在今年的國際消費性電子展(CES 2016),自動駕駛技術領域擴張意圖非常明顯。光是在自動駕駛車的晶片細分市場中,除了輝達(Nvidia)、Mobileye、恩智浦(NXP )和德州儀器(TI)等大家耳熟能詳的公司外,還湧現出了許多「新面孔」——例如IP供應商CEVA以及英特爾和高通(Qualcomm)等。汽車OEM廠商正敞開雙臂歡迎這些市場新進業者,IHS Automotive資訊娛樂與先進駕駛輔助系統(ADAS)研究總監Egil Juliussen在CES上表示,「這個領域突然變得熱鬧非凡。」
戰爭迷霧?
到現在為止,投資方和媒體社群都非常熱衷於支持自動駕駛車技術——傳感、攝影機、雷達和光達、地圖繪製、演算法、深度網絡(或者非深度網絡)與人工智慧等等。
但對於他們之中的大多數人來說,仍不清楚的是這些技術在自動駕駛車設計的演進中將如何收場,更不必說在這場戰爭中誰勝誰敗了。
Mobileye共同創辦人兼執行長Amnon Shashua
Mobileye共同創辦人兼執行長Amnon Shashua表示,他起初以為競爭對手故意傳播有關這些技術的錯誤消息,想要造成「戰爭迷霧」。但他現在意識到,「人們真的感到非常困惑,因為他們真的不了解。」
在今年的CES上,Nvidia挾其「深度學習」技術以及Mobileye展示地圖繪製技術,成為這次展會上最耀眼的明星,這兩家公司在ADAS和自動駕駛領域的競爭都相當激烈。
Mobileye在其新聞發布會上毫不客氣地公開批評Nvidia。Mobileye執行長Shashua指出,「我在Nvidia聲明中發現的是一個用液體冷卻的超級電腦,功耗達到250W,成本近1萬美元。我認為這樣的東西根本不屬於我們的世界。」
Ceva執行長Gideon Wertheizer將上述兩強之間的公開爭執描述為「投資的橋段」。事實上,Mobileye的股票在Nvidia發表聲明後不久就應聲下跌了近10%,而在CES上召開新聞發布會後又漲了一些。
多源地圖繪製
不過,Mobileye的聲明確實含有一定的重要技術份量。Wertheizer在一次接受《ETimes》的專訪中特別介紹了Mobileye最新開發的地圖繪製技術——稱為道路體驗管理系統(REM),並認為它對競爭晶片供應商以及恩智浦、博世(Bosch)與Denso等一線廠商來說可能「最具威脅性」。
據Mobileye透露,REM可以為精確定位和高解析車道資料創造「多源即時資料」,這是支援完全自動駕駛所需的重要資訊層。
Mobileye REM技術的後端作業(來源:Mobileye)
這種技術是根據執行於Mobileye EyeQ處理晶片的軟體。它能以極低的頻寬擷取地標和道路資訊——大約每行駛一公裡擷取10Kb(相形之下,Google進行定位和繪製HD地圖時大約每公裡1Gbit)。Mobileye解釋道,在雲端執行的後端軟體可以搭載車載軟體的所有汽車所發送的資料片段整合成一個全球地圖。
Mobileye的目視判讀機制(有助於壓縮資料)應該可以協助汽車製造商創造自己的『道路指南』(Road Book)。
Mobileye將會鎖定你
不過,值得注意的是,Mobileye的多源位置協調系統只能在安裝有Mobileye EyeQ晶片的汽車上才能工作。簡言之,「Mobileye正鎖定其客戶。」Ceva公司的Wertheizer指出。
很明顯地,隨著越來越多安裝Mobileye晶片的汽車上路,REM也變得越來越成功。Shashua認為,REM對於汽車OEM來說之所以有吸引力,是因為「大型汽車製造商在創造自家道路指南時可以發揮其於規模上的優勢。」
啟用REM對汽車製造商來說並不困難,Shashua指出,因為Mobileye的EyeQ晶片早已存在汽車生態系統中。建置REM所需要的就是EyeQ晶片和一條通訊鏈路——例如對於通用汽車(General Motors)來說,可以使用自己的On-Star系統。
通用汽車和福斯汽車(Volkswagen)在CES上宣布支援Mobileye提出的REM系統。另外一家規模與這兩家相當的客戶很快地也會籤約REM,Shashua透露。
值得注意的是,全球汽車產業中有三分之一都已經使用EyeQ晶片了,Shashua指出,「我們非常期望整個汽車產業都能用到REM。」目前只有豐田(Toyota)和戴姆勒(Daimler)這兩家公司尚未使用Mobileye的晶片。
Mobileye EyeQ晶片廣泛使用在汽車中(來源:Mobileye)
傳感器融合
截至目前為止,電子產業中的自動駕駛車主要解說員一直是Nvidia執行長黃仁勳。
竭力鼓吹『深度學習』的黃仁勳經常教育人們,自動駕駛車需要一個功能強大的視覺運算系統來融合從攝影機和其它傳感器而來的資料。換句話說,Nvidia最新推出的Drive PX2被黃仁勳宣稱為『為汽車設計的超級電腦』,它將成為汽車的標準配備,可以用來感知汽車所處位置、辨識汽車周遭的物體,並且即時計算最安全的路徑。
Nvidia執行長黃仁勳
在今年的新聞發布會上,Nvidia還發布了一款名為Digits的深度學習平臺。Nvidia已經在用這個平臺測試自己的自動駕駛車了。「自動駕駛技術具有令人難以置信的困難度,」黃仁勳指出,「它可不像你用監理所的手冊來編程『駕駛』這麼簡單。」
為了顯著縮短開發和訓練深度神經網絡所需的時間,汽車製造商需要像執行於在其伺服器超級電腦上的Digits這樣的工具,Nvidia指出。
根據黃仁勳的構想,每家汽車公司最終都將擁有一個端對端的系統——範圍從用於訓練深度神經網絡的Nvidia Digits到用於汽車中部署網絡輸出的NvidiaDRIVE PX 2。
為自動駕駛開發人工智慧軟體的布達佩斯公司AdasWorks創辦人兼執行長Laszlo Kishonti指出,該公司正與Nvidia合作開發用於富豪汽車(Volvo)的系統,這款基於GPU的系統可以即時處理來自多個傳感器的資料。
Kishonti表示,AdasWorks不用處理器,「我們採用GPU、FPGA或其它任何可用的嵌入式視覺SoC。」但使用Nvidia解決方案的一個重要優勢是,在車載電腦上開發與驗證的逐行程式碼與伺服器上使用的程式碼是完全一樣的。
針對自動駕駛車的端到端深度學習平臺(來源:Nvidia)
相較於Mobileye僅關注於視覺處理,「我們的重點在於融合來自所有不同傳感器的資料。視覺只是眾多傳感器資料中的一部份,」Nvidia汽車整合部門資深經理Dave Anderson表示。
Nvidia設計的DRIVE PX 2可以處理來自12個視訊攝影機以及雷達、光達和超音波傳感器的輸入資料。他解釋:「我們融合了這些資料,使其得以精確地偵測目標物體、進行辨識,以及判斷汽車與周圍世界的相對位置,然後找到安全行駛的最優路徑。」
Ceva、高通也積極參與
然而,Nvidia並不是唯一推動深度學習用於自動駕駛車的企業。Ceva也在積極推廣該公司自有的XM4成像與視覺DSP,這些DSP使用的是Ceva的即時神經網絡軟體架構,名為Ceva深度神經網絡(CDNN)。
Wertheizer解釋說,該公司的客戶將選擇一種訓練有素的神經網絡,預先處理物件參數。透過使用Ceva的DSP引擎、韌體和CDNN,採用浮點網絡和權重描述的物件參數將 「在不損失精度的條件下」被轉換為定點客制的網絡和權重,他表示。
藉由Ceva的XM4 DSP,CDNN可以讓嵌入式系統執行「深度學習任務,而且其學習速度比基於先進GPU的系統能快三倍,功耗小30倍,所需記憶體頻寬小15倍。」Ceva指出。
Ceva深度神經網絡(來源:Ceva)
在CES上,高通發布了整合LTE數據機和機器智能的Snapdragon 820車用系列產品。這個系列產品包含了高通的Zeroth機器智能平臺。Zeroth專案設計用於協助汽車製造商使用神經網絡為ADAS和車載資訊娛樂系統創建基於深度學習的解決方案。
但到目前為止,Snapdragon取得的設計訂單還只限於資訊娛樂功能。奧迪(Audi)在2017款汽車產品線中就選用了Snapdragon 602A處理器。
正如Ceva的執行長所指出的,Snapdragon 820A還提供了汽車安全完整性等級(ASIL)評分,這是ISO26262定義的風險分類機制——針對道路汽車標準的功能性安全等級分類。
與此相反,覆蓋CDNN和XM4的Ceva端對端系統不久前才收到ASIL B證書,他補充道。
自動駕駛車的三大支柱
為了不被Nvidia以及也在推動深度學習的其他公司專美於前,Shashua在CES上提醒人們,Mobileye在ADAS和自動駕駛車市場中仍然遙遙領先。他強調,「攝影機不只是一個傳感器,而是自動駕駛車大腦的一部份。」
Mobileye執行長Shashua也在位於耶路撒冷的希伯來大學(Hebrew University)電腦科學系任教。他在年初的Mobileye新聞發布會發表演講時表示,「感測、地圖繪製和規劃」是「自動駕駛的三大支柱。」
在他看來,目前有兩大陣營致力於解決無人駕駛導航的挑戰。第一個陣營是Google和百度(Baidu)等公司,目標是為特定地區創建極度詳細的地圖(釐米級精確度的3D地圖),然後搭配光達等低解析度的傳感器一起使用,在有地圖的區域就能以完全自動的模式讓汽車自動駕駛。
這種方法的問題是,地圖放大到全球等級基本上是不可能的,隨時保持地圖更新也同樣困難,因為一開始要創建地圖所需的資料就是一個天文數字。
第二種方法是創建低解析度的世界地圖,然後採用車上較高解析度的傳感器——攝影機和其它傳感器對地圖進行增強。Shashua稱此為汽車產業的首選方法,因為它能讓汽車能「以部份自動功能到處行駛。」這種方法缺少的是人類等級的人工智慧(AI)來處理由傳感器所擷取到的資料,他指出。
自動駕駛車的兩大陣營(來源:Mobileye)
自動駕駛車的目標是「以完整功能隨處行駛,」Shashua指出,這正是Mobileye提出REM的切入點。REM是Mobileye藉由「更強大的人工智慧」創建高解析度地圖的一次嘗試。
這種系統設計可讓所有使用Mobileye技術的汽車有效地產生世界地圖,並創建Shashua所謂的『道路手冊』(road book)——一份基於雲端的詳細世界地圖。這份地圖可以不斷地即時更新,最終為所有汽車製造商使用。
道路指南
Shashua指出,每一家汽車製造商——福斯、通用和其他公司——都將開發並擁有一份『道路手冊』——彼此間最終可能進行交叉授權,從而形成全球索引。當問到Mobileye是否也會擁有地圖時,他表示,「不會,我們只是技術供應商。」但如果汽車產業今後開始討論「按裡程計費」(pay-per-km)的商業模型時,Shashua表示,「我們將會共同參與討論。」
當提到Nvidia時,Mobileye的這位執行長並未含糊其詞。「從某方面來毛,GPU作為視覺處理的黃金架構這個概念是非常錯誤的。」他認為Cuda「對於學術界來說是快速訓練神經網絡的一款優質程式設計工具。」事實上,這個工具可以讓你在開發必要演算法和創建優質展示產品中快速完成80%的工作。但他指出,剩下的20%(從產品展示到生產演算法)既困難又耗時。Shashua打趣地說,「剩下的20%是區別男人和男孩不同之處。」
終究,晶片架構並不是贏得自動駕駛車大戰的重點, Mobileye的這位執行長認為,「軟體和內容才是關鍵。」
本文作者:吉田順子,EETimes
推薦閱讀:智能車聯時代來襲,汽車電子產業鏈將誕生哪些機會?(請閱讀原文)
喜歡就請點擊右上角「…」分享!商情有料有深度!