NXP首席技术官解读:自动驾驶汽车的机器之脑,要和人脑一样遵循自然规律
扫描二维码
随时随地手机看文章
回到2016年,大家对于自动驾驶的普及充满了信心,不少媒体发声认为自动驾驶将会在2020年落地并走向普及。福布斯曾报道,预计2020年会有1000万台自动驾驶汽车;2018年时大众和媒体普遍认为,智能汽车就是一个大脑+电机那么简单;2020被视为将成为自动驾驶的元年。
然而这一切都没有发生,不论是人们期盼的自动驾驶、或者是机器人都没有走入我们的生活。究其原因,在于我们对于自动驾驶的机器之脑,并没有一个合理高效的架构。
“简单地把人工智能加在汽车上是不可行的。这种革命性的路径:如果是从马车一下到内燃机车、然后突然又升级到了一个带轮子的IT系统;这样的路径太昂贵、太复杂,也太快。”恩智浦半导体执行副总裁兼首席技术官Lars Reger在近日的分享中提到,“工业上也应该遵循生物的路径,也就是虽然是小步子但还是不断地进化,这也就是现在大家正在路上看到的一个逐步演变的过程。”
人脑为什么如此高效?
从生物学的角度来看,人脑是由大脑、小脑和脑干等部分构成的。我们通常说某个人非常聪明,更多指得是其大脑更厉害。从去年年底开始流行的ChatGPT、Midjourney等,也是因为其更多能够类似人的大脑一样的思考、推理和创作而得到了人们的赞叹。
但其实作为一个整体,要实现对于整个人体的控制和执行,仅仅有大脑是不够的。
小脑负责控制人体的重要运动功能,例如控制心跳、体温等;此外对于身体的稳定性协调性的控制,完成一些非常重要且复杂的动作,例如金鸡独立等,也是小脑的职责所在。
脑干负责的是信息的传递功能,通过与脊柱的连接来实现对于整个人体的信息交互。
为什么小脑和脑干也同样重要呢?可以通过一个实际的举例来看各部分的不同工作职责。当一个人在走路被绊到的时候,小脑会直接发出身体控制的信号,通过脑干和脊柱会直接将信息传递肌肉,让人的腿部肌肉工作,停止继续前进,进而实现站稳。
而在这一切的过程中,大脑是来不及参与进行决策的,只有当人站稳了之后,我们的大脑才会去调动眼睛去观察为什么会绊到?发生了什么事情?接下来该怎么做?而更深层次的推理结果可能会是,以后走这个地方的时候要加倍小心。这是大脑所擅长的领域。
因此我们不难看出,大脑的推理和决策并不具备很高的实时性,对于计算能力的要求更强;而小脑和脑干承载了时间关键性的功能,这种反射过程确保了我们基本安全。
从保证基本的需求的角度出发,小脑和脑干的重要性,超过了大脑。“从生物学的角度来看,像昆虫这样的一些低级生物只有小脑;而像人这样的复杂生物就具有大脑,因此也就能够具备创造性。”Lars分享到,“首先要具备一个非常基本的架构,然后在这个架构上进行拓展。”
这样也就不难发现,为什么之前人们预期的自动驾驶和机器人没有大规模的普及,因为其基础架构远不止是一个AI大脑+四个轮子那么简单。这种架构,既不能保证基础的实时安全性,也不是一个高能效的方案。
还是以生物学的角度来看,大脑并不是实时处于活跃状态,例如人在开车的时候,很多都是靠下意识在执行驾驶任务,并不需要100%的激活大脑,只有在遇到复杂路况的挑战时才会更多的让大脑来参与。
而如果只是一个AI大脑+四个轮子的自动驾驶架构,所有的驾驶任务事无巨细都要AI大脑来参与,对于电动汽车的续航将会大大折扣。几个月前,曾有车厂CEO提到,若当下采用最先进的人工智能,由于其耗能非常大,会导致车辆的续航减少200公里。
Lars表示,有些规则确定的行为,并不需要AI的参与;对于自动驾驶汽车架构而言,高效能的计算比高性能的计算更为重要。
自动驾驶汽车之脑,如何和人脑类比?
既然人脑是最高效的架构,那么自动驾驶汽车之脑、机器人之脑,是不是可以类比人脑的架构来进行设计?答案是可行的,而且这是当下最为可行的方案。
Lars表示,站在一个宏观的角度和抽象的层面来看,首先要具备感知环境的功能,还有云连接的功能,接着用智能器件进行计算,之后传导给机器人的执行机构;此外再应叠加上信息安全和功能安全特性,确保设备可信,那么一个高效的架构就完成了。
早在2016年,NXP就推出了一个名为“BlueBox”的开发平台,这个架构和人脑非常相似;2018年之后,NXP开始进行大规模的实验,并与大陆合作推出了相关的参考设计方案。
其中既有AI计算推理的SoC板、也有负责实时性功能和联网的MPU板,还具备4个PCIe卡槽进行拓展,可以达到400TOPs的最高算力。这个已经被印证为是一个非常高性能和高效的计算单元,已经被多家汽车原厂和Tier1客户所采纳。
Lars表示,参考人脑的架构,最底层的脑干部分是以太网的连接,NXP可以提供实时网络的支持;上面一层是计算单元,相当于是小脑和部分的脑干,NXP的S32系列可以支持;最顶层是NXP的5纳米高性能的器件,用以提升效率;另外还能够把人工智能的加速器构建到系统当中。
在整个架构中,NXP主要负责的是小脑和脑干的部分的功能,这是SoC厂商和AI芯片厂商所不具备的能力。这种非常清晰的脑系统架构,具备高度可拓展性和高效性,已经获得了大部分客户的认可,在自动驾驶、机器人和无人机等领域,90%的客户已经转向了这种架构。
据悉,零跑汽车采用NXP的平台,成功地将整车线束减少了20%,ECU(电子控制单元)减少了1/3。
NXP是机器之脑的“小脑和脑干”供应商
当AI时代到来的时候,半导体器件厂商并不会被超高算力的SoC厂商踢出局,反而是更为重要,因为“小脑和脑干”的必要性、实时性、安全性和可靠性的保证,这是芯片厂商擅长的领域,也正是需要NXP这样的领先的半导体器件厂商来提供。
当前汽车OEM没有一个统一的架构,即使在同一个OEM内部,也有不同的模式和不同代的技术;哪怕是同一个系列的车型,从入门到高端型号,也可能在域架构上有着较大的区别。而NXP提供了丰富的产品型号,可以视为“标准件”,客户可以选择不同的标准件来构建自己想要的域控架构。
Lars和媒体分享了NXP的“工具箱(Toolbox)”,里面有各种的“工具”可供客户选择。
在计算层面,NXP提供了MCU、跨界MCU、MPU的不同产品组合,覆盖了从40nm到16nm和5nm的产品工艺,支持客户对于不同算力和成本的要求。例如从车窗升降、雨刮器控制等;到影音系统、驾驶员监测等;再到数据网关、自动驾驶主控等,都可以选择NXP的不同型号的产品来进行开发。
由于采用了统一的平台,因此当客户在不同产品之间进行设计迁移的时候,软件代码的复用率得以大大提高,这也帮助客户实现了其终端产品的快速研发。
在联网方面,NXP提供了以太网产品组合,支持10Mbit到100Mbit的传输数据量,此外还有一个1GB、2.5GB、10GB的传输数据量;以太网开关则可以把数据发送到不同的方向,数据传送能力从8GB到80GB都可以实现。此外,TSN网络也是NXP在工业等领域在推进的方向,不少MCU/MPU内部已经支持了TSN网络。
Lars表示,NXP能够给汽车提供的就是更多的灵活性,如果采用了恩智浦的微控制单元、微处理器,或者以太网产品,它们之间就能实现互操作性和兼容,并且能够融合在一个产品中。而且不仅仅是硬件,非常关键的是软件也是可以复用的。比如说从一个MCU到一个微处理器,其中的软件都是可以再重复利用的。这种平台上软件的重复利用性也非常重要。
这个世界会变得更加可以预测,更加自动化,从一个“点播的时代”转化为一个“安排的时代”。而不论是自动驾驶汽车还是机器人,整个机器之脑的高效架构构建,也要遵循生物学的原理,大脑、小脑和脑干的协同工作,才能真正让我们迈入新的AI时代。
Lars表示,NXP在做的就是这个“脑部”下面一块的功能,也就是小脑和脑干部分的功能,在市场上可以说是恩智浦比较独特的定位。“我的梦想是希望恩智浦成为大家都信赖的制造机器人的先锋,我个人的梦想则是——我是制造未来机器人的最成功的CTO。”