隨著Nvidia、Qualcomm在智能座艙和高級自動輔助駕駛的SOC戰略占據主導優勢，汽車芯片公司在這場從小算力到大算力的戰爭中能做什么呢？從目前的觀察來看，升級原來的MCU芯片并且參與AI-in-MCU競賽的廠商還包括NXP 、Renesas、ST和Infineon。從這種意義上來說，隨著汽車企業開始接受100美金以上單價的處理器，原來的汽車電子MCU的企業也可以通過升級自己的產品來滿足汽車企業的訴求：軟件定義的汽車、Zonal/domain控制器、端到端安全通信、安全的多ECU集成等等。

NXP最近推出了兩款新的實時MCU處理器，滿足車企對下一代汽車架構的不同需求，屬于NXP S32汽車平臺，S32Z負責安理和domain/zonal控制；而S32E則負責電動汽車的控制和智能驅動。

▲圖1.MCU也要升級到新的工藝

▲圖2.汽車EEA架構的變化

Part 1

觀念的轉變

在全球的汽車產業的競爭中，下一代汽車架構仍在不斷變化。汽車芯片供應商分為兩大陣營：

●大算力GPU/CPU的企業，擁有AI/ML能力的玩家（Nvidia、Qualcomm、Intel/Mobileye）。

●傳統MCU演進的汽車芯片企業（NXP、Infineon、Renesas、TI）。

現在設計新的汽車平臺，競爭的關鍵點是關于軟件而不是硬件。當然哪怕是特斯拉，我們看到的最大的問題是，是否真的可以通過將所有軟件整合取得了優勢，能夠把這整套軟件的投入變現。在特斯拉導入大算力芯片以前，傳統的汽車企業認為100美元的處理器是無法接受的，目前圍繞科技和豪華車的汽車企業開始全部接受了汽車中央大腦處理控制器的趨勢。車廠希望設計開發一個計算平臺，能夠不斷增加自動輔助駕駛（ADAS）功能，哪怕不打算開發L4/L5以上的完全自動駕駛。

由于這種趨勢沒辦法回頭，原來提供傳統MCU汽車芯片企業還有一些幻想，期盼車企煥然醒悟，放棄昂貴的GPU/CPU解決方案，回到傳統汽車芯片設計架構。但目前車企在熟悉了Nvidia的解決方案后，已經發了自己的軟件。

▲圖3.產品的定位

也就是說，新一代的MCU定位是“緊挨著高算力大腦”的配套芯片，一方面可以充當安理器（Co-Pilot），或者進行冗余的決策和執行；另一方面也能從高算力SOC中央芯片中分擔一些功能，減輕中央計算的壓力。這里的分配是：S32G（中央網關）和S32R（感知雷達），S32E（車輛驅動和電池管理）和S32Z（domain/zonal控制）。

汽車行業希望將獨立的ECU合并為更少的ECU，不同車廠有不同的整合的時間表，整合的路徑也不同。一部分公司希望從domain架構開始（按照同一功能塊的邏輯軟件整合在一起，把基礎放到通用軟件中，并集中進行OTA），而另一些則直接從zonal開始整合（簡化布線，實現跨域的設計），還有其他公司采用Domain和Zonal的混合架構。對于芯片企業來說，是需要滿足這些不同車企的需求，無論發展到架構（EEA1.0=EEA2.0到EEA3.0，中國一臺車一代架構）。

▲圖4.汽車EEA的不同架構

內核到引腳（Core-to-pin）的硬件隔離。

在新的設計中，重要的設計特征是內核到引腳“core-to-pin”的硬隔離，這對于車企在新的處理器平臺上整合不同ECU功能來說是非常重要的，從處理器一直到芯片的管腳，I/O、task、功能和控制都可以在硬件中完全虛擬化。“處理器內核到引腳core-to-pin”的硬件虛擬化能力，允許“多個實時應用可以同時在設備上開發和運行”。硬件虛擬化為處理器任務分配了相關的內存、外圍設備、內存帶寬和設備（I/O）管腳。任務就像它們在獨立的ECU中一樣，作為單獨的、孤立的功能出現。

來自不同Tier 1的不同應用程序不會影響其他應用的運行，運行8個不同任務的情況，在其中一個任務中注入錯誤，但其它任務卻沒有受到任何影響。

▲圖5.硬件隔離

Part 2

MCU在其他領域的發展

在汽車的領域之外，MCU也面臨AIoT（物聯網人工智能）的需求，邊緣AI“在經濟性上受限，就像在物理上受限一樣”。NXP也推出了自研的NPU，通過加速邊緣推理，將進入其MCX N系列，即NXP全新的微控制器系列的高端版本。NXP開發了MCX系列，包括4個系列的MCU器件（分別為N、A、W和L），以解決廣泛的網聯邊緣設備，包括工業和IoT邊緣應用。

▲圖6.MCU的系列變化

MCX MCU和傳感器在嵌入式市場的普及正在形成勢頭，人們對即將到來的邊緣AI時代寄予厚望。對于傳統芯片企業來說，問題的關鍵在于MCU和AI之間的根本不匹配，MCU要求嵌入式系統的壽命， AI則不斷迭代發展。除了NXP，Renesas、ST和Infineon將發布采用Arm的Cortex-M85、M55或類似AI架構的MCU。

▲圖7.NXP 的NPU的加速器

●ST已經創建了一個平臺，通過STM32Cube-AI將ML用于32位MCU。

●Infineon已經推出了針對AI加速的Aurix TC4x平臺。

在MCU中解決邊緣AI的更流行的趨勢在于算法的發展，ML算法可以使用更小的工具來開發，如TinyML和TensorFlow Lite，使其能夠在MCU等受限硬件中開發AI應用。一些AI初創公司，如Brainchip、Hailo、Alif已經瞄準了AI加速器，可以用于MCU應用。NXP與Hailo在汽車領域的合作，將NXP的汽車處理器（包括恩智浦的S32G系列，Layerscape）與Hailo-8相結合，為汽車電子控制單元提供可擴展和高效的DL處理。

小結：從目前來看，圍繞汽車MCU賽道里面，中國的初創公司在里面進行切入，而傳統汽車MCU的企業要拉開門檻，然后在高算力SOC的陰影下給自己在汽車和工業領域找到存續下去的大邏輯。