datasheet

xsy-ai机器人文明

文章数:108 被阅读:58836

账号入驻

特斯拉找到实现自己野心的路径了?

2018-08-06
    阅读数:


近日,自动驾驶芯片领域又多了一个玩家。


成功跻身电动车第一梯队的特斯拉宣布,公司正在研发自动驾驶 AI 人工智能芯片。该公司CEO马斯克表示,新的芯片将比当前使用的的英伟达芯片快一个数量级。



关于特斯拉自研芯片的事早有传闻。事实上,特斯拉自研芯片的布局从两三年前就开始了。

 

回顾特斯拉此前在自动驾驶芯片方面的种种动作,我们发现,近来各种跳票“不靠谱”的马斯克,其实对技术发展的趋势远比看上去理解得更深远。

 

频换供应商,特斯拉在焦虑什么?

 

早在与 Mobileye 合作之时,特斯拉就已经开始 AI 芯片的研究计划。考虑到力求切合市场的时机,特斯拉选择采用其他上游厂家的方案。

 

在2014年的时候,市场上可供选择的自动驾驶方案寥寥无几。特斯拉首先找上老牌厂商Mobileye。特斯拉采用Mobileye的新一代辅助驾驶芯片EyeQ3,来武装自家的自动驾驶系统Autopilot。

 

但在去年特斯拉Model S发生严重事故后,特斯拉与Mobileye开始分道扬镳。此次Autopilot 的故障问题成为特斯拉和Mobileye决裂的导火线——Mobileye无法保证自动驾驶足够安全。

 


但隐藏在背后的一个很重要的问题,也是特斯拉非常焦虑的事情是特斯拉对自动驾驶计算力的焦虑。在特斯拉看来,Mobileye的EyeQ3这块芯片,在计算力上并不能满足需求,它只是为ADAS设计的。

 

随后,特斯拉转而投入英伟达的怀抱,也就有了新一版的 Autopilot 2。

 

2016年初,英伟达推出了Drive PX 2,理论计算性能最高达到10Tflops,比EyeQ3的性能要好得多。相对于EyeQ3,Drive PX 2实质上是一台车载电脑,是更加完整的解决方案。

 

一个极度渴望高强计算力,一个在自动驾驶领域建立起自家GPU计算生态,特斯拉和英伟达可以说是一拍即合了。

 

但Drive PX 2就能解决马斯克的焦虑了吗?显然也不能。

 

当时的计算机还不够强大。特斯拉经常得升级所有车型,以拥有更强大的数字处理能力,以及安装上新的芯片。

 

高成本、高功耗,算力还无法完全满足需求,即使是号称超级车载电脑的Drive PX 2,依旧存在这三个问题。

 

英伟达也拿出了下一代的Xavier作为应对,功耗/性能比大幅升级,但它的装车量产要到2019年。

 

但特斯拉已经没有太多的耐心。

 

寻找消除焦虑的路径

 

对特斯拉来说,长期依赖第三方供应商是不可能的。

 

从更深层次的角度来讲,独立自研芯片无疑对加速自动驾驶汽车的研制具有重要意义。随着芯片运算速度的提升,理论上来讲,车辆的安全性也将会因此而得以大幅提高。

 

在马斯克看来, 如果没有坚实的基础计算架构,特斯拉的命运将无法掌握在自己手中。 


自主造芯可以在内部设计和制造所有产品,苹果就是一个很典型的例子——软硬件一体的威力展现得淋漓尽致。自己研发芯片的特斯拉便不用过度依赖供应商和次级供应商的产业链条,而是可以按照马斯克喜欢的那些前所未有的设计方案对车辆进行定制。


自研芯片的特斯拉,不仅能够为Autopilot提供定制化的硬件支持,而且也可以将大量自动驾驶算法直接封装到芯片内。另外,在不用过度依赖供应商的产业链条的情况下,特斯拉可以对车辆进行定制前所未有的设计方案。


这样的能力,将使得特斯拉在自动驾驶竞争中持有核心优势。

 

在这种构想下,2015年,马斯克主动发推文,先行大力招募自动驾驶的软件人才,而后对AMD、英特尔、苹果等公司的硬件人才挖掘行动也没有停过。

 

其中最为人津津乐道的是负责芯片架构设计的工程师,名叫吉姆·凯勒。凯勒先后在AMD和P.Asemi带领团队做出了不菲的成绩。他在这两家著名公司中领导芯片项目造福了数以亿万的人。

 

凯勒加盟特斯拉至今,一向求快的特斯拉在自研芯片上已经耗时两年多,但还未真正见到成品。在外界看来,这不太不符合特斯拉的风格。


现在看来,这可能是因为特斯拉要研发的是一种专用的AI芯片ASIC,而这种芯片的研发周期比较长。


马斯克放出特斯拉将自研芯片消息时表示,新款的硅片比特斯拉现在的轿车中的芯片的运行速度快一个数量级。特斯拉的芯片每秒可处理来自汽车周围的摄像头的 2000 帧视频,且仍有剩余容量用于数据冗余和提升安全保障。

 

对于芯片技术,特斯拉团队回归到了“裸机级别”而不是分层GPU解决方案。


这项技术最初是用于加速游戏机的图形处理速度。特斯拉从头设计计算器和存储器电路,使得它们一个紧挨着一个,可以快速传输数据,这是GPU在仿真模式下运行AI神经网络时的传统难关。


显然,特斯拉在芯片的功耗和性能比上下了狠功夫。


对于特斯拉来说,在应用了高功耗的Drive PX 2仍然无法实现高级自动驾驶过后,研发出自己掌握的、2~3年的时间是值得等待的。


自研芯片背后:自动驾驶芯片转向

 

特斯拉自研自动驾驶芯片,其实反映了自动驾驶行业的计算需求由通用转向了专用。自动驾驶系统所需要的芯片,由追求绝对算力的GPU,走向低功耗高性能的ASIC。


GPU 在 AI 领域逐渐普及之后,其短板也逐渐显露出来。首先,GPU 的功耗极为庞大,而且早期 GPU 只能做训练的工作,训练完的推理效率极差,因此仍须借助CPU的计算能来处理推理工作,后来也因此发展出不少专精于推理的芯片架构。

 

性能功耗比可以直接反映出,在自动驾驶领域,ASIC相对于GPU所展现出来的优势。

 

并且,由于ASIC不是GPU类的通用计算,内部直接封装了算法,数据交换只是底层I/O,因此其计算的时延也会比GPU更低。

 

此时看来,嵌入式ASIC看上去是最可行的方案:满足计算性能,满足低功耗需求,成本可接受。

 

尽管ASIC开发非常耗时而且成本很高,但一旦投入量产、规模铺开,芯片产业的边际效用会立即发挥,将单枚芯片成本压低。对于特斯拉来说,尽管自研自动驾驶芯片的风险巨大,初始成本高昂,但一旦投入使用,后续的各种收益将是显著的。

 

除了特斯拉之外,还有其他公司已经走上了这条道路。国内自动驾驶芯片初创公司地平线推出的AI芯片中,也有面向自动驾驶的ASIC“征程”。

 

与特斯拉分手的英伟达自己也非常清楚GPU路径的优势与不足。但英伟达未选择转入ASIC的路径,是因为毕竟还要做生态,抛弃GPU就没法玩了。


总结


特斯拉想让汽车有一天都能实现自动驾驶,而它实现自己野心的方法可能是并不是常规路径,但对熟悉这家公司的人而言,这似乎并不稀奇。

 

拥有自己的芯片,特斯拉就可以按照自己的步调满足自己的需求。如果突然意识到硬件缺少什么,特斯拉就不必等待其他厂商去进行研发。


如果特斯拉能够成功做到这一点且没有破产,这最终将会成为公司的一大无可比拟的优势。


来源:车东西、网易科技、站长之家

由机器人文明综合整理发布


— 完 —


 往 期 精 选 


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