女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

車載芯片的發(fā)展趨勢(CPU-GPU-FPGA-ASIC)

mK5P_AItists ? 來源:未知 ? 作者:李倩 ? 2018-08-09 11:11 ? 次閱讀

▌車載芯片的發(fā)展趨勢(CPU-GPU-FPGA-ASIC)

過去汽車電子芯片以與傳感器一一對應(yīng)的電子控制單元(ECU)為主,主要分布與發(fā)動機(jī)等核心部件上。隨著汽車智能化的發(fā)展,汽車傳感器越來越多,傳統(tǒng)的分布式架構(gòu)逐漸落后,由中心化架構(gòu)DCU、MDC逐步替代

隨著人工智能發(fā)展,汽車智能化形成趨勢,目前輔助駕駛功能滲透率越來越高,這些功能的實現(xiàn)需借助于攝像頭、雷達(dá)等新增的傳感器數(shù)據(jù),其中視頻(多幀圖像)的處理需要大量并行計算,傳統(tǒng)CPU算力不足,這方面性能強(qiáng)大的GPU替代了CPU。再加上輔助駕駛算法需要的訓(xùn)練過程,GPU+FPGA成為目前主流的解決方案。

著眼未來,自動駕駛也將逐步完善,屆時又會加入激光雷達(dá)的點云(三維位置數(shù)據(jù))數(shù)據(jù)以及更多的攝像頭和雷達(dá)傳感器,GPU也難以勝任,ASIC性能、能耗和大規(guī)模量產(chǎn)成本均顯著優(yōu)于GPU和FPGA,定制化的ASIC芯片可在相對低水平的能耗下,將車載信息的數(shù)據(jù)處理速度提升更快,隨著自動駕駛的定制化需求提升,ASIC專用芯片將成為主流。本文以如上順序梳理車載芯片發(fā)展歷程,探討未來發(fā)展方向。

▌車載芯片的過去—以CPU為核心的ECU

ECU的核心CPU

ECU(ElectronicControlUnit)是電子控制單元,也稱“行車電腦”,是汽車專用微機(jī)控制器。一般ECU由CPU、存儲器(ROMRAM)、輸入/輸出接口(I/O)、模數(shù)轉(zhuǎn)換器(A/D)以及整形、驅(qū)動等大規(guī)模集成電路組成。

ECU的工作過程就是CPU接收到各個傳感器的信號后轉(zhuǎn)化為數(shù)據(jù),并由Program區(qū)域的程序?qū)ata區(qū)域的數(shù)據(jù)圖表調(diào)用來進(jìn)行數(shù)據(jù)處理,從而得出具體驅(qū)動數(shù)據(jù),并通過CPU針腳傳送到相關(guān)驅(qū)動芯片,驅(qū)動芯片再通過相應(yīng)的周邊電路產(chǎn)生驅(qū)動信號,用來驅(qū)動驅(qū)動器

即傳感器信號——傳感器數(shù)據(jù)——驅(qū)動數(shù)據(jù)——驅(qū)動信號這樣一個完整工作流程。

分布式架構(gòu)向多域控制器發(fā)展

汽車電子發(fā)展的初期階段,ECU主要是用于控制發(fā)動機(jī)工作,只有汽車發(fā)動機(jī)的排氣管(氧傳感器)、氣缸(爆震傳感器)、水溫傳感器等核心部件才會放置傳感器,由于傳感器數(shù)量較少,為保證傳感器-ECU-控制器回路的穩(wěn)定性,ECU與傳感器一一對應(yīng)的分布式架構(gòu)是汽車電子的典型模式。

后來隨著車輛的電子化程度逐漸提高,ECU占領(lǐng)了整個汽車,從防抱死制動系統(tǒng)、4輪驅(qū)動系統(tǒng)、電控自動變速器、主動懸架系統(tǒng)、安全氣囊系統(tǒng),到現(xiàn)在逐漸延伸到了車身各類安全、網(wǎng)絡(luò)、娛樂、傳感控制系統(tǒng)等。

隨著汽車電子化的發(fā)展,車載傳感器數(shù)量越來越多,傳感器與ECU一一對應(yīng)使得車輛整體性下降,線路復(fù)雜性也急劇增加,此時DCU(域控制器)和MDC(多域控制器)等更強(qiáng)大的中心化架構(gòu)逐步替代了分布式架構(gòu)。

域控制器(DomainControlUnit)的概念最早是由以博世,大陸,德爾福為首的Tier1提出,是為了解決信息安全,以及ECU瓶頸的問題。

根據(jù)汽車電子部件功能將整車劃分為動力總成,車輛安全,車身電子,智能座艙和智能駕駛等幾個域,利用處理能力更強(qiáng)的多核CPU/GPU芯片相對集中的去控制每個域,以取代目前分布式汽車電子電氣架構(gòu)。

而進(jìn)入自動駕駛時代,控制器需要接受、分析、處理的信號大量且復(fù)雜,原有的一個功能對應(yīng)一個ECU的分布式計算架構(gòu)或者單一分模塊的域控制器已經(jīng)無法適應(yīng)需求,比如攝像頭、毫米波雷達(dá)、激光雷達(dá)乃至GPS和輪速傳感器的數(shù)據(jù)都要在一個計算中心內(nèi)進(jìn)行處理以保證輸出結(jié)果的對整車自動駕駛最優(yōu)。

因此,自動駕駛車輛的各種數(shù)據(jù)聚集、融合處理,從而為自動駕駛的路徑規(guī)劃和駕駛決策提供支持的多域控制器將會是發(fā)展的趨勢,奧迪與德爾福共同開發(fā)的zFAS,即是通過一塊ECU,能夠接入不同傳感器的信號并進(jìn)行對信號進(jìn)行分析和處理,最終發(fā)出控制命令。

▌車載芯片的現(xiàn)在—以GPU為核心的智能輔助駕駛芯片

人工智能的發(fā)展也帶動了汽車智能化發(fā)展,過去的以CPU為核心的處理器越來越難以滿足處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的需求,同時處理器也需要整合雷達(dá)、視頻等多路數(shù)據(jù),這些都對車載處理器的并行計算效率提出更高要求,而GPU同時處理大量簡單計算任務(wù)的特性在自動駕駛領(lǐng)域取代CPU成為了主流方案。

GPUVs.CPU

CPU的核心數(shù)量只有幾個(不超過兩位數(shù)),每個核都有足夠大的緩存和足夠多的數(shù)字和邏輯運算單元,并輔助很多復(fù)雜的計算分支。而GPU的運算核心數(shù)量則可以多達(dá)上百個(流處理器),每個核擁有的緩存大小相對小,數(shù)字邏輯運算單元也少而簡單。

CPU和GPU最大的區(qū)別是設(shè)計結(jié)構(gòu)及不同結(jié)構(gòu)形成的不同功能。CPU的邏輯控制功能強(qiáng),可以進(jìn)行復(fù)雜的邏輯運算,并且延時低,可以高效處理復(fù)雜的運算任務(wù)。

而GPU邏輯控制和緩存較少,使得每單個運算單元執(zhí)行的邏輯運算復(fù)雜程度有限,但并列大量的計算單元,可以同時進(jìn)行大量較簡單的運算任務(wù)。

GPU占據(jù)現(xiàn)階段自動駕駛芯片主導(dǎo)地位

相比于消費電子產(chǎn)品的芯片,車載的智能駕駛芯片對性能和壽命要求都比較高,主要體現(xiàn)在以下幾方面:

1、耗電每瓦提供的性能;2、生態(tài)系統(tǒng)的構(gòu)建,如用戶群、易用性等;3、滿足車規(guī)級壽命要求,至少1萬小時穩(wěn)定使用。

目前無論是尚未商業(yè)化生產(chǎn)的自動駕駛AI芯片還是已經(jīng)可以量產(chǎn)使用的輔助駕駛芯片,由于自動駕駛算法還在快速更新迭代,對云端“訓(xùn)練”部分提出很高要求,既需要大規(guī)模的并行計算,又需要大數(shù)據(jù)的多線程計算,因此以GPU+FPGA解決方案為核心;在終端的“推理”部分,核心需求是大量并行計算,從而以GPU為核心。

▌相關(guān)公司

NVIDIA

NVIDIA在自動駕駛領(lǐng)域的成就正是得益于他們在GPU領(lǐng)域內(nèi)的深耕,NVIDIAGPU專為并行計算而設(shè)計,適合深度學(xué)習(xí)任務(wù),并且能夠處理在深度學(xué)習(xí)中普遍存在的向量和矩陣操作。相對于Mobileye專注于視覺處理,NVIDIA的方案重點在于融合不同傳感器。

2016年,英偉達(dá)在DrivePX2平臺上推出了三款產(chǎn)品,分別是配備單GPU和單攝像頭及雷達(dá)輸入端口的DrivePX2Autocruise(自動巡航)芯片(下圖左上)、配備雙GPU及多個攝像頭及雷達(dá)輸入端口的DrivePX2AutoChauffeur(自動私人司機(jī))芯片(右上)、配備多個GPU及多個攝像頭及雷達(dá)輸入端口的DrivePX2FullyAutonomousDriving(全自動駕駛)芯片(下方)。

以目前的銷售情況,DrivePX2搭載上一代Pascal架構(gòu)GPU已經(jīng)實現(xiàn)量產(chǎn),并且已經(jīng)搭載在Tesla的量產(chǎn)車型ModelS以及ModelX上。

目前PX2仍然是NVIDIA自動駕駛平臺出貨的主力,Tesla,Audi和ZF等對外公布DrivePX2應(yīng)用在量產(chǎn)車上。

Xavier是DrivePX2的進(jìn)化版本,搭配了最新一代的Volta架構(gòu)GPU,相較于DrivePX2性能將提升近一倍,2017年年底量產(chǎn)。

由于多家主機(jī)廠L3級別以上自動駕駛量產(chǎn)車的計劃在2020年左右,而Xavier的量產(chǎn)計劃將能和自動駕駛車的研發(fā)周期相互配合(一般3年左右),因此Xavier的合作都是有量產(chǎn)車落地計劃的。

而對于較早與NVIDIA達(dá)成合作的車廠來說,他們在小批量測試、量產(chǎn)的優(yōu)先級別以及可定制化空間等方面都能獲得一定的優(yōu)勢。

目前,L4及以上的市場基本上被NVIDIA壟斷,CEO黃仁勛稱全球有300余家自動駕駛研發(fā)機(jī)構(gòu)使用DrivePX2。

DrivePX2單價為1.6萬美金,功耗達(dá)425瓦,但目前沒有達(dá)到車規(guī),按功耗和成本看,只能小規(guī)模測試階段使用。

四維圖新

國內(nèi)地圖行業(yè)龍頭,向ADAS和自動駕駛進(jìn)軍。公司成立于2002年,是國內(nèi)首家獲導(dǎo)航地圖制作資質(zhì)的企業(yè)(目前僅13家),為領(lǐng)先的數(shù)字地圖內(nèi)容、車聯(lián)網(wǎng)與動態(tài)交通信息服務(wù)、基于位置的大數(shù)據(jù)垂直應(yīng)用服務(wù)的提供商之一。

其拳頭業(yè)務(wù)——地圖業(yè)務(wù),以國內(nèi)60%的份額穩(wěn)居壟斷地位。2017年以來,公司收購杰發(fā)科技、入股中寰衛(wèi)星與禾多科技,“高精度地圖+芯片+算法+軟件”的自動駕駛產(chǎn)業(yè)鏈全方位布局雛形已現(xiàn)。

高精度地圖:代表國內(nèi)最高水平。

公司以地圖起家,目前國內(nèi)高精度地圖僅兩家玩家(另一家為高德),公司深度綁定獲得寶馬、大眾、奔馳、通用、沃爾沃、福特、上汽、豐田、日產(chǎn)、現(xiàn)代、標(biāo)致等主流車企發(fā)展,占絕對優(yōu)勢。2017年公司實現(xiàn)支持L3級別(至少20個城市)的高精度地圖,計劃于2019年覆蓋所有城市,并為L4的推出做準(zhǔn)備。

公司地圖編譯能力亮眼,全球首位提供NDS地圖從生產(chǎn)到編譯環(huán)節(jié)。此外,公司在荷蘭、美國硅谷、新加坡等地設(shè)立研發(fā)中心和分支機(jī)構(gòu),合作伙伴涵蓋國際主流車廠、新一代整車企業(yè)以及騰訊、滴滴、搜狗、華為等國內(nèi)知名企業(yè)。

芯片:收購杰發(fā)科技布局汽車芯片。

杰發(fā)科技(2017年3月完成收購)脫胎于聯(lián)發(fā)科,主攻車載信息娛樂系統(tǒng)芯片。

現(xiàn)階段在國內(nèi)后裝市場市占率超70%,前裝超30%(主要為吉利、豐田等車企),其車規(guī)級IVI芯片被多家國際主流零部件廠商采用,并計劃推出AMP、MCU及TPMS(胎壓監(jiān)測)芯片等新一代產(chǎn)品。公司通過收購杰發(fā)科技,具備了為車廠提供高性能汽車電子芯片的能力,打通從軟件到硬件的關(guān)鍵性關(guān)卡,并與蔚來、威馬、愛馳億維等造車新勢力公司達(dá)成了合作。

該芯片采用64位QuadA53架構(gòu),內(nèi)置硬件圖像加速引擎,支持雙路高清視頻輸出,和四路高清視頻輸入,能同時支持高級車載影音娛樂系統(tǒng)全部功能和豐富的ADAS功能。

功能包括:360°全景泊車系統(tǒng)、車道偏移警示系統(tǒng)LDW、前方碰撞警示系統(tǒng)FCW、行人碰撞警示系統(tǒng)PCW、交通標(biāo)志識別系統(tǒng)TSR、車輛盲區(qū)偵測系統(tǒng)BSD、駕駛員疲勞探測系統(tǒng)DFM和后方碰撞預(yù)警系統(tǒng)RCW等。

全志科技

在今年5月的CESAsia,全志科技發(fā)布首款車規(guī)級處理器T7,同時發(fā)布基于T7的多種智能座艙產(chǎn)品形態(tài)。

T7是數(shù)字座艙車規(guī)(AEC-Q100)平臺型處理器,支持AndroidLinux、QNX系統(tǒng),集成多路高清影像輸入和輸出,完美支持高清多媒體處理,內(nèi)置的EVE視覺處理單元可提升輔助駕駛運算效率。

該款芯片雖然是首款通過車規(guī)的國產(chǎn)中控主機(jī)芯片,但還處于起步階段,根據(jù)正常汽車電子芯片的生命周期,要規(guī)模應(yīng)用至少需要兩年時間,而等到形成較多的用戶和良好的生態(tài)還需很多資源投入以及時間的積累。

因此國產(chǎn)車載芯片不論在自動駕駛領(lǐng)域還是中控或輔助駕駛領(lǐng)域,想要真正形成量產(chǎn)與國外老牌巨頭競爭,都還需要大量人力、資本和時間。

▌車載芯片的未來—以ASIC為核心的自動駕駛芯片

ASICvsGPU+FPGA

GPU適用于單一指令的并行計算,而FPGA與之相反,適用于多指令,單數(shù)據(jù)流,常用于云端的“訓(xùn)練”階段。

此外與GPU對比,F(xiàn)PGA沒有存取功能,因此速度更快,功耗低,但同時運算量不大。結(jié)合兩者優(yōu)勢,形成GPU+FPGA的解決方案。

FPGA和ASIC的區(qū)別主要在是否可以編程。FPGA客戶可根據(jù)需求編程,改變用途,但量產(chǎn)成本較高,適用于應(yīng)用場景較多的企業(yè)、軍事等用戶;而ASIC已經(jīng)制作完成并且只搭載一種算法和形成一種用途,首次“開模”成本高,但量產(chǎn)成本低,適用于場景單一的消費電子、“挖礦”等客戶。

目前自動駕駛算法仍在快速更迭和進(jìn)化,因此大多自動駕駛芯片使用GPU+FPGA的解決方案。未來算法穩(wěn)定后,ASIC將成為主流。

計算能耗比,ASIC>FPGA>GPU>CPU,究其原因,ASIC和FPGA更接近底層IO,同時FPGA有冗余晶體管和連線用于編程,而ASIC是固定算法最優(yōu)化設(shè)計,因此ASIC能耗比最高。

相比前兩者,GPU和CPU屏蔽底層IO,降低了數(shù)據(jù)的遷移和運算效率,能耗比較高。同時GPU的邏輯和緩存功能簡單,以并行計算為主,因此GPU能耗比又高于CPU。

▌ASIC是未來自動駕駛芯片的核心和趨勢

結(jié)合ASIC的優(yōu)勢,我們認(rèn)為長遠(yuǎn)看自動駕駛的AI芯片會以ASIC為解決方案,主要有以下幾個原因:

綜上ASIC專用芯片幾乎是自動駕駛量產(chǎn)芯片唯一的解決方案。由于這種芯片僅支持單一算法,對芯片設(shè)計者在算法、IC設(shè)計上都提出很高要求。

以上并非下定論目前ASIC為核心的芯片一定比GPU+FPGA的芯片強(qiáng),由于目前自動駕駛算法還在快速迭代和升級過程中,過早以固有算法生產(chǎn)ASIC芯片長期來看不一定是最優(yōu)選擇。

▌相關(guān)公司

Mobileye

Intel在ADAS處理器上的布局已經(jīng)完善,包括Mobileye的ADAS視覺處理,利用Altera的FPGA處理,以及英特爾自身的至強(qiáng)等型號的處理器,可以形成自動駕駛整個硬件超級中央控制的解決方案。

Mobileye具有自主研發(fā)設(shè)計的芯片EyeQ系列,由意法半導(dǎo)體公司生產(chǎn)供應(yīng)。現(xiàn)在已經(jīng)量產(chǎn)的芯片型號有EyeQ1至EyeQ4,EyeQ5正在開發(fā)進(jìn)行中,計劃2020年面世,對標(biāo)英偉達(dá)DrivePXXavier,并透露EyeQ5的計算性能達(dá)到了24TOPS,功耗為10瓦,芯片節(jié)能效率是DriveXavier的2.4倍。

英特爾自動駕駛系統(tǒng)將采用攝像頭為先的方法設(shè)計,搭載兩塊EyeQ5系統(tǒng)芯片、一個英特爾凌動C3xx4處理器以及Mobileye軟件,大規(guī)模應(yīng)用于可擴(kuò)展的L4/L5自動駕駛汽車。該系列已被奧迪、寶馬、菲亞特、福特、通用等多家汽車制造商使用。

從硬件架構(gòu)來看,該芯片包括了一組工業(yè)級四核MIPS處理器,以支持多線程技術(shù)能更好的進(jìn)行數(shù)據(jù)的控制和管理(下圖左上)。

多個專用的向量微碼處理器(VMP),用來應(yīng)對ADAS相關(guān)的圖像處理任務(wù)(如:縮放和預(yù)處理、翹曲、跟蹤、車道標(biāo)記檢測、道路幾何檢測、濾波和直方圖等,下圖右上)。

一顆軍工級MIPSWarriorCPU位于次級傳輸管理中心,用于處理片內(nèi)片外的通用數(shù)據(jù)。

此外通過行業(yè)訪談?wù){(diào)研等途徑了解到,Mobileye在L1-L3智能駕駛領(lǐng)域具有極大的話語權(quán),對Tire1和OEM非常強(qiáng)勢,其算法和芯片綁定,不允許更改。

寒武紀(jì)

5月3日,寒武紀(jì)科技在2018產(chǎn)品發(fā)布會上發(fā)布了多個IP產(chǎn)品——采用7nm工藝的終端芯片Cambricon1M、云端智能芯片MLU100等。

其中寒武紀(jì)1M芯片是公司第三代IP產(chǎn)品,在TSMC7nm工藝下8位運算的效能比達(dá)5Tops/w(每瓦5萬億次運算),同時提供2Tops、4Tops、8Tops三種尺寸的處理器內(nèi)核,以滿足不同需求。

1M還將支持CNN、RNN、SVM、k-NN等多種深度學(xué)習(xí)模型與機(jī)器學(xué)習(xí)算法的加速,能夠完成視覺、語音、自然語言處理等任務(wù)。通過靈活配置1M處理器,可以實現(xiàn)多線和復(fù)雜自動駕駛?cè)蝿?wù)的資源最大化利用。它還支持終端的訓(xùn)練,以此避免敏感數(shù)據(jù)的傳輸和實現(xiàn)更快的響應(yīng)。

寒武紀(jì)首款云端智能芯片CambriconMLU100同期發(fā)布,同時公布了在R-CNN算法下MLU100與英偉達(dá)TeslaV100(2017)和英偉達(dá)TeslaP4(2016)的對比,從參數(shù)上看,主要對標(biāo)TeslaP4。最后說明芯片從設(shè)計到落地應(yīng)用面臨的潛在風(fēng)險:

地平線

2017年地平線發(fā)布了新一代自動駕駛芯片“征程”和配套軟件平臺方案“雨果”,同時還發(fā)布了應(yīng)用于智能攝像頭的“旭日”處理器。

“征程”是一款專用AI芯片,采用地平線的第一代BPU架構(gòu),可實時處理1080p@30視頻,每幀中可同時對200個目標(biāo)進(jìn)行檢測、跟蹤、識別,典型功耗1.5W,每幀延時小于30ms。CEO余凱介紹,地平線的芯片更聚焦在針對不同場景下的具體應(yīng)用,相比于英偉達(dá)的方案,在功耗上低一個數(shù)量級,價格也會有更大的競爭力。

2018年亞洲CES,地平線宣布推出從L2到L4級別全系列的自動駕駛計算平臺。

地平線星云,基于征程1.0芯片,能夠以車規(guī)級標(biāo)準(zhǔn)滿足L1和L2級別的自動駕駛的需求,能同時對行人、機(jī)動車、非機(jī)動車、車道線、交通標(biāo)志牌、紅綠燈等多類目標(biāo)進(jìn)行精準(zhǔn)的實時監(jiān)測與識別;并可滿足車載設(shè)備嚴(yán)苛的環(huán)境要求,以及復(fù)雜環(huán)境下的視覺感知需求,支持L2級別ADAS功能。

地平線Matrix1.0,內(nèi)置地平線征程2.0處理器架構(gòu),最大化嵌入式AI計算性能,是面向L3/L4的自動駕駛解決方案,可滿足自動駕駛場景下高性能和低功耗的需求。

依托地平線公司自主研發(fā)的工具鏈,開發(fā)者和研究人員可以基于Matrix平臺部署神經(jīng)網(wǎng)絡(luò)模型,實現(xiàn)開發(fā)、驗證、優(yōu)化和部署。

百度“昆侖”

7月4日百度AI開發(fā)者大會上,李彥宏發(fā)布了由百度自主研發(fā)的中國首款云端全功能AI芯片——“昆侖”。“昆侖”基于百度8年的AI加速器經(jīng)驗的研發(fā),預(yù)計將于明年流片。

“昆侖”采用14nm三星工藝,是業(yè)內(nèi)設(shè)計算力最高的AI芯片(100+瓦功耗下提供260Tops性能);512GB/s內(nèi)存帶寬,由幾萬個小核心構(gòu)成。

“昆侖”可高效地同時滿足訓(xùn)練和推斷的需求,除了常用深度學(xué)習(xí)算法等云端需求,還能適配諸如自然語言處理,大規(guī)模語音識別,自動駕駛,大規(guī)模推薦等具體終端場景的計算需求。

此外可以支持paddle等多個深度學(xué)習(xí)框架,編程靈活度高。同時也有媒體對該產(chǎn)品提出疑義,主要有以下兩點:

GoogleTPU

GoogleTPU于2016年在GoogleI/O上宣布,當(dāng)時該公司表示TPU已在其數(shù)據(jù)中心內(nèi)使用了一年以上。該芯片專為Google的TensorFlow(一個符號數(shù)學(xué)庫,用于神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)應(yīng)用)框架而設(shè)計。

GoogleTPU是專用的,并不面向市場,谷歌僅表示“將允許其他公司通過其云計算服務(wù)購買這些芯片。”

今年2月,谷歌在其云平臺博客上宣布的TPU服務(wù)開放價格大約為每cloudTPU(180TFLOPS和64GB內(nèi)存)每小時6.50美元。

Google使用TPU開發(fā)圍棋系統(tǒng)AlphaGo和AlphaZero以及進(jìn)行Google街景視頻文字處理等,能夠在不到五天的時間內(nèi)找到街景數(shù)據(jù)庫中的所有文字,此外TPU也用于提供Google搜索結(jié)果的排序。

TPU與同期的CPU和GPU相比,可以提供15-30倍的性能提升,以及30-80倍的效率(性能/瓦特)提升。

Xilinx&深鑒科技

Xilinx賽靈思是FPGA的先行者和領(lǐng)導(dǎo)者,1984年,賽靈思發(fā)明了現(xiàn)場可編程門陣列FPGA,作為半定制化的ASIC,順應(yīng)了計算機(jī)需求更專業(yè)的趨勢。

FPGA的好處是可編程以及帶來的靈活配置,同時還可以提高整體系統(tǒng)性能,比單獨開發(fā)芯片整個開發(fā)周期大為縮短,但缺點是價格、尺寸等因素。

在汽車ADAS和自動駕駛解決方案上,賽靈思的FPGA和SOC產(chǎn)品家族衍生出三個模塊:

自動駕駛中央控制器ZynqUltraScale+MPSoC

前置攝像頭Zynq-7000/ZynqUltraScale+MPSoC

多傳感器融合系統(tǒng)ZynqUltraScale+MPSoC

Zynq采用單一芯片即可完成ADAS解決方案的開發(fā),SOC平臺大幅提升了性能,便于各種捆綁式應(yīng)用,能實現(xiàn)不同產(chǎn)品系列間的可擴(kuò)展性,可幫助系統(tǒng)廠商加快在環(huán)繞視覺、3D環(huán)繞視覺、后視攝像頭、動態(tài)校準(zhǔn)、行人檢測、后視車道偏離警告和盲區(qū)檢測等ADAS應(yīng)用的開發(fā)時間。并且可以讓OEM和Tier1在平臺上添加自己的IP以及賽靈思自己的擴(kuò)展。

深鑒科技成立于2016年,其創(chuàng)始團(tuán)隊有著深厚的清華背景,專注于神經(jīng)網(wǎng)絡(luò)剪枝、深度壓縮技術(shù)及系統(tǒng)級優(yōu)化。2018年7月17日,賽靈思宣布收購深鑒科技。

自成立以來,深鑒科技就一直基于賽靈思的技術(shù)平臺開發(fā)機(jī)器學(xué)習(xí)解決方案,推出的兩個用于深度學(xué)習(xí)處理器的底層架構(gòu)—亞里士多德架構(gòu)和笛卡爾架構(gòu)的DPU產(chǎn)品,都是基于賽靈思FPGA器件。

對于賽靈思來說,看好深鑒科技基于機(jī)器學(xué)習(xí)的軟件、算法,以及面向云側(cè)和端側(cè)硬件架構(gòu)的優(yōu)勢;對于深鑒科技,后期發(fā)展高昂的研發(fā)費用、高成本的芯片設(shè)計、流片、試制、認(rèn)證、投片量產(chǎn),投靠賽靈思能夠降低隨之而來的風(fēng)險,進(jìn)入芯片戰(zhàn)爭的持久戰(zhàn)。

2018年6月,深鑒科技宣布進(jìn)軍自動駕駛領(lǐng)域,自主研發(fā)的ADAS輔助駕駛系統(tǒng)——DPhiAuto,目前已獲得日本與歐洲一線車企廠商和Tier1的訂單,即將實現(xiàn)量產(chǎn)。

DPhiAuto,基于FPGA,是面向高級輔助駕駛和自動駕駛的嵌入式AI計算平臺,可提供車輛檢測、行人檢測、車道線檢測、語義分割、交通標(biāo)志識別、可行駛區(qū)域檢測等深度學(xué)習(xí)算法功能,是一套針對計算機(jī)視覺環(huán)境感知的軟硬件協(xié)同產(chǎn)品。

功耗方面,可以在10-20W的功耗范圍內(nèi),實現(xiàn)等效性能,能效比指標(biāo)高于目前主流的CPU、GPU方案。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2564

    文章

    52645

    瀏覽量

    764020
  • 車載芯片
    +關(guān)注

    關(guān)注

    0

    文章

    79

    瀏覽量

    15018

原文標(biāo)題:自動駕駛芯片:GPU 的現(xiàn)在和 ASIC 的未來

文章出處:【微信號:AItists,微信公眾號:人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦
    熱點推薦

    自動駕駛主流架構(gòu)方案對比:GPUFPGAASIC

    當(dāng)前主流的AI芯片主要分為三類,GPUFPGAASICGPUFPGA均是前期較為成熟的
    發(fā)表于 02-14 11:03 ?3906次閱讀

    相比CPUGPUASICFPGA有什么優(yōu)勢

    CPUGPU 都屬于馮·諾依曼結(jié)構(gòu),指令譯碼執(zhí)行、共享內(nèi)存。FPGA 之所以比 CPU 甚至 GPU 能效高,本質(zhì)上是無指令、無需共享內(nèi)存
    發(fā)表于 11-22 16:00 ?1788次閱讀

    到底什么是ASICFPGA

    ASICFPGA的區(qū)別,還有它們和CPUGPU之間的區(qū)別。 ASICFPGA,本質(zhì)上都是
    發(fā)表于 01-23 19:08

    TPMS技術(shù)與發(fā)展趨勢

    TPMS技術(shù)與發(fā)展趨勢TPMS發(fā)射器由五個部分組成(1)具有壓力、溫度、加速度、電壓檢測和后信號處理ASIC 芯片組合的智能傳感器SoC;(2)4-8位單片機(jī)(MCU);(3)RF射頻發(fā)射芯片
    發(fā)表于 10-06 15:12

    FPGAASIC芯片解密有哪些性能分析

    、CPLD等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。相對于比較常見的GPUCPU兩種芯片,它有以下幾個的特點:硬件層面上,其內(nèi)部集成大量的數(shù)字電路基本門電路和存儲器,用戶可以通過燒入配置
    發(fā)表于 06-12 15:56

    單片機(jī)的發(fā)展趨勢

    [td]目前,單片機(jī)正朝著高性能和多品種方向發(fā)展趨勢將是進(jìn)一步向著CMOS化、低功耗、體積小、容量大、性能高、價格低和外圍電路內(nèi)裝化等幾個方向發(fā)展,如今世界上各大芯片制造公司都推出了自己的單片機(jī)
    發(fā)表于 01-29 07:02

    ai芯片gpu的區(qū)別

    ai芯片gpu的區(qū)別▌車載芯片發(fā)展趨勢(CPU-GPU-FPGA-ASIC)過去汽車電子
    發(fā)表于 07-27 07:29

    什么是ASIC芯片?與CPUGPUFPGA相比如何?

    不過在聯(lián)發(fā)科副總經(jīng)理暨智能設(shè)備事業(yè)群總經(jīng)理游人杰看來,雖然CPUGPU等通用型芯片以及FPGA可以適應(yīng)相對更多種的算法,但是特定算法下ASIC
    的頭像 發(fā)表于 05-04 15:39 ?25.4w次閱讀
    什么是<b class='flag-5'>ASIC</b><b class='flag-5'>芯片</b>?與<b class='flag-5'>CPU</b>、<b class='flag-5'>GPU</b>、<b class='flag-5'>FPGA</b>相比如何?

    淺析GPUFPGAASIC三種主流AI芯片的區(qū)別

    當(dāng)前主流的AI芯片主要分為三類,GPUFPGAASIC。其中GPUFPGA均是前期較為成熟
    發(fā)表于 03-07 14:39 ?3.1w次閱讀

    AI芯片的未來發(fā)展趨勢是什么?

    根據(jù)計算模式,人工智能核心計算芯片發(fā)展分為兩個方向:一個是利用人工神經(jīng)網(wǎng)絡(luò)從功能層面模仿大腦的能力,其主要產(chǎn)品就是通常的CPUGPUFPGA
    發(fā)表于 03-25 14:07 ?8544次閱讀

    FPGA發(fā)展趨勢

    公開課上,石侃老師主要從FPGA發(fā)展簡史、FPGA與云數(shù)據(jù)中心、FPGA與人工智能、FPGA的新開發(fā)方法和
    的頭像 發(fā)表于 12-29 09:33 ?4930次閱讀

    FPGACPUGPUASIC的區(qū)別,FPGA在云計算中的應(yīng)用方案

    陌生,它一直都被廣泛使用。但是,大部分人 還不是太了解它,對它有很多疑問——FPGA到底是什么?為什么要使用它?相比 CPUGPUASIC(專用
    的頭像 發(fā)表于 11-22 14:35 ?1759次閱讀

    自動駕駛主流芯片GPUFPGAASIC

    當(dāng)前主流的AI芯片主要分為三類,GPUFPGAASICGPUFPGA均是前期較為成熟的
    發(fā)表于 03-17 11:05 ?2267次閱讀

    AI芯片的應(yīng)用場景和發(fā)展趨勢

    AI芯片也被稱為AI加速器或計算卡,即專門用于處理人工智能應(yīng)用中的大量計算任務(wù)的模塊(其他非計算任務(wù)仍由CPU負(fù)責(zé))。當(dāng)前,AI芯片主要分為 GPU
    的頭像 發(fā)表于 08-06 16:18 ?3311次閱讀

    ASICGPU的原理和優(yōu)勢

    芯片”。 準(zhǔn)確來說,除了它倆,計算芯片還包括大家更熟悉的CPU,以及FPGA。 行業(yè)里,通常會把半導(dǎo)體芯片分為數(shù)字
    的頭像 發(fā)表于 01-06 13:58 ?1471次閱讀
    <b class='flag-5'>ASIC</b>和<b class='flag-5'>GPU</b>的原理和優(yōu)勢