最佳化DSP設計加速自駕車發展

Cadence益華電腦應用工程師林文國博士。

汽車的體系龐大，被視為物聯網與AI應用的重要市場，就整體來看，汽車體系包括服務、自動駕駛、感測器、安全與資安、基礎建設與車輛連結、車內智能與輔助、特殊車輛、智慧製造等都與AIoT有關，透過從物聯網底層擷取的數據，AI與物聯網將加速推動汽車產業的智慧化，而在系統中，處理器的角色將越來越吃重，Cadence益華電腦應用工程師林文國博士在「嵌入式人工智慧解決方案：車用CV&AI的部署」演講中指出，就目前車用領域來看，DSP(數位訊號處理器)會是較佳選擇。

近年來車用領域逐步加強智慧化技術的應用，AI在2016年引爆新一波熱潮後，這股趨勢開始加速，在近兩年，自駕車都是IT領域大型展會的吸睛亮點，不過汽車的外部環境和內部技術都相當複雜，林文國就表示，智慧化車輛設計必須考量幾個重點，包括外在環境的偵測與感知、電子地圖與行車路徑設計、車輛與周邊系統設備的連結、駕駛的監測等。

之前SAE(美國汽車工程師協會)就曾針對智慧車設計出五個層次，包括：1. No Automation；2. Partial Automation；3. Conditional Automation；4. High Automation；5. Full Automation。第1項是僅有警告系統；2是遇障礙物剎停與行車方向的輔助；3是汽車可有條件的自駕；4是除了特定環境外，車輛都可自駕；5則是無論任何因素，汽車都可以自駕。就發展程度來看，目前業界已可走到第3層，近期則可到第4層。

從SAE制定的自駕層次，可以看出自動化駕駛等程度越高，所需的感測器數量也會隨之提升，感測數據的大量增加，讓AIoT的運算能力越來越重要。目前IT領域的處理器包括CPU、GPU、DSP等，在車用領域，這三種處理器都會用到：在應用與資訊流管理等部分，會需要使用CPU；智慧化處理方面，由於需要即時處理大量資訊，因此DSP、硬體加速器、GPU會是適合的選擇。

在車用的DSP，林文國指出，目前Cadence旗下的Tensilica Scalable DSP平台，十分適用於車載系統。他表示，車載系統的子系統繁多，訊號量繁雜，可透過多種類型的DSP做搭配處理感測訊號，例如前面提到的自駕車等級，影像監控的訊號量通常是1T/sec，在空間考量下，就可以選用4顆Tensilica的Vision P6或1顆Vision C5 DSP；要達到Conditional Automation層次，其訊號量會達到10T/sec，就要用到10顆Vision C5 DSP做組合；而若要做出第5階層的完全自動駕駛，根據統計要處理的訊號量將達320T/sec，這個運算需求下，除了效能外，設計者還必須思考空間、成本、功耗、DSP排列等。

林文國表示，隨著自動化駕駛的日漸成熟，這些問題都會逐漸浮現，系統建構者除了自行設計外，也可以尋求DSP廠商協助，尋求最佳化解答。