智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
隨著汽車電子電氣架構由分布式向集中式演進，控制范圍更廣、算力更強的域控制器如今迎來了火熱發展，且在軟件定義汽車趨勢的推動下，多域融合的方向也愈加清晰，車規級計算平臺隨之走向集中化，正成為相關企業的關注焦點。
計算平臺走向集中化
為滿足快速迭代的用戶需求，軟件定義汽車已成為行業共識，被認為是相關企業贏得未來的關鍵轉型方向。而要做到這一點，計算平臺，尤其是集中化的計算平臺十分關鍵。
近日，在由蓋世汽車舉辦的2021智能汽車域控制器創新峰會上，上汽零束軟件分公司基礎軟件平臺專家曾杰男表示，智能汽車如今面臨三方面需求：滿足千人千面的用戶需求，用戶體驗持續進化以及車輛主動感知、主動決策。
而要滿足這三個需求，曾杰男認為，其中一大關鍵便是，在硬件層面實現分布式到中央集中式的轉變，要有一個中央集中式計算平臺提供算力基礎。“硬件給我們提供了算力基礎，讓我們有可能在上面做更多的算法，去做更多的功能。”
華為智能汽車解決方案BU MDC解決方案部部長畢舒展亦在此次峰會演講中指出，智能化的發展提出了很多技術挑戰，其中汽車上的應用軟件將是SOA架構(面向服務的架構)的，它的特點是解耦、模塊化、靈活部署，上層軟件的特點是更新快，滿足終端用戶需求，同時體驗和功能需要快速迭代。
當然，問題的關鍵是，要有一個堅實的智能駕駛計算平臺底座，上層應用軟件才能提供更好更快的迭代。畢舒展表示，要想實現上層軟件SOA架構的發展，底層需要集中化計算平臺，在當前階段以域集中的ZOA架構（平臺硬件集中化的架構）為主。
嵐圖汽車科技有限公司自動駕駛算法研發總監劉會凱持有同樣的觀點。他在演講中提到，軟件定義汽車的實施使得車輛的使用體驗得以提升，也能讓車輛生命周期得到延長，另外隨著這臺車的使用時間越來越長，也能讓這臺車的個性化程度越來越高，“而實現軟件定義汽車的核心，最重要一關就是集中控制器，或打造一個高集成化的計算平臺來支撐以上理念。”
由此來看，軟件定義汽車時代，計算平臺需走向集中化，其重要性已為諸多企業所知。正如國汽智控(北京)科技有限公司副總裁楊柯在此次峰會演講中所說，計算平臺已成為新一輪技術競爭的焦點。
需要強大算力的支撐
沒有人能否認，算力對于集中式計算平臺的重要性。畢舒展在演講中就明確指出，集中化計算平臺的特點之一就是大算力。
在此次域控制器創新峰會上，據湖北芯擎科技有限公司產品規劃管理部總經理蔣漢平介紹，在分布式架構中，多數模塊化的功能都是通過ECU單元疊加的，是1+1的過程，對于芯片能力要求是比較低的，集中在可靠性和安全性上，MCU要求50 DMIPS(每秒執行百萬條整數運算指令數)。現在開始走域控制器，也即把功能安全、信息安全接近的芯片進行一定的融合，形成一個域，在這個域里面做決策，這種情況下MCU達到了2k DMIPS。
域控制器之后是域融合，例如特斯拉有三個域，這種情況下的算力就已經到了SoC級別，算力是5-20K DMIPS。而當下中央計算把大量算力集中起來，把分布式控制放在ECU端，這種情況下算力就接近50-300K DMIPS。
對于計算平臺對算力的需求，劉會凱認為，這很大程度取決于感知系統的巨大升級，包括激光雷達、800萬攝像頭的搭載，另外復雜系統或者SOA架構的實施也對計算平臺提出了更高算力需求。據其透露，國內主機廠的智能駕駛感知系統基本上都采用了“激光雷達+毫米波+攝像頭”的多種傳感器冗余的強感知路線。
“自動駕駛等級每提高一級，對于算力就增加一個數量級，一般認為，L2需要的算力<10TOPS，L3是30-40TOPS，L4是100TOPS以上，目前對于L5所需的算力行業還沒有明確定義。”劉會凱指出，目前的計算平臺的算力只能支持部分L3、L4開發的需求。
他還提到，在智能駕駛系統的快速開發和功能迭代方面，還面臨一些挑戰：一、需要處理海量數據，成本較高，單車每月產生的數據量是非常龐大的；二、對于訓練和仿真訓練及仿真需要強大算力支撐。
算力無限膨脹并非未來趨勢
于集中化計算平臺而言，算力的重要性已毋庸置疑，且在此背景下，已有諸多企業加強這方面的布局。
在此次域控制器創新峰會上，超星未來聯合創始人兼首席技術官梁爽就坦言，現在算力的軍備競賽已經掀起來了，“舉例來說，今年英偉達發布業內首款1000TOPS的SoC，這相比特斯拉FSD單芯片算力72TOPS算力提升超過一個數量級。另外我們看到，國內也有超過國外玩家的趨勢，比如說地平線J5，最高128TOPS，再如黑芝麻A1000Pro，106TOPS芯片上個月剛剛宣布完成流片。”
從計算平臺角度來看，這些芯片的推出為之提供了更豐富和更可靠的選擇。不過梁爽提醒道，行業需要思考一個問題，解決智能駕駛系統計算平臺的支撐，是否只能通過芯片堆疊來實現？
答案顯然是否定的。
盡管汽車智能化需要更強的運算能力，但蔣漢平表示：“算力也不能說無限增長，芯片PPA(功耗、成本和面積)都是很要命的。我們以前做芯片的時候很講究功耗，有些車廠說現在是新能源，你不用擔心電的問題，但要知道，即便不用擔心電的問題，也還要擔心散熱等其它問題。所以我們不認為算力無限的膨脹和預埋是未來的趨勢，特別是在SoC上，我們需要精準高效的算力來適配電子電氣架構的變革。”
梁爽亦指出，芯片的算力本質上對于智能駕駛系統還是必要不充分的條件。“雖然大家都知道實現更好的系統需要更多的算力，但是現在大家更多提的算力是峰值算力。我們經常會看到一個優化程度不好的芯片宣稱有10TOPS算力，實際跑出來的應用等效只有3-4TOPS的算力。所以我們認為，計算平臺設計不單單是算力問題，而是一個非常復雜的需要進行系統優化設計的問題。”
仍有其它方面挑戰
正如前面所說，計算平臺要解決的不僅僅是算力問題，除此之外還面臨其他方面的挑戰。在此次域控制器創新峰會的主題演講中，長城汽車智能駕駛架構總監董作民就提到，大算力計算平臺主要面臨四個維度的挑戰，分別是功耗、散熱、電磁兼容和質量挑戰。
其中就功耗而言，據蓋世汽車了解，通常情況下，需要更多的算力就需要支付更多的功耗。梁爽指出，車的場景是受限的場景，以L2+域控為例，它的功耗需要控制在30-40瓦范疇之內，即便上水冷把功耗放到大幾百瓦、上千瓦，對于電池作為動力能量源的車輛來說，對續航影響也是非常明顯的。
基于此，梁爽表示：“做計算平臺本質上是硬件和功耗等資源受限條件下優化的問題，有點像帶著鐐銬跳舞的狀態。我們面臨著越來越復雜的系統，還需應對越來越復雜且快速迭代的傳感器，手頭有的其實是受限的資源，如何讓計算平臺方便部署、高能效以及安全可靠非常重要。”
畢舒展同樣認為計算平臺面臨著諸多挑戰。他坦言，計算平臺，特別是面向L2到L5的計算平臺，相對于傳統的ECU在硬件工程、軟件工程領域實現了10-100倍級的挑戰。
舉例來說，當芯片算力為200TOPS到400TOPS，功率從100到300瓦左右，這意味著其在散熱方面面臨較大的挑戰，另外在液冷防凝露、EMC復雜環境等工程問題上也面臨巨大挑戰。
軟件工程也將面臨很多問題，比如說基于不同的上層支持SOA調度系統，周邊服務化形式怎么解耦？數據面和管理面怎么解耦、怎么隔離？操作系統怎么實現確定性低時延等？
此外還有安全方面的挑戰。“除了汽車界所熟知的主動安全和被動安全等功能安全要求之外，還有網絡安全，智能網聯汽車隨時隨地在聯網，這個時候就隨時面臨著外界的各種挑戰，包括黑客侵入，而這個時候你又會發現除了功能安全之外，信息安全也正面臨巨大的挑戰。”畢舒展補充道。
部分應對方案及對策
通過以上可以看出，計算平臺如今確實面臨著諸多嚴峻挑戰。那么，相關企業如何應對這些挑戰？
針對此，畢舒展在此次峰會演講中表示，華為可以提供專業化計算平臺。據其透露，當前業界有兩種平臺，一種平臺是芯片、硬件、操作系統、中間件可能來自于不同的廠家，即組合平臺，而其所說的專業化計算平臺則是由一家公司來提供芯片、操作系統、中間件。
關于專業化計算平臺的優勢，畢舒展指出，如果各個部件來自于不同廠家，在量產過程中遇到問題溝通協調起來是非常困難的，會產生巨大的工作量，效率較低。另外，一旦主機廠來一個新的需求，可能需要操作系統方、中間件方，甚至在芯片層都需要落地，這個周期計劃協調起來非常困難，響應周期也要按半年為單位計算，而專業化計算平臺各層都是一家提供，不存在這個問題。當然這僅是專業化平臺的特征之一。據其介紹，專業化平臺還具備高性能、高安全以及快速響應的特征。
據蓋世汽車了解，華為可以提供系列化的面向不同場景的產品，其稱之為“統一平臺架構，系列化硬件，共用一套軟件，功能持續迭代”，這種平臺支持上層應用平滑升級。具體產品型號有：MDC 810，有400+TOPS的算力，可以滿足L2+、L3、L4、L5應用場景；MDC 610，提供200+TOPS的算力，針對L4場景，主要面向于乘用車；MDC 210，有48TOPS的算力，針對L2+場景；MDC 300F，面向商用車場景，比如礦卡、高速物流以及園區。
前面提到，如何實現計算平臺方便部署、高能效以及安全可靠十分關鍵。梁爽認為，應對這樣一個難題的技術方式，還要以軟硬件協同的手段來實現。
就超星未來而言，其思路是“圍繞神經網絡計算加速處理為核心，從軟件協同的角度上通過模型壓縮、結構搜索的方式來優化出甚至設計出對于硬件更為友好的模型，包括除開神經網絡之外其他計算進行定制化加速，大幅度降低在CPU這些通用單元的算力開銷，縮短計算平臺處理的延遲。處理完所有能效優化基礎上還會在基礎軟件環境上去做優化，以及最終有一個異構計算平臺把軟硬件技術承載起來，開放提供給客戶。”
據梁爽介紹，超星未來今年5月發布的高級別自動駕駛計算平臺，能夠支持多路傳感器接入和處理，最高支持20路4K相機、3路千兆網口接入和12路CAN-FD。在中間計算配置方案上是采用英偉達Xaiver SOC滿足算力需求，同時引入異構方案FPGA和MCU，在滿足用戶算力需求的同時應對除開神經網絡之外其他的計算需求。同時在功能安全上也做了大量的工作。“我們還會提供完善的驅動、基礎軟件環境及工具鏈，真正讓用戶做到即插即用，我們現在跟很多客戶實現了多種車型、多種級別、多個場景下自動駕駛計算平臺的應用。”
當然，不只是這兩家企業，圍繞計算平臺進行布局的企業眾多，方案也可謂五花八門，不過殊途同歸，最終都是為了更好地滿足終端用戶需求，并因此獲得收益。
(原標題：車規級計算平臺走向集中化，算力無限膨脹并非未來趨勢)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
