Thor来袭,算力提升8倍,英伟达的车企统治时代来临

差不多是在17年前后,汽车行业迎来“弯道超车”的拐点,自动驾驶概念风靡一时,大量资本涌入其中,无论是老牌企业还是初创新秀,都一股脑扎进这个赛道。

经过这几年的市场检验,自动驾驶这潭深水却迟迟难以探底,随着多个品牌的自动驾驶车辆曝出事故,消费者一时人心惶惶,自动驾驶的技术力备受考验。


谁能掌控这其中的技术力,就可以做到真正领跑自动驾驶,而自动驾驶的核心技术就在于背后的芯片。


现如今的自动驾驶芯片领域,有Mobileye,高通,安霸这类以AI硬件软件架构的加速派,也有以英伟达这种基于先进制程的算力派,还有像特斯拉这类“自研派”。


在今年之前,原本最早发力的Mobileye就已经有被英伟达和地平线两面包夹的态势,在多家车企采用英伟达的Orin之后,Mobileye更显颓势。


就在9月21日英伟达的发布会上,Thor横空出世,这颗“核弹”注定要引发汽车行业格局的巨变。


先行者与后来人


Mobileye是自动驾驶领域的先行者,公司于1999年成立,公司名字的来由就是他们希望为汽车安上眼睛,主要是在汽车计算机视觉领域,协助驾驶员在驾驶过程中保护乘客的安全,并减少交通事故的发生。


过去十年,Mobileye 凭借通过芯片+感知算法的一体化方案,成为 ADAS(高级驾驶辅助系统)时代的霸主和红利收割者,甚至制定了 ADAS 主要功能的标准。


在L1~L2低级别辅助驾驶阶段,Mobileye占据统治地位。


时间来到2015年,在面向更高阶的自动驾驶市场(ADS),不同车企有着差异化智能汽车产品的诉求,Mobileye的一体化解决方案已经不能满足车企的需求。


正是在这个节点,英伟达高喊着“软硬件解耦”的口号,“算力为王”的时代拉开序幕,自此英伟达成为Mobileye最强劲的竞争对手。


2016年底,因为Mobileye主导的技术方案无法配合特斯拉的需求,特斯拉转而采用高算力的NVIDIA 芯片平台,从Mobileye的EyeQ 3切换成英伟达的Drive PX 2。

不过那时的英伟达产品还不成熟,特斯拉更换Drive PX 2之后,一度出现过AEB功能降级的问题,原因是Drive PX 2的感知算法不够成熟,特斯拉也没来得及进行算法适配,这也为之后特斯拉自研FSD埋下伏笔。


但大部分车企都难以模仿特斯拉的“自研行为”,自动驾驶领域的蛋糕还很大,英伟达一统车企似乎只是时间问题。


抢夺市场的脚步十分迅猛,2017年,英伟达发布了用于自动驾驶的Xavier 芯片。能够处理十多个车载摄像头,多个激光雷达数据。


仅隔两年,2019年英伟达推出了Orin系统级芯片,性能直接是Xavier芯片的7倍。


在这种攻势之下,英伟达逐渐占据EyeQ的原有市场,目前包括蔚来、小鹏、理想、以及奔驰、沃尔沃等车企,都开始采用英伟达Orin的方案。

Thor来袭,降维打击


就在汽车行业以为今年“Orin”开始量产,英伟达要稳扎稳打步步蚕食的时候。


老黄在9月21日的新品发布会上抛出了一颗“核弹”,新款智能汽车芯片Thor正式发布!


770亿个晶体管,单颗算力高达史无前例的2000TOPS,是原先Orin的八倍!是特斯拉FSD芯片的14倍!


正是因为算力强悍如斯,英伟达将其命名为Thor(雷神),甚至直接取代了原本在年初计划里提到的Altan SoC(1000TOPS)。


老黄说,1000拉不开差距,我们直接上2000。


事实上,这款芯片已经不能单纯地定义为“自动驾驶芯片”了,而是用一颗芯片操控整个汽车,即可同时为自动泊车、智能驾驶、车机、仪表盘、驾驶员监测等多个系统提供算力。真正实现了一颗更比六颗强!


同时,英伟达分别对CPU(Grace)、GPU(Ada Lovelace)和处理Transformer模型的引擎(Hopper)进行升级。Hopper提供了令人惊叹的Transformer引擎和Vision Transformer的快速变革,而Ada是英伟达最新的GPU产品,基于4nm工艺打造,其多实例GPU的发明将有助于车载计算资源的集中化,可将成本降低数百美元。


最终实现Thor可以同时支持ADAS系统和IVI系统,即雷神SOC一方面可以完成驾驶舱AI和信息娱乐系统,另一方面兼顾自动驾驶。


这一改变带来的优势显而易见,可以显著简化汽车EE(电子电气)架构,缓解供应限制,而另一方面,可以降低产品的布线规模,降低造成成本。


可以想象,各家车企们看到Thor之后,应该已经在考虑从L3迈进到L4的规划了。


现在第一个明确首发Thor的汽车品牌为国产吉利汽车旗下的纯电品牌——极氪。


预计在2025年芯片成功量产之后,我们就可以见证这一产品的真实效果了。


迈入L4新篇章


毫无疑问,DRIVE Thor如果顺利于2025年上车,对于汽车行业自动驾驶方向上的贡献一定是巨大的。


按照原本自动驾驶研发预想,行业是预设2025年从L3迈向L4,算力达到1000TOPS左右。


现在英伟达直接加速了这一进程,让算法追赶算力,这将让汽车智能化在未来获得更高更远的成绩,同时也会加速传统汽车产业的退场。


当然,还有一周左右就是特斯拉AI DAY,如果马斯克拿不出与之抗衡的东西的话。


那Thor这一产品的发布,就将成为英伟达统治车企的序章。


欢迎交流!!谢谢大家的喜欢!!!



#行业资讯##硬件技术#
全部评论
风靡一时
点赞 回复 分享
发布于 2022-10-19 15:50 河南

相关推荐

面试官人很好,态度和蔼可亲,没答出来时也会引导你去思考。由于是晚上面的,导致我白天一天都有点紧张,面的时候状态也不是很好,正常可能面试官提问完应该思考几秒再答,而我就像抢答一样一口气把所有会的都说出来,这样就导致逻辑比较混乱,东一句西一句的。首先是自我介绍,先把会的技术大致讲一下,由于我八股背的多所以着重讲了一下,Java,go,jvm,MySQL,Redis,计网,操作系统这些,然后一小部分闲聊,然后先问了一下项目,面试官问我这个项目是否落实之类的,直接坦言说是写的练手的,包括之前也写过IM通讯,外卖之类的。然后面试官就把提问的重点放在了八股上。先问了Java:类加载器(答:3种+自定义类加载器、tomcat、原因+双亲委派+好处)JVM参数(答:xmx,xms,newsize这些,问我是如何设定的,我回答是把内存分一半给堆,再把堆分一半给新生代,这方面确实不太了解)然后问了一下并发相关的:线程池(答:线程池的7个参数(忘了线程工厂和阻塞时间了),3个重要参数,还有线程如何启用,为什么要设计最大线程数之类的,提到Java栈默认分配1MB运行时不可以更改)AQS(答:先讲clh是自旋锁+list,然后是AQS在这个基础上做的两个优化,然后举了一下reentrantlock根据state如何获取资源)CAS(答:使用三个字段,aba问题,然后将通常搭配自旋锁实现,面试官问通常会自旋多少次,这个不太了解,答的100,然后问100次大概多少秒,回答微秒级,然后面试官讲了一下怎么做资源可能没用完,意识到可能还需要进行阻塞操作)然后考虑一下Linux命令(top,ps,如何使用管道符过滤线程和使用Linux启动线程没答出来)然后问Redis:持久化机制(答:三种aof,rdb,混合,aof的三个参数刷盘策略,rdb以快照保存,使用bgsave会使用子线程来保存不会阻塞,而aof虽然会阻塞但是只在写完数据后追加一条命令,不会太影响,然后是他俩的优缺点,还有混合是怎么保存数据的)集群模式(答:三种,主从复制到缺点再到哨兵机制,正常使用三个哨兵互相监督,主节点挂了投票选主哨兵然后选主节点,然后额外讲一下脑裂的问题,主节点进行数据更新然后把命令写入aof来同步从节点,最后cluster集群,如何实现,使用16383个哈希槽(艹答成16384了),先根据哈希码取余,再根据节点数取余决定放在哪个节点上,然后问了一下我会怎么选集群模式,首先是cluster的问题,会让管道操作之类的失效,然后哨兵会导致整个集群结构变得复杂,使用小项目可能会考虑哨兵,大的考虑cluster,然后考了一下cluster如果一个节点挂了怎么办,根据节点数重新取余然后数据转移,面试官说这么转移比较慢,有没有别的办法,我隐约记得使用一个类似环形数组的方式,想不起来了)然后考了一下MySQL的b+树(这方面的知识点太多了,导致我什么都想讲逻辑就比较乱,讲了一下聚簇索引,树的叶子节点对应着一张页16KB,MySQL有一个区的概念,把这些页放在同一个区中,这样叶子节点的双向链表遍历时速度更快,然后b+树的扇出比较大(非常二,说成扇度之类的,面试官以为说的是扇区)这样层数就比较小,一行1kb数据的话3层可以放心2000w数据)其他的暂时想不起来了算法是lru,面试官问要不要提示,我说写个,然后写了10分钟左右,说大概写好了,但是面试官指出了2个小错误,第一个马上就改回来了,第二个一直没看出来(大脑这时候已经停止工作了)反问:问学习建议,说根据实际的项目进行深入,考虑应该怎么做,还问了一下组里面是做Java的吗?面试官说他是做go的,组里什么语言都有,语言影响不大,连忙补充了一句我对go的底层有深入源码的学习)结束。总体感觉答得不太好,没有太体现出深度,细节也不够全面。
下一个更好呗:佬,我投完云智一直没消息,多久约的一面啊
查看14道真题和解析
点赞 评论 收藏
分享
评论
3
3
分享

创作者周榜

更多
牛客网
牛客企业服务