11
- 在激战正酣的自动驾驶汽车战场，英伟达横空杀出，最终拿下了旨在制造全自动驾驶汽车的特斯拉的合约。
- MobileEye 作为一家押宝并把竞争力完全建立在自动驾驶汽车技术上的厂家，它将怎样目睹自己的市场被曾经只是一家 GPU 厂商的英伟达一点点蚕食。
- 和 CPU 技术相比，在解决自动驾驶汽车的一系列问题时，GPU 的优势更加明显。
- 我将在本文中解释为什么英伟达将继续统治这个领域。
英伟达公司近日强势杀入自动驾驶竞赛，让这个领域的头号种子选手 MobileEye 顿感寒风凛凛，为了理解这种局势的变化，我们需要深入技术进行探讨。
时间回溯至 1999 年，当英伟达公司开始推广 GPU 或者图形处理单元这个术语时，它就在这个领域成为了一个显眼的存在。自那个时候起，这家公司的前景就随着整个电子行业而潮起潮落。首先，当人们开始在 PC 机上玩游戏时，计算机就使用上了 GPU。然后，随着终端游戏系统的推出，GPU 又找到了一个新的用武之地。
2005 到 2008 年，随着游戏的复兴，GPU 也流行起来。后来，当有公司能够推出满足绝大多数消费者需求的板载图形解决方案时，GPU 才有点过时了。现在，随着消费者开始接触虚拟现实，以及那些在硅谷上班的高薪阶层愿意花大笔的钱获得最新和最强劲的计算能力，人们对英伟达提供的 GPU 的需求再次点燃。我们再来看一看 GPU 在无人驾驶汽车上的应用。
为什么 GPU 可以很好地处理自动驾驶汽车带给我们的一系列挑战和大量数据？主要原因在于 GPU 有很多小处理器，而 CPU 一般只有 2、4、8 个有时是 16 个单独的处理器。有些 GPU 有数千个被称为流处理器的单元处理数据，虽然这些单元的处理速度比 CPU 更慢，但是好汉架不住人多啊！因为所有这些处理器可以并行运行，即它们可以同时处理很多相对简单但具有大量数据的任务。CPU 可以轻松处理一个数据量大、时间长而且比较复杂的任务，而 GPU 处理这种任务时就会吃力得多。
当有很多简单的任务时，GPU 真的很好用。是不是听起来开始觉得很熟悉了？想一想开车这桩事，它复杂吗？不，至少对我来说很简单。你甚至可以利用自己的本能来开车。当你开车时，是否需要处理大量的信息？比如有个小老太太要过马路这种情形，你知道我的意思 ，驾驶是一个简单的任务，但有大量的信息需要适时的处理。如果你的大脑是一台电脑，而它正在执行驾驶任务，你宁愿使用哪一个处理器？你肯定愿意选择强大的 GPU。
英伟达在其自动驾驶套件中使用的芯片使用了基于从人类大脑本身模仿而来的神经网络的 AI 深度学习技术。该技术目前看起来是模仿人类大脑如何做出决定和学习做出这些决定的最佳方式。这种技术使用层次结构，将复杂的问题分解成许多小问题。想想你是怎么识别降落在机场上的飞机吧。首先，你识别出在孩提阶段就被教过的飞机的形状。好的，这是一架飞机。然后，你再寻找进一步的线索。是白色还是黑色？如果是白色，你的大脑可能会告诉你这是一架客机，而不是军事飞机。它大么？有 4 个还是 2 个发动机？如果飞机个头又大又有 4 个发动机，你可能会推断认为它是一个波音 747 或空客 A380。它前面有一个驼峰吗？如果有，你马上就能知道这架飞机是一个波音 747- 你的大脑几乎在一瞬间贯穿这个层次结构。这很难做到吗？其实不然，你大脑里只需要有一个二叉树就行了 - 判断得超快。
当你开车时也会发生类似的事情，只是处理的功能不同而已。你看到前面有一个八角形的标志，它引起了你的注意，你确定这是一个停车标志。根据以前的停车经验，你知道这附近有更多的危险、更多的行人和汽车，所以你本能地减慢，缓慢行驶到标志位置（也是法律规定）。
这正是 GPU 所擅长的处理类型。计算机识别前面的停止标志，由于为此分配了更高的危险等级，因此计算机知道需要减速。除此之外，计算机知道停车标志周围通常有更多的行人，因此扫描和识别它们需要更多的时间。驾驶只是 一遍又一遍地执行一堆小的任务，GPU 处理器非常适合这种任务。那么英伟达的无人驾驶汽车解决方案是什么样子呢？
英伟达 DGX-1＆PX，PX 2 和 PX 3
看下面这个盒子 - 它是执行自动驾驶的大脑：
看起来不像，是吗？这是因为你不会看到这个盒子的外框。英伟达把它称为“盒子里的超级计算机”，其实这种描述不是很准确。汽车上安装的不是这个盒子，而是一个带有芯片的板子，这个盒子是个源头，它让这一切成为可能。在特斯拉的视频展示中，配备 2.0 版硬件（8 个摄像头、12 个超声波传感器和前方雷达系统）的新 Model-S 使用与 PX2 系统相同的神经网络。
我会再次尝试着把一个非常复杂的事情解释地容易理解。最近的研究表明，无人驾驶汽车需要处理每秒 1 千兆字节的数据。PX 2 则宣称能够处理 70 GB/s 的数据，超过了第 4 级自主驾驶需要的能力。PX 2 每秒能够执行 24 万亿次操作 - 地球人口数量的三分之一。然而，系统可以处理这么大的数据量并不意味着传感器可以捕获这么多的数据 - 现在的传感器确实做不到这一点。没有什么东西能和广告宣传的一样好，在整个系统中存在不可避免的瓶颈。
PX 2 是目前市场上唯一能够处理真正的自主驾驶的系统;大部分有自动驾驶能力的汽车都安装了这个系统。PX 3 将是一个更好的系统，并且无疑会降低 PX 2 的成本。换句话说，现在有一个计算机系统可以处理 4 级自主驾驶，而它是由英伟达制造的。英伟达的股票今年涨 180％就显得理由更加充分了。那么英伟达在自动驾驶市场能走多远呢？
英伟达、自动驾驶应用和竞争格局
那么，在刚刚成为自动驾驶领域的主要选手之后，英伟达会继续保持其强势存在吗？它在这个领域的前景如何？应该会非常不错。在我看来，自动驾驶汽车是自互联网技术问世以来最重要的技术之一。当然，如果您不幸有个爱人经常生病，我相信您肯定会认为医疗技术的进步才是惊人的。不过，人们在日常出行、家庭出游和运送东西上的开支应该比用在个人和家庭健康上的开销更大。
今年，全球共计销售了约 7500 万辆汽车。英伟达目前的产品售价为 1500 美元。如果 10 年后，所有的汽车都具备自主驾驶功能，而英伟达将产品价格削减为现在的 1/3，并占有 15%的市场份额，假设这十年中汽车市场的年复合增长率只有 1%，英伟达在自动驾驶这个垂直市场的销售总额将可能超过 60 亿美元，这是英伟达 2016 年总营收的两倍。英伟达股票是 2016 年表现最好的股票之一，任何看过英伟达股票表现的人都会知道，市场非常了解这种可能性。
我不想在这里把自动驾驶搞得更复杂，但我相信自动驾驶汽车与互联网本身一样重要。英伟达的发展前景非常广阔，那么谁是它的竞争对手呢？我们已经提到了 Mobileye，但这家公司的合约正在被英伟达蚕食。德尔福现在超级活跃 - 其 V2E（车联一切）系统和一切事物连接和通信。如果人们在智能手机上装有合适的芯片，手机用户也能够与迎面而来的汽车通信 - 即使他们感知不到这种活动。但德尔福的产品目前还没有形成一个完整的解决方案。
英特尔也正试图加入这场竞赛，但目前，它还算不上是一个合格的竞争对手。事实上，英特尔正在迫切地向消费者灌输他们并不需要 GPU 的观念，因为根据台式机业务副总裁 Gregory Bryant 的说法：“集成显卡快能赶上 GPU 了”,GPU 可能会伤害英特尔的业务。我们已经看到，和 CPU 相比，GPU 更适合自动驾驶这种任务。最近有很多人都在这个认识上犯了错误，英特尔可能也是其中之一。
还剩下谁呢？AMD 制造 ATI GPU - 但它可以在自动驾驶汽车上使用吗？当然可以，但现在还没有任何迹象表明 AMD 对这个市场的兴趣。AMD 现在只能算是一家小公司，不过，如果它决定推出自动驾驶解决方案，哪怕只有一家汽车制造商使用它，它也可以影响竞争格局。所以，目前为止，英伟达是当之无愧的赢家。汽车制造商也已经用脚投票了，宝马、特斯拉、本田和大众都押宝在英伟达的产品上。
结论
了解英伟达的盒子内部如何实现“智能”或“连接”的工作是一个非常烧脑的行为。我只是希望你能从处理器的角度更深入地了解无人驾驶汽车在行驶时到底发生了什么事情，以及为什么 GPU 更适合处理这些问题。当你在开车时，需要即时处理的数据量巨大 -GPU 最适合处理这些数据集。当特斯拉抛弃 Mobileye 并和英伟达走到了一起时，许多分析师都在费劲心思猜测其背后的动机，许多人都认为英伟达只是一家让玩游戏变得更酷的公司而已。英伟达非常了解 GPU 相对于 CPU 的优势，它一直在等待这个机会来证明自己。它的解决方案不仅仅支持自动驾驶汽车应用。您将来会与之沟通的智能机器人也将由这项技术来推动，英伟达处于这些技术的最前沿。
更多有关自动驾驶的资讯，欢迎访问 与非网自动驾驶专区
与非网编译，未经许可，不得转载！
下载ECAD模型
