20

安创加速器 · 6月3日

安创芯视野No.27回顾丨自动驾驶高性能AI芯片的平台化应用


第二十七期回顾

《安创“芯”视野》第27期,邀请到了黑芝麻智能科技产品总监武钰,她以“自动驾驶高性能AI芯片的平台化应用”为题,从黑芝麻AI芯片研发布局、芯片自主可控核心IP、自动驾驶平台化应用三个方面为大家介绍了黑芝麻智能科技在AI芯片领域里的发展情况。

视频回放地址https://aijishu.com/l/1110000000209276

大家好,我叫武钰,来自黑芝麻智能科技。今天给大家带来的演讲题目是自动驾驶高性能AI芯片的平台化应用。

从传统汽车时代到自动驾驶时代的演变

现在汽车行业面临着巨大的变革。从之前以机械结构、燃料发展和生产制造为基础的传统行业,慢慢发展到以人工智能为核心的自动驾驶时代。汽车硬件和软件的升级,以及新的应用场景诞生使得自动驾驶应用高速发展。在自动驾驶时代,核心在于芯片、人工智能技术,电子电气架构改革,以及电池技术。到了无人驾驶的时代,我们会面临完全不一样的汽车行业。到那时,汽车不仅仅是一个交通工具,还会成为人类新的数字终端。大数据分析管理,会为人类带来数字化、智能化的高端体验。同时,会出现像无人驾驶出租车或者无人驾驶班车的运营管理。可以大胆做个假设,一旦到了无人驾驶时代,汽车的形态也会发生巨大改变。

图片1.png
但自动驾驶发展肯定不是一蹴而就的,它分为多个节点。SAE的看法认为发展趋势是由L1、L2……逐步增加到L5。但经过接近10年的发展,大家发现其实自动驾驶的商业化落地分为两条路径。一种是从下到上,从L1发展到L3,升级过程是由Tier 1通过跟硬件和软件的Tier 2合作,给主机厂提供解决方案。从最开始的自动巡航到现在最热门的自动泊车,它们都是作为模块化的应用提供给主机厂,主机厂根据客户体验和智能化的提升需求去逐步迭代产品。

另一种发展路线,如Waymo、滴滴、百度等这类高科技公司,他们走的是从上往下的道路。比如,他们会在开放性道路来运营L4无人驾驶出租车,以及一些特定区域里研发功能型无人车辆。但不论商业模式怎么变化,自动驾驶的核心都是利用人工智能感知技术和车路协同处理,来让汽车变得更加智能和安全。

整车电子电气架构  从分布式逐步向集中式演进

智能驾驶、智能座舱以及智能网联的发展,不断推进汽车电子电气架构的改革。从通过增加单颗ECU来加入新功能的传统分布式架构,逐步过渡到域控制器架构,这一变化不仅优化了线束用量,还降低了网络拓扑的复杂性。

图片2.png

目前汽车域控制器架构如上图所示:包括娱乐座舱域、ADAS、车身以及底盘等。域控制器是以功能进行整合,它们之间的信息传输是通过车身网关。但是这并不是终极形态,因为座舱和智能驾驶对于算力和硬件平台的要求是非常高的。未来会集成为一个类似于中央大脑的计算平台,其它的节点会通过物理划分的域网关来接入。

以特斯拉为例,他的架构是介于第二种和第三种架构之间。特斯拉本身也在不停地进行硬件迭代。从之前的Mobileye和英伟达的ADAS模块方案,逐步过渡到以自研FSD芯片来作为中央计算平台。特斯拉先把硬件做到支持极高算力,后期通过OTA升级带来软件的提升和功能迭代。

自动驾驶对于硬件算力的要求是随着传感器数目和传感器类型的增加来逐步提升。之前的ADAS域控制器,一般包含两块分离的ECU:低速和高速ECU。高速ECU是以行车中ADAS功能为主,比如,单目或双目前视摄像头、前向中长距的毫米波雷达等;低速ECU主要是实现低速场景的ADAS应用,主要是泊车功能。这类分布式控制器对芯片的要求并不会太高,主要是做传统视觉或者轻量化网络处理,目标级的数据融合。芯片的功能安全也没有明确需求,QM或者ASIL-B都可以满足。

图片3.png

随着ADAS功能逐步升级、集成到自动驾驶计算平台中,低速和高速功能会进行合并。此时,对于硬件来讲,高算力、高可靠性、低时延、大带宽、支持Fota升级,支持原始数据前融合,支持高精度神经网络会变得非常重要。处理的感知数据会包括:多路摄像头、多路毫米波雷达,激光雷达以及高清地图输入。

关于黑芝麻智能

我们的公司叫黑芝麻智能,成立于2016年,主要是做支持L2级别以上自动驾驶的车规级芯片。
图片4.jpg

自动驾驶芯片一般是多核异构的架构,需要不同类型的运算IP,包含GPU、NPU和CPU等,所以在芯片设计中异构IP配置会非常重要。但是配置IP并不是把算力越做越高就好,还涉及到整个芯片的设计和验证,像带宽、外设、内存等方面都要兼顾到。而且,芯片内部的处理是有数据流的,在设计芯片的过程中,需要根据数据流,来帮助客户在每一个运算步骤上做硬件优化。

黑芝麻提供的产品在整个自动驾驶系统中是作为中央计算平台。前端输入激光雷达、毫米波雷达、视觉以及超声波传感器的感知信号,在中央计算平台上做数据处理、数据融合、决策、路径规划等运算,然后把结果传输给网关或者底盘控制模块去做车身控制。

黑芝麻核心的竞争力在于提供车规级、高AI算力、多核异构的芯片产品。我们现一代产品使用TSMC 16纳米FinFET工艺。在芯片上集成了自主知识产权的核心IP,即黑芝麻智能自己的NPU和ISP。芯片有独立ASIL-D安全岛,拥有基于流程和产品的ASIL-B功能安全认证。

图片5.png
上图是黑芝麻智能的芯片产品与英伟达、特斯拉、Mobileye在算力、功耗和能效比等方面的对比。

黑芝麻智能自研IP

图片6.png
接下来,我们说下黑芝麻两个自研的核心IP。首先是ISP,黑芝麻ISP模块可以处理12路摄像头,30Gbps的图像数据输入。我们的ISP硬件和算法可以达到极佳的高动态范围同时保证低时延。

图片7.png第二个是黑芝麻智能自主研发出的NPU架构,DynamAI NN引擎。其中,核心的是在于4颗4K 卷积阵列运算阵列,它能够提供神经网络上的典型卷积层运算。上图右边部分就是我们两个典型视觉处理应用。在低光情况下,我们能够通过有效的ISP处理和神经网络运算来检测镜头里的中小目标物体。第二张图是用神经网络运算对图像进行语义分割和理解。比如对道路障碍物、交通标识、行人等多种类型做语义分割。

“山海”人工智能工具链

黑芝麻智能最新发布了“山海”人工智能工具链。整个工具链包含4个部分,第一部分是神经网络模型库,我们提供了多达50多种的参考神经网络模型给客户。基于不同的视觉应用,比如目标识别、小物体识别和语义分割,我们都会有推荐的神经网络模型。第二部分是人工智能训练框架,客户之前如果是用TensorFlow、pytorch或者Caffe训练出来的神经网络类型,都可以自动转换到内部的训练框架。第三部分是对不同的神经网络类型进行量化,裁剪、算子融合、优化、子图分割等操作。第四部分工具链会自动生成优化后的,在嵌入式硬件中可执行的代码和参数,然后部署到硬件上。

图片8.png
整体的AI算法开发流程

对于芯片,黑芝麻智能一直认为车规级别认证和功能安全认证是非常重要的。 因为一颗真正的车规级芯片绝对不能用消费类的产品设计来看待。我们从最初的产品设计流程就引入了功能安全开发的理念。我们给到客户的是,满足AEC-Q100 Grade 2和ISO26262 ASIL-B的高可靠性大算力芯片。

总结:第一,大算力芯片是自动驾驶技术发展的核心基础。基于硬件算力的增强,才能达到传感器配置和软件算法的迭代。第二,黑芝麻的自动驾驶计算芯片演进,是由我们自主研发的核心IP不断优化所推进的。第三,成熟的工具链帮助客户更快的将算法验证和集成。第四,基于芯片的车规级别功能安全认证可以保障产品的高可靠性,确保客户产品落地。

以上就是我今天的分享。谢谢大家。

20 阅读 522
推荐阅读
0 条评论
关注数
1379
内容数
23
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息