GPU 驱动自动驾驶汽车的未来

依靠导航系统规划路线的司机经常碰到这样的问题：如果车道靠得很近，导航系统就无法识别车辆所在的车道。究其原因，还是因为 GPS 不够精确，还有两到十米范围的定位误差。保时捷工程集团目前正在研发的系统能实现更高的精确度：它利用人工智能（AI），并根据GPS数据计算出更精确的位置。“这令在赛道上确定理想路线等应用成为可能。”保时捷工程集团人工智能与大数据项目主管约阿希姆·舍珀博士（Dr. Joachim Schaper）说。所需的计算可以在车辆自身，即配备图形处理器（GPU）的小型计算机中进行。“这就将 AI 引入了汽车。”舍珀说。

其硬件平台由来自加州圣克拉拉的英伟达公司制造。“当您听到这个名字时，不一定会联想到汽车行业。”舍珀说。因为大多数个人计算机用户会将英伟达与显卡联系起来。或者更准确地说：运行电脑游戏所需的高速显卡。这一良好声誉可以追溯到本世纪初。当时，市场上出现了第一批画面精良的 3D游戏，热衷于《雷神之锤 III》（Quake 3）、《孤岛惊魂》（Far Cry）的玩家倘若不想被闪屏影响心情，就需要强大的硬件支持。于是，一款显卡迅速在游戏玩家中流行起来：英伟达的 GeForce 显卡。它立刻成为了畅销产品，并使这家于 1993 年成立的公司进入了硬件生产商的第一梯队。到世纪交替之时，这家美国公司的销售额已经达到了 30 亿美元。

在 2010 年初期，英伟达开始注意到有一批对电脑游戏并不感兴趣的新客户出现了：人工智能研究人员。毕竟当时科学界已经传出消息，图形处理器完全适合机器学习领域的复杂计算。例如，如果要训练人工智能算法，以高度并行方法执行运算步骤的 GPU 显然优于传统的串行处理器（中央处理器，CPU），并可大大缩短运算时间。因此，图形处理器迅速成为人工智能研究的助推器。

英伟达比竞争对手更早地认识到了这个机会，并在 2015 年推出了第一款针对人工智能优化的硬件。在此方面，公司从一开始就把注意力集中在汽车行业。Nvidia Drive 是其推出的第一个用于私家车的计算平台。所谓的 PX 1 方案可以处理来自 12 个相连摄像头的图像，并同时执行避免碰撞或驾驶员监控的程序。它的运算能力超过 100 台笔记本电脑。多家汽车制造商使用该平台完成了首批自动驾驶汽车的原型车上路试验。

最初，英伟达依靠纯硬件策略，为原始设备制造商提供处理器产品。英伟达目前在汽车行业的业务有两大支柱：驾驶室图形系统，以及为自动或计算机辅助驾驶开发的硬件。2015 年至 2020 年，英伟达在汽车行业的销售额虽然能够稳步增长，但直到今天与总销售额相比依然偏低。去年，英伟达在汽车领域创造了 7 亿美元的销售额，相当于总销售额的 6%，并以每年 9% 的速度增长。英伟达创始人兼首席执行官黄彦森（Jensen Huang）认为该领域有很大的市场机会。“未来，汽车将会是移动的人工智能超级计算机。在众多的控制单元中，只有两个会被保留下来：一个用于自动驾驶，一个用于用户体验。”这位首席执行官说。

为了强化在汽车领域的地位，英伟达改变了策略：公司不再只专注于芯片，而是提供完整的硬件和软件解决方案。“客户可以组合定制解决方案，由此免去基础开发。”英伟达汽车软件高级总监拉尔夫·赫特威奇（Ralf Herrtwich）解释说。例如，英伟达既为想要生产半自动驾驶汽车的原始设备制造商提供处理摄像头影像的硬件，而且还提供预先训练好的神经网络，如可以自动识别交通标志的神经网络。与其他厂商不同，英伟达的这一模块化系统是开放的。“所有接口都可以接受查看。这使得原始设备制造商可以根据自己的需要调整系统。”赫特威奇解释说。理论上，制造商可以使用英伟达预先训练好的神经网络，并将其与自身研发产品相结合。

这家美国公司希望通过这种开放的策略，赢得尽可能多的原始设备制造商用户，这反过来也会推动英伟达的产品开发。“如果我们知道自己的硬件最终是如何被使用的，那么就可以对其进行优化，确保其发挥出最佳水平。”赫特威奇解释道，并举了一个例子：大多数英伟达的产品都是系统级芯片（SoC）。这意味着处理器与其他电子元件集成在一个半导体上。例如，在汽车领域，厂商使用了内置视频接口的芯片，用于连接外部摄像头。但究竟需要多少接口？网络连接又该如何规划呢？赫特威奇认为，这样的问题只有在与用户的密切接触中才能得到答案。人工智能专家舍珀也持类似观点：“其他原始设备制造商的参与是必不可少的。”现阶段最关键的任务是齐心协力加快开发进程。

除了硬件和软件，英伟达还为密切合作的原始设备制造商提供其基础设施的使用权。例如，制造商可以在英伟达的数据中心与英伟达一起训练神经网络，在那里有成千上万台 GPU 并行工作。自动驾驶算法必须首先学会识别行人、树木或其他车辆。为此要向其中输入数百万张真实的交通照片，并在这些照片上手动标记出相应的对象。通过反复试验，算法最终学会了如何识别它们。这个过程需要大量的工作（例如给对象“贴标签”），对运算能力的要求很高。这两项工作由英伟达一力承担，而汽车制造商则可以获得经过多年训练的人工智能系统。

人工智能（AI）何时应用到汽车当中？

其实已经有了一些应用，比如说在驾驶室内。很多厂商都提供基于人工智能的语音控制功能。近年来，这些系统的性能明显提高。此外，人们越来越希望车辆能够感知周围环境并做出适当的反应，也就是驾驶辅助系统。在这个领域，人工智能也发挥着越来越重要的作用。这些人工智能在汽车中的应用是所有应用中要求最高的。我们期望汽车行业能把整个人工智能推向新高度。

自动驾驶何时成为现实？

在某些特定地区自动驾驶车辆已经投入使用，特别是在天气状况良好的地方。不过，目前我们认为主要市场在于具有辅助功能的普通车辆，即自动驾驶等级为 1 到 3 级的车辆。总的来说，未来几年将会是这些系统之间的竞争期，换句话说，就是要看哪个厂商的系统能够胜任大多数情境。相比较而言，完全真正实现自动驾驶还不是竞争的主题。

人工智能如何改变汽车的生态系统？

软件功能越重要，一级供应商角色的转变就越大。他们与制造商之间一向紧密的联系正在减弱。在未来，我们可以想象一个三角形的关系：原始设备制造商与英伟达等技术公司合作开发处理器和软件模块，一级供应商则负责制造控制单元。一些原始设备制造商已经开始重视将软件功能掌握在自己手中。

图形处理器专门执行几何计算：在屏幕上旋转一个对象、将其放大或缩小。GPU（图形处理单元）特别擅长执行这些行为所需的矩阵和矢量计算。这一点有利于神经网络的开发。它们类似于人类的大脑，由多层组成，数据在其中进行处理并传递到下一层。要训练它们，首先必须进行矩阵乘法运算——这正是GPU 的专长。此外，GPU 的架构拥有大量内存，以高效地存储临时结果和模型。GPU 的第三个优势是可以同时处理多个数据块。处理器包含数千个所谓的着色器单元，每个单元都相当简单且运行缓慢。然而总体而言，这些计算单元能够比传统处理器（中央处理器，CPU）更快地处理可并行的任务。例如在训练神经网络时，图形处理器可将所需时间缩短 90%。

本文首次发表于《保时捷工程杂志》2021年第1期。

文字：Constantin Gillies
共同撰稿：Joachim Schaper 博士

版权：本文中发布的所有图片、视频和音频文件均版权保护。未经保时捷工程书面许可，不得部分或全部复制。欲了解更多信息，请联系我们。

您有问题或想了解更多信息吗？请联系我们：info@porsche-engineering.de