瑞萨率先推出采用车规3nm制程的多域融合SoC

Release time:2024-11-22
author:AMEYA360
source:瑞萨
reading:1509

  全球半导体解决方案供应商瑞萨电子(TSE:6723)宣布推出全新一代汽车多域融合系统级芯片(SoC)——R-Car X5系列,单个芯片可同时支持多个汽车功能域,包括高级驾驶辅助系统(ADAS)、车载信息娱乐系统(IVI)以及网关应用在内的多个车载应用。备受期待的R-Car X5H SoC作为R-Car X5系列中的首款产品,采用先进的3nm车规级工艺,拥有高集成度与出色性能,推动OEM和一级供应商向集中式电子控制单元(ECU)的转型,简化开发流程,打造面向未来的系统解决方案。得益于其独特的硬件隔离技术,瑞萨R-Car X5H SoC成为业界率先在单个芯片上实现同时支持多个车载功能域的高度集成及安全处理的解决方案之一。此外,这款全新的SoC还提供通过Chiplet(小芯片封装)技术扩展人工智能(AI)和图形处理性能的选项。

瑞萨率先推出采用车规3nm制程的多域融合SoC

  作为第五代(Gen 5)R-Car产品家族中性能最强的一员,R-Car X5H直面在软件定义汽车(SDV)开发中日益增长的复杂性难题,可克服包括优化计算性能、功耗、成本、硬件和软件集成在内的相关挑战,同时确保车辆安全。通过在单个芯片上紧密结合应用处理、实时处理、GPU和AI计算、大型显示功能和传感器连接功能,使得自动驾驶、IVI以及网关等应用提高到一个新的级别。

  全新SoC系列实现高达400TOPS的AI算力和业界卓越的TOPS/W性能,同时支持高达4TFLOPS(注1)的GPU处理能力。其搭载总计32个用于应用处理的Arm® Cortex®-A720AE CPU内核,提供超过1,000K DMIPS的CPU算力。产品还配备6个Arm Cortex-R52双锁步CPU内核,实现超过60K DMIPS的性能,无需外部微控制器(MCU)即可支持ASIL D功能。该系列SoC采用台积电最先进的工艺节点之一制造,在达到更高CPU性能的同时,功耗却比5nm工艺节点设计的产品降低30-35%(注2)。这些高能效特性不仅消除对额外冷却解决方案的需求,显著降低整体系统成本,同时也延长了车辆行驶里程。

  Chiplet扩展,提升了灵活性与更高的性能

  尽管R-Car第五代SoC已配备强大的原生NPU和GPU处理引擎,但瑞萨仍为客户带来基于Chiplet技术扩展来提升性能的能力。例如当通过Chiplet扩展将400-TOPS片上NPU与外部NPU相结合时,可以将AI处理性能提升3-4倍,甚至更多。为实现无缝的Chiplet集成,R-Car X5H提供标准的UCle(通用小芯片互联通道)芯片间互联接口及API,促进多芯片系统中与其它组件的互操作性,即使这些组件并非瑞萨芯片。这种灵活的设计方法允许OEM和一级供应商能够混合并搭配不同的功能,并跨车辆平台定制其系统,包括未来升级。

  支持功能安全等级要求不同的多个域的安全隔离

  虽然汽车制造商和一级供应商对性能和功能的要求日益提升,安全性仍然是他们的首要任务。对此,其它SoC仅依赖软件隔离,而R-Car X5H SoC还采用了基于硬件的“免干扰(FFI)”技术。这种硬件设计实现了关键安全功能(如线控制动)与非关键功能的隔离。被视为与安全相关的关键功能可以被分配到各自独立且冗余的域中。每个域都有自己的独立CPU核心、内存和接口,从而防止在不同域的硬件或软件出现故障时,车辆发生潜在的灾难性故障。此外,R-Car X5H还配备服务质量(QoS)管理功能,能够实时确定工作负载的优先级并分配处理资源。

  Vivek Bhan, Senior Vice President and General Manager of High Performance Computing at Renesas表示:

  “瑞萨在R-Car第五代平台上的最新创新,有效的应对汽车行业当前面临的复杂挑战。我们的客户正在寻求端到端的车规级系统解决方案,涵盖从硬件优化、安全合规,到灵活可扩展的架构选择,以及无缝的工具和软件集成。瑞萨的R-Car第五代产品家族满足了这些需求。我们致力于支持汽车行业加速SDV的开发和‘左移’创新,以迎接下一个汽车技术时代的到来。”

  Dr. Kevin Zhang, TSMC’s Senior Vice President of Business Development and Global Sales, and Deputy Co-COO表示:

  “我们很高兴能与值得信赖的汽车技术领导者瑞萨电子合作,使用我们最先进的3nm制程技术将他们最新创新推向市场。我们的N3A制程是专为先进的车用SoC所开发,提供领先业界的3nm效能,并能符合AEC Q-100 Grade 1的可靠性标准。我们非常高兴能与瑞萨电子合作开发R-Car Gen5平台,并协助重塑硅制程定义汽车(silicon-defined vehicle)的未来。”

  Asif Anwar, Executive Director of Automotive Market Analysis, TechInsights表示:

  “通往软件定义汽车(SDV)的道路将由驾驶舱的数字化、车辆连接性和先进驾驶辅助系统(ADAS)的能力作为支撑。车辆的电子/电气(E/E)架构将成为核心推动力,因为各种功能被集成到区域控制器和中央控制器中,这些控制器将提供必要的计算能力。TechInsights预测,区域控制器和高性能计算SoC处理器市场将在2028年至2031年间以17%的复合年增长率增长。”

  Anwar继续说道:“瑞萨电子是汽车处理器的前三大供应商之一,利用其数十年的经验,推出了第五代R-Car X5H SoC,该SoC可根据SDV的要求进行扩展。基于3nm工艺,R-Car X5H SoC能够实现一套多域融合的解决方案,该解决方案可以跨车辆平台使用,并实现功耗的优化。结合RoX SDV平台,瑞萨电子能够提供以软件先行、跨域的解决方案,这将缩短汽车行业的上市时间。”

  具备可扩展性的第五代R-Car平台

  瑞萨第五代R-Car平台支持行业内最广泛的处理需求——从区域ECU到高阶中央计算,覆盖从入门级车辆到豪华车型。得益于基于Arm CPU核心的新型统一硬件架构,R-Car第五代产品的开发人员可以复用瑞萨全新64位SoC以及未来产品(包括跨界32位MCU和车规级32位MCU)中相同的软件、工具与应用。作为R-Car下一代产品家族的一员,瑞萨将通过同样采用Arm技术的全新R-Car MCU系列扩展其车辆控制产品组合。瑞萨计划于2025年第一季度推出面向车身和底盘应用且具有增强安全性的新款32位MCU系列样品。

  R-Car Open Access(RoX)平台

  已经推出可供SDV开发使用

  瑞萨最新推出的R-Car X5H以及所有未来第五代产品旨在通过将硬件与软件整合至一个综合性开发平台来加速SDV的开发进程。全新发布的R-Car Open Access(RoX)SDV平台集成了汽车开发人员快速开发下一代车辆所需的所有关键硬件、操作系统(OS)、软件及工具,并可获得安全、持续的软件更新。RoX为OEM和一级供应商提供了灵活的虚拟开发环境,可用于开发ADAS、IVI、网关,跨域融合系统,以及车身控制、域控和区域控制器等各种可扩展的系统。

("Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal.")

Online messageinquiry

reading
喜报丨瑞萨电子凭借R-Car X5H荣膺第五届知鼎奖“智能驾驶科技创新奖”
2026-06-03 10:49 reading:218
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 reading:252
喜报|瑞萨电子荣获上海繁易“战略合作伙伴”奖
2026-05-29 09:55 reading:361
瑞萨丨AI技术横向扩展——模拟技术纵深发展
  由AI驱动的小工具往往基于漂移信号采取行动,无法意识到自身出现运行错误。它只是自信、精确地朝着错误的方向执行。没有精度的自信,算不上智能。这是一种隐患。  系统接收的指令与物理世界中实际发生的情况之间的差距,只能由一样东西来弥合:其底层的模拟基础,而这一基础无处不在。  AI已成为整个物理世界的运行层,嵌入了各类工厂、车辆、机器人、卫星和数据中心之中。AI技术已横向扩展,但在每个智能系统之下,都有一个让一切成为可能的基础。而这个基础就是模拟技术。  当业界还在争论模型、参数和计算机架构时,信号层面正上演着一场更安静、却影响更深远的变革。每一个自主系统,无论其软件多么复杂,最终都必须感知现实世界、对其作出响应,并在其中采取行动。物理世界与数字世界之间的接口就是模拟技术,随着系统变得越来越智能,这一接口不仅在扩展,更在成倍增长。  我所说的“信号链”,是指从传感器出发,经由模拟前端、转换、同步、供电和控制,直至模型实际接收数据的端到端路径。  问题已不再是AI是否在边缘运行。问题在于其底层的模拟基础是否足够深厚,这不仅关乎系统的可靠性,更关乎其速度、精度以及能否达到应用所需的最高性能水平。  模拟附着曲线  为了理解这在实践中的含义,有必要为物理AI从原型走向量产时每次都会出现的模式进行命名。  在物理AI所渗透的每个领域,都存在一种反复出现的模式。随着机器的能力、自主性、精确性和安全关键性不断提高,运行它们所需的模拟和混合信号内容并非线性增长,而是呈复合式增长。  注:乘数因子表示方向性和示意性,用于展示曲线的形态。  图1:模拟IC内容与自主性的关系  如图1所示,随着自主性提升,模拟内容呈指数级增长:更多的传感器接口、更多的数据转换器、更多的电机控制通道、更多的电源轨,以及更严密的安全监控。  人形机器人正是这条曲线最具说服力的体现。每一个手势、每一步骤、每一个决策,都可追溯到200个以上的模拟IC,它们涵盖了每个关节的电机控制、位置传感、扭矩和力反馈、电源管理,以及涵盖LiDAR、视觉、触觉、压力和阻抗的感知层。在指尖,毫米与毫秒决定了一次抓握能否成功,其架构在此再次复制。智能提升。信号链随之深化。在每一层,需求不仅在于信号是否足够可靠,更在于信号是否足够精确、足够快速且足够稳定,以支撑实际运行。  图2:人形机器人各关节处电机控制所涉及的IC数量  图3:人形机器人平台信号链解析图  人形机器人的信号链在每个关节处重复出现:电机驱动与电流检测、位置反馈(编码器/旋转变压器)、扭矩/力反馈、本地电源管理以及高完整性通信——并延伸至指尖压力/阻抗传感,以确保稳定抓握。模拟技术并不逊色于AI。正是模拟技术让AI得以物理化。而瑞萨电子的端到端解决方案就是为了实现这一目标。  为何缺乏纵深发展的横向扩展会失败  工业环境在电气特性上非常“不友好”。温度波动、振动、电磁噪声以及长距离线缆传输都会降低信号质量,且软件事后无法进行补偿。一个在热应力下漂移半度的位置传感器不会触发错误标志,而是会产生一个错误的答案,而AI系统会据此充满信心地采取行动。  这就是实验室中表现良好的AI与现场实际运行的AI之间的差距。  弥合这一差距所需要的不仅仅是元器件,更需要一种端到端的信号架构——其中传感、控制、供电和连接经过精心设计,作为一个整体系统协同工作,而非事后拼凑而成。  在物理AI中,精度并非单一的技术指标,而是系统的固有属性。其体现在校准、时序、电源完整性以及具备故障感知能力的控制之中。  未来十年  最终胜出的系统不会是拥有最大模型的系统,而是那些在现实世界中,能够战胜温度、振动、延迟、噪声、功耗预算、安全约束以及长生命周期等种种挑战,提供最可靠性能的系统。  这不是一个软件问题,而是一个信号链问题。若您正在构建物理AI,请将模拟技术视为一个首要的设计要素:尽早规划架构,明确分配预算,并将感知、控制、供电和连接作为一个整体系统进行工程设计,而非一堆零部件的堆砌。  关键要点  随着自主性增强,模拟与混合信号的深度呈复合式增长——性能、精度和可靠性成为决定性因素,而不仅仅是模型规模的大小。  现场环境会因漂移、电磁干扰、振动和线缆损耗导致系统故障——上游信号完整性误差往往表现为“自信满满”的AI所造成的失误。  成功的架构需要将传感、控制、供电和连接作为一个经过工程化设计的信号系统——在设计早期便整体规划,明确分配预算,并面向现实世界而构建。  AI正在横向扩展。胜出者则在纵深发展。这场竞赛已然拉开帷幕。
2026-05-28 10:12 reading:401
  • Week of hot material
  • Material in short supply seckilling
model brand Quote
BD71847AMWV-E2 ROHM Semiconductor
MC33074DR2G onsemi
TL431ACLPR Texas Instruments
RB751G-40T2R ROHM Semiconductor
CDZVT2R20B ROHM Semiconductor
model brand To snap up
STM32F429IGT6 STMicroelectronics
BP3621 ROHM Semiconductor
ESR03EZPJ151 ROHM Semiconductor
BU33JA2MNVX-CTL ROHM Semiconductor
TPS63050YFFR Texas Instruments
IPZ40N04S5L4R8ATMA1 Infineon Technologies
Hot labels
ROHM
IC
Averlogic
Intel
Samsung
IoT
AI
Sensor
Chip
About us

Qr code of ameya360 official account

Identify TWO-DIMENSIONAL code, you can pay attention to

AMEYA360 weixin Service Account AMEYA360 weixin Service Account
AMEYA360 mall (www.ameya360.com) was launched in 2011. Now there are more than 3,500 high-quality suppliers, including 6 million product model data, and more than 1 million component stocks for purchase. Products cover MCU+ memory + power chip +IGBT+MOS tube + op amp + RF Bluetooth + sensor + resistor capacitance inductor + connector and other fields. main business of platform covers spot sales of electronic components, BOM distribution and product supporting materials, providing one-stop purchasing and sales services for our customers.

Please enter the verification code in the image below:

verification code