特斯拉
LiDAR成為ADAS/自駕車關鍵感測器
根據ResearchAndMarkets指出,光學雷達(LiDAR)市場2019年產值達9.81億美元,到2025年預計達2,766萬美元,2020到2025年複合年增長率預計為20.7%。光電協進會認為,提升LiDAR市場增長的主要因素包括無人機中LiDAR系統的採用不斷增加、工程和建築中地理資訊系統(GIS)LiDAR的使用,以及4D LiDAR的出現和法規的放鬆,導致不同應用大規模使用商用無人機有關。
光學雷達市場2019年產值達9.81億美元,到2025年預計達2,766萬美元 (來源:Unsplash)
隨著LiDAR逐漸成為ADAS和自動駕駛汽車(AV)的關鍵感測器,在車輛整合的樣式方面與功能之間取得平衡變得越來越重要。除了總體製造性、可靠性、價格和耐用性方面的考慮外,位置也很重要。從這個意義上分析,LiDAR只是沿襲了諸如雷達、照相機和超聲波之類的傳統感測器的腳步。從整合的角度來看,將LiDAR與其他感測器區分開的主要原因有:
1.要求低損耗和清潔光學表面(每個LiDAR直徑通常為25~50mm)
2.更高的功耗,通常在15~30W之間
3.光學雷達的熱管理(大部分輸入功率轉換為熱量),需要保持其「冷卻」。否則如雷射器、檢測器和掃描儀之類的元件會發熱,並導致性能和可靠性問題
4.尺寸和體積具優勢。因為當今大多數成熟的激光雷達感測器都使用機械或光機械掃描儀,這些掃描儀體積相對較大,很難從美學上整合到汽車中,因此固態LiDAR(無論是閃存還是使用固態掃描),在這方面都具有明顯的優勢,但是許多技術才剛剛成熟,還沒有準備好整合到用於市場的第一套ADAS和自動駕駛汽車中。
從2000年代的DARPA大挑戰賽到用於共享汽車和運動自動化的影音開發早期,樣式和空氣動力學設計都不受重視,導致原型車看起來很奇怪,在部分情況下甚至令人恐懼。但是隨著ADAS和AV的成熟,Waymo等公司越來越關注感測器模組與自動駕駛汽車的整合。其背後的原因之一,是認識到有必要為乘客提供視覺和情感上的親密體驗,並建立對這種新搭乘方式的信心。
近日在比利時特斯拉Model 3開始測試光學雷達系統,Model 3車頂設備採用類似於Velodyne Puck 32MR LiDar。製造商指出,此設備非常適合工業車輛、移動機器人和相對低速移動的無人機。光電協進會認為,無論最終它是否得到了特斯拉的認可,這也意味著馬斯克(Elon Musk)改變了對激光雷達的態度,並繼續朝著這個方向前進。
平價車款大賣 Tesla撼動產業力量更強大
平價車款帶動銷量起飛轉虧為盈還需加把勁
資策會MIC資深產業分析師何心宇
截至2019年底,Tesla電動車累計銷售量為89.6萬輛,但僅2019一年,便銷售了36.7萬輛,其中Model 3銷售30萬輛(占比達82%)、Model S/X合計銷售量為6.7萬輛(佔比18%)。
Model 3是實現Tesla電動車大眾化的關鍵。過往Tesla定位電動車為「高貴汽車」,在Model 3上市後,其保有Tesla高性能、品牌價值但卻有親民的價格,是Tesla市場規模得以快速成長的關鍵。
量產在即的Model Y,則是Tesla首款Compact SUV,北美市場的Model Y在加州Fremont生產,自2020年4月開始交車,中國的上海工廠也已啟動Model Y境內生產,並預計於2021年開始交車。Model Y與Model 3有75%共用零組件,且SUV市場廣大,Model Y未來成長可期。有鑑於此,2020年Tesla設定目標銷售量為50萬輛,年成長率為36.2%。
挾帶著全球投資者的期望,Tesla年營收雖每年呈現上升趨勢,但由於龐大研發/投資費用的積累,及產能提升緩慢的窘境,Tesla長期面臨淨虧損的財務問題,至2019年仍未實現營利。
商業模式有新意 Tesla毛利率傲視同業
雖Tesla尚未實現營利,但對比全球傳統整車廠,Tesla汽車業務除汽車銷售外,尚有其他增值服務利潤來源,如OTA(Over the Air)/自動駕駛系統(Full Self-Driving, FSD)軟體更新、充電收費、儲能式充電等服務收入,並在北美、歐洲等地開展共用服務,所有Tesla車主經登記後可將閒置汽車委由Tesla營運共用服務,Tesla藉此收取服務費用。
另加總其各車型毛利率,Tesla Model S/X毛利率基本維持在30%左右,Model 3約為20%,Model Y毛利率將高於Model 3,Semi與Roadster 2因定位高價位車種,毛利率可望更高,故Tesla汽車業務毛利率可望維持25%以上。對比全球主要整車廠豐田(Toyota)、福斯(VW)、福特(Ford),這些傳統車廠的毛利率基本維持在16%~19%,高階品牌車廠BMW毛利率亦僅20%左右,Tesla毛利率有其突出之處。
觀察業務結構,汽車業務為其營收重心,汽車業務指的是銷售與租賃收入。汽車銷售指的是Model S、Model X、Model...
特斯拉銷售超乎預期 傳樂金化學將補足電池產能
據路透社報導,在美國電動車製造商特斯拉(Tesla)的訂單增加後,樂金化學(LG Chem)計畫今年在韓國為特斯拉生產電池。報導指出,樂金化學(LG Chem)部分的南韓產線正在轉換為特斯拉電池的生產線,同時該公司位在中國南京的工廠,已開始為特斯拉生產電池。
圖 未來LG可能為特斯拉生產電池。來源:Tesla
路透社報導,LG Chem韓國廠計畫今年生產特斯拉電池。對此官方並未表態,但報導中提及因美國受到新冠肺炎(COVID-19)疫情衝擊,導致產能不足,加上美國電動車製造商的訂單增多,特斯拉需要額外擴增電池產能。
特斯拉上週發布4~6月間的全球汽車銷售數字,結果超乎預期,並因為疫情美國產能減少而受影響。面對疫情對美國供應鏈的衝擊,分析師一度預估此情況可能重振中國的銷售。整體而言,報導中說明特斯拉的銷售量持續上升,增加對電動車電池的需求,因此LG Chem開始在韓國與中國等地生產特斯拉電池,補足特斯拉的電池產能。
反擊Tesla自駕晶片 NVIDIA強調開放平台重要性
電動車龍頭特斯拉(Tesla)日前宣布推出自行研發的Full Self-Driving(FSD)自駕車晶片,採用雙處理器晶片設計,並且以Samsung的14nm FinFET製程生產。在發布全新自駕車晶片的同時,特斯拉也將旗下產品與NVIDIA相比較,強調其自行設計的晶片,相對於NVIDIA產品的運算能力有明顯的進步;對此,NVIDIA則於近日回擊,認為特斯拉的比較並不「準確」,且強調NVIDIA的自駕車平台不僅具備高性能AI,同時還有擁有「開放性」。
NVIDIA自主機器(Autonomous Machines)部門副總裁Rob Csongor表示,不可否認的,特斯拉正在提高自動駕駛汽車的生產標準。首先,特斯拉採用雙AI處理晶片,每個晶片包含CPU、GPU和深度學習加速器(Deep-learning Accelerators),運算能力可達144 TOPS,能夠從各種環繞攝影機、雷達、超音波以及深度神經網路演算法中收集數據。另外,特斯拉也強調他們將持續開發下一代自駕車晶片,以達到比144 TOPS更高的演算效能。
Csongor指出,特斯拉不斷重申,自動駕駛汽車是提升駕駛安全性、效率和便利性的關鍵,同時也是汽車產業的未來,因此需要非凡的運算效能。這跟NVIDIA的觀點相同,這也是我們之前設計和製造NVIDIA Xavier SoC的原因。Xavier具備可編程CPU、GPU和深度學習加速器,數據處理速度為30 TOPS。
同時,因應自駕車高運算需求,NVIDIA也具有雙晶片解決方案「DRIVE AGX Pegasus」,將Xavier搭配GPU,使單一處理器運算效能提升至160 TOPS;而將兩個處理器整合至同一平台,數據處理效能便高達320 TOPS。
Csongor認為,高速運算是發展自動駕駛汽車的關鍵,特斯拉和NVIDIA皆朝此一方向發展;不過,特斯拉將其FSD自駕車晶片與Xavier相比較是不準確的。因為FSD自駕車晶片是雙晶片解決方案,而Xavier則是單晶片,兩者的基準不相同。若要比較的話,應該和DRIVE AGX Pegasus相比,而DRIVE AGX Pegasus的320 TOPS運算效能則遠高於特斯拉FSD自駕車晶片的144 TOPS。
Csongor進一步說明,另外,NVIDIA Xavier SoC主要應用為Level 2(或Level...
策略正確但禍福難料的Tesla FSD晶片
電動車龍頭特斯拉(Tesla)於日前的Tesla Autonomy Investor Day中,正式介紹了自家的Full Self-Driving(FSD)自駕車晶片,雖然說垂直整合在這個年代已經不是甚麼創新的策略,但是以Tesla目前在產業的地位,加上在這次發布之前,Tesla也進行了相當的專利布局,因此觀察FSD晶片的設計有助於一窺電動車/自駕車未來的發展趨勢。
Tesla自動駕駛晶片負責人Pete Bannon表示,從加入Tesla開始到晶片和系統在實際產品中部署,大約花了3年時間,對一個從無到有的高階處理器來說,時間並不長,Bannon認為,這歸功於Tesla有很強的電源供應設計、訊號整合設計、封裝設計、系統設計、板卡設計、韌體、系統驗證團隊。
在Tesla提出的自動駕駛運算平台設計中,FSD晶片以功耗、算力、Barch size(Latency)、安全性為主要需求。採用雙處理器晶片設計,並且以Samsung的14nm FinFET製程生產,加上深度神經網路處理器,總計以60億組電晶體運作,影像處理器約可在一秒內處理1G畫素量的數據,並且以24位元執行頻寬運作,本身則搭載128位元、總計86Gbps傳輸頻寬的LPDDR4記憶體模組,處理器配備運作時脈為2.2GHz的12核Cortex-A72架構設計。
自駕車/電動車安全性是消費者最關心的重點之一,因此FSD導入大量的冗餘設計。同一塊板卡上的兩顆晶片供電和資料通道都是獨立且互為備份的;而且兩顆晶片同時都對同樣的資料進行分析,然後對比分析結果,再得出最終結論。同時,Tesla 執行長Elon Musk也強調一旦其中一組運算晶片產生異常,將可由另一組晶片無縫接手運作,使自駕運作過程不會有意外發生。
另外,晶片中神經網路處理器(Neural Network Processor, NNP),也是FSD的重點,每顆處理器有兩個NNP,每個NNP有一個96x96的MAC矩陣,32MB SRAM,工作時脈2GHz。所以一個NNP的處理能力是96x96x2(OPs)x2(GHz) = 36.864TOPS,單晶片72TOPS,板卡144TOPS。
Tesla FSD的策略讓人聯想到Apple的iPhone,其應用處理器應該是系統商強化核心競爭力與拉高競爭門檻的經典範例,以此對比Tesla的布局,不難理解Musk邏輯,FSD可以說是該公司必然選擇的道路,但能否複製Apple iPhone的成功,未來還有許多值得觀察的重點,Tesla在電動車領域已經取得初步的競爭優勢,尤其是在電池能量密度與平均耗電可行使里程上,FSD肩負進一步強化這部分優勢重責。另外,初代FSD雖然踏出第一步,但是上路後才是真正的挑戰,Tesla能否持續在軟硬體上優化,如製程改善、神經網路優化、推論效能精進等,讓FSD成為自駕車最佳控制模組,別忘了NVIDIA與Qualcomm這些晶片大腕,也正虎視眈眈。
Tesla FSD自駕晶片平台導入完整備援設計架構