高通自動駕駛靠軟件開發(fā)革新力壓英偉達自動駕駛芯片

拋開價格不談，英偉達自動駕駛芯片毫無疑問是最強的，設計范圍在2019年底確定的Orin至今仍是量產最強的自動駕駛芯片，但除了奔馳外的歐美大廠更傾向于選擇高通平臺，這是因為高通的新軟件開發(fā)體系更符合歐美大廠的需求，直白講就是軟件研發(fā)成本更低，周期更短，從以前的數(shù)年變?yōu)閿?shù)周乃至數(shù)天。這就是高通和亞馬遜AWS聯(lián)合的CI/CD軟件開發(fā)體系。軟件越復雜，這種開發(fā)體系效率提升越明顯。

傳統(tǒng)汽車軟件開發(fā)的V模式

圖片來源：KPIT

傳統(tǒng)汽車軟件開發(fā)的V模式，軟件開發(fā)遵循僵化、遲鈍的瀑布法，并使用高度離散的工具鏈。開發(fā)過程被分割為不同的階段，只有前一個階段結束，后一個階段才會開始。許多開發(fā)過程都需要手動完成。從工具鏈的一個部分切換到下一個部分也是如此。采用這種方法，即使很微小的軟件版本升級都需要耗時六到八個月。每換一個車型或一個SoC芯片，所有的工作都需要重復一遍，且軟件上車后，基本就算完成了軟件開發(fā)工作。

傳統(tǒng)的瀑布式，分離軟件開發(fā)體系

圖片來源：EY

軟件定義汽車如果采用這種傳統(tǒng)方法，會帶來天價開發(fā)費用和超過數(shù)年的開發(fā)周期，因此汽車行業(yè)借鑒IT行業(yè)的經驗，導入了CI/CD，CI即Continuous Integration，CD即Continuous Deployment或Continuous Delivery，持續(xù)集成/持續(xù)部署（交付），高通和AWS合作最早將CI/CD代入汽車工業(yè)，應用得最為熟練。智能駕駛領域，軟件異常復雜，需要大量的仿真測試，又牽涉到持續(xù)更新，還是數(shù)據(jù)驅動型，是CI/CD的最佳應用領域，反過來，智能駕駛領域必須用CI/CD，否則開發(fā)周期和成本都會很高。

軟件定義汽車的標準化軟件開發(fā)平臺，即軟件工廠架構

圖片來源：EY

當然不僅是智能駕駛領域，整個汽車軟件領域都能推廣CI/CD。

圖片來源：CY

持續(xù)集成（CI）是指頻繁地（每天至少一次）將代碼集成到主干，其好處主要有：快速發(fā)現(xiàn)錯誤；每完成一點更新就集成到主干，可以快速發(fā)現(xiàn)、定位錯誤；防止分支大幅偏離主干。如果不是經常集成，主干又在不斷更新，會導致以后集成的難度變大，甚至難以集成。

軟件開發(fā)教父Martin Fowler說過：“持續(xù)集成并不能消除Bug，而是讓它們非常容易被發(fā)現(xiàn)和改正?！背掷m(xù)集成（CI）開發(fā)人員將會頻繁地向主干提交代碼，這些新提交的代碼在最終合并到主干前，需要經過自動化集成、靜態(tài)代碼解析和自動化測試流進行驗證，目標是快速確認開發(fā)人員新提交的變更是正確且適合在代碼庫中進一步使用的，有助于降低總體構建成本，并在開發(fā)周期的早期發(fā)現(xiàn)缺陷。

CI持續(xù)集成架構

圖片來源：網絡

在持續(xù)集成（CI）方法中，軟件將實現(xiàn)自動化編譯，軟件開發(fā)的各個步驟都將包含在 “CI鏈” 中，因為一個環(huán)節(jié)的輸出將成為下一個環(huán)節(jié)的輸入。持續(xù)部署（CD）是指在車輛上市后自動部署新的軟件版本。CI/CD以及持續(xù)測試（CT），現(xiàn)在都可以在汽車上實現(xiàn)，但在汽車行業(yè)，測試新的高級應用程序會造成獨特的難題，原因是測試需要在實體車輛上或者在測試臺上的復雜模擬環(huán)境中進行。例如，想象一下對特定軟件進行測試有多復雜，該軟件需要分析來自多個雷達和攝像頭的輸入信息，以便自主執(zhí)行操控，如超過公路上慢速行駛的汽車，或者在車輛、行人及其它障礙物遍布的復雜城市環(huán)境中進行導航。

持續(xù)測試

圖片來源：Aptiv

理想的方法是通過基于云的集中化平臺，使開發(fā)人員能夠在位于世界任何測試中心的相關測試臺上執(zhí)行任何測試，從而消除開發(fā)和測試過程中的瓶頸。這些測試可以安排軟件在環(huán)（SIL）、硬件在環(huán)（HIL）甚至車輛在環(huán)（VIL），以便進行更真實的測試。此方法可以利用全球資源，達到處理當今艱巨挑戰(zhàn)所需的規(guī)模。

CI/CD的無窮循環(huán)

圖片來源：MathWorks

CI/CD的具體執(zhí)行就是DevOps

圖片來源：AWS

高通與AWS聯(lián)合的云開發(fā)平臺正是基于CI/CD的理念

圖片來源：AWS

AWS基于云的自動駕駛數(shù)據(jù)驅動開發(fā)流程

圖片來源：AWS

AWS原生云汽車軟件開發(fā)

圖片來源：AWS

CI/CD環(huán)，省略很多目標搭建和基礎測試

圖片來源：AWS

高通數(shù)字底盤與軟件定義汽車架構

圖片來源：高通

云端的Digital Twin基本上可等同于物理SoC芯片，也有叫虛擬VECU，將SoC完全抽象化。當然英偉達也有Digital Twin，不過那是針對AI領域的，英偉達也有云端仿真測試，即NVIDIA DRIVE Sim，不過那主要還是依靠Omniverse的仿真，不是VECU。Omniverse主要瞄準游戲開發(fā)和工業(yè)AI領域，與VECU差別很大，順便一提digital twin最早還是英偉達提出來的。

圖片來源：新思科技

圖片來源：MathWorks

SiL軟件在環(huán)環(huán)節(jié)必備VECU，當然這需要SoC芯片廠家配合，做中央計算軟件定義汽車必備最高的4級虛擬ECU，即全二進制虛擬ECU，實際上這樣需要ARM這樣的內核架構供應商協(xié)助。

圖片來源：TATA

高通自5G網絡部署時期對DevOps已經具備非常深厚的基礎，基本上高通把那一套搬到了汽車領域，而芯片從一開始就考慮原生云開發(fā)，就考慮了和AWS合作，這是高通足以抗衡英偉達的原因。不過在中國，軟件開發(fā)人力資源充沛，軟件開發(fā)成本低，且大多是全新開發(fā)項目，讓基于原生云和CI/CD（DevOps）的軟件開發(fā)優(yōu)勢不明顯，但對老牌歐美廠家和大型Tier1來說，原生云和CI/CD（DevOps）的軟件開發(fā)幾乎是必備的，大眾、寶馬、奧迪、通用、三星哈曼、博世、法雷奧、馬瑞利、松下、ZF、麥格納、電裝、黑莓、大陸汽車、LG基本都是如此。芯片廠家提供必要的支持，芯片廠家目前主要有高通和NXP。這些廠家和Tier1基本都選擇了高通平臺作為主力平臺。

審核編輯：劉清