飞步神速!何晓飞团队完成无人车深度学习芯片流片,算力创国内新高
李根 发自 凹非寺
量子位 报道 | 公众号 QbitAI
飞步神速!
何晓飞教授自开启无人车创业以来,一如治学,过程中始终低调,但并不意味着没有大进展。
这不,这位浙大计算机系知名教授、滴滴研究院创始院长、滴滴无人车开创者,最近又迈出了一大步。
量子位获悉,就在今年9月,由飞步科技研发、具备完全自主知识产权的国产28nm深度学习加速器,在台积电完成流片。
这也意味着,随着此核心系统完成攻坚,距离之前透露的感知芯片系统推出,仅剩一步之遥。
国内车载最强算力芯片
飞步的感知系统芯片,代号凤凰-100,是其无人驾驶车载计算平台的核心。
而此次成功流片的深度学习加速器,则是整个感知芯片最具技术挑战部分。
性能表现上,此次流片的28 nm感知深度学习加速器,具有>1GHz的运算频率、以及>4TOPs的超强计算能力,功耗和成本等各项关键指标,也取得重要突破,为国内车载芯片最高算力,完全支持L3/L4的实时数据处理需求。
而且值得一提的是,芯片整套方案,飞步具有自主知识产权。
或许你会好奇,别人的无人驾驶初创公司,主要进展都出自环境感知、地图定位、规划控制等软件算法方面,为何飞步一出手,率先突破点在于芯片?
何晓飞解释,飞步在算法方面也都在稳步推进,但都是“必修课”。
只有迎难而上,让算法和芯片——软件和硬件形成组合拳,才能够软硬件一体,将AI能力发挥到极致。
这样才能构建起飞步科技的核心竞争力。
无人驾驶芯片之挑战
当然,算力瓶颈、软硬件一体挑战,无人驾驶业内并非不知,但创业公司尝试,风险并不小。
关键难题有三项,在无人驾驶的特定环境,对芯片有三高一低的极致要求。
首先,无人驾驶对AI芯片算力要求极高,车速越快,路况信息越多,计算平台的压力负荷就越大。
其次,无人驾驶对终端计算的实时性要求极高,任何滞后都可能造成车毁人亡的惨剧,也决定了芯片的核心计算和决策速度是重中之重。
此外,无人驾驶对芯片的可靠性要求也极高,系统故障、死机等情况,在汽车无人驾驶的状态下不可想象,而严寒酷暑、刮风下雨等恶劣天气条件,也都需要芯片保持稳定的计算和续航能力。
最后,芯片的能耗则是“越低越好”,优异的能耗表现,是AI芯片面对海量数据时从容不迫的底气来源。
飞步凤凰芯片
正是从一开始就看清楚了挑战所在,所以创业启动后,何晓飞和飞步科技,就确立了软硬件并行研发的发展模式。
与行业内普遍解决方案不同的是,飞步采用专用芯片(ASIC)替代传统CPU/GPU,作为车载芯片的终极集成方案。
相对于通用芯片,专用智能芯片的优势不言而喻——集成度提高十倍,信息处理速度加快百倍,功耗却只有1/10,综合性能跃升两到三个量级。
专用智能芯片方案优势明显,研发难度却非常大,需要设计者对无人驾驶场景、软件、算法和芯片架构极度熟悉。
当然,之前也介绍过,飞步为芯片还组建了一支世界级团队。
飞步的芯片团队由联合创始人曹宇负责,他是UC伯克利电子工程博士,大规模集成电路领域世界级专家,IEEE Fellow,参与飞步创业前,是亚利桑那州电子工程系教授,研究成果已经成功应用在英特尔、高通、IBM等设计技术中。
芯片架构负责人Hang Nguyen,前英特尔首席架构师,芯片架构国际级顶尖专家,在芯片行业有35年经验,50多项专利。领导了多种英特尔低功耗移动芯片的架构和微架构涉及,开发了英特尔首款采用PCI Express和存储加速集成的嵌入式Xeon系列处理器。
系统芯片集成专家刘浩,前高通首席工程师,移动系统芯片(SoC)集成主管。之前领导了全世界第一款4G芯片和多款高端骁龙芯片的研发和流片。
最终,因人成事,事在人为。
经过近1年研发,飞步感知芯片中最关键的深度学习加速器在9月完成流片。
该芯片基于飞步自创的MPV架构,支持相机、激光雷达和毫米波雷达等多种传感器接入,对环境进行实时高精度的三维感知。已具备国内车载芯片的最高算力。
首创MPV计算架构
此外值得注意的是,采用ASIC集成平台,只是飞步针对车载智能芯片革新换代的第一步。
凤凰计算平台,才是飞步无人车真正雄心。
为打造无人驾驶适用的计算平台,飞步还首创了深度学习专用的MPV架构设计。
M指系统超大规模化(Massive)
P是并行化(Parallel)
V则指代模组化(Volumetric)
这个MPV架构,可以更好发挥深度学习、无人驾驶算法的优势。
由于高效和低功耗的特点,可以针对加速同步、识别、跟踪、预测、规划等关键环节提供强大的技术支撑。
而且得益于MPV架构得天独厚的优势,凤凰平台的飞步无人驾驶专用芯片,能根据全栈无人驾驶算法量体定制,囊括包含感知、融合和决策等在内的三级数据处理场景。
飞步无人驾驶路线图
最后,核心“大脑”曝光后,飞步无人驾驶路线图也藏不住了。
飞步方面称,在深度学习加速器完成流片后,计划于2019年正式推出车规级感知融合芯片,并于2020年推出决策芯片。
其中融合芯片,将成为全球第一款同时支持前融合和后融合的专用芯片。
随着感知、融合和决策芯片的先后问世,2020年,飞步科技将实现凤凰(Phoenix)整套计算平台的初步搭建,支持L3/L4级别无人驾驶。
总算力超过80TOPs的同时,整体功耗从现在市场上主流的2000-3000W规模降到80W的先进水平,系统响应时间缩短到50ms以下。
此外,还提供完善的软件开发环境,开放支持多种智能算法。
这背后自然也蕴藏着飞步的平台和生态雄心。
一旦更多无人驾驶产业上下游玩家加入,车控主板等核心平台推出,在ASIL-D级别下快速进入L3/L4前装应用……
飞步毫无疑问将更快更广泛地在全球范围内推进芯片产品化和无人驾驶技术应用。
期待飞步神速~
— 完 —
年度评选申请
加入社群
量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;
此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。
进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)
活动策划招聘
量子位正在招聘活动策划,将负责不同领域维度的线上线下相关活动策划、执行。欢迎聪明靠谱的小伙伴加入,并希望你能有一些活动策划或运营的相关经验。相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
飞步神速!何晓飞团队完成无人车深度学习芯片流片,算力创国内新高相关推荐
- 推动量子计算与AI融合,飞桨成为中国首个支持量子机器学习的深度学习平台
"新基建"给中国"产业智能化"带来强劲的新引擎.飞桨作为智能时代的操作系统与技术底座,也再次迎来高光时刻.5月20日,由深度学习技术及应用国家工程实验室与百度联 ...
- 推动量子计算与AI融合,飞桨成为中国首个支持量子机器学习的深度学习平台...
"新基建"给中国"产业智能化"带来强劲的新引擎.飞桨作为智能时代的操作系统与技术底座,也再次迎来高光时刻.5月20日,由深度学习技术及应用国家工程实验室与百度联 ...
- 【论文推荐】张笑钦团队 | 综述:基于深度学习的视觉跟踪方法进展
导读 IJAC特约稿件 人眼可以比较轻松地在一段时间内持续定位特定目标,而在计算机视觉领域,这一任务便是高级计算机任务之一--"目标跟踪".但对计算机而言,在不同场景下实现目标跟踪 ...
- 飞桨博士会第三期来啦!中国深度学习技术俱乐部诚邀您加入
飞桨博士会是由百度开源深度学习平台飞桨(PaddlePaddle)发起的中国深度学习技术俱乐部,旨在打造深度学习核心开发者交流圈,助力会员拓展行业高端人脉.交流前沿技术.俱乐部为会员制,成员皆为博士生 ...
- 英特尔计算引擎、阿里大规模图形神经网络平台、百度飞桨平台、索尼音乐生成AI套件......重量级深度学习工业产品亮相NeurIPS 2019行业展览会!
NeurIPS 2019的正式会议将于加拿大/温哥华时间的12月9日早上8点开始.会议前一天将会举办为期一整天的行业展览会(可能是赞助商太多了--) 当别人为明天的正式会议捉急准备时,小助手已经在展览 ...
- 清华大学矣晓沅:“九歌”——基于深度学习的中国古典诗歌自动生成系统
授权自AI科技大本营(ID:rgznai100) 本文共2714字,建议阅读6分钟. 本文为你介绍清华自然语言处理与社会人文计算实验室的自动作诗系统--"九歌"及其相关的技术方法和 ...
- 看懂这十步,8岁的小朋友都能理解深度学习
作者 Jean-Louis Queguine 郭一璞 编译 量子位 出品 | 公众号 QbitAI 在对技术毫无了解的人看来,人工智能是什么? <流浪地球>里的AI语音助手MOSS么? ...
- TensorFlow团队成员说:深度学习的未来,在单片机的身上
便携栗 编译自 Pete Warden's Blog 量子位 出品 | 公众号 QbitAI Pete Warden,是谷歌TensorFlow团队成员,也是TensorFLow Mobile的负责人 ...
- 何晓飞首次披露飞步自动驾驶方案:无人货运起步,自研AI芯片
李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI 何晓飞离职滴滴创业,不是新消息. 这位前滴滴SVP.研究院创始院长.滴滴无人车团队开创者,现在是自动驾驶创业公司飞步科技的创始人及CEO. ...
最新文章
- 禁用viewstate怎么还保存状态?
- 【转】Java类成员变量默认初始化规则
- hadoop 分片与分块,map task和reduce task的理解
- Android之上下文context
- 2020 年最新版 68 道Redis面试题,20000 字干货,赶紧收藏起来备用!
- STM32驱动LCD原理
- 设置PDF文件默认缩放比例
- Pytorch 版本的lookahead 优化函数使用(附代码)
- php英语大全,学习php编程语言 php常用英语单词
- unity自动生成敌人_敌人的自动生成 - Unity脚本编程 — Project 2:慕课英雄 MOOC HERO(第三人称射击简易版) | Coursera...
- perl编译器下载linux64,perl 在linux 下的安装
- 《Java语言程序设计与数据结构》编程练习答案(第七章)(一)
- android中流媒体
- 望京有没有可能成为下一个硅谷?
- 区块链定制开发用什么编程语言?
- pta6-1 快速排序
- PHP 输出图像 imagegif 、imagejpeg 与 imagepng 函数(五)
- 国际移动设备识别码IMEI
- 解决 Linux 系统,出现“不在sudoers文件中,此事将被报告”的问题
- Pycharm 警告去除
热门文章
- 蚂蚁金服 TRaaS 技术风险防控平台解密
- 罗永浩要造智能音箱;苹果承认bug;微软特制AI曝光 | 极客头条
- rpg制作大师2003_RPG制作大师MV 我们一起做游戏(十五)
- ubuntu linux网关不通,Ubuntu 8.04不能上网等问题的解决
- isbool php,PHP PHPUnit assertIsBool()用法及代码示例
- python游戏设计教程视频_零基础python教程-用Python设计你的第一个小游戏
- 十分钟学习python_Python学习笔记一:十分钟入门
- linux 打开 protel文件格式,Protel快捷键大全
- cpu怎么超频_性价比神器?镁光EDIE颗粒 超频实测 Intel+Amd
- 使用 sroll-snap-type 优化滚动