广告

FPGA在未来车用IC市场中的地位如何?

时间:2018-07-01 作者:Junko Yoshida 阅读:
AI处理器和支持AI的SoC广受投资界关注,因为他们是开发高度自动化车辆的关键,那么FPGA呢?它将在AI芯片竞赛中处于什么位置?

人工智能(AI)处理器和支持AI的SoC目前正受到投资界的全面关注,因为他们被视为新兴高度自动化车辆的关键,那么FPGA呢?它将在AI芯片竞赛中处于什么位置?

为了重申其于汽车产业的长期投入,以及看好FPGA将在自动驾驶车内部发挥重要作用,赛灵思(Xilinx)宣布与戴姆勒(Daimler AG)合作,为未来的奔驰(Mercedes-Benz)新车款开发“超高效率AI解决方案”。

Xilinx-Daimler连手打造AI方案

据两家公司表示,戴姆勒正在打造采用赛灵思技术的车载系统,为汽车应用执行AI处理。不过,双方的合作细节仍不明朗。

那么,Xilinx-Daimler合作开发的这套系统预计何时推出?是否独家授权?(还有像“赛灵思是否足以与Mobileye或英伟达(Nvidia)等芯片供应商竞争?”等问题)赛灵思汽车事业部资深总监Willard Tu并未多加评论。

The Linley Group资深分析师Mike Demler指出:“戴姆勒也选择了Mobileye和Nvidia。”他认为赛灵思与戴姆勒的合作发布,或多或少是为了市场营销。但他也补充说“看看戴姆勒的车载系统会变成什么,倒也十分有趣。”

事实上,FPGA普及于车用领域的程度,远超过大部份人的了解。

VSI Labs创办人兼负责人Phil Magney解释,“虽然每个人都希望宣示ASIC的所有权,但大部份最先进的处理都是以FPGA完成的,它让用户有机会在高效率的运算平台上套用其专有指令集。”Magney告诉《EE Times》,“ASIC固然不错,但在锁定你的指令集之前,可能还得试用许多变化版本。FPGA则能随时因应变化,让您能够调整指令集并尝试新应用。”

长期深耕汽车市场

谈到该公司在汽车市场的发展,Tu解释说,赛灵思的FPGA最初作为车载信息娱乐系统中的胶合逻辑,之后才在先进驾驶辅助系统(ADAS)市场找到了最佳位置。Tu强调,FPGA最适合用于处理越来越复杂的ADAS和自动驾驶。
Xilinxautomotivesensordata
FPGA可设计于汽车内部的位置(来源:Xilinx)

2014年,赛灵思的芯片被14家车商采用,并设计用于29款车型中。该公司表示,到2018年,赛灵思芯片解决方案的触角扩大到了29家车商的111款车型中。

相较于许多刚刚进入自动驾驶车市场的AI处理器新创公司,Tu表示:“赛灵思确实了解如何提供车用级的质量。我们长久以来一直在为汽车市场出货产品。”

在ADAS市场上,赛灵思的FPGA经证实有助于处理来自各种传感器(包括影像传感器、激光雷达或雷达等)的复杂感测数据。

事实上,Tu说,赛灵思已在车用计算机视觉处理市场占有率排名第二,仅次于Mobileye。然而,他也很快地表示,目前市占率第一(Mobileye)和第二(Xilinx)之间存在着巨大差距。不过,赛灵思与博世(Bosch)、Magna和Continental等多家一线供应商(tier one)在成像处理方面都有合作,Tu解释说:「他们希望在这方面与赛灵思合作的原因有五个。」

首先,赛灵思FPGA让想要执行自家专有成像处理算法的汽车OEM实现差异化。相形之下,Mobileye提供的是一种“通用”(one-size-fits-all)的解决方案。

其次,赛灵思为tier one提供的是“开放式”平台,有助于其实现并确保符合ISO26262的功能安全。而Mobileye则提供一个“黑盒子”——这让tier one 和OEM都不清楚在Mobileye盒子内部究竟发生了什么。

但是,如果Mobileye能保证其黑盒子符合ISO26262标准,那还会有问题吗?Tu说:“Mobileye是一家芯片供应商。最终,如果在系统级出现一些安全问题,那么必须承担责任的就是汽车OEM,而非芯片供应商。”

第三,赛灵思的成像处理解决方案为可在车内安装之处提供了灵活性。它可以放在前置摄影机、挡风玻璃或中央模块。

第四,赛灵思还提供了“可扩展性”。赛灵思设计的ZU2~ZU5搭配Cortex-A53和Cortex-R5等ARM子系统,能够根据应用需求添加更多可编程结构。随着新车评估计划每12至16个月增加一项新要求,Tu强调,“相较于SoC相比,我们的解决方案提供了更多的灵活性。”

第五,赛灵思看好FPGA的适应性,它能持续因应汽车产业需要的功能不断变化而随之调整。

或许,最有助于描述这种适应性的例子之一就是赛灵思所谓的“动态功能交换”(DFX)。例如,假设赛灵思的芯片可用于Level 3自动驾驶车的驾驶员监控功能,那么,相同的芯片还可以重新编程,在代客停车应用中执行自动停车功能。Tu解释说,这种可编程性能够改变芯片的“个性”。

激光雷达市场占有率达九成

赛灵思另一项优势是在激光雷达市场的主导地位。据Tu介绍,赛灵思的芯片不仅用于几家主要的tier one激光雷达产品中,同时也被多数新创公司的设计采用。由于各种不同的激光雷达建置了许多不同技术,而这一技术汇流的趋势也将持续下此,多家激光雷达供应商开始转而采用赛灵思的可编程解决方案,这是可以理解的。

Magney说:“许多激光雷达显然都使用了FPGA,尤其是一些具有智能化而需要特殊处理的激光雷达。FPGA让激光雷达制造商得以更新和调整其处理要求。而且,由于大多数激光雷达供应商都是新公司,在这个阶段采用ASIC解决方案并不切实际。”

但是在一个更大的计划中,Demler质疑90%的市占率究竟有多么重要。他指出,“这毕竟还是一个较小的市场…每年大概不超过100万个单位量。我猜测赛灵思可能与Velodyne有合作关系,但目前应该还在研发中。”

Demler认为,当今的激光雷达市场“主要在于测绘(mapping)和工业应用,而非汽车。”

在边缘处理?

虽然激光雷达市场目前可能仍然微不足道,但赛灵思可望在边缘的感知数据处理方面发挥更大的作用。

Magney说:“我们也在由传感器进行处理数据的边缘看到一些处理进行。例如,激光雷达和雷达产生大量的数据,经过一些程序将部份处理需求传送至传感器模块,特别是针对ADAS。”

Magney指出:“FPGA可作为ADAS解决方案价值链中的重要组成部份,而且可能非常适用于处理丰富的成像雷达,这部份技术目前仍十分先进。”

从ADAS到自动驾驶

虽然FPGA在ADAS市场的表现不错,但Tu认为FPGA的根本优势在于“低延迟和更高的传输速率”,这将在高度自动化的汽车市场真正发挥作用。

当GPU进行深度学习推论时,他们需要大量的平行数据才能通过单指令多重数据串流(SIMD)。为了进行更多运算和更少撷取,业界试图开发广泛的SIMD架构,但临时文件仍存在限制。

相反地,FPGA能进行batch-less的推论,Tu表示,这致使“无论批量大小都能提供低延迟和确定性延迟、更高的吞吐量以及一致的运算效率。”
Xilinxbatchlessinferences
FPGA提供batch-less的推论(来源:Xilinx)

虽然原则上是这样,但对于赛灵思最终将如何在自动驾驶(AV)市场抗衡Nvidia和Mobileye,业界观察家目前仍不愿作出任何判断。

就在几个月前,赛灵思曾经谈到它所谓的“自适应运算加速平台”(ACAP),该公司声称它将“超越传统CPU和GPU的性能”。然而,该公司至今并未透露任何细节。Tu说,ACAP今年将投片,但要到2019年以后才会开始出货。

那么,如果我们拿赛灵思的解决方案来和Nvidia或Mobileye作比较呢?Magney指出:“现在要作出什么结论还为时过早。Mobileye基于视觉的算法在同级方案中表现最佳,它们针对紧密整合的指令集(ASIC)进行了强化。目前,从视觉角度来看,这是一场硬仗,但赛灵思将为客户提供开放的解决方案,这心封闭的方案更具有吸引力。”

至于Nvidia,Magney补充说,“除非透过某些严格的基准检验,否则很难知道赛灵思是否比Nvidia更有效率。此外,Nvidia提供了一个完整的堆栈和SDK,因此,对于开发人员来说,目前Nvidia的堆栈更完整。”

整体而言,Demler指出:“我们看到数据中心将FPGA用于AI加速,因此,赛灵思在此基础上开发更专用的架构也不至于让我感到意外。FPGA可利用其DSP与平行架构,提供极其适合神经网络加速的运算能力。”

Demler表示:“最终,相较于其他解决方案,其挑战在于成本和功耗。”

虽然与戴姆勒的合作被视为是“赛灵思的重要订单”,但Magney表示很难知道终端应用何时可用。

戴姆勒在新闻发布会上表示:“在此策略合作中,来自德国辛德尔芬根与印度班加罗尔两地之奔驰车厂研发中心的深度学习专家,在赛灵思高度自适应的汽车平台上建置其AI算法。”该公司表示,Mercedes-Benz将使赛灵思AI处理器技术实现商品化,让神经网络实现最高的执行效率。

编译:Susan Hong

本文授权编译自EE Times,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”。

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
广告
相关新闻
广告
广告
广告
广告