侵權投訴
                      訂閱
                      糾錯
                      加入自媒體

                      自動駕駛的算力局

                      2022-08-12 09:42
                      智車科技IV
                      關注

                      本文來源:智車科技

                      / 導讀 /

                      自動駕駛發展到現在,入行的各個玩家已經越來越意識到數據與算力的重要性,不同于其他行業,自動駕駛身關乘客的安全,并且需要實時地處理海量的信息做出最為安全、穩妥的決策,稍有閃失便會產生嚴重的后果。而在這其中,算力對于自動駕駛來說至關重要,在現如今依賴激光、圖像的感知模塊中,算力的提升將有助于感知獲取更為精確、穩定的結果。

                      自動駕駛的算力困局

                      據2021年交通運輸部印發《數字交通“十四五”發展規劃》,“十四五”期間要推動一批自動駕駛、智能航運測試基地和先導應用試點工程建設;完善自動化分揀設施、無人倉儲、無人車和無人機配送等。“

                      自動駕駛”簡單理解就是通過車輛的智能系統自動識別路況,精準操控車輛。自動駕駛可以分為5個級別,分別是L1駕駛員輔助、L2部分自動化、L3條件自動化、L4高度自動化、L5全自動。

                      數據驅動是自動駕駛發展的公認方向,也讓自動駕駛模型訓練成為一頭“吃算力”的巨獸。自動駕駛的視覺檢測、軌跡預測與行車規劃等算法模型,有賴于機器學習海量數據集,但算力的不足讓研發速度仍遠遠趕不上數據量增長的速度。隨著傳感器的進一步增加,算力的挑戰越來越大。

                      對自動駕駛來說,更重要的是算法的構建,這需要遠超終端算力幾個數量級的智能計算。大洋彼岸的特斯拉就開啟了一個“瘋狂”的算力計劃,興建了一座數據中心,專門用于自動駕駛的算法訓練,優化模型,提升視覺識別的準確率。

                      近日,造車新勢力之一小鵬汽車與阿里云聯合宣布,雙方在烏蘭察布建成國內最大的自動駕駛智算中心“扶搖”,算力可達600PFLOPS(每秒浮點運算60億億次),用于自動駕駛模型訓練。造車公司之所以重金投入“算力”,是希望加速自動駕駛研發,從而盡快投入產業應用。但是目前,大多數公司停留在L2階段,晉升到L3仍需技術“質變”,極具挑戰。

                      目前行業有兩種技術路徑:一是以特斯拉為代表的純視覺方案;另一種是以Waymo為代表的多傳感器融合方案。純視覺方案是通過攝像頭獲得環境信息并分析處理,但在惡劣環境里(例如大霧或夜晚)攝像頭的感知效果會受影響。多傳感器融合則是采用攝像頭+激光雷達+高精地圖的模式,從而適應停車場、高速、城市道路等不同場景。但不同設備之間的數據融合與反應速度也是難點。但是無論哪種方案,都需要通過海量的路況數據對自動駕駛的算法模型進行持之以恒的訓練,這背后需要強大算力的支撐。

                      算力發展,低成本、低功耗為未來趨勢

                      算力對于自動駕駛實現是如此重要,那么車企是否需要算力越高的芯片就越好呢?其實不然,不僅是算力,功耗、成本、易用性、同構性等多重因素都得納入主機廠量產車型的核心考慮中來。因此,如何在有限算力下幫助客戶算法軟件最高效地運行是衡量芯片廠商競爭力的核心標準。

                      從發展趨勢來看,自動駕駛 SoC 芯片將向“CPU+XPU”的異構式架構發展,長期來看CPU+ASIC 方案將是未來主流。SoC 是系統級別的芯片,相比 MCU 在架構上增加了音頻處理DSP、圖像處理 GPU、神經網絡處理器 NPU 等計算單元,常用于 ADAS、座艙 IVI、域控制等功能較復雜的領域。隨著智能汽車的發展,汽車芯片結構形式也由 MCU 進化至 SoC。目前市面上主流的自動駕駛芯片 SoC 架構方案分為三種:(1)CPU+GPU+ASIC,(2)CPU+ASIC,(3)CPU+FPGA。長期來看,定制批量生產的低功耗、低成本的專用自動駕駛 AI 芯片(ASIC)將逐漸取代高功耗的 GPU,CPU+ASIC 方案將是未來主流架構。

                      汽車芯片市場格局正在重塑

                      算力依賴芯片,芯片是一個依賴高研發投入,通過大規模生產以實現規模效應,攤平成本的產業,因此在市場初期掌握更多競爭優勢的廠商在實現量產上車后將通過規模效應獲得成本優勢。由于消費電子芯片巨頭具備充足的資金優勢,可通過并購優秀的初創公司,持續提升 AI 計算芯片優勢,快速補全汽車領域芯片能力與資源,以搶占市場獲得規模優勢。

                      從車載計算芯片的競爭格局來看,英偉達、Mobileye、高通等廠商具備較為明顯的優勢。傳統汽車芯片市場長期由 TI、恩智浦、瑞薩等傳統芯片廠商所占據,而汽車智能化發展帶來的車載計算芯片藍海市場吸引多方入場,形成消費電子芯片巨頭、新興芯片科技公司、傳統汽車芯片廠商、主機廠自研/合資芯片廠商四大陣營,汽車芯片市場格局正逐漸被重塑:

                      1.在自動駕駛計算芯片領域:英偉達以及背靠英特爾的 Mobileye 處于第一梯隊,高通、華為海思、地平線處于第二梯隊,展現出了強勁的上升趨勢。

                      2.在智能座艙芯片領域:高通在產品力與高端市場占有率上具備絕對領先優勢,英特爾、瑞薩、三星等廠商緊隨其后,中低端車型市場上則以恩智浦、TI 為主。

                      3.在中國市場:以華為海思、地平線、芯馳科技等為代表的國產化新興芯片科技公司也展現出了較強競爭力。

                      總結

                      伴隨著未來自動駕駛逐步走向L4/L5、汽車電子電氣架構走向中央計算平臺+區控制器模式,對底層基礎的算力、算法都會產生快速的變化牽引。回顧過去幾年時間,傳統的汽車芯片玩家NXP/RENESAS/TI已經遭遇被NVDIA/Qualcomm洗牌,2年前還強勢的Mobileye被各大主機廠逐步更換,國內新老芯片勢力開始入局。

                      持續的變化代表著這個時代還沒有最終的格局性玩家;對于市場已有芯片供應商玩家,如何避免被新的時代變化所拋棄;對于新入局的玩家,甩掉老的慣性,也有機會抓住未來幾年 “算力質變支撐應用和算法的持續迭代”的窗口期,獲得新一輪較量的先機

                             原文標題 : 自動駕駛的算力局

                      聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯系舉報。

                      發表評論

                      0條評論,0人參與

                      請輸入評論內容...

                      請輸入評論/評論長度6~500個字

                      您提交的評論過于頻繁,請輸入驗證碼繼續

                      暫無評論

                      暫無評論

                      智能汽車網 獵頭職位 更多
                      文章糾錯
                      x
                      *文字標題:
                      *糾錯內容:
                      聯系郵箱:
                      *驗 證 碼:

                      粵公網安備 44030502002758號

                      厕所偷窥拉屎WCpeeingtube