Предварительное исследование структуры микросхем автономного вождения: Nvidia является лидером отрасли, и ожидается, что Huawei будет играть важную роль.
Оригинальное название: Предварительное исследование шаблона микросхемы автопилота: NVIDIA лидирует в отрасли, и ожидается, что Huawei будет играть важную роль
По мере увеличения уровня автономного вождения возрастает и потребность в вычислительной мощности процессора.
По мере увеличения уровня автономного вождения повышаются требования к вычислительной мощности процессора.
Поскольку автономное вождение требует восприятия окружающей среды в реальном времени при различных погодных и световых условиях, идентификации и отслеживания различных динамических или статических объектов и прогнозирования их возможного поведения, по мере увеличения уровня автономного вождения соответствующий спрос на восприятие также существенно возрастает. Согласно данным горизонта, для достижения уровня L2 требуется 5 камер + 5 радаров миллиметрового диапазона, а для достижения автоматического движения по трассе L3 необходимое сенсорное решение необходимо значительно увеличить до 13 камер + 9 радаров миллиметрового диапазона + 1 A лидар (у каждого производителя разные схемы, но тенденция к существенному увеличению количества датчиков очевидна).
Увеличение количества датчиков означает, что объем данных, которые необходимо обрабатывать, также быстро растет. Тем не менее, согласно данным горизонта, типичные пиксельные данные автономного вождения L4 достигают 112MP, что примерно в 16 раз больше, чем у автономного вождения L2; объем данных, которые необходимо обработать, составляет 4,08 миллиарда байт / сек, что примерно в 30 раз больше, чем у автономного вождения L2.
1
2
Nvidia (NVDA.US) является лидером в области чипов для автономного вождения, и у нескольких гигантов есть свои сильные стороны.
В настоящее время основных игроков на чипах автопилота можно условно разделить на три категории.
Первая категория - это открытая платформа, которая может обеспечить высокую вычислительную мощность, в основном Qualcomm (QCOM.US) и Nvidia. Этот тип проигрывателя имеет очень богатую программную экосистему. Кроме того, он также включает полууниверсальное состояние. Программная экосистема слабее Qualcomm и Nvidia. Huawei, Xilinx (XLNX.US) и др.
Второй тип игроков - это в основном традиционные автомобильные полупроводниковые гиганты, в основном это Renesas, Infineon, NXP (NXPI.US), Texas Instruments (TXN.US), STMicroelectronics (STM.US) и т. Д. После того, как в игру вошли Nvidia, Huawei и другие производители, такие игроки в определенной степени пострадали, но они не отказались полностью от автономного вождения. Например, Renesas является самым быстрым в этом типе плеера с точки зрения микросхем автономного вождения. Его система на кристалле R-Car V3U уровня ASIL-D для ADAS и AD достигла 60Top по вычислительной мощности, что сопоставимо с вычислительной мощностью Qualcomm. Платформа для катания То же самое, но время серийного производства может быть позже.
Третий тип микросхем ASIC искусственного интеллекта собственной разработки игроков, в основном включая Tesla, Mobileye, и внутренний горизонт, черный кунжут и т. Д., За исключением микросхем собственной разработки Tesla, используемых в их собственных системах FSD, другие производители часто внешние. полнофункциональное решение с программным и аппаратным обеспечением.
3
Nvidia в настоящее время является лидером в области чипов для автономного вождения. В настоящее время многие автомобильные компании выбрали чипы Nvidia по многим причинам:
NVIDIA построила унифицированную аппаратную архитектуру графического процессора и программную архитектуру CUDA для автомобилей, настольных компьютеров и облака и обладает мощными вычислительными мощностями в высокопроизводительных вычислениях с использованием искусственного интеллекта. Nvidia - единственная компания в отрасли, способная предоставить унифицированную архитектуру и унифицированную среду разработки программного обеспечения для настольных ПК, облачных и транспортных терминалов. Что касается автомобилей, NVIDIA создала комплексную платформу, которая может предоставлять решения, охватывающие датчики, контроллеры домена и программное обеспечение для сбора данных; на стороне настольных компьютеров компании, занимающиеся автономным вождением, часто покупают процессоры Intel и игровые карты NVIDIA; облако, CUDA и серия SDK для искусственного интеллекта не могут обойти Nvidia, а преимущества обработки изображений и другие аспекты могут помочь платформе моделирования Nvidia поддерживать конкурентоспособность. Возможность полного стека гарантирует сильную экосистему Nvidia, поскольку программные платформы всех продуктов в автомобиле, настольном компьютере и облаке одинаковы. Программное обеспечение для автопилота, разработанное в облаке, может работать на настольном компьютере и автомобиле без изменений. модификация кода. В то же время Nvidia идет по пути GPU, и процесс разработки относительно прост, и нет необходимости вносить дополнительные настройки в оборудование; и основными противниками являются в основном решения ASIC, вся цепочка инструментов не очень зрелая. , и это не особенно удобно для разработчиков.
4
Nvidia вышла на рынок автономного вождения раньше и опередила своих основных конкурентов. В апреле 2021 года Nvidia выпустила новое поколение SoC-Atlan, вычислительная мощность одной SoC может достигать 1000TOPS, ожидается, что образцы будут предоставлены разработчикам в 2023 году, а в 2025 году будет установлено большое количество транспортных средств. В настоящее время микросхемы автопилота Nvidia на два поколения опережают своих основных конкурентов, что почти на два года отстает от цикла. Преимущество первопроходца - важное преимущество NVIDIA, поскольку для OEM после выбора платформы последующие затраты на миграцию относительно высоки. Сама нейронная сеть требует большой настройки. Она имеет относительно высокую степень взаимодействия с оборудованием. Может быть трудно настроить для лучшего эффекта на определенном оборудовании. Если вы измените набор оборудования, некоторые из них должны нужно перенастроить; и теперь цепочка инструментов не очень развита, и процесс настройки может быть более болезненным.
Мы ожидаем, что Qualcomm также будет одним из игроков за финальным столом. В настоящее время Qualcomm имеет как минимум несколько преимуществ:
Преимущество экономичности. С точки зрения затрат Qualcomm является лидером в производстве потребительских чипов и чипов для кабины пилотов. Переход потребительских микросхем и чипов для кабины пилотов на микросхемы автономного вождения может сэкономить Qualcomm определенную сумму затрат. Например, платформа Ride первого поколения Qualcomm использует два чипа кабины плюс чип автопилота ASIL-D для обеспечения избыточности. С точки зрения энергопотребления главным героем параллельных вычислений в важном конкурентном чипе Qualcomm NVIDIA является графический процессор.При использовании некоторых распространенных моделей нейронных сетей эффективность не так хороша, как у ASIC, поэтому коэффициент энергоэффективности чипа автономного вождения NVIDIA составляет слабее (конечно, NVIDIA также знает о слабых сторонах графического процессора, а также есть движок ускорения глубокого обучения, реализованный архитектурой ASIC на чипе).
5
Qualcomm является абсолютным лидером в области кабины пилотов и вносит свой вклад в продвижение решений для автономного вождения. По данным Qualcomm, по состоянию на конец 2020 года 20 из 25 ведущих автопроизводителей выбрали платформу Qualcomm Snapdragon Automotive Digital Cockpit Platform. Модели, оснащенные платформой 8155, будут серийно производиться в 2021 году, а доля Qualcomm может составить 70% к 2022 году. - 80% доли рынка, хотя в будущем не так много возможностей для дальнейшего увеличения доли рынка (OEM обычно выбирает две платформы для резервного копирования), но нет никаких сомнений в том, что позиция Qualcomm в области кабины пилотов была создана, и NVIDIA находится в кабине. В этой области только несколько клиентов, таких как Mercedes-Benz, Audi и Hyundai. Поскольку область кабины экипажа проникает быстрее, чем область кабины, Qualcomm наладила отношения сотрудничества со многими OEM-производителями через область кабины, подключилась через решение кабины, а затем продвинула собственное решение для автономного вождения OEM. Для OEM-производителей более выгодно выбрать одного и того же поставщика для кабины и автономного вождения, потому что он не будет содержать две команды одновременно, чтобы изучать знания программного обеспечения двух производителей микросхем.
6
Tesla (TSLA.US) - относительно закрытая экосистема. Расставшись с Mobileye и NVIDIA, Tesla в апреле 2019 года запустила собственный чип FSD. Исследования и разработка микросхемы FSD начались в 2017 году, и от проектирования до серийного производства потребовалось 18 месяцев.Официально он был применен к модели 3 в апреле 2019 года. На одной плате находятся два чипа, и каждый чип имеет вычислительную мощность 72 TOPS. Во время процесса управления два чипа одновременно анализируют одни и те же данные и сравнивают результаты анализа для проверки друг друга и повышения безопасности. автономного вождения.
7
Характеристики микросхемы Tesla FSD в основном воплощены в трех аспектах: высокоскоростная обработка изображений, NPU и SRAM.
В основном NPU: чип Mobileye EQ5 состоит из 4 модулей, а именно CPU, CVP, DLA и MA, в основном CPU и CVP; чип NVIDIA Xavier в основном состоит из GPU, CPU, DLA, PVA и двух ASIC. В основном GPU и CPU. Чип Tesla FSD в основном состоит из трех модулей (CPU, GPU, NPU), в основном NPU, поскольку Tesla не использует решение для радиолокационного зрения, он не включает модуль CVP.
8
Высокоскоростная обработка изображений: 1) Что касается передачи данных, скорость передачи данных процессора изображений SIP системы FSD достигает 2,5 миллиарда пикселей в секунду, что намного больше, чем объем данных, собранных 8 камерами; 2) Что касается обработки данных, максимальная скорость обработки изображений, встроенная в микросхему FSD, составляет 1 миллиард пикселей в секунду, что соответствует самому быстрому стандарту передачи видео потребительского уровня DP1.4. Как правило, автомобильный чип будет отставать от микросхема потребительского класса.
SRAM: основная функция ISP - преобразовать исходные данные трех основных цветов, сгенерированные камерой, в сложную информацию изображения, которая будет храниться в SRAM перед вводом в NPU для дальнейшей обработки. По словам Пита Бэннона, главного инженера микросхемы Tesla, пропускная способность кеш-памяти для полностью автоматического управления должна достигать не менее 1 ТБ / сек, в то время как полоса пропускания SRAM микросхемы FSD достигает 2 ТБ / сек.
9
Ожидается, что Huawei станет очень важной силой в области автономного вождения. Операционная система Yueying, разработанная Huawei самостоятельно, совместима с LINUX и может обеспечить микроядро QNX и низкую задержку. Таким образом, она может фактически уменьшить миграцию многих алгоритмов, первоначально разработанных в рамках платформы LINUX, на эту операцию массового производства на уровне автомобилей. сложность миграции программного обеспечения в системе. В то же время Huawei также является единственным производителем сенсоров среди гигантов чипов, а лидары и радары миллиметрового диапазона разрабатываются самостоятельно.
10
Mobileye предлагает решения «черный ящик» и сталкивается с определенным давлением со стороны конкурентов. Mobileye предоставляет решение «черный ящик», что также является важной причиной, по которой отрасль в настоящее время не оптимистично смотрит на него, поскольку OTA - это большая тенденция, а для OEM-производителей решение «черный ящик» становится все более неспособным удовлетворить их потребности.