凭借「新核弹」Orin,英伟达稳固自动驾驶计算平台霸主地位

陈念航 2019-12-19 16:07:00

时隔一年,身着标志性的黑色皮夹克,英伟达掌门人黄仁勋站上苏州 GTC China 2019 的主舞台,用两个小时完成了他的 Keynote 演讲,内容涵盖图形图像处理技术、高性能计算技术以及 AI 技术与应用。

按照惯例,与自动驾驶业务相关的更新压轴登场,总结起来就是:发布了既定路线上的自动驾驶计算平台硬件;开源了自动驾驶深度神经网络;继续扩展自动驾驶朋友圈。

不算惊喜的惊喜:Drive AGX Orin

毫无疑问,最吸人眼球的还是英伟达此次发布的全新自动驾驶平台 Drive AGX Orin。

在聊主角前,先看一些背景:

去年 9 月,英伟达在 GTC Japan 2018 大会上赋予了基于 Xavier 系统级芯片的产品系列一个新名称—— AGX,取消了原先的 PX 系列命名。所以在自动驾驶方面,采用新命名的产品阵容包括了面向 L2/L3 的自动驾驶平台 Drive AGX Xavier 以及面向 L4/L5 的自动驾驶平台 Drive AGX Pegasus。

*英伟达 Drive AGX Xavier(左)和 Drive AGX Pegasus(右)
*Nvidia Drive AGX 系列计算平台对比(其中 PX 为此前的叫法)

根据英伟达的规划,Xavier 芯片明年一季度开始 SOP,所以此前已经敲定要采用这一计算平台的企业很快就能拿到货。其中包括采用 Drive AGX Xavier 平台的沃尔沃、小鹏汽车、智加科技以及采用 Drive AGX Pegasus 平台的文远知行等企业。

*Volvo 采用 Xavier 计算平台打造 Core Computer

再说回本次 GTC China 的核心产品 Drive AGX Orin。其实这是一款既定路线上的产品,英伟达最初为 Nvidia Drive 计算平台规划的开发版图里就有 Orin 的存在,此次发布可称为「不算惊喜的惊喜」。

*Nvidia Drive 计算平台的演进

英伟达花了 4 年时间,耗资数 10 亿美元将 Drive 硬件平台推进到了 Orin 这一代。从历史意义上来说,Orin 可以称得上是英伟达的全新「核弹级」产品。而且,除了应用于自动驾驶领域,Orin 还可驱动机器人。

具体来看看英伟达 Drive AGX Orin 这一新平台的细节:

该平台内置了全新 Orin 系统级芯片。

该芯片由 170 亿个晶体管组成,集成了英伟达新一代 GPU 架构和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器,每秒可运行 200 万亿次计算,相较于上一代 Xavier 的性能,提升了 7 倍。

一个对比是:特斯拉 CEO Elon Musk 在发布自研的 FSD 芯片时称其性能是英伟达 Xavier 性能的 7 倍,所以从某种意义上说,英伟达 Orin 和特斯拉 FSD 芯片的性能打成了平手。

但从另一方面讲,英伟达 Orin 是通用的计算平台,可以适配不同应用场景的需求;而特斯拉的芯片则针对特定需求进行了专门的优化和设计,只能用于特斯拉自家的车辆。

官方还提到,Orin 可处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络,并且达到了 ISO 26262 ASIL-D 等级系统安全标准。

此外,作为一个软件定义的平台,Drive AGX Orin 具备很好的可扩展性,能够实现从 L2 级到 L4 级自动驾驶汽车的开发,开发者要做的就是在平台上多用几颗 Orin 和 GPU。正如黄教主一直以来所说的:「The more you buy,the more you save」。

在软件层面,因为 Orin 和 Xavier 均可通过开放的 CUDA、TensorRT API 及各类库进行编程,所以基本上可以实现无缝迁移。

当然,开发者要用上 Orin 还需等上一段时间,因为英伟达将 Drive AGX Orin 的投产时间放在了 2022 年,毕竟 Xavier 要到明年才开始供货。

本次大会,滴滴没能躲过英伟达的吸引力法则,成为了其自动驾驶朋友圈的一员。

后续滴滴将采用 Nvidia Drive AGX 平台为其 L4 级自动驾驶汽车提供推理能力,借助多个深度神经网络融合来自各类传感器(摄像头、激光雷达、雷达等)的数据,从而实现对汽车周围环境 360 度全方位的理解,并规划出安全的行驶路径。

目前,滴滴具体采用 Nvidia Drive AGX 的哪一代产品还尚未可知。

一个能打的都没有?

现阶段我们能看到的是,大部分做自动驾驶的技术企业以及 OEM 都选择了采用 Nvidia Drive 计算平台。以往用的是 Drive PX2 系列,即将能用上的是 Drive AGX Xavier 以及 Drive AGX Pegasus,再往后则是 Drive AGX Orin 系列。

他们从英伟达手中采购开发板,然后再与一级供应商进行个性化的开发,最终将其集成到车辆的计算单元上。

那么,在与英伟达自动驾驶计算平台的竞争中,果真一个能打的都没有吗?至少在现阶段,答案是肯定的。

你也许会用特斯拉 FSD 来反驳,但问题是,特斯拉的 FSD 芯片只会供给自家的车辆使用,而且已经成为了特斯拉产品的核心竞争力,基本不可能对外发售。就像苹果的 A 系列芯片,那是必须要牢牢掌控在自己手里的「大杀器」。

另外,着手自研芯片需要耗费的资源和资金也不是随便一家企业能负担得起的,「4 年甚至更长、数 10 亿美金」是英伟达给出的答案。而有实力的 OEM 也没有自研计算平台的基因。

而从最为实际的计算性能上来看,基于自动驾驶的感知和算力要求,自动驾驶汽车的核心控制器都需要具备强劲的计算性能,一般认为,L2 需要的计算力小于 10 TOPS,L3 需要的计算力为 30-60 TOPS,L4 需要的计算力大于 100 TOPS,L5 需要的计算力至少为 1000 TOPS。

这一算力要求,在低级别的自动驾驶上,其他对手还有竞争的余地;而到 L4、L5 级别自动驾驶,英伟达 Drive AGX 基本没有对手。

拿英伟达推出的 Orin 来看,其针对 L2 级别自动驾驶给出的方案有:单摄像头的 Orin S 计算力为 36 TOPS,4 摄像头方案的计算力为 100 TOPS;而针对 L5 级别自动驾驶的方案:集成 2 块 Orin 和 2 块 GPU,其算力已经能做到 2000 TOPS。

当然,车用计算平台还要看功耗,从整体功耗比,基于 Orin SoC 的各级计算平台做到的区间是 2-3 TOPS/W,这个效率确实很多对手难以企及。

不过要明确的是,具体选什么方案,需要自动驾驶公司和 OEM 根据需求来,英伟达能够提供灵活的配置方案。

这个阶段,英伟达正攥着高级别自动驾驶开发的「命门」。

好在,未来情况会有所改观,因为华为 MDC 站了出来。

华为此前已发布的能够支持 L4 级别自动驾驶的计算平台 MDC 600,基于 8 颗昇腾 310 AI 芯片,同时还整合了 CPU 和相应的 ISP 模块,其算力最高达 352 TOPS,整体系统的功耗算力比是 1 TOPS/W。从这个角度看,未来还是有一战之力的。奥迪成为了 MDC 600 的尝鲜者。

汽车之心侧面了解到的消息是,华为方面也在积极推销其 MDC 计算平台,但问题在于很多自动驾驶公司和 OEM 的开发节奏与其供货时间没法匹配,所以他们这一阶段的开发目标等不到华为 MDC 计算平台。

或许,华为和英伟达自动驾驶计算平台的战事要发生在 2022 年以后了。

软件公司英伟达

在不断进化计算平台硬件的同时,英伟达还是一家出色的软件公司。

其 Nvidia Drive 平台如今被众多汽车制造商、卡车制造商、自动驾驶出租车公司、软件公司和大学广泛采用。

而且,英伟达多年深耕于开发和训练可在 Nvidia Drive AGX 平台上运行的深度神经网络,它们能够将原始传感器数据转换成对世界的深度理解。

这些深度神经网络能够实现交通信号灯和交通标识检测、目标检测(车辆、行人、自行车)、路径感知以及车载眼球追踪和手势识别等任务。

为了让这些深度神经网络发挥更大的作用,助力自动驾驶系统的开发。英伟达宣布向交通运输行业开源 Nvidia Drive 自动驾驶深度神经网络,其中包括预训练 AI 模型和训练代码。

除了开源深度神经网络之外,英伟达还发布了一套工具,使开发者可以使用自己的数据集和目标特征集自定义并增强英伟达的深度神经网络。

这套工具使用主动学习、联邦学习和迁移学习来训练深度神经网络:

  • 主动学习借助 AI 而不是人工管理实现自动数据选择,进而提高模型精度,降低数据采集成本;
  • 联邦学习让企业能够与其他企业一起使用分布在不同国家的多个数据集,同时保护数据隐私和企业的知识产权;
  • 迁移学习让 Nvidia Drive 客户能够加快开发其感知软件,然后基于他们自己的应用和目标能力进一步开发这些网络。

有评论认为,英伟达为开发者们提供这些算法,以及用于自定义这些算法的工具和工作流程基础架构,将助力安全的自动驾驶交通运输解决方案落地。

「可硬可软」的英伟达,在自动驾驶领域的护城河越来越深。

本文为汽车之心原创文章,作者:陈念航,如需转载,请联系授权。违规转载法律必究。

(0)
(0)
参与评论:

    标签云

    汽车之心

    • 累计发布 1232 篇文章
    • 关注我们:扫描二维码,关注微信公众号
    登录或注册
    注册、登录代表你已阅读并同意《用户协议》
    My title page contents