车载芯片商到底瞄准了何种技术？

2016年自动驾驶技术领域扩张意图非常明显，光是在自动驾驶车的晶片细分市场中，除了辉达(Nvidia)、Mobileye、恩智浦(NXP)和德州仪器(TI)等大家耳熟能详的公司外，还涌现出了许多“新面孔” ——例如IP供应商Ceva以及英特尔和高通(Qualcomm)等。汽车OEM厂商正敞开双臂欢迎这些市场新进业者，IHSAutomotive资讯娱乐与先进驾驶辅助系统(ADAS)研究总监EgilJuliussen在CES上表示，“这个领域突然变得热闹非凡。”

到现在为止，投资方和媒体社群都非常热衷于支持自动驾驶车技术——感测、摄影机、雷达和光达、地图绘制、演算法、深度网路(或者非深度网路)与人工智慧等等。但对于他们之中的大多数人来说，仍不清楚的是这些技术在自动驾驶车设计的演进中将如何收场，更不必说在这场战争中谁胜谁败了。 Mobileye共同创办人兼执行长AmnonShashua表示，他起初以为竞争对手故意传播有关这些技术的错误消息，想要造成“战争迷雾”。但他现在意识到，“人们真的感到非常困惑，因为他们真的不了解。”

在今年的CES上，Nvidia挟其“深度学习”技术以及Mobileye展示地图绘制技术，成为这次展会上最耀眼的明星，这两家公司在 ADAS和自动驾驶领域的竞争都相当激烈。Ceva执行长GideonWertheizer将上述两强之间的公开争执描述为“投资的桥段”。事实上，Mobileye的股票在Nvidia发表声明后不久就应声下跌了近10%，而在CES上召开新闻发布会后又涨了一些。

Mobileye地图绘制技术

不过，Mobileye的声明确实含有一定的重要技术份量。Wertheizer在一次接受专访中特别介绍了Mobileye最新开发的地图绘制技术——称为道路体验管理系统(REM)，并认为它对竞争晶片供应商以及恩智浦、博世(Bosch)与Denso等一线厂商来说可能“最具威胁性”。据 Mobileye透露，REM可以为精确定位和高解析车道资料创造“多源即时资料”，这是支援完全自动驾驶所需的重要资讯层。

这种技术是根据执行于MobileyeEyeQ处理晶片的软体。它能以极低的频宽撷取地标和道路资讯——大约每行驶一公里撷取10Kb(相形之下，Google进行定位和绘制HD地图时大约每公里1Gbit)。Mobileye解释道，在云端执行的后端软体可以搭载车载软体的所有汽车所发送的资料片段整合成一个全球地图。Mobileye的目视判读机制(有助于压缩资料)应该可以协助汽车制造商创造自己的‘道路指南’(RoadBook)。

Mobileye的多源位置协调系统只能在安装有MobileyeEyeQ晶片的汽车上才能工作。简言之，“Mobileye正锁定其客户。”Ceva公司的Wertheizer指出。很明显地，随着越来越多安装Mobileye晶片的汽车上路，REM也变得越来越成功。Shashua认为，REM对于汽车OEM来说之所以有吸引力，是因为“大型汽车制造商在创造自家道路指南时可以发挥其于规模上的优势。”

启用REM对汽车制造商来说并不困难，Shashua指出，因为Mobileye的EyeQ晶片早已存在汽车生态系统中。建置REM所需要的就是EyeQ晶片和一条通讯链路——例如对于通用汽车(GeneralMotors)来说，可以使用自己的On-Star系统。通用汽车和福斯汽车(Volkswagen)在CES上宣布支援Mobileye提出的REM系统。另外一家规模与这两家相当的客户很快地也会签约REM，Shashua透露。

值得注意的是，全球汽车产业中有三分之一都已经使用EyeQ晶片了，Shashua指出，“我们非常期望整个汽车产业都能用到REM。”目前只有丰田(Toyota)和戴姆勒(Daimler)这两家公司尚未使用Mobileye的晶片。

Nvidia：DrivePX2感测器融合技术

截至目前为止，电子产业中的自动驾驶车主要解说员一直是Nvidia执行长黄仁勋。竭力鼓吹‘深度学习’的黄仁勋经常教育人们，自动驾驶车需要一个功能强大的视觉运算系统来融合从摄影机和其它感测器而来的资料。换句话说，Nvidia 最新推出的DrivePX2被黄仁勋宣称为‘为汽车设计的超级电脑’，它将成为汽车的标准配备，可以用来感知汽车所处位置、辨识汽车周遭的物体，并且即时计算最安全的路径。

Nvidia还发布了一款名为Digits的深度学习平台。Nvidia已经在用这个平台测试自己的自动驾驶车了。“自动驾驶技术具有令人难以置信的困难度，”黄仁勋指出，“它可不像你用监理所的手册来编程‘驾驶’这么简单。”为了显着缩短开发和训练深度神经网路所需的时间，汽车制造商需要像执行于在其伺服器超级电脑上的Digits这样的工具，Nvidia指出。

根据黄仁勋的构想，每家汽车公司最终都将拥有一个端对端的系统——范围从用于训练深度神经网路的NvidiaDigits到用于汽车中部署网路输出的NvidiaDRIVEPX2。为自动驾驶开发人工智慧软体的布达佩斯公司AdasWorks创办人兼执行长LaszloKishonti指出，该公司正与Nvidia合作开发用于富豪汽车(Volvo)的系统，这款基于GPU的系统可以即时处理来自多个感测器的资料。

Kishonti表示，AdasWorks不用处理器，“我们采用GPU、FPGA或其它任何可用的嵌入式视觉SoC。”但使用Nvidia解决方案的一个重要优势是，在车载电脑上开发与验证的逐行程式码与伺服器上使用的程式码是完全一样的。相较于 Mobileye仅关注于视觉处理，“我们的重点在于融合来自所有不同感测器的资料。视觉只是众多感测器资料中的一部份，”Nvidia汽车整合部门资深经理DaveAnderson表示。

Nvidia设计的DRIVEPX2可以处理来自12个视讯摄影机以及雷达、光达和超音波感测器的输入资料。他解释：“我们融合了这些资料，使其得以精确地侦测目标物体、进行辨识，以及判断汽车与周围世界的相对位置，然后找到安全行驶的最优路径。”

Ceva、高通也积极参与

然而，Nvidia并不是唯一推动深度学习用于自动驾驶车的企业。Ceva也在积极推广该公司自有的XM4成像与视觉DSP，这些DSP使用的是Ceva的即时神经网路软体架构，名为Ceva深度神经网路(CDNN)。Wertheizer解释说，该公司的客户将选择一种训练有素的神经网路，预先处理物件参数。透过使用Ceva的DSP引擎、韧体和CDNN，采用浮点网路和权重描述的物件参数将“在不损失精度的条件下”被转换为定点客制的网路和权重，他表示。[!--empirenews.page--]

藉由Ceva的XM4DSP，CDNN可以让嵌入式系统执行“深度学习任务，而且其学习速度比基于先进GPU的系统能快三倍，功耗小30倍，所需记忆体频宽小15倍。”Ceva指出。在CES上，高通发布了整合LTE数据机和机器智慧的Snapdragon820车用系列产品。这个系列产品包含了高通的Zeroth机器智慧平台。Zeroth专案设计用于协助汽车制造商使用神经网路为ADAS和车载资讯娱乐系统创建基于深度学习的解决方案。

但到目前为止，Snapdragon取得的设计订单还只限于资讯娱乐功能。奥迪(Audi)在2017款汽车产品线中就选用了 Snapdragon602A处理器。正如Ceva的执行长所指出的，Snapdragon820A还提供了汽车安全完整性等级(ASIL)评分，这是 ISO26262定义的风险分类机制——针对道路汽车标准的功能性安全等级分类。与此相反，覆盖CDNN和XM4的Ceva端对端系统不久前才收到 ASILB证书，他补充道。

自动驾驶车的三大支柱

为了不被Nvidia以及也在推动深度学习的其他公司专美于前，Shashua在CES上提醒人们，Mobileye在ADAS和自动驾驶车市场中仍然遥遥领先。他强调，“摄影机不只是一个感测器，而是自动驾驶车大脑的一部份。”Mobileye执行长Shashua也在位于耶路撒冷的希伯来大学(HebrewUniversity)电脑科学系任教。他在年初的Mobileye新闻发布会发表演讲时表示，“感测、地图绘制和规划”是“自动驾驶的三大支柱。”

在他看来，目前有两大阵营致力于解决无人驾驶导航的挑战。第一个阵营是Google和百度(Baidu)等公司，目标是为特定地区创建极度详细的地图 (厘米级精确度的3D地图)，然后搭配光达等低解析度的感测器一起使用，在有地图的区域就能以完全自动的模式让汽车自动驾驶。

这种方法的问题是，地图放大到全球等级基本上是不可能的，随时保持地图更新也同样困难，因为一开始要创建地图所需的资料就是一个天文数字。

第二种方法是创建低解析度的世界地图，然后采用车上较高解析度的感测器——摄影机和其它感测器对地图进行增强。Shashua称此为汽车产业的首选方法，因为它能让汽车能“以部份自动功能到处行驶。”这种方法缺少的是人类等级的人工智慧(AI)来处理由感测器所撷取到的资料，他指出。自动驾驶车的目标是“以完整功能随处行驶，”Shashua指出，这正是Mobileye提出REM的切入点。REM是Mobileye藉由“更强大的人工智慧”创建高解析度地图的一次尝试。

这种系统设计可让所有使用Mobileye技术的汽车有效地产生世界地图，并创建Shashua所谓的‘道路手册’(roadbook)——一份基于云端的详细世界地图。这份地图可以不断地即时更新，最终为所有汽车制造商使用。

未来车载技术发展指南

Shashua指出，每一家汽车制造商——福斯、通用和其他公司——都将开发并拥有一份‘道路手册’——彼此间最终可能进行交叉授权，从而形成全球索引。当问到Mobileye是否也会拥有地图时，他表示，“不会，我们只是技术供应商。”但如果汽车产业今后开始讨论“按里程计费”(pay- per- km)的商业模型时，Shashua表示，“我们将会共同参与讨论。”

当提到Nvidia时，Mobileye的这位执行长并未含糊其词。“从某方面来说，GPU作为视觉处理的黄金架构这个概念是非常错误的。”他认为Cuda“对于学术界来说是快速训练神经网路的一款优质程式设计工具。”事实上，这个工具可以让你在开发必要演算法和创建优质展示产品中快速完成 80%的工作。但他指出，剩下的20%(从产品展示到生产演算法)既困难又耗时。Shashua打趣地说，“剩下的20%是区别男人和男孩不同之处。”