安霸傲酷自適應 AI 毫米波雷達軟件和高能效的 5 納米制程的 CV3 AI 域控制器主芯片首次實現 4D 成像毫米波雷達原始數據的集中式處理和前融合。

2022 年 12 月 6 日，美國加利福尼亞州圣克拉拉市， Ambarella（下稱“安霸”，納斯達克股票代碼：AMBA，專注于 AI 視覺感知芯片的半導體公司），今天領先業界首發集中式 4D 成像毫米波雷達架構，它既可以對原始毫米波雷達數據進行集中處理，也可以與其它傳感器輸入，例如攝像頭、激光雷達和超聲波，進行深入的底層融合。這一突破性的架構為 ADAS 和 L2+ 至L5 的自動駕駛系統以及智能機器人的 AI 算法，提供了更高級的環境感知和更安全的路徑規劃。安霸傲酷獨特的毫米波雷達技術，使用 AI 算法支持雷達波形對周圍場景的動態適應，可輸出精度高達 0.5 度角分辨率、每幀高達數萬個點的超密集點云，并且有效工作距離超過 500 米。這所有的性能指標，都以少了一個數量級的天線 MIMO 通道來實現，這樣不僅降低了數據帶寬，功耗也更低。搭載傲酷技術的安霸集中式 4D 成像毫米波雷達，感知系統更靈活，性能更高，助力系統集成商在下一代的雷達設計中占得先機。

“2021 年，全球市場汽車 ADAS 領域生產了約 1 億個毫米波雷達。”全球知名市場研究與戰略咨詢公司 Yole Group 旗下的 Yole Intelligence 的射頻設備與技術團隊首席分析師 Cédric Malaquin 解釋說。“隨著汽車安全方面的法規要求不斷提高，以及更先進的自動駕駛系統的逐漸推進，我們預計到 2027 年這一數量將增長 2.5 倍”。事實上，主機廠從目前每輛車配置 1-3 個毫米波雷達，已演變為每輛車至少配置 5 個毫米波雷達[1]。此外，關于毫米波雷達是應該采用分布式模塊處理，還是集中式處理，以及關聯的開發如何做，行業內有針鋒相對的觀點。一種做法是將多個雷達的數據集中式處理，這將使得主機廠獲得更高性能的成像毫米波雷達系統，以實現新的 ADAS/AD 功能，同時優化毫米波雷達模組的成本。

這項獨特的、極具性價比的新架構，終于在安霸 CV3 AI 域控制器主芯片上得以實現。安霸優化了算法，在CV3芯片上增加了專為毫米波雷達信號處定制的硬件單元。CV3 的每瓦特 AI 性能優勢在業內逐漸被更多客戶充分認識，其高計算性能和大內存容量使得 4D 毫米波雷達算法充分發揮，得到具有高點云密度、長探測范圍和高靈敏度的雷達感知結果，這讓搭載單顆 CV3 的自動駕駛車輛和機器人也能高效地集中多傳感器的實時處理感知、底層融合和路徑規劃。

安霸總裁兼 CEO 王奉民說：“業界尚未有其他半導體和軟件公司同時在毫米波雷達算法、攝像頭視覺影像處理，以及AI加速引擎等幾個方面擁有領先的全棧能力。這些專業能力讓我們能夠創建一個前所未有的集中式域控處理架構，憑借 CV3 行業領先的性能功耗比，把傲酷毫米波雷達算法的領先優勢更好發揮出來，有效地實現全新的 AI 感知、傳感器融合和路徑規劃，這將有助于我們更深層地挖掘出 ADAS、自動駕駛和機器人市場的全部潛力。"

友商的 4D 成像毫米波雷達技術因數據量太大，難以有效傳輸和集中化處理。提供 4D 成像毫米波雷達所需的高角分辨率需要每個模塊使用數千個 MIMO 天線，而它們每秒會產生數萬億 bit 的數據，同時，每個雷達模塊將消耗超過 20 瓦的功率。一輛車需要至少六個雷達模塊，其數據量也將倍增，因此，要集中處理數千根天線上的毫米波雷達數據，在技術上極為困難。

通過 AI 算法動態控制現有 MMIC 設備調制雷達波形，并使用 AI 算法來創建虛擬天線陣列，傲酷雷達技術將這種新架構中每個 MMIC 雷達頭的天線陣列減少到 6 發射 x8 接收，并且在前端無需接雷達處理器。其結果就是，MMIC的數量大幅減少，同時實現了極高的0.5度方位角和俯仰角分辨率。此外，安霸的集中式架構在最大占空比的情況下，功耗明顯降低，數據傳輸的帶寬減少了 6 倍，不需要邊緣端的雷達處理，也因此避免了信息過濾和傳感器信息損失。

性價比高、軟件定義的集中式架構還可以根據實時情況，在不同的傳感器類型之間和同一類型的傳感器之間動態分配 CV3 的處理資源。例如，在極端的雨天條件下，遠程攝像頭的有效數據會減少，CV3 可以將其部分資源轉移，以增強毫米波雷達數據處理性能。同樣，如果車輛在雨天行駛在高速公路上時，CV3 可以專注于來自正前方的毫米波雷達傳感器數據，以進一步擴大車輛的探測范圍，同時提供更快的反應。這種對場景的自適應優化，是基于邊緣處理的架構無法實現的，因為在邊緣處理架構中，毫米波雷達數據是分布在每個模塊中進行處理的，而處理性能是為最壞的情況而準備的，因此毫米波雷達的性能往往沒有得到充分利用。

這兩種不同的毫米波雷達處理方法在下表中進行了總結：

友商的邊緣處理毫米波雷達	安霸的集中式處理毫米波雷達
不考慮環境條件的持續、重復的毫米波雷達波形	Oculii? AI 軟件算法可根據周圍環境動態調整的毫米波雷達波形
模塊中包含 MMIC +邊緣雷達處理器	僅在 "毫米波雷達頭 "中含 MMIC
毫米波雷達模塊中的毫米波雷達探測處理	中央處理器中的毫米波雷達探測處理
每個模塊每秒數 T bit 毫米波雷達數據（太大量而無法集中傳輸和處理）	毫米波雷達數據傳輸帶寬減少 6 倍，因而便于集中式處理
1+ 到 2 度的角分辨率	0.5度的方位角和俯仰角分辨率
高功耗：每個毫米波雷達模塊使用 1000 個天線 MIMO 信道	低功耗：天線 MIMO 通道少了一個數量級（每個無處理器的 MMIC 毫米波雷達頭有 6 個發射 x 8 個接收天線）
不支持計算資源動態分配（為最壞情況考慮）	支持根據實時情況，在不同傳感器和同類型傳感器之間動態分配 CV3 處理資源
集成的雷達處理器性能低	CV3 內建的雷達處理器比傳統的邊緣毫米波雷達處理器（DSP）快 100 倍以上

CV3 標志著安霸下一代 CVflow? 架構的首次亮相，它包含有神經網絡矢量處理器和通用計算矢量處理器，兩者都包含了毫米波雷達專用信號處理。這些處理器在協同工作下，結合傲酷先進的雷達感知算法，可達到比傳統邊緣毫米波雷達處理器快 100 倍的高性能。

新款集中式架構的優勢還包括更容易進行 OTA 軟件升級，以便未來不斷改進和適應新需求。相比之下，在確定每個模塊使用的處理器和操作系統之后，每個邊緣毫米波雷達模塊的處理器必須單獨更新；而單一的 OTA 更新可以直接推送到 CV3 主芯片，并在系統的所有雷達頭中匯總。這些雷達頭只需要雷達收發芯片而不需要雷達處理器，這就降低了前裝的成本，以及在發生事故后更換的材料成本（大多數毫米波雷達位于車輛的保險杠后面）。對比新一代集中式毫米波雷達軟件更新的便利，由于傳統的分布式雷達更新軟件比較復雜，如今部署的許多毫米波雷達模塊從未更新過軟件。

新款集中式毫米波雷達架構的目標應用包括 ADAS 和 L2+ 至 L5 自動駕駛汽車，以及自主移動機器人（AMR）和自動引導車（AGV）機器人。這些設計通過安霸統一而靈活的軟件開發環境得到簡化，為汽車和機器人開發人員提供了一個可升級的軟件平臺，性能范圍從 ADAS 和 L2+ 一直延伸到 L5。