【自动驾驶技术】自动驾驶汽车AI芯片汇总——TESLA篇(FSD介绍)

2024-06-19 07:36

本文主要是介绍【自动驾驶技术】自动驾驶汽车AI芯片汇总——TESLA篇(FSD介绍),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

0. 前言

按照国际惯例,首先声明:本文只是我自己学习的理解,虽然参考了他人的宝贵见解及成果,但是内容可能存在不准确的地方。如果发现文中错误,希望批评指正,共同进步。

本篇文章是这个自动驾驶汽车AI芯片系列的第三篇,也算终于轮到特斯拉出场了!(Respect)

自动驾驶汽车AI芯片系列目录:

1. NVIDIA篇

2. 地平线篇

提到特斯拉,大家估计第一反应会想到“FSD”,没错!本文的主角就是“FSD”,或者更准确来说应该是“FSD芯片”。

FSD全称是Full Self-Driving(多么直奔主题),但在开始介绍FSD之前,我想先聊聊特斯拉的自动驾驶平台——HW。

这里的HW就纯是HardWare的意思,与某为毫不相干。

1. TESLA 自动驾驶平台

特斯拉的硬件平台(Hardware Platform,简称HW)是指在其电动汽车中用于自动驾驶功能的计算和传感系统。特斯拉的硬件平台经历了几代的演变,每一版都代表着技术上的进步和对自动驾驶能力的提升:

第一代:HW 1.0

  • 发布时间:2014年
  • 方案特点:初期版本,包含了摄像头、超声波传感器和雷达。
  • SoC芯片:使用的是Mobileye的EyeQ3芯片,主要负责视觉处理,但后来特斯拉和Mobileye因理念不合而分道扬镳。

当时Mobileye客户非常多,估计也没太把特斯拉放在心上。现在的Mobileye……呵呵。

第二代:HW 2.0 / HW 2.5

  • 发布时间:2016年
  • 方案特点:引入了更多的传感器,包括前置三目摄像头、前后雷达、以及环绕车身的超声波传感器,增强了整体感知能力。
  • SoC芯片:
    • HW2.0:采用了NVIDIA 的Drive PX2平台。
    • HW2.5:在HW2.0的基础上增加了额外的NVIDIA Tegra Parker芯片于增强计算能力。

第三代:HW 3.0 (转折点,FSD引入)

  • 发布时间:2019年
  • 方案特点:特斯拉自研的FSD芯片首次亮相,标志着特斯拉开始全面掌握从芯片设计到软件开发的全栈技术。
  • SoC芯片:特斯拉定制的FSD芯片,采用了双核设计,每个核心都有独立的CPU、GPU和神经网络加速器,基于14纳米工艺制造,大幅提升了计算能力和能效比。

第四代:HW 4.0

  • 发布时间:2023年
  • 方案特点:NNA的数量从2个增加到3个,工作频率也从2.0GHz提升至2.2GHz,这有助于更高效地处理深度学习任务,尤其是针对视觉数据的分析。摄像头的数量和质量均有所提升,从8颗120万像素摄像头升级至7颗500万像素摄像头,这不仅提高了图像清晰度,还增加了探测距离,从200多米提升至424米。
  • SoC芯片:特斯拉的下一代FSD芯片,预计采用更先进的制程技术(如7纳米或更小),算力大幅提升5倍,可能达到700多TOPS。有报道指出,HW4.0的FSD芯片可能由台积电采用4纳米或5纳米工艺生产。

从上面HW的发展过程我们可以看出:从HW 3.0开始,特斯拉正式搭载自研的FSD芯片,这家汽车制造公司也掌握了芯片及软件的设计能力。当然,这非常符合马斯克的作风。

由于HW 4.0的公开资料还比较少,本文将基于HW 3.0来说明,也就是大约在特斯拉2019年的技术水平。如果后面有更多的HW 4.0的技术细节,我会再补充本文的内容!

2. HW 3.0架构

特斯拉的Hardware 3.0(简称HW 3.0)是特斯拉自动驾驶计算机的一个重大迭代,它在2019年开始装备于特斯拉的新生产车辆中,用以取代之前的Hardware 2.5。它是专门为特斯拉的Autopilot和未来的完全自动驾驶(Full Self-Driving,FSD)功能设计的。

2.1 架构与设计

HW 3.0包括两套完全独立的系统,每套系统都配备了独立的CPU、GPU、NNA(神经网络加速器)以及内存,两套系统中的一个作为主系统运行,另一个作为热备份,在主系统出现故障时立即接管,这样可以实现冗余,增加安全性。

双系统设计的另一个好处就是互相校验,对于同一个驾驶场景,两套系统经过一系列的感知、规划算法(或者一整个端到端算法),所得到的驾驶决策应该是一致的,这也进一步提升了自动驾驶的功能安全冗余。

2.2 性能
  • 算力:HW 3.0的算力达到了每秒144万亿次运算(144 TOPS),相比之下,Hardware 2.5的算力约为每秒11 TOPS,性能提升了大约13倍。
  • 功耗:尽管性能大幅提高,但HW 3.0的功耗仅从Hardware 2.5的60W增加到72W。
  • 视频处理能力:HW 3.0能够处理每秒高达2,300帧的图像数据,比Hardware 2.5的每秒200帧有了显著提升。
2.3 兼容性与升级
  • 兼容性:特斯拉设计了HW 3.0,使其可以无缝替换Hardware 2.5,这意味着特斯拉可以通过软件更新解锁更多功能,而无需更换整个硬件系统。
  • 升级路径:特斯拉车主可以通过付费服务将旧的Hardware 2.5升级至HW 3.0,从而获得更强大的计算能力和未来的FSD功能。

3. FSD芯片

特斯拉的全自动驾驶FSD芯片是该公司为了实现自动驾驶技术而自行设计的专用集成电路(ASIC)。

这款芯片最初在2019年推出,用于取代之前使用的英伟达GPU,旨在提高计算性能和效率,以支持特斯拉车辆中的Autopilot和FSD功能。以下是关于特斯拉FSD芯片的一些关键细节:

3.1 架构和组件

FSD芯片包含多个处理单元,包括以下:

  • 3个四核Cortex-A72集群,共计12个CPU核心,运行频率为2.2GHz。
  • 1个Mali G71 MP12 GPU,工作频率为1GHz,支持FP16和FP32浮点运算。
  • 2个神经网络加速器(NNA),用于深度学习推理,这是FSD芯片的核心部分,用于处理自动驾驶所需的大量视觉和传感器数据,运行频率为2GHz。

  • 32MB的SRAM缓存,用于存储模型权重和加速数据访问。
  • ISP和PHY各种通讯接口。

3.2 制造和工艺

HW 3.0的FSD芯片采用三星的14纳米FinFET工艺制造。

3.3 第二代FSD芯片(FSD 2.0 / HW4.0)
  • 制造工艺:使用了更先进的7纳米制程技术,有报道甚至提及了4纳米或更先进的3纳米工艺。
  • 性能提升:相对于初代FSD芯片,第二代芯片的性能预计提升了三倍以上,这得益于更密集的晶体管布局和优化的电路设计。
  • 设计与功能:虽然具体的细节尚未完全公开,但可以预期的是,新一代芯片将包含更强大的CPU、GPU和NPU,以及优化的内存架构,以支持更复杂的神经网络和实时数据处理需求。

4. 总结

特斯拉的FSD芯片代表了该公司在垂直整合和自动驾驶技术方面的重大投资。通过设计自己的芯片,特斯拉能够优化硬件和软件之间的协同工作,从而实现更高的效率和更强大的自动驾驶功能。随着时间的推移,特斯拉继续更新其FSD硬件和软件,以实现更高级别的自动驾驶能力。

这篇关于【自动驾驶技术】自动驾驶汽车AI芯片汇总——TESLA篇(FSD介绍)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1074394

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

SpringBoot中封装Cors自动配置方式

《SpringBoot中封装Cors自动配置方式》:本文主要介绍SpringBoot中封装Cors自动配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot封装Cors自动配置背景实现步骤1. 创建 GlobalCorsProperties

idea中创建新类时自动添加注释的实现

《idea中创建新类时自动添加注释的实现》在每次使用idea创建一个新类时,过了一段时间发现看不懂这个类是用来干嘛的,为了解决这个问题,我们可以设置在创建一个新类时自动添加注释,帮助我们理解这个类的用... 目录前言:详细操作:步骤一:点击上方的 文件(File),点击&nbmyHIgsp;设置(Setti

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

C++中函数模板与类模板的简单使用及区别介绍

《C++中函数模板与类模板的简单使用及区别介绍》这篇文章介绍了C++中的模板机制,包括函数模板和类模板的概念、语法和实际应用,函数模板通过类型参数实现泛型操作,而类模板允许创建可处理多种数据类型的类,... 目录一、函数模板定义语法真实示例二、类模板三、关键区别四、注意事项 ‌在C++中,模板是实现泛型编程

Python实现html转png的完美方案介绍

《Python实现html转png的完美方案介绍》这篇文章主要为大家详细介绍了如何使用Python实现html转png功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 1.增强稳定性与错误处理建议使用三层异常捕获结构:try: with sync_playwright(

Java使用多线程处理未知任务数的方案介绍

《Java使用多线程处理未知任务数的方案介绍》这篇文章主要为大家详细介绍了Java如何使用多线程实现处理未知任务数,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 知道任务个数,你可以定义好线程数规则,生成线程数去跑代码说明:1.虚拟线程池:使用 Executors.newVir

一文详解SQL Server如何跟踪自动统计信息更新

《一文详解SQLServer如何跟踪自动统计信息更新》SQLServer数据库中,我们都清楚统计信息对于优化器来说非常重要,所以本文就来和大家简单聊一聊SQLServer如何跟踪自动统计信息更新吧... SQL Server数据库中,我们都清楚统计信息对于优化器来说非常重要。一般情况下,我们会开启"自动更新