驾驶为例，早在2016年，新闻报道中就提到“2020年会有1000万台的汽车”、“2021年有20家无人驾驶汽车的企业“。如今，无人驾驶汽车并没有像宣传的那样发生，2020年也没有成为无人驾驶的元年。这其中究竟发生了什么？

  “你愿意由ChatGPT来为你开车吗？”谈到无人驾驶，恩智浦半导体执行副总裁兼首席技术官LarsReger抛出了一个疑问。作为当下爆火的人工智能语言工具，能够与汽车相结合，似乎是最好不过的组合。但不能忽略的是AI伪造信息的能力，洋洋洒洒内容的背后，引述着特别真的假新闻。所以ChatGPT好用的前提是：使用的人要是特定领域的专家，具有信息鉴别的能力。

  同样，在一个真正可以被预测、自动化的世界里，我们不希望看到失控的状态：冰箱突然在周末时为我们预定了500升牛奶，或者家里温控系统把室内温度调到50℃，抑或是车辆无人驾驶途中突然开始危险驾驶。我们大家都希望关键基础设施在智能的同时，能确保功能安全和正确运行。

  显然，简单把AI加在汽车上，是不够的。对此，Lars Reger表示，机器人架构可以抽象为很简单的几部分：感知环境、与云连接获得更多信息、用智能器件进行计算、传到机器人的腿和胳膊，需要仔细考虑的是如何为这个系统加上信息和功能安全。虽然逻辑抽象看起来简单，但实际实施却有一定难度。

  以汽车为例，不同OEM使用的是不同架构，同一家OEM内部也有不一样的模式和不同代的技术，即便是同一系列的车辆，从入门级到高端也会有很大的区别。面对如此纷纭复杂的架构，半导体供应商所能做的，就是为这一些行业OEM和一级供应商提供构建架构的模块，通过标准化的模块帮他们实现各种各样的架构。

  “这对汽车行业而言并不新鲜，”Lars Reger表示，因为很多汽车OEM都是通过构建不同的机械件作为平台，以适配不同的车型的发动机配件或底盘。但在当今汽车系统中，只有5%的创新是机械方面的，剩余95%的创新都是通过电子或者是软件实现的。所以，恩智浦重点任务就是去构建电子和软件平台。

  恩智浦为汽车计算单元（包括微控制器微处理器）构建了不同的系列新产品以满足多种的功能需要。S32K1、S32K3系列为汽车通用MCU，能够适用于汽车天窗、拖车控制单元、门禁、灯光控制等。车身控制方面，恩智浦提供用于汽车雷达的S32R、用于汽车网络的S32G、用于安全处理、域控制和区域控制的S32Z、用于电动汽车(xEV)控制和智能驱动S32E等。此外，Lars Reger还透露，恩智浦将很快推出最新的5纳米级的S32旗舰产品，以实现把数据从车辆传输到控制单元。与此同时，恩智浦还提供传输速率涵盖10Mbit〜100Mbit、1GB、2.5GB、10GB的以太网连接产品和8GB〜80GB的以太网开关。更重要的是，这一些产品不仅彼此间能实现互操作性和兼容，其软件也都是可以再重复利用的。通过上述产品组合，恩智浦能够为汽车提供更多的灵活性。

  在工业智能家居等场景中，恩智浦也提供了丰富的控制类产品，包括通用型MCU，i.MX RT跨界MCU、功能安全的S32系列，以及一些重型、高密度、工业级大数据使用的器件，所有这一些器件都有AI的加速器。通过AI和机器学习，这一些器件也在不断地学习和适应，以构造智能的边缘器件。此外，在工业连接方面，恩智浦也提供了TSN（时间敏感网络），即实时以太网器件。

  “2018年有种说法是，整个智能汽车只需要一个大脑，再加上一个电机就完事了，”Lars Reger回忆到。他当时就指出这并不是构建高效机器人的方式。

  从生物学角度看，人脑主要包含大脑、小脑和脑干三部分。大脑主要维持人体的正常运动、感觉及认知，即复杂分析功能。小脑主要是维持人体的平衡能力，即实时功能。脑干则连接大脑和脊髓，是大脑和周围神经系统之间的重要通道，即联网功能。从反射过程来看，当人在走路时脚绊了一下，脊柱就会直接告诉腿“要停住”，小脑会通过肌肉帮助站稳，人体就站住了。这些过程之后，大脑才会去查看一下绊住的原因，并提醒下次注意，所以，大脑功能并非实时在线。

  智能驾驶汽车也是如此。车辆摄像头、激光雷达、传感器，告知车辆有路障，首先要立刻刹车，确保功能安全，车停稳之后，才需要AI加速器、人工智能的支持，来判断这个障碍到底是什么，并为司机推荐最优方案。Lars Reger也表示，当然并不是所有的路障只有一种停车的处理方法，这就需要计算单元对任务进行分层，通过算法以获取最优的解决方案。未来的机器人同样是需要在这样的思路上去构建。

  Lars Reger谈到，2018年，媒体还非常盛行一种说法，无人驾驶只需要一个AI系统不断观摩真人开车，积累到一定量之后，它能够取代真人开车。但是事实并不是这样。就像新手司机们一定要通过学习以规则为基础的驾驶理论和实际操作，才能开始上路驾驶。机器人也是是相同，第一步是要学习以规则为基础的行为，比如靠右行驶，不能超速等等，这些并不是特别需要人工智能或者机器学习的介入。而另一方面智能、有创造力的思考，则需要人工智能或机器学习，但这部分所占的比例并不大。

  2016年开始，恩智浦推出“BlueBox”开发平台，主要帮助OEM主机厂生产、测试无人驾驶汽车。该架构有联网功能，也有强大的性能和功能安全特性，还有人工智能的加速器，可构建区域架构、高性能计算系统，分析驾驶环境，评估风险因素，指示无人驾驶汽车的行为。它有4个PCIe扩展插槽，能加上人工智能的加速器，达到400 TOPs的速度。

  自2018年，恩智浦与大陆集团合作了第一款、基于恩智浦的参考设计成功实现了高性能的计算单元之后，BlueBox就一直被用到汽车行业。最近，零跑汽车推出的电子电气架构，也采用了BlueBox核心技术。Lars Reger透露，在给车辆制造“大脑”方面，零跑汽车已经很成功，不但线%，由于有非常清晰的脑系统架构，ECU数量也减少了1/3。“现在90%的客户都转向了这个架构。“

  不仅仅是在汽车领域，BlueBox还可用来制造机器人、无人机等。这个架构是高度可扩展的，在基本功能的基础上，若需要更为复杂的解决方案，就在这个顶上加上“大脑”，这完全取决于解决方案的复杂程度。

  统计多个方面数据显示，到2030年全球会有750亿智能互联器件。恩智浦看到了智能互联设备对芯片的大量需求，要为这些应用提供高度智能化和高能效的解决方案。“我们不希望实现规模最大的人工智能加速，”Lars Reger介绍，早在3个月前，某家车厂CEO也提到，如果采用最先进的人工智能，其耗能非常大，会导致车辆的续航减少200公里。恩智浦希望开发出来的芯片能够有极高的效率，同时确保功能适用。

  Lars Reger说自己的梦想是希望恩智浦成为大家都信赖的制造机器人的先锋。为了要实现这个梦想，必须要实现一定的条件：首先，要有正确的架构；第二，要有可信任的稳定的系统，保证功能安全和信息安全；第三，还需要可扩展。他相信若能够做到这些，就能够建造出未来所需要机器人。对此，恩智浦一切技术现在都已经在轨道上。

  原文标题：为什么技术演进比我们预期的慢？来听恩智浦CTO的洞见，一起探索边缘智能之道！

  阶段，也没机会出国看看老外的洋Ideas，所以借鉴的不多，如果有那些行业好友可以推荐些解决方案或者新新

  处理器件和产品系列要满足的市场需求加以选择。专用的控制器内核内联去量化、激活和池化内置微缓存，可降低功耗并减少对系统内存

  推出经济高效的最新i.MX 8M系列应用处理器，使用先进的第三代14LPC

  传递到整个生态圈。NXP全球资深副总裁兼大中华区总裁郑力表示，过去两年围绕芯片行业的生态环境发生巨大变化，NXP今天还是

  亮相 /

  处理应用所需的处理器也面临着诸多挑战。算力和性能、隐私和安全、能耗、性价比，以及生态平台……在这样一些方面都对

  次巨大的、全方位的转变。从5G接入网的角度来看，多样化、定制化的应用场景，需要安全而灵活的5G接入

  在OpenHarmony的机遇与挑战 /

  有哪些问题，您怎么来实现它？这是 NXP Semiconductors 高级副总裁兼

  处理业务总经理 Ron Martino 最近在播客中的话题。虽然您可以在此处收听完整的播客，但

  将拆解分析AMD的“Ryzen 7000”和Intel的“第13代Intel Core”系列，以

  设备中，以创新的用例解锁无限的可能。 在即将于6月6日举办的在线研讨会上，

  ！ /

  最“芯”方案！ /

  创新方案精彩亮相，它们覆盖工业物联网、智慧家庭、绿色能源储能系统等热门赛道，为诸多领域

  款？ /

  Qorvo DWM3000 RF模块集成DW3110超宽带（UWB）收发器IC以及电源管理

  设计100~1000W AC/DC交错式PFC电源？我们有一款高效、可靠、易用的解决方案~

  为什么技术演进比我们预期的慢？来听恩智浦CTO的洞见，一起探索边缘智能之道！

  无惧短期放缓！户用储能快速地增长，英飞凌最新SiC MOS方案有何杀手锏？

  粉丝送来不开机的天猫精灵，拆开修好后感觉配置和音质不输洋品牌.#硬核拆解

  吴恩达《深度学习》系列课 - 145. 什么是神经风格转换？#深度学习