芯耀
与非AI
14
近日，英伟达 CEO 黄仁勋在 GTC 大会上宣布了两件大事，一是发布了迄今为止最大的 GPU，二是针对于近期 Uber 无人车致死事件，暂停自动驾驶路测。黄仁勋表示：“安全是单一却极其重要的问题，这其中也牵涉到了最为困难的计算问题。”
要想无人车真正的上路，在交通繁忙的道路上避开行人安全行驶，需要让自动驾驶汽车具备自主思考和判断的能力。其中，AI 芯片作为无人车的“大脑”，在车辆控制方面发挥着重要的作用。那么，AI 芯片对无人车来说有什么作用？有哪些公司在生产用于无人车的 AI 芯片？
AI 芯片是什么？
AI 芯片就像无人车的大脑，在异常情况出现时，为了避免发生事故，需要给汽车提供足够的信息，且需要车辆自主判断，而这需要芯片来实现。
在自动驾驶领域， AI 芯片的应用发展已有些时日。
据了解，Mobileye 的 EyeQ 系列芯片在 2004 年就开始研发，2007 年发布的第一代 EyeQ1 芯片是较早应用于自动驾驶的 AI 芯片之一 ( 仅实现辅助驾驶功能 ) 。
而 Nvidia 自动驾驶芯片始于 2015 年初推出的 Drive PX 系列。在 2015 年的 CES 大会上，英伟达发布了第一代 Drive PX，Drive PX 可支持 L2 高级辅助驾驶计算需求。
从技术路线来看，自动驾驶芯片延续了与其高度相关的深度学习所采用的几类硬件技术路线： GPU 、 FPGA 、 ASIC 。按照 SAE International 的自动驾驶等级标准，目前已商用的自动驾驶芯片基本处于高级驾驶辅助系统(ADAS) 阶段，可实现 L1-L2 等级的辅助驾驶和半自动驾驶 ( 部分宣称可实现 L3 的功能 ) ；而面向 L4-L5 超高度自动驾驶及全自动驾驶的 AI 芯片离规模化商用仍有距离。
两强之争：英伟达 VS 英特尔
目前，英伟达和英特尔凭借在处理器芯片领域的长期积累同时配合产业并购，已然形成了领跑之势，二者形成了自动驾驶芯片领域的第一集团。（参考如图）
英伟达：
英伟达在 GPU 芯片市场上占有率高达 70%，是当之无愧的芯片领域霸主。
面对日益崛起的自动驾驶车研发和量产需求，英伟达近年大力布局自动驾驶领域，并在 2015 年推出了专门针对自动驾驶的计算平台 DRIVE PX。包括奥迪、沃尔沃、丰田等在内的车厂，以及百度等科技公司都接入了该平台。英伟达称，当前通过 DRIVE PX 平台进行自动驾驶车开发的合作伙伴有 225 家左右。
英伟达发明的图形芯片是无人驾驶汽车的关键组成部分,其图形计算技术被用于 Uber 的第一批沃尔沃 XC90 SUV 车型及现有的自动驾驶汽车和货运卡车中。采用英伟达技术的 Uber 自动车已经累计搭载旅行乘客 5 万多人次，行驶超过 200 万英里。
去年 10 月，英伟达宣布推出可处理 L5 级无人驾驶汽车数据的新产品 NVIDIA DRIVE PX Pegasus 系统，进一步扩充其自动驾驶 AI 计算平台。在今年美国拉斯维加斯 2018 CES 展上，英伟达又宣布推出了首批 Xavier 自主机器处理器，致力于借助 AI 从各个方面提升驾驶体验，并为 NVIDIA 在自动驾驶领域的 320 家合作企业和机构提供未来技术路线图。
据了解，Xavier 拥有超过 90 亿个晶体管，号称是迄今为止最复杂的系统级芯片，研发历时四年，研发投入高达 20 亿美元。Xavier 处理器可以为自动驾驶汽车的人工智能系统提供更多的传感器以及车辆数据。在 CES 展上，Uber 表示它将把英伟达的芯片运用于人工智能计算系统。
在 2018 CES 展会中，英伟达宣布与大众合作，将使用英伟达的 Drive IX 平台来开发下一代车型。大众可以增加脸部识别解锁车辆，手势控制以及类似亚马逊 Alexa 的语音助手等功能。它还表示将利用该软件创建一个“智能副驾驶员”来协助司机。此外，英伟达表示将与奥迪共推基于英伟达 AI 驾驶系统的自动驾驶车型，计划于 2020 年前上路。
国内的初创无人车企业中，英伟达参与了景驰科技的 5200 万美元 Pre-A 轮投资，以及投资了图森未来。
英特尔:
在芯片大战中，英特尔为了对抗英伟达的挑战，也在加紧布局，收购相关领域的公司开发芯片，以及与一些汽车厂商建议合作。
英特尔收购了 Mobileye，Mobileye 曾在 2015 年发布一款汽车 ADAS 芯片 EyeQ4，其能够为 Level 3 级别的自动驾驶提供足够算力。2016 年该公司发布了第四代系统芯片 EyeQ4，该芯片采用了 14 个计算核心，大幅提升了视觉处理和数据解读的性能。
另外，第五代系统芯片 EyeQ5 也将于今年出工程样品，并在 2020 年实现量产，采用 7nm 工艺。EyeQ5 的目标是支持 L4/5 级别的全自动驾驶。据介绍，EyeQ5 将提供每瓦特 2.4 DL TOPS（万亿次 / 每秒）的效能——这一数字比 NVIDIA 公开宣称的 Xavier 效能要高 2.4 倍。EyeQ5 将是 Mobileye 的第五代系统芯片，旨在为全面自动驾驶（L4/5）汽车提供以视觉为核心的计算机传感器融合。
Mobileye 的视觉处理器系统级芯片 EyeQ 系列产品使用了公司开发的独特算法，该芯片在沃尔沃、通用、宝马、现代、等生产的部分车型中都有使用。目前 Mobileye 的产品销售给了全球多家汽车制造商，包括宝马、福特、通用、日产、沃尔沃等。
关于与 waymo 的合作，英特尔 CEO 科再奇表示“随着 Waymo 无人驾驶技术变得越来越智能，功能越来越强，其高性能硬件和软件将需要更为强大和高效的计算。通过与 Waymo 的密切合作，英特尔可以为 Waymo 的一系列汽车提供 L4 和 L5 自动驾驶所需的高级处理能力。”
除了与 Waymo 合作以外，英特尔目前还与宝马、菲亚特克莱斯勒、德尔福、大陆集团等达成了合作，当时决定在 2017 年底组织 100 辆高度自动驾驶的汽车进行路面测试。在 2018 CES 上，地平线与英特尔联合展示了面向 L3/L4 的自动驾驶解决方案。
AI 芯片新势力
2017 年 12 月，特斯拉 CEO 埃隆 - 马斯克在 NIPS 大会宣布，特斯拉正在制造 AI 芯片，将主要用于完成无人驾驶时的运算操作。此外，无人车 AI 芯片领域还涌入了一些年轻玩家，如地平线、NovuMind（中文名异构智能）、寒武纪和眼擎科技等。
特斯拉：
2016 年 7 月，Mobileye 宣布与特斯拉终止合作关系，2017 年 12 月特斯拉 Autopilot 负责人 Jim Keller 在神经信息处理系统大会上表示，特斯拉非常重视 AI，无论软件还是硬件层面。特斯拉正在开发定制的 AI 芯片硬件。
地平线：
2017 年 12 月 ，地平线发布了两款嵌入式人工智能视觉处理器。其中一款征程系列嵌入式 AI 芯片面向自动驾驶，具备同时对行人、车辆、交通标志牌等多类目标进行检测与识别处理的能力。目前，地平线正在与奥迪、重庆长安和零部件厂商 Robert Bosch 合作。
NovuMind：
相较于英伟达的绘图处理器 (GPU)，NovuMind 专注于开发更有效进行推理的深度学习加速器芯片。NovuMind 开发的 AI 芯片致力于让小型的本地终端设备具有识别和思考的能力。由于 NovuMind 的 AI 芯片具有高达每秒 15 万亿次操作的能力，可以运用在无人车领域。
寒武纪：
2017 年 11 月 6 日，全球 AI 芯片领域的第一家独角兽创业公司寒武纪召开了发布会，会上介绍了其开发的面向智能驾驶领域的 1M。据寒武纪科技创始人兼 CEO 陈天石在大会上介绍，这款产品目前正在规划当中，它的性能将达到寒武纪 1A 的 10 倍以上，高度集成，具有更高的性能功耗比。目标是让中国的汽车全部都用上国产智能处理器。
眼擎科技：
今年 3 月，眼擎科技 CEO 朱继志就人工智能最大应用方向——机器视觉在前端成像上的痛点，分享了眼擎科技的解决方案，并分析了其在自动驾驶领域的应用。眼擎科技力图用芯片+算法的方式提高机器视觉前端的成像能力，让 AI 有更高质量的图像数据可用，让芯片更好的运用于工业无人车等方向。
由此可见，无人车领域 AI 芯片的竞争十分激烈，而为推动芯片产业的发展，我国政府也出台了一些政策。据彭博社报道称，中国政府已经设立相应基金，来投资本土芯片厂商。政府预计，到 2020 年，中国的整车和芯片、传感器等零部件产值将超过 1000 亿元。
无人车 AI 芯片面临的困境
AI 芯片成为了无人车领域的一个重要战场，各路玩家都想打造自己的 AI 芯片，在研发无人车 AI 芯片时，它们主要面临 GPU 耗能高成本高、开发成本高且回报周期长、AI 芯片的周边能力尚且不足等问题，且开发出的 AI 芯片进入汽车市场必须通过严格的车规，这些难题阻碍着各大厂商的发展进程。
1、GPU 耗能高成本高
目前主流的自动驾驶芯片解决方案主要包括 GPU、FPGA、DSP 和 ASIC 四种。GPU 虽然具有强大的计算能力，但是耗能高、成本高以及体积庞大，无法满足嵌入式的要求。
以 GPU 起家的英伟达，相比初创公司虽然占据一定优势，但是在人工智能技术发展的道路上也面临巨大挑战。GPU 一旦进入量产阶段，考虑到性能、功耗以及产品的技术竞争壁垒，可能不太合适。
初创公司地平线公司为了解决这一问题，一开始搭建自动驾驶平台的时候就与英特尔合作，采用了英特尔的 FPGA 来作为核心计算单元，满足了自动驾驶对计算性能、延时和功耗的要求。
2、AI 芯片需通过车规和检测
AI 芯片要进入汽车市场必须通过车规，要经过严格的检测，能够抗电磁干扰、抗震动和适应极大的工作温差等，这对 AI 芯片生产商来说是一大挑战。
3、开发成本高且回报周期长
芯片研发动辄 3、5 年的长周期加上漫长的车型研发，使得一款 AI 芯片从开发到最终应用的时间会无比漫长。开发的过程需要消耗大量的人力物力，而且回报周期长。
今年 1 月，英伟达发布的无人车 AI 超级计算芯片 DRIVE Xavier 耗资巨大。为了研发 DRIVE Xavier，英伟达投入了 2000 个工程师，历时四年，研发费用达到 20 亿美元。
英伟达这种行业巨头可以承担如此高昂的费用，但是对初创公司来说，这是一大难题。地平线创始人余凯也曾表示，做 AI 芯片这件事门槛很高。
4、AI 芯片的周边能力尚且不足
目前，车内使用的很成熟的 DSP 芯片，就有丰富的接口，但现在 AI 芯片还只是一个 stand alone 的芯片，没有周边生态的支持。
虽然 AI 芯片的发展面临很多困境，但是 AI 芯片这一新兴技术为巨头带来了业务扩展的风口，也为创业公司、传统厂商带来了新的机遇。当前各公司都在加快布局，未来可能还会不断涌入新玩家，无人车 AI 芯片行业的竞争势必将愈加激烈。
来源: 与非网，作者: 与非网记者，原文链接: https://www.eefocus.com/article/407144.html
阅读全文
