• ?在線留言

    車規級計算芯片如何應對算力飆升挑戰

    規級計算芯片如何應對算力飆升挑戰



    來源:新華社

    隨著汽車智能化進程不斷推進,其計算平臺的算力等級也在直線飆升。如果說L2級汽車自動駕駛所需芯片算力為10TOPS,那么業界普遍預計L3+級算力將達到1000TOPS。提升計算效率已經成為汽車智能化發展的關鍵一環。然而,車大算力芯片的開發不僅面臨功耗、散熱、電磁、質量等多重挑戰,芯片算力也存在物理上限。如何應對這些挑戰將是車用計算芯片廠商發展的著力點。

    軟件定義汽車催生算力需求

    隨著智能化、電動化、網聯化的發展,汽車產業正在發生巨大改變,軟件定義汽車(SDV逐漸成為業界共識。相關統計數據顯示,目前約90%汽車行業的創新來自汽車軟件和電子領域。受到這一趨勢的影響,智能汽車的設計架構也在發生巨大改變,從傳統的分布式ECU架構向域控制器集中式架構演進。

    廣汽研究院智能網聯技術研發中心副主任梁偉強就指出:芯片的集成化程度越來越高,算力越來越大,已經成為智能汽車向集中式架構發展的關鍵,對擴展智能駕駛場景、提升智慧座艙的交互體驗至關重要。芯片的算力和集成度直接決定了電子電器架構的形態,從而決定了智能汽車的性能和表現。

    算力的提升對于汽車的供應鏈管理,解決汽車產業缺芯問題,也有巨大幫助。根據地平線副總裁李星宇的介紹,目前汽車中需要管理汽車芯片的料號超過1000種,一輛汽車用到的芯片達到300顆,未來隨著智能汽車的進一步發展,數量還會更大。車廠需要進一步簡化架構,大幅度減少汽車芯片種類,提升單芯片本身的性能和集成度是解決這一問題的重要方向。

    在此情況下,越來越多的芯片廠商投入到算力比拼的戰場當中。英偉達作為行業龍頭,最新推出的自動駕駛芯片Atlan,單顆芯片的算力達到1000TOPS(每秒1萬億次定點計算),相比此前推出的自動駕駛芯片Orin,算力提升接近4倍。國內廠商方面,地平線擁有國內首款車AI芯片征程,征程五算力可達96TOPS。黑芝麻于2021年在上海車展發布新一代A1000pro,算力達到106TOPS。

    ---融合應對算力上限挑戰

    不過汽車的智能化并非堆砌硬件那么簡單。業界普遍認為,當前汽車所需算力可根據車內傳感器采集到的數據量綜合推算出來,L2級別的自動駕駛,計算能力大致需要10TOPS,L3需要100TOPS以上的算力,到L3+的算力級別已經上升到1000TOPS以上。然而,要想支撐龐大算力的應用,車載計算平臺的復雜度將呈數倍提升,芯片供應商勢必將面臨功耗、散熱、電磁、質量等多重挑戰。

    更重要的是,在汽車IT化的大背景下,消費者在智能手機上的用戶體驗和使用偏好正在延伸至車載環境。智能手機可以通過系統性的升級讓消費者體驗到階段性的功能更新,汽車的應用周期更長,卻不可能像手機一樣用一兩年就更換。如何滿足汽車在生命周期內,OTA軟件與算法升級帶來的持續上漲的算力需求,將是芯片廠商面臨的更加重要的挑戰。

    黑芝麻CEO單記章在此前的演講中曾經介紹,現在的一個新的商業模式是在車內進行硬件預埋,然后通過軟件升級提供附加價值。車企不是特別了解未來需要多大的算力,但可以先把算力預埋進去,之后再去升級它的功能。

    馭勢資本報告顯示,這也是目前車廠相對普遍的作法,采用硬件預置,軟件升級的策略,通過預置大算力芯片,為后續軟件與算法升級優化提供發展空間。車載計算芯片在上車之后需要滿足產品510年的使用需求。

    但是,硬件預置也只能在一定程度上解決這一問題,要想從根本上突破單車算力的物理上限,實現算力供給彈性拓展,還需要從---融合計算的角度發力。東土科技高級副總經理薛百華指出,未來智能車的發展肯定是以軟件定義的架構出現,要解決算力問題,一是如何提供更好的硬件算力,二是如何提供更高的網絡帶寬,以便進行實時通信。這是未來汽車發展需要面對的兩個必不可少問題。

    也就是說,未來的智能汽車需要通過云端、通信網端、邊端、車端的連接融合,建立一個充滿計算和通信能力的環境,形成智能汽車算力服務網絡。在新的計算架構下,5G+V2X提供更高效的通信管道,云端、邊端、車端之間可實現近似實時的數據交互。智能汽車與邊緣計算節點實現協同感知和計算任務協同,具備低時延、本地數據脫敏處理等優勢,車載計算平臺聚焦現場級計算需求,云計算則聚焦非實時的大體量數據分析與算法訓練。在---融合的泛在計算架構下,實現車載計算的龐大算力需求。

    2022年3月24日
    ?瀏覽量:0
    ?收藏