艾迈斯欧司朗大中华区及亚太区汽车应用技术总监白燕恭提到，汽车的前、后静态信号灯、环境光、雨量传感器等光传感器、内饰功能照明等这些传统的、成熟的应用，已经是艾迈斯欧司朗深耕多年的领域，而智能化的汽车光、感应用则是该公司目前聚焦的重点，智能表面就是其中之一。智能表面这种隐藏式的电子按键，推动了汽车设计的创新。相对传统，电子按键的成本要低，而且可以在一个电子屏上实现非常多的按键功能，通过后期的OTA升级等手段，可以实现按键的灵活自定义。智能表面还有助于减轻汽车的重量，以节省电能并增加续航时间。 然而，智能表面的实现并非易事。它需要配合多种传感器和硬件设备，来实现按键的唤醒、检测和反馈等一系列动作。例如，为了实现按键的唤醒，需要配合照明设备来实现按键区域的亮起；同时，还需要传感设备来检测按键的动作和位置；最后，还需要反馈设备来告知用户按键操作已经完成。所有这些功能都需要集成在一个小小的空间内，如何将多种功能集成在一起并保证其正常工作，如何实现快速响应和反馈等，这些问题对于设计和制造都提出了非常高的要求。
：智能表面系统的实现涉及多种复杂的控制 一套智能表面的系统，包含了三个核心的部分：光源、传感和连接。白燕恭表示，从光源来看，其种类和数量都在不断增加，目前一些新型汽车的一侧氛围灯就可能有80颗甚至180颗LED灯，而未来这个数字可能会翻倍，甚至达到1000颗。随着数量的增加，如何灵活、系统地调节这些灯，就需要复杂的系统设计和优化。
图：通过OSP总线连接，整个系统端只需一个MCU，大大降低了系统复杂性由于内置了驱动和温度传感器，用户可以在出厂时自定义想要的色点，或者不同亮度条件下的所有温度补偿信参数信息，使用时，只需要通过OSP总线读取相应的参数，对相应的灯做补偿即可。合见工软：支撑芯片发展新态势 助力国产EDA新生态
上海合见工软副总裁孙晓阳上海合见工软副总裁孙晓阳指出，2016年到2025年，全球数据量将达到163 Zettabytes, 云计算、人工智能、自动驾驶、5G通信、工业物联网、大数据等推动着数字经济的发展，也带动了高端芯片需求不断走高。高速发展的智能设备（平板、无人机、智能手机等）将在2030年达到6.9万亿美元的市场规模。2011年，整个半导体产业的制造工艺集中在28nm，成本达到历史低点。随着工艺技术的进步，半导体制造成本却开始猛涨。以EDA中的验证工具为例，在14纳米制程的时代，流片一次的费用大约需要 300 万美元。而到了 7 纳米，流片费用则要高达 3000 万美元。为了降低研发成本，提升流片的成功率，就需要通过在EDA软件上进行验证。EDA工具是高端芯片设计必不可少的环节，而验证EDA工具更是重中之重。孙晓阳表示，芯片工艺已经从65纳米演进到5纳米、3纳米，芯片设计的要求是高集成度、低功耗，在这种过程当中，验证占比不断提高。合见工软确立了以EDA为核心的工业软件战略，立足EDA验证领域，覆盖仿真验证、硬件加速、原型、虚拟原型、形式验证、时序分析等环节。
根据国际半导体产业协会SEMI的数据显示，2022年全球EDA销售额达到87.68亿美元，同比增长12.2%，其中中国大陆EDA销售额达到11.65亿美元，同比增长19.2%，占全球市场13.3%。然而，在国内EDA市场上，国际三大家新思科技、Cadence、西门子还把持了80%的市场份额，国产EDA企业也在蓬勃发展。2021年3月，合见工软成立，注册资本达到32亿元，短短2年半时间员工已经扩展到1000人，这家公司坚持了以自研为主，同时结合部分投资并购的策略作为补充，增加公司整体产品线的竞争力。10年前，国内开始大量使用硬件仿真加速器，可以看作EDA工具用一个硬件系统，去仿真客户的设计。硬件仿真在速度和容量上都较软件仿真有所提升。传统上原型验证系统，就是在芯片之前把设计的一部分放到FPGA上面，它可以跑得很快。所以传统Emulator的容量是最大的，原型验证相对差一些，但一般来说原型验证可以跑得更快。但随着软件的发展，原型验证和硬件仿真开始出现融合，界限越来越不那么清晰了。我们把它统称为硬件加速或者硬件的原型系统。在这样大的系统上面，客户就有机会和有可能把一颗芯片全部放到硬件上去做验证，并且可以跟外界所有的接口对接，去仿真和验证一个真实的场景。在这样一个系统里面，客户可以跑真实的软件变成有可能。
合见工软推出了拳头产品验证平台UV APS，为业界最领先的FPGA原型验证系统之一，这一工具集成了自研APS编译软件，可自动快速实现4—100颗VU19P FPGA级联，支持大容量开发。这款工具从容量和性能两个角度来解决客户的痛点问题。“我们目前可以实现100颗VU19P FPGA级联，这是Xilinx最成熟的最大的一颗芯片。我们目前在客户的实际部署已经到了160颗。四颗FPGA是10亿门，所以大概是40亿门的规模。”孙晓阳强调说，“二是很强的分割，可支持x10MHz 10亿门以上设计快速实现，并可自动化进行时序驱动分割，实现了更高性能；三是实现了更快速地设计移植和设计启动，支持多端口存储，多维数组、跨模块引用。”
为进一步助力客户加快上市，孙晓阳还指出，合见工软还提供全新Hybrid软硬件协同验证平台，利用虚拟原型和FPGA原型验证系统的优势，在项目早期就可为用户提供一个软件开发调试以及IP子系统软硬件协同验证的环境，从而加速软硬件验证的收敛。据悉，合见工软的产品线覆盖多个领域。一、芯片级EDA，覆盖数字仿真、调试、验证效率提升、原型验证、虚拟原型、形式验证，主要解决与日俱增的复杂的数字验证全流程问题。二、系统级EDA，如封装设计、2.5D&3D先进封装协同设计电子设计数据和流程管理等，旨在构建商用级电子系统设计环境。“除了工具以外，现在的芯片大量使用了IP，这是一个典型的SoC，中间会有ISP、NPU、GPU、CPU等等。还有外围各种高速接口、低速接口、存储、Memory等等，构成一颗典型的SOC。从合见角度来讲，工具是一方面，另一方面是IP。” 孙晓阳表示，“合见工软今年5月份成功收购的北京诺芮集成电路公司，这家公司的强项是涵盖高速的以太网控制器IP，整个研发技术团队有着非常资深的设计背景，这是IP产品线的战略布局之一。”今年6月26日，上海合见工软与北京华大九天科技联合宣布，将携手共建数模混合设计与仿真EDA联合解决方案。“我们基于自主知识产权的商用级别高效数字验证仿真解决方案UniVista Simulator(UVS),以及华大九天自主知识产权的高速高精度并行晶体管级电路仿真工具ALPS，打造完整的数模混合设计仿真方案，助力中国芯片设计企业解决数模混合仿真的挑战。” 孙晓阳表示。最后，孙晓阳强调，合见工软在EDA产业从芯片、系统到应用层次的愿景是我们希望能够招聘、培养更多的人才，特别是从海外归来和国内的专业人才，一起来打造国内的EDA解决方案。 博世Bosch：嵌入式AI与MEMS传感器塑造未来 开启全新视野
博世集团于1886年成立，由罗伯特·博世先生创立，发展到今天已有137年的历史，主要涉及四大业务领域：第一，也是最大的一块是汽车和智能交通领域；第二是工业技术领域；第三是能源与建筑技术领域；第四是消费品领域。Bosch Sensortec GmbH的高级现场应用工程师皇甫杰介绍道。
Bosch Sensortec GmbH的高级现场应用工程师皇甫杰
博世是汽车半导体巨头，汽车里面的各种零部件，包括底盘系统等大量用到博世的模块或者传感器。博世半导体隶属于博世汽车的市场领域，包括四大产品模块：一是功率器件（主要是车规的功率器件），包括碳化硅芯片；二是ASICs芯片（也属于车规产品）；三是车规半导体、车规MEMS传感器，涉及到加速器、陀螺仪、其他传感器等； 到今天为止，MEMS传感器产品出货量已突破180亿颗。
博世半导体MEMS传感器发展的关键节点
博世的MEMS传感器发展始于汽车，然后拓展到消费领域，继而到现在的IoT领域。万物互联离不开传感器对物理信号的感知，MEMS传感器让IoT设备变得更加智能。
如今，MEMS传感器已经渗透到生活的方方面面，在楼宇里面，可以通过传感器检测停车位，也可以做室内的导航。
另外，在工厂端有一些设备的追踪，还有AR眼镜的应用，都为我们的工厂生产和研发提供了更便捷高效的设备。
最后，在消费类的应用方面，可以用传感器计算更精确的卡路里，另外还有手机拍照防抖功能，以及用于手机或穿戴设备记录步数，这是基于加速度传感器实现的。
皇甫杰介绍道，发展至今的传感器可以集成更多的算法和软件的功能，做定制化的配置，实现更多的功能。边缘AI算法也可以集成到小小的传感器产品里面去，传感器这个单一的硬件逐渐承载了更多的任务，做更智能的场景应用。
Bosch Sensortec的边缘AI算法是集成到传感器本体里面，因为传感器只要集成一个超低功耗的处理器，就可以实现这个功能。将AI算法集成到硬件内部的好处有以下几点：一是可以定制化器件端，让传感器适应到每一个独立的用户；二是传感器的数据只存在设备本身，甚至传感器内部，不需要上传到云端，这样可以保证用户数据的安全性；三是可以实时响应，因为无需将数据上传云端，再反馈到设备端，所以它的响应速度会更快；四是进一步地减少设备的功耗，来延长电池的使用寿命或者电池的续航时间。
以最新的BHI380传感器为例来说，它紧凑的尺寸方便集成到各种各样的消费类电子产品里面，而且BHI380功耗非常低，在做数据融合的时候，可以保证功耗在微安级别，另外，在出厂的时候集成了一些基本功能和AI算法，用户也可以很方便地进行二次开发。
接着，皇甫杰列举了BHI380智能传感器几个典型的应用场景：第一个是在TWS耳机里面最常见的3D音效，它的原理是检测用户头部在转动的时候对应的音效场景，这是基于陀螺仪检测头部转动角度实现的；第二个是手势识别或者动作识别，比如走路、骑车、跑步时，或者坐汽车、高铁、飞机等交通工具时，这些场景都可以通过传感器的数据做一个大数据融合之后来识别；第三个应用是比较常见人机交互；第四个是PDR步行导航，现在基本上人手一个智能手表或智能手机，可以基于这个ACC和陀螺仪的数据，再结合算法去做运动轨迹的记录，这个记录不需要GPS的参与，包括在室内，可以结合商场内部地图做路径规划；最后就是AI健身相关的记录，比如健身动作的追踪，包括游泳姿态的算法，BHI380智能传感器集成了AI的运动监测相关算法在里面，在使用时，设备可以自动检测用户当前动作以及做了多少次，不需要任何干预，除了器件内嵌的十几个健身动作之外，用户也可以定义新的健身动作，这就是AI的典型学习能力。例如用户做哑铃的举握，这个动作的算法器件本身是不具备的，用户可以触发学习模式，然后重复做动作大概3~5次，让传感器识别到动作特征，捕捉到动作特征之后，器件快速建立出用户特征的模型，直接生成到传感器里面并保存起来，下次用户再做相同动作时就可以直接识别出这是自定义的新动作，并记录用户做的次数（如下图）。值得一提的是，HI380智能传感器的功耗比上一代产品降低了54%，因此很适用于可穿戴设备。
接下来介绍一颗最新的环境类传感器——BME 688四合一的传感器，也是目前世界上最小的四合一传感器，集成了温度、气压、湿度、气体检测功能。基于这颗传感器，可以给用户提供一个微环境的监测，甚至可以做一些微环境的天气预报预估，以及配合智能家居的联动等。
举例如说，用BME688可以检测不同的气体，比如用户想要检测某一种咖啡的气味，可以用BME688传感器去采集目标气体的信号，之后，基于采集到的目标气体的传感器信号，用PC端对应的简化工具去做一个数据特征的捕捉，在捕捉到数据特征之后，结合工具生成一个数据模型集成到用户自定义的算法里面。
VOC气体应用的领域就特别广了，比如用于森林野火的检测、对人体有害的气体检测、婴儿纸尿片的检测、冰箱食物新鲜程度的检测，还有室外空气指数的检测等等。
BME688的工作原理是通过传感器内部去加热金属氧化物，来跟目标气体发生还原反应。通过采集多个温度点对应的还原反应的电阻值，对特征做捕捉之后做区分。比如有三种挥发性气体，传感器捕捉到不同的特征，通过不同的温度点的电阻值建立模型。
接下来，皇甫杰介绍了一款最新的气压传感器——BMP581。
BMP581气压计在耳戴产品或者穿戴产品里面有一些典型的场景，比如用户在佩戴智能耳机做俯卧撑的时候，BMP581气压计可以通过检测用户俯和撑的高度变化，来识别用户做了多少次俯卧撑。做引体向上的时候也是同样的道理，BMP581气压计可以检测到用户在向上拉伸和双臂完全放直的高度差，快速识别用户的拉伸动作次数。其他涉及到气压计的应用案例也非常多，例如配合GPS做高度的识别，还有卡路里计算和跌倒检测，以及扫地机器人里面的堵塞检测等。
本次论坛，Bosch Sensortec Gmbh可编程人工智能传感器BHI380获得了“2023年度硬科技产业纵横奖”“E”马当先新品奖，并在研讨会现场颁发了奖牌 。
在未来的发展方向上，博世半导体将持续扩大AI生态圈，作为行业技术引领者，博世半导体从未停止创新的脚步。
*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。
发布文章
