FSD
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