信息互动

当前位置/ 首页/ 信息互动/ 正文

汽车看点资讯: 张剑智能驾驶计算平台是智能汽车大脑

新时代汽车款式各式各样,智能,电动,能源车等等,现在很多人手上都有自己的车子但是很多车主对别的汽车信息都很蔽塞,那么有几个小伙伴知道汽车本身的知识呢,我相信很多小伙伴都不会很关注这些,那么小编收集到了关于一个汽车动态跟大家分享,希望大家看了有所帮助。

  [ 行业] 在高级别自动驾驶中,充当汽车大脑角色的是自动驾驶中央域控制器,也可以称之为智能驾驶计算平台,是整个未来智能汽车的运算决策中心。随着高级别自动驾驶的加速落地,智能汽车大脑也受到越来越多的关注,越来越多的玩家加入这个战局。

  2021年5月25日,在第八届国际智能汽车网联技术年会上,创企超星未来发布了面向高级别自动驾驶新一代计算平台方案——NOVA30P方案,会在今年7月份批量供应。

  在会后与超星未来CEO张剑的交流中,其对表示,超星未来对自身的定位就是要做智能汽车大脑计算平台的创新实践者。同时,相比于其他只做软件或者只做硬件的企业,超星未来所坚持的研发路线是软硬件协同优化发展。

一个源自清华的创企

  超星未来成立于2019年4月份,由清华大学车辆与运载学院、清华大学电子工程系共同孵化成立,公司核心团队80%成员毕业于清华大学,超过一半成员拥有博士学历。如此豪华的创始团队,也让超星未来在成立短短两年内就获得了超亿元的融资。

  面向行业,超星未来主要提供自动驾驶车载嵌入式计算平台和全栈智能驾驶场景解决方案。在2019年7月,其就已经发布面向高级别自动驾驶的第一代异构车载计算平台NOVA30,此次智能网联大会上发布的新一代NOVA30P方案就是其迭代升级版。

  在智能驾驶计算平台这一细分领域,像华为、英伟达等巨头也都有自己的业务布局,这对创企而言,无疑是比较大的压力。但张剑表示,这些强大的竞争对手投入这一细分赛道,也正说明这个赛道是有意义的,也是有非常大的价值可以进行挖掘。

  与此同时,强大的清华背景也成为超星未来创业路上的有力支撑。“我们和清华确实有技术渊源,所以我们可以在前沿的技术创新方面做出更好的工作。”张剑说到,“我们所做的是产学研的融合,通过这一背景资源,可以把最前沿的东西拿出来做好用好。”

  技术方面,产学研的融合也让超星未来在整体的技术方案上有自己的独特性。张剑表示,目前超星未来两年多的研发成果初步得到了业内同行的认可,已经与一些车企、零部件公司以及自动驾驶公司达成合作。

  据介绍,新一代NOVA30P方案采用了异构硬件方案,综合考虑能耗、延迟等因素,可实现最大功耗不超过90W,以及提供63TOPS的算力,最多可支持20路4K摄像头的接入,3路激光雷达及多路毫米波雷达的接入与数据处理。

  在功能安全的整体设计上,新一代NOVA30P方案在架构上也做了冗余设计,以及在失效情况下对应的安全模式措施。面向用户,超星未来可以提供完善的驱动和基础软件等工具链,让用户可实现即插即用,也可实现为多种不同场景的驾驶应用提供支持。

软硬件协同优化

  新四化给汽车行业带来的变革,让软件定义汽车成为了主要的发展趋势,软硬一体化发展也成为目前主流概念。不过,超星未来走了一个比较新的技术发展路线,即软硬件协同优化。

  对此,张剑解释道,软硬件协同优化是指既要算法考虑底层硬件,也要在做硬件方案时去考虑算法的需求,理想的方式就是算法与硬件相互做针对性的优化设计方案。

  同时,张剑还反驳了目前硬件平台唯算力论,他认为计算平台需要考虑方方面面因素,包括功耗、安全性、适配性等,算力只是必要非充分条件。因此,他认为只有通过协同优化的设计角度才能达到一个非常好的平衡,“从实践的角度来说,我们现在提供的方案在同等或者近似的水平上,已经达到了比类似的产品更好的效果。”

  具体来说,在整个软件架构上,超星未来采用的是模块化软件架构设计,涵盖了环境感知、地图与定位、决策与规划这样的大模块,当然,模块内的设计同样是基于子模块的设计,以便于满足后续整个系统功能迭代OTA的要求。

  算法上,超星未来目前主要更偏向于感知算法层面,同时也有基于规则和学习的混合决策算法模型,张剑希望通过该模型可以做到车辆决策行为和控制是可预判可解释。张剑表示,在仿真测试中发现,该方法比传统方法效果好,基本上没有出现规划失败的情况。

『超星未来新一代智能驾驶计算平台NOVA30P』

  硬件方面,超星未来采用的是异构硬件的整体设计方案。现如今,面向L3级以上自动驾驶车辆,单一芯片无法满足诸多接口和算力需求,因此,计算基础平台需要采用异构芯片的硬件解决方案,即会在硬件平台上集成多种不同的核心计算芯片。

  异构分布硬件架构基本构成包括AI单元、计算单元和控制单元。超星未来的异构硬件也同样是如此分布,据介绍,新一代NOVA30P方案中,设计包含AI计算单元FPGA/GPU、控制计算单元MCU以及通用计算单元ARM。集成如此多种类芯片,如何处理好这些芯片间的平衡则成了重中之重。

  “这也就是我们团队的优势和特点。”张剑说到,“我们团队既有来自于清华大学车辆与运输学院懂车懂智能驾驶的技术专家和研究人员,还有来自清华电子工程系懂硬件、懂芯片、懂深度学习算法加速的专家,因此能够达成交叉融合的效果,走软硬件协同优化设计道路,使整个系统平衡且综合性能最优。”

编辑点评:

  随着整车智能化概念的兴起,究竟谁才是未来智能汽车的大脑问题,一直被业界关注。智能座舱是人机交互的中心,智能驾驶计算平台又掌控着未来高阶自动驾驶的核心。

  从整个电子电气架构层面来说,目前主流是分布式域控制器的架构,这就使得智能座舱和智能驾驶并没有进行完全的融合,分别由两个不同的域控制器掌控,但面向未来的中央计算单元的架构模式,两者或许会进行融合,交叉控制。但张剑对于未来是否真的能够达到中央处理器模式持怀疑态度,即使能够达成,道路依然还很漫长。

  基于此,单从高阶自动驾驶而言,智能驾驶计算平台无疑至关重要,但在巨头林立的赛道上,创企想要实现突围,也并不是一件很容易的事情,未来赛道格局如何,还有待观察。(文/ 白鸽)

查看同类文章:行业视角智能网联行业访谈更多精彩内容:小型/紧凑型车价格行业频道-大数据 全领域 新视点

来源:汽车之家