大市中国

大市中国 > 财经 >

自动驾驶AI芯片竞速赛全面开启

时间:2021-09-10 22:04:24

 

来源:中国电子报

AI芯片很热,自动驾驶AI芯片更热。英伟达、英特尔、特斯拉、高通、地平线、黑芝麻智能等国内外传统芯片厂、新锐企业纷纷涌入车载AI芯片市场分羹。如今,L2+ADAS自动驾驶商业变现正劲,L4高级别自动驾驶落地路线越来越清晰,成为头部企业争相抢占的高地。

从各大厂商的产品路线来看,自动驾驶芯片呈现出GPU、FPGA、ASIC三大架构共荣的格局。然而,底层架构不是判定自动驾驶能力的唯一因素,随着汽车智能化程度的攀升,自动驾驶对于软件能力的要求走高,一场“始于硬件”“重于软件”的自动驾驶芯片竞速赛全面开启。

“CPU+XPU”是自动驾驶芯片设计主流趋势

自动驾驶汽车智能化水平越高,需要处理的数据体量越大,高精地图、传感器、激光雷达等软硬件设备对计算提出更高要求,具备AI能力的主控芯片成为主流,加速芯片可以提升算力并助推算法的产生,常见的AI加速芯片包括GPU、ASIC、FPGA三类。

盖世汽车研究院高级分析师王显斌向《中国电子报》记者指出,

传统车辆普遍使用ECU,底层芯片主要为CPU。自动驾驶发展对数据传输实时性要求大,仅靠CPU的算力与功能早已不能满足所需,CPU与GPU、FPGA、ASIC等架构结合形成“CPU+XPU”是自动驾驶芯片设计的主流趋势。

目前主流厂商多以“CPU+XPU”相结合的方式,进行自动驾驶芯片设计。英伟达Xavier和特斯拉FSD采用“CPU+GPU+ASIC”的设计路线,Xavier以GPU为计算核心,主要有4个模块∶CPU,GPU,DeepLearningAccelerator(DLA)和ProgrammableVisionAccelerator(PVA),GPU占据最大面积;特斯拉FSD以NPU(一种ASIC)为计算核心,有三个主要模块,CPU,GPU和NeuralProcessingUnit(NPU)。特斯拉自研NPU(属于ASIC)占据最大面积,主要用来运行深度神经网络。GPU主要是用来运行deepneuralnetwork的postprocessing部分。

MobieyeEyeQ5和地平线征程系列采用“CPU+ASIC”架构,EyeQ5主要有4个模块:CPU,ComputerVisionProcessors(CVP),DeepLearningAccelerator(DLA)和MultithreadedAccelerator(MA)。其中CVP是针对很多传统计算机视觉算法设计的ASIC;地平线自主设计研发了Al专用的ASIC芯片∶BrainProcessingUnit(BPU)

Waymo采用“CPU+FPGA”,计算平台采用英特尔Xeon12核以上CPU,搭配Altera的Arria系列FPGA。

1

三大架构竞速高级别自动驾驶

“GPU擅长图像识别,ASIC、FPGA可以灵活设计,满足定制化需求。”盖世汽车研究院高级分析师王显斌对《中国电子报》记者指出。

自动驾驶要去高精度、高可靠性的图像识别能力,GPU的设计初衷是为了应对图像处理中需要的大规模并行计算,刚好切合自动驾驶的关键技术要求。英伟达在GPU领域具备长期积累的技术和市场能力,进入自动驾驶赛道后,带领GPU迅速占领市场,合作伙伴囊括奔驰、沃尔沃、现代、奥迪等传统车厂,蔚来、理想、小鹏、上汽这些造车新势也在使用英伟达的自动驾驶芯片。

今年8月,英伟达推出最新自动驾驶芯片组——DRIVEAtlan。据介绍,Atlan单颗芯片的算力能够达到1000TOPS,将应用于L4及L5级别自动驾驶。黄仁勋公开表示,AtlanSoC将于2023年向开发者提供样品,2025年大量装车。王显斌指出,未来自动驾驶芯片会出现更多多元化架构GPU,高精地图、传感器、激光雷达等对图像识别能力要求越来越高,GPU的基础量会越来越大。

特斯拉采用了与英伟达相似的设计路线,不过在ASIC上侧重更多。今年8月,马斯克在2021年特斯拉(TSLA.US)AIDay上,向外界展示了一款自研芯片云端Dojo.Dojo的训练CPU属于ASIC芯片,专注于人工智能训练,可以实现1024GFLOPS的BF16算力。特斯拉表示,它的效率超过了现有的GPU和TPU,可以大幅度优化算法提升的效率,为L4、L5级别的自动驾驶做铺垫。特斯拉Dojo利用在云端模拟了一个十分贴近现实的世界,用来训练自动辅助驾驶技术。

马斯克一直认为,解决自动驾驶的唯一方法是解决现实世界中的AI问题,无论是硬件还是软件,除非一家公司具有很强的AI能力以及超强算力,否则很难解决自动驾驶难题。Dojo,正是基于对自动驾驶问题的考量。特斯拉选择ASIC的原因也不难理解,可以为各行各业提供通用能力的方案,并不是特斯拉想要的,而ASIC的优势在于灵活设计,能够更好地满足产品的定制化需求。

Waymo可以说是属于FPGA派系的。2017年,英特尔宣布,自2009年一直在与谷歌合作,合作开发无人驾驶汽车,同时也为谷歌母公司Alphabet旗下自动驾驶公司Waymo提供Xeon处理器、Arria系统芯片(用于机器视觉)。Arria属于FPGA芯片,不过Waymo在芯片上相对低调,没有曝光太多细节。值得注意的是,2015年英特尔收购了主打ASI的芯片厂商Altera;2017年收购了Mobileye,MobileyeEye系列自动驾驶芯片是典型的ASIC技术路线的代表。

英伟达、特斯拉新品双双对准了L4、L5级别自动驾驶,Waymo从入局就定位在高处,头部厂商间已形成围绕高级别自动驾驶升级产品的态势。

先入局者开始在芯片算力、功耗能力上不断迭代,推动汽车智能化发展进一步升级,自动驾驶市场扩张,蛋糕越做越大,局外观战的芯片玩家也开始坐不住了。

今年1月,高通发布5nm制程工艺,面向L2+到L4级别自动驾驶的SoC和加速器芯片,以及SnapdragonRide自动驾驶平台,将搭载于2022年开始量产的车型之中。高通表示,随着最新SoC的加入,高通SnapdragonRide可支持多层级的ADAS/AD(高级驾驶辅助系统/高度自动化驾驶及全自动驾驶)功能。Canalys最新的研究表明,2025年将有约30%的在用汽车能配备ADAS功能,2030年约为50%。“目前标准L2自动驾驶汽车的配置中,ADAS渗透达到18%-20%。”王显斌称。目前在全球范围内,L2级别自动驾驶走入成熟阶段,L2级ADAS市场还有很大的增量空间。

“按照美国机械工程协会发布的自动驾驶标准来看,L2进入商业落地成熟阶段,达到L5级还需要很长的时间,L4的商业道路比较清晰。”中科院战略咨询院产业科技创新中心汽车行业特聘研究员鹿文亮对《中国电子报》记者说道。

如今,芯片厂商争相布局L4、L5高级别自动驾驶,对芯片算力、功耗提出更高要求,一场围绕GPU、ASIC和FPGA的自动驾驶竞速赛已经打响。然而,底层架构不是决定自动驾驶能力的唯一判定标准,不论是随着汽车智能化程度的攀升,软件在其中的作用越来越重要。

芯片+平台是目前国内外自动驾驶头部玩家的主流发展路线,聚集了英伟达、英特尔、特斯拉、地平线、黑芝麻等领先厂商。

芯片竞速赛也是软件之间的一场比拼,自动驾驶好不好,还要软硬结合来看。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。