MWC 2018
2018
Computex
IFA 2018
Британский холдинг Arm на этой неделе представил платформу Zena Compute Subsystems (CSS), которая должна позволить автопроизводителям и поставщикам автомобильной электроники создавать решения для отрасли, ориентированные на использование в транспортных системах элементов искусственного интеллекта.
Источник изображения: Arm
По логике Arm, данный этап развития автомобильных аппаратных и программных платформ идёт следом за появлением «программно определяемых транспортных средств» (SDV). Теперь понятие «software» в этом обозначении заменяется на AI, позволяя говорить о машинах, определяемых искусственным интеллектом (ADV). Платформа Zena призвана помочь в ускорении процесса разработки соответствующих подсистем для автомобильного сегмента и их взаимной интеграции.
Концепция ADV подразумевает, что системы искусственного интеллекта в сопутствующей инфраструктуре работают не только на уровне облачных вычислений, но и внутри транспортных средств. Помимо различных функций активной помощи водителю, ИИ должен улучшить взаимодействие пользователя с информационной системой, а также работу отдельных подсистем транспортного средства, связанных непосредственно с его функционированием.
По словам старшего вице-президента Arm Дипти Вачани (Dipti Vachani), которая отвечает за автомобильное направление бизнеса британского холдинга, новая платформа позволяет клиентам не только продвигать применение ИИ в различных сферах своей деятельности, но и ускорять вывод на рынок новых моделей, что в нынешних условиях очень важно. В основе платформы лежит архитектура Armv9 Automotive Enhanced, изначально учитывающая специфику автомобильного сегмента.
В своём первом поколении Zena CSS использует процессорный кластер с 16-ядерными чипами Cortex-A720AE, блок безопасности Cortex-R82AE, который работает в масштабе реального времени, а также выделенную зону безопасности с поддержкой Arm TrustZone. Кроме того, для межсистемного обмена данными используется интерфейс CMN S3AE. Комплекс проходит предварительную валидацию, позволяя клиентам Arm внедрять соответствующие решения сразу модулями и в сжатые сроки без ущерба для безопасности.
По словам представительницы Arm, платформа Zena CSS позволит существенно сократить затраты времени и человеческих ресурсов на создание новых компонентов. Разработку чипов можно будет ускорить на 12 месяцев, а количество задействованных в проекте инженеров уменьшится на 20 %. При этом платформа позволяет с лёгкостью интегрировать Arm-совместимые решения клиентов, которые они разработали самостоятельно. Помимо решений, связанных с автопилотом, это подразумевает добавление к Zena CSS более продвинутой графики или ускорителей искусственного интеллекта (NPU).
Адаптированную к нуждам конкретного автопроизводителя платформу Zena CSS в дальнейшем можно довольно просто масштабировать для применения на различных моделях. Модульность платформы позволяет быстро наращивать производительность отдельных блоков простым добавлением аппаратных ресурсов. Совместимое программное обеспечение также можно применять на разных моделях транспортных средств. Более того, программное обеспечение для Zena CSS можно использовать на виртуальных прототипах новых моделей с самого первого дня разработки. Взаимодействовать с ним можно начинать ещё до того, как разрабатываемый чип получен в кремнии. Такой подход позволяет сократить время разработки ПО до двух лет по сравнению с традиционным.
Программные решения для Zena CSS построены на открытом стандарте SOAFEE, изначально разработанном для встраиваемых систем периферийных вычислений. Компании Infineon и NXP делают ставку на архитектуру RISC-V в разработке своих компонентов для автомобильного сегмента. Arm не стремится разрабатывать готовые процессоры, а предлагает клиентам использовать элементы своей экосистемы для создания собственных решений, но появление платформы Zena CSS просто добавляет более комплексный подход к этому процессу. Клиенты уже получили доступ к данной платформе, с сентября он будет расширен. Программные же элементы Zena CSS доступны разработчикам уже сейчас.
Источник:
