无人驾驶的发展还得依赖于芯片产业

分享到:

       晶体管发明并大量生产之后,各式固态半导体组件如二极管、晶体管等大量使用,取代了真空管在电路中的功能与角色。到了20世纪中后期半导体制造技术进步,使得集成电路成为可能。相对于手工组装电路使用个别的分立电子组件,集成电路可以把很大数量的微晶体管集成到一个小芯片,是一个巨大的进步。这些年来,集成电路持续向更小的外型尺寸发展,使得每个芯片可以封装更多的电路。

 

       芯片是一向系统工程,高投入、高风险、回报较慢都是芯片行业的典型特征。特别是对于目前的无人驾驶技术来说,最终的算法并没有确定,因此各大厂家没有办法在现在的情况下就投入到ASIC专业芯片中,所以GPU会是今后很长一段时间内的最为平衡的方案。

 

       芯片是无人驾驶的核心,其职能相当于无人驾驶的大脑。目前汽车上的芯片主要分为两类:一类是传统的功能芯片,例如为发动机管理、电池管理、车身控制等单独功能实现开发的芯片;另外一类则是性能更为强大,担当无人驾驶大脑作用的AI芯片。目前无人驾驶汽车的代码已经远远超过1亿行,而对芯片的运算能力要求超过10TOPS(万亿次操作每秒)的数量级,传统的功能芯片已经无法满足无人驾驶的要求,所以开发AI芯片势在必行。

 

       什么是AI芯片?

 

       目前主要的AI芯片包括GPU、FPGA、ASIC三种。所谓AI芯片是指可以用来针对AI算法的专用芯片,对于AI芯片,在图像识别领域常用CNN卷积网络算法,而在语音识别以及自然语言处理上采用RNN算法,两者算法的本质都是矩阵的乘法和加法。AI芯片与传统功能芯片最大的不同在于运算速度更快、功耗更低。其实我们传统使用的芯片CPU和MCU都可以用来执行AI算法,但是两者由于更为适合串行算法,导致运算速度过慢,显然无法满足中高速自动驾驶对于周边环境图像识别的需要。在三种AI芯片中,GPU与FPGA都是传统的通用型芯片,芯片架构已经非常成熟,可扩展性较强;而ASIC属于为限制场景下定制使用的芯片,虽然性能更为突出,但是成本较高,且使用场景单一。芯片前期投入巨大,如果后期无法大量应用来摊薄成本,整个项目就会面临无疾而终的局面。

 

       AI芯片市场分析

 

       随着包括移动手机通讯以及电脑在内的传统芯片市场的饱和,以高通、英特尔以及英伟达为代表的芯片巨头正在大步迈进汽车芯片市场,尤其是正在蓬勃发展的无人驾驶领域。据HIS估计,2020年全球无人驾驶AI芯片的市场规模将达到40亿美元。在汽车四化技术中,新能源技术存在多种路线且受到电池技术的制约,未来发展如何存在较大疑问。但在无人驾驶和车联网的技术路线上,各大车企和参与的公司基本形成了共识,无人驾驶和车联网技术的逐渐普及的大趋势不可阻挡。

 

       因此高通、英特尔和英伟达这些芯片巨头或者通过收购汽车领域的芯片公司和品牌来迅速继承原有公司的汽车客户,同时将自己在芯片领域所储备的更深受的技术快速应用到被收购或合作的汽车芯片公司的产品上,迅速提升芯片的产品力。无论是英特尔耗费巨资收购Mobileye,还是高通在兼并恩智浦受中美贸易战影响功亏一篑,抑或是英伟达本身通过GPU上的巨大优势与全球超过370家主机厂和一级供应商达成战略合作,都是芯片巨头希望迅速切入汽车行业尤其是无人驾驶芯片的最好例证。相反原本在汽车功能芯片上唱主角的恩智浦、英飞凌、瑞萨这些半导体公司势头相对就比较弱。

 

       目前在无人驾驶领域最大的芯片供应商是英伟达,几乎所有的主机厂都采购英伟达的GPU作为无人驾驶的主控芯片。GPU最初来源于电脑显卡,作为图像处理单元,不仅可以承担图像识别并能进行并行计算,从架构上来说比较适合进行AI学习算法。而通过对其架构优化,不仅可以大幅降低能耗,同时也能提升计算速度。作为通用芯片,GPU深受各大主机厂的垂青。目前英伟达已经开发出了基于GPU的Drive CX数字座舱系统以及Drive X自动驾驶平台两大系统。其中Drive CX可以实现自然语言处理、3D导航和信息娱乐、全数字仪表、环绕视觉以及对接安卓系统这些功能,单纯从性能上来看,GPU已经可以实现数字座舱以及驾驶辅助系统功能。

 

       至于收购了Mobileye的英特尔,则凭借Mobileye在驾驶辅助ADAS领域的软件算法和EyeQ芯片迅速切入驾驶辅助和无人驾驶领域。Mobileye在长处在于其能够对视觉信息进行分析,预测与其他车辆、障碍物、行人之间会否发生潜在的碰撞,同时Mobileye也可以识别交通标志、交通信号灯,而这些都是确保无人驾驶技术实现的关键性能之一。至于高通,其车载信息娱乐系统解决方案也已经被推出,基于骁龙602A/820A芯片,高通在通讯领域的优势得到最大程度的发挥,其发布的汽车级处理器在无线通信、定位、语音以及多媒体处理方面的能力也有自身很大的优势。

 

       对于无人驾驶的主控芯片GPU来说,其性能并不是最为完美的,因为它不是专门为无人驾驶系统打造,所以还存在很大的设计改进空间,来提升运算速度。而运算速度的大小是衡量芯片性能最为重要的指标之一,所以特斯拉才决定自己开发芯片。

 

       摆脱英伟达的芯片,将能够帮助特斯拉在无人驾驶领域建立起自己特有的,其他主机厂无法复制的优势,而一旦特斯拉自己的Hardware3项目被证明行之有效之后,那其他车企很难对之形成反超。根据特斯拉自己测试的数据,在成本大致一致的前提下,英伟达硬件所能提供的视觉识别软件的效率是每秒200帧,而Hardware 3可以达到每秒2000帧。正是在Hardwar3的支持下,特斯拉才能将自己的无人驾驶算法进行部署,而基于自己开发的算法,更是帮助特斯拉在Autopilot3上可以摆脱激光雷达的制约,让无人驾驶技术在成本上真正可以进入普通消费者的家中。

 

       在国内主要有两类企业是目前AI芯片的玩家。一类是百度、阿里这样的互联网巨头,物联网也好、无人驾驶也罢,都是这些不差钱互联网公司的重要发展方向。第二类则是像地平线、寒武纪这样的独角兽企业。

 

       在2018年4月,百度就已经发布了中国第一款云端全功能AI芯片“昆仑”,其不仅能够满足传统的AI芯片的深度学习算法的功能,自然语言处理、大规模语音识别、自动驾驶、大规模推荐等具体终端场景的计算需求也都被照顾到。正是基于“昆仑”芯片,才让百度阿波罗无人驾驶系统插上翅膀,不仅不会受到英伟达等公司制约,也能为自己今后在无人驾驶技术上的迭代研发创造一个比较好的环境。而这其实多少和特斯拉的模式有异曲同工之妙。

 

       同为互联网巨头的阿里巴巴自然也不甘落后,其在过去几年相继投资了旷视科技和商汤科技等技术型公司,而寒武纪、深鉴科技和Kneron 这样的AI 芯片领域的知名公司自然也是阿里眼中的香饽饽。不过相比于百度直接与整车厂合作,类似于谷歌那样提供安卓系统,百度希望通过提供无人驾驶平台来直接切入无人驾驶领域。而阿里的无人驾驶之路相对来说野心就没有那么大,其专注在核心零部件技术上,无论是已经一炮走红的斑马系统还是在AI芯片领域的快速发展,阿里都未能在公开其无人驾驶系统的发展状况。

 

       芯片是一向系统工程,高投入、高风险、回报较慢都是芯片行业的典型特征。特别是对于目前的无人驾驶技术来说,最终的算法并没有确定,因此各大厂家没有办法在现在的情况下就投入到ASIC专业芯片中,所以GPU会是今后很长一段时间内的最为平衡的方案。此外,我们还欣喜地发现,在全球AI芯片排行榜上,除了英伟达、英特尔、高通这些芯片产品外,我们的寒武纪、地平线的产品也常常能够挤进榜单。未来我们需要通过国家政策扶持与创新资本相结合,实现芯片产业链的突破,不仅帮我们节省每年2000亿美元以上的芯片进口,更是确保国家在芯片战略上的安全。即使在无人驾驶领域,我们也需要有自己的芯片,才能确保我们的无人驾驶技术在未来可以与国外汽车巨头一较高下的可能。

       本文部分转自OFweek。

继续阅读
蒸蒸日上的的芯片产业

这些年来,集成电路持续向更小的外型尺寸发展,使得每个芯片可以封装更多的电路。这样增加了每单位面积容量,可以降低成本和增加功能,见摩尔定律,集成电路中的晶体管数量,每1.5年增加一倍。总之,随着外形尺寸缩小,几乎所有的指标改善了,单位成本和开关功率消耗下降,速度提高。

芯片行业的发展前景不可估量

清华大学微电子研究所所长魏少军:“未来几年中国芯片业的发展,依托强劲的需求和不断增长的市场以及社会的支持,加上我们在人才培养上的投入,这个前景肯定是可期的。当然,我还是要强调,目前我们是大,但是不强,要真正做到强,需要一代人两代人的努力,我们不能够短期去看,一定要长期坚持。”

无人驾驶的发展还得依赖于芯片产业

晶体管发明并大量生产之后,各式固态半导体组件如二极管、晶体管等大量使用,取代了真空管在电路中的功能与角色。到了20世纪中后期半导体制造技术进步,使得集成电路成为可能。相对于手工组装电路使用个别的分立电子组件,集成电路可以把很大数量的微晶体管集成到一个小芯片,是一个巨大的进步。这些年来,集成电路持续向更小的外型尺寸发展,使得每个芯片可以封装更多的电路。

无人驾驶的各个等级划分

据相关研究表明:到 2025 年,我们将看到大约 800 万辆无人或半无人汽车在路上行驶。无人驾驶汽车的辅助技术必须首先通过 6 个无人驾驶等级,才能在相应的限制条件下,如地理围栏,上路行驶。这些级别具体如何划分? 以及我们现在处于哪个级别?

无人驾驶真的能做到“无人”吗

无人驾驶问世已经那么多年,之所以这项技术能保持热度如此之久,究其本质还是因为其带来的革新——无人。虽然说现在已经有试行的无人驾驶车辆,但绝大部分依旧是配备一到几名安全员在车上,以时刻能保持非一般情况的发生。还有重要的一点,无人驾驶车辆真正走上公路会车时,有没有办法理解其它车辆的讯息,这亦是这项技术需要考虑的重中之重。