Im Zuge des Marathons für autonome Fahrzeuge steht die Software oft zu Recht im Mittelpunkt der Diskussion. Bevor jedoch autonome Fahrzeuge (AV) sicher auf öffentlichen Straßen verkehren können, möchten die Regulierungsbehörden, dass die durchschnittliche Fehlerhäufigkeit etwa 1.000-mal geringer ist als die eines durchschnittlichen menschlichen Fahrers. Dies erfordert eine Weiterentwicklung der zugrundeliegenden Technologie, die nicht nur Verbesserungen der Softwaremodelle, sondern auch eine Verbesserung und Skalierung der Hardware umfasst, die die immer komplexere Software steuert.
Mein Kollege Cole McCollum hat bereits über die Leistungssteigerungen in der KI-Chipindustrie berichtet. In diesem Blog fasse ich einige der Ansätze zur Anwendung dieser Chips in autonomen Fahrzeuganwendungen zusammen.
Tesla, Mobileye und Nvidia sind allesamt gute Beispiele für die verschiedenen Strategien für KI-Chips im Automobilbereich. Die vertikale Integration von Tesla bietet den größten Grad an Anpassung an seine spezifische Lösung, obwohl es schwieriger sein wird, die Größenvorteile von Mobileye und Nvidia zu erreichen. Mobileye hat seine eigenen AV-Ambitionen, verfügt aber nicht über das breite Netzwerk von Nvidia. Nvidia ist in der Lage, sein bestehendes GPU-Geschäft zu nutzen, um seine KI-Systeme zu verbessern.
Tesla
Um seine Automatisierungsfähigkeiten - Full Self-Driving (FSD) genannt - schneller auf den Markt zu bringen, hat Tesla beschlossen, einen eigenen Computer mit einem speziell entwickelten neuronalen Netzwerkchip zu bauen. Der FSD-Computer besteht aus zwei Systemen auf einem Chip (SoCs), die von Tesla intern entwickelt wurden. Er läuft mit 144 TOPS bei einer Leistungsaufnahme von 72 W. 2019 behauptete das Unternehmen, dass der FSD-Computer 80 % dessen kostete, was Tesla für das vorherige Nvidia-basierte System bezahlt hatte (ohne die Entwicklungskosten).
Mobileye
Mobileye ist zwar kein Autohersteller wie Tesla, entwickelt aber seine eigene ADAS- und AV-Software. (Klicken Sie hier für unsere Analyse der AV-Strategie von Mobileye auf der CES 2021). Um seinen Kunden diese Fähigkeiten zu bieten, hat Mobileye seine eigenen EyeQ-SoC-Bausteine entwickelt, die von 27 Fahrzeugherstellern verwendet werden. Mobileye behauptet, dass die neueste Generation, der EyeQ5, in der Lage ist, die Autonomiestufe 4 bis 5 zu erreichen. Der Chip läuft mit 24 TOPS bei einer Leistungsaufnahme von 10 W. Wir können davon ausgehen, dass der Chip im 4. Quartal 2021 zum Einsatz kommen wird, wenn Geely plant, Modelle von Lynk & Co mit dem SuperVision ADAS-Produkt von Mobileye auf den Markt zu bringen, das zwei EyeQ5-Chips verwendet. Es ist derzeit nicht bekannt, wie viel Strom das 2×-Chip-Steuergerät verbrauchen wird.
Nvidia
Nvidia bietet zwar am wenigsten ADAS- und AV-Funktionen auf seinen Chips an, hat aber eine sehr große Reichweite in der Branche. Durch seine Hardware- und Softwarelösungen arbeitet Nvidia mit OEMs, Tier 1s und sowohl großen AV-Entwicklern (Argo AI, Aurora, Zoox) als auch kleineren (Nuro, Momenta, Navya) zusammen. Nvidias automatisierungsspezifischer Chip, der Drive AGX Xavier (30 TOPS bei 30 W), kann mit den Turing-GPUs gepaart werden, um höhere Rechenleistungen zu unterstützen, allerdings mit einem viel höheren Stromverbrauch. Nvidias AV-Computer, der Pegasus, läuft mit 320 TOPS bei 500 W. Das Unternehmen plant ein System der Generation 2022 mit dem Namen Orin, das über verschiedene Automatisierungsstufen (Stufen 2 bis 5) skaliert werden kann.
#LuxTake
Mobileye hat zwar das beste Verhältnis von Rechenleistung zu Stromverbrauch (2,4 TOPS/W) und Nvidia kann die größte Masse auf einem Chip bereitstellen (30 TOPS), aber der Wettbewerb in der Fahrzeugautomatisierung hängt weniger von diesen Arten von Hardware-Spezifikationen ab. Letztlich geht es im AV-Wettbewerb nicht darum, wer die besten Chips hat. Vielmehr folgen die Chips den Lösungen. Tesla ist der festen Überzeugung, dass es die beste Lösung hat, und stellt deshalb seinen eigenen Chip her.
Diejenigen, die den ADAS- und AV-Lösungen von Mobileye vertrauen, werden die Chips von Mobileye verwenden. Entwickler, die ihrer eigenen Software vertrauen, aber über mehrere OEMs hinweg skalieren wollen (Argo AI, Aurora), nutzen Partnerschaften mit Nvidia. Die Entwicklung von KI-Chips ist zwar ein wichtiger Aspekt, wenn es darum geht, automatisierte Funktionen in Fahrzeuge zu bringen, aber sie ist nicht der entscheidende Teil der Lösung.
Diese drei Unternehmen sind zwar Zulieferer in diesem Bereich, aber auch andere Unternehmen in diesem Bereich sind proaktiv in der Chipentwicklung tätig. Im Jahr 2020 gründeten Toyota und Denso ein Joint Venture namens Mirise Technologies, das sich auf die Forschung und Entwicklung von Halbleitern konzentriert, einschließlich SoCs für Autonomie, Elektrifizierung, Konnektivität usw. Andere Unternehmen wie Nio und Geely untersuchen ebenfalls kundenspezifische SoCs. In ähnlicher Weise tun Kunden gut daran, AV-Chips nicht im luftleeren Raum zu betrachten, sondern eher als Teil einer ADAS/AV-Strategie oder sogar eines Steuergeräteportfolios für Fahrzeuge.