埃隆·馬斯克(Elon Musk)——天才少年者、年輕創(chuàng)業(yè)成功者、Paypal公司前身X.com的創(chuàng)始者、31歲坐擁1.65億美元現(xiàn)金者、SpaceX公司創(chuàng)始者、Tesla公司掌門者
馬斯克擁有太多光環(huán)以至于令人懷疑,甚至一度卷入斯坦福大學(xué)學(xué)歷被質(zhì)疑官司中,如此一位時刻站在聚光燈面前的人物,自然隨時都面臨著都被“頭條”。
“使用激動雷達(dá)(Lidar)的都是傻X”
2019年4月23日北京時間凌晨2點,特斯拉舉辦的“Autonomy Day”發(fā)布會通過網(wǎng)絡(luò)直播形式展示其最新進(jìn)展。圍繞著新的自動駕駛(Auto Pilot)硬件軟件進(jìn)行了相關(guān)技術(shù)和實現(xiàn)方法的介紹。
當(dāng)?shù)谝徊糠纸榻B完FSD芯片研發(fā)過程后,Q&A環(huán)節(jié)時,一位提問者提出,為何不采用激光雷達(dá)(Lidar)作為傳感器或者作為補充數(shù)據(jù)傳感器。
馬斯克的回答引發(fā)了媒體圈或者專業(yè)人士的強烈反應(yīng),各種類似于“馬斯克說用激光雷達(dá)的都是傻子”的標(biāo)題橫出,然后圍繞著這個“結(jié)論式”觀點各種混戰(zhàn),一度從技術(shù)層面的爭論到市井謾罵。
馬斯克爆出驚人言論其實一點都不令人驚訝,一直被人稱為瘋子的他,從很早就一直擁有著“語不驚人死不休”的特點,但是此次馬斯克到底說了什么話觸動到這么多人的神經(jīng)呢?
“Lidar is a fool’s errand,” Elon Musk said. “Anyone relying on lidar is doomed. Doomed! [They are] expensive sensors that are unnecessary. It’s like having a whole bunch of expensive appendixes. Like, one appendix is bad, well now you have a whole bunch of them, it’s ridiculous, you’ll see.”
第一句話先放在一邊,后半段很容易理解,“任何人做(自動駕駛)依賴于激光雷達(dá)是注定失敗的!激光雷達(dá)(對于自動駕駛)是必須的并且非常昂貴,就像是(人類)擁有一堆昂貴的闌尾,你知道的人有一個闌尾就足夠糟糕了,假設(shè)你擁有一堆闌尾,這太可笑了,你以后會明白的。”
稍微能有點理解能力的都能明白后半段話是為了補充說明第一句話,那么具有爭議的第一句話到底什么意思呢?
“Lidar is a fool’s errand”,大多數(shù)媒體意譯為“傻子才會選擇激光雷達(dá)”之類的意思,這里我摘取了英英詞典的解釋。
“A task that has little to no chance of being successful or beneficial”
一項幾乎沒什么機會成功或收益的任務(wù)。
翻譯成中文版本就是“竹籃子打水”,如果再結(jié)合上述后半段話的補充說明,意思顯而易見是馬斯克認(rèn)為,對于自動駕駛領(lǐng)域的未來使用激光雷達(dá)是一個錯誤的選擇。而并非具有侮辱或者極強語氣的嘲諷,而且馬斯克在第三部分的Q&A中再次提到了對激光雷達(dá)的看法。
“They’re all gonna dump Lidar, that’s my prediction, mark my words. I should point out that I don’t actually super hate Lidar or as much as may sound, but at SpaceX the Dragon uses Lidar to navigate to the space station or dock. Not only SpaceX developed its own Lidar from scratch to do that and I spearhead that effort personally, because in that scenario Lidar makes sense. And in cars, it’s freaking stupid, it’s expensive and unnecessary and as Larry said once you solve vision it’s worthless.”
自動駕駛領(lǐng)域終將放棄掉(依靠)激光雷達(dá),這是我的預(yù)測,記住我這句話。不過我應(yīng)該指出我其實并非像你們理解的那樣討厭或憎恨激光雷達(dá),相反SpaceX龍火箭是使用激光雷達(dá),才能順利導(dǎo)航到空間站。而且不僅是SpaceX開發(fā)了自己的激光雷達(dá),并且是我辛苦帶領(lǐng)團(tuán)隊決定此方向。因為在這個領(lǐng)域使用激光雷達(dá)是合情合理的。而對于汽車(自動駕駛),那是極其愚蠢的,沒有必要且非常昂貴,正如Larry剛才所講,一旦實現(xiàn)了我們的神經(jīng)網(wǎng)絡(luò)視覺識別,激光雷達(dá)將會(對于自動駕駛)毫無價值。
讀到這兒,大家起碼對于馬斯克的“驚人言論”有了自己的理解,而并非被各種“誤解”的言論所“操縱”。這里,就不得不認(rèn)真了解一下此次“Autonomy Day”究竟公布了些什么消息,引起如此大規(guī)模的爭論。
Part I .特斯拉FSD芯片
一、為何特斯拉要自行研發(fā)FSD芯片
特斯拉之前的AP系統(tǒng)使用的芯片,是英偉達(dá)(Nvidia)公司的Xavier自動駕駛平臺,主要由CPU和GPU和其它部件組成。
英偉達(dá)公司,恐怕每一個電腦用戶都知道是個偉大的公司,按理說在2018年公布的Xavier Drive平臺應(yīng)該足夠強勁支持自動駕駛,那為何Tesla要自己設(shè)計神經(jīng)網(wǎng)絡(luò)芯片?
(Nvdia Xavier Drive 平臺)
熟悉的處理器例如CPU、GPU都可以拿來執(zhí)行AI算法,但是速度慢,性能低,無法實際商用。
汽車行駛下,傳感器輸入的數(shù)據(jù)相對龐大,如果是使用CPU去處理,那么估計車翻到河里了還沒發(fā)現(xiàn)前方是河。如果用GPU,的確速度會快很多,但是功耗大,如果續(xù)航數(shù)因此大幅度降低就失去了商業(yè)意義。
芯片都有針對的環(huán)境擁有的指令算法特征,簡而言之,有自己的特長。
AI芯片,在圖像識別等領(lǐng)域有這獨特優(yōu)勢,其計算是矩陣或vector的乘法、加法,然后配合一些除法、指數(shù)等算法;而CPU則適合于不同領(lǐng)域的復(fù)雜算法,比如計算機服務(wù)器領(lǐng)域;GPU雖然也是針對圖像渲染的算法,但特性不符合神經(jīng)網(wǎng)絡(luò),倒是挺適合挖礦。
所以CPU與GPU不是AI專用芯片,為了實現(xiàn)其所屬領(lǐng)域的功能,內(nèi)部有大量無用(針對神經(jīng)網(wǎng)絡(luò))的邏輯,而這些邏輯對于目前的AI算法來說是完全用不上的,所以造成CPU與GPU并不能達(dá)到最優(yōu)的性價比。
舉個簡單數(shù)據(jù)對比,IBM的POWER8,最先進(jìn)的服務(wù)器用超標(biāo)量CPU之一,4GHz,SIMD,128bit,假設(shè)是處理16bit的數(shù)據(jù),那就是8個數(shù),那么一個周期,最多執(zhí)行8個乘加計算。一次最多執(zhí)行16個操作。這還是理論上,實際使用中是不大可能做到的。
那么,CPU一秒鐘的巔峰計算次數(shù)=16X4Gops=64Gops。
再來看AI芯片。比如大名鼎鼎的谷歌的TPU1,大約700M Hz,有256X256尺寸的脈動陣列,如下圖所示。一共256X256=64K個乘加單元,每個單元一次可執(zhí)行一個乘法和一個加法。那就是128K個操作。(乘法算一個,加法再算一個)
所以,TU1一秒鐘的巔峰計算次數(shù)至少是=128K X 700MHz=89600Gops=大約90Tops。
對比一下CPU與TPU1,會發(fā)現(xiàn)計算能力有幾個數(shù)量級的差距,這就是為啥說CPU慢。
特斯拉苦于在市場上找不到適用于其自動駕駛使用的芯片,所以自己著手研發(fā)。
此外如果技術(shù)核心模塊被其它公司(英偉達(dá))所制約,也不符合公司利益,其實如果有關(guān)注特斯拉消息,早在2015年就透露出要研發(fā)自己芯片的消息。
二、特斯拉研發(fā)FSD芯片歷程
于是團(tuán)隊從2016年2月開始,從FSD芯片的設(shè)計到測試再到量產(chǎn)共歷經(jīng)18個月。
2017年8月,F(xiàn)SD芯片設(shè)計完成
2017年12月,第一次試驗芯片并成功
2018年4月,測試并改進(jìn)芯片
2018年7月,獲得量產(chǎn)合格
2018年12月,設(shè)備裝車并測試成功
2019年3月,Model S和Model X生產(chǎn)線安裝FSD芯片
2019年4月,Model 3生產(chǎn)線安裝FSD芯片
僅僅3年多一點的時間,特斯拉研發(fā)出自己的AI芯片。
三、誰負(fù)責(zé)研發(fā)特斯拉FSD芯片
或許有人會驚訝,一個從未從事芯片開發(fā)的公司如何做到的,這就不得不提到兩個人——Pete Bannon(現(xiàn)任自動駕駛團(tuán)隊負(fù)責(zé)人)以及Jim Keller(前負(fù)責(zé)人)。
Jim Keller,處理器界傳奇人物,曾效力于DEC、PA semi(蘋果收購以后才得以由能力研發(fā)自家處理器A系列)、AMD、蘋果等公司,曾參與設(shè)計速龍(Athlon)K7處理器和蘋果A4/A5/A6處理器,是速龍K8處理器的總架構(gòu)師,還是制定X86-64指令集者之一。
稍微了解一些電腦發(fā)展史的應(yīng)該已經(jīng)知道這些意味著什么,然而并沒有講完。AMD公司的K12處理器以及現(xiàn)在ZEN架構(gòu)處理器(Ryzen)的架構(gòu)主導(dǎo)者也是他。
離開AMD之后加入了Tesla團(tuán)隊,致力于特斯拉自動駕駛系統(tǒng)相關(guān)研發(fā)。雖然在2018年年中離開了Tesla團(tuán)隊,但隨后Keller為特斯拉自動駕駛做出了巨大貢獻(xiàn)(馬斯克曾公開講過)。
如果仔細(xì)查閱Keller的資料會發(fā)現(xiàn),Keller大佬每次在一家公司都會把最重要的架構(gòu)和布局完成后,就選擇離開尋找下一個項目,或許這就是大佬吧。
而后接手特斯拉自動駕駛團(tuán)隊的就是Pete Bannon,是Keller在PA semi的同事,被收購后也隨之加入了蘋果并參與研發(fā)了從A5到A9處理器的研發(fā)。
四、特斯拉FSD芯片強在哪兒
了解過了兩位負(fù)責(zé)人的經(jīng)歷背景后,先不要驚訝,讓我們來具體了解一下特斯拉研制FSD芯片究竟如何。
需要補充的一點,芯片的范疇較大,常見的CPU、GPU處理是集成度很高速度較快的芯片,也就是說是屬于芯片范疇。
特斯拉研發(fā)的FSD芯片,是由兩套完全一樣的的獨立系統(tǒng)組成,每個系統(tǒng)的處理器囊括12個A72內(nèi)核,一個神經(jīng)網(wǎng)絡(luò)處理器(NNA——Neural Network Acceleration)和一個GPU組成。畢竟即便是特斯拉要實現(xiàn)的自動駕駛需要AI芯片(NNA)性能處理圖像,仍然需要其它處理器配合來處理其余的計算。
特斯拉展示了FSD芯片的構(gòu)架和數(shù)據(jù)參數(shù),涉及到較為專業(yè)的范疇,甚至某位發(fā)布會現(xiàn)場的聽眾笑稱聽懂了10%,所以就不贅述其技術(shù)細(xì)節(jié)數(shù)據(jù),感興趣自己去了解一下。
技術(shù)如何實現(xiàn)暫且不理,把重點放在結(jié)果上。做一個橫向?qū)Ρ龋菀兹ダ斫馓厮估男酒瑥娫谀睦铩?/p>
(FSD芯片)
1.性能
由速度為35GOPS(Giga Operation Per Second)的CPU處理圖像才只能達(dá)到1.5幀每秒,對于高速行駛的汽車來說,遠(yuǎn)遠(yuǎn)不夠。而使用600GOPS的GPU能夠處理17幀每秒,雖然有所提高,但仍舊不足以支撐自動駕駛所需要的算力。
而特斯拉以速度為72TOPS的神經(jīng)網(wǎng)絡(luò)處理器(NNA)處理能夠達(dá)到2100幀每秒。(1000GOPS=1TOPS)
(CPU與GPU以神經(jīng)網(wǎng)絡(luò)運算數(shù)據(jù)時對比)
(GPU與NNA以神經(jīng)網(wǎng)絡(luò)運算數(shù)據(jù)時對比)
2.功率
相較于之前特斯拉HW2.5系統(tǒng),僅僅升高了25%,所以不會因為耗能過大而削減續(xù)航里程太多。
Bannon給出的FSD所消耗的電能帶來的影響,換算成Model 3車型75kwh版本,如果全程使用自動駕駛,續(xù)航會從原來370miles削減為300miles。
(功率對比,一個FSD芯片由4個NNA和其它硬件組成)
3.成本
相較于HW2.5系統(tǒng),成本下降20%,作為特斯拉致力于將電動車普及的角度,成本下降對于消費者和公司來講,都是好事。
而之前使用的英偉達(dá)Xavier Drive解決方案則是FSD的7倍價格而且耗能較高。
(成本對比)
其實數(shù)據(jù)對比過后,結(jié)果已經(jīng)顯而易見了。
特斯拉研發(fā)的FSD芯片對比前代產(chǎn)品以及市面上現(xiàn)有的方案,有著運算速度快、功耗控制不錯和成本較低等優(yōu)點。
FSD芯片總算力達(dá)144TOPS,耗能低算力高、冗余結(jié)構(gòu)、成本低
-
芯片
+關(guān)注
關(guān)注
455文章
50771瀏覽量
423412
發(fā)布評論請先 登錄
相關(guān)推薦
評論