Technologies

News information

Estudio preliminar sobre el patrón de los chips de conducción autónoma: Nvidia lidera la industria y se espera que Huawei se convierta en un papel importante

Suelte en : 19 jul. 2021

Estudio preliminar sobre el patrón de los chips de conducción autónoma: Nvidia lidera la industria y se espera que Huawei se convierta en un papel importante
Título original: Estudio preliminar sobre el patrón de chip del piloto automático: NVIDIA lidera la industria y se espera que Huawei se convierta en un papel importante
A medida que aumenta el nivel de conducción autónoma, también aumenta la demanda de potencia informática del procesador.
A medida que aumenta el nivel de conducción autónoma, se imponen mayores requisitos a la potencia informática del procesador.
Dado que la conducción autónoma requiere una percepción en tiempo real del entorno circundante bajo diferentes condiciones climáticas y de luz, identificando y rastreando varios objetos dinámicos o estáticos y prediciendo sus posibles comportamientos, a medida que aumenta el nivel de conducción autónoma, la demanda de percepción correspondiente también está aumentando sustancialmente. Según los datos del horizonte, para alcanzar el nivel L2 se requieren 5 cámaras + radares de onda milimétrica 5, y para lograr la conducción automática en autopista L3, la solución de sensor requerida debe incrementarse significativamente a 13 cámaras + radares de onda milimétrica 9 + 1 A lidar (cada OEM adopta diferentes esquemas, pero la tendencia de un aumento sustancial en el número de sensores es obvia).
El aumento en la cantidad de sensores significa que la cantidad de datos que deben procesarse también está creciendo rápidamente. Aún de acuerdo con los datos del horizonte, los datos de píxeles típicos de la conducción autónoma L4 son tan altos como 112MP, que es aproximadamente 16 veces la de la conducción autónoma L2; la cantidad de datos que deben procesarse es de 4.080 millones de bytes / seg. que es aproximadamente 30 veces mayor que la conducción autónoma L2.



Nvidia (NVDA.US) lidera los chips de conducción autónoma y varios gigantes tienen sus propias fortalezas
En la actualidad, los principales jugadores de chips de piloto automático se pueden dividir aproximadamente en tres categorías.
La primera categoría es una plataforma abierta que puede proporcionar alta potencia informática, principalmente Qualcomm (QCOM.US) y Nvidia. Este tipo de reproductor tiene un ecosistema de software muy rico. Además, también incluye un estado semiuniversal. El ecosistema de software es más débil que Qualcomm y Nvidia. Huawei, Xilinx (XLNX.US), etc.
El segundo tipo de jugadores son principalmente gigantes de semiconductores automotrices tradicionales, incluidos principalmente Renesas, Infineon, NXP (NXPI.US), Texas Instruments (TXN.US), STMicroelectronics (STM.US), etc. Después de que Nvidia, Huawei y otros fabricantes ingresaron al juego, estos jugadores se han visto afectados hasta cierto punto, pero no han renunciado por completo a la conducción autónoma. Por ejemplo, Renesas es el más rápido en este tipo de jugador en términos de chips de conducción autónoma. Su sistema en chip ASIL-D-level-on-chip R-Car V3U para ADAS y AD ha alcanzado los 60Tops en potencia de cómputo, que es comparable al de Qualcomm. Plataforma de paseo Lo mismo, pero el nodo de tiempo de producción en masa puede ser posterior.
El tercer tipo de chips ASIC de inteligencia artificial de desarrollo propio de los jugadores, incluidos principalmente Tesla, Mobileye y el horizonte doméstico, sésamo negro, etc., excepto los chips de desarrollo propio de Tesla utilizados en sus propios sistemas FSD, otros fabricantes a menudo proporcionan un solución de pila completa con acoplamiento de software y hardware.



Nvidia es actualmente el líder en chips de conducción autónoma. En la actualidad, muchas empresas de automóviles han elegido los chips Nvidia por muchas razones:
NVIDIA construyó una arquitectura de hardware de GPU unificada y una arquitectura de software CUDA alrededor del automóvil, el escritorio y la nube, y tiene una gran potencia informática en la informática de alto rendimiento con inteligencia artificial. Nvidia es la única empresa de la industria capaz de proporcionar una arquitectura unificada y un entorno de desarrollo de software unificado para terminales de escritorio, nube y vehículos. En el lado del automóvil, NVIDIA ha construido una plataforma de extremo a extremo que puede proporcionar soluciones que cubren sensores, controladores de dominio y software de adquisición de datos; en el lado del escritorio, las empresas que hacen conducción autónoma a menudo compran CPU Intel y tarjetas de juego NVIDIA; la nube, CUDA y una serie de SDK de inteligencia artificial no pueden pasar por alto a Nvidia, y las ventajas del procesamiento de imágenes y otros aspectos pueden ayudar a la plataforma de simulación de Nvidia a mantener la competitividad. La capacidad de pila completa garantiza el sólido ecosistema de Nvidia, porque las plataformas de software de todos los productos en el automóvil, el escritorio y la nube son las mismas. El software de piloto automático desarrollado en la nube puede ejecutarse en el escritorio y el automóvil sin modificaciones. modificación de código. Al mismo tiempo, Nvidia está tomando la ruta de la GPU, y el proceso de desarrollo es relativamente fácil, y no hay necesidad de hacer ajustes adicionales al hardware; y los principales oponentes son en su mayoría soluciones ASIC, toda la cadena de herramientas no es muy madura. y no es particularmente amigable para los desarrolladores.


Nvidia ingresó al mercado de la conducción autónoma antes y está por delante de sus principales competidores en progreso. En abril de 2021, Nvidia lanzó una nueva generación de SoC-Atlan, una potencia informática de un solo SoC puede alcanzar 1000 TOPS, se espera que proporcione muestras a los desarrolladores en 2023 y se instalará una gran cantidad de vehículos en 2025. En la actualidad, los chips de piloto automático de Nvidia están dos generaciones por delante de sus principales competidores, que están casi dos años por detrás del ciclo. La ventaja de ser el primero en moverse es una ventaja importante de NVIDIA, porque para el OEM, una vez que se selecciona una plataforma, el costo de la migración posterior es relativamente alto. La red neuronal en sí necesita muchos ajustes. Tiene un grado relativamente alto de acoplamiento con el hardware. Puede ser difícil adaptarse a un mejor efecto en un determinado hardware. Si cambia un conjunto de hardware, algunos de ellos deben ser reajustado; y ahora La cadena de herramientas no está muy madura, y el proceso de ajuste puede ser más doloroso.
Esperamos que Qualcomm también sea uno de los jugadores en la mesa final. En la actualidad, Qualcomm tiene al menos varias ventajas:
La ventaja de la rentabilidad. Desde el punto de vista de los costes, Qualcomm es líder en chips de consumo y chips de cabina. La migración de chips de consumo y chips de cabina a chips de conducción autónoma puede ahorrarle a Qualcomm una cierta cantidad de costes. Por ejemplo, la plataforma Ride de primera generación de Qualcomm utiliza dos chips de cabina más un chip de piloto automático a nivel de automóvil ASIL-D para brindar redundancia. Desde el punto de vista del consumo de energía, el protagonista de la computación paralela en el chip NVIDIA rival importante de Qualcomm es la GPU. Al hacer algunos modelos de redes neuronales comunes, la eficiencia no es tan buena como ASIC, por lo que la relación de eficiencia energética del chip de conducción autónoma de NVIDIA es más débil (por supuesto, NVIDIA también es consciente de las debilidades de la GPU, y también hay un motor de aceleración de aprendizaje profundo implementado por la arquitectura ASIC en el chip).


Qualcomm es líder absoluto en el ámbito de la cabina y contribuye a la promoción de soluciones de conducción autónoma. Según los datos de Qualcomm, a finales de 2020, 20 de los 25 principales fabricantes de automóviles han seleccionado la plataforma de cabina digital automotriz Snapdragon de Qualcomm.Los modelos equipados con la plataforma 8155 se producirán en masa en 2021, y Qualcomm puede representar el 70% para 2022. - 80% de la participación de mercado, aunque no hay mucho espacio para un mayor aumento en la participación de mercado en el futuro (el OEM generalmente elegirá dos plataformas como respaldo), pero no hay duda de que la posición de Qualcomm en el dominio de la cabina Se ha establecido y NVIDIA está en la cabina del piloto Hay solo unos pocos clientes en el campo, como Mercedes-Benz, Audi y Hyundai. Dado que el dominio de la cabina penetra más rápido que el dominio de la cabina, Qualcomm ha formado una relación de cooperación con muchos OEM a través del dominio de la cabina, intervino a través de la solución de la cabina y luego presentó su propia solución de conducción autónoma al OEM. Para los OEM, es más ventajoso elegir el mismo proveedor para la cabina y la conducción autónoma, porque no mantendrá dos equipos al mismo tiempo para aprender los conocimientos de software de los dos fabricantes de chips.


Tesla (TSLA.US) es un ecosistema relativamente cerrado. Después de separarse de Mobileye y NVIDIA, Tesla lanzó su chip FSD de desarrollo propio en abril de 2019. La investigación y el desarrollo del chip FSD comenzó en 2017, y tomó 18 meses desde el diseño hasta la producción en masa. Se aplicó oficialmente al Modelo 3 en abril de 2019. Hay dos chips en la misma placa, y cada chip tiene una potencia de cálculo de 72 TOPS. Durante el proceso de conducción, los dos chips analizan los mismos datos al mismo tiempo y comparan los resultados del análisis para verificar entre sí y mejorar la seguridad. de conducción autónoma.



Las características del chip FSD de Tesla se materializan principalmente en tres aspectos: procesamiento de imágenes de alta velocidad, NPU y SRAM.
Principalmente NPU: el chip Mobileye EQ5 consta de 4 módulos, a saber, CPU, CVP, DLA y MA, principalmente CPU y CVP; el chip NVIDIA Xavier se compone principalmente de GPU, CPU, DLA, PVA y dos ASIC. Principalmente GPU y CPU. El chip Tesla FSD se compone principalmente de tres módulos (CPU, GPU, NPU), principalmente NPU, porque Tesla no adopta la solución de visión por radar, no incluye el módulo CVP.
8
Procesamiento de imágenes de alta velocidad: 1) En términos de transmisión de datos, la velocidad de transmisión de datos del procesador de imágenes SIP del sistema FSD alcanza los 2.5 mil millones de píxeles por segundo, que es mucho mayor que la cantidad de datos recopilados por 8 cámaras; 2) En términos de procesamiento de datos, la velocidad máxima de procesamiento del procesador de imágenes ISP integrado en el chip FSD es de mil millones de píxeles / segundo, que ha alcanzado el estándar DP1.4 de transmisión de video de grado de consumidor más rápido. En general, el chip del automóvil se quedará atrás el chip de consumo de;
SRAM: la función principal de ISP es convertir los datos de los tres colores primarios originales generados por la cámara en información de imagen compleja, que se almacenará en SRAM antes de ingresar a la NPU para su posterior procesamiento. Según Pete Bannon, el ingeniero jefe del chip de Tesla, el ancho de banda de la caché para la conducción totalmente automática debe alcanzar al menos 1 TB / seg, mientras que el ancho de banda del chip FSD SRAM alcanza los 2 TB / seg.
9
Se espera que Huawei se convierta en una fuerza muy importante en el campo de la conducción autónoma. El sistema operativo Yueying de desarrollo propio de Huawei es compatible con LINUX y puede lograr el microkernel y la baja latencia de QNX. De esta manera, puede reducir la migración de muchos algoritmos desarrollados originalmente bajo el marco LINUX a esta operación de producción en masa a nivel de automóvil. dificultad de la migración de software en el sistema. Al mismo tiempo, Huawei es también el único fabricante de sensores entre los gigantes de los chips, y tanto los radares lidar como los de ondas milimétricas son de desarrollo propio.
10
Mobileye ofrece soluciones de caja negra y enfrenta ciertas presiones competitivas. Mobileye ofrece una solución de caja negra, que también es una razón importante por la que la industria no es optimista al respecto en la actualidad, porque OTA es una gran tendencia y, para los OEM, la solución de caja negra se ha vuelto cada vez más incapaz de satisfacer sus necesidades.