低調的 TI 德州儀器,計劃著什麼樣的自動駕駛策略?

作者 | 發布日期 2017 年 06 月 20 日 16:44 | 分類 晶片 , 汽車科技 , 自駕車 follow us in feedly

德州儀器(TI)並非對自動駕駛不感興趣,身為業界領先的汽車晶片供應商,只是有一張完全不同的路線圖罷了。據了解,TI 準備利用現有 ADAS 平台實現 Level 4 或 Level 5 自動駕駛。



近日,德儀 ADAS 部門業務經理 Brooke Williams 接受媒體採訪時表示,TI 在 5 年前就開始接到汽車廠商的詢價了,其中一些是為了達到 Level 4 和 Level 5 自動駕駛,其他廠商則想透過 ADAS 系統拿到五星評級。「我們能滿足他們所有要求」,Williams 說。

Williams 表示,TI 的首要目標是「滿足廠商的系統級安全需求」。

TI 信心滿滿是因為在 ASIL(汽車安全完整性等級)評價中已有 30 年經驗,此外 TI 還有一連串技術,包括功耗管理、模擬裝置、網路解決方案(低壓差分信號和以太網)和感測器(如雷達)等。在車載電子方面,TI 唯一的弱點恐怕就是 CMOS 圖像感測器和記憶體了。

「系統級安全」雖然是這次訪談中一直強調的,但從該公司的財務狀態明顯可看出溫和的策略是多麼重要。藉助其他廠商不屑一顧的 Level 2 自動駕駛,TI 今年第一季在汽車和工業市場的營收增速遠超預期。

VSI 創始人兼首席顧問 Phil Magney 指出,「TI 並沒有大幅度改革架構,主力產品依然是各種新增的 ADAS 功能,現在 TI 並不忙於開發 Level 4 和 Level 5 功能。時機成熟時,架構同樣會支​​持更高等級的自動駕駛,但現在 TI 更重視車輛安全和舒適性功能,因為這才能帶來真金白銀。」

「平台不會發生大變化」

如今的 TI 確實心思放在 ADAS 上。

不過,未來如果要從 ADAS 過渡到 Level 4、Level 5,TI 有什麼計畫?Williams 稱,想將汽車帶入自動駕駛時代,「我們認為現有平台並不需要大規模變化」。

當然,這種異於常人的看法也讓汽車行業分析師多了許多疑問。

IHS Markit 車載電子部門首席分析師 Luca De Ambroggi 表示:「我現在根本想不出 TI 到底要怎麼處理現有的 ADAS 解決方案。」如果 TI 要押寶機器視覺,那麼就容易理解了。不過,如果 TI 還想在 Level 4 階段繼續使用現有平台,就必須對 Level 2 系統進行大改。

林利集團資深分析師 Mike Demler 同意這觀點。他表示:「怎麼會有公司設計只能支援 Level 2 系統?這樣的系統根本無法兼容神經網路訓練,那卻是 Level 4 的必需品。當然,兩種架構都能兼容數位信號(DSP)處理,但在硬體性能和軟體堆疊上的差距卻非常大。如果你關注 Mobileye EyeQ 處理器的進化過程,就會發現架構上並沒有翻天覆地的變化,但 EyeQ5 性能和功能上卻比 EyeQ2 強悍得多。這樣的事在輝達 GPU 也正上演。

TI 當然留了一手。Williams 表示公司已做好準備,隨時都能透過升級自家硬體架構將深度學習整合進 TDAx 平台。今年初 CES 上,TI 就藉自家 TDA SoC 展示了採用深度學習的語義切分技術。

Williams 解釋,TI 想讓 TDA SoC 的 EVE(嵌入式視覺引擎)核心負責運行複雜的神經網路演算法,而 C66 DSP 核心則擔起運行傳統機器視覺演算法的重任。

▲ TDAx 深度學習轉化與切分流程。

TI 的 AI 戰略

對於 TI 的 AI 戰略,VSI 創始人 Magney 表示:「TI 在 CES 上的表現相當驚豔,居然用低功耗 TDA2 裝置實現支援 AI 模組。」Magney 稱 TI 這步「相當精明」,讓開發者有機會藉助最受歡迎的 AI 架構打造自己的演算法。

現在市售的 TDA2x SoC 搭載 2 顆 ARM Cortex-A15 核心、4 顆 ARM Cortex-M4 核心、2 顆 C66x DSP 和 4 顆 EVE。可用在前置鏡頭、環視查看與記錄、融合系統等應用中。

如果未來 TI 將深度學習融合進自家 SoC,Magney 認為殺手鐧是神經網路轉化器,因為這款產品幫 TI 優化了處理器的推理模型,並擴充深度學習庫。

DSP 與 EVE 核心的拆分

Williams 指出,TI 不會像輝達一樣靠 GPU 之類的產品來運行神經網路演算法。它的 EVE 也非常高效,完全可以負責深度學習這一重任。

Magney 解釋稱,TI 的「DSP 架構倚重 64-bit 浮點運算,而 EVE 則主要依靠32-bit 浮點運算,因此在這對組合中,演算法非常重要。」

「由於數據並行能力強且內存架構特殊,因此 EVE 非常適合執行 AI 推理模型。同時,能以非常小的功耗搞定多層級的推理模型。」Magney 補充。

比較 DSP 和 EVE 後,Magney 指出:「使用 64-bit 浮點運算和數學函數其實比 32-bit 浮點運算要慢一些,但精確度更高,同時呈現出的量級也更大。」

當然,處理器架構的主要任務還是解決問題,Demler 解釋。「對 CNN 卷積神經網路來說,你需要一個高度並行的架構,無論是以 DSP、GPU 抑或其他特殊的加速器為中心。TI 的引擎是 EVE,輝達則擁有 Cuda 和 DLA,電腦視覺公司 Movidius 靠的是 Shave。值得一提的是,Mobileye 的 EyeQ 雖然有多個特殊核心,但其中一些與 EVE 非常相似。」

De Ambroggi 相信混合模式才是 TI 的最佳選擇。最適合用 DSP 來處理傳統視覺演算法,而 EVE 則用來搞定深度學習,因為這樣能解決冗餘和一些安全問題。

不過,De Ambroggi 也有些懷疑,因為他擔心單一 AI 解決方案是否能通過 ASIL 認證,畢竟在他看來,AI 現在還不夠安全。此外,「為了完成優化,你必須拆分核心。」他補充。

當下,對大多數汽車廠商(除了特斯拉)來說,傳統的機器學習演算法依然握有最大的決定權。

TDAx Next

如今,TI 正在研發全新的 SoC,也就是所謂的「TDAx Next」。由於還未正式公布這款產品,因此 Williams 不願談及細節。不過採訪中,他暗示新的 TDAx Next 將支援 Level 2 到 Level 5 自動駕駛,不過關於上市時間,TI 拒絕透露。

Williams 反覆強調,TI 的戰略是要保護汽車廠商和一級供應商在軟體上的投資,未來 TI 軟體能從 Level 2 車輛遷移到更高等級的自動駕駛汽車上。

Williams 還指出,對自動駕駛汽車的架構,汽車廠商與一級供應商有不同喜好,如邊緣處理模式、完整的中央處理器融合或混合模式等。對不同用戶的需求,TI 在解決方案上會保持盡可能靈活。

訓練 vs. 推理

在深度學習上,TI 明顯更器重推理引擎而非為訓練提供晶片。這種方式其實在迴避一個問題的實質,那就是在深度學習上,一個平台同時兼顧訓練和推理是否獲得什麼固有優勢。

Demler 表示:「對主攻推理引擎的供應來說,為轉化訓練網路提供工具非常重要,一些 CNN-IP 供應商就正在做這一工作。」

Demler 解釋稱:「從技術上來看,如果開發者正在轉換一個預訓練網路模型(如 Googlenet 或 Resnet),他們用來校準推理引擎的數據庫比訓練神經網路的系統還要重要。也就是說,如果開發者想要同時兼顧訓練和推理,最好還是使用一套完整工具,雖然從技術上來講這完全沒必要。」

Magney 則堅稱:「我認為同時兼顧訓練和推理根本無法換來固有優勢,特別是當你使用 OpenVX 時。」在他看來,很快這個問題就沒有爭論意義,因為在訓練架構上很快就能有大量選擇,而主要的雲端計算公司會成為新的服務提供商。

不過,「如果你靠輝達完成訓練卻部署在 TI 上就很有必要,因為它能像編譯器一樣幫目標處理器優化推理引擎。」

▲ 德儀的深度學習架構。

Level 2 和 Level 3 的市場有多大?

Level 2 和 Level 3 市場現在依然是個超級聚寶盆,這一觀點許多分析師都同意。那麼這個市場容量到底有多大?後勁還夠嗎?

Demler 表示:「每年乘用車銷量約為 9,000 萬台,眼下 Level 2 的滲透率還很低(Level 3 更是完全為 0),2016 年的新車只有 10% 能用上該技術。」

林利集團認為未來 5 年內搭載該技術的車輛將快速增長,2022 年將達 3,000~4,000 萬台。

不過,Demler 也指出,不要把 Level 2 和 Level 3 混為一談,兩者並不相同,未來汽車廠商是否會採用 Level 3 現在誰也說不準。

De Ambroggi 同意這一觀點,因為他認為駕駛員還要時刻盯著方向盤的操作方式讓人相當疲勞。值得注意的是,IHS 依然未表態 Level 2 和 Level 3 市場的預測。「我們還在調研中」,De Ambroggi 說。

Magney 表示:「我認為 Level 2 和 Level 3 的市場會在未來很長一段時間內繼續維持火熱。雖然自動駕駛加叫車出遊的模式是未來的趨勢,但今後幾十年,恐怕私人擁有車的傳統依然難以扭轉。」

(本文由 雷鋒網 授權轉載;首圖來源:shutterstock)