Étude préliminaire sur le modèle des puces de conduite autonome : Nvidia est en tête du secteur et Huawei devrait devenir un rôle important
Titre original : Étude préliminaire sur le modèle de puce du pilote automatique : NVIDIA est le leader du secteur et Huawei devrait jouer un rôle important
À mesure que le niveau de conduite autonome augmente, la demande de puissance de calcul du processeur augmente également
À mesure que le niveau de conduite autonome augmente, des exigences plus élevées sont imposées à la puissance de calcul du processeur.
Étant donné que la conduite autonome nécessite une perception en temps réel de l'environnement dans différentes conditions météorologiques et lumineuses, l'identification et le suivi de divers objets dynamiques ou statiques et la prédiction de leurs comportements possibles, à mesure que le niveau de conduite autonome augmente, la perception correspondante La demande augmente également considérablement. Selon les données de l'horizon, pour atteindre le niveau L2 nécessite 5 caméras + 5 radars à ondes millimétriques, et pour atteindre la conduite automatique sur autoroute L3, la solution de capteur requise doit être considérablement augmentée à 13 caméras + 9 radars à ondes millimétriques + 1 A lidar (chaque OEM adopte des schémas différents, mais la tendance à une augmentation substantielle du nombre de capteurs est évidente).
L'augmentation du nombre de capteurs signifie que la quantité de données à traiter augmente également rapidement. Toujours selon les données de l'horizon, les données de pixels typiques de la conduite autonome L4 atteignent 112MP, soit environ 16 fois celles de la conduite autonome L2 ; la quantité de données à traiter est de 4,08 milliards d'octets/s, soit environ 30 fois celui de la conduite autonome L2.
1
2
Nvidia (NVDA.US) est le leader des puces de conduite autonome, et plusieurs géants ont leurs propres atouts
À l'heure actuelle, les principaux acteurs des puces de pilote automatique peuvent être grossièrement divisés en trois catégories.
La première catégorie est une plate-forme ouverte pouvant fournir une puissance de calcul élevée, principalement Qualcomm (QCOM.US) et Nvidia. Ce type de lecteur dispose d'un écosystème logiciel très riche. De plus, il comprend également un état semi-universel. L'écosystème logiciel est plus faible que Qualcomm et Nvidia, Huawei, Xilinx (XLNX.US), etc.
Le deuxième type d'acteurs sont principalement les géants traditionnels des semi-conducteurs automobiles, notamment Renesas, Infineon, NXP (NXPI.US), Texas Instruments (TXN.US), STMicroelectronics (STM.US), etc. Après que Nvidia, Huawei et d'autres constructeurs sont entrés dans le jeu, ces joueurs ont été touchés dans une certaine mesure, mais ils n'ont pas complètement renoncé à la conduite autonome. Par exemple, Renesas est le plus rapide dans ce type de joueur en termes de puces de conduite autonome.Son système sur puce de niveau ASIL-D R-Car V3U pour ADAS et AD a atteint 60Tops en puissance de calcul, ce qui est comparable à celui de Qualcomm. Plateforme de conduite Idem, mais le nœud de temps de production de masse peut être plus tard.
Le troisième type de puces ASIC d'intelligence artificielle développées par les joueurs, comprenant principalement Tesla, Mobileye et l'horizon domestique, le sésame noir, etc., à l'exception des puces développées par Tesla utilisées dans leurs propres systèmes FSD, d'autres fabricants souvent externes solution full-stack avec couplage logiciel et matériel.
3
Nvidia est actuellement le leader des puces de conduite autonome. À l'heure actuelle, de nombreux constructeurs automobiles ont choisi les puces Nvidia pour de nombreuses raisons :
NVIDIA a construit une architecture matérielle GPU unifiée et une architecture logicielle CUDA autour de la voiture, du bureau et du cloud, et dispose d'une forte puissance de calcul dans le calcul haute performance de l'intelligence artificielle. Nvidia est la seule entreprise du secteur capable de fournir une architecture unifiée et un environnement de développement logiciel unifié pour les terminaux de bureau, cloud et véhicules. Du côté des voitures, NVIDIA a construit une plate-forme de bout en bout qui peut fournir des solutions couvrant les capteurs, les contrôleurs de domaine et les logiciels d'acquisition de données ; du côté des ordinateurs de bureau, les entreprises qui pratiquent la conduite autonome achètent souvent des processeurs Intel et des cartes de jeu NVIDIA. le cloud, CUDA et une série de SDK d'intelligence artificielle ne peuvent pas contourner Nvidia, et les avantages du traitement d'images et d'autres aspects peuvent aider la plate-forme de simulation de Nvidia à maintenir sa compétitivité. La capacité de pile complète garantit le solide écosystème de Nvidia, car les plates-formes logicielles de tous les produits sur la voiture, le bureau et le cloud sont les mêmes. Le logiciel de pilotage automatique développé dans le cloud peut fonctionner sur le bureau et la voiture sans modification. modification des codes. Dans le même temps, Nvidia emprunte la voie du GPU, et le processus de développement est relativement simple, et il n'est pas nécessaire de faire des ajustements supplémentaires sur le matériel ; et les principaux adversaires sont principalement les solutions ASIC, l'ensemble de la chaîne d'outils n'est pas très mature , et il n'est pas particulièrement convivial pour les développeurs.
4
Nvidia est entré plus tôt sur le marché de la conduite autonome et devance ses principaux concurrents en cours. En avril 2021, Nvidia a sorti une nouvelle génération de SoC-Atlan, une seule puissance de calcul SoC peut atteindre 1000TOPS, il devrait fournir des échantillons aux développeurs en 2023, et un grand nombre de véhicules seront installés en 2025. À l'heure actuelle, les puces de pilotage automatique de Nvidia ont deux générations d'avance sur ses principaux concurrents, soit près de deux ans de retard par rapport au cycle. L'avantage du premier arrivé est un avantage important de NVIDIA, car pour l'OEM, une fois qu'une plate-forme est sélectionnée, le coût de la migration ultérieure est relativement élevé. Le réseau de neurones lui-même a besoin de beaucoup de réglages. Il a un degré de couplage relativement élevé avec le matériel. Il peut être difficile de s'adapter à un meilleur effet sur un certain matériel. Si vous modifiez un ensemble de matériel, certains d'entre eux doivent être ré-accordé; et maintenant La chaîne d'outils n'est pas très mature, et le processus d'ajustement peut être plus douloureux.
Nous nous attendons à ce que Qualcomm soit également l'un des joueurs de la table finale. À l'heure actuelle, Qualcomm présente au moins plusieurs avantages :
L'avantage de la performance des coûts. Du point de vue des coûts, Qualcomm est le leader des puces grand public et des puces cockpit.La migration des puces grand public et des puces cockpit vers des puces de conduite autonome peut permettre à Qualcomm d'économiser un certain montant. Par exemple, la plate-forme Ride de première génération de Qualcomm utilise deux puces de cockpit et une puce de pilote automatique au niveau de la voiture ASIL-D pour la redondance. Du point de vue de la consommation d'énergie, le protagoniste de l'informatique parallèle dans la puce NVIDIA rivale importante de Qualcomm est le GPU.Lors de certains modèles de réseaux neuronaux courants, l'efficacité n'est pas aussi bonne que l'ASIC, donc le rapport d'efficacité énergétique de la puce de conduite autonome de NVIDIA est plus faible (Bien sûr, NVIDIA est également conscient des faiblesses du GPU, et il existe également un moteur d'accélération d'apprentissage en profondeur implémenté par l'architecture ASIC sur la puce).
5
Qualcomm est le leader absolu dans le domaine du cockpit et contribue à la promotion des solutions de conduite autonome. Selon les données de Qualcomm, fin 2020, 20 des 25 principaux constructeurs automobiles ont sélectionné la plate-forme Snapdragon Automotive Digital Cockpit de Qualcomm. Les modèles équipés de la plate-forme 8155 seront produits en série en 2021, et Qualcomm pourrait représenter 70 % d'ici 2022. - 80% de part de marché, bien qu'il n'y ait pas beaucoup de place pour une nouvelle augmentation de la part de marché à l'avenir (l'OEM choisira généralement deux plates-formes pour la sauvegarde), mais il ne fait aucun doute que la position de Qualcomm dans le domaine du cockpit a et NVIDIA est dans le cockpit. Il n'y a que quelques clients sur le terrain, tels que Mercedes-Benz, Audi et Hyundai. Étant donné que le domaine du cockpit pénètre plus rapidement que le domaine du cockpit, Qualcomm a noué une relation de coopération avec de nombreux OEM via le domaine du cockpit, a intégré la solution de cockpit, puis a poussé sa propre solution de conduite autonome vers l'OEM. Pour les équipementiers, il est plus avantageux de choisir le même fournisseur pour le cockpit et la conduite autonome, car il ne faudra pas entretenir deux équipes en même temps pour apprendre les connaissances logicielles des deux fabricants de puces.
6
Tesla (TSLA.US) est un écosystème relativement fermé. Après s'être séparé de Mobileye et de NVIDIA, Tesla a lancé sa puce FSD auto-développée en avril 2019. La recherche et le développement de la puce FSD ont commencé en 2017, et il a fallu 18 mois de la conception à la production en série. Elle a été officiellement appliquée au modèle 3 en avril 2019. Il y a deux puces sur la même carte et chaque puce a une puissance de calcul de 72 TOPS. Pendant le processus de conduite, les deux puces analysent les mêmes données en même temps et comparent les résultats d'analyse pour se vérifier et améliorer la sécurité. de la conduite autonome.
7
Les caractéristiques de la puce FSD de Tesla sont principalement représentées sous trois aspects : le traitement d'image à grande vitesse, la NPU et la SRAM.
Principalement NPU : la puce Mobileye EQ5 se compose de 4 modules, à savoir CPU, CVP, DLA et MA, principalement CPU et CVP ; la puce NVIDIA Xavier est principalement composée de GPU, CPU, DLA, PVA et de deux ASIC.Principalement GPU et CPU. La puce Tesla FSD est principalement composée de trois modules (CPU, GPU, NPU), principalement NPU, car Tesla n'adopte pas la solution de vision radar, elle n'inclut pas le module CVP.
8
Traitement d'images à grande vitesse : 1) En termes de transmission de données, la vitesse de transmission de données du processeur d'images SIP du système FSD atteint 2,5 milliards de pixels par seconde, ce qui est bien supérieur à la quantité de données collectées par 8 caméras ; 2) En termes de traitement des données La vitesse de traitement maximale du processeur d'image ISP intégré à la puce FSD est de 1 milliard de pixels/seconde, ce qui a atteint la norme de transmission vidéo DP1.4 la plus rapide. la puce grand public.
SRAM : La fonction principale de l'ISP est de convertir les trois données de couleurs primaires d'origine générées par la caméra en informations d'image complexes, qui seront stockées dans la SRAM avant d'entrer dans la NPU pour un traitement ultérieur. Selon Pete Bannon, l'ingénieur en chef de la puce de Tesla, la bande passante du cache pour une conduite entièrement automatique doit atteindre au moins 1 To/sec, tandis que la bande passante de la puce FSD SRAM atteint 2 To/sec.
9
Huawei devrait devenir une force très importante dans le domaine de la conduite autonome. Le système d'exploitation Yueying développé par Huawei est compatible avec LINUX et peut atteindre le micronoyau et la faible latence de QNX. De cette façon, il peut réellement réduire la migration de nombreux algorithmes développés à l'origine sous le framework LINUX vers cette opération de production de masse au niveau de la voiture. difficulté de migration du logiciel sur le système. Dans le même temps, Huawei est également le seul fabricant de capteurs parmi les géants des puces, et les radars lidar et à ondes millimétriques sont auto-développés.
dix
Mobileye fournit des solutions de boîte noire et fait face à certaines pressions concurrentielles. Mobileye fournit une solution de boîte noire, ce qui est également une raison importante pour laquelle l'industrie n'est pas optimiste à ce sujet à l'heure actuelle, car l'OTA est une grande tendance, et pour les OEM, la solution de boîte noire est devenue de plus en plus incapable de répondre à leurs besoins.