分散的车载网络架构缺乏实时反应的能力所需要的大量的数据机器学习。
据估计,目前有超过全世界260家初创公司和现有的公司争相发展,资格和给市场带来新ADAS芯片和技术(高级驾驶员辅助系统)和自动驾驶的应用程序。
因此,风险资本家,科技公司,汽车制造商,一级汽车供应商和其他人则大幅增加其在该领域的投资。风险资本投资在汽车和其他基于ai应用程序增长到去年的16亿美元,高于2016年的13亿美元和8.2亿年的2015美元,据研究公司CB的见解。
更重要的是,这个活动在全球范围内发生。在引人注目的最近的公告是深圳的新闻,中国无人驾驶Roadstar。ai筹集了1.28亿美元串联一个风险资金。据报道,这是迄今为止最大的投资在中国自主驾驶公司超过1.12亿美元的资金由另一个自动驾驶启动,今年早些时候宣布广州Pony.ai。
为什么这个空间越来越强烈感兴趣吗?在消费者层面,许多司机欣赏ADAS避碰等功能,盲点警告,自适应巡航控制系统等等,因为汽车制造商想要满足他们的客户,他们正在努力使这些系统越来越复杂和越来越多的使用在汽车的价位。
在社会层面上,驾驶员辅助/自动驾驶功能可以提供更多。例如,大约有40000人死于汽车事故每年在美国和全世界超过一百万,和一个额外的20 - 50数百万人受伤或致残。具有更大的自治功能的车辆有可能显著降低这些数字。
他们也打开全新的商业机会,如无人驾驶出租车。
车轮上的大脑
制定组织SAE国际建立了一个五级分类系统来描述汽车的自动化水平,从1级(系统给出了警告,但司机驾驶汽车)到5级(全自动操作,不需要人工干预)。
随着行业走向5级、传感器如相机、激光雷达和雷达必须处理的数据将产生种子,集成和实时传输,这样复杂的深neural-net-based机器学习算法可以利用它来识别环境中的对象,预测他们的行为,与其他车辆,车辆控制决策。
来源:国家公路交通安全管理局,GROM音频、各种工业和商业来源,和女朋友内部评估
一些人认为这可能是最好的分散的车载网络体系结构来完成,因为它将是一个现有ADAS系统的进化,因此至少会对汽车的设计计算系统的影响。它还将容纳专用处理器的使用,让新功能逐步的方式添加。
这种方法的问题,根据马克·格兰杰GlobalFoundries的汽车副总裁,尽管本地处理器和有限的网络带宽可能适合级别2(部分,或“不干涉”)或者3级(有条件的,或“英尺”)操作,他们缺乏处理实时的能力基于ai所需的海量数据的机器学习算法,使真正的自主操作。
“分散的架构可能提供5上衣(每秒万亿操作)和大约10 mbit / s的车内带宽,”他说。“但经营水平3 - 5,一个集中的网络体系结构与强大,高效的处理器提供50 - 100上衣和车载100 gbit / s的数据传输速率是必要的。把视角,在2000年世界上最强大的超级计算机的能力只有1。所以自动车辆将车轮上的大脑,和一个集中的架构是最好的方法来实现这一点。”
来源:女朋友
直到现在半导体技术ADAS /自治系统的核心开发图形处理器(gpu)和微处理器(cpu)。但作为开发人员转向5级自动化,这些芯片在汽车系统的扩散变得越来越有问题的,因为他们是强大的他们也耗电。
“无人驾驶汽车还在起步阶段,除非有什么可以降低处理器的功耗在基于ai系统,也许他们永远也不会长大,”格兰杰说。“今天的芯片驱动的版本的自动驾驶汽车基本上要求机架服务器级别的芯片画也许7000 - 10000瓦的电力。而开发和测试的目的,这是不切实际的商业产品。另外,你还必须考虑冷却的挑战和费用,他们是相对大的身体。每个人都有一个目标来获得尽可能低功率预算对于一个给定的功能”。
专用集成电路(asic)专门设计来满足的需要,汽车系统不仅可以是强大的和非常节能,但他们也让汽车客户区分自己从其余的包。他们为设计提供设计的灵活性,并允许更强大的比目前的gpu。
大型CPU集群和成千上万的大量增殖和积累(MAC)电路在每个死满足人工智能算法的沉重的计算需求,而gb嵌入式SRAM和g的DRAM芯片外接口喂养饥饿的计算引擎。
GF提供14和7 nm FinFET ASIC芯片系统(SoC)设备提供最佳的组合电力,大小和能源效率与gpu和ASIC技术的竞争,而会议汽车功能安全标准ISO26262等质量标准。
FX-14一个中心允许用户利用一组64位和32位ARM核心系统设计,以及56 gbps高速并行转换器(HSS);嵌入式TCAM内存每秒数十亿的搜索能力;密度和performance-optimized嵌入式SRAM;和2.5 d封装选择,最大化应用程序的灵活性。FX-7 asic扩展提供高达112克高速钢,最密集的片上存储器和大量的DRAM芯片外接口(LPDDR、GDDR HBM),包括2.5 / 3 d封装选择,最大化应用程序的灵活性。
|
|
|
|
|
|
|
|
留下一个回复