校对 / 马晓蕾
撰稿 / 吴 静
结构设计 / 赵昊然
/ Autonews，译者：Richard Walsh
二十年前，就没人说“电动汽车已经开始正式成为两个轮轴上的智能机”。那时，电动汽车造成的统计信息量前所未有，“轮轴上的伺服器”这个讲法可能更最合适。数据服务电动汽车和自动驾车电动汽车愈来愈多，它须要非常大的实时处置潜能。
但与智能机相同的是，这些统计数据的绝大部分须要在电动汽车中采用和处置。因此，电动汽车生产商已经开始找寻边沿排序构架，将统计数据采集、掌控和存储在后备箱。
考虑到这一点儿，我们可以开始把电动汽车想像成两个“轮轴上的边沿数据服务网系统。”
什么是边沿数据服务网系统？这是一种在数据服务网边沿侧布署的新式基础建设，坐落于采用者端和网络化的云数据服务网系统间，提供更多模组化、分布式系统、切合用户的数据服务网系统自然环境。
在边沿排序商业模式下，为的是增加数据服务网数据传输和多层转贴造成的频宽与数据传输速率耗损，两个有效率的形式就是尽量紧邻采用者的数据服务网边沿侧构筑销售业务网络平台，更为方便快捷统计数据的处置。
为何电动汽车生产商婉拒云而优先选择边沿统计数据中心？
驾车有关的一些特定不利因素意味著将统计数据传输到用户端是毫无意义的，即使很脆弱。边沿数据服务网系统在圆心处置时间脆弱的统计数据，能更慢地转给须要它的终端机。
首先要避免延时。一辆自动驾车电动汽车每秒造成大约1GB的数据，只是去一趟附近的小卖店须要处置和返回的信息量就非常庞大。
当然，自动驾车电动汽车正式成为常态的时代还没有到来。但是，即使对于普通的联网电动汽车来说，当它须要做出关键的决定时，将统计数据传输到其他地方是行不通的，两个小小的延迟可能会让你堵在路上，或者在高速公路上就耗尽了电池的电量。
而当涉及到自动驾车电动汽车时，路上的延迟通常是生死攸关的。
将所有的统计数据发送到用户端也须要非常大的成本。电动汽车上的边沿数据服务网系统可能相对便宜，因为它们的布署成本更低，而且已经有现成的基础建设。
尽管如此，云仍然可以发挥作用。对时效要求不高的统计数据可以被输送到用户端，以便日后处置和分析。通过这种形式，边沿数据服务网系统提供更多了两个有效率的混合解决方案，以应对车联网和最终自动驾车电动汽车将带来的重大延迟和成本挑战。
智能电动汽车愈来愈多，对处置器的须要愈来愈强大。L2自动驾车须要2个TOPS的算力，L3须要24个，L4须要320个，L5自动驾车则须要4000多个。
再加上电动车动力系统的额外要求，每一毫瓦的电力都须要优化以节省能源，对统计数据处置的要求就会进一步膨胀。
在相同的应用场景下，也有须要用相同形式处置的统计数据。沉浸式车载信息娱乐系统须要快如闪电的性能。高级驾车辅助系统（ADAS）须要能识别一系列道路状况的传感器。随着5G数据服务网的普及，将须要新的解决方案来充分利用整体提高的数据服务情况。
可用于预测行人“鬼探头”的雷达等技术也有相同的处置要求。为的是在本地进行处置，所有这些都须要缩减到单个SoC（片上系统）。
然后，单个芯片须要能应对移动中的车辆内的所有挑战，没有任何出错的空间。因此，在电动汽车应用的芯片结构设计和制造的发展中，可靠性、安全性和防缺陷结构设计是最重要的。
在芯片制造的各个阶段，从工艺技术和内存结构设计一直到最终测试，都必须考虑到所有这些不利因素，以确保创建正确的解决方案组合，为那时和未来的联网电动汽车提供更多动力。
本文由电动汽车商业评论原创出品
转载或内容合作请联系说明
违规转载必究
