汽車架構(gòu)推動 ADAS 系統(tǒng)架構(gòu)向前發(fā)展
2022-11-18 16:11:28??????點擊：
最近的分析師報告顯示，ADAS 系統(tǒng)和信息娛樂系統(tǒng)的處理能力預(yù)計將在未來五年內(nèi)大幅提升。他們看到了多個前沿方面的進(jìn)步，不僅在人工智能 (AI) 方面，在通用計算方面也有突破，還有原始設(shè)備制造商 (OEM) 在電子內(nèi)容構(gòu)建方式上的變化，即從基于邊緣管理，轉(zhuǎn)變到區(qū)域管理，再到中央管理。任何希望乘勢而上的系統(tǒng)制造商都需要考慮一個關(guān)鍵問題：如何通過統(tǒng)一的產(chǎn)品系列來滿足多種汽車架構(gòu)需求。
ADAS 系統(tǒng)的市場機(jī)遇
據(jù) Yole Development 報告，通過安全能力和數(shù)字駕駛艙方面的直接創(chuàng)新，以及相鄰技術(shù)的發(fā)展和諸如推動駕駛員和乘員監(jiān)測系統(tǒng)的法規(guī)進(jìn)步，在未來五年增長將高達(dá) 3 倍。但問題是，這種增長將發(fā)生在哪里——邊緣傳感器、區(qū)域中央處理，還是汽車中央處理？與發(fā)展緩慢的集中式系統(tǒng)相比，在邊緣設(shè)備方面，新進(jìn)入者推出具有競爭力的解決方案，創(chuàng)新勢頭仍然強(qiáng)勁。相反，成本、安全和集中軟件控制則繼續(xù)推動向集中化發(fā)展。
從邊緣處理到中央處理
在 ADAS 系統(tǒng)出現(xiàn)之前，汽車電子產(chǎn)品的快速增長促使汽車 OEM 重新思考他們希望如何分布這些電子產(chǎn)品?，F(xiàn)在，邊緣感知加速了這一需求的到來。部分問題在于數(shù)據(jù)通信的成本和管理，而智能感知進(jìn)一步加劇了這一問題——繁重的線束連接需要耗費(fèi)大量功率才能將數(shù)據(jù)從邊緣傳輸?shù)浇y(tǒng)一的處理終端。
但是，傳感器融合必須融合來自多個傳感器視角和類型的數(shù)據(jù)，通常不能很好地適應(yīng)邊緣或中央處理。我們需要邊緣 AI 來實現(xiàn)快速識別和減少數(shù)據(jù)量，但通信和融合的需求現(xiàn)在將一些 AI 需求部署到區(qū)域處理器。與此同時，隨著我們向具有一定無人駕駛能力的智能汽車發(fā)展，這些智能汽車必須將分布式輸入整合到一個駕駛策略管理器下。這種類型的 AI 不能是分布式的。為了安全和整合考慮，它必須由中央控制器處理。
顯然，需要三種不同類型的 ADAS 系統(tǒng)處理能力——-邊緣、區(qū)域和中央，具有三種不同的配置。邊緣 AI 必須保持快速和低成本的優(yōu)勢（因為汽車周邊會有許多這樣的設(shè)備），單個處理器提供高達(dá) 5 TOPS 的算力。區(qū)域處理器，整合來自多個邊緣設(shè)備的輸入，必須提供更高級別的并行性和性能，這需要依靠算力高達(dá) 20 TOPS 并且更為昂貴的多核實現(xiàn)。最后，中央駕駛策略引擎必須根據(jù)經(jīng)場景訓(xùn)練的行為進(jìn)行推理，可能還需要支持某種程度的即時訓(xùn)練。這款引擎很可能是一款造價較高的多芯粒設(shè)備，每個芯粒都是多核，提供 200 TOPS 或更高的算力。
可擴(kuò)展性對 ADAS 系統(tǒng)意味著什么？
目前，在數(shù)量眾多的低成本邊緣設(shè)備、數(shù)量較少但成本較高的區(qū)域設(shè)備以及每輛車可能僅一臺的昂貴中央設(shè)備之間，營收機(jī)會將如何分配還是一個未知數(shù)。聰明的人似乎都在為每個細(xì)分市場的重要商機(jī)做準(zhǔn)備。鑒于此，片上系統(tǒng) (SoC) 產(chǎn)品開發(fā)商應(yīng)該如何構(gòu)建解決方案？
在部署 ADAS 系統(tǒng)時，培訓(xùn)、優(yōu)化和基礎(chǔ)設(shè)施軟件是最大的投資部分。因此，在整個產(chǎn)品系列中用統(tǒng)一的方式支持這幾項要素，這對取得經(jīng)濟(jì)成功至關(guān)重要。邊緣解決方案可能比區(qū)域或中央解決方案更適合以輕量為目標(biāo)，但它同樣應(yīng)該允許支持核心功能的縮減版本。這樣，就可以使用不同的編譯器選項編譯經(jīng)訓(xùn)練的公共網(wǎng)絡(luò)，并將其映射到邊緣、區(qū)域和中央解決方案。
相應(yīng)地，AI 硬件平臺應(yīng)支持向上/向下擴(kuò)展。同一架構(gòu)，可部署為單個神經(jīng)引擎或多個并行引擎，具有統(tǒng)一的數(shù)據(jù)流量控制和內(nèi)存層次優(yōu)化。甚至在需要時允許向外擴(kuò)展到多芯粒實施。
但這里有一個問題。僅僅因為解決方案必須可擴(kuò)展，網(wǎng)絡(luò)開發(fā)人員就要放棄他們所知道的任何可以提高性能和降低功耗的優(yōu)化嗎？他們應(yīng)該能夠使用所有最先進(jìn)的 AI 方法來達(dá)到其目標(biāo)。比如采用 Winograd 轉(zhuǎn)換，以更低的功耗提供 2 倍的性能，大幅減少帶寬，但精度幾乎不會降低。這些是高級推理中常用的選項。
或者例如在全混合精度神經(jīng) MAC 陣列中提供的各種激活和權(quán)重數(shù)據(jù)類型。改變層精度可顯著降低內(nèi)存要求和功耗。稀疏引擎更進(jìn)一步，不再需要乘以零值，在低精度層中將變得更加常見。這不僅提高了性能，還降低了功耗。
在最先進(jìn)的加速器中，自定義操作必不可少。在推理中添加這些操作的一種方法是借助外部加速器。另一種方法是在可編程的矢量處理單元中具備與原始的硬件引擎相同級別的計算能力。
ADAS 系統(tǒng)的市場機(jī)遇
據(jù) Yole Development 報告，通過安全能力和數(shù)字駕駛艙方面的直接創(chuàng)新，以及相鄰技術(shù)的發(fā)展和諸如推動駕駛員和乘員監(jiān)測系統(tǒng)的法規(guī)進(jìn)步，在未來五年增長將高達(dá) 3 倍。但問題是，這種增長將發(fā)生在哪里——邊緣傳感器、區(qū)域中央處理，還是汽車中央處理？與發(fā)展緩慢的集中式系統(tǒng)相比，在邊緣設(shè)備方面，新進(jìn)入者推出具有競爭力的解決方案，創(chuàng)新勢頭仍然強(qiáng)勁。相反，成本、安全和集中軟件控制則繼續(xù)推動向集中化發(fā)展。
從邊緣處理到中央處理
在 ADAS 系統(tǒng)出現(xiàn)之前，汽車電子產(chǎn)品的快速增長促使汽車 OEM 重新思考他們希望如何分布這些電子產(chǎn)品?，F(xiàn)在，邊緣感知加速了這一需求的到來。部分問題在于數(shù)據(jù)通信的成本和管理，而智能感知進(jìn)一步加劇了這一問題——繁重的線束連接需要耗費(fèi)大量功率才能將數(shù)據(jù)從邊緣傳輸?shù)浇y(tǒng)一的處理終端。
但是，傳感器融合必須融合來自多個傳感器視角和類型的數(shù)據(jù)，通常不能很好地適應(yīng)邊緣或中央處理。我們需要邊緣 AI 來實現(xiàn)快速識別和減少數(shù)據(jù)量，但通信和融合的需求現(xiàn)在將一些 AI 需求部署到區(qū)域處理器。與此同時，隨著我們向具有一定無人駕駛能力的智能汽車發(fā)展，這些智能汽車必須將分布式輸入整合到一個駕駛策略管理器下。這種類型的 AI 不能是分布式的。為了安全和整合考慮，它必須由中央控制器處理。
顯然，需要三種不同類型的 ADAS 系統(tǒng)處理能力——-邊緣、區(qū)域和中央，具有三種不同的配置。邊緣 AI 必須保持快速和低成本的優(yōu)勢（因為汽車周邊會有許多這樣的設(shè)備），單個處理器提供高達(dá) 5 TOPS 的算力。區(qū)域處理器，整合來自多個邊緣設(shè)備的輸入，必須提供更高級別的并行性和性能，這需要依靠算力高達(dá) 20 TOPS 并且更為昂貴的多核實現(xiàn)。最后，中央駕駛策略引擎必須根據(jù)經(jīng)場景訓(xùn)練的行為進(jìn)行推理，可能還需要支持某種程度的即時訓(xùn)練。這款引擎很可能是一款造價較高的多芯粒設(shè)備，每個芯粒都是多核，提供 200 TOPS 或更高的算力。
可擴(kuò)展性對 ADAS 系統(tǒng)意味著什么？
目前，在數(shù)量眾多的低成本邊緣設(shè)備、數(shù)量較少但成本較高的區(qū)域設(shè)備以及每輛車可能僅一臺的昂貴中央設(shè)備之間，營收機(jī)會將如何分配還是一個未知數(shù)。聰明的人似乎都在為每個細(xì)分市場的重要商機(jī)做準(zhǔn)備。鑒于此，片上系統(tǒng) (SoC) 產(chǎn)品開發(fā)商應(yīng)該如何構(gòu)建解決方案？
在部署 ADAS 系統(tǒng)時，培訓(xùn)、優(yōu)化和基礎(chǔ)設(shè)施軟件是最大的投資部分。因此，在整個產(chǎn)品系列中用統(tǒng)一的方式支持這幾項要素，這對取得經(jīng)濟(jì)成功至關(guān)重要。邊緣解決方案可能比區(qū)域或中央解決方案更適合以輕量為目標(biāo)，但它同樣應(yīng)該允許支持核心功能的縮減版本。這樣，就可以使用不同的編譯器選項編譯經(jīng)訓(xùn)練的公共網(wǎng)絡(luò)，并將其映射到邊緣、區(qū)域和中央解決方案。
相應(yīng)地，AI 硬件平臺應(yīng)支持向上/向下擴(kuò)展。同一架構(gòu)，可部署為單個神經(jīng)引擎或多個并行引擎，具有統(tǒng)一的數(shù)據(jù)流量控制和內(nèi)存層次優(yōu)化。甚至在需要時允許向外擴(kuò)展到多芯粒實施。
但這里有一個問題。僅僅因為解決方案必須可擴(kuò)展，網(wǎng)絡(luò)開發(fā)人員就要放棄他們所知道的任何可以提高性能和降低功耗的優(yōu)化嗎？他們應(yīng)該能夠使用所有最先進(jìn)的 AI 方法來達(dá)到其目標(biāo)。比如采用 Winograd 轉(zhuǎn)換，以更低的功耗提供 2 倍的性能，大幅減少帶寬，但精度幾乎不會降低。這些是高級推理中常用的選項。
或者例如在全混合精度神經(jīng) MAC 陣列中提供的各種激活和權(quán)重數(shù)據(jù)類型。改變層精度可顯著降低內(nèi)存要求和功耗。稀疏引擎更進(jìn)一步，不再需要乘以零值，在低精度層中將變得更加常見。這不僅提高了性能，還降低了功耗。
在最先進(jìn)的加速器中，自定義操作必不可少。在推理中添加這些操作的一種方法是借助外部加速器。另一種方法是在可編程的矢量處理單元中具備與原始的硬件引擎相同級別的計算能力。
- 上一篇：觸覺壓力傳感技術(shù)對電池膨脹進(jìn)行實時監(jiān)測 2022/11/18
- 下一篇：明年服務(wù)器整機(jī)出貨年成長或收斂至3.7% 2022/11/18
