以终局思维,开辟自动驾驶计算芯片的突围之径

发布者:大泉人家最新更新时间:2021-02-08 关键字:AI芯片  自动驾驶  车规级芯片 手机看文章 扫描二维码
随时随地手机看文章

12月1日,智东西GTIC 2020 AI芯片创新峰会在北京国家会议中心开幕。本次AI芯片创新峰会以“拥抱芯世界 开创新未来”为主题,围绕AI芯片自主创新和产业落地两个核心方向,探讨AI芯片的创新与自主可控、AI芯片在新基建风口下的落地,以及AI芯片新机遇与未来趋势。当天,黑芝麻智能科技CMO杨宇欣就自动驾驶计算芯片的突围之径这一主题,与到场的业内人士分享了他的观点。

 

黑芝麻智能科技CMO杨宇欣

 

自动驾驶作为未来几十年最重要的行业赛道,承载着万亿级的市场规模,释放了全产业链巨大的创新空间。自动驾驶的实现改变的不仅仅是汽车产业本身,更是城市与社会面貌。近百年来,汽车产业经历了飞跃发展,以机械技术为核心的传统汽车缔造了辉煌的工业时代;如今,以新一代电子架构为核心的自动驾驶时代进入历史舞台,智能化、网联化、共享化、电动化指向出行的发展趋势;未来,以人工智能和大数据为核心的无人驾驶,会全面解放人类的双手与双脚,让汽车成为重要的第三空间。

 

黑芝麻智能科技CMO杨宇欣表示:


“我们在思考技术趋势和进行技术研发时,是以终局思维开始的。从现在的L2/L3级别自动驾驶到无人驾驶时代,底层计算平台将成为支撑汽车智能发展的核心。业内公认的'软件定义汽车'这一趋势的两大核心:软硬分离和硬件预埋,都表明了软件通过快速迭代提升驾驶体验的前提是芯片有足够的算力支撑。”

 

基于对趋势的判断,黑芝麻智能科技全力投入打造的两大重要自研核心算法IP:NeuralIQ ISP 图像信号处理器及高性能深度神经网络算法平台DynamAI NN引擎。其中,NeuralIQ ISP 图像信号处理器,能够让摄像头在超低光和大逆光场景下清晰成像,满足汽车在各种复杂环境下的感知需求;经过NeuralIQ ISP 处理过后的图像继续被传送到高性能深度神经网络算法平台DynamAI NN引擎中,进行推理和决策。

 

与此同时,车规SoC设计能力让黑芝麻智能科技在发挥NeuralIQ ISP和DynamAI NN引擎超高性能的前提下,保证芯片符合车规标准,同时实现大算力、低功耗的性能表现。

 

基于自研核心IP和车规级芯片设计能力,今年6月,黑芝麻智能科技发布了华山二号A1000芯片。A1000具备40-70TOPS的强大算力,小于8W的功耗及优越的算力利用率,符合AEC Q-100,是目前能支持L2+及以上级别自动驾驶的唯一国产芯片

 

FAD全自动驾驶计算平台

 

9月,黑芝麻智能科技推出的FAD(Full Autonomous Driving)全自动驾驶计算平台,基于华山二号A1000芯片的双芯级联方案打造,算力最高可达140TOPS,支持L2+/L3级别自动驾驶场景。后续黑芝麻智能科技还将为客户提供四芯片组合的方案,算力将达到280TOPS,覆盖L4级别的自动驾驶需求。除了硬件开发工具,FAD平台也会提供满足车规级量产标准,兼具高性能与灵活性、可扩展性、高度开放性,及完善的核心工具链支持,帮助客户迅速在新车型上部署智能驾驶功能。

 

2021年,黑芝麻智能科技计划推出A2000芯片,算力将超过200TOPS,全面支持L4/L5级别的自动驾驶。

 

自动驾驶作为一个万亿级的市场,在商用落地的过程中,产业链各个环节都有充分的创新机会。黑芝麻智能科技愿与产业链合作伙伴携手,拥抱创新机遇,推动中国智能汽车产业的发展,共同开辟自动驾驶突围之径。


关键字:AI芯片  自动驾驶  车规级芯片 引用地址:以终局思维,开辟自动驾驶计算芯片的突围之径

上一篇:布局智能化芯片产业 长城汽车战略投资汽车智能芯片公司地平线
下一篇:日本首颗 5nm 芯片索喜自研芯片公布:将应用汽车自动驾驶领域

推荐阅读最新更新时间:2024-10-11 08:28

Aurora将以40亿美元收购Uber的自动驾驶部门
近日,网约车巨头优步(UBER.US)宣布,该公司的自动驾驶部门 Advanced Technologies Group(ATG)将被初创公司 Aurora Innovation 收购。 据悉,该交易预计将于 2021 年第一季度完成,Aurora 对 ATG 的估值约为 40 亿美元。优步首席执行官 Dara Khosrowshahi 将加入 Aurora Innovation 的董事会,并将再向其投资 4 亿美元。 事实上,此次交易也相当于“清仓大甩卖”。2019 年 4 月,软银(Softbank)、电装(Denso)和丰田(Toyota)入股 ATG 时,该部门的估值为 72.5 亿美元。 根据与该交易一同提交
[嵌入式]
盘点那些涉足自动驾驶领域的科技巨头!
   自动驾驶距离我们的生活正越来越近,它会成为改变人类生活方式的新科技之一——不像硅谷每天讨论的「改变世界」那样虚幻,而是切实地引发一场革命。自动驾驶技术降低交通事故发生率,拯救生命的潜力让其具有的经济、文化和新美学意义变得不再那么重要。下面就随汽车电子小编一起来了解一下相关内容吧。 在不久的将来,那些原本无法自由出行的人——如盲人将会因为自动驾驶的出现与社会接轨。自动驾驶汽车的大量部署将彻底打破原有交通运输体系,改变人们工作和城市出行的方式,进而改变城市的规划和连接形式。由此观之,自动驾驶技术的发起者将在这场变革中占据极为重要的地位。 这就是科技巨头和汽车厂商们正在这一新领域里投入巨资的原因。今天的自动驾驶之争就像历史上所
[汽车电子]
新能源汽车的大数据与自动驾驶的行业解读
随着人工智能和新能源技术的发展,从智能驾驶向无人驾驶技术的发展、车联网、汽车大数据的应用将会颠覆传统的汽车产业。汽车的“电动化、智能化、网联化、共享化”正在带来革命性的变化,改变的不仅仅是汽车产业,还有汽车出行方式。而出行方式的改变会引发整个社会形态的巨大变化,这是一场技术革命。据了解2020年左右,初级的自动驾驶技术会普及,到2030年高级别智能驾驶技术会出现。随着整个产业生态和竞争模式的变化,新能源汽车的竞争对手不再是宝马、丰田这样的公司,而是苹果、谷歌这样的公司。 2018年3月13日,中国汽车工程研究院联合德国慕尼黑展览集团于2018年3月13~14日在上海浦东喜来登大酒店隆重举办2018新能源和智能网联汽车国际创新发
[汽车电子]
专访甲骨文副总裁等科技大佬:企业如何通过人工智能提升
记者:“企业如何通 人工智能 ( AI )提升自己?”   下面是一众科技大佬的回答:   AI如何帮助企业规避欺诈和风险 ·每一款应用软件都可以从人工智能中受益——安全、市场营销、IT基础设施、金融技术等。大量的数据和云基础设施让带有 机器学习 技术的应用软件拥有了识别模式,目前这些技术还不是很强,但随着技术革新它们会慢慢变强大。     ·这取决于AI在一个领域的垂直度。就像石油和天然气工程队知道下一步要钻什么地方——这或许会是未来最好的领域。AI+金融则是获得实时风险暴露信息和欺诈检测信息。当然,还有许多行业,AI为网络安全提供了更高级的基于行为的智能处理,快速处理高速数据流;使用自然语言处理(NLP)来查看电子邮件中的
[嵌入式]
传感器市场混乱缺乏统一行业标准 导致自动驾驶汽车发展停滞不前
据外媒报道,汽车制造商和科技公司都在竞相研发自动驾驶汽车,但是遇到了一个问题:如果车辆没有价格低廉且可靠的视觉设备,此类智能汽车就不是一辆好车。 除了埃隆马斯克(Elon Musk)的特斯拉公司(Tesla Inc),大多数汽车制造商表示,其自动驾驶汽车依赖于激光雷达探测系统,此类激光雷达是最先进的传感器,会使用激光脉冲来获得有关汽车周围环境的精确图像。进军自动驾驶汽车市场促使很多汽车制造商押注该项技术,通用汽车(General Motors Co)、福特(Ford Motor Co)以及宝马(BMW)预计在未来两年内在其首批自动驾驶汽车上安装威力登(Velodyne)和Innoviz公司的激光雷达,该两家公司资金都非常充裕。
[汽车电子]
传感器市场混乱缺乏统一行业标准 导致<font color='red'>自动驾驶</font>汽车发展停滞不前
续航有望突破1000公里!这家企又研发了新技术
近日,广汽集团发布了一份『前沿技术介绍』,文件中其中提到了广汽自主研发的用于自动驾驶的5G VBOX技术、ADiGO Park Pro以及电池电芯技术。在最后一部分,官方称其将新型硅负极材料技术应用到动力电池电芯中可实现275Wh/kg的能量密度,使得纯电动车续航里程可突破1000km。 5G VBOX技术,可支持车外最高20Gb/s的下载速度、3ms的空口时延;而对车内,其支持千兆级以太网通讯,厘米级高精度定位;此外其还支持L3级以上的自动驾驶,车内可显示交通指示灯状态。 ADiGO Park Pro,即自主泊车技术,官方称其采用了全方位感知、厘米级实时定位、拟人化运动控制等多种人工智能技术;车辆可在地上、地下甚至
[汽车电子]
续航有望突破1000公里!这家<font color='red'>车</font>企又研发了新技术
Tesla正在研究基于AI自动驾驶规划控制
Elon Musk最近宣布,特斯拉正全力攻克自动驾驶技术的最后难关:车辆控制。他再次预言,特斯拉将在今年年底前实现完全自动驾驶。 作为这一计划的一部分,特斯拉正在转向更多地依赖神经网络来控制车辆,以减少C++控制代码的使用。虽然特斯拉正在积极训练这些神经网络,但训练计算仍然是一个限制因素。 自动驾驶的规划控制框架和方法,主要包括以下方面: ◎ 车辆超车规划与跟踪 超车是一个涉及车辆侧向和纵向运动的复杂任务。超车操作包括换道到超车道、通过前车、换道回原车道等,并需要避免与其他车辆的碰撞。超车规划涉及车辆动力学和环境约束,以及对周围障碍物的精确知识。 ◎ 规划控制整体架构 自动驾驶的规划控制可分为三个主要层次:
[汽车电子]
Tesla正在研究基于<font color='red'>AI</font>的<font color='red'>自动驾驶</font>规划控制
如何提高自动驾驶汽车感知模型的训练效率和GPU利用率
由于采用了多摄像头输入和深度卷积骨干网络,用于训练自动驾驶感知模型的 GPU 内存占用很大。当前减少内存占用的方法往往会导致额外的计算开销或工作负载的失衡。 本文介绍了 NVIDIA 和智能电动汽车开发商蔚来的联合研究。具体来说,文中探讨了张量并行卷积神经网络(CNN)训练如何有助于减少 GPU 内存占用,并展示了蔚来如何提高自动驾驶汽车感知模型的训练效率和 GPU 利用率。 自动驾驶的感知模型训练 自动驾驶感知任务采用多摄像头数据作为输入,卷积神经网络(CNN)作为骨干(backbone)来提取特征。由于 CNN 的前向激活值(activations)都是形状为(N, C, H, W)的特征图(feature maps)
[嵌入式]
如何提高<font color='red'>自动驾驶</font>汽车感知模型的训练效率和GPU利用率
小广播
最新汽车电子文章
换一换 更多 相关热搜器件
随便看看

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

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 © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved