自動駕駛車輛顛覆傳統汽車產業生態(上)

2017-06-01
作者 Junko Yoshida

如果產業界在自動駕駛車輛平台上的競爭,能被簡單歸類為Nvidia對上Intel,對記者們來說日子會好過得多,可惜事實並非如此。

大多數並非美國底特律(Detroit)出身的外行人,都很難理解汽車產業的內部運作模式,特別是車廠、第一線汽車零組件供應商是如何聯手讓數百萬輛車從裝配線上誕生;而隨著科技業者的加入,情況又變得更為複雜。

那些科技業者都不是底特律出身,而且是傳統汽車市場的新手,包括Tesla、Waymo (先前是Google的自動駕駛車研發專案,現在是Google母公司Alphabet旗下一員)等新車廠,以及晶片業者如Intel、Nvidia。

在一個被新手擾亂的產業,車廠與第一線汽車零組件供應商之間的夥伴關係已經不再如同往常,現有的聯盟可能會突然被新的取代;競爭性自動駕駛車輛平台之間的技術比拚,使得整個市場局勢變得陌生而不可預測。

當然,如果產業界在自動駕駛車輛平台上的競爭,能被簡單歸類為Nvidia對上Intel,對記者們來說日子會好過得多,可惜事實並非如此。

在一方面,Nvidia希望全世界相信,深度學習技術的演進正迅速且大幅改變汽車產業;另一方面,TI已經讓超過1.5億輛採用該公司之先進輔助駕駛系統(ADAS)與數位座艙SoC的車輛上路,對於將其目前的平台(支援Level 1與Level 2自動駕駛車輛)在今年稍晚升級至支援Level 3自動駕駛車輛信心十足。

TI的目標是在讓客戶邁入下一個等級的同時,也保護其軟體投資;該公司也聲稱,正在準備提供一種低功耗嵌入式解決方案以執行AI推理模型。對於汽車產業正在如何快速與劇烈地轉變,Nvidia與TI兩家公司在看法與解決方案上可說是兩個極端。

各種ADAS/自動駕駛車輛平台

「汽車產業在歷史上就一直是個龐大的生態系統網路,有多個不同層級的供應商,」市場研究機構Linley Group的資深分析師Mike Demler提醒:「沒有單一家公司能提供所有東西;」他認為,在現階段:「大多數車廠還在評估以及開發,沒有人在尋求採購一套完整的堆疊。」

不過目前我們在市面上至少能數得出十種不同的ADAS/自動駕駛車輛(AV)平台──由不同的陣營公開推廣宣傳;那些自動駕駛車輛平台包括以下表格中的幾種。

20170601_AVstacks_NT03P1

各種自動駕駛車輛平台
(來源:EE Times)

如同表格中顯示,並非每一個自動駕駛車輛平台都能處理全部的ADAS與自動駕駛功能,就算是Nvidia的平台是鎖定機器學習,還是可以被形容為不完整的解決方案;如顧問機構Vision Systems Intelligence (VSI)的創辦人Phil Magney所言:「它還需要一個能處理控制訊號並進行監視的安全監控器。」

市場研究機構IHS Automotive的車用資通訊娛樂與ADAS市場研究總監Egil Juliussen則認為:「將會有多個軟體與硬體平台彼此重疊、互動以及競爭。」

Magney偏好以更細緻的層級來分析自動駕駛車輛平台──也就是將平台分解成一塊塊,他稱之為「AV堆疊(stack)」;所謂的AV堆疊包括感知(perception)、本地化/規劃(localization/planning)、決策/行為(decision/behavior)、控制、連結以及I/O。

而將那些AV堆疊放在一起的通常是晶片大廠,Magney表示:「而且他們推動夥伴關係的建立;」但是,為何晶片業者如此渴望投入自動駕駛車輛平台戰爭?

Magney認為,晶片業者看到仍在萌芽階段的自動駕駛車輛市場,就確定眼前的戰線是在平台的發展上;而各種AV堆疊的目標是:「讓開發活動圍繞著他們的處理器IP,並期望能導入量產。」不過他也強調,量產的堆疊──或是量產的平台──會因為一旦選擇了某個架構而有所不同;決定處理器非常重要。

「處理器指令集在堆疊的不同部分也有所不同,」Magney表示:「在前端,你必須感受環境,於是得在規劃軌跡之前本地化;在這之後,你得提出時間觸發(time-triggered)控制指令,同時必須以鎖步處理(lock step processing)進行監控,將可能的故障降至最低。」

此外,AV堆疊還同時需要平行與序列處理;Magney指出:「以RISC核心搭配向量處理器(vector processor),可以處理高度平行的指令,像是那些場景理解(scene understanding)的指令;你也可以擁有擅長處理神經網路的繪圖處理單元(GPU)。」

FPGA也有很多可以發揮的空間,特別是在開發活動方面;FPGA能讓開發速度加快,並且可以提供在中途調整指令集的彈性;Magney表示:「值得注意的是,AV堆疊不只有硬體。」

他解釋,大多數的解決方案包括:「開發工具、程式庫、應用程式樣本、執行環境(run times)以及中介軟體;」顯然有部分業者傾向於透過單方面組合整個系統,成為「一站式」供應商:「開發自動駕駛車輛應用程式非常複雜,而且這場戰爭有一半是在選擇硬體與軟體元件,更不用說開發工具鏈。」

Magney分享了他對自動駕駛車輛硬體堆疊的觀察…

 
繼續閱讀:自動駕駛車輛顛覆傳統汽車產業生態(下)

編譯:Judith Cheng

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

Junko Yoshida

暫無

發表評論

訂閱EETT電子報