EDA作为"芯片之母"在半导体行业具有非常重要的地位，特别是在新势力电动汽车的电气化、智能化不断深化的趋势下，它从一开始对芯片的设计和验证就具有非常重要的意义。Cadence公司亚太及日本地区IP与生态系统销售群资深总监陈会馨女士（Wendy Chen）在8月16日举办的2022 IIC（国际集成电路展览会暨研讨会）中国IC领袖峰会上结合当前汽车行业芯片设计的巨大需求和设计中存在的挑战，介绍了Cadence如何应对这种挑战与机遇，并推出了哪些亮眼的技术。
汽车芯片设计的背景
中国新能源汽车市场爆发
据官方统计，2022年第一季度中国广义新能源汽车销量已经达到了近300万台，除去混合动力，纯电车销量占比达到69%，预计2022全年新能源汽车销量占比全球达到59%，尽管第二季度销量有所下降，但整个发展势头依然强劲。
"最近也有一系列新闻，很多厂商都在推出自主品牌的新能源汽车，我们觉得现在的新能源汽车是非常复杂的智能系统，其中90%技术更新是由电子产品、电子设备所带来的"，Wendy说，他们基本上把与汽车相关的芯片进行了整理，发现这些芯片的更新换代是非常迫切的，首先就是车载娱乐系统——现在大家更多愿意把它称之为智能座舱和导航系统。
汽车座舱复杂度与设计挑战：从1向N转变
"以前业界有一种说法汽车就像一个大手机，手机很多娱乐功能，定位，导航都可以集成在汽车上面，我们现在觉得车机更像是多部手机的融合，因为不同的座舱对娱乐车载需求是完全不一样的。"Wendy分析。
与之前不同，现在的汽车摄像头，激光雷达，超声波，麦克风，扬声器等等，多路传感器采集的数据都是为智能驾驶所服务。
汽车屏幕的更新，也使智能座舱复杂程度大大提高。
此外，还有通讯。车内通讯现在已经升级到千兆以太网，车外主要靠5G。还有电子控制单元、车载CU，这些也都发生了很多革新的技术。
新能源新势力造车当下最热的是ADAS(自动辅助驾驶)。ADAS是全新要求，系统越来越复杂，需要处理非常多的传感器数据的采集，预处理，融合，后处理，预判，所以ADAS设计复杂度也是呈几何级数增加。
上面提到的汽车智能座舱与自动辅助驾驶芯片设计，目前出现了一个新趋势：把这两个芯片进行融合，称为：舱驾融合，这使得芯片设计面临更多更严峻的挑战。
同时，汽车芯片都需要过ISO26262的认证（车规认证），这是影响整个设计流程甚至生态圈的工程实践问题。
因此，从一部手机到多部手机的融合、传感器数据的统一采集、汽车屏幕的更新、通讯与电子控制的升级、ADAS的复杂要求、舱驾融合新趋势以及车规级认证等给汽车芯片设计复杂度和难度带来了几何级数的增长和挑战。
这种设计挑战主要在于三个方面：
软硬件协同验证，以及如何在定义更优的硬件架构来适配软件的适配
如何搭建高性能，低功耗的，并适合各种神经网络的异构硬件平台来处理摄像头， 雷达，激光雷达，超声波等多入传感器输入数据
如何借助EDA工具搭建功能安全解决方案的设计平台和流程
面对新能源汽车市场巨大的需求爆发和汽车芯片设计复杂度提高带来的挑战，那怎么去处理好这些数据？在设计芯片全流程当中怎么实现安全的方案？怎么构建安全设计芯片的平台？
Cadence提供了Helium、Tensilica、Midas三种工具。
Cadence 解决方案与工具
Helium虚拟化验证平台
Cadence在解决方案中有一个平台工具：Helium虚拟化验证平台，它的主要作用就是把软件和硬件进行协同验证，它有一个好处是提供了许多预设的虚拟模型进行仿真和验证，让架构设计师能够很快速的搭建硬件平台。随着设计的深入和RTL逐渐完备可以把部分的模型替换成RTL。同时，Helium还集成了Cadence仿真工具。
虽然我们在芯片设计中主要是硬件的设计，但是它也离不开软件设计的挑战，自动驾驶软件的挑战之一是需要采集大量的数给芯片进行处理。下面是三个典型的案例，这三个例子实际上都是Cadence产品客户和软件合作伙伴在他们实际芯片上做的Demo，很多软件的算法都放在Cadence IP当中去了。
第一个案例：实时360度环视
自动驾驶最关键的是要知道周围的路况，所以把图像视频实时拼接是非常重要的技术。
第二个案例：4D成像雷达
4D成像雷达不等同于原来3D毫米波雷达，它主要是通过定位回升和飞行时间来把雷达技术和影像技术进行结合，来定位3D环境中的对象。它的优势是可以不断地感知事物的距离深度，还可以知道事物的大小。比如可以认出汽车周围的是汽车，还是自行车，还是行人。它把雷达技术和影像技术结合，解决了以前雷达不能识别的问题。
第三个案例：DMS技术
DMS主要是观察司机状态，判定司机是否处于比较好的状态，可以操控汽车。
这方面的自动驾驶软件设计算法种类非常多，包括各类神经网络处理，计算机视觉，语音处理，大量类FFT计算。
上面是软件设计方面的三个案例，这些软件算法最终都集成到看Cadence IP硬件中。
回到硬件设计的本质，驾舱芯片需要处理大量来自于传感器的数据，主要分为五种不同的传感器和不同算法。
其中有几个比较有趣的地方。
譬如声音/音响方面最有意思的是，现在驾驶舱娱乐更像是多部手机，每个人有每个人的爱好，实际上这个声音的隔离可以达到"在汽车里每个座位听到的音效音响都不同"的效果。
另一个是超声波，为什么会有超声波呢？现在很多移动的汽车数据采集都要上云，但是车内其实是有很多隐私的空间，那怎样对车内环境做采集？现在有一种技术是用超声波，不需要捕捉很精确的影像，用超声波技术就可以达到原有的效果。
因此，多传感器数据的处理器有一个共同的KPI：在设计硬件的时候，就是低延时，高精度，低功耗，灵活度和冗余性。
Cadence Helium
Tesnsilica DSP解决方案：Vision、Audio、ConnX
随着自动驾驶级别的提高，自动驾驶辅助ADAS越来越复杂，越来越智能，越来越融合。舱驾芯片中除了芯片本身必须有CPU，GPU，NPU以外， DSP也是不可缺少的处理器。
这里所说的DSP并不是通用的信号处理，而是针对某些特定的应用做硬件指令优化的处理器。
Cadence的Tensilica DSP在汽车方面主推的就有视觉，音频，浮点，通讯四款DSP。
VDSP， 已经大规模的应用于手机，IPC， 人工智能端侧芯片，也是在国产汽车芯片最早落地的VDSP系列。
Vision
目前Cadence在车载芯片的重点产品是第七代图形DSP VQ8，在它前面的产品当中，Cadence的DSP在手机，边缘AI芯片当中都有非常广泛的客户基础，这一代DSP是目前系列当中最顶级的DSP，除了1024-bit SIMD带宽，并且还有弱NN能力的。
Audio
此外，还有音频DSP，目前在车载娱乐芯片里面最高是HiFi-5。
Audio系统是相对独立的硬件架构，强大的独立的DSP加上处理语音语义的NPU这一硬件架构已经被广大架构设计所认同。
音频也需要处理语音的控制，根据NN算法降噪，不光是以前的音效音响，Cadence在HiFi5基础上推出了专门为语音NN算法所做的加速器，构成一个完整NN的 System。
雷达ConnX
3D和4D雷达技术最大的区别是4D需要更多的天线去做数据采集，所以它的数据量和数据处理量很大，Cadence推出的ConnX主要是做雷达数据处理。
雷达+影像，加了影像之后，就可以覆盖很多NN的算法在数据处理上。Cadence的IP本身的硬件，数学库，工具链可以为客户提供软件硬件安全功能包。
Midas：提供安全性和可靠性
安全性，可靠性问题是汽车芯片生命周期中必须解决的问题， 在整个芯片和IP设计流程中必须进行老化分析，电磁场分析，工艺的多样性，热疲劳，封装。
汽车无疑是最具挑战性的垂直领域。为了避免昂贵的召回，汽车行业有非常高的质量标准，目标的百万分之次品率是0（DPPM）。
汽车芯片也有着独立的可靠性标准AEC-Q100 根据工作环境温度不同 分成不同的Grade0/1/2。
在芯片设计当中要进行老化性分析，电磁场分析，工艺多样性分析，热失效性和封装影响。汽车芯片有自己的可靠性标准AEC-Q100，根据工作环境不同分成不同的等级。其中最关键的是要做老化性分析和电磁场分析。
Cadence提供的Midas工具：
由于 15 年的长产品生命周期，特别是老化和电迁移是一个主要问题，需要在设计中加以解决。Cadence 提供了 Legato 和 Voltus 等专用工具，以解决设计人员在流片前必须对其设计执行的一系列电气和物理签核和验证步骤。
最后功能安全的设计验证也是芯片设计中必须考虑的，检测故障并保护系统完整性。
FIT rate：及时故障 (FIT) 率取决于在十亿 (109) 设备运行小时内可预期的随机故障数量。
FMEDA（故障模式影响和诊断分析）是一种用于详细确定故障原因及其对系统的影响的方法，可以非常有效地应用于系统开发的早期阶段，以便及早发现薄弱点。
Conclusion
一款芯片从一粒"沙子"到最终能够量产的半导体产品，需要经历设计、制造、封装、测试等各个复杂的阶段，而EDA处于最开始的那一段。设计对于产品能否成功起着非常重要的作用，特别是在未来不断发展与变化的汽车电子产业中。作为国际三大EDA巨头之一的Cadence在技术上深入研发，紧跟发展的脚步，从源头开始提供了设计、验证、安全与可靠性等一整套解决方案和产品，将可以助力汽车芯片的设计及应用。
原文链接：https://www.eet-china.com/news/15185.html
English 
Chinese