随着Google和Tesla这些非传统车厂推出自动驾驶车辆后，老牌业者如Toyota、BMW和GM也相继宣布将在2020至2025年间推出自动驾驶车辆上市，而实现更先进和更全面的自动驾驶的前提， 无非就是持续将更高深的人工智能(AI)注入车辆中。

对于自动驾驶车辆而言，人工智能的价值在于两个层次，其一，是管理替代人类预测、判断、操作等的功能;其二，则是支持人类思考与行为的人机接口(HMI)功能。

亚德诺(ADI)亚太区汽车事业部门策略营销与业务发展总监永井询也(Junya Nagai)说明，针对第一个层次的功能，重点是在实现第5级自动驾驶，也就是完全自动驾驶;而AI透过与人互动的讯息， 例如自然语言来执行机械操作以驾驶汽车，或是提供如同HMI的功能，也是研发的重点。

车厂携手半导体业者 推升自动驾驶等级

根据美国国家公路交通安全管理局(NHTSA)所制订的自动驾驶分级法规(2016年版本)，第5级(L5)的定义为驾驶人不必在车内，任何时刻都不会控制到车辆。 此类车辆能自行启动驾驶装置，全程也不需开在设计好的路况中，可以执行所有与安全有关的重要功能，包括没有人在车上时的情形，完全不需受驾驶者意志所控，可以自行决策，也就是车辆已无需方向盘。

以目前的进展来看，第5级自动驾驶应该还有蛮长的路要走，然而，BMW现在却宣称将在2021年发表首款达到第5级的全自动驾驶技术车。 BMW的信心来源之一，或许是2016年与英特尔(Intel)及Mobileye建立合作关系。

根据英特尔2017年初所发出的声明指出，由英特尔、BMW集团、Mobileye携手打造，总数约40辆的BMW自驾车队，即将在2017下半年上路测试，展现三方迈向完全自动驾驶的成绩。 三家公司在美国国际消费电子展(Consumer Electronics Show, CES)联合记者会上宣布这项讯息，并进一步说明BMW 7系列车款将采用英特尔与Mobileye的先进技术，于美国与欧洲展开全球道路测试。

汽车之眼+大数据运算 抢进高潜力市场

英特尔在自动驾驶领域大步迈进，Mobileye的收购为重要关键之一。 如此一来，英特尔挟原有的大数据运算优势，加上Mobileye首屈一指的视觉芯片技术，可望建构完整的自动驾驶平台。 英特尔日前已完成Mobileye的收购交易，Mobileye将与英特尔的自动驾驶事业部(ADG)合并。 英特尔是在2017年3月宣布将以每股63.54美元的现金收购Mobileye全部已发行流通股，交易规模高达153亿美元。

Mobileye这家公司为何如此重要，值得英特尔以如此庞大金额收购? 英特尔公司表示，2030年自动驾驶市场将增长到700亿美元，而这对英特尔而言，比起PC和数据中心，自动驾驶显然是更大的机会。 收购Mobileye将能让英特尔掌握汽车之眼。

Mobileye在视觉芯片领域占有领导地位，英特尔指出，至今全球已有超过2,000万辆汽车安装有Mobileye产品，Mobileye的技术已获21家OEM厂商采用。

英特尔相当看好自动驾驶的市场潜力，该公司预期车辆的自动化水平将会持续快速成长。 根据产业分析报告，第三级(L3)高度自主的自动驾驶将在2017年现身;至2025年，L3车辆的市场渗透率预估将稳步成长至10%~20%，随后在2025~2030年间迅速普及，而第四级(L4) 车辆预计将在2021年开始在市场上出现。

英特尔并购Mobileye，主要就是要借重Mobileye在先进驾驶辅助系统(ADAS)产品上所累积的图像辨识与运算、机器视觉、深度学习、数据分析与高精度图资等技术，结合英特尔的高性能运算和链接功能， 可进一步实现更完善的自动驾驶平台Intel GO(图1)。

图1 英特尔的自动驾驶平台Intel GO

Intel GO平台提供的弹性架构包含中央处理器(CPU)与现场可程序逻辑门阵列(FPGA)，以及深度学习所需的硬件加速技术。 且为了支持车联网(Vehicle-to-everything, V2X)通讯，Intel并于今年年初推出Intel GO汽车5G平台，提供更快速、以毫秒计的数据传输速率和响应时间。

建构车联网 V2V/V2X技术扮要角

为实现自动驾驶，车辆与车辆间(V2V)或是车辆与外界(V2X)的车联网技术愈显重要。 永井指出，V2V/V2X主要诉求建立有效率的传输系统以及汽车事故的预防。 从长远角度来看，此方面技术被定位成引领自动驾驶的重要技术，而且受到高度的注目，但其中也有不少挑战。

永井进一步说明，由于V2X的通讯频率波段、通讯标准、以及安全规格等在中国、日本、欧洲、和美国都有所不同，因此在硬件设计上的负担与针对每个区域的软件优化是V2X系统开发上的一大议题。 另一项挑战是因为通讯平台世代与汽车间的产品使用寿命的不匹配所导致。 同样也很重要的是，近来通讯安全性也成为了汽车通讯需要解决的另一项优先课题。

针对这些挑战，ADI的完整通讯产品线可以解决不少问题。 其中，ADI的RF高灵敏收发器技术已经被使用于点对点通讯系统、Femtocell/Picocell/Microcell蜂巢基地台、以及通用型无线电系统中。

永井强调，这些技术让车联网业者仅需升级软件就能够统一不同区域与各种通讯世代的RF硬件平台。 再者，ADI已自Sypris Electronics LLC取得全球信息网安全解决方案(CSS)，进一步强化ADI针对V2X市场提供高性能链接解决方案的能力。 值得一提的是，ADI所推出的Drive 360平台(图2)，结合了ADI最先进的传感器、智能连接和安全通信解决方案等，进一步推动自动驾驶车商业化目标的实现。

图2 ADI的Drive 360平台推进自动驾驶商业化目标。

针对人工智能的导入，ADI则是透过该公司固有的信号调节技术、机器学习、深度学习算法则等的结合，将焦点放在用以使系统优化的智能型传感器，实现数据传送的减量，缩短延迟，以及减轻中央计算机的处理负载等。 再者，汽车人机接口也是ADI的开发重点，透过优化的人机接口设计来降低自动驾驶汽车的出事率。 根据调研机构TechNavio报告，2016年至2020年间，全球汽车用人机接口市场将出现7.59%的年复合成长率(CAGR)。

德州仪器(TI)半导体营销与应用嵌入式系统总监詹勋琪强调，不同于其他业者的平台采取「中央集权」的处理方式，TI更倾向于善用边缘运算(Edge Computing)，以减少功耗并避免过热问题产生。

再者，TI将进一步在TDAx平台上整合深度学习功能，基本上是由嵌入式视觉引擎核心负责运行复杂的神经网络算法，而DSP核心则担起运行传统机器视觉算法的重任，以因应自动驾驶的需求进展。

看好ASIC开发需求 IP业者布局不落人后

除了芯片业者纷纷针对自驾车、ADAS展开布局外，车厂跟一级供货商(Tier 1)会不会模仿手机业者，自行动手开发芯片，也是个值得关注的话题。 事实上，从益华计算机(Cadence)的角度来看，这个趋势正在酝酿当中。 换言之，未来汽车芯片供货商最大的竞争对手，很可能会是自己的客户。

益华计算机亚太区总裁石丰瑜表示，从该公司近年来的客户族群演变趋势来看，由于半导体产业集中度越来越高，因此半导体领域的客户家数，基本上是持平甚至下滑的。 但另一方面，越来越多终端产品制造商、品牌业者为了创造产品差异化，纷纷开始自行设计核心芯片，而且不独手机业者如此，很多其他领域的OEM也开始自己设计ASIC。 这些新客户，是支撑益华过去几年营运很重要的生力军。

那么，类似的情况有没有机会在汽车电子领域搬演? 负责汽车垂直市场发展的益华计算机新兴技术副总裁Raja Tabet(图3)给出了肯定的答案。

图3 益华计算机新兴技术副总裁Raja Tabet认为，汽车Tier 1自行设计芯片的情况，可能会逐渐普及。

Tabet表示，目前该公司已经开始与某家Tier 1业者合作，由益华计算机提供完整、经过TUV Sud审核的电子设计自动化工具(EDA Tool)、通过ISO 26262等安全标准验证的汽车级硅智财(IP)， 再搭配益华工程团队提供的设计顾问服务，开始尝试自己设计芯片。 这种业务模式对益华来说，也是新的尝试，但可以肯定的是，设备制造商对于拥有自己的芯片，是很有兴趣的。

不过，芯片设计终究是另一门专业，Tier 1或汽车OEM要自己开发芯片，有一定的技术门坎要跨越，而这也是益华会为客户提供IC设计顾问服务的原因。 益华的顾问服务跟一般认知的IC设计服务公司，如创意、智原提供的服务不同。 益华的顾问服务重点在教导客户的团队如何设计IC，而不是帮客户做到设计定案(Tape-out)。

Tabet特别说明，益华计算机的核心业务是提供EDA工具跟硅智财，传统的IC设计服务不是该公司有兴趣投入的领域。 为Tier 1客户提供顾问服务，纯粹是着眼于培养客户能力，进而拓展EDA跟IP营收的策略。

事实上，对汽车半导体业者来说，汽车Tier 1自行开发芯片，是一个必须密切观察的趋势。 身为世界前三大汽车Tier 1零组件大厂的德国博世集团，才刚在2017年6月中宣布要在德勒斯登投资10亿欧元，建造一座12吋晶圆厂。 虽然该12吋晶圆厂的产能未必全都会用来生产汽车芯片，但以博世在汽车零组件领域的份量，该投资案后续将会如何发展，仍值得观察。

全自动驾驶仍有法规障碍待突破

自动驾驶能够减少事故、提升行动力、使交通更加顺畅等，自动驾驶的进展无疑将使得人类生活更加便利。 然而，通往全自动驾驶的道路上仍是困难重重。 挑战之一，在于即使自动驾驶科技的进展可以提升安全性，然而，就如永井所言，无论意外发生率可以达到多低，事故永远无法降到零，因此就必须要制定一套法律制度，明定针对各种导致事故的情况应采取何种类型的行动，以及在事故发生后， 道德及法律责任该如何厘清等。 这是科技之外需解决的问题，唯有透过全面完善环境的建立，全自动驾驶才有被广泛接受的一天。