科技第六感:自动驾驶有两大“技术门派”你造么?
发布日期:2017-12-05        



 

汽车自动驾驶技术的复杂程度非常之高,它并不是某一家整车厂(例如奔驰、宝马),或者某一家供应商(例如Mobileye、德尔福)就能够独立研发完成的。自动驾驶技术的不断推进,需要的是全行业的共同努力、共同进步。因此,这其中的联盟与合作并不会少。一些互联网公司以及芯片供应商已经积极加入进来,许多初创公司也获得了风险投资的青睐。

 

之所以采取联盟的形式,都是为了能在未来的技术发展潮流中占据一席之地。

 

在今年年初的CES大会上,宝马宣布和英特尔以及Mobileye合作,共同开发下一代自动驾驶技术。最早在今年年底之前,将会有40辆搭载最新的自动驾驶技术的宝马开始路试。

 

宝马,英特尔和Mobileye的这一联盟迅速吸引了其他伙伴的加入。不久,世界排名前三的汽车零部件供应商大陆(Continental)集团和美国汽车零部件巨头德尔福(Delphi)也宣布加入此联盟。

 

8月份,菲亚特-克莱斯勒汽车公司(FCA)和这一联盟共同签署谅解备忘录,共同开发全球最先进的自动驾驶平台。

 

在这个联盟中,有整车厂,有Tier1供应商(即一级供应商,给整车厂直接供货),有芯片以及解决方案的供应商英特尔和Mobileye。我来介绍一下他们之间的分工——英特尔和Mobileye提供环境感知以及自动驾驶的算法软件以及硬件加速芯片, Tier1供应商大陆和德尔福负责控制器的和底层软件的开发以及部分的系统集成工作,确保产品符合汽车行业严苛的设计和质量标准(达到车规级)。宝马和FCA等整车厂提供实验车辆,因为实路测试对于验证自动驾驶技术非常重要,所有的合作伙伴也都会共同参与到车辆实验和标定的环节中去。

 

在这个联盟中,英特尔和Mobileye无疑是占据领导地位的。Mobileye是汽车自动驾驶领域的急先锋,它拥有领先的机器视觉算法技术,能够对周围的环境进行有效的识别,包括车辆、行人,交通指示牌、红绿灯等。

 

芯片方面,它和意法半导体(ST)合作开发EyeQ系列硬件加速芯片,第三代芯片EyeQ3已经可以达到Level 2水平的自动驾驶水平,在当今ADAS(Advanced Driving Assistance System高级驾驶辅助系统)领域中占据统治地位。把上述的软件算法集成在该芯片中卖给整车厂,是Mobileye最主要的盈利模式。几乎所有的整车厂都成为了Mobileye的客户。

 

第四代和第五代的EyeQ芯片也在研发过程中,其中EyeQ4可以达到L3的自动驾驶水平,预计在2019年初量产。 EyeQ5是为全自动驾驶L5(完全自动驾驶,即车辆必须可以应对所有工况,包括在激烈驾驶等极限情况下,也能够顺利过关。)研发的芯片,预计在2020年流出样片用于测试。

 

尽管Mobileye在自动驾驶领域一直发展得顺风顺水,但它也逐渐感觉到来自一个竞争对手实实在在的威胁,这甚至促成了Mobileye义无反顾地投入了英特尔的怀抱。

 

这个竞争对手如此强大,它究竟是谁呢?它又强大到哪里呢?在公布答案之前,我们先做一番技术探讨。

 

说起汽车自动驾驶技术,不得不提到人工智能AI(Artificial Intelligence),而人工智能又不得不提到神经网络(Neural Network)。

 

神经网络被广泛应用在对物体的识别环节中。一个神经网络包含若干个层次,在每一层上有若干个节点,每个节点的数值是由前一层上节点的数值通过一定的数学运算得到的。这些节点的工作模式很像神经元,信息就像通过这些神经元一样一层一层地向后传递,整个网络就像是人的大脑,仿佛具有一定的智能,“人工智能”这个名词就是由此而产生。

 

原始输入,例如图像或者声音,被输入到这个神经网络中,输出就是对图像或者声音的解读,比如识别出图像中有一个人,有一辆车,有一匹马等等。

 

早期由于芯片速度的限制,神经网络层数比较少,一般不会超过三层,这时候的方法被称为“机器学习”。要达到优秀的识别效果,机器学习必须拥有非常优秀的算法,用以对被识别的物体进行特征的提取和处理,比如物体的轮廓线条,颜色的分布等等。

 

随着的芯片处理速度的提高,神经网络的层数可以大幅度提高,可以达到几百上千,此时的方法就被称为“深度学习”。

 

和“机器学习”不同,“深度学习”不需要对特征的人工提取,特征提取工作在学习过程中自动完成。所以深度学习也常被称为端到端的学习,一端是输入,一端是输出(正确答案),自己学习就行了。每经过一次学习,神经网络里的参数都会通过输出结果和正确答案的比对来调整。只要样本的数量足够多,就能实现相当高的准确率。

 

在汽车自动驾驶领域,目前占据领先地位的Mobileye使用的主要是“机器学习”的算法,通过对特征的提取和处理识别出车辆自行车,行人等等路上的物体。

 

然而可以想见,效率更高的 “深度学习” 在人工智能中会占据越来越重要的位置,它不但能显著提高对环境感知的识别率,而且还能用于自动驾驶的控制算法中。深度学习需要硬件系统短时间内完成大数据量的计算,仅仅依靠CPU就比较吃力了。

 

CPU是中央处理器,英文Central Processing Unit,是一台计算机的运算核心和控制核心。Intel的广告中“每台电脑都有一颗奔腾的心”说的就是CPU。CPU擅长逻辑控制和串行的数据运算,尽管速度很快,但只适合处理小批量的数据。

 

大规模的并行运算则是GPU的强项。GPU的英文全称Graphic Processing Unit,中文翻译为“图形处理器”。GPU是显卡的大脑,对大型3D游戏例如“英雄联盟LOL”,玩家们就需要一个高性能的显卡,否则帧数少刷新慢那就吃亏了。

 

GPU的架构特别适合深度学习算法对大规模的并行运算的要求,相对于CPU,GPU的效率能够提高几十倍,CPU需要几个星期才能训练好的神经网络,用GPU几个小时就能搞定了。

 

Mobileye面对的竞争对手,正是在GPU领域占据领导地位的英伟达(NVIDIA)。英伟达在人工智能领域不断发力,推出了用于汽车自动驾驶领域AI超级运算平台Drive PX,并且在快速升级当中。


 

2015年初,英伟达发布了第一代 Drive PX, 只经过一年的时间第二代 Drive PX2就诞生了,它的强大性能震惊了业界,据说拥有 150 台 苹果MacBook Pro 的运算能力。Drive PX 2采用12核CPU,包含两颗新一代NVIDIA Tegra处理器(共8个A57核心和4个Denver核心)和两颗基于NVIDIA Pascal架构的新一代GPU,采用16nm FinFET工艺。有着 8 万亿次单精度浮点运算能力,在深度学习方面更是强大,每秒可以完成24 万亿次神经网络运算。

 

不过这台怪兽级的超级电脑的功率有些大,达到250W,只能用水冷的方式来解决散热问题。

 

Drive PX2的性能被誉为“原子弹”,但现在“氢弹”也马上出来了。代号为“Pegasus(神马)”的全新AI计算平台计划在2018年中推出,在深度学习的运算能力达到惊人的每秒320万亿次浮点运算,超出NVIDIA DRIVE PX 2性能10倍以上。Pegasus的AI性能相当于拥有100台服务器的数据中心。

 

可以说,在AI深度学习的性能上,英伟达已经远远领先与Mobileye。 Mobileye计划在2020年推出的EyeQ5芯片的AI运算能力只能达到每秒12万亿次,即使放到现在也已经被英伟达远远甩在了身后。

 

英伟达在AI上的领先优势已经吸引一些重量级合作伙伴加入到自己的阵营当中,包括著名的汽车零部件供应商博世(Bosch),采埃孚(ZF),奥托立夫(Autoliv)等等。在整车厂中,特斯拉的第二代Autopilot系统采用的就是英伟达的Drive Px2,另外奥迪,奔驰,福特,丰田,沃尔沃也都已经和英伟达达成战略合作关系,共同研发下一代的自动驾驶技术。

 

可以看到,在英伟达的阵容中也包含了三种不同类型的合作伙伴,芯片及解决方案供应商、Tier1汽车零部件供应商和整车厂。他们的分工和Intel&Mobileye阵营的分工是一样的,但和Mobileye对于合作伙伴的封闭态度不同,英伟达更加开放,愿意和合作伙伴分享技术细节,对此合作伙伴们都非常欢迎。

 

综上所述,在当今的汽车自动驾驶领域, 英特尔(Mobileye)和英伟达分别引领2大联盟,未来也会有越来越多的合作伙伴加入到其中。但这两大联盟也是松散的,因此不排除有些成员会转换阵营,或者两大阵营都加入。不管怎样,Intel&Mobileye和英伟达在技术上已经展开了激烈竞争,谁在技术研发上领先?谁就将占据最终的主导地位。

 


来源:电子工程世界-汽车电子
点击查看网络原文>>

版权所有@ 北京市电子科技情报研究所 京公网安备 11010102003025号

地址:北京市东城区北河沿大街79号  邮编:100009  Email:bjdzqbs@126.com

在线人数:122

当日访问计数:22655

累计访问计数:29115393