自动驾驶硬件之主控电脑

每日自动驾驶

编辑 | 每日君

自 动驾驶系统由软件和硬件构成，而随着软件算法的不断升级，高性能硬件为自动驾驶系统提供了保障。作为控制整个系统的最重要的部分--主控电脑，它都由什么构成，又是如何工作的呢？小编带你走进自动驾驶车的后备箱，一起了解自动驾驶系统的主控电脑。

上图来自斯坦福大学的自动驾驶车「Shelley」

ー 1 ー

主控电脑

作为控制整个系统的最重要的部分--主控电脑，是处理各种传感器数据，通过计算决策并输出驾驶行为的最重要部分。自动驾驶的主控电脑和日常工作生活中使用的电脑的构成一样， 一般由CPU，GPU，内存，硬盘，各种接口等部分组成。

而其中，是否拥有高性能的 数据处理 和可靠的 数据存储 决定了自动驾驶汽车的未来。

ー 2 ー

大脑之“芯”--AI芯片

・汽车芯片 Vs. 一般芯片

相比于一般工业芯片，由于汽车的工作环境更为恶劣，温度范围要满足至-40~155℃、高振动、多粉尘、电磁干扰等苛刻条件，汽车芯片设计难度更高。汽车涉及人身安全问题，汽车芯片对于可靠性及安全性的要求也更高，一般设计寿命为15年或20万公里。此外，“车规级”芯片需要经过包括可靠性标准 AEC-Q100、质量管理标准ISO/TS 16949、功能安全标准ISO26262等严苛的认证流程。一款汽车芯片需要2-3年时间完成车规认证并经入整车厂供应链；而一旦进入之后，一般也能拥有长达5-10年的供货周期。

图1 芯片的分类

・AI芯片 Vs. 传统芯片

传统功能芯片即MCU（Micro Controller Unit），每辆车平均有25个以上MCU。MCU（仅）适用于发动机控制，电池管理，驱动力控制，制动力控制，转向控制，总线控制，车身娱乐控制，车身舒适控制等局部功能。 相关公司有恩智浦（荷兰），Infineon（德国），Renesas（日本），意法半导体（瑞士）和德州仪器（美国），博世（德国）等。

但MCU的算力难以满足自动驾驶的计算需求。自动驾驶软件计算量已经达到10个TOPS量级，GPU、FPGA、ASIC等AI芯片进入汽车市场。

AI芯片主要指神经网络芯片，即用神经网络理论设计的专用芯片。 其中包括GPU、FPGA、ASIC等。公司主要有Nvidia（美），因特尔（美），高通（美）等。

・汽车芯片的进化：CPU→GPU → FPGA → ASIC

随着汽车辅助驾驶功能渗透率越来越高，传统CPU算力不足，难以满足处理视频、图片等非结构化数据的需求，而GPU同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案。

FPGA即现场可编程门阵列，是目前公认的比GPU能效更高的AI芯片。FPGA 客户可根据需求编程， 改变用途。由于FPGA的灵活性，为算法的功能实现和优化都留出了巨大的空间。在芯片需求还未成规模，深度学习算法暂未稳定，需要不断迭代改进的情况下，利用FPGA芯片具有可重复的特性来实现半定制的AI芯片，是最佳的选择之一。

ASIC是专用定制芯片，如谷歌的TPU、寒武纪的GPU、地平线的BPU等。ASIC制作完成后只搭载一种算法，形成一种用途，首次开发成本高，但量产成本低。目前自动驾驶算法仍在进化，因此 大多自动驾驶芯片使用 GPU+FPGA的解决方案，而未来算法稳定后，ASIC将成为主流。

ー 3 ー

数据主宰未来--存储芯片

自动驾驶系统不仅需要高速处理器，还需要大容量、高性能的存储器。

来自各种传感器的 数据总量非常大 ，而每种数据都是用来做瞬间的即时判断。 将所有数据都存储下来的话，就太浪费内存和辅助存储设备的空间了。因此，除了所需信息之外的数据不需要被不断覆盖、重写。 根据Intel的估算，自动驾驶车1天就会产生4TB数据。通信航空器一天产生的数据量有5TB，相比之下，可以看出自动驾驶车的数据量之大。 另外，随着智能网联的发展，数据量将变得更加惊人。根据美国公司Gartner的估算，一辆带有自动驾驶功能的网联车每年上传的数据量将超过280PB，换算下来，网联自动驾驶车每天积累的数据量将超过767RB。

其次，存储器也有 微型化 需求，以满足空间约束。另外，由于它会焊接在电路板上，处于汽车这样相对恶劣的工作环境下，必须能够承受 温度和振动 ，并集成到汽车的车载技术系统中。这便是为什么自动驾驶系统不仅需要高速处理器，还需要 大容量且读取速度快、高性能、强耐久性的存储设备 的原因。

当然，未来也可能出现结合云服务和车载计算能力来处理汽车收集的大量数据的新存储方案云端数据传输。

以上为小编每日君个人观点，如有不同意见，欢迎留言讨论！