3nm上车、100Gbps:瑞萨R-Car X5H重新定义车载TSN网络

发布时间:2026-04-22 09:40
作者:AMEYA360
来源:瑞萨
阅读量:644

  4月15日-16日,2026第七届中国国际汽车以太网峰会(AES2026)于上海举办。在“车载网络架构创新与Serdes技术路径”分会场,瑞萨电子高性能运算产品市场应用技术部经理李高伟,发表了《赋能下一代E/E架构:瑞萨以太网TSN交换机IP解决方案》的主题演讲,系统介绍了瑞萨面向集中式E/E架构的R-Car X5H SoC与RH850 U2B24-E MCU,以及集成其中的R-Switch 3.0以太网TSN交换机IP。

3nm上车、100Gbps:瑞萨R-Car X5H重新定义车载TSN网络

  瑞萨电子高性能运算产品市场应用技术部经理李高伟发表演讲

  车载交换机面临的新挑战

  随着汽车电子电气架构从多域控制器向“中央计算+区域控制”(HPC + Zonal ECU)加速演进,以太网与TSN交换机已成为决定整车实时性与安全性的关键环节。传统分布式架构中,交换机仅承担简单的数据转发。而在集中式架构下,一个中央计算平台需同时服务智能座舱、ADAS、网关、车身控制等多个功能域,并运行多个操作系统(QNX、Android、Linux等)。演讲中指出,车载交换机必须具备:低延迟无阻塞交换能力、完整的TSN特性支持、多核SoC/MCU及多虚拟机的协同能力,以及满足混合安全等级(ASIL-B/D)的硬件隔离机制。瑞萨的解决方案是将高性能TSN交换机IP直接集成到中央计算SoC中,并为之设计了第三代R-Switch架构——R-Switch 3.0。

  R-Car X5H:

  业界首款3nm车规级多域融合处理器

  R-Car X5H是本次演讲的核心亮点。作为业界首款采用3nm制程的车规级多域融合中央计算芯片,它在特定工作负载下能效比上一代提升30–35%,在部分应用场景下,无需液冷即可满足车规级散热要求,对整车成本与可靠性意义重大。

  X5H的性能参数树立了行业新标杆:

  CPU:32个Cortex-A720AE,总计1400K DMIPS

  实时核:12个Cortex-R52,最高64.6K DMIPS,也可配置为锁步核支持ASIL-B/D

  NPU:高达400 TOPS(稀疏),用于360°感知

  GPU:最高4 TFLOPS,支持超过10个显示器,最高8K输出

  内存:LPDDR5x,250GB/s带宽

  扩展:通过UCIe支持Chiplet,可灵活升级NPU/GPU

  此外,X5H内置了多级安全架构和硬件FFI(混合安全等级隔离),允许ASIL-D与非安全应用在同一芯片上安全共存,无需额外Hypervisor开销。这一设计前瞻性地回应了软件定义汽车对安全与灵活性的双重需求。

  R-Switch 3.0:

  集成在X5H内的TSN交换核心

  R-Switch 3.0是瑞萨自研以太网车载交换机IP的第三代产品,专门针对车载混合架构和高千兆速率设计,符合IEEE 802.1DG和OPEN TC11标准。其硬件规格充分满足未来五年车载网络的需求:

  端口配置:最多8个外部网口(支持1Gbps–10Gbps)、8个内部网口、2个CPU专用口

  总带宽:外部输入总和50Gbps,内部交换能力100Gbps

  安全:所有外部网口支持MACsec,内、外口支持VLAN隔离机制

  转发架构:基于流水线的无阻塞存储转发,集成CAM/TCAM转发表

  路由能力:硬件完成从Layer 1 (Port) – Layer 2 (MAC/Stream ID) – Layer 3 (IPv4/IPv6) – Layer 4 (UDP/TCP) 等各层转发

  多路以太网专用DMA直接内存访问机制

  在TSN特性上,R-Switch 3.0几乎覆盖了所有车载所需的关键标准:802.1AS-rev(双时钟域)、802.1Qav(信用感知调度)、802.1Qbv(时间感知调度)、802.1Qbu + 802.3br(帧抢占)、802.1Qci(输入流监管)、802.1CB(帧复制与消除)。这些特性确保了音频、视频、控制数据在同一网络中确定性传输,彻底告别为不同流量单独布置专用总线的时代。

  现场演示:

  全以太网AVB音频方案

  演讲现场,李高伟展示了基于R-Car X5H与RH850 U2B24-E的以太网AVB音频演示系统。通过R-Switch 3.0的8路以太网端口和内置通用DSP,实现了多路麦克风、扬声器的低延迟音频传输。整套方案无需外置音频DSP,由R52实时核独立控制,完全不占用A720主核资源。

  该演示直观地证明:在集中式架构下,过去需要单独走专用总线的功能,现在可以统一到以太网骨干网上,且性能更好、成本更低、软件兼容性更强。这也是瑞萨一直倡导的“网络融合”理念的具体体现。

  展望:

  从功能集成走向网络融合

  下一代汽车E/E架构的竞争,不再仅仅是算力的比拼,更是网络交换能力与TSN生态完整性的较量。瑞萨R-Car X5H将3nm制程、400 TOPS AI算力、100Gbps TSN交换机整合在一颗芯片中,并支持Chiplet扩展,为车厂提供了一条从当前Zonal架构到未来完全软件定义汽车的平滑演进路径。面向未来,瑞萨将持续深耕车载以太网TSN技术,携手合作伙伴共同推动智能汽车网络向更高效、更安全、更开放的方向迈进。

3nm上车、100Gbps:瑞萨R-Car X5H重新定义车载TSN网络


(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!)

在线留言询价

相关阅读
议程揭晓|6.14深圳见 · 瑞萨RA MCU开发者日
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 阅读量:294
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:319
喜报|瑞萨电子荣获上海繁易“战略合作伙伴”奖
2026-05-29 09:55 阅读量:407
  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
CDZVT2R20B ROHM Semiconductor
BD71847AMWV-E2 ROHM Semiconductor
TL431ACLPR Texas Instruments
MC33074DR2G onsemi
RB751G-40T2R ROHM Semiconductor
型号 品牌 抢购
TPS63050YFFR Texas Instruments
STM32F429IGT6 STMicroelectronics
IPZ40N04S5L4R8ATMA1 Infineon Technologies
BU33JA2MNVX-CTL ROHM Semiconductor
ESR03EZPJ151 ROHM Semiconductor
BP3621 ROHM Semiconductor
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
相关百科
关于我们
AMEYA360微信服务号 AMEYA360微信服务号
AMEYA360商城(www.ameya360.com)上线于2011年,现 有超过3500家优质供应商,收录600万种产品型号数据,100 多万种元器件库存可供选购,产品覆盖MCU+存储器+电源芯 片+IGBT+MOS管+运放+射频蓝牙+传感器+电阻电容电感+ 连接器等多个领域,平台主营业务涵盖电子元器件现货销售、 BOM配单及提供产品配套资料等,为广大客户提供一站式购 销服务。

请输入下方图片中的验证码:

验证码