Arm发布Cortex-A76AE自动驾驶芯片架构,宣示车载系统市场主权

简介: 首款应用于L3级自动驾驶。
TB1BtCnewHqK1RjSZFkXXX.WFXa.png

汽车领域正在发生翻天覆地的变化。相比以前,现在汽车使用的电子设备越来越多,无论是普通的电子元件,还是特殊用途的处理器。放眼四望,几乎所有主流汽车制造商都在研发自动驾驶汽车,预示着未来的汽车将需要更复杂的SoC。

可以预见,未来几年自动驾驶汽车的零部件需求将迎来爆发期。因此,不断有公司声称要推出专为此类车辆设计的解决方案也就不足为奇。雷锋网新智驾了解到,9月26日,全球领先的半导体知识产权(IP)提供商Arm推出了“安全就绪”(Safety Ready)计划,旨在为自动驾驶汽车提供解决方案。此外,Arm还推出了代号为Cortex-A76AE的产品,为第一款专为自动驾驶汽车打造的处理器。

TB1ItamexTpK1RjSZFKXXa2wXXa.png

“安全就绪”计划

其实,Arm进入汽车领域由来已久。自1996年,Arm生产的通用型、实时型处理器就开始被各大车辆制造商使用。现在,Arm的IP已广泛应用于ADAS系统(如防撞、巡航控制等)、连接、信息娱乐、动力总成控制和汽车其他组件。

Arm“安全就绪”计划是一项为期多年的计划,该计划旨在为自动驾驶汽车开发汽车增强型(AE)定制和半定制解决方案。目前,Arm在为L3级自动驾驶提供解决方案,到2020年前后,将会为L4级和L5级自动驾驶提供相关产品。

TB1uOCkeCrqK1RjSZK9XXXyypXa.png

Arm“安全就绪”计划涵盖了公司现有的安全产品以及全新产品或未来产品,包括一站式软件、工具、组件、认证和标准。这些产品的开发采用了严格的功能安全流程,支持ISO 26262和IEC 61508的技术标准。

目前,Arm仅谈及用于自动驾驶汽车的Cortex-A76AE处理器,但在此庞大的计划里面还包括基于Helios和Hercules微架构的汽车增强型处理器,并计划在2020年左右提供Cortex-R处理器的AE版本。虽然Arm正准备让其未来的IP更具AE风格,但当前仍会向汽车领域的SoC开发人员继续供应现有内核,例如Cortex-A72、Cortex-R5、Cortex-R52、Cortex A53、Cortex-M4、Cortex-M7、Cortex-M44等。

TB1FY1peAvoK1RjSZFwXXciCFXa.png

“安全就绪”计划的实施将使汽车制造商获得IP,并且使自动驾驶系统更节能、更廉价,从而降低整车制造成本。

TB17NOmewHqK1RjSZFPXXcwapXa.png

Arm的Cortex-A76AE:AE家族的第一个成员

作为Arm首款集成功能安全的自动驾驶级处理器Cortex-A76AE,该处理器有多达16个Cortex-A76内核,该内核具备Arm v8.2微体系结构的所有功能特性,包括可靠性、可用性和可维护性,并采用了分核-锁步(Split-Lock)模式来确保可靠性。

实际上,基于Cortex-A76AE的SoC可扩展至最多64核。除了含有通用计算核外,Arm的自主计算复合体还集成了Mali-G76 GPU、ARM的ML处理器和其他必要的IP。此外,所有复合体支持Arm的内存虚拟化和保护技术,可以完美实现ML和NN加速器的运行。

TB1bJemexTpK1RjSZFKXXa2wXXa.png

根据Arm的官方表述,采用台积电7nm工艺技术制造的30瓦16核Cortex-A76AE SoC具有超过250 KDMIPS的计算性能,足以满足当今应用需求。如果用户想要更高的性能,可以构建更多内核,甚至多个SoC。

TB1tg1qeAzoK1RjSZFlXXai4VXa.png

对于自动驾驶车辆而言,性能指标非常重要,现在L3级自动驾驶汽车一般可以同时运行多个程序。据雷锋网(公众号:雷锋网)新智驾了解,ArmL5级自动驾驶汽车的软件将包含10亿行代码,相比之下,用于波音787梦想飞机的软件才包含1400万行代码。

Arm的Split-Lock:硬件中的冗余计算

Cortex-A76AE采用了关键技术分核-锁步(Split-Lock),该技术能让SoC开发人员采用两种模式使用内核:在分核模式下,群集中的两个(或四个)独立CPU可用于各种任务和应用程序,实现更高性能;在锁步模式下,CPU将处于锁步状态,在群集中创建一对(或两对)锁步CPU运行相同的代码,若监控到异常,会向系统报错并让故障恢复机制接管(或至少会通知驱动程序),以实现更高汽车安全。

Arm锁步模式在某种程度上类似于惠普的NonStop容错系统,但关键区别在于Arm的解决方案完全依赖于硬件,因此可以兼容任何软件,像AutoWare、Deepscale、Linaro、Linux、QNX等软件都能获得支持。

TB1s7mlerPpK1RjSZFFXXa5PpXa.png

为满足汽车安全最高等级ASIL-D应用,Arm采用了锁步群集,对安全至关重要。相比之下,分核群集适用于信息娱乐等ASIL-B应用。鉴于Arm在硬件方面的灵活性,任何汽车制造商都可以使用分核-锁步模式来运行几乎所有软件,同时确保高性能和零差错。

TB17WGpeyrpK1RjSZFhXXXSdXXa.png

雷锋网推荐阅读:ARM首款为ADAS开发的ISP芯片,将怎样解决汽车的图像处理问题?

目录
相关文章
|
6月前
|
SQL 前端开发 关系型数据库
如何开发一套研发项目管理系统?(附架构图+流程图+代码参考)
研发项目管理系统助力企业实现需求、缺陷与变更的全流程管理,支持看板可视化、数据化决策与成本优化。系统以MVP模式快速上线,核心功能包括需求看板、缺陷闭环、自动日报及关键指标分析,助力中小企业提升交付效率与协作质量。
|
5月前
|
数据采集 机器学习/深度学习 运维
量化合约系统开发架构入门
量化合约系统核心在于数据、策略、风控与执行四大模块的协同,构建从数据到决策再到执行的闭环工作流。强调可追溯、可复现与可观测性,避免常见误区如重回测轻验证、忽视数据质量或滞后风控。初学者应以MVP为起点,结合回测框架与实时风控实践,逐步迭代。详见相关入门与实战资料。
|
5月前
|
前端开发 JavaScript BI
如何开发车辆管理系统中的车务管理板块(附架构图+流程图+代码参考)
本文介绍了中小企业如何通过车务管理模块提升车辆管理效率。许多企业在管理车辆时仍依赖人工流程,导致违章处理延误、年检过期、维修费用虚高等问题频发。将这些流程数字化,可显著降低合规风险、提升维修追溯性、优化调度与资产利用率。文章详细介绍了车务管理模块的功能清单、数据模型、系统架构、API与前端设计、开发技巧与落地建议,以及实现效果与验收标准。同时提供了数据库建表SQL、后端Node.js/TypeScript代码示例与前端React表单设计参考,帮助企业快速搭建并上线系统,实现合规与成本控制的双重优化。
|
6月前
|
人工智能 监控 测试技术
告别只会写提示词:构建生产级LLM系统的完整架构图​
本文系统梳理了从提示词到生产级LLM产品的八大核心能力:提示词工程、上下文工程、微调、RAG、智能体开发、部署、优化与可观测性,助你构建可落地、可迭代的AI产品体系。
864 52
|
5月前
|
机器学习/深度学习 人工智能 缓存
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
本文提出面向边缘通用智能的多大语言模型(Multi-LLM)系统,通过协同架构、信任机制与动态编排,突破传统边缘AI的局限。融合合作、竞争与集成三种范式,结合模型压缩、分布式推理与上下文优化技术,实现高效、可靠、低延迟的边缘智能,推动复杂场景下的泛化与自主决策能力。
474 3
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
|
5月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
970 23
|
6月前
|
消息中间件 数据采集 NoSQL
秒级行情推送系统实战:从触发、采集到入库的端到端架构
本文设计了一套秒级实时行情推送系统,涵盖触发、采集、缓冲、入库与推送五层架构,结合动态代理IP、Kafka/Redis缓冲及WebSocket推送,实现金融数据低延迟、高并发处理,适用于股票、数字货币等实时行情场景。
873 3
秒级行情推送系统实战:从触发、采集到入库的端到端架构
|
6月前
|
前端开发 API 定位技术
如何开发车辆管理系统中的用车申请板块(附架构图+流程图+代码参考)
本文详细解析了如何将传统纸质车辆管理流程数字化,涵盖业务规则、审批流、调度决策及数据留痕等核心环节。内容包括用车申请模块的价值定位、系统架构设计、数据模型构建、前端表单实现及后端开发技巧,助力企业打造可落地、易扩展的车辆管理系统。
|
5月前
|
存储 人工智能 搜索推荐
拔俗AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教融合大语言模型、教育知识图谱、多模态感知与智能体技术,重构“教、学、评、辅”全链路。通过微调LLM、精准诊断错因、多模态交互与自主任务规划,实现个性化教学。轻量化部署与隐私保护设计保障落地安全,未来将向情感感知与教育深度协同演进。(238字)
600 0
|
5月前
|
机器学习/深度学习 人工智能 搜索推荐
拔俗AI学伴智能体系统:基于大模型与智能体架构的下一代个性化学习引擎
AI学伴智能体系统融合大模型、多模态理解与自主决策,打造具备思考能力的个性化学习伙伴。通过动态推理、长期记忆、任务规划与教学逻辑优化,实现千人千面的自适应教育,助力因材施教落地,推动教育公平与效率双提升。(238字)
715 0

热门文章

最新文章