特斯拉开发AI芯片 自动驾驶要怎样计算平台
能否提供同时满足经济性和性能要求的计算平台，这才是自动驾驶能否从样车转向量产车的关键因素之一。
上周五，特斯拉CEO伊隆·马斯克在今年NIPS大会的一场圆桌讨论上透露称，“由吉姆·凯勒带领的Autopilot硬件工程团队正在开发专门的人工智能芯片，我们认为是全球最棒的AI芯片”。
其实早在今年九月份，格罗方德半导体股份有限公司CEO已经不小心说漏了嘴，表示将为特斯拉提供晶圆代工服务。要知道格罗方德是从AMD中拆分出来的合资公司，所以也算是从某种意义上宣布了与AMD方面的合作。不过双方当事人之后对此拒绝发表评论，但坊间其实对这件事情一直都有共识，毕竟把吉姆·凯勒这样的大拿招进来，不搞自己的芯片出来谁信呢！
事实果真如此，“钢铁侠”一承认，这件事情算是板上钉钉了。究其背后的原因，人工智能专用芯片一方面在能耗和成本上能够得到大幅缩减，另一方面配套软件和算法开发的硬件产品，势必会在效率上有质的提升。用地平线智能驾驶研发负责人余轶南的话说，“AI芯片是特斯拉十分重视的零部件，肯定希望自己来做。但凡对自己的算法和软件很在乎的公司，都希望承载的硬件平台能最大程度发挥软件算法的效力”。
AI加持的自动驾驶，专用芯片将逐渐成为主流
目前主流的自动驾驶芯片解决方案主要包括GPU、FPGA、DSP和ASIC四种。其中，凭借强大的计算能力以及对深度学习应用的有力支持，GPU正逐渐成为自动驾驶技术开发的主流平台解决方案，而以GPU起家的英伟达，在人工智能技术发展方兴未艾之时，就已经先于其他竞争者掌握了先机。目前特斯拉Autopilot所使用的AI处理单元是正是定制版本的英伟达Drive PX 2。
算力高是事实，但架不住这块板子耗能也高、成本也高、体积庞大，无法满足嵌入式的要求，这可能是令马斯克始终不能满意的地方。所以并非英伟达的产品不够好，而是说如此重要的部件如果不是自己来掌控的话，可能很难做出符合成本能耗要求的产品，进而也无法让其自主开发的软件算法高效地跑起来。
英伟达为特斯拉车型定制的Drive PX 2计算平台
地平线芯片研发总监在接受车云采访时指出，GPU在人工智能开发初期或制作工程样机可能是一个比较好的选择。可一旦进入量产阶段，考虑到性能和功耗以及产品的技术竞争壁垒，专用AI芯片将会扮演重要角色。长期来看，GPU会退守到一些相对通用或者对功耗要求不那么高的场景，而像汽车、安防等领域，应该是专用芯片的天下。
不过余轶南认为，“时间不会很快。从汽车的角度来讲，车内对AI的需求还没有真正爆发。未来不是因为GPU计算能力的增强而是因为专用芯片的成熟才会引起行业使用量的暴涨”。不过他也指出，目前在服务器端，英伟达、谷歌等公司都在部署基于专用AI芯片的云端服务。但在前端目前还没有很好的解决方案，目前只是过渡阶段，只有ASIC专用芯片前端处理器成熟了才能引爆AI行业的使用量。
提到ASIC专用芯片，地平线12月20日将发布两款ASIC人工智能专用芯片。一款是主打自动驾驶的视觉感知系统，另一款是面向智能摄像头应用的泛安防场景。地平线提前透露的几个指标让车云菌觉得很吃惊，首先是这两款芯片支持在本地每秒实时处理30帧1080p视频；其次单画面/单帧超过256个目标检测/跟踪能力；最后，全芯片功耗小于2w。余轶南介绍称，由于算法和软件具备迭代优化的能力，这两款芯片要比目前通用的GPU和CPU在成本能耗上表现更优一些。但这两款芯片不局限在地平线现有的业务方向，未来有望在其他行业场景里得到应用。
不过谈到自动驾驶，不管是通用芯片还是专用芯片，总归都是要过了车规才能进入到量产阶段。在余轶南看来，这只是“时间和成本的问题”。而AI专用芯片要实现落地和大规模推广，从使用上来讲，挑战在于开发者是否可以适应和熟悉芯片的开发模式。还有就是AI芯片的周边能力尚且不足。目前车内使用的很成熟的DSP芯片，就有丰富的接口，但现在AI芯片还只是一个stand alone的芯片，没有周边生态的支持，这是个比较漫长的过程。
奥迪全新A8车型上搭载的zFAS域控制器就使用了Altera提供的FPGA芯片-Cyclonev Soc
基于FPGA芯片开发的产品车规级计算平台也是一种选择，它的开发周期较短，对算法适应性灵活，但是功耗还是比较高。相比来看，ASIC芯片在成本能耗时延表现上最有优势，但最大问题是研发周期较长。地平线的优势在于提前布局，能够将算法、架构设计及芯片的实现有效整合，这种能力是获得市场认可实现长效增长的关键。余轶南还透露，地平线第二代用于自动驾驶的专用IP设计将于明年推出。
我们需要什么样的计算平台？
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。
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。
所以特斯拉自己已经在开发AI专用芯片了，唯一的目的是希望自家的软件算法能够在合理的硬件平台上实现效能最大化。不过考虑到芯片开发的成本是巨大的，而且回报周期很长，可能绝大多数主机厂都不会有特斯拉这样的魄力，而这正是为像地平线这样，既懂算法又做芯片、提供软硬一体解决方案的公司提供了丰富的市场机会。余轶南在采访中表示，对中国本土的OEM来讲，类似地平线这样的公司，因为深入中国场景，提供软硬一体的完整解决方案，有良好的主机厂合作背景，能够很好地满足各家的个性化需求。所以可能是未来合作比较合适的选择。
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。
上面也提到了，目前符合车规要求的FPGA芯片也是自动驾驶产品落地的途径之一。FPGA的可编程特性可以满足专有计算构架的需求，微软、百度等公司都在数据中心大量部署基于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。这恐怕也是地平线押注ASIC，布局自动驾驶、安防等场景应用AI专用芯片的主要考量吧。
尽管英伟达可能会被特斯拉“抛弃”，但可能未来很长一段时间内，英伟达的GPU依然会成为AI应用领域的主要芯片解决方案。这是因为英伟达不仅提供GPU硬件，还提供了高度优化的CUDA平台，该平台封装了大量高频使用的数学运算库，进一步面向自动驾驶提供了端到端的解决方案。而英伟达成功的秘诀在于，通过软硬件协同设计，优化软硬件系统的性能表现，缩短客户导入时间，赢得市场。
另一家芯片巨头英特尔也在加强其在人工智能算法处理器方面的积累，对Nervana、Movidius的收购反映了这一点。尤其是英特尔对Mobileye高达153亿美金的收购，是迄今全球范围内自动驾驶方面的最大手笔投入。而几乎统一时间，英特尔领投同样处于自动驾驶处理器这条赛道的地平线A+轮融资，除了技术实力，相信它看上地平线的还有这家公司算法、系统和芯片的整合能力，以及对中国市场实现自动驾驶需求的了解。如果成功的话，英特尔似乎通过投资和买买买已经涉足了全球智能驾驶算法处理器的大半边市场。
但话又说回来了，能否提供同时满足经济性和性能要求的计算平台，这才是自动驾驶能否从样车转向量产车的关键因素之一。所以不管是英伟达为代表的通用处理器的一派，还是像特斯拉、地平线这样选择“软件算法+芯片”的主机厂和科技公司，在自动驾驶日渐成熟的过程中，势必都将找到各自适合的市场空间。而只有在兼顾性能成本能耗等优势的产品最终才有机会走入大众的消费生活中。
「特斯拉开发AI芯片 自动驾驶要怎样计算平台」相关推荐
「特斯拉开发AI芯片 自动驾驶要怎样计算平台」相关文章
- 特斯拉推崇多年全自动驾驶要凉？
- 大众合作开发量子计算系统 未来用于自动驾驶
- 特斯拉剖析自动驾驶技术 依托计算机视觉
- 特斯拉全自动驾驶FSD计算机本月将上线
- 特斯拉推出全新全自动驾驶计算机
- 特斯拉开发无人驾驶半挂卡车 将上路测试
- 海拉开发可伸缩转向控制模块 用于自动驾驶
- 奇点汽车用英伟达芯片开发L3自动驾驶
- 特斯拉或与AMD等研发自动驾驶芯片
- 特斯拉与超微半导体合作 研发自动驾驶芯片