IoT 時代の車載向け LSI について...IoT 時代の車載向け LSI について ― 現状と課題 ― Hideki Sugimoto CTO NSITEXE May 14th, 2018 0. 背景 ― デジタル

IoT 時代の車載向け LSI について

― 現状と課題 ―

Hideki Sugimoto CTO NSITEXE May 14th, 2018

0. 背景 ― デジタル LSI の現状

1. これまでの車載デジタル LSI

2. IoT/Connected時代での変化

3. 自動運転（AD）と IoT/Connected

4. Safety と Security

5. 技術開発の取り組み例

まとめ







まとめ

/39 Copyright © NSITEXE, Inc. 2018 DO NOT COPY OR DISTRIBUTE

デジタル LSI ≒ 「マイコン」（MPU, MCU, SoC…）市場の現状と推移

4

基幹系

Mobile /Gaming

自動車 + “IoT”

「マイコン」は生き残れるか？

組込み系 LSI の利益≒先行投資源泉は急速に減少方向？（要検証）

販売

額


古き良き「汎用マイコン」

5

汎用でなくなった汎用マイコン CPU の性能不足, 専用 H/W の台頭, 業界構造不況により再集約進まず

e.g. 32bit MCU だけでも同一世代で 1000 品種超え

i8086

uPD70216

V50

V854

V850E /XXX

V854 V854 uPD703004

V854

V850E /XXX V850E /XXX V850E /XXX V850E /XXX V850E /XXX

V850E /XXX V850E

/XXX V850E /XXX V850E

/XXX V850E /XXX RH850 S1XX

V850E /XXX V850E /XXX V850E /XXX V850E /XXX V850E /XXX RH850 X1XX

40pin DIP CPU Only

80pin PLCC/QFP CPU + 82xx std.I/O ~144pin QFP

+ App. Specific I/O ~384pin QFP/BGA + App. Accelerators

+ ROM/RAM Variations ~384pin QFP/BGA + More Accelerators + Perf. Variations


デジタル LSI ≒ SoC 構成（/AI）の難しさ

6

尖った付加価値だけでは成立しない開発負荷が量・単価共に増大

∵ 簡単でないけど高開発負荷な中間領域の増大

Performance or Value of Functions

Spread of Functions (Apps, Software)



Fundamental Tech., IP, PF…


戦略的競争領域


戦略的価値でないけど手軽に実現できない

領域


デジタル LSI の現状

7

Volume Realtime ~100us RT

Throughput >100us

>100kpcs/y ASSP

(MCU/SoC) MPU/SoC

10-100k GP MCU High-end

MPU

<10kpcs/y GP MCU generic

GP MCU High-end

マーケットサイズ（伸長）に対して大きすぎる開発費

複雑化に整理（技術・ビジネス）が追いつかず

これを解決する手段が必要

Volume Realtime ~100us RT

Throughput >100us

>100kpcs/y ASSP

(MCU/SoC) MPU/SoC

10-100k ASIC

/ Asian SoC MPU

<10kpcs/y FPGA MPU

/ FPGA

古き良き時代今日







まとめ


性能・効率を補助する役割から、機能の主となる役割へ拡大

搭載される LSI の数・種類共に

急速に増大にしてきた

例) Mid Class 車１台に使用され

る「マイコン」の数の遷移

High-end Class では、既に

100 超の「マイコン」を使用

現状、数十品種の「マイコン」が必要

車載デジタルLSIの遷移

9

エンジン制御 EV/HV

ABS, エアバッグ姿勢制御

電動xx, ナビ/AV, ETC, ADAS

性能・効率向上

安全～快適

快適～便利・楽しさ

1970s 1980s 1990s 2000s 2010s

[PCS]


これまでの車載マイコンは微細化速度の緩和？

≒ 開発サイクルの長さで規模をカバーしてきたが…

ビジネス面での現状課題

10

基幹系

Mobile /Gaming

自動車 “IoT”

マイコン/SoCの設計・検証コストの推移

販売

額


計算が目的の装置と計算が手段の装置の乖離

計算の価値と計算コストの相対比が１桁異なる

CPU

GPU

専用 Logic

計算が目的の世界 (サーバ,モバイル等)

CPU

GPU

専用 Logic

計算が手段の世界 (組込制御等)

技術面での現状課題

11

Dynamic Flow Complex / Asymmetric Sequential or Combination

Static Flow Symmetric Parallelized

Performance Requirement

Conventional

ADAS New Control 最小限必須部分を専用Logic化して、残りは既存HWでなんとか処理する

一方、計算コストの厳しい組込では、殆どが専用Logic

多品種化・複雑化により、開発TAT, リソーセス, 費用全てが増大方向に


ルネサスエレクトロニクス RH850/E2M（パワートレイン向け）

車載マイコン例

12

出展: ルネサスエレクトロニクス Web Page https://www.renesas.com/ja-jp/products/microcontrollers-microprocessors/rh850/rh850e2x/rh850e2m.html

アプリケーションに特化した H/W (e.g. 特殊タイマー) や I/F 類が多いのが特徴







まとめ


複数の動きが複雑に絡んでこれまでとは異なる動き・変化を生む

ADAS / 自動運転: より安全・快適に

電動化: より高効率に、よりクリーンに

…

ほぼ全ての変化がコンピュータによって実現可能になったもの

これまでとは桁違いの性能・性能進化が必要に

機械主体からコンピュータ主体に

＝コンピュータの信頼性（Security, Safety 含む）がより重要に

例) 1990年 2000年 2010年 2020年（予想）

8bit MCU 32bit MCU 32bit MCU 32/64bit SoC

5MIPS程度 100MIPS程度 1500MIPS程度 1TOPS超え？

20倍 15倍 1000倍？

性能トレンドと新規要件

14


2023年頃には 100TOPS を超える技術も視野

参考）車載領域での性能・効率ニーズ vs シーズ（予測含む）

15


変化の時代突き詰めた性能・効率より、Time to market

I/F 標準化 (e.g. ethernet)

汎用化（先にLSIを準備; S/W処理化）

…

Safety

IEC61508 ISO26262 他組込み業界へも類似コンセプト広がりを見せる

Security

IoT 発の一次防御（暗号, 鍵交換技術等）

Safety コンセプト発の Fail Safe 機構（アタック等異常検出, 冗長・代替技術等）

…

デジタル LSI への要求の変化

16

車載 LSI の「特殊度」は相対的には減少方向


早く作るためには？

LSI の開発

早期着手

より単純な構造

システムの開発

戦略的機能に集中投資先行開発

残りの部分は先行している汎用 H/W を最大限利用（S/W 化）

デジタル LSI のあるべき？姿

17

CPU

GPU

専用 Logic

計算が手段の世界 (従来)

CPU

GPU

専用 Logic

計算が手段の世界 (新)

フレキシブルかつプログラマブルな

新方式 H/W

H/W IP 開発

LSI 開発

ECU 開発

車両開発

LSI 量産化


組込み領域 LSI では、依然「実装競争」は変わらず？ユーザ側も意識改革が必要

アプリ／アルゴ超特化型専用 Logic

手作りインターコネクト／バス vs. NoC generator

RTL vs. 高位合成

…

しかしながら…

18

出展: Intel Technology and Manufacturing Day

Tr 数はまだまだ増える = Tr 数当たりの設計効率向上が必要

高リピータビリティ・デザイン例 (intel Xeon E5-2600v2)







まとめ


快適

詳細地図利用で、より自然な運転になる（人間の「経験」に相当する情報を入手）

最適な運転方法をクラウド側の処理能力を活用してより適切に見つけられるかも

…

安心

通信異常やアタックがあっても安全性は絶対、更に予期しない動きをしないこと（予期させることも重要; 同乗者はドライバーの動きを見て安心することも多い）

現実化しない不安でも、起きそうもないと感じられること（e.g. 狭義のセキュリティ）

…

安全

個別の車両での安全性に加え、DoS アタックによる交通渋滞・麻痺等にも対応要

法律、社会リスクの許容度、道路事情等、複雑な要素が絡み合い単一化は難しい？

IoT/Connectedで自動運転はどうなる？

20


機能（性能）

Lv.4 自動運転には 100TOPS 超えの合計（システム）性能が必要

H/Wで5年, S/Wで3年以下の開発期間

開発手法

H/Wで5年, S/Wで3年以下の開発期間

設計品質をどう実現するか

運用・メンテナンス

IoT/Connected 時代では、継続的なメンテナンス（e.g. 脆弱性修正）が必須

（基礎防御力強化, 総括的攻撃検出・予防, OTA, Logging…）

個々の技術はある程度確立されているものの、これまでの延長線上ではシステム全体の

複雑度が許容開発期間・コストを大きく上回ってしまう可能性ある（が、気付きにくい）

自動運転の実現には

21


技術シーズは比較的豊富どうLSI化するかが課題

機能（性能）

22


性能は「数値」だけではない

特性に合った H/W, S/W が必要

更には電力効率も…

機能（性能）; 続き

23




Conventional

ADAS New Control




CPU GPU

Specific

Accelerator

Missing

Category Algorithm (example)

CPU DSP GPU

Optimal Search

Dijkstra Poor No parallel execution

Poor No parallel execution

Good But inefficient

Model Prediction

Finite Element Method

Fair Low performance


Fair~Good Some Async flow

Finite-difference methods



Fair Async flow

Signal Processing

FFT Poor Low performance

Good Data parallel usable

Excellent Enough performance

Entropy Coder Fair No parallel execution

Fair～Good No parallel execution

Good But inefficient

Data Processing

CNN, SVM Poor No parallel execution

Fair No parallel execution

Excellent Enough performance

AdaBoost

Good Scalar execution

Good Scalar execution

Fair Inefficient idle

Sequencer - Excellent Short latency pipe

Fair～Good -

Poor -


システムの実現手段の全体最適像の共有が重要

個別最適化の組合せで LSI が作れる

時代は長く続かない（設計管理限界超え）

システム要件と LSI 制約の摺合せがより重要に

開発手法（システム LSI）

24



:Semi.H/W IP Support Area

ASIP

xNN

ISP /CV Acc.

H.S. I/Os

NoC

CPUs

xPU

LegacyI/Os

Sensor

Pro

cessin

g

Recognitio

n and

Fusion… Descis

ion

Fail-safe Cntl.

AI/xNN

xPU

Sensor Inputs

Actuation Directive

ISP

Strategic Features Co-develop Algo, SW & HW

Helper / Adaptation Func. HW first then develop Algo./SW


組込制御を中心とする

半導体の汎用構成比向上

ビジネス面

ダイ数を減らす

売上を落とさずに

開発費低減

技術面

汎用構成比率増

専用Logicの開発

を価値ある部分に

集中させる

（各社競争領域）

開発手法（LSI 実装ビジネス）

25

組込制御 / “IoT”

e.g. 産業機器自動車 …

各社～10ダイ/世代業界で～1000ダイ/世代 (32bit以上のみで)

各社～5ダイ/世代業界で～100ダイ/世代 (32bit以上のみで)

CPU

GPU

専用 Logic

計算が手段の世界 (従来)

CPU

GPU

専用 Logic

計算が手段の世界 (新)

フレキシブルかつプログラマブルな

新方式 H/W

販売

額


異常検知

論理・ルールベースでの検知（おかしな動きを検出する）確実だがカバレッジ課題

統計・非論理的検知（何かおかしいかも）曖昧性が残る別途判断が必要

…

状態通知

深刻さ、確実性、頻度、プライバシー… 議論はまだまだこれから

信頼性（到達確度、対改竄強度、情報量…）

…

予防・対策

緊急度や個別車両の問題か大域／構造／組織的問題か？等で異なる

（e.g. 一刻を争う状況に対して OTA では意味がない）

個々の技術や手段よりも、全体像の共有・合意形成が重要な段階

運用・メンテナンス

26







まとめ


予防（危険・不快…）

防御壁を破らせない（狭義の暗号化）

多重防御（冗長化検出が重要; e.g. 多くの冗長システムで誤切替え障害も）

心理抵抗（防犯等と同じ？）

…

検知（正常性・異常状態）

確実に検知すべきものルールベース

「想定外」の事象への対応統計・非論理ベース

…

対策

緊急対応、システム更新…

Safety & Security 何が必要か？

28


Safety と Security の矛盾

Security 観点からは隔絶性を高めたい

Safety 観点からは極力（どこでも自由に）監視したい

…

「想定」外の事態の発生

ルールで全ての事象をカバーできるわけではない

分かっている事象でも同時に複数発生すると必ずしも同じルールを適用できない

…

対策

現状では地道に慎重に線引きを考えるしかない線引きのし易さが当面は重要

H/W仮想化（ハイパーバイザ）や解析ツールは役には立つが、根本策の探索も必要？

何が難しいか？

29


uber Lv.2 AD車事故

検知できる＝安全ではない

何がコーナーケースか？

障害物と汚れ、だまし絵

単眼カメラは障害物と認識

Lidar は障害物なしと認識さて、どうする？

NN のエラーレート

エラーレートよりも、エラー出力の内容が問題

冗長化するとどちらを信じるか問題が…

センサーからの情報量に対して、現在は圧倒的に

コンピューティング能力が不足（だが、十分条件は？）

予想されうる事例

30







まとめ


NSITEXE の IP = DFP のポジショニング

DFP はより広範囲の計算処理への適用を前提に全体最適化を狙っています xNN に特化して最適化を狙う IP とは位置づけが異なります




戦略的価値でないけど手軽に実現できない

領域

(S/W) 開発ポリシー

必要に応じて最適化を頑張る

お手軽≒品質リスクを冒さずに、そこそこの

性能を出す

極力標準SWを活用

32

① xNN に特化した最適化・低bit ・静的ネットワーク縮退

② より広範囲への適用・可変bit ・動的演算フロー最適化（動的グラフ処理） DFP

例えば AI 応用では


DFP で担いたい価値

33

中間領域までカバーし、かつ汎用的な実現手段を提供戦略的競争領域にも使えれば使って頂きたい（e.g. Low～Mid xNN; 特に他の機能と共有の場合自動運転の Fail-safe 機能等）



DFP

Sensor

Pro

cessin

g

Recognitio

n and

Fusion… Descis

ion

Fail-safe Cntl.

AI/xNN

xPU

ISP

Strategic Features Co-develop Algo, SW & HW

Helper / Adaptation Func. HW first then develop Algo./SW


Hardware Architecture

34

/39 Copyright © NSITEXE, Inc. 2018 DO NOT COPY OR DISTRIBUTE 35

Thread Scheduler& Execution Core


Parallelism Comparisons

36

Parallelism CPU DSP GPU DFP

Local Data (SIMD instruction)

YES

YES YES

YES

Instruction YES

YES YES

YES

Thread (Section/Block)

Limited

YES

Thread (Graph)

YES


Processing Characteristics

37







まとめ


（車載向け）LSI の構造変化

設計複雑度限界（個別最適化の積み上げではダメ, リピータビリティの必要性）

開発費・速度問題（IP, Fab 等に続く、次なる共通化が必要）

車載電子システムの開発課題

IoT/Connected 時代到来で進化（変化）加速

コンピュータ性能が機能の実現の一要素に

必要性能を先行準備しておくことが重要に（LSI 開発期間 ≫ 車両開発期間）

双方を成立させるためには

LSI の汎用化＝ Flexibility, Scalability and Regularity（New）が必要

業界を跨いだ全体最適化の動きが必要

LSI ユーザの立場からも真剣に考える必要があると認識しています

まとめ

39

Documents

IoT 時代の車載向け LSI について...IoT 時代の車載向け LSI について ― 現状と課題 ― Hideki Sugimoto CTO NSITEXE May 14th, 2018 0. 背景 ― デジタル