瑞萨公开下一代车用SoC和MCU处理器产品路线图-Ameya360电子元器件采购网

瑞萨公开下一代车用SoC和MCU处理器产品路线图

发布时间：2023-11-09 14:35

作者：AMEYA360

来源：网络

阅读量：3049

　　11月8日，全球半导体解决方案供应商瑞萨电子今日公开了针对汽车领域所有主要应用的下一代片上系统（SoC）和微控制器（MCU）计划。

瑞萨公开下一代车用SoC和MCU处理器产品路线图

　　瑞萨预先公布了第五代R-Car SoC的相关信息，该SoC面向高性能应用，采用先进的Chiplet小芯片封装集成技术，将为车辆工程师在设计时带来更大的灵活度。举例来说，若高级驾驶辅助系统（ADAS）需要兼顾更突出的AI性能时，工程师可将AI加速器集成至单个芯片中。

　　瑞萨还分享了即将推出的下一代R-Car产品家族两款MCU产品规划：一款为全新跨界MCU系列，旨在为下一代汽车E/E架构中的域和区域电子控制单元（ECU）打造所需的高性能，这款产品将缩小传统MCU与先进R-Car SoC间的性能差距；瑞萨同时还将发布一款为车辆控制应用量身定制的独立MCU平台。这两款MCU都将采用Arm?架构，并将成为卓越的R-Car产品家族重要成员，为车辆工程师提供完善的可扩展选项和软件复用性。

瑞萨公开下一代车用SoC和MCU处理器产品路线图

　　作为产品路线图的一部分，瑞萨计划提供一个虚拟软件开发环境，配合汽车行业广为人知的“左移”模式。这些软件工具将允许客户在开发过程中更早地进行软件设计与测试。

　　Vivek Bhan, Senior Vice President, Co-General Manager of High Performance Computing, Analog and Power Solutions Group at Renesas表示：“基于与一级供应商和OEM客户多年的合作及讨论，瑞萨制定了这一路线图。我们收到最多的客户反馈是，需要在不影响质量的前提下加快开发速度。这意味着必须在拿到硬件之前启动软件设计和验证。因此，我们将继续投资“左移”模式和软件优先创新，部署新的可扩展嵌入式处理器，并加强瑞萨本已庞大的开发工具网络，助力客户实现目标。”

　　第五代R-Car SoC平台

　　直到第四代推出之前，R-Car SoC均针对特定案例而设计，例如需要高阶AI性能的ADAS/自动驾驶，以及具有增强通信功能的网关解决方案等。瑞萨的第五代R-Car SoC将采用Chiplet技术搭建一个灵活的平台，可根据不同案例的不同要求进行定制。新平台将提供从入门级到高端型号的多种处理器集，并可将AI加速器等各种IP，以及合作伙伴和客户的IP集成至单个封装。由此，将为用户带来根据自身需求定制设计的选择。

　　两款面向车辆控制应用的全新Arm内核MCU平台

　　随着汽车E/E架构的不断发展，域控制单元（DCU）和区域控制单元的高性能计算与实时处理能力变得愈发重要。瑞萨为应对这一挑战，开发了基于Arm核的32位跨界R-Car MCU平台，这一平台内置NVM（非易失性存储器），可提供比目前传统MCU更高的性能。此外，立足RH850产品家族MCU的卓越成就，瑞萨还推出同样采用Arm技术的全新R-Car MCU系列，以扩展其车辆控制产品阵容。这意味着车辆系统开发人员将首次能够借助Arm的软件和庞大生态系统，使用这些全新MCU来构建动力总成、车身控制、底盘和仪表盘系统。此次扩展将使瑞萨能够在MCU和SoC之间实现IP标准化，从而提升软件的可用性，降低客户开发费用。瑞萨计划从2024年起，按照这一路线图陆续推出新产品。

　　软件开发环境

　　随着车载软件的规模和复杂性不断增加，使用硬件进行软件设计的传统模式因其冗长的生产流程而逐渐过时。瑞萨已率先推出应用软件虚拟开发环境，提供先进的调试与评估工具，用于分析和评估软件性能。从2024年一季度起，瑞萨将为下一代处理器提供这些工具。这样，开发人员甚至可以在下一代设备原型面世之前加速其软件开发工作，从而更快地将产品推向市场。

（备注：文章来源于网络，信息仅供参考，不代表本网站观点，如有侵权请联系删除！）

行业新闻

瑞萨丨技术干货｜解决方案套件概念：AI赋能的智能电动自行车——重塑城市出行与智能交通

　　电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择，电动自行车不仅有助于缓解交通拥堵，也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及，用户对安全性、可靠性和智能辅助功能的期待也在持续提升。　　然而，无论是传统机械自行车还是电动自行车，当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的，在性能明显下降或故障真正发生之前，几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本，甚至带来潜在的安全隐患。　　瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI)，在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化，无需依赖云端连接。　　嵌入式边缘AI实现预测性与智能骑行　　智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU))，这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®，开发者可以部署高度优化的AI模型，使其完全运行于MCU本地，无需云端计算支持。　　这种系统架构在实现更安全、更高效骑行体验的同时，也有效控制了功耗和系统成本，非常适合大规模部署于智能出行设备中。　　AI赋能的智能电动自行车围绕以下两大核心能力，全面提升骑行体验:　　AI驱动的状态监测　　更顺畅、更安全的骑行体验，全面提升用户感受　　瑞萨电动自行车概念　　AI驱动的状态监测　　无论是传统自行车、电动自行车，还是共享出行车队中的自行车，本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况，包括链条、齿轮、轴承以及车架连接部位。随着时间推移，这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。　　传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动，容易导致突发故障，增加维护成本和运营风险。　　通过将AIK‑RA8D1与加速度传感器直接集成到自行车中，实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式，及早发现机械性能退化的迹象。　　关键预测性维护功能包括：　　链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时，可在性能明显下降之前识别出链条过度磨损或润滑异常问题。　　齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式，实现早期干预。　　轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。　　车架结构监测(Frame Structure Monitoring)——通过振动分析，还可识别车架的松动或结构性变化，从而提升骑行安全性并延长整车使用寿命　　瑞萨如何实现智能自行车监测　　要构建高精度的状态监测AI模型，必须采集涵盖正常运行状态和多种机械故障状态的数据集。　　为此，系统采用AIK-RA8D1 AI开发套件，并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上，在真实骑行场景中采集振动和运动数据。　　数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中，也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据，并进行存储，用于后续的数据标注和AI模型训练。　　Figure1.Training Set-up　　AI模型开发与部署　　在完成数据标注并上传至Renesas Reality AI Tools后，可利用云端AutoML功能训练和评估多个AI模型，并针对RA8D1 MCU进行部署优化。　　最终选定的模型能够识别七种系统状态：　　电动自行车状态：识别空闲与静止状态　　链条运行状态：识别正常的正向与反向链条运动　　齿轮异常：基于变速器位置检测两种故障状态　　后轮结构状态：识别潜在的后轮松动问题　　该优化模型在仅占用5KB内存的情况下，实现了99.63%的识别准确率，可高效运行于RA8D1 MCU上。　　Figure2.Model Development to Deployment Flow　　部署完成后，推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。　　AI增强型骑行智能　　除状态监测外，AIK RA8D1还可作为智能电动自行车计算核心，充当中央处理节点，分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。　　AI赋能的骑行功能示例包括：　　载荷分布检测——通过分析振动与运动信号，系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置，以提升舒适性和踩踏效率。　　路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出，从而提升稳定性与能效。　　目标检测，实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时，AI模型可识别周围车辆与障碍物，在盲区来车时触发预警。　　“See with Sound”的空间感知能力——通过麦克风阵列，系统可估算周围车辆的来向，并向骑手提供空间方位提示，而无需持续视觉关注。　　推动下一代智能出行　　AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中，制造商能够打造更安全、更可靠、更高效的出行解决方案。　　瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台，构建适用于实时嵌入式部署的智能出行系统。　　告别突发故障，从瑞萨开始打造更智能、更安全的自行车。　　准备好将AI驱动的状态监测引入骑行领域了吗?

2026-06-02 09:56 阅读量：303

型号	品牌	询价
CDZVT2R20B	ROHM Semiconductor
RB751G-40T2R	ROHM Semiconductor
BD71847AMWV-E2	ROHM Semiconductor
TL431ACLPR	Texas Instruments
MC33074DR2G	onsemi

型号

品牌

询价

ROHM Semiconductor

ROHM Semiconductor

ROHM Semiconductor

Texas Instruments

onsemi

型号	品牌	抢购
IPZ40N04S5L4R8ATMA1	Infineon Technologies
STM32F429IGT6	STMicroelectronics
BP3621	ROHM Semiconductor
BU33JA2MNVX-CTL	ROHM Semiconductor
ESR03EZPJ151	ROHM Semiconductor
TPS63050YFFR	Texas Instruments

型号

品牌

抢购

IPZ40N04S5L4R8ATMA1

Infineon Technologies

STMicroelectronics

ROHM Semiconductor

ROHM Semiconductor