El "líder del cuero" Huang Renxun y su imperio de conducción autónoma
Justo en septiembre de este año, @Jidian experimentó la función NOP (¿Navigate? on? Pilot) de NIO. Un cálculo rápido muestra que esta es la segunda función de conducción auxiliar después de Tesla FSD (NoA) que puede entrar y salir automáticamente de las puertas y cambiar de carril y adelantar automáticamente según las rutas de planificación de navegación.
NOP se ha enviado a los usuarios a través de FOTA y es compatible con todos los modelos NIO. Aunque es un ES8 "anticuado", la redundancia de potencia informática de su chip Mobileye EyeQ4 incorporado puede satisfacer completamente las necesidades de NOP.
Cuando se trata de conducción asistida avanzada, además de las cámaras de alta definición y varios radares, se puede decir que los chips son la parte más importante y más difícil de superar para las empresas de automóviles en la actualidad, excepto por. Tesla, que puede lograr el autodesarrollo. Además, Mercedes-Benz, BMW, Weilai y Xiaopeng han optado por subcontratar chips. Hay muchos fabricantes de ADAS que pueden proporcionar este tipo de chips, como Mobileye, Bosch, Texas Instruments y NVIDIA. Al ver esto, algunas personas se preguntarán:
¿No es NVIDIA la que fabrica? ¿Tarjetas gráficas y GPU?"
En comparación con caras conocidas como Bosch y Texas Instruments, Nvidia es de hecho lo suficientemente “transfronteriza”, pero ¿no puede realizar conducción autónoma con una GPU? Obviamente no, ¿no es Mobileye también de Intel ahora?
¿Por qué se pueden usar las GPU para la conducción autónoma?
En cuanto a por qué la tarjeta gráfica que usas para jugar puede ser utilizado para la conducción autónoma, entonces primero tengo que Del proceso de realización de la conducción autónoma.
La conducción autónoma consta principalmente de tres procesos: percepción, toma de decisiones y ejecución. La cámara/sensor detecta las condiciones de la carretera y la información sobre el estado de la carretera se transmite al chip de conducción autónoma para la toma de decisiones. La información de toma de decisiones se transmite luego al volante/motor para realizar acciones específicas. La GPU participa en el proceso de "toma de decisiones".
La "toma de decisiones" es en realidad aprendizaje profundo, y el aprendizaje profundo es un modelo de red matemático que simula el sistema nervioso del cerebro humano. Este modelo se caracteriza por una gran cantidad de datos (mucha información de tráfico). Entre ellos Contiene una gran cantidad de datos que no están relacionados lógicamente, lo cual es muy similar al trabajo diario de la GPU (renderizar imágenes) (los píxeles en cada cuadro son independientes y no están relacionados lógicamente), por lo que una GPU con mejor paralelo. Las capacidades informáticas, naturalmente, están calificadas para el trabajo de aprendizaje profundo.
Aunque las GPU son naturalmente adecuadas para el aprendizaje profundo, es bastante difícil escribir un programa que pueda hacer que la GPU funcione de manera eficiente. No fue hasta 2007 que NVIDIA lanzó el kit de herramientas de programación CUDA para facilitar a los programadores escribir código. Usando JAVA y C., las supercomputadoras equipadas con GPU comenzaron a florecer en todas partes. (Entre las 500 supercomputadoras más importantes del mundo, 8 de los 10 hogares más importantes utilizan GPU NVIDIA)
NVIDIA DRIVE AGX Orin
DRIVE AGX Orin es la última generación de software NVIDIA A. Plataforma definida para conducción autónoma y robots, consta de una nueva arquitectura de GPU, CPU Arm Hercules, aprendizaje profundo y aceleradores de visión por computadora. Su rendimiento es 7 veces mayor que el de la generación anterior DRIVE Xavier, y su potencia informática puede alcanzar 200Tops.
AGX Orin puede manejar una gran cantidad de aplicaciones y redes neuronales profundas que se ejecutan simultáneamente en conducción autónoma. Como plataforma de posicionamiento de software, AGX Orin es compatible con la conducción autónoma de L2 a L5, lo que lo hace conveniente para el desarrollo de OEM. aplicaciones Serie de productos en diferentes campos Además, vale la pena mencionar que se espera que esta plataforma alcance el SOP en 2022. ¿En cuanto a por qué se eligió 2022? Si nos fijamos en lo que Volkswagen y Geely quieren hacer en 2022, quedará claro.
“Construir vehículos autónomos seguros es quizás el mayor desafío informático al que se enfrenta la sociedad actual. La inversión necesaria para fabricar vehículos autónomos está aumentando exponencialmente. Ante las complejas tareas de desarrollo, empresas como Orin son escalables y programables. , la plataforma de IA definida por software es indispensable.
”——El fundador de NVIDIA, Jensen Huang
NVIDIA y su imperio autónomo
Hace 20 años, NVIDIA redefinió la tecnología moderna de gráficos por computadora y promovió el desarrollo del mercado de juegos de PC en la actualidad. 20 años después, NVIDIA se ha transformado en una empresa líder en los campos de la tecnología de inteligencia artificial y la computación en la nube.
2015 - Drive?PX, potencia informática (potencia informática de punto flotante de precisión simple) 2Tops. Conducción autónoma de nivel L2
2016 - Drive?PX2, tiene una potencia informática de 8Tops, admite conducción autónoma de nivel L3
2017 - Drive?Xavier, tiene una potencia informática de 30Tops, admite Conducción autónoma de nivel L4
2019 - DRIVE?AGX?Orin, tiene una potencia informática de 200Tops, admite conducción autónoma de nivel L5 y es compatible con conducción autónoma de nivel L2 ~ L4
Solo 5 Durante años, la potencia informática de la plataforma de conducción autónoma NVIDIA DRIVE ha aumentado casi 100 veces. Mirando el último EyeQ5 de Mobileye, solo tiene 12 mejores que la potencia informática de NVIDIA. GPU en DRIVE es un chip informático de uso general, por lo que su alta potencia informática también genera un mayor consumo de energía y costos de construcción. Mobileye EyeQ4 se basa en una arquitectura ASIC personalizada, por lo que su rendimiento de consumo de energía es mejor que el de NVIDIA DRIVE.
El “círculo de amigos” de NVIDIA DRIVE
Hoy en día, cuando no existe ningún monopolio en el campo de la conducción autónoma, el ecosistema parece ser más rico que el hardware (potencia informática). Más importante aún, al comienzo del artículo mencionamos que Tesla FSD es un sistema de conducción asistida cerrado. De hecho, en comparación con Mobileye, Mobileye sólo puede vender todo el conjunto de soluciones de conducción autónoma a diferentes empresas. . sensores lidar), y Nvidia, como estrella en ascenso, adopta un sistema de tecnología abierta. No solo venden chips/plataformas, kits de desarrollo de software, herramientas de aplicaciones, etc., sino que también cooperan activamente con empresas de automóviles para desarrollar sistemas autónomos de alto nivel. tecnología de conducción, y por esta razón, muchas empresas de automóviles y productos de nivel 1 se basan actualmente en NVIDIA DRIVE, como el sistema de conducción autónoma lanzado por Bosch en BCW, zFAS de Audi, etc.
Estamos ahí. También hay un ejemplo, es decir, el Xpeng P7 equipado con XPILOT 3.0 se aplica a NVIDIA Drive. Para la tecnología de posicionamiento de vehículos y banda base, XPILOT 3.0 utiliza el chip Qualcomm Snapdragon 820A. de diferentes proveedores según las funciones también es un reflejo de la apertura de NVIDIA Drive.
En la conferencia GTC China del año pasado, NVIDIA también anunció que Didi utilizaría las GPU de NVIDIA para desarrollar soluciones de conducción autónoma y computación en la nube. Incluyendo el uso de su algoritmo de aprendizaje automático de entrenamiento de GPU en la nube (centro de datos) y también el uso de la plataforma NVIDIA DRIVE en el automóvil.
De hecho, además de Didi, empresas nacionales como Xpeng Motors, WeRide, Pony.ai, Meituan, Cainiao, JD.com, AutoNavi Maps, Baidu Maps y otras empresas han anunciado su cooperación con NVIDIA para Hasta cierto punto, debido a que NVIDIA DRIVE es lo suficientemente abierto, se ha ganado el favor de muchos OEM, empresas Robotaxi y Tier 1.
Comprar, comprar, comprar
Si observamos a los fabricantes de semiconductores extranjeros que se encuentran en el primer escalón de la industria, las fusiones y adquisiciones extensivas son su principal medio para mejorar su competitividad. Nvidia también ha iniciado el modo de compras locas.
(1) Adquisición de Mellanox Technologies por 48.800 millones de yuanes
A finales de abril de este año, NVIDIA completó la adquisición de Mellanox Technologies. Quizás todos no estén familiarizados con Mellanox Technologies. , Esta es una empresa fundada en 1999. Su negocio principal incluye soluciones de conexión de extremo a extremo para servidores y almacenamiento. Es un fabricante que ha estado involucrado en productos de interconexión InfiniBand y Ethernet durante décadas.
Actualmente, el negocio de centros de datos representa 1/3 de los ingresos totales de NVIDIA. La adquisición de Mellanox Technologies permite a NVIDIA poseer tecnologías de extremo a extremo, desde computación de inteligencia artificial hasta redes. Del procesador (GPU) al software. A medida que aumente la demanda de servicios globales de Internet, habrá más escenarios de implementación para aplicar tecnología de inteligencia artificial y computación acelerada.
(2) Adquisición de Arm por 273,32 mil millones de yuanes
*Los reguladores chinos aún no lo han aprobado (razones antimonopolio)
Después de adquirir Mellanox, Nvidia En septiembre, expresó su intención de adquirir ARM. Debido a que los procesadores de la serie Tegra para plataformas móviles han fracasado, Nvidia casi no tiene participación en los mercados de teléfonos inteligentes, tabletas o IoT, y estas áreas resultan ser los puntos fuertes de ARM.
Si esta adquisición se puede llevar a cabo, las deficiencias de NVIDIA se solucionarán de una sola vez. Imagínese lo "terrible" que sería combinar la plataforma informática de inteligencia artificial de NVIDIA con el enorme ecosistema de ARM. Para entonces, casi todos los productos electrónicos con los que podamos entrar en contacto en nuestras vidas serán inseparables de NVIDIA. y AMD tendrá miedo de que "Brother Nose no tenga carne".
En cuanto al campo automotriz, la plataforma NVIDIA DRIVE y las máquinas para automóviles basadas en ARM también se pueden conectar de manera más funcional para formar un conjunto completo de soluciones de sistemas de entretenimiento/navegación/conducción autónoma para máquinas para automóviles y luego empaquetarlas y venderlas. a ellos.
¿El futuro de la conducción autónoma realmente pertenece a las GPU?
Los algoritmos de inteligencia artificial son el núcleo y el hardware es la base. Con el aumento de la demanda de aprendizaje profundo en los últimos años, los chips FPGA y ASIC han comenzado a surgir, algunos incluso dicen que la inteligencia artificial y el hardware de conducción autónoma. La batalla, en última instancia, es la batalla entre GPU, FPGA y chips ASIC.
Así como Nvidia, la protagonista de este artículo, es fanática de las GPU, y Mobileye, que ocupa la mayor parte del mercado de sistemas de conducción asistida de alto nivel, siempre ha utilizado chips de arquitectura ASIC, ¿quién es el ¿El futuro de la conducción autónoma?
Parece que sólo el tiempo lo dirá.
Este artículo proviene del autor de Autohome Chejiahao y no representa los puntos de vista ni las posiciones de Autohome.