作者：朱玉龙
随着 Nvidia、Qualcomm 在智能座舱和高级自动辅助驾驶的 SOC 战略占据主导优势，汽车芯片公司在这场从小算力到大算力的战争中能做什么呢？从目前的观察来看，升级原来的 MCU 芯片并且参与 AI-in-MCU 竞赛的厂商还包括 NXP 、Renesas、ST 和 Infineon。从这种意义上来说，随着汽车企业开始接受 100 美金以上单价的处理器，原来的汽车电子 MCU 的企业也可以通过升级自己的产品来满足汽车企业的诉求：软件定义的汽车、Zonal/domain 控制器、端到端安全通信、安全的多 ECU 集成等等。
NXP 最近推出了两款新的实时 MCU 处理器，满足车企对下一代汽车架构的不同需求，属于 NXP S32 汽车平台，S32Z 负责安全处理和 domain/zonal 控制；而 S32E 则负责电动汽车的控制和智能驱动。
观念的转变
在全球的汽车产业的竞争中，下一代汽车架构仍在不断变化。汽车芯片供应商分为两大阵营：
-
大算力 GPU/CPU 的企业，拥有 AI/ML 能力的玩家（Nvidia、Qualcomm、Intel/Mobileye）。
-
传统 MCU 演进的汽车芯片企业（NXP、Infineon、Renesas、TI）。
现在设计新的汽车平台，竞争的关键点是关于软件而不是硬件。当然哪怕是特斯拉，我们看到的最大的问题是，是否真的可以通过将所有软件整合取得了优势，能够把这整套软件的投入变现。在特斯拉导入大算力芯片以前，传统的汽车企业认为 100 美元的处理器是无法接受的，目前围绕科技和豪华车的汽车企业开始全部接受了汽车中央大脑处理控制器的趋势。车厂希望设计开发一个计算平台，能够不断增加自动辅助驾驶（ADAS）功能，哪怕不打算开发 L4/L5 以上的完全自动驾驶。
由于这种趋势没办法回头，原来提供传统 MCU 汽车芯片企业还有一些幻想，期盼车企焕然醒悟，放弃昂贵的 GPU/CPU 解决方案，回到传统汽车芯片设计架构。但目前车企在熟悉了 Nvidia 的解决方案后，已经发了自己的软件。
也就是说，新一代的 MCU 定位是 “紧挨着高算力大脑” 的配套芯片，一方面可以充当安全处理器（Co-Pilot），或者进行冗余的决策和执行；另一方面也能从高算力 SOC 中央芯片中分担一些功能，减轻中央计算的压力。这里的分配是：S32G（中央网关）和 S32R（感知雷达），S32E（车辆驱动和电池管理）和 S32Z（domain/zonal 控制）。
汽车行业希望将独立的 ECU 合并为更少的 ECU，不同车厂有不同的整合的时间表，整合的路径也不同。一部分公司希望从 domain 架构开始（按照同一功能块的逻辑软件整合在一起，把基础放到通用软件中，并集中进行 OTA），而另一些则直接从 zonal 开始整合（简化布线，实现跨域的设计），还有其他公司采用 Domain 和 Zonal 的混合架构。对于芯片企业来说，是需要满足这些不同车企的需求，无论发展到架构（EEA1.0=EEA2.0 到 EEA3.0，中国一台车一代架构）。
内核到引脚（Core-to-pin）的硬件隔离。
在新的设计中，重要的设计特征是内核到引脚 “core-to-pin” 的硬隔离，这对于车企在新的处理器平台上整合不同 ECU 功能来说是非常重要的，从处理器一直到芯片的管脚，I/O、task、功能和控制都可以在硬件中完全虚拟化。“处理器内核到引脚 core-to-pin” 的硬件虚拟化能力，允许 “多个实时应用可以同时在设备上开发和运行”。硬件虚拟化为处理器任务分配了相关的内存、外围设备、内存带宽和设备（I/O）管脚。任务就像它们在独立的 ECU 中一样，作为单独的、孤立的功能出现。
来自不同 Tier 1 的不同应用程序不会影响其他应用的运行，运行 8 个不同任务的情况，在其中一个任务中注入错误，但其它任务却没有受到任何影响。
MCU 在其他领域的发展
在汽车的领域之外，MCU 也面临 AIoT（物联网人工智能）的需求，边缘 AI“在经济性上受限，就像在物理上受限一样”。NXP 也推出了自研的 NPU，通过加速边缘推理，将进入其 MCX N 系列，即 NXP 全新的微控制器系列的高端版本。NXP 开发了 MCX 系列，包括 4 个系列的 MCU 器件（分别为 N、A、W 和 L），以解决广泛的网联边缘设备，包括工业和 IoT 边缘应用。
MCX MCU 和传感器在嵌入式市场的普及正在形成势头，人们对即将到来的边缘 AI 时代寄予厚望。对于传统芯片企业来说，问题的关键在于 MCU 和 AI 之间的根本不匹配，MCU 要求嵌入式系统的寿命， AI 则不断迭代发展。除了 NXP，Renesas、ST 和 Infineon 将发布采用 Arm 的 Cortex-M85、M55 或类似 AI 架构的 MCU。
-
ST 已经创建了一个平台，通过 STM32Cube-AI 将 ML 用于 32 位 MCU。
-
Infineon 已经推出了针对 AI 加速的 Aurix TC4x 平台。
在 MCU 中解决边缘 AI 的更流行的趋势在于算法的发展，ML 算法可以使用更小的工具来开发，如 TinyML 和 TensorFlow Lite，使其能够在 MCU 等受限硬件中开发 AI 应用。一些 AI 初创公司，如 Brainchip、Hailo、Alif 已经瞄准了 AI 加速器，可以用于 MCU 应用。NXP 与 Hailo 在汽车领域的合作，将 NXP 的汽车处理器（包括恩智浦的 S32G 系列，Layerscape）与 Hailo-8 相结合，为汽车电子控制单元提供可扩展和高效的 DL 处理。
小结：从目前来看，围绕汽车 MCU 赛道里面，中国的初创公司在里面进行切入，而传统汽车 MCU 的企业要拉开门槛，然后在高算力 SOC 的阴影下给自己在汽车和工业领域找到存续下去的大逻辑。
