近年來，越來越多的電子產品集成到自動駕駛等級越來越高的汽車中，但是它的進展并不像各大廠商宣傳的那么順利。事實上，電子和汽車之間的差異可能需要數年的時間才能磨合和統一。

業界向完全自主駕駛推進的步伐依然如故，但是汽車制造商和芯片制造商接近終極目標的路徑卻有著顯著的不同。汽車制造商及其1級和2級供應商要求進行硬數據檢查、物理檢查和測試。而領先的芯片公司和晶圓廠卻認為只進行模擬和統計分析就足夠了。這兩種觀點的差異體現在如何證明和預測電子產品的的可靠性、導致功能降級和故障的老化及其它原因，以及對汽車中使用的IP和各種電子元件進行認證需要滿足哪些條件。

這些問題包括：

汽車制造商希望獲得和惡劣駕駛條件下的性能以及這些組件的長期可靠性相關的一些實際數據，但在許多情況下，電子元件本身并沒有這種真實世界的數據，因為自主駕駛完全是一個新課題。

如果輔助駕駛和自動駕駛汽車出現故障，汽車制造商將面臨巨大的責任，隨著自主駕駛等級的提高，責任風險也會相應增加。振動試驗、溫度交變試驗可以模擬電子器件在機械或熱應力下的工作方式。多年來，汽車公司一直依賴于物理觀察和記錄機械故障，這顯然不能適用于電子產品。

今天，很多涉足汽車業務的電子公司幾乎在汽車可靠性要求上沒什么經驗，反之，許多汽車公司對先進工藝半導體產品也沒多少概念。畢竟用于汽車應用的180nm芯片與7nm AI芯片差別很大。

現在，雖然可以使用現有的半導體工具和設備解決防止故障的問題，但汽車制造商還希望能夠獲得能夠預測故障的數據。今天的芯片特別是在AI系統中，完全是黑盒子。

福特汽車公司高級可靠性工程師Keith Hodgson說：“福特一直在使用可靠性物理分析，但是當產品老化到接近其壽命的80％時，我們并不能提前得到提醒。就是說，你還沒有失效，但是正處于失效的邊緣。”

這種數據對許多行業板塊都很有價值，因為它允許所有類型的系統供應商平衡風險和成本。但是，它在安全關鍵市場尤為重要，因為風險可能會導致嚴重的傷害，所以需要在各種各樣的部件上進行預測性維護。

“汽車制造商和芯片制造商看待可靠性有著不同的視角，”Arm物理設計事業部營銷副總裁Kelvin Low說。 “我們需要在芯片和IP方面接受更多的教育，汽車OEM也需要弄清楚芯片和IP領域正在發生的事情。供應鏈中的每個人都會受到影響。 目前，代工廠并不會分享所有器件的代工數據，你在最終產品上只能進行少量的仿真。結果，芯片制造商的的利潤率更高了，因為他們實際上不需要處理也看不到那么多數據。”

設計和制造的轉變

領先的芯片廠商通常會將數據開放給代工廠和EDA供應商，以便能夠以足夠高的良率制造出所設計的產品。自FinFET問世以來，三星、格羅方德、臺積電等代工廠一直都在提供有關工藝變化和其它影響的數據，這些數據會影響其頂級客戶、EDA廠商和IP公司的產品可靠性。不過，為汽車應用開發7nm AI芯片還有一系列新的問題。

應用材料公司蝕刻產品戰略副總裁Uday Mitra說：“每個節點的問題都在累加，增加了工藝升級過程中出錯的可能性。現在的工藝升級不再是一個簡單的尺寸縮小了。隨著工藝節點的升級，邊緣放置誤差容差變小，光刻對準誤差和工藝變化誤差也在增加。目前最大允許的EPE是四分之一節距，間距更小，從而變得更糟。除非增加間距，否則即使重新流片也無法解決問題。”

汽車行業又在這些問題之上增加了嚴格的認證和可靠性標準。今天并沒有用于汽車的7nm AI芯片，因此芯片廠商還沒有提供這些數據。制造后會出現什么樣的問題現在也無法預料。

“導致汽車IC可靠性故障的潛在缺陷和隨機缺陷直接相關，”KLA－Tencor高級主管Rob Cappel表示。 “如果使用適當的檢查工具、采樣策略和方法來發現和減少隨機缺陷，那么，晶圓廠捕獲這些可靠性問題的概率要高得多。”

這也是由汽車集成先進電子技術而推動的一個重大轉變。在汽車中，這些電子器件需要在沒有任何故障的情況下使用長達18年，因此電路監測是必不可少的。當然，時間計算公式還要取決于無人駕駛出租車的行駛里程，不過，這些無人駕駛汽車在失效前需要一種更換零件或模塊的方法。

汽車制造商希望親眼看到可以證實可靠性的證據，預測分析和模擬當然也很棒，但是汽車廠商還是希望眼見為實。

這些問題的范圍極廣，從完全失效到更微妙的時序問題都可能涵蓋在內。

業界已經開展了預測性維護工作，像恩智浦、意法半導體、英飛凌和英特爾這樣的芯片公司正在片上編寫復雜的代碼，像博世和德爾福這樣的汽車電子零部件公司正在分層開發更多的軟件。他們需要驗證、認證和分析，以便在芯片公司的保障之外再添加一層防火墻。如果有一個bug，需要捕獲它并確保它不會導致問題。如果系統被黑客入侵，肯定想得到通知和提醒。但是需要在芯片運行的同時檢測出bug、黑客攻擊和安全問題。