江苏龙网

  1. 首页 > 资讯 > 财经 > >

IT新经济|软件定义汽车时代来临( 二 )



IT新经济|软件定义汽车时代来临
本文插图

FPGA 全称是 Field Programmable Gate Array：又称可编程逻辑门阵列 ， 算力较高 ， 适合小规模定制化开发测试 。 用户可通过烧入配置文件来定义其内部结构的连线 ， 从而达到定制电路的目的 。 FPGA 的芯片量产成本较高 ， 能效比较差 ， 不如 ASIC 专用芯片 。 适用于科研、企业开发阶段 ， 一旦方案确定 ， 其成本优势就不再突出 。 代表厂商：赛灵思、阿尔特拉（被英特尔收购）、深鉴科技 。
ASIC 全称是 Application-Specific Integrated Circuit：是一种为专门目的而设计的集成电路 ， 具有算力最高 ， 能效比优等特点 。 ASIC 面向特定用户的需求 ， 适合较为单一的大规模应用场景 ， 运行速度在同等条件下比 FPGA 快 。 但在架构层面对特定智能算法作硬化支持 ， 指令集简单或指令完全固化 ， 若场景一旦发生变化 ， 该类 AI 芯片便不再适用 ， 需要跟新换代 。 面对现阶段 ， AI 算法日新月异 ， 每年都有大量的算法被开发出来 ， 对于自动驾驶领域适用性不强 。 所以现阶段并没有真正意义上的 ASIC 芯片 。
N-SOC ， （即添加神经网络单元的系统级芯片）是指在芯片中集成更多的神经网络单元 ， 以实现快速的 CNN（卷积神经网络）运算 。 N-SOC 是现阶段市场的新名词 ， 主要系随着 AI 芯片的发展 ， 传统定义方法并不完全适用 ， N-SOC 区别于 ASIC 的智能算法被硬化 ， 但其并不是一颗完全通用芯片 ， 仅支持少量的算法 。 典型的代表企业：英特尔旗下的 Mobileye、华为（达芬奇架构 Ascend 系列）、寒武纪（MLU 系列）、百度（昆仑云）、阿里平头哥、Google（TPU）等 。

IT新经济|软件定义汽车时代来临
本文插图

由通用向专用排序依次：CPU、GPU、FPGA、ASIC；数据处理成本经济性（由优至差）：ASIC、FPGA、GPU、CPU 。
1）CPU 最通用 ， 算力差 ， 能效比最差 ， 但除了运算 ， 还包括控制指令 ， 不可被替代；
2）GPU 为较为通用的芯片 ， 算力高 ， 架构较为开放 ， 可允许主机厂基于底层硬件架构开发自己的专门算法 ， 但能效比较差；
3）FPGA ， 算力一般 ， 可根据客户需求用配置文件更改芯片结构的连线 ， 实现定制电路 ， 适用于实验室科研、前期开发等小批量应用；
4）ASIC 为专用芯片 ， 算力高、能效比优 ， 节约不必要开发资源 ， 规模量产成本最低 ， 但支持算法不够灵活 。

IT新经济|软件定义汽车时代来临
本文插图


IT新经济|软件定义汽车时代来临
本文插图

AI 芯片通过添加神经网络单元实现 AI 运算的更高效 。 目前市场对未来汽车 AI 芯片采用通用 GPU、FPGA、ASIC 芯片方案仍有较大争议 ， 我们认为汽车数据处理芯片不断异构化 ， 通过不断添加神经网络单元实现 AI 运算是未来发展的主要方向 。
除了华为、 地平线、寒武纪等 AI 芯片不断增加神经网络单元外 ， 而作为通用 GPU 的代表供应商英伟达的自动驾驶系列芯片 ， 也通过添加神经网络单元 ， 以实现对 AI 处理越来越高效 。
但总体而言 GPU 仍功耗较高 ， 丰富的通用模块可实现对各种场景的适用性 ， 但也带来了成本过高 ， 功耗过高的问题 。 而新出现的 N-SOC 虽不是 ASIC 固定算法 ， 具有成本/功耗较低等优点 ， 但其针对各种场景的适应性仍较弱 。
在汽车领域 ， 未来两者未来性能、成本等方面会有相互靠近的趋势 。


推荐阅读


上一篇：正和岛|王明夫：这一窗口期，是下一轮增长的“生命线”

下一篇：股票行情|光头阳线有效性还需观察