“自動駕駛所需要的計算力，是過去任何一臺計算機都沒有達到過的?！?NVIDIA的掌門人黃仁勛曾在公開場合不止一次的說過這句話。

這句話背后，還有另一層意思。2010年之后，GPU類處理器內(nèi)部的晶體管數(shù)量還保持著快速增長的勢頭，而CPU已經(jīng)出現(xiàn)了明顯的放緩。

“摩爾定律已經(jīng)終結(jié)，晶體管數(shù)每年增長50%，但CPU的性能每年僅增長10%，設計人員無法再創(chuàng)造出可以實現(xiàn)更高指令級并行性的CPU架構(gòu)?！痹?017年的GTC China上，NVIDIA的掌門人黃仁勛如是說。

NVIDIA是一家研發(fā)生產(chǎn)GPU的公司，對GPU自然有區(qū)別于他人的崇拜，捧GPU貶CPU可以理解。但，摩爾定律確實失效了。

NVIDIA是一家傳統(tǒng)消費電子廠商，但在汽車領域也不是完全的新手。早在2005年，NVIDIA就開發(fā)了用于3D導航信息系統(tǒng)的Tegra處理器，2011年用在了奧迪A8豪華車型上。

到目前為止，NVIDIA的汽車電子業(yè)務占該公司47億美元銷售額的4%。2015年，NVIDIA發(fā)布了針對自動駕駛的DRIVE PX系列，開啟了自動駕駛領域的馳騁，一時也成為了市場寵兒，股價扶搖直上。

支撐起這一切的，是NVIDIAGPU給自動駕駛帶來的想象——DRIVE PX運算力強大，是自動駕駛必備的運算力平臺。這正應驗了黃教主開頭所說的話，此話不僅被競爭對手英特爾聽了去，同時也被股民聽了去。

那么，自動駕駛到底需耗費多少算力？誰是算力的最大消耗者？GPU碾壓CPU，NVIDIA超車英特爾已成定局？

視覺處理是大頭

自動駕駛的實現(xiàn)，需要依賴感知傳感器對道路環(huán)境的信息進行采集，包括超聲波、攝像頭、毫米波雷達、激光雷達等，采集的好的數(shù)據(jù)需要傳送到汽車中央處理器進行處理，用來識別障礙物、可行道路等，最后依據(jù)識別的結(jié)果，規(guī)劃路徑、制定速度，自動驅(qū)使汽車行駛。

整個過程需要在瞬時完成，延時必須要控制在毫秒甚至微秒級別，才能保證自動駕駛的行駛安全。

要完成瞬時處理、反饋、決策規(guī)劃、執(zhí)行的效果，對中央處理器的算力要求非常高。

最直觀的體現(xiàn)，便是用于感知道路環(huán)境的攝像頭，通常密布車身，數(shù)量在12個左右，為了識別障礙物，處理器需要對多路攝像頭實時拍攝的數(shù)據(jù)進行解析，而單顆1080P的高清攝像頭每秒可以產(chǎn)生超過1G的數(shù)據(jù)，數(shù)據(jù)量不可謂不大。而為了準確識別圖像、視頻中的有效信息，業(yè)內(nèi)多采用深度學習神經(jīng)網(wǎng)絡。

深度學習神經(jīng)網(wǎng)絡尤其是幾百上千層的神經(jīng)網(wǎng)絡對高性能計算要求非常高，GPU對處理復雜運算擁有天然的優(yōu)勢：它有出色的并行矩陣計算能力，對于神經(jīng)網(wǎng)絡的訓練和分類都可以提供顯著的加速效果。

適用于自動巡航功能的 NVIDIA DRIVE PX 2 計算平臺采用新型單處理器配置，功率僅為 10 瓦，可以幫助車輛利用深度神經(jīng)網(wǎng)絡處理來自多個攝像頭和傳感器的數(shù)據(jù)，運算力達到了24 Tops。

Tops（Terra Operations per second）是一個單位，意為每秒運算10^12次，也稱萬億次。這種說法通常用于表示處理器的運算力。

但汽車是一個終端，對功耗要求苛刻，因此根據(jù)TI的官方報告，通常對效率、功耗、算力要求較高的時候，對運算力的表述更為貼切的是GOPS/W of TOPS/W，即消耗單位瓦數(shù)可以完成多少運算量。

業(yè)內(nèi)人士表示，在自動駕駛中，最耗費算力的當屬視覺處理，占到全部算力需求的一半以上。而圖像處理是GPU的強項，CPU并不占優(yōu)勢，這一點已經(jīng)在傳統(tǒng)領域得到了驗證。

Mobileye的ADAS霸業(yè)

那么視覺處理中，不同等級自動駕駛中對算力的要求有什么區(qū)別？每一家公司在權衡之后，選擇特定的視覺芯片方案有什么原因？Minieye的CEO劉國清在面對《高工智能汽車》的提問時表示，這是一個業(yè)內(nèi)人士都知但不為外人道的話題。

嗯，聽起來很神秘，但想要找到答案其實也并不難。

Mobileye是自動駕駛領域視覺處理最領先的公司（這是基于其市場占有率以及車載領域的經(jīng)驗而言）。

從2004年開始，Mobileye相繼推出了EyeQ系列的視覺處理芯片，2010年上市的EyeQ2算力為 0.026Tops，功耗2.5w，支持L1的功能；2014年發(fā)布的EyeQ3每秒浮點運算為0.256萬億次，功耗為2.5w，支持L2；2015年發(fā)布EyeQ4每秒浮點運算可達2.5萬億次，功耗為3w，最高可支持L3；EyeQ5計劃于2020年量產(chǎn)，單顆芯片的浮點運算能力為12Tops，TDP是5W。

Mobileye通過EyeQ芯片，驅(qū)動單顆攝像頭，可以采集路面信息，對周圍環(huán)境進行精細解讀，實現(xiàn)前碰撞預警（FCW）、前方車距監(jiān)測與預警系統(tǒng)（HMW）、車道偏離預警系統(tǒng)（LDW）、行人探測與防撞系統(tǒng)（PCW）、城市前碰撞警告 (UUFCW 與智能遠光燈控制系統(tǒng)（IHC）等功能，準確預測前方道路可以出現(xiàn)的障礙和危險。

其識別準確率達99.99%，到目前為止，已有超過千萬的出貨量，占市場份額超過70%。特斯拉的AutoPilot 1.0的硬件方案就選用了Mobileye的EyeQ3。

Mobileye通過使用專有的計算cores（加速器）實現(xiàn)功耗 – 性能成本目標，這些cores專門針對各種計算機視覺，信號處理和機器學習任務進行了優(yōu)化，其中包括深度神經(jīng)網(wǎng)絡。

這些加速器內(nèi)核專為滿足ADAS和自動駕駛市場的需求而設計。每個EyeQ ?芯片具有異質(zhì)的，完全可編程的加速器; 每種加速器類型都針對其自己的算法系列進行了優(yōu)化。

加速器體系結(jié)構(gòu)的多樣性使應用程序能夠通過為每項任務使用最合適的內(nèi)核來節(jié)省計算時間和芯片功耗。優(yōu)化任務cores的分配從而保證了EyeQ ? 在低功耗范圍內(nèi)提供“超級計算機”功能，實現(xiàn)高性價比的被動散熱。

Mobileye的core是包含一組工作在1GHZ的工業(yè)級四核MIPS處理器，支持多線程技術能更好的進行數(shù)據(jù)的控制和管理； 多個專用的向量微碼處理器（VMP（Vector Microcode Processor，俗稱VMP）），用來應對ADAS相關的圖像處理任務（如：縮放和預處理、翹曲、跟蹤、車道標記檢測、道路幾何檢測、濾波和直方圖等）；一顆軍工級MIPS Warrior CPU位于次級傳輸管理中心，用于處理片內(nèi)片外的通用數(shù)據(jù)。

自動駕駛算力之爭，NVIDIA領銜

Autopilot 2.0 使用了Drive PX2，DRIVE PX 2有多個版本，AutoCruise，搭載一顆Tegra Parker，主要支持高速公路自動駕駛和高精地圖繪制的計算；AutoChauffeur，搭載2顆Tegra Parker和2顆獨立的Pascal架構(gòu)GPU，支持點到點的自動駕駛；Fully Autonomous Driving，由多套Drive PX2組成的計算矩陣。

NVIDIA2015年推出了Drive PX系列，第一代Drive PX搭載TegraX1處理器和10GB內(nèi)存，能夠同時處理12個200萬像素攝像頭每秒60幀的拍攝圖像，單浮點計算能力為2Tops，深度學習計算能力為2.3Tops，可支持L2高級輔助駕駛計算需求。

2016年發(fā)布的Drive PX2，單精度計算能力達到8TFlops，深度學習計算能力達24Tops，TDP達250W，可滿足L3級別的自動駕駛需求。

Drive PX2采用16nm FinFET工藝，TDP 250W，支持12路攝像頭輸入、激光定位、雷達和超聲波傳感器。

它的目的是通過NVIDIA DIGITS打造一套車輛的深度學習訓練平臺，讓每輛安裝Drive PX2的車輛都成為都成為NVIDIA DRIVENet深度神經(jīng)網(wǎng)絡一部分，它將包括3個卷積碼層，3700萬個神經(jīng)元。傳說如果一條信息要在整個網(wǎng)絡流經(jīng)一次，將會產(chǎn)生400億次操作。

根據(jù)黃仁勛在BCW 2017的表述，Drive PX2的方案是針對L3的方案（作為參考的是奧迪A8推出的有限場景下的L3級自動駕駛，采用的ZF ProAI正是使用了NVIDIA Tegra K1 SoC，及Drive PX2 AutoCruise版本，當然負責視覺處理的還是Mobileye的EyeQ3），而Xavier則是針對L4的方案，Xavier的運算力達到了1Tops/W。Drive Xavier于2018年發(fā)布，算力可達30Tops，TDP為30W。

到目前為止，黃教主給L3、L4級別的自動駕駛算力，列出了自己心目中的標準。這一標準由于標新立異，還未有人敢質(zhì)疑。

自動駕駛公司在進行新項目的研發(fā)時，也往往以NVIDIA的開發(fā)板為首。傳統(tǒng)的芯片巨頭英特爾，在巨資收購Mobileye后，心里還不踏實，因為Mobileye一直針對的是ADAS，其量產(chǎn)的EyeQ3芯片0.256Tops的算力，跟NVIDIA PX2的8/24Tops相比，似乎差了一個時代。

算力的焦慮在困擾著Inter這個巨頭，自動駕駛公司同樣也不輕松，開發(fā)中可以使用NVIDIA打底，量產(chǎn)方案卻少有人嘗鮮。

這一方面是源于價高非車規(guī)級，另一方面NVIDIA也需要汽車市場的驗證。另一頭Mobileye的EyeQ系列，基本為自用，不放心外人擅自開發(fā)，NVIDIA和Mobileye的分手據(jù)傳也緣起于此。

那么，留給自動駕駛公司的芯片方案，還有哪些呢？市場應聲者寥寥無幾，NXP、高通、英飛凌等公司，推出的都是針對較低自動駕駛等級的ADAS芯片方案，目前一些有量產(chǎn)項目的ADAS公司，采用的也多是這些傳統(tǒng)車載芯片領域廠商的產(chǎn)品。這些廠商之間的方案有什么異同？后面將繼續(xù)探討……

上一篇：智能駕駛真的來了 5分鐘讀懂2018CES Asia 下一篇：廣汽研究院首秀CES Asia