订阅
纠错
加入自媒体

这家美国芯片公司,选择在中国首发可用于自动驾驶的全新FPGA芯片

2019-05-23 09:42
车智
关注

芯片,是最近的热门话题,我们要关注的不仅仅是手机芯片,也要关注汽车芯片,更何况智能网联汽车业需要大量的芯片,其中,最重要的就是自动驾驶计算平台需要用到的芯片。

北京时间5月21日,总部位于美国加州圣克拉拉市的半导体公司Achronix,在中国深圳举办交流会,宣布推出全新的7nm FinFETSpeedster7t系列产品,该产品可以满足人工智能/机器学习(AI/ML)和高带宽数据加速应用的需求。

人工智能和机器学习的一大应用就是自动驾驶,领头羊Waymo采用的是英特尔CPU+Altera FPGA的方案来解决自动驾驶所需要的数据融合和算法处理,因为PFGA作为硬件加速器,可以作为GPU的有效补充,应用为汽车主控芯片。

据Achronix总裁兼首席执行官RobertBlake介绍,Speedster7t系列基于一种高度优化的全新架构,从而获得有类似ASIC一样的性能、可简化设计的FPGA灵活性和增强功能,会远高于传统的FPGA解决方案。

在中国自动驾驶领域,也有部分的公司采用了FPGA的方案,配合CPU或者GPU,搭建自己的解决方案,Achronix新推出的7nm FPGA系列产品Speedster7t,提供了Altera、Xilinx之外的多一种选择,也给国内FPGA厂商压力。

1、FPGA在自动驾驶的应用

智能网联汽车对计算的要求在不断提高,尤其是自动驾驶技术在面临多传感器数据融合处理的问题,传统的汽车MCU的算力是满足不了要求了,GPU、FPGA、ASIC等AI芯片就开始进入汽车市场。

正如前面所言,自动驾驶领域的全球领头羊Waymo,也是采用CPU+FPGA的方案,其计算平台采用了英特尔Xeon 12核以上CPU,搭配了Altera的Arria系列FPGA芯片,并且采用英飞凌的Aurix系列MCU作为CAN或FleRay网络的通信连接。

在中信证券许英博的研究报告认为,在汽车主控芯片领域,GPU 仍将保持通用汽车主控芯片的主流地位, FPGA作为有效补充, ASIC 将成终极方向。

目前,人工智能及智能驾驶算法尚未定型,GPU作为通用加速器,预计仍将在相当长一段时间内保持其汽车主控芯片的主流地位; FPGA 作为硬件加速器, 料将成为 GPU 的有效补充;将来如果全部或部分智能驾驶算法得以固化, ASIC 将成为最优性价比的终极选择。

下面是GPU、FPGA和ASIC各个芯片的一些特点:

GPU:通用性强、速度快、效率高。适合用在深度学习训练方面,但是性能功耗比较低;

FPGA:具有低能耗、高性能以及可编程等特性。相对于 CPU 与 GPU 有明显的性能或者能耗优势,但对使用者要求高;

ASIC:可以更有针对性地进行硬件层次的优化,从而获得更好的性能、功耗比。弊端在于ASIC 芯片的设计和制造需要大量的资金、较长的研发周期和工程周期,而且深度学习算法仍在快速发展,若深度学习算法发生大的变化,FPGA 能很快改变架构,适应最新的变化,ASIC 类芯片一旦定制则难于进行修改。

但就现阶段而言,FPGA让自动驾驶开发更具灵活性当前处于自动驾驶发展的“试错”阶段,算法的更新迭代周期非常短,这给FPGA更多的市场机会。根据市场调研公司Semico Research的预测,人工智能应用中FPGA的市场规模,将会在未来4年增长3倍,达到52亿美元。

1  2  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号