3月11日，美國(guó)底特律市，特斯拉Model Y又雙叒叕撞上白色大貨車，車頂被削，現(xiàn)場(chǎng)十分慘烈。

看國(guó)內(nèi)，近一個(gè)月，有記者采訪全國(guó)各地近20位經(jīng)歷嚴(yán)重車禍的特斯拉車主，發(fā)現(xiàn)事故大多相似：突然加速，剎車失靈，車主重傷，不撞上強(qiáng)大障礙物不停車，更有的狂奔8公里之遙。特斯拉的回應(yīng)不想也知：駕駛員一直踩加速踏板，并未剎車。這么先進(jìn)的車，“黑匣子”數(shù)據(jù)一公開不就結(jié)了？要么在那里扯皮，要么數(shù)據(jù)消失。一次兩次也就算了，卻是一而再再而三。

這些應(yīng)該是“3.15”的事，我們管不了。倒是前不久一則“特斯拉5nm自動(dòng)駕駛（AV）芯片將與三星合作開發(fā)”的消息讓人發(fā)問(wèn)：不要說(shuō)自動(dòng)駕駛，現(xiàn)在用14nm“正?！毙旭偠歼@樣了！5nm難道就是救命稻草？不是挑戰(zhàn)更大嗎？

看看半導(dǎo)體行業(yè)一些頭部公司高管對(duì)芯片和封裝、系統(tǒng)和數(shù)據(jù)、可靠與安全、ADAS和自動(dòng)駕駛，特別是現(xiàn)場(chǎng)驗(yàn)證的討論，或許可以幫助我們悟出點(diǎn)什么。

5nm是一個(gè)未知的世界

國(guó)內(nèi)關(guān)于特斯拉與三星的報(bào)道似乎有誤：“為其自動(dòng)駕駛汽車的車載信息娛樂(lè)（IVI）或媒體控制單元（MCU）開發(fā)一種5nm半導(dǎo)體?！?/p>

業(yè)界正在試圖開發(fā)5nm汽車AI芯片，工藝變化、電遷移、電磁干擾、電力傳輸問(wèn)題和檢測(cè)的挑戰(zhàn)比比皆是。我們過(guò)去從來(lái)沒(méi)有把一個(gè)先進(jìn)節(jié)點(diǎn)芯片放到汽車這樣極端的環(huán)境中，是否真的了解前方“路況”以及如何應(yīng)對(duì)呢？

PDF Solutions先進(jìn)解決方案副總裁Dennis Ciplickas說(shuō)：“5nm芯片是一個(gè)全新的世界，我們從未去過(guò)。獲取、吸收和連接所有數(shù)據(jù)都面臨著挑戰(zhàn)。先進(jìn)技術(shù)的關(guān)鍵實(shí)際上是要了解丟失了哪些數(shù)據(jù)。例如，5nm的中間工序（MOL）有三維的電相互作用，你根本看不到物理檢測(cè)。這是我們一直追求內(nèi)聯(lián)‘檢測(cè)設(shè)計(jì)’的一個(gè)主要原因，為的是獲得泄漏的敏感測(cè)量值，進(jìn)而發(fā)現(xiàn)有可能轉(zhuǎn)化為實(shí)際缺陷的潛在缺陷。要正確響應(yīng)，首先必須知道缺陷的存在，這意味著必須創(chuàng)建新的數(shù)據(jù)。僅僅將數(shù)據(jù)作為制造過(guò)程的工件來(lái)表示是不夠的，需要區(qū)分?jǐn)?shù)據(jù)。”

對(duì)汽車應(yīng)用來(lái)說(shuō)，先進(jìn)封裝也是新的東西。雖然多芯片模塊已經(jīng)存在了幾十年，但其封裝并不像我們看到的傳感器融合或一些7/5nm芯片那樣。封裝對(duì)可靠性也有影響，這是必須處理的另一層復(fù)雜性。

yieldHUB業(yè)務(wù)開發(fā)經(jīng)理Andre van de Geijn認(rèn)為：“這取決于芯片用在汽車的哪個(gè)部分。如果用在娛樂(lè)系統(tǒng)，可以使用與數(shù)百萬(wàn)部手機(jī)相同的組件，你可以信任這些組件。如果你的手機(jī)故障率很高，可以換一個(gè)。許多公司說(shuō)，這只是一個(gè)組件，我可以取出模塊，放入一個(gè)新的模塊來(lái)替換。這與汽車管理系統(tǒng)中的封裝完全不同。制造座椅前后移動(dòng)按鈕的公司會(huì)開發(fā)出全新的技術(shù)，在這些按鈕失效時(shí)可以更換。但如果是汽車管理單元，那就完全不同了?！?/p>

proteanTecs汽車部門總經(jīng)理Gal Carmel說(shuō)：“先進(jìn)封裝增加了另一層復(fù)雜性，因?yàn)樗狈梢?jiàn)性，并且依賴于高密度架構(gòu)，從而限制了冗余退路（fallback），而汽車系統(tǒng)需要冗余。此外，芯片的人工智能（AI）部分正在增長(zhǎng)。它不僅涉及到封裝和先進(jìn)節(jié)點(diǎn)，而且芯片架構(gòu)是AI驅(qū)動(dòng)的，并使用現(xiàn)場(chǎng)推理和訓(xùn)練來(lái)不斷改進(jìn)硬件架構(gòu)。使用這個(gè)反饋回路，就可以減少硬件冗余并優(yōu)化復(fù)雜性?！?/p>

OptimalPlus汽車業(yè)務(wù)部門副總裁兼總經(jīng)理Uzi Baruch表示：“封裝確實(shí)增加了層次結(jié)構(gòu)和組裝組件的復(fù)雜性，需要在三個(gè)維度相互關(guān)聯(lián)。這本身就引入了數(shù)據(jù)的語(yǔ)義概念。它有多個(gè)向量，其中一個(gè)也是層次元素。它確實(shí)增加了復(fù)雜性，因?yàn)橐粋€(gè)組件不能看作一個(gè)單獨(dú)的單元，必須考慮組件的層次結(jié)構(gòu)。如果你不這么做，你從分析中得到的東西就會(huì)非常有限。然而，如果你做的對(duì)，就可以精確定位問(wèn)題所在?！?/p>

軟件是潛在的巨大風(fēng)險(xiǎn)

現(xiàn)在，整個(gè)行業(yè)都在探討軟件定義汽車，先進(jìn)一點(diǎn)的汽車（如特斯拉）都用軟件來(lái)控制某些功能，還有OTA（空中下載技術(shù)）。如果你更新了一個(gè)復(fù)雜軟件系統(tǒng)的一部分，就有可能影響到這個(gè)系統(tǒng)中的所有東西。如果你添加了大量軟件，在硬件不支持的情況下，車輛性能就會(huì)下降，甚至?xí)绊懙铰飞系钠渌囕v。

Ciplickas說(shuō)：“軟件很有挑戰(zhàn)性，因?yàn)樗蛔裱魏挝锢硪?guī)則。硬件聽起來(lái)很難，但它實(shí)際上遵循一些邊界條件。有了軟件，你可以改變一切，這可能會(huì)產(chǎn)生很多意想不到的后果。”是什么后果呢？

Carmel認(rèn)為：“利用深度數(shù)據(jù)，我們可以將硬件虛擬化，更好地感知軟件操作的影響。通過(guò)這些虛擬化，你可以轉(zhuǎn)向一種自適應(yīng)軟件模型，該模型針對(duì)車輛的ECU性能和現(xiàn)場(chǎng)退化進(jìn)行定制。人工智能（AI）應(yīng)用增加了芯片上AI的比例，以滿足軟件的需求。這將有助于減少冗余并確保優(yōu)化功能。此外，實(shí)地推斷和訓(xùn)練將不斷改進(jìn)硬件和軟件之間的相互作用。”車輛中各系統(tǒng)，特別是傳感器、雷達(dá)等的冗余對(duì)于安全至關(guān)重要，怎么優(yōu)化的確是個(gè)逆坂走丸的事情。

最大挑戰(zhàn)是安全性

在設(shè)計(jì)方面，可靠性和安全性密不可分。最大的挑戰(zhàn)是如何在這些系統(tǒng)中建立安全機(jī)制？

Ciplickas認(rèn)為：“安全性有很多方面，但一些用于優(yōu)化可靠性的技術(shù)和測(cè)試可以提供提升安全性的工具。例如，調(diào)試監(jiān)視器或漂移和移位監(jiān)視器可以檢測(cè)某些類型的攻擊，無(wú)論是在t = 0時(shí)檢測(cè)到的，還是在現(xiàn)場(chǎng)檢測(cè)到的異常行為或漂移。這些監(jiān)視器已經(jīng)被用于系統(tǒng)運(yùn)行和優(yōu)化，兩者之間有相關(guān)的基礎(chǔ)設(shè)施，盡管它們的應(yīng)用方式非常不同?！?/p>

Carmel說(shuō)：“這是一個(gè)使用數(shù)據(jù)的機(jī)會(huì)，因?yàn)槟闾峁┑臄?shù)據(jù)越有價(jià)值，芯片的簽名就越好。最終，這些數(shù)據(jù)會(huì)幫助你理解是否有異常。這對(duì)關(guān)閉有問(wèn)題的車輛可能更為緊迫。使用深度數(shù)據(jù)，你可以創(chuàng)建24/7車隊(duì)可見(jiàn)性，并在問(wèn)題發(fā)生時(shí)立即確定問(wèn)題?！?/p>

現(xiàn)在，汽車系統(tǒng)中移動(dòng)的數(shù)據(jù)量非常巨大，是否真的能夠檢測(cè)到一個(gè)非常輕微的異常呢？

Carmel接著說(shuō)：“基于通用芯片遙測(cè)的深層數(shù)據(jù)有助于深入了解實(shí)際芯片和系統(tǒng)的操作、性能、可靠性裕度和性能退化。這種真實(shí)世界的數(shù)據(jù)并不依賴于觸點(diǎn)的轉(zhuǎn)移，而是依賴于實(shí)地操作的輸出?！?/p>

Ciplickas介紹說(shuō)：“關(guān)于信號(hào)和噪聲，業(yè)界已開發(fā)出可以找到信號(hào)的技術(shù)。如果在加工晶圓或引線鍵合時(shí)觀察設(shè)備上的傳感器數(shù)據(jù)，就能得到的各種各樣的信號(hào)。在這些信號(hào)中發(fā)現(xiàn)的異常有時(shí)是微小的光點(diǎn)。利用機(jī)器學(xué)習(xí)技術(shù)，在原本‘好’的噪聲海洋中可以找到那些微小的斑點(diǎn)。與其把它看作是一種制造晶圓的設(shè)備，不如把它看作是一個(gè)在現(xiàn)場(chǎng)運(yùn)行的系統(tǒng)，了解這些微小的光點(diǎn)是有可能的?！?/p>

KLA戰(zhàn)略合作先進(jìn)總監(jiān)Jay Rathert認(rèn)為：“最大的挑戰(zhàn)不是看到缺陷本身，而是理解哪些缺陷是相關(guān)的，哪些可能成為潛在缺陷。將設(shè)計(jì)和改進(jìn)測(cè)試聯(lián)系起來(lái)才價(jià)值。兩者結(jié)合越緊密，并擁有一個(gè)迭代或協(xié)作、對(duì)齊的數(shù)據(jù)集，就越能更好地理解芯片上需要發(fā)生什么樣的輸入和輸出。我們需要架起設(shè)計(jì)與測(cè)試的橋梁，消除產(chǎn)品生命周期中存在的各種問(wèn)題?！?/p>

使用上游數(shù)據(jù)理解下游信號(hào)是一種非常強(qiáng)大的技術(shù)，它有助于預(yù)測(cè)潛在的問(wèn)題。

Baruch說(shuō)：“人們往往傾向于研究預(yù)測(cè)模型，但是他們忽略了這樣一個(gè)事實(shí)：功能集——實(shí)際上對(duì)預(yù)測(cè)事物的能力有很大貢獻(xiàn)。它可以過(guò)濾噪聲、發(fā)現(xiàn)什么重要什么不重要，以及任何問(wèn)題的根本原因是什么。我們經(jīng)常使用左移（shift-left）模式（把位于傳統(tǒng)軟件開發(fā)流程中最后階段的測(cè)試往前提）。為避免大海撈針，好的模型可以幫助你發(fā)現(xiàn)什么是優(yōu)先權(quán)問(wèn)題，只要你決定從哪個(gè)角度來(lái)看即可。建立了這些模型，你就會(huì)預(yù)測(cè)一些東西，你也需要一些人來(lái)修復(fù)那些模型中錯(cuò)誤的屬性?！?/p>

全自動(dòng)駕駛汽車到來(lái)之前

ADAS和自動(dòng)駕駛似乎并不是一回事。進(jìn)入完全自動(dòng)駕駛，必須開始思考系統(tǒng)之系統(tǒng)（SoS）的協(xié)作。如果汽車使用不同代的芯片和軟件，會(huì)發(fā)生什么呢？

Carmel說(shuō)：“從ADAS到AV的基本意義是了解它們經(jīng)歷了什么樣的失敗。最終，需要定義性能范圍。每輛車都有自己的性能范圍，因?yàn)樗胁煌挠布煌能浖?，不同的?jí)別。當(dāng)你確切地知道如何定義這個(gè)性能范圍，并在可靠性和安全性之間建立平衡時(shí)，你就可以控制車隊(duì)了。使用深層數(shù)據(jù)，我們可以定義每個(gè)模型和每個(gè)單元的獨(dú)立功能，并勾勒出一個(gè)自動(dòng)駕駛層次結(jié)構(gòu)?！?/p>

National Instruments運(yùn)輸市場(chǎng)負(fù)責(zé)人Jeff Phillips指出：“圍繞自動(dòng)駕駛的要求、用例、期望和標(biāo)準(zhǔn)都與現(xiàn)在有很大變化，包括車輛的反應(yīng)，以及當(dāng)人的生命處于危險(xiǎn)之中時(shí)，芯片是否可以做出決定。最終，我們還要弄清楚如何把系統(tǒng)整合在一起，然后從生產(chǎn)開始驗(yàn)證芯片的行為。最重要的是，我們需要建立適當(dāng)?shù)男袨楹妥詣?dòng)駕駛性能，利用算法使汽車作出正確的決定。這當(dāng)中數(shù)據(jù)是關(guān)鍵。”

會(huì)不會(huì)有一天可以看到自動(dòng)駕駛車輛出現(xiàn)在地理圍欄區(qū)域以外的地方，比如在高速公路上為其設(shè)置一條車道，在離開高速公路時(shí)再由人來(lái)接管？

Geijn認(rèn)為：“改進(jìn)產(chǎn)品和組件并從中學(xué)習(xí)是需要時(shí)間的。自動(dòng)駕駛不是某一天開啟功能就可以實(shí)現(xiàn)的。在接下來(lái)的10年里，它會(huì)不斷改善，直到真正擁有一種你覺(jué)得舒適的東西，它可以做人類能做的80%或90%的事情?！?/p>

Carmel表示：“讓車輛逐漸駛出地理圍欄區(qū)域的關(guān)鍵是覆蓋范圍和可擴(kuò)展性。當(dāng)在地理圍欄區(qū)域外運(yùn)行時(shí)，可靠性和可預(yù)測(cè)性將確?？梢宰裱收习踩珔f(xié)議，這需要對(duì)ECU的操作能力和安全狀況有絕對(duì)的確定性。這只能通過(guò)連續(xù)監(jiān)測(cè)和非侵入式現(xiàn)場(chǎng)系統(tǒng)完整性驗(yàn)證來(lái)實(shí)現(xiàn)?！?/p>

Ciplickas補(bǔ)充說(shuō)：“這聽起來(lái)像是一種非常自然的進(jìn)化。從一個(gè)區(qū)域開始，基于學(xué)習(xí)表現(xiàn)良好，然后不斷擴(kuò)大。這將給我們帶來(lái)大量的學(xué)習(xí)，從而實(shí)現(xiàn)下一級(jí)別的自動(dòng)駕駛。”

Baruch認(rèn)為：“在中國(guó)，從法規(guī)的角度看相當(dāng)寬松，而歐洲國(guó)家遠(yuǎn)不是這樣。完全自動(dòng)駕駛和完全電氣化是一個(gè)趨勢(shì)重疊，在向市場(chǎng)推出新車時(shí)，主機(jī)廠可以同時(shí)做很多事情。法規(guī)和罰款正在推動(dòng)電氣化，在這個(gè)方向動(dòng)作很大，而制造全自動(dòng)汽車并未迫在眉睫。”

寫在最后

缺失的不是先進(jìn)制程

我們似乎離拆卸汽車方向盤還有很長(zhǎng)的路要走。造車新勢(shì)力現(xiàn)在缺少的不是先進(jìn)制程，而是車輛定型之前的各種安全驗(yàn)證。

豐田汽車2020年全球銷量達(dá)到952萬(wàn)輛，排名第一，特斯拉為49萬(wàn)輛，電動(dòng)汽車?yán)洗?。如果前者也那樣事故頻發(fā)，真是太恐怖了。

原文標(biāo)題：特斯拉“失控門”爆發(fā)，數(shù)據(jù)和芯片的鍋？

文章出處：【微信公眾號(hào)：傳感器技術(shù)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯:haq