1.軟件依賴性（Software reliance）

初代ADAS方案的研發(fā)人員竭力克服設計障礙。為此，他（她）們創(chuàng)建了復雜的軟件。然而，事實證明，對于復雜的汽車系統(tǒng)而言，預編程算法難以發(fā)揮效用。

研究人員不得不為了傳感器融合、視覺處理及安全性創(chuàng)建新算法，這必然要集成一個大代碼基（code base），勢必會增加成本及安全風險，因為工程師必須持續(xù)地維護并更新軟件。

這意味著需要從在商用硬件上構建的軟件中心型系統(tǒng)（software-centric systems）向專注于計算功能的定制化片上系統(tǒng)（系統(tǒng)級芯片，SoCs）及硬件加速器轉型，使得ADAS研發(fā)人員將復雜的算法切割為較小的計算，使得ADAS設計對現(xiàn)實駕駛情境的響應性得到提升。

ADAS的技術演進為自動駕駛汽車工程設計團隊提供了一個模板，指導其采用片上系統(tǒng)執(zhí)行自動駕駛功能，該類功能的復雜程度超乎想象，還需要實現(xiàn)近實時（near-real-TIme）性能。

2.近實時設計

當談到確保實時處理、傳感器融合及其他關鍵任務（mission-criTIcal tasks）時，自動駕駛的雅畈人員可從ADAS的研發(fā)過程中汲取經驗。

在初期，ADAS研發(fā)人員依靠內置靜態(tài)隨機存取存儲器（內存，SRAMs）實現(xiàn)片上計算子系統(tǒng)的信息交換，成對的內存可被用作輸出郵箱，同時還將向其送入計算任務的輸入值。軟件中的通信管理成為技術挑戰(zhàn)，當信息處理元件增多后，會導致信息延遲。

最后，ADAS芯片采用了異構緩存一致性（heterogeneous cache coherency）等技術，該項片上通信技術可高效地實現(xiàn)與片上系統(tǒng)內CPU、GPU及DPU等計算元件的連通，旨在增強處理帶寬并縮短延遲時間。

最為關鍵的是，這類硬件加速器在自動駕駛車用片上系統(tǒng)中占據(jù)了主導地位，異構緩存一致性等片上通信技術也發(fā)揮著重要作用，允許片上系統(tǒng)執(zhí)行近實時嵌入式處理，旨在應該對復雜的機器學習算法。

3.整合的挑戰(zhàn)

自動駕駛片上系統(tǒng)的復雜程度令人膽寒，鑒于將超級計算機的強大功能、功能性安全要求及近實時內嵌式性能收斂（near-real-TIme embedded performance converge）集成到一塊定制硅芯片后，這一感覺就變得尤為明顯。

許多自動駕駛設計將硬件加速器用于研發(fā)工作，該類設備被用作為處理節(jié)點（processing nodes），以便特定的算法任務，如：高清雷達成像的計算機視覺。而許多自動駕駛車輛的片上系統(tǒng)正利用深度神經元網(wǎng)絡執(zhí)行機器學習功能，硬件加速器在該網(wǎng)絡內發(fā)揮神經元的功能。

在這類片上系統(tǒng)基礎架構內，可針對特定的自動駕駛算法精準調節(jié)硬件加速器或異構處理元件，片上互聯(lián)可采用一致的方式連接所有的硬件加速器，確保能掌控不斷提升的系統(tǒng)復雜性。