為何 Tesla 自己開發 AI 晶片,難道合作夥伴 NVIDIA 真的不給力嗎?

為什麼說特斯拉研發自動駕駛 AI 晶片應該引起注意?
圖為 Elon Musk。

【我們為什麼挑選這篇文章】特斯拉執行長馬斯克於日前的 NIPS 大會上,表示他們正在自行研究新一代的 AI 晶片。

目前,特斯拉主要採用的是來自 NVIDIA 的 AI 晶片平台。

這其實是一個很重要的消息,但它重要的點在哪?看完本文後,你就可以從看熱鬧的門外漢,晉身看門道的內行啦!(責任編輯:林厚勳)

特斯拉 Model 3 的量產問題仍未徹底解決,CEO Elon Musk 又拋出了自研自動駕駛晶片的重磅新聞。Elon Musk 和特斯拉 Autopilot 負責人 Jim Keller 在昨天的神經訊息處理系統大會(NIPS 2017)上是這麼說的:

「I wanted to make it clear that Tesla is serious about AI, both on the software and hardware fronts. We are developing custom AI hardware chips.Jim is developing specialized AI hardware that we think will be the best in the world.」

我想明確一點:特斯拉非常重視 AI,無論軟體還是硬體層面。 我們正在開發定製的 AI 晶片硬件。我們認為 Jim 帶隊開發的專用型 AI 晶片將會是全球最好的晶片。

在此之前,36 氪曾多次撰文闡述特斯拉自研晶片的可能性,這是第一次迎來官方實錘。為什麼說特斯拉研發自動駕駛 AI 晶片應該引起注意?

晶片之神 Jim Keller 加入 Tesla 當台柱

先簡單介紹一下 Jim Keller。Jim Keller,原 AMD 首席晶片架構師。

為什麼說特斯拉研發自動駕駛AI晶片應該引起注意?1998 年,Jim Keller 在 AMD 分別參與設計和主導研發了 Athlon 和 Opteron 64 處理器(K7 和 K8 X86-64 架構),幫助 AMD 攀上了業務發展的頂峰。1999 年,Jim Keller 離職加盟博通出任首席晶片架構師。

2004 年,Jim Keller 轉投 P.A Semi,後者於 2008 年被蘋果收購。Jim Keller 出任蘋果移動晶片架構師,主導放棄 AMD 的公版架構,基於 AMD 的 IP 深度定製了蘋果 A4 / 5 晶片,在蘋果 A 系列晶片 + iOS「軟硬一體化」戰略的落地中發揮了關鍵作用。

2012 年,Jim Keller 重回 AMD,領導開發了 Zen 架構處理器,帶領 AMD 鹹魚翻身;2015 年 9 月,Jim Keller 再次離職,彼時 Zen 架構處理器已經完成了架構設計,但 AMD 股價仍應聲下跌。

因為輾轉多個公司均做出重大貢獻的傳奇經歷,坊間戲稱 Jim Keller 是「Chip God」。(晶片之神)

2016 年 1 月加盟特斯拉,帶著 50 人規模的團隊,到本月底剛滿兩年,Jim Keller 團隊在特斯拉堪稱高效。

有了合作夥伴 NVIDIA,Tesla 經過諸多考量才決定自行研發自駕晶片

下一個問題是,搭載 NVIDIA Drive PX 2 自動駕駛晶片的特斯拉 Autopilot 2.0 車型 2016 年 10 月才量產,Drive PX 2 晶片也是整個自動駕駛產業界最受歡迎的平台之一,特斯拉為什麼要自行研發自動駕駛晶片?

L4 級別的自動駕駛存在著非常大的算力和數據傳輸需求,Intel 的一份報告指出,自動駕駛汽車的計算量可以達到 4TB/天,這也是當下諸多 OEM 的自動駕駛汽車後備箱放置著巨大的計算及配套的散熱設備的原因。

NVIDIA 此前推出了旗艦級 Pegasus 自動駕駛晶片,這款晶片的算力達到了 320 萬億次浮點運算/秒,在魯棒性、多級冗餘及撤回機制、車規級 ASIL D 安全性和數據帶寬方面均有更好的支持。唯一不可迴避的缺陷是,這款晶片功耗飆升至 500W,是前代 Xavier 晶片的 15 倍以上。

自動駕駛要求超威演算力與低功耗,但 NVIDIA 的 GPU 卻不符合需求

這款晶片暴露出一個問題:對自動駕駛而言,即便是 NVIDIA 這樣頂級 GPU 大廠,在算力和功耗的平衡上也已經觸到了天花板。更宏觀的說, 通用型計算平台很難同時滿足自動駕駛要求的巨大算力和超低功耗。

如何解決這一難題?這裡舉一個題外案例:在 Google 確立了 AI First 戰略之後,很快發現了一個問題,那就是即使大規模的部署 NVIDIA 的 GPU,數據中心的功耗仍然飛速上漲。

2015 年,Google 研發數年的 AI 專用晶片 TPU(張量處理單元)開始投入應用,TPU 是從晶片架構層面專為機器學習設計和研發的高效能晶片。Google 在一篇論文中介紹,TPU 比 GPU/CPU 快 15~30 倍、性能功耗比(TOPS/Watt)高出約 30~80 倍。

具體到自動駕駛領域,專用計算平台能帶來多大的能效提升?在特斯拉自研晶片計畫的同時,國內也有一家專攻專用型晶片的創業公司地平線宣告成立。地平線創始人兼 CEO 余凱博士此前介紹,在相對通用型計算平台 1/10 的功耗下,地平線的 BPU 會有 2~3 個數量級(100 倍~1000 倍)的算力提升。就在剛剛,余凱轉發特斯拉確認自研晶片稱「在意料之中、戰爭才剛開始,這是勇敢者的遊戲。」

為什麼說特斯拉研發自動駕駛AI晶片應該引起注意?
地平線官網。

回到那個問題,特斯拉為什麼要自行研發自動駕駛晶片?Musk 說「功耗可以降至當前的 1/10」,Keller 在演講中提到「定製硬體可以提升效率」。

Tesla 的要求:全部軟硬體都可量產、可商業化

小鵬汽車副總裁、前特斯拉 Autopilot 機器學習負責人谷俊麗提到過, 特斯拉的自動駕駛策略和其他公司的最大不同,就是整套軟硬體解決方案,包括計算平台、傳感器和執行機構,全部要求可量產、可商業化。 這也是特斯拉堅持不使用雷射雷達(成本高昂)和比其他公司更早關注功耗問題的原因。

其實在此之前,特斯拉便有自研晶片的蛛絲馬跡流出——在特斯拉 Q3 財報電話會議上,Elon Musk 被要求就 NVIDIA Pegasus 晶片比特斯拉 Autopilot 2.0 上的 Drive PX 2 性能好十倍,闡述特斯拉下一步的自動駕駛硬體策略。Musk 的回應並未針對 NVIDIA,而是圍繞特斯拉本身:

「we’ll have more to say on the hardware front soon, we’re just not ready to say anything now. But I feel very optimistic on that front……we feel confident of the competitiveness of our hardware strategy. I would say that, we are certain that our hardware strategy is better than any other option, by a lot.」

我們很快就會有一些硬件層面的新進展宣佈,只是還沒有萬事俱備,但我對此非常樂觀…… 我們對特斯拉硬體戰略的競爭力充滿信心,我想說的是,我們確信特斯拉的硬體戰略比任何解決方案都好不止一個等級。

什麼方案可以比哪怕號稱全球首款 L5 級自動駕駛晶片 NVIDIA Pegasus 還要「好不止一個等級」?唯有重構晶片架構的專用型晶片可以帶來這樣的突破。

關於這款神秘晶片的其他進展還包括:該晶片基於 AMD 的 IP 打造;目前已經走到了設計完成、測試驗證的階段;特斯拉已經收到了首批晶片樣品,目前正在進行相關測試;代工方可能是格羅方德和三星電子等。

小結

儘管短期來看,Intel、NVIDIA 等傳統晶片大廠的自動駕駛晶片仍然有著廣闊的市場空間,但毋庸置疑的是,率先將專用型自動駕駛晶片商業化的企業將在未來的市場競爭中佔據更加主動的地位。對於特斯拉而言,研發這款晶片+配套算法本質上還是對率先將自動駕駛汽車商業化節點的爭奪。擺在其他自動駕駛企業面前的問題是,跟還是不跟?

(本文經合作夥伴 36 氪授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈 為什麼說特斯拉研發自動駕駛 AI 芯片應該引起注意? 〉。)

給你滿滿的特斯拉

【這就是情場失意最佳案例】AMD 搶親夢幻情人特斯拉,Intel 只好找備胎假裝被愛
一道數學公式證明,特斯拉卡車加裝太陽能板是否有搞頭?
特斯拉推出「便宜又大碗」的太陽能屋頂,比傳統屋頂堅固還便宜兩成!


【徵求產業線編輯 3 名】

工作內容與需求:

1. 高度關注國際科技趨勢、台灣產業新聞
2. 根據月度編輯台企劃,執行編輯、採訪與撰稿工作
3. 進行線上、線下媒體策展
4. 根據不同策展專案進行跨部門溝通
5. 針對網站數據做解讀與優化分析
6. 具有 2~3 年工作經驗的媒體工作者
7. 習慣閱讀《彭博社》、《財富雜誌》、《金融時報》、《Fast Company》者更佳
8. 目標導向思考,對準目標、彈性工作

【應徵方式】

意者請提供履歷自傳以及「相關文字作品」,寄至 [email protected]。來信主旨請註明:【應徵】TechOrange 社群編輯:您的大名

點關鍵字看更多相關文章: