黑芝麻智能开芯课堂 智能驾驶芯片 "算力"详解

引 言:汽车从诞生之初其主要的评价体系以马力为主,随着汽车工业百年的发展,汽车的属性也慢慢的从生产工具,转变成了第三空间。越来越多的新的功能上车,需要越来越多的芯片的支持。而随着电子电气架构的发展,芯片也从之前的单一功能发展到了目前的高性能SoC(System on Chip)阶段。之前的开"芯"课堂从工具链和应用角度做了介绍,今天我们就介绍下实现以上功能的基础——算力

算力的定义以及分类

算力,简单来说就是计算的能力。一款SoC一般会包含CPU,GPU,NPU及DSP等算力单元。类似于学霸在语文,绘画,数学及理综的学习能力。CPU简单来说主要处理逻辑计算其单位DMIPS,GPU主打图像处理,其单位FLOPS,表示浮点运算能力。NPU作为神经网络处理器,主要用于神经网络的推理工作,目前主流的中大算力NPU芯片算力可达TOPS量级,意为每秒钟1万亿次操作。DSP作为更灵活的算力单元,其既可以提供定点计算能力同时也可以提供浮点计算能力。所以,大家可以感受到,作为一款优秀的SoC芯片,其是不能偏科的,多学科都要有很好的成绩。那算力到底能支持什么样的功能,不同等级的智能驾驶都需要多大的算力呢?

1.jpg

2.jpg

不同级别自动驾驶对应的算力需求

自动驾驶主要分为0-5级,以Level3为分界,以下为智能驾驶,以上为自动驾驶。目前市面上比较成熟量产的还是以Level3以下为主。智能驾驶目前主要的感知更多的依赖视觉,这也推动了卷积神经网络加速器即NPU,在智驾领域占据了比较重要的地位。

3.jpg

为什么车企都在拼算力

我们可以看到,随着自动驾驶等级的提升,其对算力的要求也在不断的提高。算力也代替了马力成为汽车行业重要的参数指标。汽车产业正式进入了拼算力的时代,大算力芯片开始成为各大车企全新车型的重要卖点。

一方面,车载传感器数量和种类在急速增加的同时其精度也在大踏步的提高,以确保实现更多更复杂的功能,这对于芯片的算力提出了更高的要求。另一方面,新的算法模型也在不断的更新,更多的大模型被应用到实际的方案中,进一步拉升了对算力的需求。不过,我们也发现了一个比较有趣的现象,目前各大车企的旗舰车型的算力越来越高,动辄几百上千TOPS,同时,我们也看到芯片公司对于中算力芯片的投入也越来越大,智能驾驶在中低端车型的渗透率也进一步的提升。芯片算力在被拉高的同时,传感器复用,算力复用也在逐渐的应用到更多的量产项目中去,车企和芯片厂商似乎也达成了某种共识,芯片算力也在回归理性。

自动驾驶算力不是越高越好

芯片的算力在狂飙的同时,市场也在回归理性。随着软件,算法的发展,芯片的算力利用率也在进一步的提升。同时,我们也不能忽视另外一个很重要的概念就是帧率,帧率能够更真实的反应芯片的实际的计算能力。所以,算力作为理论值可以反映芯片的基础计算能力,而帧率则是能够真正的反应一颗芯片实际的计算效率。那是不是帧率越高越好,只能说在实际的智能驾驶中,说对了一半,我们确实需要更高的帧率,前提是此帧率对应的算法模型可以真正的为智能驾驶所服务。在没有给定算法模型及其对应的分辨率的情况下,单纯的提出帧率是多少,是无法真实反馈一颗芯片的实际算力的。

黑芝麻智能华山系列芯片方案

4.jpg

黑芝麻智能推出的华山系列智驾芯片,不只是拼算力、拼工艺、拼投入,同时拼创新点,其单颗算力达到58Tops,具有平台化、高性能、低功耗等特点,基于两大自主可控核心IP构建了核心竞争优势,包括车规级图像处理ISP和车规级深度神经网络加速器NPU,让车辆"看得清"和"看得懂"。融合前向+环视摄像头,前+角雷达及超声波等传感器,是国内首个符合车规、达到量产状态的单SoC行泊一体域控制器的芯片平台。整体方案简洁、高效、性价比高。丰富的传感器接口,能够支持L2+/L3等级自动驾驶解决方案,帮助用户提升智能驾驶体验的同时也为车厂及零部件供应商提供大幅降本的可能

稿源:美通社

最新文章