特斯拉要造手动驾驶芯片？
余一男表示：并非所有整车厂
你需要制作自己的手动驾驶芯片。
对于中国整车厂来说，
像Horizon这样的公司是更好的选择。
上周四，特斯拉首席执行官埃隆·马斯克在去年 NIPS 大会的圆桌讨论中透露，“吉姆·凯勒领导的 Autopilot 硬件工程团队正在开发一款专用人工智能芯片，我们认为这是全球领先的人工智能芯片。” 最好的人工智能芯片。”
尽管早在去年9月，格罗方德半导体有限公司CEO就已经不经意间透露将为特斯拉提供芯片代工服务。 要知道GlobalFoundries是从AMD分拆出来的合资公司，所以某种意义上也算是宣布了与AMD的合作。 不过，后来涉事双方都拒绝对此事发表评论，但对于此事还是有共识的。 就算招来吉姆·凯勒这样的大佬，如果他不自己研发芯片谁会相信呢？ 情况确实如此。 “钢铁侠”一承认，事情就得到了证实。
在中国，地平线早在三年前就提出要做手动驾驶芯片。 也是第一家提出手动驾驶芯片的国外创业公司。 当时很多业内人士都不理解。 现在，越来越多的科技巨头和初创公司开始加大在这个方向的投入。 地平线也宣布将于12月20日发布第一代芯片。消息发布后，车云举立即采访了地平线相关负责人。
至于特斯拉自己的芯片，其背后的原因是，一方面，人工智能专用芯片可以实现煤炭消耗和成本的大幅降低；另一方面，人工智能专用芯片可以实现煤炭消耗和成本的大幅降低。 另一方面，配合软件和算法开发的硬件产品，在效率上必然会有质的提升。 提升。 用地平线智能驾驶研发负责人于一男的话来说，“AI芯片是特斯拉非常重视的一个部件，他们肯定想自己做。即使是关心自己算法和软件的公司，也希望硬件他们承载的平台可能是最大的。” ”而于一男也表示，并不是所有整车厂都需要自己做手动驾驶芯片。对于中国整车厂来说，像地平线这样的公司是更好的选择。
AI驱动手动驾驶，专用芯片将逐渐成为主流
AI驱动手动驾驶，专用芯片将逐渐成为主流
目前主流的手动驾驶芯片方案主要包括GPU、FPGA、DSP和ASIC。 其中，GPU凭借其强大的估计能力和对深度学习应用的有力支持人工智能自动驾驶，正逐渐成为手动驾驶技术发展的主流平台解决方案。 以GPU起家的NVIDIA，在人工智能技术方兴未艾的时候就已经涉足人工智能技术的开发。 抢在其他竞争对手之前抓住机遇。 Tesla Autopilot 目前使用的 AI 处理单元是 Nvidia DrivePX2 的定制版本。
计算能力高是事实，但支撑这块板子耗能大、成本高、体积大。 很难满足嵌入式系统的要求。 这或许是马斯克至今还不满意的一点。 所以并不是英伟达的产品不够好，而是这么重要的部件如果不是自己控制的话，可能很难做出符合成本和能耗要求的产品，而且其自研也很难软件算法有效运行。
△NVIDIA为特斯拉车型定制的DrivePX2估算平台
Horizon正式发布两款ASIC人工智能专用芯片
Horizon正式发布两款ASIC人工智能专用芯片
地平线芯片开发经理于一男在接受车云专访时强调，在人工智能开发的早期阶段或者制作工程原型时，GPU可能是更好的选择。 但一旦进入量产阶段，考虑到性能、帧率以及产品的技术竞争壁垒，专用AI芯片将发挥重要作用。 多年来，GPU将攻击一些相对常见或不需要如此高帧率的场景，而车辆和安全等领域应以专用芯片为主。
但余一男却觉得：“时机不会很快到来。 从汽车的角度来看，汽车对AI的需求还没有真正爆发。 未来，不是因为GPU估算能力的提升，而是因为专用芯片的成熟，会导致行业使用量的增加。 涌”。 不过他也强调，目前在服务器端，NVIDIA、谷歌等公司正在部署基于专用AI芯片的云服务。 但目前后端还没有好的解决方案。 目前仅处于过渡阶段。 只有ASIC专用芯片后端处理器成熟后才能爆发AI行业的使用。
说到ASIC专用芯片，地平线将于12月20日发布两款ASIC人工智能专用芯片，一款是专注于手动驾驶的视觉感知系统，一款是针对智能摄像头应用的泛安全场景。 车云举对地平线提前透露的几个指标感到惊讶。 首先，这两款芯片支持每秒30帧的1080p视频本地实时处理； 其次，单画面/单帧超过200个目标测量/跟踪能力； 全芯片帧率大于2w。 于一男表示，由于算法和软件具有迭代优化的能力，这两款芯片在成本和煤耗方面比目前的通用GPU和CPU表现更好。 不过，这两款芯片并不局限于地平线现有的业务方向，未来有望应用于其他行业场景。
但说到手动驾驶，无论是通用芯片还是专用芯片，都必须通过车规之后才能进入量产阶段。 在余一男看来，这只是时间和成本的问题。 AI专用芯片要大规模落地和推广，挑战在于开发者能否适应和熟悉芯片的开发模式。 此外，AI芯片的外围能力仍然不足。 目前汽车上使用的非常成熟的DSP芯片拥有丰富的插座，但现在的AI芯片只是一个独立的芯片，没有周边生态的支持。 这是一个比较漫长的过程。
△奥迪新A8车型上安装的zFAS域控制器
使用Altera-CyclonevSoc提供的FPGA芯片
基于FPGA芯片开发的产品整车级估算平台也是一种选择。 它具有开发周期短、算法适应性灵活、帧率较高的特点。 相比之下，ASIC芯片在成本、续航时间和延迟方面最具优势人工智能自动驾驶，但最大的问题是开发周期长。 Horizon的优势在于其早期部署，能够有效整合算法、架构设计和芯片实现。 这些能力是获得市场认可、实现长期下降的关键。 于一男还透露，地平线第二代手动驾驶专用IP设计将于今年推出。
我们需要什么样的估算平台？
我们需要什么样的估算平台？
对于手动驾驶等复杂任务，在设计软件时，还需要考虑匹配的硬件性能，包括性能、功耗和功能安全等。
目前，手动驾驶软件的估算已经达到了10 TOPS（每秒万亿次操作）的水平，这促使我们重新思考相应的估算框架。 图灵奖获得者艾伦·凯，他有一句话乔布斯至今仍深信不疑：如果你认真思考你的软件，你就必须制造自己的硬件。
因此，特斯拉本身长期以来一直在研发AI专用芯片。 唯一的目的就是希望自己的软件算法能够在合理的硬件平台上发挥出最大的性能。 不过，考虑到芯片研发成本巨大，投资回收期又很长，可能大部分整车厂都没有特斯拉那样的勇气，而这恰恰是对于地平线这样懂算法、做芯片的公司来说提供硬件和软件集成解决方案的企业提供了丰富的市场机会。 于一男在接受专访时表示，对于中国本土整车厂来说，像地平线这样的公司能够满足各个企业的需求，因为他们深入中国场景，提供软硬件一体化的完整解决方案，并且与整车厂有良好的合作背景。 。 个性化需求。 所以对于未来的合作来说，这可能是一个更合适的选择。
功能安全是另一个巨大的挑战，尽管它包含多方面的要求：处理器必须至少满足ASIL-B级别的要求，可靠性需要确保至少在使用六年期间不会出现问题。
还提到，目前满足车规要求的FPGA芯片也是实现手动驾驶产品的途径之一。 FPGA的可编程特性可以满足专有估计架构的需求。 谷歌、百度等公司已在数据中心部署了大量基于FPGA的系统。 ADAS中的FPGA出货量也在快速下滑，今年的出货量应该不会高于3Mu。 但随着FPGA往上走，估计资源的扩展会让成本增加到难以接受的地步。 半导体行业的无数历史表明，FPGA往往是多样化ASIC的前哨，一旦应用程序的数量足够大，多样化的ASIC就会显得更加经济。 这显然是Horizon押宝ASIC，布局手动驾驶、安防等场景的AI专用芯片的主要原因。
尽管英伟达可能会被特斯拉“抛弃”，但英伟达的GPU在未来很长一段时间内仍可能成为AI应用的主要芯片解决方案。 这是因为，除了提供GPU硬件外，英伟达还提供了高度优化的CUDA平台，该平台封装了大量高频语言计算库，进一步为手动驾驶提供了端到端的解决方案。 Nvidia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，缩短客户的出口时间，赢得市场。
另一家芯片巨头英特尔也在加强在人工智能算法处理器方面的积累，其对Nervana和Movidius的竞购就体现了这一点。 特别是，英特尔以153亿美元收购Mobileye，是迄今为止全球手动驾驶领域最大的投资。 几乎与此同时，英特尔领投了Horizon A+轮融资，该轮融资也走上了手动驾驶处理器的赛道。 不仅是技术实力，还有算法、系统、芯片的整合能力，以及对公司的支持。 了解中国市场手动驾驶的需求。 如果成功，英特尔将已经通过投资和收购进入了全球大部分智能驾驶算法处理器市场。
但话又说回来，能够提供一个既满足经济性又满足性能要求的估算平台，是手动驾驶从原型车转向量产车的关键激励因素之一。 因此，无论是以英伟达为代表的通用处理器群体，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，在手动驾驶走向成熟的过程中，都必然会找到自己的定位。合适的解决方案。 市场空间。 只有兼具性能、成本、能耗等优势的产品，才最终有机会进入大众的消费生活。