供i.MX RT微控制器、S32系列微处理器，结合功能与信息安全芯片，以及集成的AI加速器，可以形成一个工具链；通过不同类型的处理器和人工智能加速器，相关器件可以不断地学习和适应，进而构造智能的边缘器件。
Lars Reger还强调，这样的架框具有更高的能效。如果要构建云系统，首先考虑的是高性能计算。但是对于边缘系统来说，就需要特别注重高效计算，在这些智能互联器件当中，我们必须要寻求高效能，否则地球将无法承载相关的能耗要求。“这就像生物学一样，我们希望开发出来的芯片如同大脑一样具有极高的运算效率，同时确保功能适用。”
【来源：集微网】
