回到2016年，大家對于自動駕駛的普及充滿了信心，不少媒體發(fā)聲認為自動駕駛將會在2020年落地并走向普及。福布斯曾報道，預計2020年會有1000萬臺自動駕駛汽車；2018年時大眾和媒體普遍認為，智能汽車就是一個大腦+電機那么簡單；2020被視為將成為自動駕駛的元年。

然而這一切都沒有發(fā)生，不論是人們期盼的自動駕駛、或者是機器人都沒有走入我們的生活。究其原因，在于我們對于自動駕駛的機器之腦，并沒有一個合理高效的架構。

“簡單地把人工智能加在汽車上是不可行的。這種革命性的路徑：如果是從馬車一下到內燃機車、然后突然又升級到了一個帶輪子的IT系統；這樣的路徑太昂貴、太復雜，也太快?！倍髦瞧职雽w執(zhí)行副總裁兼首席技術官Lars Reger在近日的分享中提到，“工業(yè)上也應該遵循生物的路徑，也就是雖然是小步子但還是不斷地進化，這也就是現在大家正在路上看到的一個逐步演變的過程?！?

人腦為什么如此高效？

從生物學的角度來看，人腦是由大腦、小腦和腦干等部分構成的。我們通常說某個人非常聰明，更多指得是其大腦更厲害。從去年年底開始流行的ChatGPT、Midjourney等，也是因為其更多能夠類似人的大腦一樣的思考、推理和創(chuàng)作而得到了人們的贊嘆。

但其實作為一個整體，要實現對于整個人體的控制和執(zhí)行，僅僅有大腦是不夠的。

小腦負責控制人體的重要運動功能，例如控制心跳、體溫等；此外對于身體的穩(wěn)定性協調性的控制，完成一些非常重要且復雜的動作，例如金雞獨立等，也是小腦的職責所在。

腦干負責的是信息的傳遞功能，通過與脊柱的連接來實現對于整個人體的信息交互。

為什么小腦和腦干也同樣重要呢？可以通過一個實際的舉例來看各部分的不同工作職責。當一個人在走路被絆到的時候，小腦會直接發(fā)出身體控制的信號，通過腦干和脊柱會直接將信息傳遞肌肉，讓人的腿部肌肉工作，停止繼續(xù)前進，進而實現站穩(wěn)。

而在這一切的過程中，大腦是來不及參與進行決策的，只有當人站穩(wěn)了之后，我們的大腦才會去調動眼睛去觀察為什么會絆到？發(fā)生了什么事情？接下來該怎么做？而更深層次的推理結果可能會是，以后走這個地方的時候要加倍小心。這是大腦所擅長的領域。

因此我們不難看出，大腦的推理和決策并不具備很高的實時性，對于計算能力的要求更強；而小腦和腦干承載了時間關鍵性的功能，這種反射過程確保了我們基本安全。

從保證基本的需求的角度出發(fā)，小腦和腦干的重要性，超過了大腦?！皬纳飳W的角度來看，像昆蟲這樣的一些低級生物只有小腦；而像人這樣的復雜生物就具有大腦，因此也就能夠具備創(chuàng)造性。”Lars分享到，“首先要具備一個非?；镜募軜?，然后在這個架構上進行拓展?！?

這樣也就不難發(fā)現，為什么之前人們預期的自動駕駛和機器人沒有大規(guī)模的普及，因為其基礎架構遠不止是一個AI大腦+四個輪子那么簡單。這種架構，既不能保證基礎的實時安全性，也不是一個高能效的方案。

還是以生物學的角度來看，大腦并不是實時處于活躍狀態(tài)，例如人在開車的時候，很多都是靠下意識在執(zhí)行駕駛任務，并不需要100%的激活大腦，只有在遇到復雜路況的挑戰(zhàn)時才會更多的讓大腦來參與。

而如果只是一個AI大腦+四個輪子的自動駕駛架構，所有的駕駛任務事無巨細都要AI大腦來參與，對于電動汽車的續(xù)航將會大大折扣。幾個月前，曾有車廠CEO提到，若當下采用最先進的人工智能，由于其耗能非常大，會導致車輛的續(xù)航減少200公里。

Lars表示，有些規(guī)則確定的行為，并不需要AI的參與；對于自動駕駛汽車架構而言，高效能的計算比高性能的計算更為重要。

自動駕駛汽車之腦，如何和人腦類比？

既然人腦是最高效的架構，那么自動駕駛汽車之腦、機器人之腦，是不是可以類比人腦的架構來進行設計？答案是可行的，而且這是當下最為可行的方案。

Lars表示，站在一個宏觀的角度和抽象的層面來看，首先要具備感知環(huán)境的功能，還有云連接的功能，接著用智能器件進行計算，之后傳導給機器人的執(zhí)行機構；此外再應疊加上信息安全和功能安全特性，確保設備可信，那么一個高效的架構就完成了。

早在2016年，NXP就推出了一個名為“BlueBox”的開發(fā)平臺，這個架構和人腦非常相似；2018年之后，NXP開始進行大規(guī)模的實驗，并與大陸合作推出了相關的參考設計方案。

其中既有AI計算推理的SoC板、也有負責實時性功能和聯網的MPU板，還具備4個PCIe卡槽進行拓展，可以達到400TOPs的最高算力。這個已經被印證為是一個非常高性能和高效的計算單元，已經被多家汽車原廠和Tier1客戶所采納。

Lars表示，參考人腦的架構，最底層的腦干部分是以太網的連接，NXP可以提供實時網絡的支持；上面一層是計算單元，相當于是小腦和部分的腦干，NXP的S32系列可以支持；最頂層是NXP的5納米高性能的器件，用以提升效率；另外還能夠把人工智能的加速器構建到系統當中。

在整個架構中，NXP主要負責的是小腦和腦干的部分的功能，這是SoC廠商和AI芯片廠商所不具備的能力。這種非常清晰的腦系統架構，具備高度可拓展性和高效性，已經獲得了大部分客戶的認可，在自動駕駛、機器人和無人機等領域，90%的客戶已經轉向了這種架構。

據悉，零跑汽車采用NXP的平臺，成功地將整車線束減少了20%，ECU（電子控制單元）減少了1/3。

NXP是機器之腦的“小腦和腦干”供應商

當AI時代到來的時候，半導體器件廠商并不會被超高算力的SoC廠商踢出局，反而是更為重要，因為“小腦和腦干”的必要性、實時性、安全性和可靠性的保證，這是芯片廠商擅長的領域，也正是需要NXP這樣的領先的半導體器件廠商來提供。

當前汽車OEM沒有一個統一的架構，即使在同一個OEM內部，也有不同的模式和不同代的技術；哪怕是同一個系列的車型，從入門到高端型號，也可能在域架構上有著較大的區(qū)別。而NXP提供了豐富的產品型號，可以視為“標準件”，客戶可以選擇不同的標準件來構建自己想要的域控架構。

Lars和媒體分享了NXP的“工具箱（Toolbox）”，里面有各種的“工具”可供客戶選擇。

在計算層面，NXP提供了MCU、跨界MCU、MPU的不同產品組合，覆蓋了從40nm到16nm和5nm的產品工藝，支持客戶對于不同算力和成本的要求。例如從車窗升降、雨刮器控制等；到影音系統、駕駛員監(jiān)測等；再到數據網關、自動駕駛主控等，都可以選擇NXP的不同型號的產品來進行開發(fā)。

由于采用了統一的平臺，因此當客戶在不同產品之間進行設計遷移的時候，軟件代碼的復用率得以大大提高，這也幫助客戶實現了其終端產品的快速研發(fā)。

在聯網方面，NXP提供了以太網產品組合，支持10Mbit到100Mbit的傳輸數據量，此外還有一個1GB、2.5GB、10GB的傳輸數據量；以太網開關則可以把數據發(fā)送到不同的方向，數據傳送能力從8GB到80GB都可以實現。此外，TSN網絡也是NXP在工業(yè)等領域在推進的方向，不少MCU/MPU內部已經支持了TSN網絡。

Lars表示，NXP能夠給汽車提供的就是更多的靈活性，如果采用了恩智浦的微控制單元、微處理器，或者以太網產品，它們之間就能實現互操作性和兼容，并且能夠融合在一個產品中。而且不僅僅是硬件，非常關鍵的是軟件也是可以復用的。比如說從一個MCU到一個微處理器，其中的軟件都是可以再重復利用的。這種平臺上軟件的重復利用性也非常重要。

這個世界會變得更加可以預測，更加自動化，從一個“點播的時代”轉化為一個“安排的時代”。而不論是自動駕駛汽車還是機器人，整個機器之腦的高效架構構建，也要遵循生物學的原理，大腦、小腦和腦干的協同工作，才能真正讓我們邁入新的AI時代。

Lars表示，NXP在做的就是這個“腦部”下面一塊的功能，也就是小腦和腦干部分的功能，在市場上可以說是恩智浦比較獨特的定位。“我的夢想是希望恩智浦成為大家都信賴的制造機器人的先鋒，我個人的夢想則是——我是制造未來機器人的最成功的CTO?！?