自動(dòng)駕駛讓整車(chē)廠(chǎng)和芯片廠(chǎng)商摩擦升級？

　　隨著(zhù)更先進(jìn)的電子組件集成到汽車(chē)中，汽車(chē)制造商和芯片制造商視角和需求的不同導致兩者出現摩擦和爭論。

　　近年來(lái)，越來(lái)越多的電子產(chǎn)品集成到自動(dòng)駕駛等級越來(lái)越高的汽車(chē)中，但是它的進(jìn)展并不像各大廠(chǎng)商宣傳的那么順利。事實(shí)上，電子和汽車(chē)之間的一些差異可能需要數年的時(shí)間才能磨合和統一。

　　業(yè)界向完全自主駕駛推進(jìn)的步伐依然如故，但是汽車(chē)制造商和芯片制造商接近終極目標的路徑卻有著(zhù)顯著(zhù)的不同。汽車(chē)制造商及其1級和2級供應商要求進(jìn)行硬數據檢查、物理檢查和測試。而領(lǐng)先的芯片公司和晶圓廠(chǎng)卻認為只進(jìn)行模擬和統計分析就足夠了。這兩種觀(guān)點(diǎn)的差異主要體現在如何證明和預測電子產(chǎn)品的的可靠性、導致功能降級和故障的老化及其它原因，以及對汽車(chē)中使用的IP和各種電子元件進(jìn)行認證需要滿(mǎn)足哪些條件。

　　這些問(wèn)題包括：

　　汽車(chē)制造商希望獲得和惡劣駕駛條件下的性能以及這些組件的長(cháng)期可靠性相關(guān)的一些實(shí)際數據，但在許多情況下，電子元件本身并沒(méi)有這種真實(shí)世界的數據，因為自主駕駛完全是一個(gè)新課題。而且即便有一些數據，它仍然是不完整的，或者置于芯片制造商和代工廠(chǎng)的嚴密保護之下。

　　如果輔助駕駛和自動(dòng)駕駛汽車(chē)出現故障，汽車(chē)制造商將面臨巨大的責任，隨著(zhù)自主駕駛等級的提高，這種責任風(fēng)險也會(huì )相應增加。振動(dòng)試驗、溫度交變試驗可以模擬電子器件在機械或熱應力下的工作方式。但是汽車(chē)公司對產(chǎn)品的信念應該選擇新的判斷標準，多年來(lái)，汽車(chē)公司一直依賴(lài)于物理觀(guān)察和記錄機械故障，這顯然不能適用于電子產(chǎn)品。

　　今天，很多涉足汽車(chē)業(yè)務(wù)的電子公司幾乎在汽車(chē)可靠性要求上沒(méi)什么經(jīng)驗，反之，許多汽車(chē)公司對先進(jìn)工藝半導體產(chǎn)品也沒(méi)多少概念。畢竟，用于汽車(chē)應用的180nm芯片與7nm AI芯片的差別很大。

　　現在，雖然可以使用現有的半導體工具和設備解決防止故障的問(wèn)題，但汽車(chē)制造商還希望能夠獲得能夠預測故障的數據。今天的芯片特別是在A(yíng)I系統中，完全是黑盒子。

　　福特汽車(chē)公司高級可靠性工程師Keith Hodgson說(shuō)：“福特一直在使用可靠性物理分析，但是當產(chǎn)品老化到接近其壽命的80%時(shí)，我們并不能提前得到提醒。就是說(shuō)，你還沒(méi)有失效，但是正處于失效的邊緣?！?/p>

　　這種數據對許多行業(yè)板塊都很有價(jià)值，因為它允許所有類(lèi)型的系統供應商平衡風(fēng)險和成本。但是，它在安全關(guān)鍵市場(chǎng)尤為重要，因為風(fēng)險可能會(huì )導致嚴重的傷害，所以需要在各種各樣的部件上進(jìn)行預測性維護。

　　“通常你需要五到六年時(shí)間就能知道芯片是否存在問(wèn)題，”Dfr Solutions技術(shù)委員會(huì )高級成員Jim McLeish說(shuō)。 “但是我們在5nm或者7nm上沒(méi)有什么經(jīng)驗，我們不知道變化會(huì )如何影響可靠性。SAE制定了安全失效標準，提供了計算故障率的公式。我們正在努力適應SAE標準(J3168)，但是我們需要一些數據來(lái)運行模型并找出變化曲線(xiàn)?！?/p>

　　這些數據包括芯片尺寸、厚度、模具材料、Z軸翹曲、封裝內的芯片偏移、焊球的直徑和高度等，大多數芯片制造商都不會(huì )向汽車(chē)行業(yè)提供這些數據。

　　“汽車(chē)制造商和芯片制造商看待可靠性有著(zhù)不同的視角，”Arm物理設計事業(yè)部營(yíng)銷(xiāo)副總裁Kelvin Low說(shuō)。 “我們需要在芯片和IP方面接受更多的教育，汽車(chē)OEM也需要弄清楚芯片和IP領(lǐng)域正在發(fā)生的事情。供應鏈中的每個(gè)人都會(huì )受到影響。 目前，代工廠(chǎng)并不會(huì )分享所有器件的代工數據，你在最終產(chǎn)品上只能進(jìn)行少量的仿真。結果，芯片制造商的的利潤率更高了，因為他們實(shí)際上不需要處理也看不到那么多數據?！?/p>

　　設計和制造的轉變

　　領(lǐng)先的芯片廠(chǎng)商通常會(huì )將數據開(kāi)放給代工廠(chǎng)和EDA供應商，以便能夠以足夠高的良率制造出所設計的產(chǎn)品。自FinFET問(wèn)世以來(lái)，三星、格羅方德、臺積電等代工廠(chǎng)一直都在提供有關(guān)工藝變化和其它影響的數據，這些數據會(huì )影響其頂級客戶(hù)、EDA廠(chǎng)商和IP公司的產(chǎn)品可靠性。不過(guò)，為汽車(chē)應用開(kāi)發(fā)7nm AI芯片還有一系列新的問(wèn)題。

　　應用材料公司蝕刻產(chǎn)品戰略副總裁Uday Mitra說(shuō)：“每個(gè)節點(diǎn)的問(wèn)題都在累加，增加了工藝升級過(guò)程中出錯的可能性?，F在的工藝升級不再是一個(gè)簡(jiǎn)單的尺寸縮小了。隨著(zhù)工藝節點(diǎn)的升級，EPE(邊緣放置誤差)容差變小，光刻對準誤差和工藝變化誤差也在增加。目前最大允許的EPE是四分之一節距，間距更小，從而變得更糟。除非增加間距，否則即使重新流片也無(wú)法解決問(wèn)題?！?/p>

　　汽車(chē)行業(yè)又在這些問(wèn)題之上增加了嚴格的認證和可靠性標準。今天并沒(méi)有用于汽車(chē)的7nm AI芯片，因此芯片廠(chǎng)商還沒(méi)有提供這些數據。制造后會(huì )出現什么樣的問(wèn)題現在也無(wú)法預料。

　　“導致汽車(chē)IC可靠性故障的潛在缺陷和隨機缺陷直接相關(guān)，”KLA-Tencor高級主管Rob Cappel表示。 “如果使用適當的檢查工具、采樣策略和方法來(lái)發(fā)現和減少隨機缺陷，那么，晶圓廠(chǎng)捕獲這些可靠性問(wèn)題的概率要高得多?！?/p>

　　這也是由汽車(chē)集成先進(jìn)電子技術(shù)而推動(dòng)的一個(gè)重大轉變。在汽車(chē)中，這些電子器件需要在沒(méi)有任何故障的情況下使用長(cháng)達18年，因此電路監測是必不可少的。當然，時(shí)間計算公式還要取決于無(wú)人駕駛出租車(chē)的行駛里程，不過(guò)，這些無(wú)人駕駛汽車(chē)在失效前需要一種更換零件或模塊的方法。

　　“汽車(chē)制造商希望親眼看到可以證實(shí)可靠性的證據，”Moortec首席技術(shù)官Oliver King說(shuō)?！邦A測分析和模擬當然也很棒，但是汽車(chē)廠(chǎng)商還是希望眼見(jiàn)為實(shí)。我們真的知道FinFET是怎樣老化的嗎?未必!是的，我們是有一些模型，但是FinFET和平面型芯片不同。這是我們第一次面對發(fā)生在汽車(chē)中的嚴重的電子升級問(wèn)題。當你把復雜SoC放在汽車(chē)中時(shí)，你會(huì )看到通常與復雜SoC相關(guān)的各種問(wèn)題?！?/p>

　　這些問(wèn)題的范圍極廣，從完全失效到更微妙的時(shí)序問(wèn)題都可能涵蓋在內。

　　“業(yè)界已經(jīng)開(kāi)展了預測性維護工作，”UltraSoC首席執行官Rupert Baines表示。 “像恩智浦、意法半導體、英飛凌和英特爾這樣的芯片公司正在片上編寫(xiě)復雜的代碼，像博世和德?tīng)柛＿@樣的汽車(chē)電子零部件公司正在分層開(kāi)發(fā)更多的軟件。他們需要驗證、認證和分析，以便在芯片公司的保障之外再添加一層防火墻。如果有一個(gè)bug，你肯定想要捕獲它并確保它不會(huì )導致問(wèn)題。如果系統被黑客入侵，您肯定想得到通知和提醒。但是你需要在芯片運行的同時(shí)檢測出bug、黑客攻擊和安全問(wèn)題?！?/p>

　　通常情況下，智能手機或服務(wù)器中的這些問(wèn)題都會(huì )在若干年內通過(guò)包括軟件更新在內的諸多方法得到解決，自動(dòng)駕駛汽車(chē)也可能復制這種路徑。不過(guò)，目前整個(gè)汽車(chē)行業(yè)正在全力以赴追趕或超越特斯拉，唯一的超車(chē)方式就是使用電子產(chǎn)品。

　　“可靠性的典型學(xué)習周期是一年兩次，”P(pán)DF Solutions新產(chǎn)品和解決方案副總裁Klaus Schuegraf說(shuō)。 “首先，你需要制造出來(lái)產(chǎn)品，這需要兩到四個(gè)月的時(shí)間，然后封裝它，給它燒錄軟件，這又需要一個(gè)季度。所以，從開(kāi)始制造到燒錄軟件需要歷時(shí)半年，你每年大約會(huì )經(jīng)歷兩次學(xué)習周期。這是將這些高性能、高可靠性技術(shù)推向市場(chǎng)以實(shí)現高性能計算的一部分挑戰。你可能會(huì )遇到一兩個(gè)ppm故障率問(wèn)題，使得無(wú)法提供和先前節點(diǎn)一樣的質(zhì)量。這些故障都延長(cháng)了處理時(shí)間，當然，發(fā)現這些難題并定位它們也需要時(shí)間?！?/p>

　　生產(chǎn)中的變化也是導致可能出錯的一個(gè)原因。

　　“你當然可以保證生產(chǎn)質(zhì)量，但實(shí)現起來(lái)非常困難，”聯(lián)華電子營(yíng)銷(xiāo)總監John Chen說(shuō)。 “和8英寸晶圓相比，12英寸晶圓將在中心提供更好的均勻性，但在晶圓邊緣比8英寸晶圓更加難以保持均勻性。所以你可以改回200mm晶圓，以降低故障率并最大限度地減少產(chǎn)品變化。問(wèn)題在于你不一定知道如何將其用于汽車(chē)行業(yè)，有時(shí)你必須在工藝上向后退一步而不是轉向最先進(jìn)的節點(diǎn)?！?/p>

　　所有人都在關(guān)注AI

　　在輔助駕駛和自主駕駛汽車(chē)領(lǐng)域，最受關(guān)注的一個(gè)熱點(diǎn)是如何讓汽車(chē)通過(guò)意料之中和意料之外的障礙，適應不斷變化的道路狀況，滿(mǎn)足不同的交通規則。由于汽車(chē)行業(yè)的設計周期較長(cháng)，為了避免過(guò)時(shí)，汽車(chē)制造商現在正在研究7nm AI芯片。此外，他們還在考量各種封裝方案，比如多芯片模塊以及22，18，12nm的FD-SOI。他們正在權衡需要把多少邏輯集中到一起，為了盡量避免數據傳輸，可以在更接近傳感器的位置進(jìn)行多少處理。

　　無(wú)論采用什么樣的方法，都有許多變量和移動(dòng)部件使得很難收集到足夠的數據。

　　“你認為車(chē)內的人工智能器件溫度都得到了良好控制，”三星代工營(yíng)銷(xiāo)高級總監Bob Stear表示?！暗?，更多的智能應該在終端節點(diǎn)上實(shí)現。我們現在正在對汽車(chē)進(jìn)行特征化，現在面向汽車(chē)芯片有28nm和18nm FD-SOI，和‘1級合格’的14nm，預計到今年年底還會(huì )提供7nm?！?/p>

　　工藝只是控制溫度的一個(gè)手段。其它因素還包括內存，溫度也和這些芯片的封裝形式有關(guān)，封裝對溫度的影響可能會(huì )成為一個(gè)獨立的問(wèn)題。

　　格羅方德產(chǎn)品線(xiàn)管理高級主管Jamie Schaeffer表示：“我們已經(jīng)發(fā)現，當你在一個(gè)MCU上堆疊NVM時(shí)，封裝的接口會(huì )在高溫下失效。這里的關(guān)鍵要求之一是存儲器和嵌入式MRAM必須能夠承受150°C的結溫，這個(gè)溫度滿(mǎn)足汽車(chē)級別1?！?汽車(chē)級別0需要在175°C下認證。)

　　現在的問(wèn)題是，用于自動(dòng)駕駛汽車(chē)的AI芯片并沒(méi)有唯一的最佳架構或制造方案，也沒(méi)有公認的將傳感器封裝在一起，或者確定哪些數據該在哪里的最佳方法。而且，關(guān)于哪里才是汽車(chē)邊緣，每個(gè)架構之間以及每個(gè)制造商之間也沒(méi)有統一的概念。

　　還缺少什么?

　　那么，汽車(chē)OEM和半導體制造商這兩個(gè)世界該如何充分鏈接?一種方法是交叉教育，不論需要耗費多少時(shí)間，這種方法都是必須的。

　　Coventor首席技術(shù)官David Fried說(shuō)，“大概30多年前，我們經(jīng)歷了一次演變，當時(shí)可不是現在這種無(wú)晶圓廠(chǎng)的情況。那時(shí)候，每家公司都制造自己設計的產(chǎn)品，然后我們變革了半導體行業(yè)，走向無(wú)晶圓廠(chǎng)和代工廠(chǎng)模式。一切都朝著(zhù)不同的方向發(fā)展了。無(wú)晶圓廠(chǎng)的人說(shuō)，他們甚至都不想知道晶圓廠(chǎng)到底是怎么樣制造他們設計的芯片的?！阒恍枰o我設計規則，我設計好它，就應該有較高的良率，如果做不到，那就是你們晶圓廠(chǎng)的問(wèn)題?！墒乾F在情況變得更加復雜了，無(wú)晶圓廠(chǎng)和代工廠(chǎng)的邊界越來(lái)越小了?，F在無(wú)晶圓廠(chǎng)的人必須了解晶圓廠(chǎng)中發(fā)生的許多事情，他們已經(jīng)接受了這一點(diǎn)而且希望這么做。從某種程度上來(lái)說(shuō)，半導體行業(yè)正以這種方式重新聚合在一起。當然，這些無(wú)晶圓廠(chǎng)公司購買(mǎi)或建造晶圓廠(chǎng)的情況未必出現，但是他們已經(jīng)開(kāi)始走到了一起。有些硅片生產(chǎn)專(zhuān)家現在在無(wú)晶圓廠(chǎng)設計公司工作，因為無(wú)晶圓廠(chǎng)公司必須知道芯片是怎樣制造出來(lái)的，才會(huì )拿出更好的設計，讓他們的產(chǎn)品更好地發(fā)揮作用?！?/p>

　　Fried并不是唯一看到這種趨勢的人。事實(shí)上，從設計前端到后端制造，人們都慢慢達成了共識。

　　“這畢竟是兩個(gè)不同的專(zhuān)業(yè)知識領(lǐng)域，”Synopsys汽車(chē)戰略副總裁Burkhard Huhnke表示?！皬谋举|(zhì)上來(lái)說(shuō)，汽車(chē)仍然是以機械科學(xué)為主導的行業(yè)。但是現在，突然一切都電動(dòng)化了，你需要逆變器、IGBT等高壓元件，你需要模擬一切瞬態(tài)特性，這些東西可能是汽車(chē)公司未來(lái)的核心競爭力。不過(guò)現在，這種變化才剛剛開(kāi)始，智能手機行業(yè)和其它臨近行業(yè)的許多新人正在進(jìn)入汽車(chē)領(lǐng)域?！?/p>

　　不過(guò)，我們需要以不同于半導體行業(yè)的方式看待從設計到制造整個(gè)鏈條的汽車(chē)供應鏈。

　　“汽車(chē)行業(yè)之前遵循的是一種瀑布模型，”弗勞恩霍夫自適應系統部工程設計方法部門(mén)主管Roland Jancke說(shuō)?！捌?chē)制造商會(huì )向博世或者海拉這樣的一級供應商提供技術(shù)規格，這些一級供應商設計并生產(chǎn)安全氣囊或電機控制系統這些汽車(chē)上的系統。一級供應商選擇二級供應商，比如哪個(gè)提供芯片，那么提供阻容等。每一級供應商都會(huì )把技術(shù)規格提供給下一級，決定如何劃分系統，并給子系統提供更深一層的規范。但是現在這個(gè)模型不再奏效了，因為它傳導得太慢了，而且鏈條上給出的信息確實(shí)不夠。這個(gè)傳導鏈條太長(cháng)，有些信息也沒(méi)有反饋上來(lái)。因此，汽車(chē)制造商并不完全了解他們當他們想了解汽車(chē)中的某些技術(shù)時(shí)會(huì )得到哪些信息?！?/p>

　　另一方面，汽車(chē)公司需要了解模擬時(shí)數據是怎么使用的，需要依賴(lài)使得半導體行業(yè)蓬勃發(fā)展的各種數據。

　　ANSYS的首席技術(shù)專(zhuān)家JoaoGeada說(shuō)：“當有現實(shí)世界的數據時(shí)，并非所有數據都是被模擬出來(lái)的。還有一些來(lái)自強制老化的數據，強制老化是指將芯片/設計處于極端條件(高溫、高電壓、快速工藝角)下測試，并延長(cháng)時(shí)間以最大化老化效應。它們提供了一些驗證模擬數據的真實(shí)數據。我們(EDA)在模擬方面做得非常好，非常準確。一旦有一些數據點(diǎn)能夠確認模擬結果可以匹配上觀(guān)測結果，人們就會(huì )相信模擬的力量?！?/p>

　　然而，這些對汽車(chē)行業(yè)來(lái)說(shuō)都是新課題，而且在某些領(lǐng)域并不存在和所有這些電子系統相關(guān)的標準。

　　“是有一些標準，如JEDEC標準、ISA規范、IEEE標準，”Fraunhofer的Jancke說(shuō)?！暗渲幸恍┦窃?0年前確定的。在功能安全域中，您需要為這些標準設置組件的故障率。但是這些供應商提供的故障率來(lái)自大約30年前建立起來(lái)的表格，因此它們不再有效或不再有意義了。這些標準需要進(jìn)行改進(jìn)，以適應我們現在的技術(shù)?！?/p>

　　結論

　　上面這些方法最終如何融合到一起，現在還很難判斷。不過(guò)它們足夠讓車(chē)輛中很多功能電動(dòng)化，更不用說(shuō)讓它們在可接受的參數范圍內運行了。數據將是決定這種進(jìn)展的關(guān)鍵要素，但是進(jìn)展速度有多快，向哪個(gè)方向發(fā)展目前還不完全清楚。

　　“幾十年來(lái)，汽車(chē)行業(yè)一直在獲取IC的可靠性數據，”西門(mén)子子公司Mentor總裁兼首席執行官Wally Rhines表示?！暗呛盖?、凸塊以及其他類(lèi)型的制造數據仍然相當有限，因為出貨單位和包含先進(jìn)封裝的設計仍然很少。工業(yè)和制造業(yè)需要足夠的數據點(diǎn)來(lái)保證質(zhì)量和可靠性，但他們需要的數據量可能與過(guò)去不同。我們仍處于對所有這些數據進(jìn)行分類(lèi)的階段?！?/p>

　　這個(gè)階段何時(shí)完成，所有這些不同世界整合起來(lái)后會(huì )是什么樣子，這些答案依然只能存在于人們的猜測中。