
AI使汽车更安全更智能
从汽车驾驶到 ADAS
更快、更节能的处理
一个多世纪以来,汽车的行驶一直依赖于坐在方向盘后面的人类驾驶员。汽车行业目前已经实现了 3 级 ADAS 系统,未来将向着完全自主的 5 级自动驾驶方向发展。然而,这将是一个漫长的过程。很多支持行业达到 3 级自动驾驶的技术无法在全部所需维度上继续提升,如性能、内存使用、互连、芯片面积和功耗等。而可扩展性问题在车载人工智能 (AI) 处理领域也尤为凸显。
数据越来越成为汽车技术的中心,而AI 正在引领着数据处理趋势。无论是部署在车内,用于驾驶员注意力分散场合下的应用,还是部署在 ADAS 堆栈中,用于物体识别和点云处理,AI 技术已广泛应用于汽车,成为未来更安全、更智能汽车的重要支柱。NPU(神经处理单元)是 AI 的理想载体。
可扩展的 TOPS——L3、L4 和 L5 分别需要多少 TOPS??
自动驾驶需要来自 6 到 8 个 8K 摄像头的图像数据,以及来自激光雷达、雷达、超声波和其他传感器的数据。更高级别的 ADAS 将需要多少 TOPS(每秒万亿次操作),目前仍然是估计值。几年前,人们估计 L3 需要 24 TOPS——如今的最新一代汽车已经超越了该数字。考虑 L4 和 L5 呈指数级增长的处理需求,对当今主流架构的粗略研究表明,汽车行业需要新的 AI 处理范式。车载芯片的主动冷却系统既没有理想效果,也不具有商业可行性。此外,采用多个高端SoC的成本高昂,不适用于大多数汽车制造商的经济预算。
多样化的神经网络
车载 NPU 需要以数百 TOPS 或更高的速度运行,还需要高效运行多个专用神经网络,此类高要求在其他市场非常罕见。小型消费类设备可能只需要运行一个分辨率较小的神经网络(例如,224 x 224 的 ResNet50),但车载 NPU 需要同时运行多个高分辨率网络(例如,1920 x 1080 x 3 的 ResNext、2880 x 1860 的 Swin Transformer 和 1824 x 940 的 DETR)。车载 NPU 还将面临很多未知因素,因为许多 OEM 厂商已经开发了定制和专有的 神经网络。
面向汽车应用的先进 AI
简言之,目前的许多 NPU 无法以高利用率、高能效的方式支持汽车所需要的多样化 神经网络,更无法高效支持未来网络的需求。而艾伯德可轻松应对这些挑战。我们的 OriginTM E6 和 E8 系列产品可同时运行多个网络,单核心性能高达 128 TOPS(多核可扩展到 PetaOps)。此外,凭借行业领先的 18 TOPS/W 功耗,艾伯德的产品在满足汽车驾驶和 ADAS 需求的同时无需主动冷却系统。艾伯德可支持标准化和定制型的 神经网络,并支持未来出现的未知 网络,从而成为汽车芯片设计的理想 IP 合作伙伴。
持续关注
订阅我们的新闻
立即注册,即可收到直接发送到收件箱的有用资源。