抢进汽车电子市场 联发科瞄准雷达与视觉SoC

抢进汽车电子市场联发科瞄准雷达与视觉SoC

2017-02-10 eettaiwan CINNO

台湾智能手机芯片厂商联发科技（MediaTek），在其高性能、低功耗应用处理器的专精技术将有助于汽车制造商与一线业者开发先进数位驾驶舱系统的信念加持下，正一头钻进日益成长中的汽车电子市场。

联发科与高通同样有着智能手机应用处理器的技术优势，这样的背景让两家公司积极挥军车用电子市场。高通通过收购恩智浦半导体揭露其计划，为市场抛出一记震撼弹。而联发科则选择一种更有机的途径，但也正面临一场硬仗。联发科进军车用市场的野心容易理解，但这家车用市场的新进者是否会成功仍需拭目以待。

在今年的国际消费性电子展（CES）上，联发科副总经理暨新事业发展本部总经理徐敬全（JC Hsu）深入介绍该公司在汽车电子产业的布局。徐敬全在访谈中强调，联发科的强项不只是车载通讯（telematics）与多媒体技术，其他致胜的秘密武器还有77－79GH毫米波（mmW）雷达、先进驾驶辅助系统（ADAS）相机与超低功耗的视觉SoC等技术。

当然，高通在今年稍晚完成恩智浦的并购计划后，预期将会在车用电子上大幅领先，联发科也将会面临严峻的考验。面对即将要来的挑战，徐敬全一点都不担心。他强调，“我们在每个领域的客户都是业界领导厂商，包括在雷达、摄影机与视觉SoC。”

联发科打算利用在处理器、高整合SoC、调制解调器与RF以及多媒体等技术优势抢进汽车电子市场

CMOS雷达单芯片

根据市调机构IHS Markit Automotive的研究报告，雷达技术是汽车制造商在提升ADAS系统效能时，最常应用的传感器技术之一，预估在2021年时雷达应传感器市场将成长到超过5000万套的规模。

徐敬全说︰“联发科在802．11ad技术（执行于免授权的60GHz频段、速度达数个Gigabit级的无线传输技术）的经验以及与IBM共同开发的相关IP，将在研发雷达芯片时派上用场。”

采用60GHz频段传输的缺点是信号不能穿透固体物质，因而只能限制用于单独的房间。于是，IBM和联发科将军事用的相位阵列雷达技术微缩成单一芯片，让60GHz发射器可以绕过障碍物传送信号到室内的接收器，改善信号无法穿透固体传输的问题。徐敬全解释：“如今，我们运用类似的技术IP研发车用雷达芯片。”

由于成本太高，联发科的雷达芯片并不会使用硅锗（SiGe），而是推出CMOS单芯片SoC，预计今年上半年可出样。单芯片整合的好处是能减少BOM成本和雷达功耗。

徐敬全说，其短距离单芯片SoC的功耗将小于2W，而支持中等距离传输（约80公尺）的单芯片，功耗也只有2－3W。“因此，我们目前正与一家一线大厂密切合作中。”

雷达技术之争

当然，联发科在雷达技术上还有很多要努力的地方，尤其是面对像英飞凌科技（Infineon Technologies）和恩智浦这两家业界翘楚。

英飞凌曾指出，该公司光是在2016年就已卖出1000万个雷达芯片，此外，在2015年之前累积的芯片销售量也达到了1000万颗，这个数据可以明显地看出雷达技术在过去一年的车用市场上是多么地火红。

英飞凌目前的雷达芯片采用硅锗（SiGe），而采用CMOS技术的版本目前正在研发中。恩智浦则在今年初的CES上推出号称“全球最小、具备超高分辨率的77GHz雷达收发器单芯片（7．5x7．5mm）”。

德国一家具有15年以上汽车雷达技术经验的一线汽车雷达公司Hella在恩智浦的展位上进行展示时提到，该公司将于2018年推出以恩智浦RF CMOS技术研发的Compact Radar产品。

Compact Radar将用于短距离和中距离传输应用，Hella原始设备全球行销负责人Kristian Doescher提到：“我们已经完成现场测试了，初步的结果颢示极具发展前景。RF CMOS技术让我们能将产品的体积缩小。”

视觉SoC：HOG与CNN

在视觉SoC的领域中，以色列业者Mobileye在现今的车用视觉芯片市场具有领先地位，该公司所研发的EyeQ芯片也是其他公司在设计时所参照的黄金标准，后进者要与之抗衡不是件容易的事。

然而，徐敬全则在此看到了联发科的机会。越来越多的汽车OEM如今在研发视觉SoC时致力于寻求更弹性的架构，“有些OEM在实现传感器融合时，需要更成熟的影像传感器相关技术，以便于加入自家的算法。”

谈到联发科目前正在研发的视觉SoC，徐敬全解释︰“我们的芯片将同时支持两种影像处理技术——一种专注于传统的电脑视觉算法，像是『方向梯度直方图』（HOG），另一种则着重于以『卷积神经网络』（CNN）技术为基础的深度学习。”而目前联发科也计划在SoC中加入特殊的本地内存，以支持神经网络。该视觉SoC将在2018年初出样。

但为何要在相同的芯片上同时添加传统的电脑视觉和深度学习技术？徐敬全说︰“深度学习技术无法解决一切问题。我们目前正与一线客户合作开发，同时提供两种技术才能满足他们更深层的系统设计需求。”