工信部:2020年突破自动驾驶智能芯片等关键技术

工信部消息,工信部办公厅印发《新一代人工智能产业创新重点任务揭榜工作方案》的通知,到2020年,突破自动驾驶智能芯片、车辆智能算法、自动驾驶、车载通信等关键技术,实现智能网联汽车达到有条件自动驾驶等级水平

zidong2018111501

突破智能服务机器人环境感知、自然交互、自主学习、人机协作等关键技术,实现智能家庭服务机器人、智能公共服务机器人的批量生产及应用。智能消费级无人机三轴机械增稳云台精度达到0.005度,实现360度全向感知避障。全国90%以上地区的宽带接入速率和时延满足人工智能行业应用需求,在重点企业实现覆盖生产全流程的工业互联网示范建设,在重点区域初步建成车联网网络设施。

为什么自动驾驶芯片是AI芯片的珠穆朗玛峰?

zidong2018111503

今年,AI芯片是人工智能业界最大的主题,但是在AI芯片公司中,投身自动驾驶这一赛道的公司并不多。自动驾驶对算力的要求是最高的,对初创公司来说,是巨大的挑战。

在自动驾驶的算力需求下,芯片的设计很容易达到功耗、成本的极限,因此需要逆转设计理念,从算法出发,推导所需要的计算构架。跟GPU构架的性能相比,地平线第二代BPU的构架的优势非常显著。这种算法和计算构架的协同设计,使得地平线也极大地提高了计算能力的利用效率。

自动驾驶的设计首先面临的挑战就是计算构架,面对人工智能算法的高速演进,深厚的算法积累对芯片设计非常重要。

第二个挑战是功能安全。在汽车安全领域,要使自动驾驶达到ASIL-D的要求,流程上要符合ISO26262的全生命管理,就需要在开发流程设计、验证等所有步骤中做到符合规范。

第三个挑战是成套技术的开发难度高。不同的环境对系统架构的需求不同,因此需要开放的平台来支撑。但开放的平台需要完整的工具链,从云端的训练平台到端上的编译器,一套技术开发的难度可能是研发芯片的5倍甚至10倍。

其实很多领域都在探讨,自动驾驶领域中ASIC芯片是否为终极方案?

Electronic circuit board with processor

使用ASIC首先是出于成本,同样的算力,ASIC的成本要比GPU、FPGA、DSP要低。或许使用ASIC前期的投入较大,但量产后就能回收成本。第二,ASIC的运行效率要比其他的方案要高。这是自动驾驶的需要,因为自动驾驶称得上是对安全要求最高的一个行业。高盛最近的报告预测在2025年,FPGA、GPU和ASIC的比例。到2025年,GPU仍然占据2/3的市场,但是FPGA和ASIC的增长幅度较大。

未经允许不得转载:数智网 » 工信部:2020年突破自动驾驶智能芯片等关键技术

分享到: