從一般的汽車到智慧車輛或是所謂的連網汽車，再到結合許多使用者、半導體業者與車廠…等期待的「偉大願景」——自動駕駛車，都是為了要不斷、不斷地提升行車安全。因此，集各種先進、新興技術大成的自動駕駛車也就成為大家爭相討論的重點。許多大廠已開始打造自駕車，並進行路測，希望政府單位可以開放法規…等，這些努力都是為了能夠盡快實現「真正」的自駕車。

然而，在科技日新月異的現在，你也許會認為過去許多的不可能都因為科技的進步而變成現實，那麼為何自駕車願景，看似近，但實際上卻無法馬上落地？甚至業者反而在走回頭路？在汽車相關應用成為半導體電子領域的救贖時，許多相關人士應該都想了解，自駕車究竟該如何變成現實？「Tech Taipei車聯網應用與技術研討會暨圓桌論壇」與會的專家們，給了答案。

自駕車是未來 ADAS是進行式
自駕車成為眾所注目的焦點是因為，被預期可以大幅降低交通事故的發生。意法半導體(STMicroelectronics)汽車產品事業部技術行銷經理王建田表示，歸結人們需要自駕車的原因主要包括現今「馬路三寶趴趴走」，引發許多交通事故，造成人員傷亡，自駕車可提升道路駕駛安全；再者，全球經濟不斷發展的同時，城市越來越密集，車輛使用者越來越多，導致塞車已成為家常便飯，停車位更是一位難求。更重要的是，車輛行駛在路上所排放的二氧化碳，會造成嚴重的空氣汙染。而這些問題，自駕車都可以解決，還可能進一步降低每人所持有的車輛數目。

雖然自駕車對人們的生活有那麼多好處，但觀察今年消費性電子展(CES)，車廠與處理器業者似乎收斂「衝」往自駕車最高安全等級(Level 5)的腳步，而宣佈要好好強化現有的先進駕駛輔助系統(ADAS)。王建田認為，自駕車確實有其必要性，但在許多號稱具備自駕功能的車款，發生「不應該」發生的事故之後，作為實現自駕車重要基礎之一的ADAS，則被相關業者認為需要更上一層樓，才能為未來的自駕車打下更好的根基。

有鑑於此，各家業者似乎已有共識，首先發展國際自動機工程師學會(SAE International)定義的自駕車等級分類的Level 1及2，再透過結合現有及未來先進技術邁入Level 4和5，實現真正的自駕車。

由於要更專注於ADAS的研發，打造更升級的ADAS，業者們也提出了SAE Level 2+概念。亦即在現有的Level 1及2中提及的ADAS功能之外，再加入更多高階功能。值得注意的是，SAE Level 3由於需要駕駛在緊急狀況時介入，但考量人類在遭遇危險或緊急狀態時，反應較慢，因此相關業者們也有志一同選擇跳過此階段。Nvidia亞太區技術行銷總監嚴永信表示，Level 3需要人類介入，導致此等級功能難以實現，因此相關廠商都先忽略這一塊，直接朝Level 4和5發展。

大腦如何取信於人？
自動駕駛車不單單只是會動的機器，它必須精準判斷路況，做出最佳的反應，以達到其追求的最高駕駛安全目標。嚴永信認為，要實現自駕車，最重要的是要讓自駕車擁有大腦，也就是人工智慧(AI)與深度學習。但他也強調，一輛自駕車中不是只需一套AI或深度學習系統即可，這是由於即使是人腦，在開車時需要注意非常多狀況，更何況電腦與人腦所看的或是所感受的「訊息」大不相同，如何讓自駕車的系統「了解周遭發生的事，以及其所在位置」，光透過一套AI系統無法辦到。就Nvidia測試，這需要最少8套AI與機器學習系統才能提供自駕車所需的上述訊息。

不僅如此，自駕車需要透過感測器「變得」跟人類駕駛一樣可隨時注意行車時的周遭環境，而數量龐大的感測器在運作時，精準度如何進一步提升，自駕車系統如何去處理、測試一些不常見的突發狀況，都是目前自駕車遇到的瓶頸。這就需要讓AI系統進行學習，這也衍生另一個問題，某些非常少見的狀況，人類駕駛可能終其一生都遇不到，也無法刻意「營造」真實的狀況讓自駕車系統學習，因此相關業者會透過收集大量不同路況、氣候…等數據讓自駕車系統進行模擬，最終是希望能夠讓自駕車AI系統可以預測車況、周邊狀況，並快速做出反應及判斷，避免「撞到」其他車輛或物體。

除了對外行駛環境的認知，自駕車的AI系統也需要注意車內的情況，包括駕駛人、乘客…等。無論車內或車外的AI系統，許多人都會對是否能信任自駕車的AI系統抱持懷疑，因此該如何讓自駕車的「大腦們」能夠被所有人信任，這些是相關業者需要戮力思考的問題。

嚴永信指出，根據統計，全球所有車輛一年累積的里程數上看兆公里，自駕車AI系統無法真正上路跑那麼長的距離收集各種可學習的資料，因此包括Nvidia，各家業者皆利用大量模擬讓AI系統可以盡量學習各種真實駕駛狀況，以做出最佳的判斷。此外，自駕車中內建多套AI系統，除了可以提高運算精準度之外，各系統間也可互相合作，或是在有某個AI系統失效時，作為備援。

人腦在解決各種狀況時，會搜尋跟事件相關的記憶跟過往經驗，做出判斷，而自駕車的大腦也是如此，因此自駕車大腦也就是AI及機器學習系統，需要夠大的記憶體，存放各種關鍵資料，以供自駕車大腦進行判斷或將學習的內容「記」起來。

華邦電子快閃記憶體產品企劃技術副理于緯良表示，車用儲存方案需求包括品質/穩定度、成本、容量、速度…等，傳統上車輛內部使用的NOR與NAND Flash，前者雖然有較佳的可靠度，但礙於成本考量，大多使用容量較低的方案儲存一些程式碼；而後者因為有出現壞塊的問題，因此需要被管理，皆不符合自駕車應用的需求。

自駕車大腦也就是AI及機器學習系統要處理的資訊量、要學習並記憶的訊息相對較多，因此車用儲存方案除了上述需求外，得具備更快讀寫速度、更高的容量，以及更加的穩定性，才能滿足自駕車大腦所需。因此串列式NAND已成大勢所趨。于緯良指出，從讀寫速度、品質、成本…等方面來看。NAND不僅在成本上比NOR具備較多優勢，在其他方面也逐漸能夠與NOR媲美，加上NOR Flash製程已達物理極限，勢必將限制其未來發展。

自駕車透過各種感測器得知周遭環境是否有「障礙物」以避免碰撞。相關感測器業者也開發了具備各種特性的感測器，包括短中長程雷射感測器、光達(Lidar)、紅外線、飛行時間(ToF)…等，以期可為自駕車裝上「眼睛」。德州儀器(TI)半導體行銷與應用嵌入式系統經理王盈傑表示，現今被安裝到車輛中的感測器存在一些問題，包括易受環境影響準確度或造成誤判、頻寬決定感測距離、無法同時偵測距離及長度…等，而毫米波雷達不僅不受天雨等環境影響，還可同時偵測角度與距離，加上頻寬範圍在76GHz~81GHz，因此可提升訊號解析度，獲得較佳的準確度。

毫米波雷達感測器應用範圍包括，車內監測、自動跟車、自動煞車、車道偏移警示、盲點偵測、遠方車輛動態、自動停車…等。王盈傑指出，毫米波雷達可使用於不同偵測距離的應用環境中，還能夠進一步降低感測器使用數量。舉例來說，要讓車輛擁有最大視野以便於執行自動停車功能，需要安裝的超音波感測器可能達20顆之譜，但毫米波雷達透過封裝技術即可以大幅降低安裝數量。因此，在未來需要內建更大量感測器的自動駕駛車，毫米波雷達感測器將可望成為「明日之星」。

對內對外需通訊技術奧援
要實現自動駕駛車，除了大腦、眼睛之外，自駕車也需與周邊各種裝置進行溝通(V2X)，包括車對基礎建設(V2I)、車對人(V2P)、車對車(V2V)、車對網路(V2N)等，這時就需要通訊技術的支援才能做到。是德科技(Keysight Technologies)專案經理梁晉源指出，針對車輛對外通訊技術目前IEEE與3GPP皆提出各自的標準——專用短距離通訊技術(DSRC)及蜂巢式車聯網(C-V2X)。

DSRC基於IEEE 802.11p標準，由Wi-Fi 802.11a演進而來，1999年即誕生。雖然通訊距離較短，但若是在行動通訊基地台加裝Wi-Fi模組後，DSRC也可以讓車輛具備V2N功能，目前以歐洲為主要推動地區。而C-V2X則是基於3GPP Release 14(LTE-Advanced Pro)規範，是專為要求低延遲直接通訊的自駕車所設計，可涵蓋V2X各種應用所需，以積極發展蜂巢式通訊技術的美國、日韓與中國，以及5G汽車協會(5GAA)為主要推動者。未來5G通訊也將針對汽車應用設計全新改版的C-V2X技術規範。

梁晉源表示，DSRC與C-V2X技術內容大同小異，皆使用5.9GHz智慧交通系統(ITS)頻譜，也都能在沒有蜂巢網路、行動訊號的地方正常運作，唯一的差別是兩項技術背後推動的陣營，以及全球各地區或各大車廠採用的是哪一項標準。但無論哪項標準獲得青睞，仍需進行相關場測與訊號品質…等測試，才能提供最佳的車外通訊技術予現有的ADAS系統或未來的自駕車。

車外通訊技術到位後，車內通訊也需進一步提升，才能讓自駕車「內外兼修」。瑞薩電子(Renesas Electronics)車用事業部市場行銷部經理何吉哲表示，不僅車外，車內座艙也許安裝感測器、娛樂裝置…等，提升駕駛與乘客使用經驗。此時各子系統間的管理與通訊，則需仰賴處理器及車內通訊技術支援，舉例來說，車內娛樂系統、儀表板的影像處理，由於牽涉的安全性等級與所需反應時間快慢不同，就需要各別的CPU進行處理；而CPU到顯示器這一段則需透過乙太網路、MIPI等有線技術進行訊號或語音/影像資料的傳輸。

何吉哲進一步說明，自駕車需要反應速度更快、可傳輸更多資訊的通訊技術，因為有來自車內外數量龐大的感測器資訊。而車用乙太網路不但符合這些要求，新的乙太網路時效性網路(TSN)則是具備更低延遲特性，對於與安全性相關的應用，可提供良好的回應速度，加上乙太網路線纜重量相對較輕，車體重量得以獲得控制，因此車用乙太網路已成車內通訊首選。

安全重於一切
Nvidia在發展自駕車的初衷是降低事故發生機率，提升安全性，其他相關業者也有相同的出發點與願景。除了透過各種技術、半導體元件提升自駕車行車安全外，車輛功能安全(Road vehicles-Functional Safety)標準——ISO 26262也應運而生。

Maxim技術應用工程師賴奎元表示，ISO 26262標準中，以功能安全管理(Management of functional safety)、汽車產品設計開發的安全生命週期(Safety lifecycle)，以及分析定義汽車安全完整性等級(Automotive Safety Integrity Level；ASIL)為主要規範內容，目的是為了讓相關業者在汽車安全設計上有所依據。

未來，自駕車上的ECU、軟硬體的結合會更多，因此ISO 26262標準重要性也將日益顯著。賴奎元說明，ISO 26262標準所涵蓋的三個安全設計項目，皆有詳細的說明，與對照表格可使用，元件商在設計初期若是能將ISO 26262規範考量進去，車用產品相對也會有較大機率通過ISO 26262標準，並更能獲得市場信任。

事實上，ISO 26262只是汽車產業眾多標準規範之一。德凱(DEKRA)認證資深技術經理陳茂元表示，車用規範包括國際標準的法規、各國規範，甚至各大車廠也會自訂規範，且根據不同的項目，如射頻(RF)/無線技術、EMC、EMI、ESD…等，各有不同的標準，涵蓋很廣。

德凱宜特行銷室資深技術經理陳旺助則強調，各車廠為了能夠設計出具備高安全性的車款，或是未來的自駕車，也針對自身需求制訂了相關的標準，如2018年的ISO 16750，即是相當符合車廠主流需求的規範之一。業者若是要打進車廠供應鏈，一定要深入了解車廠的需求，並與第三方認證單位密切合作，讓產品從底層ACQ 100到200規範切入，再往上符合ISO 16750、ISO 26262標準。

封裝技術助力IC滿足車用需求
目前車輛中的電子元件呈現快速成長的態勢，但不是一味的將各種電子元件加到車裡，想要的功能、安全性就能到位。元件要根據不同的需求而有不同的設計與封裝，才能符合車廠、消費者的期待。日月光集團(ASE)經理林奕嘉表示，汽車半導體應用可分為四大塊，資訊娛樂系統(Infotainment)、車身電子(Body Electronics)、動力傳動(powertrain)與ADAS，其各有所需的元件特性，此時即可借助先進封裝技術進一步達成。

舉例來說，自駕車因內建多個AI系統，以及各式感測器與其他眾多電子元件，處理器本身的發熱問題、電子元件工作溫度能否符合汽車環境，以及若是採用電池作為動力系統，各種電子元件能否承受高壓，並讓元件具備一定的可靠度...等，都是元件供應商在設計時就需考慮的問題。林奕嘉認為，封裝技術也可協助元件具備更高可靠度、使用在高壓與高功率的環境，而目前內埋式封裝技術正開始受到青睞。

過去，IC封裝內部常見的方式為打線接合(wire bond；WB)，利用金屬線材連接晶片(chip)及導線架(lead frame)。但打線接合在異質晶片整合微小化方面已出現瓶頸，因此可再進一步縮小晶片尺寸與I/O訊號傳遞較佳的覆晶接合(Flip Chip)已成後起之秀，逐漸吞食打線接合封裝技術市場。

不過上述封裝技術仍不能全面滿足車用電子需求，因此從覆晶接合再衍生出更先進、以銅線作晶片內部互連引線的晶圓級晶片尺寸封裝(WLCSP)/扇出型晶圓級封裝(Fan-Out Wafer Level Packaging ; FOWLP)，以及內埋式晶片(Embedding Chip)封裝技術。

其中，內埋式封裝技術尤其適合車用環境，如ADAS等需要更高效能的應用。林奕嘉解釋，內埋式封裝技術具備微小化和設計靈活性，可提供更多空間給其他元件，也能讓現在的2D設計順利轉移至3D，實現高密度整合；再者，內埋式封裝更短的互連可減少寄生效應，並最大限度地減少失真和功率損耗，而封裝中較低的電阻和熱阻可改善功率性能；不僅如此，內埋式封裝由於是透過穩定的銅線互連，可提升晶片機械穩定性與可靠度(耐摔)。

抵達終點前 自駕車還缺少什麼？
目前有許多先進技術與元件開始進駐車輛中，從車聯網開始到進一步實現自駕車，但即使自駕車有了最好的技術元件、AI系統、實際的上路測試、安全性…等，還需要什麼？在車聯網技術圓桌論壇中，主持人EE Times首席國際特派記者吉田順子(Junko Yoshida)提出一個根本的問題——「人們準備好接受自駕車了嗎？」

20190516NT11P1車聯網技術圓桌論壇與會來賓合影。左起旺宏電子市場行銷處資深處長Anthony Le、Noodoe創辦人暨總裁王景弘、EE Times首席國際特派記者吉田順子、Microsoft物聯網亞太創新中心總經理葉怡君、Nvidia亞太區技術行銷總監嚴永信。

的確，人們的信任是一個相當大的關卡，吉田順子也提到，目前的Uber自駕車隊、或是「號稱」自駕車的車輛與想像中的自駕車有著極大的差距，加上自駕車事故頻傳，勢必影響人們對自駕車的信任度。嚴永信認為，業者必須去思考，自駕車需要達到什麼樣的安全性才夠，AI系統要做到何種程度的學習才足以應付自駕車所需？旺宏電子(Macronix)市場行銷處資深處長Anthony Le則指出，人們不是不信任自駕車硬體，而是其內建的軟體，因為目前相關的資料還不充足，無法供AI、機器學習系統「學習」，且現階段的AI系統也還沒能真正自主學習，因此關鍵是如何獲取大量有用的資料，並有效地讓自駕車各部分硬體與軟體能進一步整合及互動。

由此可見，在自駕車相關標準前，自駕車上中下游相關業者需彼此互通有無，分享資訊，才可能打造出可贏得人們的信任自駕車。然而，這也意味著自駕車仍需一段時間才能真正抵達落地的終點。(新聞來源:EET台灣)