{{detailStore.author.is_follow?'已关注':'关注'}}
首页推荐
文章
管理
算力硬刚特斯拉 FSD,黑芝麻 FAD 计算平台要做高性能自动驾驶平台的国产替代者
文章

「当下已推出的 FAD 平台最高算力达 140 TOPS ,未来可提升至 280 TOPS,同时具备高度灵活性和可扩展性,能够自下而上满足 L2+ 到 L4 级自动驾驶的计算需求。」

高性能自动驾驶计算平台高度稀缺

FAD 平台挑战特斯拉 FSD

在本届北京车展上,黑芝麻智能科技主推的是双芯片组合的 FAD 平台,其上搭载了 2 颗黑芝麻自研的车规级芯片华山二号 A1000,平台整体算力可以做到 80 TOPS - 140 TOPS,能效比达到 6 TOPS/W。

接下来,他们还将推出四芯片级联版本的 FAD 平台,最高算力将高达 280 TOPS。

双芯片的 FAD 平台可满足 L2+ 以及 L3 级自动驾驶应用需求,后续四芯片 FAD 平台可支持 L4 级自动驾驶应用。

在当前市面上已推出的面向高级别自动驾驶的计算产品中:

  • Mobileye EyeQ5 是 24 TOPS 算力
  • 英伟达 Xavier 是 30 TOPS
  • 英伟达 Orin 的高算力版本 Orin X 是 200 TOPS
  • 华为 MDC是 48 - 160 TOPS
  • 特斯拉 FSD 是144 TOPS 算力

软件定义汽车已经成为行业公认的未来智能汽车的趋势,通过软件的迭代不断提升智能驾驶的功能与体验.

但是,实现软件定义汽车前提是需要有强大算力的硬件平台作为基础和支撑,否则软件还没迭代几次性能已经不够,那更别提提升新的功能和体验了。

业内一般认为,实现 L2 级自动驾驶需要的计算力在 10 TOPS 左右,L3 需要的计算力为 30 –60 TOPS,L4 需要的计算力大于 250-500TOPS,L5 需要的计算力则至少为 1000 TOPS。

在这个计算力要求下,目前能量产的很多自动驾驶芯片只能支持低级别的自动驾驶应用,面对 L4、L5 级自动驾驶应用其算力便显得捉襟见肘。

黑芝麻智能科技的 FAD 平台算力范围落在了 70 - 280 TOPS 的区间,在一众平台中具有较强的竞争力。

而在高性能计算平台中,当前黑芝麻智能科技双芯片版的 FAD 是国内极少数能够挑战特斯拉 FSD 的平台。

此外,从单芯片角度来看,黑芝麻智能 FAD 平台中的华山二号 A1000 芯片的算力达到了 40 -  70 TOPS,这一数据超过 Mobileye EyeQ5(24 TOPS)和华为昇腾 310(16 TOPS)。

除算力外,黑芝麻智能科技提出,其 FAD 计算平台在算力利用率、功耗以及能效比这几个指标上,已经实现对 Nvidia AGX Xavier 和特斯拉 FSD 平台的超越。

两年推出 3 款芯片

高性能计算芯片瞄准 2021 年量产上车

2019 年 8 月,黑芝麻智能科技推出旗下首款车规级自动驾驶芯片华山一号 A500,同时 FAD 计算平台的研发启动。

2020 年 6 月,黑芝麻推出更高算力的华山二号 A1000 和 A1000L 两款芯片。

2020 年 9 月,基于华山二号 A1000 芯片打造的 FAD 全自动驾驶计算平台在北京车展上亮相,已经开始为打造高级别自动驾驶的军备战提供「真枪实弹」。

据黑芝麻智能科技 COO 刘卫红透露,目前黑芝麻双芯片版的 FAD 计算平台目前已经拿到了上百台订单。

据黑芝麻官方介绍,目前主推的双芯片版 FAD 平台可以支持自动驾驶感知、定位、传感器融合、路径规划以及车辆控制等完整的技术栈。

双芯片版 FAD 平台可满足包括交通拥堵自动驾驶(TJP)、高速公路自动驾驶(HWP)以及自动泊车(Parking Pilot)等完整 L2+、L3 级自动驾驶场景的需求。

FAD 平台在硬件上设计了丰富的接口,支持各类传感器的接入,还留有 USB、CAN、LIN、Ethernet、RJ45 等多种接口,这能够满足客户开发时的多层次需求。

此外,FAD 平台内置了 GNSS+IMU+RTK 的组合高精度定位模块,能帮助车辆找准其绝对位置和相对位置。

利用多芯片级联方案,未来 FAD 平台将进化至四芯片版本,实现更大的算力突破来支持 L4 级自动驾驶落地。

配合 FAD 平台硬件,黑芝麻智能还开发了车规级操作系统和多芯片级联实时软件平台框架,能够支持各类自动驾驶功能的 OTA 软件升级。

当下,各个车企和自动驾驶公司都在向更高级别的自动驾驶功能量产挺进,计算平台的升级换代成为必然的需求。

而对新兴的芯片或者计算平台而言,开发生态、配套软件和工具链的搭建至关重要。完善的工具链和生态支持能够大幅降低客户迁移原有软件算法和开发的门槛。

为解决这一问题,黑芝麻自研了一系列神经网络自动优化工具、AI 工具链和感知算法,并且通过软件 SDK 和 API 接口的形式开放给客户。

而且,黑芝麻智能还与传感器厂商、算法厂商合作,打造出一套标准化的 FAD 参考平台,能够进行快速部署,帮助提升车厂及自动驾驶企业客户的系统开发效率。

无论是拔高性能还是降低开发门槛,都是为了让 FAD 平台实现量产上车。而要量产上车,最后还有车规级验证这一大关。

FAD 平台要满足车规要求,前提是核心芯片华山二号 A1000 过车规。

按照黑芝麻智能此前的介绍,A1000 芯片从设计之初就朝着车规级的目标迈进,它符合芯片AEC-Q100 可靠性和耐久性 Grade 2 标准,芯片整体达到了 ISO 26262 功能安全 ASIL-B 级别。

而且,芯片内部还有满足 ASIL-D 级别的安全岛,整个芯片系统的功能安全等级为 ASIL-D。

在此基础上,现在的 FAD 平台的车规性能更进一步,可满足 ASIL B、ASIL D 汽车功能安全要求要求。

而升级到板级产品后,FAD 平台的双芯片系统可完全独立工作,支持电源和视频采集系统的冗余设计,满足前装产品的设计要求。

高算力平台、丰富的接口、开发生态的易用性以及征服车规级的挑战,都为 FAD 的规模部署和量产打下基础。

全开放商业模式加持

黑芝麻扛起自动驾驶芯片国产化大旗

现阶段,自动驾驶芯片厂商的商业模式主要有以下几类:

一类以 Mobileye 为代表,将芯片和自动驾驶算法做紧耦合,打包供应给 Tier 1和车厂。

相对而言,这种模式最为封闭的,车厂在Mobileye的基础上进行系统的集成,能够参与算法改进的程度较低;

第二类是以华为为代表,车厂可以基于 MDC 计算平台进行自主的自动驾驶系统开发,也可以直接采用MDC 计算平台加上华为自动驾驶解决方案ADS,ADS软件方案与MDC计算平台强绑定。

此外,华为不单独售卖MDC上搭载的鲲鹏和昇腾芯片。严格意义上,这种模式属于半封闭半开放;

第三类就是全开放的生态。

据黑芝麻智能科技CEO单记章介绍:黑芝麻对外提供的合作方式,既可以单独出售芯片,也可以提供计算平台,客户也可以采用其自动驾驶软件算法的参考设计,最后有可以提供软硬件结合的整体打包方案。

简单来说,就是当下客户需要什么,都可进行支持,合作方式具有高度的灵活性。

在开发的合作模式支持下,在巨头林立的车载计算芯片市场,黑芝麻智能科技拿下了不错的商业进展。

目前,其已经与中国一汽、博世、滴滴、蔚来、上汽、比亚迪、中科创达等企业在 L2、L3 级自动驾驶感知系统解决方案上展开了商业合作。

这其中,黑芝麻的定位是 Tier 2,提供核心的芯片、计算平台以及软件算法参考方案。

就在车展开幕前夕,黑芝麻智能还向上汽集团交付了首批融合感知高精度定位产品。

该产品基于黑芝麻华山一号 A500 芯片,是针对 L2-L3 级自动驾驶分米级定位需求而打造的高精度、低成本的多传感器融合方案,该系统摆脱了对导航地图和高精地图的依赖。

根据规划,这一高精度定位方案未来还将覆盖华山全系列芯片产品。

本届车展上,除了展示 FAD 平台和华山系列芯片之外,黑芝麻智能的 DMS 驾驶员监控系统、前视 ADAS 系统、环视视觉系统以及融合感知高精度定位产品都纷纷亮相,围绕着视觉感知计算平台和软件系统,黑芝麻智能正在建立起比较完善的自动驾驶产品体系。

值得一提的,基于黑芝麻智能感知算法打造的 DMS 系统方案还在全球顶级Tier 1 博世的展台展出。

智能化作为全球汽车产业变革的重大方向,加速自动驾驶的量产上车已经成为了行业共识。

黑芝麻智能科技 CEO 单记章透露搭载黑芝麻芯片的前装量产车型最快将于 2021 年 SOP,黑芝麻的目标是在 2025 年拿下中国智能汽车市场 30% 的份额。

在当前的国际局势下,自主可控是国内自主品牌车企强烈的诉求。

目前高级别自动驾驶芯片领域仍被英伟达、Mobileye 等国外巨头企业占据,市场亟待国产芯片公司扛起大旗。黑芝麻智能科技已经率先站了出来。

写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{is_favourite ? '已收藏' : '收藏'}}
  • {{is_personal_top ? '取消主页置顶' : '个人主页置顶'}}
  • 举报
  • 加入黑名单
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{digest?'撤销精华':'设为精华'}}
回到顶部
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

{{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

暂无相关评论

发表一下个人看法吧