智能驾驶的概念已经成为了科技界和投资界共同的焦点。谁能最先把智能驾驶投入实用,谁就赢得了下一个时代的先机。当然,这也绝对不是一个赢家通吃的市场,在万亿级的市场体量下,有太多的机会,足以撑起太多的巨头。本期封面故事,我们将一起聊聊关于“智能驾驶”的那些事。

7万亿美元的“乘客经济”

“乘客经济”是以无人驾驶为基础的全新经济模式,由英特尔首提,涵盖使用无人驾驶汽车所产生的产品和服务的价值,包括因使用无人驾驶汽车而间接节约的时间和资源。市场分析机构Strategy Analytics对英特尔创造的这个新词进行了研究,调查预测,乘客经济的规模将从2035年的8000亿美元激增到2050年的7万亿美元。而其他的重要数据还包括:

● 出行即服务(Mobility as Service, MasS)的业务预计催生价值约3万亿美元的收入,占“乘客经济”总收入的43%。

● 使用出行即服务的消费者预计产生3.7万亿美元的收入,也就是“乘客经济”总收入的55%。

● 预计将有2000亿美元来自越来越多使用创新应用和服务的消费者,这些应用和服务将随着无人驾驶汽车服务的扩展和演进而出现。

● 保守地说,在2035年到2045年的乘客经济时代,无人驾驶汽车将挽救585,000条生命。

● 在全球最拥堵的城市,无人驾驶汽车每年预计将节省2.5亿小时的消费者通勤时间。

● 在2035-2045年的乘客经济时代,与交通事故相关的公共安全成本可能会节约超过2340亿美元。

20171011-autodrive-1 图1:2020-2050年全球乘客经济服务收入。

“出行即服务”是“乘客经济”崛起的核心动力,而无人驾驶的发展将会促进“出行即服务”的范围呈现爆炸式增长。英特尔认为,以无人驾驶为基础的“乘客经济”,会让人们完全脱离与汽车的一对一关系,转向出行即服务,从而加快新兴服务模式和商业模式的兴起。

也就是说,这份报告证明了车厂无法只靠制造车辆生存,特别是在私家车数量预期将逐渐减少的时代,他们必须要有所改变。如同Strategy Analytics所表明的那样,预测高度自动驾驶车辆的市场规模不是重点,其“乘客经济”分析聚焦于:“将由全自动无人驾驶车辆产生的经济与社会价值。”

但除了Uber、Lyft与Zipcar等少数已经存在的汽车共乘服务,所谓的“移动即服务”还会有其他什么样的解决方案?该报告提供了一些有趣的想法:例如“应需运输”(on-demand transportation)、“通勤共享”(work-commute sharing)、“事件优化或主题优化汽车”(Event- or theme-optimized vehicles)、以及“以交通作为便利条件(amenity)或补偿(compensation)”,并总结指出,“在实践上,消费者将因为能够选择种类广泛的移动即服务供应商,在需要的时候自由地在地点之间与车辆之间移动,而能完全不必自己拥有车辆。”

也许,我们可以据此大胆的预测一下:未来,“移动即服务”不止运输乘客,也递送商品与服务。与建立新的实体店不同,零售商店、酒店和餐馆等土地限制型企业将通过增加“出行商店”来推动另一波商业扩张,这些“出行商店”将直接向消费者提供商品和服务。消费者现在可以选择去一个“地方”购买产品或服务,也可以随心选择送货上门。简而言之,汽车将在各种各样的个性化联网出行即服务中接送人员和运送物品。

科技型公司快速切入智能驾驶

科技型公司如特斯拉、谷歌、百度等目前均开始涉足智能驾驶/无人驾驶领域,其发展速度远远快于传统的整车厂商。相关报告显示,预计至2025年,科技型公司将在智能汽车领域分得40%市场份额,而传统车企将坚守60%市场。科技型公司为什么可以如此快速的直接跨越到无人驾驶领域?传统车企又会走出怎样的应对与升级路线?

20171011-autodrive-2 图2:2050年五级自动驾驶汽车产量预测。

“这些科技巨头都在寻找一样东西:颠覆创新的机会。”Imagination Technologies汽车事业部市场营销总监Bryce Johnstone在接受《电子工程专辑》采访时称,当前的消费者越来越看重汽车互联技术,认为这是汽车的关键不同之处,他们希望开车的时候和在街上使用电话一样,能够联网,获取信息。刚进入汽车市场的新厂商正在把这些新技术应用于汽车工业,实现变革,尤其是计算机视觉、传感器融合和机器操作等,这些技术引起了消费者的共鸣。另一方面,传统的汽车市场非常封闭,但技术发展使得ADAS和电动汽车等领域有可能出现创新突破,激励新企业去颠覆现状。 20171011-autodrive-3 图3:Imagination Technologies汽车事业部市场营销总监Bryce Johnstone。

不过,这些科技巨头们很快就会发现,要想高效地制造汽车,而且能盈利,必须遵守严格的运输、污染和安全法规要求,这一切并不像看起来那么简单。与此同时,随着传统汽车厂商竞相采用创新新颖的软件,他们发现多年来从未变过的运营环境现在完全不同了,因此需要调整自己的供应商战略以跟上形势的变化。

而在恩智浦(NXP)大中华区汽车电子业务发展总监刘芳看来,科技类巨头公司之所以能够一步跨入智能驾驶领域,得益于多年前他们对于轮式机器人的研究和在人工智能软硬件上的突破。在这一过程中,他们“意外”的发现很多在轮式机器人上所采用的前沿技术,例如机器视觉、传感器、人工智能算法等,是能够被平行移植到智能驾驶汽车中的,并由此带来了进行商业运营和实现产业化的可能。

对传统车企来说,他们对ADAS应用其实并不陌生,但这些前沿科技的出现对车企而言仍是一种刺激。刘芳并不同意外界给车企贴上“保守”的标签,“车企对新科技的出现始终持开放的态度,非常希望借助不同领域的高科技发展汽车产业,但他们也有顾虑。”她说,“对车厂而言,汽车不仅仅是一个单纯的消费品,它还与生命财产息息相关,需要更多的考虑到在无人驾驶产业化过程中随时可能出现的法律和技术风险。”

十几年来,人们对汽车的认识,从“4个轮子+1个沙发”,发展到“轮子上的手机”、“轮子上的机器人”,再到未来的无人驾驶。科技巨头和传统车企所奉行的两条路线其实并不矛盾,前者走的是“跳跃式”发展道路,希望采用“颠覆式”的技术革命来推动无人驾驶;而后者希望走出一条“渐进式”发展道路,通过技术的不断成熟来推动从智能驾驶到无人驾驶的分步升级与迭代。

“传统车企和科技型公司在无人驾驶的发展方向上的认知与分歧到今天来看,双方的共同点正变得越来越多,目标正趋于一致,彼此学习互相聆听。”刘芳说,科技巨头们对直接进入L4、L5阶段的规划开始变得务实,与车企和传统产业链进行频繁的沟通,以实现真正的产业化;车企则通过重组、收购等方式开始规划从L0到L2阶段的无人驾驶,并对实现L4以上的目标组织预研,以便提前规划好发展路径,双方正变得越来越合拍。

她认为“融合”将会成为双方合作的必然趋势,但这并不影响双方在各自领域的并行发展,而且并行发展还会持续相当长的一段时间。只是业界对于“何时才能实现”的时间问题一直众说纷纭,没有定论。很多实际问题,比如技术成熟度、量产、法律法规、相关安全认证标准等,都需要时间去解决。

智能汽车的关键落地点—模块化ADAS

模块化ADAS是从传统汽车向无人驾驶演进的重要方式,也是智能汽车的关键落地点。德州仪器(TI)中国区嵌入式产品系统与应用总监蒋宏表示,各种ADAS功能在车厂未来几年的产品规划中变得越来越举足轻重,无论是E-NCAP还是C-NCAP、AEB、ACC都是得到测试高分的必须选择。 TI蒋宏 图4:德州仪器中国区嵌入式产品系统与应用总监蒋宏。

从车厂的角度来看,发生事故会造成重大伤亡事件的场景是需要高优先级去避免的,这也是车厂往往会把前向防撞(AEB),车道保持(LDW、LKA),行人侦测(PD)这样的ADAS功能放在首选项。可是从驾驶员的角度来看,盲区侦测(BSD)、全景泊车辅助(SRV)以及智能后视系统(Smart Rear-view)非常重要,这些功能可以帮助他们增强驾驶信心,以及提升驾驶的舒适度,所以越来越多的车厂开始在新车规划上增加全景泊车、智能后视和盲区侦测功能。在美国,智能后视系统已经是新车的必配装备。

夜视系统(Night Vision)也是消费者所喜欢的,只是红外热成像传感器的成本一直居高不下,导致车厂的推广没能够大规模铺开,随着红外热成像传感器的价格开始出现松动,未来几年夜视系统的增长比例可能也是会非常可观的。同理,抬头显示系统(HUD)也是同样的处境。

另外,车厂还在考虑引进一些新的ADAS应用,比如CMS(Car Mirror Replacement)系统, 用电子成像技术取代传统的侧、后视镜。这些系统不仅可以使车辆外形更具设计感与流线形,去除驾驶员的观察死角(比如“透明A柱”、“透明引擎盖”、“透明后备箱”等),电子成像系统还广泛采用了传感器的亮度动态增强技术(正确曝光的亮度动态范围达到120dB以上,远超过人眼的适应调节范围),可以消除夜间驾驶员的“远光灯眩光” 以及低照度条件下观察不清等问题,一些欧美车厂计划在明后年在一些新车型上开始部署CMS系统。

驾驶员疲劳侦测系统(DMS)也是目前车厂准备积极部署的另一项ADAS应用。DMS系统除了监控驾驶员的眼部(是否闭眼?视线是否偏离路面?有无专心开车?),还应用了其他的传感器来感知驾驶员的姿势,比如手有无长时间离开方向盘等。如果系统探测到异常和危险信号,会用声光以及震动来警示驾驶员。除此以外,已经有车厂准备应用超低功耗的毫米波雷达来感知驾驶员的呼吸与心跳,作为驾驶员疲劳侦测系统的另一项监测指标。

除了以上的这些ADAS功能之外,交通信号识别系统(TSR)、移动物体侦测 (MOD)、行车记录仪(尽管一些行业人士怀疑这项功能是否能够在严格意义上算作ADAS应用,但的确国内有许多车厂在认真考虑将此项功能融入到ADAS系统中)也是会常常被提起的辅助驾驶应用。

而在IHS Markit高级分析师刘庆看来,随着智能化程度的不断提高和无人驾驶360度无死角监控的要求,汽车中具备ADAS功能的传感器数量会越来越多。摄像头传感器会用来监控近距离的环境,激光雷达(LIDAR)用来覆盖中远距离的突发情况,相互依赖和配合以解决复杂环境的路面监控。他预计在自动驾驶L3以上阶段,上述的传感器模块将会达到20个以上。 IHS Markit高级分析师刘庆 图5:而在IHS Markit高级分析师刘庆。

中短期来看,由于成本和愈来愈成熟的方案关系,与摄像头传感器相关的应用会得到快速成长,包括盲区侦测、环视、行人侦测等,与此相关的视频传输和中央处理器会在此类应用中寻觅到更多机会。雷达传感器会在高端需求中存在,随着成本和方案成熟度提高,中长期看好这个市场前景。

“我们看到从1级到5级(完全自动)自动驾驶所需要的处理规模,每一级所要求的处理能力都呈指数增长。”Bryce Johnstone认为,具体到半导体厂商,主要机会在于传感器的增加,例如摄像机的传感器融合处理能力越来越强,对来自激光雷达、雷达、摄像头和其他传感器含义各不相同的输入进行处理,以决定要采取的行动。

最终,一辆车的传感器数量会急剧增长——车上摄像机的数量会达到20个,分辨率高达4K,有多个激光雷达和雷达。需要对每一传感器输入进行本地处理,然后把输出传送至传感器融合级,计算每一传感器提取出的数据,以便详细了解汽车“世界”中发生了什么。要想实时成功地完成处理工作,涉及到运行大量繁重的算法。

“智能驾驶舱”是Bryce Johnstone特别提到的一个概念。随着智能驾驶阶段的不断演进,很多车厂联合软硬件、系统厂商对驾驶舱进行了重新定义与设计,并将其称之为“数字驾驶舱”或“智能驾驶舱”。随之而来的,是人机关系与角色的变化、是驾驶需求的变化、以及乘坐体验的变化。

在他看来,驾驶舱主要有两方面的变化。首先,自动驾驶汽车会彻底重新设计人机界面。会提前告诉驾驶员/乘客汽车要采取的行动,以免惊吓到乘客;其次,随着“放手、闭眼、放松”式驾驶的出现,汽车内部很可能会变成虚拟办公室或者娱乐中心,这将导致大量采用高分辨率屏幕,把办公室的工作搬到车里,还能玩游戏、看电视/电影等一系列活动。在硬件方面,这将推动速度更快、功能更丰富的GPU的应用,在抬头显示屏和仪表板上运行越来越高端的图形用户界面。随之而来的还有人机界面的大量应用,例如语音/自然语言和手势控制等,这主要受益于神经网络加速器,以及支持软件库和应用程序。

我们在无人驾驶的第几层?

按照国际通用的划分标准,自动驾驶被分为5个级别:第1级,实现车道偏离报警和自动紧急刹车等ADAS功能;第2级,驾驶员能够在短时间内接管对车辆的控制;第3级是驾驶员可以不用看路,但在出现问题时仍然要准备好接管汽车;第4级是汽车可以自己驾驶,但只允许在受控制的区域内;第5级是汽车在任何地方、任何路况下都能自己驾驶,而且不需要驾驶员的干预。目前比较公认的看法是全行业处在第1级,正在向第2级发展。

“不少分析机构都预测在2020~2025年可实现完全自动驾驶汽车的量产,但我认为国内量产不会这么快。无人驾驶必须具备完备的传感器系统、无缝的连接(LTE-V、5G、以太网)、人工智能、以及相应的法律保障、交通系统的配合等,这些都不可缺少,当然也不可能一蹴而就。”刘庆分析称。

他认为当前国内ADAS的使用都还应该处在起步阶段,由于成本问题,雷达传感器只是用在高端车上,比如前方碰撞预警系统(FCW);摄像头的主要应用是360度环视、道路检查,主要的功能还停留在L1阶段,没有参与到动力控制层面;全方位监控和无缝的信息连接,配合上一定水平的人工智能,才有可能突破L2阶段,而未来要想突破L3或者更高阶段,人工智能技术的提升则是必不可少的。

Bryce Johnstone说,现在已经有一些2级自动驾驶的车辆得到了部署,可以选择安装高级碰撞回避(ACA)和车道偏离报警等独立功能。尽管还局限于特定的试验区域和驾驶条件,但很显然在不远的将来,完全无人驾驶汽车将成为主流现实。2016年实现辅助驾驶,2021年实现自动驾驶,2025年实现全自动驾驶,将是一个较为现实的时间表。

而自动驾驶面临的主要挑战则包括:公众的接受和认识,政府立法允许无人驾驶汽车上路,出现事故时谁是责任主体,整个汽车价值链的责任划分,以及一系列的测试要求,以确保汽车软件版本是最新的。此外,安全也是一个关键考虑因素。现在有很多关于非法侵入汽车的报道,随着汽车API的开放,这种非法入侵的情况会变得更糟。

目前绝大多数车企都处于L1~L2技术升级阶段,个别车企会在个别车型上开始尝试L3级别以上的技术,比如福特、丰田等。他们对在中国推动本地化的无人驾驶是不遗余力的,投入了巨大的物力、人力、财力去收购相关技术并加以整合,丰田还在常熟建立了规模可观的无人驾驶试验场。虽然目前还没有看到能够在公共道路上行驶的无人驾驶汽车,但沃尔沃、福特、丰田都企业已经为L3级别的车辆量产做好了准备,这是非常了不起的成就。

整体而言,辅助驾驶、半自动驾驶和无人驾驶是在并行前进的,只是当前局限于特定区域和道路,在基于更多测试的前提下,未来就会有更多的道路与区域可以开放。相较于技术,刘芳其实对无人驾驶在法律、道德层面所将要遭遇的挑战更为担心,比如激光雷达的安装就涉及车辆改装,这是否能够符合高速行驶要求?道路交通管理现状复杂,涉及众多政府部门,产生的法律风险谁来承担?

“我们的朋友圈曾经流传着这么一个玩笑话,就是任何一家企业在步入无人驾驶之前,都需要先请一批好的律师。”刘芳说,车厂需要对汽车承担相应的企业责任,不同车厂有不同的价值观。例如当驾驶员看到前方有炫光的时候,不同的驾驶员会做出不同的判段和处理,更何况不同的无人驾驶系统。所以,不同的技术谁来做最终的决策?做出决策后谁又来承担责任?都是未解的难题,复杂度远远超出了科技本身,也直接或间接的影响了技术的实施与采纳。

“单车智能”算不算“短视”?

目前人们所谈论的智能驾驶或是无人驾驶,更多集中在单车智能。有人将其描述为“短视”,意指只有全面引入V2V场景,才能真正表明智能驾驶时代的到来。Bryce Johnstone没有对此给出“是”或“否”的回答,只是强调说,V2V肯定会改变驾驶员的驾驶习惯。例如,驾车通过十字路口时,汽车相互之间能自行协商,确定让谁先通过。而更大的进步会出现在“视野盲区”情形中。最严重的事故往往发生在高速公路上,主要原因是超车时司机看不到视野盲区,随着V2V技术的应用,此类事故发生的概率会大大降低。

而要真正实现V2V,硬件、网络、算法、数据、人工智能……从硬件到软件平台“一个都不能少”。传统的网关/ECU具有了集中计算功能和一组开放API,使汽车从一个带有一些电子设备的硬件盒子变成了完全连接到云端的完整的软件和服务平台。关键是,它加速了目标探测、场景理解和传感融合等算法处理工作。这些可以运行在CPU上;然而,通过GPU计算,性能会提高20倍以上。随着芯片面积越来越小,功耗越来越低,转而采用硬件加速解决方案,在此基础上性能有可能进一步提高10至20倍,这对于越来越电子化的汽车而言是必须的。

“智能归根到底是一种价值,这种价值通过何种技术手段加以实现才是关键。”所以刘芳并不同意“短视”的说法。在她看来,单车也好,V2X系统也罢,其实都是智能的体现。差别在于V2X能够更好的将智能驾驶、智能交通和智慧社区整合在一起,发挥出更大的价值,从而弥补单车智能的不足,为消费者带来更多的服务和体验。只是当前对于V2X来说,它对技术和演进路线的选择存在挑战,因为还没有一种主流技术成熟到能够让运营商、车厂、政府部门实现V2X的全面部署;不同车企是否愿意加入到V2X的场景中则是另一大挑战,因为它意味着产业生态环境和商业模式的改变。

所以,在技术方案、商业模式、如何落地实施都仍处于摸索过程中时,刘芳认为每家企业都有自己的优势与定位,比如传感器融合策略是整车厂核心竞争力,芯片性能、软硬件结合、功能安全是芯片厂商的核心竞争力,很难将其在不同纬度上直接加以比较,分享与合作应该是现阶段的主题,不同生态链的参与方输出自身的能力,共同推动行业的整合与联动。恩智浦多年来也不遗余力向行业各大合作伙伴输出我们的四大核心能力:完整的汽车产品家族;功能安全与信息安全兼顾;产业链跨界合作推动技术升级到服务融合;严苛的质量规范保障。

英特尔中国研究院院长宋继强认为目前无人驾驶汽车产业遇到了很好的机遇,行业发展的拐点就在眼前。首先是硬件在极小的面积和极低的成本基础上实现了大规模计算,例如1995年1GB的存储器要卖一千美元而现在只要3美分!这就是硬件红利;其次是人工智能,它可以让机器具有分析决策功能,但如果都依靠GPU来解决则功耗很大,所以英特尔最近陆续收购了Nervana、Movidius、Mobileye公司,他们都可以根据具体应用特点做出高功效低功耗的方案;最后则是云端。无人驾驶有两个主要受益者,一个是人,另一个是城市交通管理者,如何增加出行便利性?如何通过数据提升城市交通运营预见性和管理效率?车和云需要在不同层面为无人驾驶方案提供帮助。 NXPliufang 图6:恩智浦大中华区汽车电子业务发展总监刘芳。

“从CT(计算机技术)到RT(机器人技术)时代,人工智能的发展决定着无人驾驶的乾坤。”在宋继强看来,机器人技术是计算机技术、机器感应、人工智能、机械电子、人机互动等多学科的集大成者,而更佳的硬件、更智能的算法和更大的数据,成就了今天的人工智能。但从智能到自主,人工智能在无人驾驶领域也面临挑战,例如更多的传感器数据VS实时响应;设备端人工智能VS云端人工智能等。

重在战略布局

让我们具体看一看一些核心玩家的战略布局。

Imagination Technologies Imagination公司的自动驾驶策略涵盖所有领域,包括GPU、调制解调器、GPU计算、CNN加速、视觉处理和关键连接等,采用业界领先的产品满足日益增长的处理需求。作为高性能/低功耗图形处理领域的领先者,Imagination在L4和L5自动驾驶等主要汽车半导体厂商那里树立了良好的口碑。通过推动神经网络领域的加速发展,有效地满足了汽车机器学习和计算机视觉对低成本和高功效处理能力的需求,是这一领域经验最丰富的IP合作伙伴。

在自动驾驶方面的关键产品包括:

  1. 8XT GPU。这是目前已经部署在瑞萨RCAR H3产品中的6XT的第二代。这些GPU是高度可定制的,既能够提高计算性能,也可以实现更好的图形吞吐量。其计算处理能力达到万亿次浮点运算范围,可用于实现CNN、Alex Net、GoogleNet、MX Net等。

  2. MIPS。最新版I6500-F是一个多线程CPU内核,能够高效地控制客户设备的专用加速器。而且还兼容ISO26262 ASIL B (D)。

  3. 视觉加速器。我们关注的一个领域是提供一系列可调产品来加速各种神经网络的应用。到目前为止,GPU计算性能指标已经提高了20倍,相应的,GPU的性能比CPU高出了20倍。这样的加速器将与CPU和GPU一起使用,或者直接与GPU配合使用。这带来的好处是极大地提高了性能,降低了功耗。

恩智浦

恩智浦在智慧交通领域拥有先行的技术优势。去年5月,恩智浦推出基于BlueBox中央计算引擎的自动驾驶平台,主要用于帮助OEM主机厂生产、测试无人驾驶汽车。此外,恩智浦自主研发的77GHz雷达解决方案高度集成的汽车雷达MCU和射频前端技术(RFCMOS或BiCMOS),可应对超短距离、短距离、中等距离和长距离雷达。

在引导汽车电子创新的方向上,恩智浦正加速推进在华战略布局,以智慧交通和车联网技术,携手产业同仁,共同提升中国智能网联汽车、车联网自主研发与创新能力,支持中国智慧交通系统的建设。今年5月,恩智浦正式加入国内首个智能网联汽车试点示范区,成为国家智能网联汽车(上海)试点示范区新成员,全面支持上海市开展车联网DSRC技术道路测试。8月成都车展上,恩智浦宣布与长安汽车建立战略合作伙伴关系,长安将在现有大量采用的恩智浦i.MX6应用处理器的基础上,规模化升级采用恩智浦信息娱乐整体解决方案。同月,恩智浦携手广汽集团共同开发基于以太网和安全的新一代车载网关平台,推动国内首个整车制造企业自主研发的以太网网关项目落地

英特尔

英特尔看无人驾驶,是要看包括车、高速网络传输、强大后端云计算与大数据挖掘处理在内的端到端整体平台,而不只是汽车本身。包括车内计算、强大的云和一套机器学习解决方案、高带宽/低延迟连接系统、强大的内存和FPGA技术、人机接口以及安全技术等,都被英特尔视作自身的优势所在。

● 英特尔GO自动驾驶开发平台——构建汽车中央大脑中枢

随着驾驶自动化水平的提高,汽车必须清楚了解前方道路状况,评估各种可能的场景,并采取最佳的应对措施。这需要汽车进行大量的并行和顺序计算,在每秒内处理数百万个数据点。英特尔GO自动驾驶开发平台提供了一种灵活的架构,包括CPU、FPGA及面向深度学习的硬件加速技术。这种架构同时具有独特、优化的并行和顺序处理能力,能够将自动驾驶工作负载归类为需要高效处理的计算类型。通过将凌动、至强处理器、Arria 10 FPGA进行灵活组合,英特尔提供了更节能、设计更合理的解决方案。

● 5G网络——汽车与数据中心之间的“高速路”

未来,无人驾驶汽车必须与数十亿台设备一起竞争网络带宽。对运输服务提供商来说,如果希望充满信心地部署面向信息娱乐和生产力的全新车载服务,并提供更加安全的无线软件更新,则必须实现以毫秒计算的数据传输速度。英特尔为此推出了业界首个5G无人驾驶平台—英特尔GO,提供5G移动试验平台,加速早期原型解决方案的开发与试验,参与3GPP等标准组织的工作与业界共同定义5G标准。

● 云和数据处理分析——让海量数据增值

无人驾驶汽车将以前所未有的速度收集和分析数据,以提高驾驶安全、提升车内体验、加强车队管理,并支持新的赢利性业务模式,例如共乘服务、个性化车载信息娱乐等。面对空前庞大的复杂数据,数据中心必须具备稳定的深度学习模型和强大的计算能力,以确保在无人驾驶执行的每一步,都能保证数据准确性与安全性。

对于在城市环境中行驶的无人驾驶汽车,为了处理其复杂的工作负载问题,英特尔提供了从酷睿处理器到至强处理器的计算能力。在数据中心领域,英特尔至强处理器是部署最为广泛的基础设施,主要用于评估机器学习模型。近期,英特尔研究人员采用英特尔至强处理器,成功地将数据中心的人工智能培训时间缩短了50倍。此外,英特尔正在美国亚利桑那州、加利福尼亚州、俄勒冈州和德国建立“卓越中心”(CoE),对无人驾驶汽车进行路测。路测项目可收集创建深度学习模型所需的数据,从而为无人驾驶汽车提供相关的智能。

本文为《电子工程专辑》原创,版权所有,谢绝转载

EETC wechat barcode


关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”。