ในขณะที่การวิ่งมาราธอนสําหรับยานพาหนะอัตโนมัติมีค่าใช้จ่ายเป็นต้นไปซอฟต์แวร์มักจะเป็นศูนย์กลางของการสนทนาอย่างถูกต้อง อย่างไรก็ตาม ก่อนที่รถยนต์ไร้คนขับ (AVs) จะสามารถทํางานได้อย่างปลอดภัยบนถนนสาธารณะหน่วยงานกํากับดูแลต้องการเห็นความถี่เฉลี่ยของความล้มเหลวอยู่ที่ประมาณ 1,000× น้อยกว่า ผู้ขับขี่ที่เป็นมนุษย์ทั่วไป สิ่งนี้จะต้องมีการพัฒนาเทคโนโลยีพื้นฐานเพิ่มเติมซึ่งรวมถึงการปรับปรุงรูปแบบซอฟต์แวร์ไม่เพียง แต่ยังปรับปรุงและปรับขนาดฮาร์ดแวร์ที่ขับเคลื่อนซอฟต์แวร์ที่ซับซ้อนมากขึ้น
เพื่อนร่วมงานของฉัน Cole McCollum เคยกล่าวถึง การปรับปรุงประสิทธิภาพที่เห็นในอุตสาหกรรมชิป AI ในบล็อกนี้ฉันจะสรุปวิธีการบางอย่างในการใช้ชิปเหล่านั้นในแอปพลิเคชันยานยนต์อัตโนมัติ
Tesla, Mobileye และ Nvidia ล้วนเป็นตัวอย่างที่ดีของกลยุทธ์ที่หลากหลายสําหรับชิป AI ในพื้นที่ยานยนต์ การผสานรวมแนวตั้งของ Tesla ให้การปรับแต่งในระดับที่ยิ่งใหญ่ที่สุดสําหรับโซลูชันเฉพาะแม้ว่าจะยากกว่าที่จะเข้าถึงการประหยัดต่อขนาดที่มีให้สําหรับ Mobileye และ Nvidia Mobileye มีแรงบันดาลใจ AV ของตัวเอง แต่ขาดเครือข่ายที่กว้างขวางของ Nvidia Nvidia สามารถใช้ประโยชน์จากธุรกิจ GPU ที่มีอยู่เพื่อปรับปรุงระบบ AI ของตน
เท สลา
เพื่อนําความสามารถอัตโนมัติที่เรียกว่า Full Self-Driving (FSD) ออกสู่ตลาดได้เร็วขึ้น Tesla จึงตัดสินใจ สร้างคอมพิวเตอร์ของตัวเองโดยมีชิปเครือข่ายประสาทเทียมที่ออกแบบเอง คอมพิวเตอร์ FSD ประกอบด้วยระบบคู่บนชิป (SoCs) ที่พัฒนาภายในโดยเทสลา มันทํางานที่ 144 TOPS โดยมีการใช้พลังงาน 72 W ในปี 2019 บริษัท อ้างว่าคอมพิวเตอร์ FSD มีค่าใช้จ่าย 80% ของสิ่งที่ Tesla จ่ายสําหรับระบบที่ใช้ Nvidia ก่อนหน้านี้ (ไม่รวมค่าใช้จ่ายในการออกแบบ)
โมบิลเย่
แม้ว่าจะไม่ใช่ OEM อัตโนมัติเช่น Tesla แต่ Mobileye ก็พัฒนาซอฟต์แวร์ ADAS และ AV ของตัวเอง ( คลิกที่นี่เพื่อ วิเคราะห์กลยุทธ์ AV CES 2021 ของ Mobileye) เพื่อนําความสามารถเหล่านี้มาสู่ลูกค้า Mobileye ได้พัฒนา อุปกรณ์ EyeQ SoC แบบกําหนดเองซึ่งผู้ผลิตรถยนต์ 27 รายใช้ Mobileye อ้างว่า EyeQ5 รุ่นล่าสุดสามารถเป็นอิสระระดับ 4 ถึง 5 ได้ ชิปทํางานที่ 24 TOPS ที่การใช้พลังงาน 10 W เราสามารถคาดหวังให้ชิปใช้งานได้ในไตรมาสที่ 4 ปี 2021 เมื่อ Geely วางแผนที่จะเปิดตัวรุ่น Lynk & Co ด้วยผลิตภัณฑ์ SuperVision ADAS ของ Mobileye ซึ่งใช้ชิป EyeQ5 สองตัว ขณะนี้ยังไม่ทราบแน่ชัดว่า ECU ชิป 2× จะใช้พลังงานเท่าใด
NVIDIA
ในขณะที่ Nvidia ทําน้อยที่สุดในแง่ของการให้ความสามารถ ADAS และ AV บนชิป แต่ก็มีการเข้าถึงในวงกว้างทั่วทั้งอุตสาหกรรม ด้วยโซลูชันฮาร์ดแวร์และซอฟต์แวร์ Nvidia ได้ร่วมมือกับ OEM, Tier 1s และนักพัฒนา AV รายใหญ่ทั้งสองราย (Argo AI, Aurora, Zoox) และขนาดเล็ก (Nuro, Momenta, Navya) ชิปเฉพาะระบบอัตโนมัติของ Nvidia คือ Drive AGX Xavier (30 TOPS ที่ 30 W) สามารถจับคู่กับ GPU Turing เพื่อรองรับการประมวลผลในระดับที่สูงขึ้น แต่มีการใช้พลังงานที่สูงกว่ามาก คอมพิวเตอร์ AV ของ Nvidia Pegasus ทํางานที่ 320 TOPS ที่ 500 W บริษัทกําลังกําหนดเป้าหมายระบบการสร้างปี 2022 ที่เรียกว่า Orin ซึ่งจะสามารถปรับขนาดได้ในระดับต่างๆ ของระบบอัตโนมัติ (ระดับ 2 ถึง 5)
#LuxTake
ในขณะที่ Mobileye มีอัตราส่วนการประมวลผลต่อกําลังที่ดีที่สุด (2.4 TOPS / W) และ Nvidia สามารถให้จํานวนมากที่สุดบนชิป (30 TOPS) การแข่งขันในระบบอัตโนมัติของยานพาหนะอาศัยข้อกําหนดฮาร์ดแวร์ประเภทนี้น้อยลง ในที่สุดการแข่งขัน AV ไม่ได้ติดตามว่าใครมีชิปที่ดีที่สุด แต่ชิปทําตามวิธีแก้ปัญหา เทสลาเชื่ออย่างกล้าหาญว่ามีทางออกที่ดีที่สุดดังนั้นจึงสร้างชิปของตัวเอง
ผู้ที่ไว้วางใจโซลูชัน ADAS และ AV ของ Mobileye จะใช้ชิปของ Mobileye นักพัฒนาที่ไว้วางใจซอฟต์แวร์ของตนเอง แต่ต้องการปรับขนาดใน OEM หลายราย (Argo AI, Aurora) ใช้ความร่วมมือกับ Nvidia แม้ว่าการพัฒนาชิป AI จะเป็นสิ่งสําคัญในการนําคุณสมบัติอัตโนมัติมาสู่ยานพาหนะ แต่ก็ไม่ใช่ส่วนที่ทําให้หรือทําลายโซลูชัน
ในขณะที่ทั้งสาม บริษัท นี้เป็นซัพพลายเออร์ในพื้นที่ บริษัท อื่น ๆ ในพื้นที่กําลังดําเนินการเชิงรุกเกี่ยวกับการพัฒนาชิปเช่นกัน ในปี 2020 โตโยต้าและเด็นโซ่ได้เปิดตัวบริษัทร่วมทุนชื่อ Mirise Technologies ซึ่งมุ่งเน้นไปที่การวิจัยและพัฒนาในเซมิคอนดักเตอร์ รวมถึง SoC เพื่อความเป็นอิสระ คนอื่น ๆ เช่น Nio และ Geely กําลังตรวจสอบ SoC ที่กําหนดเองเช่นกัน ในทํานองเดียวกันลูกค้าจะทําได้ดีที่จะไม่พิจารณาชิป AV ในสุญญากาศ แต่เป็นส่วนหนึ่งของกลยุทธ์ ADAS / AV หรือแม้แต่พอร์ตโฟลิโอ ECU ของยานพาหนะ