車載智能芯片的下一個(gè)十年

經(jīng)過過去數(shù)年間的突飛猛進(jìn)，車載智能芯片已經(jīng)獲得了大量的關(guān)注，并被部署到了實(shí)際的生產(chǎn)、生活中。但無(wú)論是學(xué)術(shù)界還是工業(yè)界，對(duì)于車載智能芯片的未來(lái)發(fā)展，還有著相當(dāng)多的問題需要我們解決。

AIGC 生成車載芯片未來(lái)（By Imagine with Meta AI）

通用性與專用性：一個(gè)算子的一生

智能車載芯片，一如智能手機(jī)芯片，在通用性與專用性之間達(dá)成了統(tǒng)一。在架構(gòu)層面，一個(gè)多核心的通用芯片與多個(gè)專用硬件共同構(gòu)成了片上系統(tǒng)。如神經(jīng)網(wǎng)絡(luò)加速器等專用硬件提供了大量的算力，為自動(dòng)駕駛系統(tǒng)中的視覺識(shí)別系統(tǒng)等模塊服務(wù)。

然而專用硬件仍然無(wú)法跳脫出通用性的問題，尤其對(duì)于硬件設(shè)計(jì)者而言，在當(dāng)前這個(gè)算法演化要遠(yuǎn)快于硬件進(jìn)步的時(shí)代，如何讓硬件設(shè)計(jì)服務(wù)不同的軟件算法？神經(jīng)網(wǎng)絡(luò)加速器給出了很好的范例：使用一個(gè)或多個(gè)通用的算子，來(lái)實(shí)現(xiàn)同一任務(wù)的不同網(wǎng)絡(luò)，甚至不同任務(wù)對(duì)同一硬件的使用。

對(duì)于復(fù)雜的自動(dòng)駕駛軟件而言，以深度學(xué)習(xí)為核心的感知模塊僅僅是其中的一個(gè)部分。其余如定位、規(guī)劃、控制等模塊至今尚未有一個(gè)明確的算子供硬件設(shè)計(jì)者使用。盡管有研究工作[1]試圖在多種定位算法中尋找通用的計(jì)算模式，但絕大多數(shù)工作在為智能車載芯片設(shè)計(jì)專用定位或路徑規(guī)劃加速單元時(shí)，仍是簡(jiǎn)單地基于一個(gè)或多個(gè)算法來(lái)定制專用硬件。當(dāng)自動(dòng)駕駛軟件向下一個(gè)版本迭代后，這一專用硬件很有可能將不再被使用。

對(duì)于通用算子的選擇，硬件設(shè)計(jì)者需要考慮到以下兩個(gè)維度：

第一，橫向適配不同算法。不同服務(wù)提供商在其自動(dòng)駕駛軟件中，對(duì)于同一模塊很可能使用完全不同的算法。硬件設(shè)計(jì)者可以通過使用在不同算法中都通用的算子來(lái)為不同的服務(wù)提供商設(shè)計(jì)硬件。

第二，縱向適配算法的不斷演進(jìn)。算法迭代的速度遠(yuǎn)超于硬件迭代的速度，而車載智能芯片在上車之后便很難更新?lián)Q代。因此，為前后多代算法設(shè)計(jì)硬件平臺(tái)也是我們需要考慮的范疇。

算子本身既能作為一個(gè)或多個(gè)簡(jiǎn)單的操作，也可以是一種更復(fù)雜的中間介質(zhì)。在這之中，因子圖[2]作為一個(gè)通用的介質(zhì)正逐漸得到人們的關(guān)注。

作為概率圖的一種，因子圖本身表示一連串的概率分布的乘積。因子圖有兩種節(jié)點(diǎn)，分別為因子節(jié)點(diǎn)和變量節(jié)點(diǎn)。在因子圖中，所有的節(jié)點(diǎn)都通過有向的邊連接起來(lái)。大量以優(yōu)化為目的的自動(dòng)駕駛軟件中的算法模塊，包括以 SLAM 為代表的定位算法[3]，感知模塊中的跟蹤算法[4]、控制算法[5]等，都可以被表示為因子圖的形式并被求解。舉個(gè)例子，如下圖所示是一個(gè)簡(jiǎn)易的由因子圖表示的動(dòng)作規(guī)劃算法，其中左圖包括了五個(gè)不同的狀態(tài)，右圖展示了被求解的矩陣 A，而虛線表示因子與矩陣中元素的對(duì)應(yīng)性。

一個(gè)簡(jiǎn)易的由因子圖表示的動(dòng)作規(guī)劃算法

當(dāng)然，在不同的算法中，因子圖的構(gòu)建和求解過程可能是不同的，但這并不會(huì)阻止因子圖作為一個(gè)潛在的通用表示形式被挖掘?；诖耍覀儗⒁蜃訄D作為一種中間介質(zhì)，為 SLAM 定位算法設(shè)計(jì)了一款專用硬件[6]，繼而將因子圖用于路徑規(guī)劃算法和控制算法，嘗試設(shè)計(jì)一款利用因子圖加速的通用硬件，來(lái)為多個(gè)模塊的算法加速。

首先是車載智能芯片的可編程性。同一家硬件廠商可能服務(wù)于不同的車廠，通常來(lái)說(shuō)，不同車廠之間的自動(dòng)駕駛軟件的設(shè)計(jì)邏輯是不同的。硬件設(shè)計(jì)者有動(dòng)力為自己的硬件設(shè)計(jì)一套通用的編程模型，以供不同的軟件服務(wù)商使用。這一編程模型可以在更好地挖掘硬件算力的同時(shí)，給軟件設(shè)計(jì)者提供接口。

其次是多車通信和車路通信。車路協(xié)同與多車協(xié)同被人們認(rèn)為是實(shí)現(xiàn)最高級(jí)別自動(dòng)駕駛的一個(gè)關(guān)鍵步驟，和其他車輛及路邊處理單元分享信息可以更好地輔助車輛做出決策。即便硬件設(shè)計(jì)者和軟件提供商可以就車路協(xié)同與多車協(xié)同達(dá)成接口的統(tǒng)一，這一設(shè)想仍然存在著不少問題。

舉個(gè)例子，和云計(jì)算一樣，車車協(xié)同與車路協(xié)同存在的一個(gè)關(guān)鍵性問題在于個(gè)人數(shù)據(jù)的隱私性，車主是否樂見將本車信息與他人進(jìn)行分享，分享之后又會(huì)引發(fā)何種安全性隱患，隱私計(jì)算是否會(huì)在其中扮演重要角色，這一系列問題都是學(xué)術(shù)界與工業(yè)界亟待解決的。

總體而言，不需要任何多余的宣傳或者營(yíng)銷，自動(dòng)駕駛及其硬件設(shè)計(jì)將成為我們這一個(gè)時(shí)代的“風(fēng)口”。但關(guān)于如何設(shè)計(jì)效率夠高的專用性硬件，如何做到敏捷開發(fā)，如何在兼顧高效性的同時(shí)保證魯棒性等問題，依然有待從業(yè)者提出新思路去解決。我們作為相關(guān)課題的研究者，也非常期待與大家共同合作，為這些問題給出答案。

車載智能芯片封裝清洗：

合明科技研發(fā)的水基清洗劑配合合適的清洗工藝能為芯片封裝前提供潔凈的界面條件。

水基清洗的工藝和設(shè)備配置選擇對(duì)清洗精密器件尤其重要，一旦選定，就會(huì)作為一個(gè)長(zhǎng)期的使用和運(yùn)行方式。水基清洗劑必須滿足清洗、漂洗、干燥的全工藝流程。

污染物有多種，可歸納為離子型和非離子型兩大類。離子型污染物接觸到環(huán)境中的濕氣，通電后發(fā)生電化學(xué)遷移，形成樹枝狀結(jié)構(gòu)體，造成低電阻通路，破壞了電路板功能。非離子型污染物可穿透PC B 的絕緣層，在PCB板表層下生長(zhǎng)枝晶。除了離子型和非離子型污染物，還有粒狀污染物，例如焊料球、焊料槽內(nèi)的浮點(diǎn)、灰塵、塵埃等，這些污染物會(huì)導(dǎo)致焊點(diǎn)質(zhì)量降低、焊接時(shí)焊點(diǎn)拉尖、產(chǎn)生氣孔、短路等等多種不良現(xiàn)象。

這么多污染物，到底哪些才是最備受關(guān)注的呢？助焊劑或錫膏普遍應(yīng)用于回流焊和波峰焊工藝中，它們主要由溶劑、潤(rùn)濕劑、樹脂、緩蝕劑和活化劑等多種成分，焊后必然存在熱改性生成物，這些物質(zhì)在所有污染物中的占據(jù)主導(dǎo)，從產(chǎn)品失效情況來(lái)而言，焊后殘余物是影響產(chǎn)品質(zhì)量最主要的影響因素，離子型殘留物易引起電遷移使絕緣電阻下降，松香樹脂殘留物易吸附灰塵或雜質(zhì)引發(fā)接觸電阻增大，嚴(yán)重者導(dǎo)致開路失效，因此焊后必須進(jìn)行嚴(yán)格的清洗，才能保障電路板的質(zhì)量。

合明科技運(yùn)用自身原創(chuàng)的產(chǎn)品技術(shù)，滿足芯片封裝工藝制程清洗的高難度技術(shù)要求，打破國(guó)外廠商在行業(yè)中的壟斷地位，為芯片封裝材料全面國(guó)產(chǎn)自主提供強(qiáng)有力的支持。

推薦使用合明科技水基清洗劑產(chǎn)品。