伴随着数字化技术的发展,汽车也不会再成为一个个信息化的孤岛。车与车之间的数据互联互通,将会促进自动驾驶、智慧出行、智慧物流等技术的飞速发展。然而,车联网不是简单给汽车插上网线,在互联这个智能汽车最基本的需求中,包括各种各样的交互、升级,下载新的APP实现新的服务等。这些功能都是需要有联网的设备跟云端或者跟其它的车辆通信才能够实现。据统计,2018年售出大概3800万互联车辆,每个小时产生4TB数据,这个数据量非常巨大。恩智浦预测,2025年时,互联车辆渗透率将从2018年的40%增长到73%。
为了应对日益增长的车联网数据传输需求,在近期举办的恩智浦新产品媒体沟通会上,恩智浦大中华区资深市场经理余军苗向我们介绍了与汽车智能化、互联化相关的S32G处理器。
今年3月份,恩智浦量产了隶属于S32G系列的S32G2。从2020年1月,恩智浦在CES期间正式发布该产品到今天,这个产品已经非常成熟,并已经进入到量产阶段,明年开始,在市场上也会陆续遇见搭载这款处理器的新车型。
接下来余军苗就S32G2处理器产品特点向我们进行了介绍:
第一、S32G2处理器是一个汽车网络处理器,具备着更强、更高算力的处理器内核,包括高带宽的通信。所以,S32G可以释放车内的数据的全部潜力。
第二、S32G2处理器可以做一个服务型网关,在车辆的生命周期之内,可以部署各种各样的新服务和OTA的升级。
第三、S32G2处理器能非常好地满足中央网关或者中央计算单元内中央ECU芯片特性的功能。它的处理能力、算力以及网络通信能力都比以前提高了10倍以上,它的特点是借助具有硬件加速功能的多核架构,降低软件开发的复杂性。
第四、恩智浦在汽车电子领域耕耘多年,一代又一代的产品在汽车电子里扮演了非常重要的或者说不可或缺的角色。功能安全和信息安全一直是恩智浦的强项,S32G也继承了恩智浦这方面的优势。
随后,余军苗又将S32G的应用特性向我们进行了介绍:
以前网关或者网络通信的CPU都是一颗MCU,但是S32G除了MCU还放置了MPU,即A53,并且添加了通信加速器。正是这些新加入的部分令S32G能够实现新的应用或者新的功能。例如,当我们将A核和通信加速器放进入后,它可以满足此前传统的车辆网络通信,比如CAN网络、LIN网络。而S32G所具备的高算力和高带宽的通信则能够带来新业务,比如在A核上跑一个新的APP,从而实现一些未来的新业务。又如保险、OTA升级、车队管理等等,还有一些与安全相关的任务,比如与云端数据通信,将车内数据经过边缘计算大数据的分析和提炼得到结果。此外,还可以将你的使用习惯存到云端和OEM进行进一步相对应服务,这些在车联网的推广会越来越高。
总结来看,第一是车联网在未来几年内的推广力度会越来越高,第二是恩智浦S32G契合了当前的时代潮流,其新增特性能够满足服务型网关的要求,提供各种各样的新服务。
由此可知,S32G网络处理器是一款中央服务型网关处理器,能够快速部署各种新服务,用来做车辆的信息收集,做OTA升级等各种各样新应用;主要用于做服务型网关、域控制器和ECU的整合;提供ASIL D的功能安全处理,可以应用在自动驾驶的安全处理器。
目前S32G芯片所有的资料都已经在NXP官网公开出来,能够方便大众市场的客户下载恩智浦文档和软件包。此外,S32G芯片已经量产,也欢迎大家去找恩智浦的代理商去订购相应的样品的开发板进行试用。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。