AI使汽车更安全更智能

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 Origin^TM 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。

了解有关艾伯德产品的详情