1.軟件依賴性（Software reliance）

初代ADAS方案的研發人員竭力克服設計障礙。為此，他（她）們創建了復雜的軟件。然而，事實證明，對于復雜的汽車系統而言，預編程算法難以發揮效用。

研究人員不得不為了傳感器融合、視覺處理及安全性創建新算法，這必然要集成一個大代碼基（code base），勢必會增加成本及安全風險，因為工程師必須持續地維護并更新軟件。

這意味著需要從在商用硬件上構建的軟件中心型系統（software-centric systems）向專注于計算功能的定制化片上系統（系統級芯片，SoCs）及硬件加速器轉型，使得ADAS研發人員將復雜的算法切割為較小的計算，使得ADAS設計對現實駕駛情境的響應性得到提升。

ADAS的技術演進為自動駕駛汽車工程設計團隊提供了一個模板，指導其采用片上系統執行自動駕駛功能，該類功能的復雜程度超乎想象，還需要實現近實時（near-real-time）性能。

2.近實時設計

當談到確保實時處理、傳感器融合及其他關鍵任務（mission-critical tasks）時，自動駕駛的雅畈人員可從ADAS的研發過程中汲取經驗。

在初期，ADAS研發人員依靠內置靜態隨機存取存儲器（內存，SRAMs）實現片上計算子系統的信息交換，成對的內存可被用作輸出郵箱，同時還將向其送入計算任務的輸入值。軟件中的通信管理成為技術挑戰，當信息處理元件增多后，會導致信息延遲。

最后，ADAS芯片采用了異構緩存一致性（heterogeneous cache coherency）等技術，該項片上通信技術可高效地實現與片上系統內CPU、GPU及DPU等計算元件的連通，旨在增強處理帶寬并縮短延遲時間。

最為關鍵的是，這類硬件加速器在自動駕駛車用片上系統中占據了主導地位，異構緩存一致性等片上通信技術也發揮著重要作用，允許片上系統執行近實時嵌入式處理，旨在應該對復雜的機器學習算法。

3.整合的挑戰

自動駕駛片上系統的復雜程度令人膽寒，鑒于將超級計算機的強大功能、功能性安全要求及近實時內嵌式性能收斂（near-real-time embedded performance converge）集成到一塊定制硅芯片后，這一感覺就變得尤為明顯。

許多自動駕駛設計將硬件加速器用于研發工作，該類設備被用作為處理節點（processing nodes），以便特定的算法任務，如：高清雷達成像的計算機視覺。而許多自動駕駛車輛的片上系統正利用深度神經元網絡執行機器學習功能，硬件加速器在該網絡內發揮神經元的功能。

在這類片上系統基礎架構內，可針對特定的自動駕駛算法精準調節硬件加速器或異構處理元件，片上互聯可采用一致的方式連接所有的硬件加速器，確保能掌控不斷提升的系統復雜性。