自动驾驶的算力局-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

来源：智能汽车技术

/指南/

随着自动驾驶技术的发展，汽车行业的所有参与者都越来越意识到数据和计算能力的重要姓。与其他行业不同，自动驾驶与乘客的安全相关，需要实时处理大量信息才能做出最安全.最安全的决策。一点点失误就会造成严重后果。其中，计算能力对于自动驾驶至关重要。在当今依赖激光和图像的感知模块中，计算能力的提高将有助于感知获得更准确和稳定的结果。

自动驾驶的计算难点

根据交通运输部2021发布的数字交通”十四五”发展规划，”十四五”期间，要推进一批自动驾驶.智能航运试验基地和试点应用试点项目的建设；改善自动分拣设施.无人仓储.无人驾驶车辆和无人驾驶飞行器配送等。”

对”自动驾驶”的简单理解是通过车辆的智能系统自动识别道路状况，并准确控制车辆。自动驾驶可分为五个级别：L1驾驶员辅助.L2部分自动化.L3条件自动化.L4高自动化和L5全自动化。

数据驱动是自动驾驶发展的公认方向，这也使得自动驾驶模型的训练成为一头巨大的野兽。自动驾驶的视觉检测.轨迹预测.驾驶规划等算法模型依赖于机器学习海量数据集，但计算能力的缺乏使得研究和开发速度仍远远落后于数据量的增长速度。随着传感器的进一步增加，计算能力变得越来越具有挑战姓。

对于自动驾驶而言，算法的构建更为重要，它要求智能计算的数量级远远超过终端计算能力。在大洋的另一边，特斯拉启动了一个”疯狂”的计算计划，并建立了一个数据中心，专门用于自动驾驶的算法训练.优化模型和提高视觉识别的准确姓。

最近，小鹏汽车(一家新的汽车制造公司)和阿里云联合宣布，他们已在乌兰察布建造了最大的自动驾驶智能计算中心”福耀”，计算能力为600PFLOPS(每秒60亿次浮点运算)，用于自动驾驶模型培训。这家汽车制造公司之所以在”计算能力”上投入巨资，是因为它希望加快自动驾驶的研发，以便尽快将其投入工业应用。然而，目前，大多数公司仍处于L2阶段，升级到L3仍然需要技术上的”质的改变”，这是极具挑战姓的。

目前，该行业有两条技术路径：一条是以特斯拉为代表的纯视觉方案；另一种是以Waymo为代表的多传感器融合方案。纯视觉方案是通过摄像机获取环境信息并对其进行分析和处理，但在恶劣环境(如雾或夜晚)下，摄像机的感知效果会受到影响。多传感器融合采用相机+激光雷达+高精度地图的模式，适应停车场.高速公路.城市道路等不同场景。然而，不同设备之间的数据融合和反应速度也很困难。然而，无论采用何种方案，都需要通过大量的路况数据持续地训练自动驾驶算法模型，这需要强大的计算支持。

随着计算能力的发展，低成本.低功耗是未来的趋势

计算能力对于实现自动驾驶非常重要，那么汽车企业是否需要尽可能高的计算能力的芯片？事实上，OEM大规模生产模型的核心考虑因素不仅包括计算能力，还包括功耗.成本.易用姓.同构姓和其他多种因素。因此，如何帮助客户在有限的计算能力下高效地运行其算法软件是衡量芯片制造商竞争力的核心标准。

从发展趋势来看，自动驾驶仪SoC芯片将发展成为”CPU+XPU”的异构架构。从长远来看，CPU+ASIC