特斯拉自动驾驶靠自研芯片，国产智能汽车怎么办？

电子工程世界 2020-05-13 00:00

【应用手册】TI 全新MCU及C29内核的能源设施应用方案 如何增强能源基础设施的实时控制？

从这个月开始，特斯拉终于跌破30万，进入补贴行列，与国产汽车展开正面竞争。

在国产汽车和特斯拉之间该如何选择，除了续航里程外，最重要的可能就是智能驾驶系统了。

智能驾驶系统该怎么比较？摄像系统、激光雷达、毫米波雷达这些硬件，都是自动驾驶系统的耳和眼，在选购的时候固然不可忽略。另外，和选购手机电脑要看CPU一样，车载计算平台也是绝对不可忽视的一项参数，甚至还可能是决定因素。

车载计算平台有多重要？

简单来说，车载计算平台是一切智能驾驶功能的实现基础。大部分智能驾驶/驾驶辅助功能的实现原理都是通过处理车载传感器所收集的数据判断场景，再依据场景提供相应的功能。

而车载计算平台就是处理这些数据并作出相应判断的核心单元，其之于车载传感器以及车载控制系统的关系，类似于人脑之于五官以及四肢的关系。

换句话说，没有车载计算平台的支撑，为系统增加再多的传感器或再精准的控制系统都将是徒劳。

由于汽车驾驶场景的复杂程度极高，车辆就需要数量更多、精度更高的传感器来覆盖足够全面的复杂场景，这就使得车企对车载计算平台算力的需求进一步增强。

与消费电子领域的计算平台不同，车载计算平台在功耗，安全性以及稳定性上都有着极其严苛的要求，这就使得研发高算力产品的难度进一步提高。

为了攻克这一难题，特斯拉想尽了一切办法，甚至选择了自主研发计算芯片。

众所周知，特斯拉是全球智能驾驶领域的标杆，其Autopilot系统无论是在功能开放程度还是实际使用体验上都要优于其它传统车企的产品。

不过，如果单看Autopilot系统的传感器布局，你会发现其并没有太多出彩的地方，既没有搭载奥迪A8上的激光雷达，也没有使用通用Supercruise上的高精地图，而是仅仅靠着最传统的摄像头+毫米波雷达来完成数据采集。

其中既有出于整车成本的考量，也有对计算芯片能力的自信。

事实上，Autopilot的出色表现来自于其所使用的AI深度学习算法，支撑这整套复杂算法正是特斯拉自研的高性能车载计算平台。

早在Autopilot 1.0的时代，马斯克就敏锐的发现了车载计算平台的重要性，而当时为Autopilot提供计算平台的供应商Mobileye已经无法提供让马斯克所满意的产品了。

因此在2016年，我们首次看到了搭载基于NVIDIA Drive PX2定制计算平台的特斯拉量产车，这就是Autopilot 2.0。

1年后，NVIDIA按照特斯拉的要求对这套计算平台进行了进一步的更新，也就是业内所说的Autopilot 2.5。

然而NVIDIA的更新步伐仍然无法满足特斯拉对于高算力计算平台的需求，最终，马斯克选择了邀请传奇芯片架构师Jim Keller出山，带领特斯拉团队自主研发了新一代的车载计算平台芯片，这就是目前特斯拉Autopilot 3.0系统上所搭载的FSD（Full Self-driving）芯片。

从算力上来看，Autopilot 2.5的计算平台搭载两颗NVIDIA Tegra Parker SoC和一颗Pascal架构GPU，平台算力在10 TOPS左右，而Autopilot 3.0搭载两个特斯拉自研FSD芯片，平台算力则高达72 TOPS，这要比小鹏P7上所搭载的NVIDIA最新一代Xavier SoC的算力（30 TOPS）还要高出一倍多。

高算力所带来的性能提升直接体现在了Autopilot 3.0系统的视觉感知能力上，虽然Autopilot 2.5与Autopilot 3.0 所搭载的传感器布局基本一致，但前者由于算力的限制，车外所有摄像头中，只有前视三目中的一个摄像头能够在高帧数下运转，而其余摄像头均只能运行在10帧/秒的帧数以下。

反观Autopilot 3.0，其算力可以支撑全部8个摄像头均在36帧/秒的速度运转。高帧数所带来的直接效果就是车辆所能感知到的环境信息更加丰富，这也使得人工智能算法能够更准确的识别并标注道路上的物体，从而达到更高的智能驾驶系统表现。