Arm计算子系统旨在加快汽车AI芯片设计

Arm 开发的 Zena 系列计算子系统 （CSS） 可能使半导体公司、一级供应商甚至汽车制造商能够更轻松、更快速地创建汽车级 AI 芯片。

软件正在成为汽车行业更大的战场，AI 正在成为贯穿车辆各个领域的核心功能。“AI 工作负载正在成为筹码，”Arm 汽车部门高级副总裁兼总经理 Dipti Vachani 说。

随着 AI 开始支撑从高级驾驶辅助系统 （ADAS） 到车载信息娱乐 （IVI） 的方方面面，公司正在重新设计汽车的内部电气架构。它们都将更多的计算能力从汽车每个角落的电子控制单元 （ECU） 转移到更小的、更“集中”的高性能模块中，这些模块类似于更接近智能手机或服务器的东西。

其核心芯片具有独特的异构性，将高性能和实时 CLU、GPU、DSP、SSP、ISP、AI 加速器和高速网络封装在单个硅片上，通常基于 3 纳米和 5 纳米等先进节点。但设计这些芯片正变得极其复杂和昂贵，这在很大程度上是因为硅必须是汽车级的。这意味着它必须经过严格的认证，以满足汽车安全 （ISO 26262） 和安全 （ISO/SAE 21434） 的行业标准。

Zena 平台是一组预先集成和预先验证的 CPU 内核和其他 IP 构建块，可让客户在硬件开发方面抢占先机。这是 Arm 首款专为汽车市场设计的计算子系统。该子系统由一个由 16 个 Cortex-A720AE CPU 内核组成的集群、一个用于安全的实时 Cortex-R82AE CPU 内核和一个用于安全性的 Cortex-M 组成，所有这些内核都经过专门设计，适用于严酷的道路环境。

Arm 最新的计算子系统 （CSS） Zena 将汽车 SoC 的许多构建块连接在一起。

为了脱颖而出，客户可以附加神经处理单元 （NPU）、图形处理单元 （GPU） 或其他自定义逻辑，以创建一个完整的片上系统 （SoC），该片上系统可以运行从驾驶舱中的智能语音界面到高级安全功能的所有内容。

Arm 表示，通过处理设计中更无差别的方面，Zena 可以将芯片开发过程缩短多达一年。它还在云上提供 CSS，使软件开发能够在物理芯片准备就绪之前开始。

“这使客户能够专注于差异化，无论是芯片供应商、一级供应商还是 OEM，”Vachani 说。

域架构和可用区架构之间的差异

Arm 的目标是通过 Zena 保持在向软件定义汽车 （SDV） 转变的最前沿。这一切都是为了用可以随着时间的推移而升级的软件来替换当今的碎片化硬件。

如今，现代车辆可能背负着 100 到 150 个电子控制单元 （ECU）。一般来说，每个系统都只配备了足够的计算能力来控制软件进行一项工作，从管理动力总成到运行仪表板显示器或驾驶员辅助系统。这些设备由广泛的第三方供应商开发，通常运行专有的、不可升级的软件，即使是汽车制造商也基本上无法访问。

但随着它们数量的增加，将它们集成到汽车中变得越来越复杂。每个 ECU 都需要冗余布线，这导致了复杂且占用空间的布线线束系统。

汽车行业的推动者和推动者正试图通过用基于异构 SoC 构建的较小高性能单元集群来取代大部分 ECU 及其内部的微控制器 （MCU），从而降低复杂性。

丰田和福特等大多数传统汽车制造商正在升级到域架构，其中每个功能子集（如动力总成、底盘、信息娱乐和车身控制）都由专用域控制器管理。多个功能可以在单个芯片中的单独容器或软件模块中运行，而不是将每个功能都锁定到单独的 ECU 中。这次改革为硬件与软件开发的解耦打开了大门，这可以降低生产两者的复杂性。

Arm 表示，软件定义汽车 （SDV） 正在不断发展，以适应 AI 不断增长的计算需求。

另一方面，特斯拉和 Rivian 等科技巨头和初创公司正在为区域架构重新布线。这种方法基于物理位置而不是功能来集成 ECU。

区域控制器放置在汽车的不同角落或区域，并通过快速以太网相互通信并与中央计算单元通信。这种更具战略性的布局减少了车辆中计算硬件的数量，并消除了更多延伸到汽车每个角落的沉重和昂贵的电线。

这些方法带来了挑战，主要围绕软件复杂性和系统集成。但权衡是灵活性。它使汽车制造商能够通过无线 （OTA） 更新来升级或更新基于软件的功能。

为了顺应这一趋势，英特尔、英伟达、恩智浦、高通和瑞萨电子等半导体公司正在竞相推出高性能芯片，这些芯片可以作为未来软件定义汽车的大脑。

例如，NXP 的 S32N 是其所谓的超级集成处理器系列中的第一款。它基于当今数据中心中更常见的 5 纳米节点，旨在充当实时车辆控制（包括动力总成和底盘）的“中央大脑”。它可以运行各种不同的功能，即使它们属于不同的领域，需要不同程度的安全性。将这些“混合关键性”系统合并到单个芯片中可以降低成本和系统复杂性。

Arm 的解决方案可应对汽车 SoC 的复杂性飙升

为了在这些技术变革中领先一步，Arm 于 2024 年推出了其最新的汽车增强型 （AE） CPU 内核系列，包括 Cortex-A720AE、Cortex-R82AE 以及新 Zena 子系统中使用的许多其他 IP 构建块。它们都基于与数据中心 CPU 蓝图相同的 Arm v9 架构，同时引入了汽车级安全和安保功能。

Zena 缓解了将这些 CPU 内核和其他 IP 构建块构建到汽车级芯片中的困难，这些芯片需要适应严格的功率和散热预算，同时保持安全。

第一代 Zena 基于一个由 16 个 Arm Cortex-A720AE CPU 内核组成的高性能集群和一个具有 Cortex-R82AE 的安全岛，用于实时处理，例如故障管理、安全监控、系统控制和安全启动。Arm 表示，实时 CPU 专为运行安全关键作而设计，可实现高达 ASIL D 标准的安全完整性。该平台包括 CME S3AE 等系统互连，用于实现 CPU 一致性和芯片到芯片 I/O 连接。

Zena 可以通过 ISP、GPU 和其他逻辑模块（包括 NPU 或其他片上加速器）来区分，以应对 AI 不断增长的计算需求。

Zena 添加了一个安全区域，作为信任根 （RoT） 并在芯片级别保护所有内容。

Arm 表示，通过预先集成所有这些硬件构建块，Zena 有助于减轻芯片设计人员的工程负担。该公司进一步表示，它可以将每个项目所需的工程师数量减少 20%。

新 CSS 的另一个优点是，它使汽车制造商和芯片公司能够在车辆之间重复使用更多运行在其之上的硬件和软件。“这一点至关重要，因为为每种车型和应用程序开发定制硬件和软件堆栈的成本高昂、耗时且验证和认证繁琐，”Vachani 说。“他补充说，CSS 允许合作伙伴”在标准平台之上进行创新和差异化，从而为其产品线增加独特价值。

降低开发成本和复杂性是一件大事，因为 Arm 是当今几乎所有顶级汽车制造商使用的汽车芯片的基础，包括 Honda、Mercedes、Rivian 和 Tesla 等。

灵活性：Arm 进军汽车级 AI 的关键

Vachani 表示，通过预先验证 CPU 和 SoC 的其他基本构建块，Arm 为其客户提供了更大的灵活性，让他们可以专注于 AI 和其他他们可以脱颖而出的领域。

据 Arm 称，公司可以轻松地将合作伙伴特定的逻辑集成到 Zena 中，包括 NPU 或其他片上加速器，以处理 AI 不断增长的计算需求。它还可以集成其汽车级 ISP 以实现更先进的计算机视觉，包括用于 ADAS 的 360 度环视视觉，以及 Mali GPU 以运行可重新配置的仪表板、仪表板显示器和数字驾驶舱的其他部分。

此外，Zena 支持基于 Universal Chiplet Interconnect Express （UCIe） 标准的 die-to-die 通信，适用于希望将 off-die accelerator 或其他定制逻辑集成为 chiplet 的客户。

通过预先集成 CPU 的构建块，Zena 可以从 ADAS 扩展到更高级别的自动驾驶

例如，Arm 表示，您可以将 Zena 用作 2+ 级 ADAS 高性能芯片的核心构建块。它将 CPU 与几个较小的 ISP 合并，以运行嵌入在车辆中的摄像头和其他传感器来感知周围环境，并将一个相对较大的 NPU 与一个相对较大的 NPU 合并，以运行安全功能核心的 AI。或者，您可以在数字驾驶舱的域控制器中使用相同的构建块，添加更大的 GPU 来支持仪表板显示器，并添加较小的 NPU 来整合基于 AI 的语音和触摸界面。

Vachani 表示，Arm 专注于在围绕它进行设计时为公司提供“最大的灵活性”。多个 Zena 单元可以集成在同一个单片芯片或多小芯片封装中，以运行完全自动驾驶系统或其他需要更高 AI 性能的功能。“因此，在整个车辆中，您可以利用完全相同的 Zena 模块，从而为您提供硅片可扩展性和软件可扩展性，”Vachani 补充道。

虽然它不是第一代 Zena 的一部分，但 Arm 还推出了超高性能的 Neoverse V3AE CPU，NVIDIA 已经在其 Thor SoC 中将其用于自动化和辅助驾驶。

CSS 不仅在硬件开发方面为公司提供了领先优势，而且在软件集成方面也为公司提供了良好的开端。Arm 表示，它使工程师能够在物理芯片推出之前就在云中子系统的虚拟原型之上开始开发和测试软件，从而将上市时间缩短多达两年。该公司与 Cadence、Siemens 和 Synopsys 合作开发虚拟原型工具。

根据 Vachani 的说法，CSS 的另一个优势是，汽车公司可以在云中开发和测试将部署在车辆中的相同 Arm v9 架构上的软件。

Vachani 表示，领先的汽车制造商（包括顶级电动汽车制造商）和半导体公司已经在与 Zena 合作，它将在 2025 年晚些时候更广泛地发布。