最近的分析師報告顯示，ADAS系統(tǒng)和信息娛樂系統(tǒng)的處理能力預計將在未來五年內(nèi)大幅提升。他們看到了多個前沿方面的進步，不僅在人工智能 (AI) 方面，在通用計算方面也有突破，還有原始設備制造商 (OEM) 在電子內(nèi)容構(gòu)建方式上的變化，即從基于邊緣管理，轉(zhuǎn)變到區(qū)域管理，再到中央管理。

任何希望乘勢而上的系統(tǒng)制造商都需要考慮一個關鍵問題：如何通過統(tǒng)一的產(chǎn)品系列來滿足多種汽車架構(gòu)需求？

ADAS 系統(tǒng)的市場機遇

據(jù)Yole Development報告，通過安全能力和數(shù)字駕駛艙方面的直接創(chuàng)新，以及相鄰技術的發(fā)展和諸如推動駕駛員和乘員監(jiān)測系統(tǒng)的法規(guī)進步，在未來五年增長將高達3倍。

但問題是，這種增長將發(fā)生在哪里——邊緣傳感器、區(qū)域中央處理，還是汽車中央處理？與發(fā)展緩慢的集中式系統(tǒng)相比，在邊緣設備方面，新進入者推出具有競爭力的解決方案，創(chuàng)新勢頭仍然強勁。相反，成本、安全和集中軟件控制則繼續(xù)推動向集中化發(fā)展。

從邊緣處理到中央處理

在ADAS系統(tǒng)出現(xiàn)之前，汽車電子產(chǎn)品的快速增長促使汽車OEM重新思考他們希望如何分布這些電子產(chǎn)品?，F(xiàn)在，邊緣感知加速了這一需求的到來。部分問題在于數(shù)據(jù)通信的成本和管理，而智能感知進一步加劇了這一問題——繁重的線束連接需要耗費大量功率才能將數(shù)據(jù)從邊緣傳輸?shù)浇y(tǒng)一的處理終端。

但是，傳感器融合必須融合來自多個傳感器視角和類型的數(shù)據(jù)，通常不能很好地適應邊緣或中央處理。我們需要邊緣AI來實現(xiàn)快速識別和減少數(shù)據(jù)量，但通信和融合的需求現(xiàn)在將一些AI需求部署到區(qū)域處理器。

與此同時，隨著我們向具有一定無人駕駛能力的智能汽車發(fā)展，這些智能汽車必須將分布式輸入整合到一個駕駛策略管理器下。這種類型的AI不能是分布式的，為了安全和整合考慮，它必須由中央控制器處理。

顯然，需要三種不同類型的ADAS系統(tǒng)處理能力——邊緣、區(qū)域和中央，具有三種不同的配置。邊緣AI必須保持快速和低成本的優(yōu)勢（因為汽車周邊會有許多這樣的設備），單個處理器提供高達5 TOPS的算力。區(qū)域處理器，整合來自多個邊緣設備的輸入，必須提供更高級別的并行性和性能，這需要依靠算力高達20 TOPS并且更為昂貴的多核實現(xiàn)。最后，中央駕駛策略引擎必須根據(jù)經(jīng)場景訓練的行為進行推理，可能還需要支持某種程度的即時訓練。這款引擎很可能是一款造價較高的多芯粒設備，每個芯粒都是多核，提供200 TOPS或更高的算力。

可擴展性對 ADAS 系統(tǒng)意味著什么？

目前，在數(shù)量眾多的低成本邊緣設備、數(shù)量較少但成本較高的區(qū)域設備以及每輛車可能僅一臺的昂貴中央設備之間，營收機會將如何分配還是一個未知數(shù)。聰明的人似乎都在為每個細分市場的重要商機做準備。鑒于此，片上系統(tǒng) (SoC) 產(chǎn)品開發(fā)商應該如何構(gòu)建解決方案？

在部署ADAS系統(tǒng)時，培訓、優(yōu)化和基礎設施軟件是最大的投資部分。因此，在整個產(chǎn)品系列中用統(tǒng)一的方式支持這幾項要素，這對取得經(jīng)濟成功至關重要。邊緣解決方案可能比區(qū)域或中央解決方案更適合以輕量為目標，但它同樣應該允許支持核心功能的縮減版本。這樣，就可以使用不同的編譯器選項編譯經(jīng)訓練的公共網(wǎng)絡，并將其映射到邊緣、區(qū)域和中央解決方案。

相應地，AI硬件平臺應支持向上/向下擴展。同一架構(gòu)，可部署為單個神經(jīng)引擎或多個并行引擎，具有統(tǒng)一的數(shù)據(jù)流量控制和內(nèi)存層次優(yōu)化。甚至在需要時允許向外擴展到多芯粒實施。

但這里有一個問題：僅僅因為解決方案必須可擴展，網(wǎng)絡開發(fā)人員就要放棄他們所知道的任何可以提高性能和降低功耗的優(yōu)化嗎？他們應該能夠使用所有最先進的 AI 方法來達到其目標。比如采用Winograd轉(zhuǎn)換，以更低的功耗提供2倍的性能，大幅減少帶寬，但精度幾乎不會降低。這些是高級推理中常用的選項。

或者例如在全混合精度神經(jīng)MAC陣列中提供的各種激活和權(quán)重數(shù)據(jù)類型，改變層精度可顯著降低內(nèi)存要求和功耗。稀疏引擎更進一步，不再需要乘以零值，在低精度層中將變得更加常見。這不僅提高了性能，還降低了功耗。

在最先進的加速器中，自定義操作必不可少，在推理中添加這些操作的一種方法是借助外部加速器。另一種方法是在可編程的矢量處理單元中具備與原始的硬件引擎相同級別的計算能力。

下一代網(wǎng)絡架構(gòu)可以利用更多功能，如全連接層、RNN、轉(zhuǎn)換器、3D 卷積和矩陣分解。

識別下方二維碼

立即了解CEVA的AI平臺

↓↓↓

關于CEVA

CEVA 是排名前列的無線連接和智能傳感技術以及集成 IP 解決方案授權(quán)商，旨在打造更智能、更安全、互聯(lián)的世界。我們?yōu)閭鞲衅魅诤?、圖像增強、計算機視覺、語音輸入和人工智能應用提供數(shù)字信號處理器、人工智能處理器、無線平臺、加密內(nèi)核和配套軟件。這些技術與我們的 Intrinsix IP 集成服務一起提供給客戶，幫助他們解決復雜和時間關鍵的集成電路設計項目。許多世界排名前列的半導體廠商、系統(tǒng)公司和OEM利用我們的技術和芯片設計技能，為移動、消費、汽車、機器人、工業(yè)、航天國防和物聯(lián)網(wǎng)等各種終端市場開發(fā)高能效、智能、安全的互聯(lián)設備。

我們基于 DSP 的解決方案包括移動、物聯(lián)網(wǎng)和基礎設施中的 5G 基帶處理平臺；攝像頭設備的高級影像技術和計算機視覺；適用于多個物聯(lián)網(wǎng)市場的音頻/語音/話音應用和超低功耗的始終開啟/感應應用。對于傳感器融合，我們的 Hillcrest Labs 傳感器處理技術為耳機、可穿戴設備、AR/VR、PC機、機器人、遙控器、物聯(lián)網(wǎng)等市場提供廣泛的傳感器融合軟件和慣性測量單元 (“IMU”) 解決方案。在無線物聯(lián)網(wǎng)方面，我們的藍牙(低功耗和雙模)、Wi-Fi 4/5/6/6E (802.11n/ac/ax)、超寬帶(UWB)、NB-IoT和GNSS 平臺是業(yè)內(nèi)授權(quán)較為廣泛的連接平臺。

歡迎點亮“在看”哦