寻找供应商
广告
首页 > 汽车技术 > 正文

L4无人驾驶瓶颈之一：计算平台

2019-12-10 23:01:08·  来源：佐思汽车研究  作者：周彦武  
　
L4无人驾驶计算平台是限制L4无人驾驶大规模推广的瓶颈之一，其他瓶颈也很多。悲观的话，10年内L4级无人驾驶无法量产，乐观的话至少也要再等上5年。典型L4级无人
 L4无人驾驶计算平台是限制L4无人驾驶大规模推广的瓶颈之一，其他瓶颈也很多。悲观的话，10年内L4级无人驾驶无法量产，乐观的话至少也要再等上5年。
典型L4级无人驾驶计算平台如上图，基本上就是两套一模一样的系统，包含了CPU、GPU和加速器。多个加速器还需要一个PCIe交换机，其价格非常昂贵，甚至比加速器都贵。与线控底盘连接需要一个达到ASIL-D级的MCU，通常是英飞凌的TC297/397，瑞萨的RH850和NXP的MPC574X系列也能达到。
计算平台核心是以太网交换机，以上图为例，Marvell的7口以太网交换器88E6321通过以太网物理层Marvell的88E1512与两个CPU也就是英伟达的Tegra Parker连接。Parker外接GPU加速器，以太网交换器也连接主要传感器和底盘控制MCU（PX2中就是英飞凌的TC297T），可谓是PX2的关键芯片。88E6321的后续产品是88Q5050，由德国大陆汽车旗下子公司Elektrobit与Marvell联合打造，88Q5050则用在英伟达最新旗舰Pegasus，这也是基于最新的车载以太网标准TSN的首次实际应用。
通常CPU对应标量计算，主要是路径规划和决策算法，此外部分激光雷达使用ICP点云配准算法，CPU比GPU能更好对应。常用的传感器融合如卡尔曼滤波算法也多是标量运算。GPU对应矢量或者说向量计算，包括高精度地图、传统视觉算法。矩阵就是卷积运算的核心，也是所谓人工智能的核心运算。通俗一点理解的话，我们可以将标量视为零阶张量，矢量视为一阶张量，那么矩阵就是二阶张量。FPGA比较特殊，它天生并行结构，对应矢量和矩阵都没问题，对应高阶张量更能发挥特长。
CPU应该达到200K DMIPS以上的算力。ARM设计的针对L4使用的Cortex-a76AE，ARM推荐的是惊人的16核设计，车规级肯定运行频率不能太高，否则功耗太高，估计最高不超过2.2GHz，甚至是1.8GHz，这样的算力超过250K，我们给它打个八折，算200K。AI部分主要是推理，一般都是INT8的精度。如果特别侧重摄像头，INT8至少要有20TOPS的算力，如果更侧重激光雷达，那么个人认为4TOPS就足够。
常见或有潜力成为无人驾驶计算平台的芯片对比
EyeQ5的CPU很弱，只有52K，是所有芯片里最差的，不过这关系不大，因为它属于英特尔，英特尔的汽车SoC也就是Atom 3900系列可以派上用场，3900系列中最高级的A3960大约有50K DMIPS。英特尔的Atom 3900系列差不多6年都没更新换代了。或许2020年会更新。
Xavier表现最全面，CPU算力有137K，仍然不及格。SA8155P是高通骁龙855的车规版，跟麒麟990一样都是7纳米，4个A76加4个A55内核。估计A76的运行频率也会降低，即便是A76火力全开，也难以超过130K。特斯拉的AI很强，不过12个A72最多也就是150K。以特斯拉的出货量，这颗芯片估计最低都要300美元。
最优秀的实际是Xilinx的VersalAI Core，AI算力拥有压倒性优势，最低都有49TOPS。这是全球首颗7纳米FPGA。
称之为FPGA或许不切合实际，Xilinx称之为Adaptive Compute Acceleration Platform (ACAP)。
 ACAP结合了CPU和GPU（DSP）的高效率应用场景，能够自适应各种计算形式。
ACAP里包含了两个A72内核，对应标量计算，两个A72拥有48KB/32KB的一级缓存，1MB的二级缓存，这比传统的ASIC要高不少。同时也有Cortex-R5双核保证实时性任务的可靠执行，如Boot。有AI和DSP引擎，AI引擎从128-400个，DSP引擎从928-1968个。还有完整的片上网络，包括两个以太网接口，一个USB 2.0，两个UART，两个SPI，两个I2C，两个特别为汽车行业考虑的CAN-FD。LUT方面最高接近200万个，Xilinx说足以媲美服务器级CPU。
Xilinx Versal AICore参数见上表，这么牛掰的东西使用的晶体管数量惊人，Versal AI Core的旗舰VC1902使用了370亿个晶体管，预计最低级的VC1352也有50亿个。而英伟达的Tesla V100才212亿个，Xavier才90亿个晶体管。上个月英特尔还有更疯狂的Stratix 10 GX 10M FPGA。这是全球密度最高的 FPGA，拥有 1020 万个逻辑单元，433 亿颗晶体管。通常芯片的晶体管密度是25-31百万/平方毫米，Xilinx Versal AI Core最小都有大约250平方毫米的裸晶面积，这就注定其价格非常高昂。现在7纳米的产能非常紧俏，FPGA的裸晶面积又特别大，但量又很低，笔者估计最低价格也是1500美金起。ACAP主要市场还是数据中心领域、5G基站和航天航空雷达领域。不过在汽车领域可以只用一片，甚至可以连风扇都不需要的小盒子搞掂L4运算平台。

Versal ACAP在今年9月份正式推出，目前价格还未知。ACAP的出现或许表明初创公司做AI芯片不是个好方向，先不要说7纳米一次流片费用近3亿（28纳米的芯片晶体管密度根本无法和7纳米比）。即便是ASIC，一味强调算力，也根本无法和FPGA匹敌的。灵活度就更不用说了。初创公司还是做算法比较合适，等壮大了，才能烧钱做芯片。 
分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 智能柔性传感器在汽车领域的应用探索与实践 • 利用 NVIDIA AI Enterprise IGX 在边缘赋能任务关键型 AI
• 充电桩GB/T-2023设计要点 • NVIDIA GPU 架构下的 FP8 训练与推理
• 利用 NVIDIA Holoscan 1.0 开发生产就绪型 AI 传感器处理 • 汽车CAN总线系统的挑战与设计
• 资料下载《Keysight高性能数字产品》：示波器、任意波形发 • 亚马逊云科技数据和人工智能副总裁 Swami 解读 Amazon Bed
• 新能源汽车动力电池结构及成组技术综述 • 电源完整性仿真域之仿真软件（附下载）
0 条相关评论
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026620号