datasheet

QbitAI量子位

文章数:551 被阅读:5210871

账号入驻

飞步神速!何晓飞团队完成无人车深度学习芯片流片,算力创国内新高

2018-11-06
    阅读数:
李根 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

飞步神速!

何晓飞教授自开启无人车创业以来,一如治学,过程中始终低调,但并不意味着没有大进展。

这不,这位浙大计算机系知名教授、滴滴研究院创始院长、滴滴无人车开创者,最近又迈出了一大步。

量子位获悉,就在今年9月,由飞步科技研发、具备完全自主知识产权的国产28nm深度学习加速器,在台积电完成流片。

这也意味着,随着此核心系统完成攻坚,距离之前透露的感知芯片系统推出,仅剩一步之遥。

国内车载最强算力芯片

飞步的感知系统芯片,代号凤凰-100,是其无人驾驶车载计算平台的核心。

而此次成功流片的深度学习加速器,则是整个感知芯片最具技术挑战部分。

性能表现上,此次流片的28 nm感知深度学习加速器,具有>1GHz的运算频率、以及>4TOPs的超强计算能力,功耗和成本等各项关键指标,也取得重要突破,为国内车载芯片最高算力,完全支持L3/L4的实时数据处理需求。

而且值得一提的是,芯片整套方案,飞步具有自主知识产权。

或许你会好奇,别人的无人驾驶初创公司,主要进展都出自环境感知、地图定位、规划控制等软件算法方面,为何飞步一出手,率先突破点在于芯片?

何晓飞解释,飞步在算法方面也都在稳步推进,但都是“必修课”。

只有迎难而上,让算法和芯片——软件和硬件形成组合拳,才能够软硬件一体,将AI能力发挥到极致。

这样才能构建起飞步科技的核心竞争力。

无人驾驶芯片之挑战

当然,算力瓶颈、软硬件一体挑战,无人驾驶业内并非不知,但创业公司尝试,风险并不小。

关键难题有三项,在无人驾驶的特定环境,对芯片有三高一低的极致要求。

  • 首先,无人驾驶对AI芯片算力要求极高,车速越快,路况信息越多,计算平台的压力负荷就越大。

  • 其次,无人驾驶对终端计算的实时性要求极高,任何滞后都可能造成车毁人亡的惨剧,也决定了芯片的核心计算和决策速度是重中之重。

  • 此外,无人驾驶对芯片的可靠性要求也极高,系统故障、死机等情况,在汽车无人驾驶的状态下不可想象,而严寒酷暑、刮风下雨等恶劣天气条件,也都需要芯片保持稳定的计算和续航能力。

  • 最后,芯片的能耗则是“越低越好”,优异的能耗表现,是AI芯片面对海量数据时从容不迫的底气来源。

飞步凤凰芯片

正是从一开始就看清楚了挑战所在,所以创业启动后,何晓飞和飞步科技,就确立了软硬件并行研发的发展模式。

与行业内普遍解决方案不同的是,飞步采用专用芯片(ASIC)替代传统CPU/GPU,作为车载芯片的终极集成方案。

相对于通用芯片,专用智能芯片的优势不言而喻——集成度提高十倍,信息处理速度加快百倍,功耗却只有1/10,综合性能跃升两到三个量级。

专用智能芯片方案优势明显,研发难度却非常大,需要设计者对无人驾驶场景、软件、算法和芯片架构极度熟悉。

当然,之前也介绍过,飞步为芯片还组建了一支世界级团队。

飞步的芯片团队由联合创始人曹宇负责,他是UC伯克利电子工程博士,大规模集成电路领域世界级专家,IEEE Fellow,参与飞步创业前,是亚利桑那州电子工程系教授,研究成果已经成功应用在英特尔、高通、IBM等设计技术中。

芯片架构负责人Hang Nguyen,前英特尔首席架构师,芯片架构国际级顶尖专家,在芯片行业有35年经验,50多项专利。领导了多种英特尔低功耗移动芯片的架构和微架构涉及,开发了英特尔首款采用PCI Express和存储加速集成的嵌入式Xeon系列处理器。

系统芯片集成专家刘浩,前高通首席工程师,移动系统芯片(SoC)集成主管。之前领导了全世界第一款4G芯片和多款高端骁龙芯片的研发和流片。

最终,因人成事,事在人为。

经过近1年研发,飞步感知芯片中最关键的深度学习加速器在9月完成流片。

该芯片基于飞步自创的MPV架构,支持相机、激光雷达和毫米波雷达等多种传感器接入,对环境进行实时高精度的三维感知。已具备国内车载芯片的最高算力。

首创MPV计算架构

此外值得注意的是,采用ASIC集成平台,只是飞步针对车载智能芯片革新换代的第一步。

凤凰计算平台,才是飞步无人车真正雄心。

为打造无人驾驶适用的计算平台,飞步还首创了深度学习专用的MPV架构设计。

  • M指系统超大规模化(Massive)

  • P是并行化(Parallel)

  • V则指代模组化(Volumetric)

这个MPV架构,可以更好发挥深度学习、无人驾驶算法的优势。

由于高效和低功耗的特点,可以针对加速同步、识别、跟踪、预测、规划等关键环节提供强大的技术支撑。

而且得益于MPV架构得天独厚的优势,凤凰平台的飞步无人驾驶专用芯片,能根据全栈无人驾驶算法量体定制,囊括包含感知、融合和决策等在内的三级数据处理场景。

飞步无人驾驶路线图

最后,核心“大脑”曝光后,飞步无人驾驶路线图也藏不住了。

飞步方面称,在深度学习加速器完成流片后,计划于2019年正式推出车规级感知融合芯片,并于2020年推出决策芯片

其中融合芯片,将成为全球第一款同时支持前融合和后融合的专用芯片。  

随着感知、融合和决策芯片的先后问世,2020年,飞步科技将实现凤凰(Phoenix)整套计算平台的初步搭建,支持L3/L4级别无人驾驶。

总算力超过80TOPs的同时,整体功耗从现在市场上主流的2000-3000W规模降到80W的先进水平,系统响应时间缩短到50ms以下。

此外,还提供完善的软件开发环境,开放支持多种智能算法。

这背后自然也蕴藏着飞步的平台和生态雄心。

一旦更多无人驾驶产业上下游玩家加入,车控主板等核心平台推出,在ASIL-D级别下快速进入L3/L4前装应用……

飞步毫无疑问将更快更广泛地在全球范围内推进芯片产品化和无人驾驶技术应用。

期待飞步神速~

年度评选申请

加入社群

量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)

活动策划招聘

量子位正在招聘活动策划,将负责不同领域维度的线上线下相关活动策划、执行。欢迎聪明靠谱的小伙伴加入,并希望你能有一些活动策划或运营的相关经验。相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态




最新有关QbitAI的文章

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: TI培训

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved