Board logo

标题: 自动驾驶核心竞争力体现在其决策算法方面(2) [打印本页]

作者: best1538    时间: 2019-1-1 11:17     标题: 自动驾驶核心竞争力体现在其决策算法方面(2)

目前的硬件效能达不到实用要求
对于自动驾驶这样的复杂任务,在设计软件的同时,还必须考虑与之匹配的硬件效能,这里包括性能、功耗和功能安全。
为了保证自动驾驶的实时性要求,我们需要保证软件响应的最大延迟在可接受的范围内,对于计算资源的要求也因此变得极高,目前,自动驾驶软件的计算量达到了10个TOPS(每秒万亿次操作)的级别,这使得我们不得不重新思考对应的计算架构。
图灵奖获得者Alan Kay,他有一句话是乔布斯一直信仰的:如果你严肃地思考你的软件,你就必须要做你自己的硬件。
事实上,整个数字半导体和计算产业的产业驱动力,正在从手机转向自动驾驶,后者所需要的计算量比手机要大两个数量级。
今天,打开任何一家主机厂的无人车的后备箱,都是一堆计算设备,不但没有地方放行李,而且还要解决它的整个系统稳定性问题。之前在乌镇举行的世界互联网大会,记者在实际体验百度的无人车时,提到非常有趣的一点:“这辆无人车平稳地行驶了起来,但位于后备箱的车载计算机噪音较大,可以听到风扇在运行的声音。”
U+GPU+FPGA的计算平台,计算所需要的功率非常大,GPU尤其恐怖,如果没有强力风扇来散热的话为什么呢?因为它使用的是CPU+GPU+FPGA的计算平台,计算所需要的功率非常大,GPU尤其恐怖,如果没有强力风扇来散热的话,夏天很容易烧坏机器。坐在这样的车里,就别讲究体验了。

功能安全是另一个巨大的挑战,这里面其实包含了多个方面的要求:处理器要符合至少ASIL-B等级的要求,可靠性需要能够保证在至少十年的使用期内不出问题。
高通在手机领域有非常强的实力,而且向汽车电子进军的努力也从未停止,但去年高通依然决定花370亿美元重金收购了汽车电子老大NXP,这从另一个侧面折射出汽车电子的门槛之高。
人工智能处理器与自动驾驶计算平台
这让我们想起计算机的发展历史,50年代是大型机的时代,那个时候一台大型机可以占据实验楼的一整个楼层,需要一个庞大的团队来操作,价格高到数百万美元;七十年代小型机占据主导,小型机可以安装进一个房间,价格也降到数万美元;八十年代是PC时代,可以摆放到桌面,价格则又降低了一个数量级,如今是手机,可以装进口袋;贯穿其中的是三个主要方面的进步:体积、功耗和成本。
人工智能所需要的处理器,从2012年开始业界已经开始广为关注,比如从GPU到FPGA,再到TPU,业界也沿着之前计算机走过路,重构人工智能所需要的处理器。人工智能所需要的处理器,从2012年开始业界已经开始广为关注,比如从GPU到FPGA,再到TPU,业界也沿着之前计算机走过路,重构人工智能所需要的处理器。
英伟达在本届CES上发布了最新的车载计算平台“XAVIER”,512个Volta CUDA核心可提供高达30TOPS的计算性能,但最引人注目的还是其30W的功耗,大大低于之前还需要水冷的Drive PX2。这是一个很大的进步,但还不够,要让自动驾驶得到普及,性能、功耗、成本和体积因素,一个也不能少。
如今很多车厂都制定了非常激进的自动驾驶开发计划,但其实样车开发与其投入到量产车的日程表其实是差异非常大的。与量产车的设计理念完全不同,量产车必须考虑成本因素,不能跟今天的GPU或者其它的计算所需要的成本一样,而这就需要业界提供新的计算平台。
FPGA被越来越多的公司关注,其可编程特性可以满足专有计算构架的需求,微软、Intel等公司都在大量部署基于FPGA的系统。
FPGA在ADAS方面的出货量也在迅速增加,去年的出货量应该不会低于3Mu。但FPGA再往上走,计算资源的扩展会让成本上升到很难接受的地步。半导体业界无数的历史都表明,FPGA往往是定制化ASIC的前哨站,一旦某个应用的量足够大,定制化ASIC就会变得更经济。




欢迎光临 电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/) Powered by Discuz! 7.0.0