自动驾驶的算力局

最新更新时间:2022-08-12来源: 智车科技关键字:自动驾驶  算力 手机看文章 扫描二维码
随时随地手机看文章

自动驾驶发展到现在,入行的各个玩家已经越来越意识到数据与算力的重要性,不同于其他行业,自动驾驶身关乘客的安全,并且需要实时地处理海量的信息做出最为安全、稳妥的决策,稍有闪失便会产生严重的后果。而在这其中,算力对于自动驾驶来说至关重要,在现如今依赖激光、图像的感知模块中,算力的提升将有助于感知获取更为精确、稳定的结果。


自动驾驶的算力困局

 

据2021年交通运输部印发《数字交通“十四五”发展规划》,“十四五”期间要推动一批自动驾驶、智能航运测试基地和先导应用试点工程建设;完善自动化分拣设施、无人仓储、无人车和无人机配送等。“

 

自动驾驶”简单理解就是通过车辆的智能系统自动识别路况,精准操控车辆。自动驾驶可以分为5个级别,分别是L1驾驶员辅助、L2部分自动化、L3条件自动化、L4高度自动化、L5全自动。

 

数据驱动是自动驾驶发展的公认方向,也让自动驾驶模型训练成为一头“吃算力”的巨兽。自动驾驶的视觉检测、轨迹预测与行车规划等算法模型,有赖于机器学习海量数据集,但算力的不足让研发速度仍远远赶不上数据量增长的速度。随着传感器的进一步增加,算力的挑战越来越大。

 

对自动驾驶来说,更重要的是算法的构建,这需要远超终端算力几个数量级的智能计算。大洋彼岸的特斯拉就开启了一个“疯狂”的算力计划,兴建了一座数据中心,专门用于自动驾驶的算法训练,优化模型,提升视觉识别的准确率。

 

 

近日,造车新势力之一小鹏汽车与阿里云联合宣布,双方在乌兰察布建成国内最大的自动驾驶智算中心“扶摇”,算力可达600PFLOPS(每秒浮点运算60亿亿次),用于自动驾驶模型训练。造车公司之所以重金投入“算力”,是希望加速自动驾驶研发,从而尽快投入产业应用。但是目前,大多数公司停留在L2阶段,晋升到L3仍需技术“质变”,极具挑战。

 

目前行业有两种技术路径:一是以特斯拉为代表的纯视觉方案;另一种是以Waymo为代表的多传感器融合方案。纯视觉方案是通过摄像头获得环境信息并分析处理,但在恶劣环境里(例如大雾或夜晚)摄像头的感知效果会受影响。多传感器融合则是采用摄像头+激光雷达+高精地图的模式,从而适应停车场、高速、城市道路等不同场景。但不同设备之间的数据融合与反应速度也是难点。但是无论哪种方案,都需要通过海量的路况数据对自动驾驶的算法模型进行持之以恒的训练,这背后需要强大算力的支撑。

 

算力发展,低成本、低功耗为未来趋势

 

算力对于自动驾驶实现是如此重要,那么车企是否需要算力越高的芯片就越好呢?其实不然,不仅是算力,功耗、成本、易用性、同构性等多重因素都得纳入主机厂量产车型的核心考虑中来。因此,如何在有限算力下帮助客户算法软件最高效地运行是衡量芯片厂商竞争力的核心标准。

 

从发展趋势来看,自动驾驶 SoC 芯片将向“CPU+XPU”的异构式架构发展,长期来看CPU+ASIC 方案将是未来主流。SoC 是系统级别的芯片,相比 MCU 在架构上增加了音频处理DSP、图像处理 GPU、神经网络处理器 NPU 等计算单元,常用于 ADAS、座舱 IVI、域控制等功能较复杂的领域。随着智能汽车的发展,汽车芯片结构形式也由 MCU 进化至 SoC。目前市面上主流的自动驾驶芯片 SoC 架构方案分为三种:(1)CPU+GPU+ASIC,(2)CPU+ASIC,(3)CPU+FPGA。长期来看,定制批量生产的低功耗、低成本的专用自动驾驶 AI 芯片(ASIC)将逐渐取代高功耗的 GPU,CPU+ASIC 方案将是未来主流架构。

 

汽车芯片市场格局正在重塑

 

算力依赖芯片,芯片是一个依赖高研发投入,通过大规模生产以实现规模效应,摊平成本的产业,因此在市场初期掌握更多竞争优势的厂商在实现量产上车后将通过规模效应获得成本优势。由于消费电子芯片巨头具备充足的资金优势,可通过并购优秀的初创公司,持续提升 AI 计算芯片优势,快速补全汽车领域芯片能力与资源,以抢占市场获得规模优势。

 

从车载计算芯片的竞争格局来看,英伟达、Mobileye、高通等厂商具备较为明显的优势。传统汽车芯片市场长期由 TI、恩智浦、瑞萨等传统芯片厂商所占据,而汽车智能化发展带来的车载计算芯片蓝海市场吸引多方入场,形成消费电子芯片巨头、新兴芯片科技公司、传统汽车芯片厂商、主机厂自研/合资芯片厂商四大阵营,汽车芯片市场格局正逐渐被重塑:

 

1.在自动驾驶计算芯片领域:英伟达以及背靠英特尔的 Mobileye 处于第一梯队,高通、华为海思、地平线处于第二梯队,展现出了强劲的上升趋势。

 

2.在智能座舱芯片领域:高通在产品力与高端市场占有率上具备绝对领先优势,英特尔、瑞萨、三星等厂商紧随其后,中低端车型市场上则以恩智浦、TI 为主。

 

3.在中国市场:以华为海思、地平线、芯驰科技等为代表的国产化新兴芯片科技公司也展现出了较强竞争力。

 

总结

 

伴随着未来自动驾驶逐步走向L4/L5、汽车电子电气架构走向中央计算平台+区控制器模式,对底层基础的算力、算法都会产生快速的变化牵引。回顾过去几年时间,传统的汽车芯片玩家NXP/RENESAS/TI已经遭遇被NVDIA/Qualcomm洗牌,2年前还强势的Mobileye被各大主机厂逐步更换,国内新老芯片势力开始入局。

 

持续的变化代表着这个时代还没有最终的格局性玩家;对于市场已有芯片供应商玩家,如何避免被新的时代变化所抛弃;对于新入局的玩家,甩掉老的惯性,也有机会抓住未来几年 “算力质变支撑应用和算法的持续迭代”的窗口期,获得新一轮较量的先机。

 

参考资料:


[1] http://news.sohu.com/a/574272006_123753


[2] https://ee.ofweek.com/2022-07/ART-8420-2800-30569924.html


关键字:自动驾驶  算力 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic618857.html

上一篇:自动驾驶技术,集度将领先特斯拉一代?
下一篇:跻身自动驾驶第一阵营,小米汽车有多少底气?

推荐阅读

自动驾驶下半场:车路云“团体赛”
蘑菇车联是业内最早提出“单车智能+车路协同”技术服务路线的企业之一,是车路云一体化方案的首创者、先行者,拥有全栈自研的“车路云一体化”自动驾驶方案,具备建设新型道路基础设施、构建城市数字底座的技术能力,和城市级大规模自动驾驶公共服务车队运营能力。蘑菇车联副总裁詹宏波以《“车路云一体化”,自动驾驶大规模商业化之路》为主题展开演讲,以下是演讲内容整理:蘑菇车联副总裁詹宏波发表《“车路云一体化”,自动驾驶大规模商业化之路》演讲近年来,随着中国经济高速发展,城镇化不断加速,车辆保有量也在快速增长,城市交通面临沉重的压力,交通拥堵、污染成为日益严重的问题。在大力发展数字经济的背景下,人工智能、大数据、物联网成为构建智慧交通体系、实现交通系统升
发表于 2022-09-28
<font color='red'>自动驾驶</font>下半场:车路云“团体赛”
从NVIDIA自动驾驶芯片Thor,看大芯片的发展趋势
北京时间,9月21凌晨,NVIDIA GTC 2022秋季发布会上,CEO黄仁勋发布了其2024年将推出的自动驾驶芯片。因为其2000TFLOPS的性能过于强大,英伟达索性直接把它全新命名为Thor,代替了之前1000TOPS的Altan。Thor的发布,代表着在汽车领域,已经由分布式的ECU、DCU转向了完全集中的功能融合型的单芯片。也预示着一个残酷的现实:“许多做DCU级别的ADAS芯片公司,产品还在设计,就已经落后”。云和边缘计算的数据中心,以及自动驾驶等超级终端领域,都是典型的复杂计算场景,这类场景的计算平台都是典型的大算力芯片。大芯片的发展趋势已经越来越明显的从GPU、DSA的分离趋势走向DPU、超级终端的再融合,未来会进
发表于 2022-09-28
从NVIDIA<font color='red'>自动驾驶</font>芯片Thor,看大芯片的发展趋势
国汽智联携手是德科技建设自动驾驶测试平台
2022 年 9 月 28 日,北京——是德科技公司日前宣布,国汽(北京)智能网联汽车研究院有限公司(以下简称国汽智联)选择是德科技合作建设自动驾驶测试平台项目。是德科技提供先进的设计和验证解决方案,旨在加速创新,创造一个安全互联的世界。《国家智能汽车创新发展战略》提出“人-车-路-云”系统协同发展的概念,并将其作为“构建协同开放的智能汽车技术创新体系”的重要任务之一,为有条件自动驾驶的智能汽车达到规模化生产及高度自动驾驶的智能汽车在特定环境下的市场化应用提供支撑。在该体系下,车路云各异构节点通过标准化通信机制进行广泛互联通信,打通信息孤岛,用于支持协同控制的闭环通信链路。在此行业大背景下,国汽智联以敏锐的洞察力找准技术定位,勇于承
发表于 2022-09-28
国汽智联携手是德科技建设<font color='red'>自动驾驶</font>测试平台
我国牵头的自动驾驶测试场景评价国际标准正式立项
9月12日,我国牵头在国际标准化组织(ISO)框架下提出的《道路车辆自动驾驶系统测试场景场景评价与测试用例生成》(ISO 34505)国际标准项目,经投票表决后正式获得立项,由中国和德国专家联合担任标准项目牵头人。ISO 34505标准拟主要规定自动驾驶系统测试场景的评价方法,提出测试场景关键度、复杂度、危险度等功能性评价指标的判定要求,并定义测试用例生成的一般性方法及其必要特征,包括测试目标、测试步骤、执行条件和预期结果等。智能网联汽车及自动驾驶系统测试是自动驾驶技术研发中的重要环节,也是实现产业化规模化发展的重要支撑,基于测试场景开展的自动驾驶测试评价已在全球范围内形成共识。本标准的立项制定,将填补自动驾驶系统测试场景生成测试用
发表于 2022-09-23
我国牵头的<font color='red'>自动驾驶</font>测试场景评价国际标准正式立项
自动驾驶安全实践挑战及思考
上海磐时是一家专门从事汽车功能安全、预期功能安全、信息安全相关的培训、流程咨询、产品咨询、工程服务的专业公司。上海磐时信息技术有限公司创始人边俊以《自动驾驶安全实践挑战及思考》为主题,从如何设计可靠冗余,如何让Linux满足功能安全,如何覆盖感知系统的各种失效模式,如何正确判断自动驾驶设计的ODD,如何定义自动驾驶的安全可接受准则,如何解决自动驾驶仿真环境和真实世界的差异性这几个方面展开,以下是演讲内容整理:上海磐时信息技术有限公司创始人边俊如何设计可靠冗余首先做个简单的自我介绍,我在2009年开始接触功能安全,当时普遍使用的标准还是应用于工业领域的IEC 61508,到如今已经从事了十几年安全相关的开发、审核等工作。首先说一下创立
发表于 2022-09-23
<font color='red'>自动驾驶</font>安全实践挑战及思考
自动驾驶为什么一定要多传感器融合?
自动驾驶正成为影响未来行业的关键技术,车载传感器是自动驾驶系统中感知外部世界的关键,它们就像车辆的“眼耳口鼻”,帮助车辆感知外部世界,听觉视觉等缺一不可,这几种感知的协作性能也直接决定自动驾驶车辆的安全性。目前业界主要使用三种传感器,包括摄像头、激光雷达、毫米波雷达。各种传感器各有优缺点,因此在自动驾驶系统中通常有不同的任务划分。使用多传感器融合技术的主要原因是为了扬长避短、冗余设计,提高整车安全系数。多传感器融合系统所实现的功能要远超这些独立系统能够实现的功能总和,相当于1+1>2。使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下,额外提供一定冗余度。这种错误或故障可能是由自然原因(例如,浓雾天气)或是人为现象
发表于 2022-09-22
<font color='red'>自动驾驶</font>为什么一定要多传感器融合?
小广播
换一换 更多 相关热搜器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 动力系统 底盘电子 车身电子 信息及娱乐系统 安全 总线与连接 车用传感器/MCU 检测与维修 其他技术 行业动态

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2022 EEWORLD.com.cn, Inc. All rights reserved