自動駕駛被業界視為下一代車輛技術發展的最大挑戰, 目前各家車廠無不針對自動駕駛情境發展對應的技術, 而這些技術包含了環境感測能力, 核心計算能力以及汽車如何與環境互動並自主進行判斷的網路通信及決策能力.
圖丨特斯拉的自動駕駛
而為了很好的去解決汽車判斷複雜交通環境的計算力需求, 晶片方案的選擇對廠商來說至關重要. 目前支援到 L2 計算處理的 ADAS 方案雖然不少, 但是 L3 以上, 選擇就真的很有限了.
受限於法規完善, 實際上路的車種只能發揮到最多 L3 的程度, 且駕駛人必須隨時做好介入的準備. 換言之, 目前為止, 自動駕駛對人類而言, 也不過只是作為輔助, 而不是真正取代人類駕駛, 而這也是未來兩年內最快進入主流市場的自動駕駛級別.
然而 L3 雖然只和 L2 相差一級, 但其牽扯到的計算需求卻有天壤之別. L2 和 L3 對車輛的自動控制能力雖然相去不遠, 但 L3 允許限定條件下的自動駕駛, 其需要能夠判斷車身周圍車道的絕大多數狀況, 並同時代替駕駛員做出行進中的各種決策, 而這個決策的過程, 就需要極為龐大的計算能力在背後支援.
圖丨 Mobileye
在 L2 之前, 由於主要是集中在視覺計算的部分, 所以各家方案也都朝這個方向發展, 比如說 Mobileye, 在被英特爾併購之前, 主要就是供應以視覺計算為主的方案, 並吃掉了絕大部分的相關方案市場. 但隨著汽車產業往更高級別自動駕駛發展, Mobileye 在策略推理方案的缺乏, 就成了限制其未來發展的最大瓶頸, 而對此有需求的特斯拉, 其實也是因為這個原因才拋棄 Mobileye, 而非幾次的車禍事故就決定分手.
考慮到 2020 年, 甚至部分調研機構認為 2025 年之前, 由於法規和相關方案發展上的限制, L4 甚至 L5 級別的完全自動駕駛能力要上路恐怕還是不可能的任務, 因此未來數年, L3 級別的自動駕駛方案將會成為各家包括車廠, IC 設計公司以及方案公司競逐的目標市場, 而 DT 君認為, 即將到來的 CES 2018, 就是個觀察各家方案公司動向的重要場合.
根據消息, 包含英特爾, 高通, 甚至 NVIDIA, TI, 都將在 CES 2018 宣布其自動駕駛方案的最新布局, 重點也都將會擺在最早可以上路的 L3 級別自動駕駛.
NVIDIA 全力推動自駕技術發展, 將可能從重視延續性的可升級設計著手
NVIDIA 加入自動駕駛市場的競爭對 Mobileye 造成很大的壓力, 而其方案設計上的方向不同, 也是特斯拉後來選擇 NVIDIA, 拋棄 Mobileye 的原因之一.
NVIDIA 可說是業界最早提出自動駕駛 '決策' 方案的公司, 不過達成決策依靠的並不是 GPU, 而是 CPU, 所以從最早的 Drive CX 到最新的 Xavier 平台, NVIDIA 都用上了 ARM 架構核心, 在 Drive PX2 上用了 6 核心處理器, 其中 2 個是由 NVIDIA 深度定製化的 Denvor 核心, 4 個是標準的 Cortex-A57. Xavier 則是使用了 8 個深度定製化的 ARM 核心.
憑藉這些在計算能力經過 NVIDIA 大幅強化的核心, 其駕駛方案可以在非常短的時間內就統合 GPU 部分計算出來的視覺處理數據, 並進行決策的判斷.
Xavier 是 NVIDIA 在 CES 2017 宣布的自動駕駛方案, 其不僅大幅強化計算能力, 也同時藉助更好的半導體工藝, 將功耗控制在 30W 以下, 較前代 Drive PX2 的 250W 功耗, 已經有長足的進步. 雖然以功耗表現來看, NVIDIA 可能不佔優勢, 但 Xavier 已經是目前市面上最成熟, 且可用的 L4 級別自動駕駛方案, 競爭廠商目前大多僅停留在 L2 級別的 ADAS 高級駕駛輔助系統, 所以目前車廠想發展 L4 級別以上的產品, 要快速拿出可上路測試的方案, NVIDIA 可以說是唯一的選擇.
圖丨 NVIDIA 的 Xavier
而其支援 L5 級別的完全自主駕駛方案 Pegasus 平台, 雖然表面上高達 500W 的功耗數字嚇到了不少業界人士, 但 DT 君認為, NVIDIA 推出此方案並非針對量產市場, 而主要是針對先期開發之用, 畢竟目前全世界關於自動駕駛法規的制訂都還在相當初期的階段, 業界也認為在 2025 年之前, 恐怕 L5 級別的自動駕駛汽車都還很難上路.
那既然未來數年自動駕駛的主流會是以 L3 為主, 那支援 L4 級別以上的 Xavier 平台是否就沒有推出意義?
但事實上, 目前針對自動駕駛的周邊感測元件的設計其實已經相當成熟, 關鍵還是在法規, 決策部分牽扯到的法律責任問題, 以及對應自動駕駛的高解析度地圖數據的發展. 也就是說, 以目前的硬體技術要設計出完整可上路的 L5 自動駕駛汽車並無太大的問題, 關鍵在軟體環境部分還有很大的升級空間.
換言之, 車廠採用了基於 NVIDIA 的 Xavier 平台, 可以推出在硬體功能上完全符合 L4 級別以上的汽車, 但可根據不同時期法規, 以及軟體環境的成熟度, 逐步升級軟體, 將其自動駕駛能力從 L3 提升到 L4 甚至 L5.
而由於車廠發展平台都希望能夠有非常好的前後一致性, 以及長期的平台支援能力, 一般汽車半導體方案的支援期間都至少是 5 年起跳, 長則可達 10 年以上. 雖然目前 NVIDIA 的方案價格較高, 但如果能借其方案從 2018 年就設計出可供量產的 L4 級別以上自動駕駛汽車, 未來車廠只需要在同一平台上去逐步升級, 完整軟體環境, 以高端, 可升級的汽車產品定位, 不僅方案本身的高昂成本可以有效獲得稀釋, 對車廠的市場布局以及長期的技術研發亦將會有正面的幫助.
而這也是 NVIDIA 打的如意算盤, 在各家方案廠商都還推不出 L3 級別自動駕駛方案的現在就已經搶先卡位 L5 市場, 以汽車產業重視一致性, 穩定性的習慣, 未來中途要轉換平台的可能性相當低, 藉此能確保 NVIDIA 在未來自動駕駛方案的市場與獲利空間. 當然, 目前 NVIDIA 的 L5 方案在功耗方面的需求過大, 要直接以該方案製造量產車雖非不可能, 但是在車輛電源管理的需求恐怕難以解決, 但隨著半導體工藝以及晶片設計技術的發展, 這方面的問題應可獲得很好的解決.
也因此, DT 君認為目前 NVIDIA 在自動駕駛解決方案上的硬體已經相對成熟, CES 2018 上有關技術方案的消息可能不會太多, 重點應在於其它周邊或者是合作的進展.
Mobileye 將以 ADAS 市場優勢並藉助英特爾鞏固自動駕駛方案地位
Mobileye 在 L3 級別以上的自動駕駛方案上消息還不多, 畢竟其相關方案要到 2018 年才會面市, 但其 ADAS, 也就是 L2 級別以下的產品, 可以說牢牢吸引住了絕大多數主流車廠的目光, 目前市場上有超過 7 成的 ADAS 方案都是出自於 Mobileye 之手.
圖丨 Mobileye EyeQ3
而就 Mobileye 目前在市場上販售的 EyeQ3 方案來觀察, 雖然 Mobileye 將其定位為自動駕駛方案, 且被特斯拉初代 Autopilot 系統採用, 但實際上, 其決策部分的性能偏弱, 這可從架構上得見端倪: 採用了 4 個 MIPS 在 2006 年就已經推出的 34K 核心, 時脈僅約 500MHz, 決策性能大約只能達到 Drive PX2 的百分之一左右, 基本上只能勉強滿足 L2 自動駕駛的需求, 更高級別就需要新的 EyeQ4 方案才有辦法支援.
但因為 Mobileye 過去長期耕耘 ADAS 市場, 對相關視覺感測技術的配合相當成熟, 若採用 Mobileye 的方案, 基本上不用擔心自動駕駛方面所需用到的視覺識別處理技術會有水土不服的現象, 基本上多數方案都可和 Mobileye 配合, 即便是即將推出的 EyeQ4, 其重新搭配, 驗證的時間也可以降到最小.
另外一方面, 未來數年純 ADAS 汽車, 也就是 L2 級別以下自動駕駛汽車依然會是市場絕對主流, L3 汽車定位將因相對高端而致使出貨量難以與其相提並論. 未來數年多數車廠的 L2 汽車都會持續採用 Mobileye 的 EyeQ3, 主要就是因為其成本低廉, 且已經被市場廣為驗證過, 可靠性最高.
圖丨 Mobileye EyeQ4 架構
當然, 為確保 L3 級別以上的自動駕駛汽車市場, Mobileye 也將在 2018 年正式推出支援 L3 的 EyeQ4 方案, 其基本架構與 EyeQ3 相當類似, 都是以 MIPS 的 CPU 核心搭配向量加速單元的組合, 但架構上採用了更新更好的版本, 整體計算效能也較 EyeQ4 增強了將近 10 倍, 功耗僅微幅增加 0.5W. 也就是說, 功耗仍是 EyeQ4 最強調, 也是最明顯的應用優勢, 但即便如此, 整體計算能力仍遠不如 NVIDIA 的方案.
雖然設計本身已經定案, 晶片的計算能力沒有太多改變的空間, 但英特爾擁有基帶, CPU 以及 FPGA 等計算與網路連接方案, 未來可能通過外接的方案改善整體計算效率, 也就是說, EyeQ4 可能依靠英特爾的技術輔助, 在不明顯增加系統功耗的前提下, 達到更高級別的自動駕駛支援能力, 藉以阻撓 NVIDIA 獨霸 L3 級別以上市場的企圖.
不過英特爾將會以何種方式協助 EyeQ4 拓展 L3 級別以上自動駕駛汽車市場, 目前還不清楚, 而這據信也會成為英特爾在 CES 2018 中, 關於自動駕駛市場策略布局最關鍵的資訊.
高通瞄準車聯網技術切入市場, 同時亦搭配 NXP 的 BlueBox 平台打進自動駕駛市場
眾所周知, 高通在晶片聯網能力方面一向佔有業界領導地位, 對於未來聯網技術的發展也一直都最積極, 雖然最近苦於客戶關係的轉變, 以及專利收費的爭議, 導致公司未來的發展蒙上一層陰影, 但高通本身技術上的優勢仍在, 且針對自動駕駛領域, 來自所收購 NXP 的整套視覺識別技術有相當不錯的積累, 包含百度, 一汽等車廠或駕駛方案公司也都有採用 NXP 的技術來設計相關方案.
然而純粹的自動駕駛方案並非目前高通所關心的項目, 反而是在汽車聯網能力方面, 高通希望能夠加快 V2V(車對車), V2X(車對萬物) 的進程, 不論未來自動駕駛汽車採用什麼方案, 網路最好能夠採用高通的技術.
高通方面認為, 純粹基於人工智慧的自動駕駛方案在應用上有其限制, 畢竟通過感測器來感知周遭環境的變化, 只能針對小範圍的環境來進行決策, 而無法改善整個交通網路效率. 只講求汽車本身的自動駕駛只能算是半套, 沒有辦法從根本改善整體交通運輸所面臨的瓶頸.
另外, 汽車本身的自動駕駛軟體是通過人的邏輯去撰寫, 因此人會犯的錯, 自動駕駛也有可能犯下類似的錯, 且視覺處理方面目前還是以人所設計的標線, 訊號為識別對象, 這些原本就都不是針對機器識別優化, 其實對自動駕駛系統都是相當沉重的計算負擔.
因此, 若從基礎建設著手, 直接從網路更新與地理位置配合的道路, 訊號狀況, 車輛的駕駛系統同時考量來自雲端的資訊匯總整理, 以及汽車本身所收集的近距離感測器數據, 藉以讓自動駕駛車輛進行最好的路線選擇以及更長線路的駕駛決策判斷, 將更能優化整體駕駛效率, 也比單純依賴汽車本身的智能駕駛邏輯更為合理.
當然, 要達到高通理想中的自動駕駛車聯網環境, 基礎設施必須達到相當完備的程度, 其行車資訊的統整也才有意義, 而在 L3 之前的自動駕駛級別, 基本上也沒有使用 V2X 的必要.
既然車聯網的基礎設施短時間之內無法普及, 來自 NXP 的自動駕駛方案看來也還沒有實際成效, 那高通在自動駕駛領域就不用玩了?
高通向來就比較重視長線布局, 雖然各駕駛方案大廠都集中精力推出本地端智能駕駛軟硬體方案, 高通看來稍微有點落後, 但這些方案未來百分之百都會需要聯網, 而聯網方案選擇方面, 目前來看英特爾, 聯發科, 展訊, 高通都是可選方案, 英特爾應會以搭配自家方案為主, 聯發科, 展訊則是技術相對落後, 而華為, 蘋果雖亦可能發展相關方案, 但同樣以自用為主, 那麼最成熟的聯網方案自然非高通莫屬了.
當然, 高通同樣也會強化來自 NXP 的 BlueBox 的生態, 且通過 Snapdragon 平台的人工智慧處理能力強化決策性能表現, 並強調其以車聯網為核心, 統合雲端與終端的大數據計算能力, 形成具備競爭優勢的方案, 不是只做汽車本身的智能, 而是讓整個城市的交通變得智能化, 相信這才是高通面對未來自動駕駛的技術發展趨勢, 心裡真正的盤算.