以后地位:主页> 智能汽车>

特斯拉主动驾驶芯片量产:一场蓄谋已久的进攻

北京光阴 4 月 23 日凌晨 2:40 阁下,特斯拉发布了主动驾驶芯片。

特斯拉发布了主动驾驶芯片

这是特斯拉 Autopilot (如下称 AP)迄今为止获得的最大的技术打破,但另外一方面,主动驾驶事关行车平安,咱咱咱们每一小我都应该对峙足够的理性和克制,谨严阐发。特斯拉 AP 的技术架构、睁开计谋是如斯的独特,它的州计谋到本日仍然充斥了争议。因此,本文将分为对特斯拉、对行业、对用户三大部分睁开。

此中触及技术架构的部分可能稍显晦涩,但如果你是车主,仍然强烈建议你去尝试懂得。对付车主来说,用户体验是最重要的。但技术架构是促成用户体验的顶层设计,了解技术架构能帮助你更好的懂得这套体系的潜力和短板地点。

(如果你实在读不上来,请间接拉到末了看对用户篇)

对特斯拉

对付特斯拉来说,AP 最终杀青为了 Elon 想杀青的偏向。正如文章开头所说,这是自 2014 年 10 月 AP 降生以来,特斯拉获得的最大的技术打破。

有充足的证据表明,英伟达 Drive PX2 芯片之于 AP 自始至终都是一个过渡角色。

2015 年 11 月 20 日深夜,Elon Musk 连发数条 Twitter 在线招人。那可能是他第一次提到,AP 团队的偏向是实现主动驾驶,而加入 AP 团队的员工将由他本人亲自面试。除了 AP 团队间接向他汇报,所谓 This is a super high priority.

Elon Musk

一个月后,顶级芯片大神 Jim Keller 及其团队小我加入特斯拉,Keller 出任 AP 硬件副总裁,AP 芯片研发团队树立。

10 个月后量产的 AP 2.0 车型,在设计之初就考虑了中央计算芯片可插拨,便于后期进级。

对特斯拉来说,以自立研发的主动驾驶芯片驱动汽车完全是「蓄谋已久」。

特斯拉为什么要自行设计研发主动驾驶芯片?Jim Keller 给过一段解释:

在技术变革方面,咱咱咱们正处于 AI 反动傍边。

AI 的计算办法和经典的标量计算、矢量计算、图形计算都不一样,可以或许说差别弘大,应用非常普遍。每当有如许变革的时候,分外是从硬件到顶层软件堆栈都在变革,就会有大批的人投身此中。

有一点是不变模叨舜砥鞯纳杓品常难做。将有数模块组合成差异化的、高价值的处理器非常难做。你看看如今的半导体行业,些是来自大公司的模范产品,些是自立设计的定制芯片。但不变的是,超等艰难的挑衅必要真正的专家来解决。

在 Elon Musk 看来,计算机视觉 + AI + 海量真实数据,是 AI 技术在汽车行业最艰难也最具想象力的应用场景。就像 Jim Keller 所说,AI 必要从软件到硬件底层设计全面的变革。

这便是特斯拉末了的动机,本日,特斯拉实现为了这块芯片的量产。

下面先来介绍一下芯片自己。

主动驾驶芯片

这块芯片以 260 平方毫米的规格堆下了 60 亿个晶体管和 2.5 亿个逻辑门,峰值机能到达 36.8 TOPS,采纳三星 14nm FinFET CMOS 工艺制作。

特斯拉主动驾驶芯片工艺

芯片搭载了频率为 4.266 GHz/s 的 LPDDR4 RAM,峰值带宽为 68GB/S,别的,特斯拉还在芯片上集成为了一个 24 位通道的 ISP,支撑高级色调映射和高级降噪。

特斯拉主动驾驶芯片

除此之外,这块主板上还搭载了两块主频 2GHz 的神经网络加快器(互为冗余),拥有 32MB 的SRAM 和 96×96 的阵列,数据处理速率 1TB/s。

特斯拉主动驾驶芯片

图形芯片方面,该芯片支撑 32 和 64 位浮点处理的图形芯片。同时植入了 12 个主频 2.2Ghz 的 64 位 CPU。

特斯拉主动驾驶芯片

芯片具有一个自力平安芯片和 H.265 视频解码器。

特斯拉主动驾驶芯片

特斯拉主动驾驶芯片

末了,主芯片功耗仅为 75W,全体主板功耗 250W,意味着每行驶 4 小时,特斯拉芯片会消耗 1 度电。

你可能想知道 Mobileye 机能最强的量产芯片 EyeQ4 和英伟达机能最强的量产芯片 Drive PX2 芯片跟特斯拉主动驾驶芯片比,是什么程度?

首先,Mobileye EyeQ4 重要被用作感知芯片,定位分歧,机能峰值仅为 2.5TOPS。所以,略。

Pete Bannon

Pete Bannon

对付 Drive PX2,官方有一张 PPT 做对比。特斯拉芯片的处理速率到达 2300帧/s,是 Drive PX2 的 110 帧/s 的 21 倍。在另外一项对比中,Elon 提到特斯拉芯片的机能是英伟达下一代主动驾驶芯片 Drive Xavier 的 7 倍。

特斯拉主动驾驶芯片

但在我看来,特斯拉如许毫不留情地欺负前芯片供给商英伟达并不合适。

虽然两者都定位主动驾驶中央计算芯片,但从芯片架构来看,特斯拉芯片已经向图像处理和 AI 计算全面倾斜,而英伟达两代芯片仍然因此 GPU 为中央的主动驾驶芯片。这使得英伟达在图像处理对比中会处于劣势。

不管是超强的图像处理能力还是为 AI 设置的神经网络加快器,都决定了这块芯片与 AP 2.0 定义的 8 颗分歧视距、规格的摄像头感知、Tesla Vision 深度神经网络视觉处理对象强强绑定。这是一颗 AP 公用芯片,只要 AP 能释放它最大的机能。

下面咱咱咱们说说它好在哪里。

首先自然是算力大增推动的全车 8 颗摄像头火力全开了。早在 2018 年 Q2 集会上,特斯拉 AI 总监 Andrew Karpathy 明白说过,AP 跑大型神经网络表示非常好,但是因为算力限制,目前还无法支配到车端。

特斯拉在发布会上提到,新芯片每块加快器都支撑 8 颗摄像头以 2100 帧/s 的速率输入图像,每颗摄像头都是全景全分辨率输入。

其次,咱咱咱们已经看到了双神经网络加快器,除此之外,特斯拉还设计了冗余电源、冗余计算,在 Model 3 上,特斯拉预埋了制动冗余和转向冗余。实现主动驾驶硬件冗余所需除了感知,其余的电源、定位、计算、节制、履行冗余,由此得以全体实现。

特斯拉主动驾驶硬件

另外一个与主动驾驶强相干的功效是 CPU 容错(Lockstep)设计,主板运行时两套相同的硬件将同时处理相同的数据,强制履行制芯片、内存间的时序相同,确保它咱咱们在同一时刻处理完全相同的数据,以此来包管汽车主动驾驶过程中的低时延特性。这对高速行车场景下的主动驾驶至关重要。

即便出现软件 Bug 错误或硬件故障,体系也能在不丧失数据的条件下不间断运行。

Elon 对冗余容错设计的评估是:任何一部分都可能失效,但汽车将持续行驶,这块计算芯片运行失败的可能性远低于驾驶汽车过程中司机失去意识的可能性,至少低一个数目级。

特斯拉主动驾驶芯片

末了是自力平安芯片设计,该芯片将以加密的办法主动检查统统指令和数据,以监控黑客攻击主动驾驶汽车的可能性。平安芯片将读取输入和输入数据,观察任何可疑的感知信息,包含欺骗性的视觉信息(例如以假人欺骗汽车前方有行人)调剂决定和节制。

全体来说,这块芯片完全实现为了特斯拉,重要是 Elon 本人的设计必要。Elon 在发布会上给予了极高评估:

How could it be that Tesla, who has never designed a chip before, would design the best chip in the world? But that is objectively what has occurred. Not best by a small margin, best by a big margin.

从没做过芯片的特斯拉,怎么可能设计出世界上最佳的芯片呢?但这是一个客观事实。不是比最佳的芯片好一点儿,是好一大截。

Pete 和 Karparthy 也被 Elon 称为世界上最佳的芯片架构师和世界上最佳的计算机视觉科学家。

2018 年 8 月,AP 团队三位高管突然亮相特斯拉 Q2 财报集会,Elon 让 AP 团队做了财报集会的主角。这么做的原因在本日被揭开:2018 年 8 月,特斯拉测试了第一批 AP 3.0 车型,取得了很好的运行效果。在曩昔的几个月,特斯拉不停在对 AP 3.0 停止测试。

因此,1.0 到 2.0 的体验断崖式下跌的环境在 2.5 到 3.0 的过渡时不复存在。

AP 3.0 版本的 Model S/X 和 Model 3已经分离于 3 月 20 日和 4 月 12 日量产。另外,特斯拉下一代主动驾驶芯片,HW 4.0 主芯片的研发已于一年前启动。估计将在未来两年内实现量产,机能将比 3.0 芯片好 3 倍。

对行业

咱咱咱们来从新审视一下 AP 2.0 传感器套件。

•3 个前置摄像头(广角(60 米)、长焦(250 米)、中距(150 米))

•2 个侧方前视摄像头(80 米)

•2 个侧方后视摄像头(100 米)

•1 个后视摄像头(50 米)

•12 个超声波传感器(探测距离/精度翻倍)

•1 个增强版前置雷达(160 米)

没有激光雷达,一颗都没有。

在本日的发布会上,Elon 接受投资人提问时再次表明了他对激光雷达的立场。

Lidar is a fool’s errand,Anyone relying on lidar is doomed. Doomed! [They are] expensive sensors that are unnecessary.

激光雷达是徒劳的,任何依赖激光雷达的公司都注定要失败的。注定!它咱咱们是昂贵的、不必要的传感器。

相对 CEO 纯粹的排斥,特斯拉 AI 高级总监 Andrej Karparthy 给出了一些更让人信服的解释。Karparthy 认为,世界是为视觉辨认而构建的,激光雷达很难分辨塑料袋和轮胎的差别,而大规模神经网络训练和视觉辨认对主动驾驶来说是必不行少的。

Andrej Karparthy

Andrej Karparthy

You were not shooting lasers out of your eyes to get here. In that sense, lidar is really a shortcut,It sidesteps the fundamental problems, the important problem of visual recognition, that is necessary for autonomy. It gives a false sense of progress, and is ultimately a crutch. It does give, like, really fast demos!

你并没有从眼中射出激光来看到这儿。从这个意义上说,激光雷达确切是一个捷径。它回避了基本成就,视觉辨认的重要成就,这是实现主动驾驶所必需的。它给人一种提高的错觉,最终是一根拐杖。它确切供给了非常快的演示。

分歧公司在技术路线上会有一些差异。早期的主动驾驶公司感知以激光雷达为中央,如今大多以多传感器交融为主,也有少数公司以计算机视觉为主。但这个世界上统统的主动驾驶守业公司 + 大公司,没有一家实现主动驾驶完全不用激光雷达,除了特斯拉。

一种正当的猜测是,激光雷达本钱居高不下,特斯拉出于商业考量未抉择激光雷达。实际上,上文中 Karparthy 的阐发已经能代表 AP 团队的立场。另有另外一些证据表明,特斯拉不喜欢激光雷达完全是出于术层面的差异。

特斯拉主动驾驶车

首先,特斯拉不止一次被拍到应用激光雷达停止测试,Elon 本日也提到,他并不是讨厌激光雷达。Space X 团队自立研发了激光雷达,但对付汽车,激光雷达是昂贵且不必要的传感器。

其次,在这之前,Elon 已经解释过弃用激光雷达的原因。在本钱之前,首先是感知交融的技术路线错误。

如果你对峙极其复杂的神经网络技术路线,做到了非常先辈的图像辨认技术,那么我认为你最大化地解决了成就。然后你必要把它和日趋复杂的雷达信息交融,如果你抉择了波长在 400 nm - 700 nm 的规模内的主动质子发生器,其实是很愚蠢的,因为你被动地做到了这一点。

你最终会尝试在大约 4 毫米的雷达频率上主动收回质子,因为(该频率)可以或许穿透障碍物,你可以或许透过雪、雨、灰尘、雾……其余任何东西“看”清前方路况。令人费解的是,一些公司会用错误的波长来做主动质子发生体系。它咱咱们给汽车武装了一大堆昂贵设备,让汽车变得昂贵、丑陋也不必要。我觉得它咱咱们最终会发现约在竞争中陷入劣势。

这是特斯拉和全体行业的分歧。下一个成便是,摄像头能扮演中央传感器的角色吗?

在这个成就上,特斯拉总算能和行业对峙同等了。

在统统传感器中,摄像头拥有最丰富的线性密度,其数据量远超其余范例的传感器。一个行业共识是,基于视觉的感知在全体主动驾驶体系中的重要性正在持续晋升。基于图像信息密度最高的优势,使得它处于全体感知交融的中央地位。

事实上,完全基于视觉来解决无人车的路况感知成就是可行的,但是另有很长的路要走,主动驾驶汽车的睁开过程应该是一个视觉逐渐替代高端激光雷达的过程。

所以,特斯拉与行业的真正分歧在于,行业普遍承认视觉潜力弘大,激光雷达也许有一天会退出历史舞台,但本日的计算机视觉和 AI 睁开睁开成熟度绝无可能自力实现感知。而 Elon 从第一性原理动身认为,激光雷达的加入会让技术路线误入歧途,统统人的最终偏向都是摄像头实现感知。

特斯拉的底气来自跑在全球各地的 42.5 万辆 AP 2.+ 车型。MIT 按照特斯拉颁布的交付量、特斯拉汽车平均行驶里程和 AP 启动状况下行驶里程计算,到 2019 年,特斯拉累计路测数据已经到达 4.8 亿英里,到 2020 年(估算)将打破 15 亿英里。按照 Elon 的说法,特斯拉路测数据占全行总路测数据的 99%。

特斯拉主动驾驶芯片

特斯拉此前被普遍质疑的一点是:在全车 8 颗摄像头全体开启介入感知后,每个月上传数据消耗流量平均仅为>2019-05-19 GB,这个规模看起来很难说特斯拉在停止真正有用的数据收集。

在本日的发布会上,Karparthy 解释了这一成就。对付特斯拉来说,最大的优势也是最大挑衅来自于对海量真实数据的处理,在早期停止短暂的人工标注(labeling)后,很快大批的障碍物辨认都改本钱地机械主动标注晋升辨认率。

特斯拉主动驾驶芯片

特斯拉主动驾驶芯片

只要出现摄像头完全无法懂得或引起混乱的图像,才会上传到云端,由工程师停止标注,导入神经网络停止训练,直到神经网络节制对该场景的辨认。

特斯拉主动驾驶芯片

其次,全球各地分歧国度有着完全分歧的路况、交规、暴雨、冰雹、大雾、甚至洪水、火警、火山等罕见的长尾场景。每一次 AP 启用状况下的人为介入接收,体系都邑记载下该场景的信息和数据,并自行学习人类的决定和驾驶行为。

特斯拉主动驾驶芯片

Karparthy 分外提到,真履行车场景下的路况数据无法替代。对付竞品公司普遍采取的模拟器训练解决数据匮乏成就的做法,特斯拉用两句话回应:一个细节堪比真实世界的模拟器自己会比主动驾驶体系的设计难度更大;应用模拟器改良,就像自己改自己的功课,晋升有限。

特斯拉主动驾驶芯片

对付这个行业来说,特斯拉手握全球最大规模的主动驾驶车队,开端计算机视觉 + AI(软硬件) + 海量真实数据的探究。时至今日,通用 Cruise COO Daniel Kan 对 AP 团队的评估仍然最为精准:They are push the boundary of technology.

对用户

在发布会后半段,特斯拉对一些成就做出了解释。比如,AP 运行状况下的最小跟车距离大概在 3 米阁下,在中国堵车场景下如许的距离给侧方车辆强行并道供给了足够的空间。

特斯拉主动驾驶芯片

特斯拉提到了影子情势机制,即每一次此类场景下驾驶员接收加快靠近前车,体系都邑记载下驾驶员的驾驶行为,上传到云端。当同一行为比例足够高的时候,神经网络的决定机制就会发生变更,并被推送给成千上万的用户。

Stuart Bowers

Stuart Bowers

所以,在不远的未来,AP 一定会越来越好用,赓续接近主动驾驶。但作为用户的你都要在任什么时候候都要明白,在官方许诺全主动驾驶技术实现之前,不管体系何等好用,它都不是主动驾驶。

Elon 在发布会上提到,AP 在第一阶段的主动驾驶,仍然强制请求乘客坐在驾驶位上存眷前方路况。听起来是不是非常矛盾?

在此前接受 Ark Capital 采访时,Elon 做了更详细的说明。

到今年年末,特斯拉将会功效性实现(Feature Complete)主动驾驶。功效性实现的意思是,车辆能从泊车场驶出找到你,接上你并把你送到偏向地,这个过程中你必要注意路况并有极小的概时匾适当的时候接收车辆,但在大多数时候基本无需驾驶员介入。

人咱咱们认为这是 100% 零失误的全主动驾驶,不必要任何人类监管,实际上并不是如许的。功效性实现主动驾驶的特斯拉可以或许或许应对 99.9999% 的场景,但在那之后必要增长更多的 9。

特斯拉也明白说明,在某些极端场景,如暴雨、冰雹、大雾之类的恶劣天气下,主动驾驶体系存在停止运行的危险。事实上在体系停止运行,驾驶员接收后,体系会停止学习或以镜子情势收集信息和数据。

所以,咱咱咱们完全无意讨论 Elon 在末了放飞关键提到 2020 年的 100 万辆 Robo-Taxi 主动驾驶车队打车效劳。真正值得存眷的成便是,在车队、芯片、算法前后到位后,特斯拉 Autopilot 从去年的完全不行用,到如今具有主流竞争力的 L2,正在疾速向 L4 逼近。

特斯拉可能是全球第一家必要跟国度级监管机构会商大规模投放主动驾驶车队的公司。这眼前必要全体 AP 2.+ 车主正确懂得体系的界限,按照用户说明书应用体系。不要让技术的提高以悲剧为价值。

马斯克

2016 岁首年月启动,2019 年中量产。AP 芯片发布后,特斯拉本质上已经拼上了末了一块关键的版图。一图总结特斯拉未来十年中央竞争力。

特斯拉主动驾驶芯片

上一篇:Robotaxi什么意思?看完特斯拉的发布会,我只想谢谢这帮疯子
下一篇:首届中国智能汽车品牌论坛召开 车好不好开看这里
任务编辑:huangsilin

相干新闻

精彩推荐

请自发遵照互联网相干政策法规,作者可以或许或许间接删除恶意评论、广告或违禁词语
用户名: 验证码:点击我更换图片
友情链接:七叶植物网  机械制图基础知识网  红盒子网拍基地  说鱼作文网  古代师徒甜宠小说网  长城设计自学网  金融时报网  口腔医学网  互动钓鱼网  街道工作总结网