高性能计算软件平台在多域融合下的挑战与实践.docVIP

高性能计算软件平台在多域融合下的挑战与实践 汽车智能化正以一种不可阻挡之势席卷全球，无数的资源、人才、科技巨头纷纷涌入这个赛道。他们的加入，从根本上改变了智能汽车的生态链和竞争格局。智能汽车从单纯的提供自动驾驶功能，转变到了通过用户服务和商业价值来驱动产品创新与迭代，整个行业呈现出“乱花渐欲迷人眼”的形势。这对于传统汽车供应链和研发人员是一个巨大的挑战，但创新者会感到兴奋。 这场变革不同于以往，如50年前，汽车所表现的形式是机械时代；20年前表现的形式是电子化的时代；而现在，它的表现形式就是软件，通过软件这个载体，完成汽车智能化的工程实现。 智能汽车的多域融合趋势 多域融合是智能汽车高性能计算平台的主要技术趋势，它将对汽车研发带来诸多挑战，包括系统层面、软件层面，半导体芯片层面等。 自动驾驶加速落地 在早期，我们一直在强调L1、L2传感器层面的智能化。而现在，大家谈的更多的是整车级的智能化水平。我们看到很多新车发布，都会谈到整车电子电气架构，有多少个摄像头，有多少个雷达，提升整车的感知能力。也会提到它的算力平台，芯片，OTA等。并且通过硬件预埋，提升整车级的智能化性能。 除了汽车本身的智能化之外，车路协同也是中国智能网联汽车主推的技术路线。由此衍生的V2X路端技术，车、路、云协同的通讯及同步技术，边缘计算技术等，不仅要有聪明的车，还要有聪明的路。 随着各种智能化新技术广泛应用，算力将成为行业的核心关注点，包括AI计算、MCU等。在谈算力的时候，有个重要的概念是“多核异构”，我们需要思考和理清什么样的任务加载在什么样的硬件平台上，做什么样的计算。 软件重塑汽车产业 同时，软件定义汽车的趋势也越来越明朗。域控制器和中央计算平台让计算原来越集中化，过去依赖软、硬一体化获取盈利的模式正逐步转变成软、硬分离。并且，即便是软、硬件分离，软件的代码仍有千万行，L4的系统甚至有上亿行代码，现在又催生出一个软、软分离的概念。这些技术理念的推出，对于整车电子电气架构、车企及供应商的能力带来了全新的挑战。 变化中的机遇 我们可以从一些先行者那里寻找一些启发。上图的zFAS，是装载在奥迪A8上的智能驾驶高性能控制器。作为全球第一款面向量产的具备L3功能的车型，一个控制器同时具备了高速行车和低速泊车的功能。后来，特斯拉推出的NOA系统中，将智能驾驶和智能座舱两个控制器装载在一个控制器盒子里，使得两个控制器之间的通讯直接通过芯片间通讯完成，很好的解决了高带宽数据传输和通讯的问题。包括大众汽车推出的MEB平台，也将传统的ECU进行了整合。在过去的十年里面，很多Global车企已经将不同功能的ECU整合在一起，实现跨域融合。 过去，当大家讨论汽车的产品力时，考虑的是更安全、更舒适、更好的动力，同时提供了一个交通运载的功能。站在今天，我们再去思考智能汽车的产品力，应该是什么？人们对智能汽车的定义已经超出了传统移动工具的边界，更多是强调用户的智能化体验。而汽车也将演变成为了一个移动的智能化平台，用户可以通过订阅的方式，获取相关的功能和服务。 从这个视角，汽车的功能将重新被定义，整个电子电气架构也将发生巨大变革。 特斯拉对于智能汽车行业的变革的影响是巨大的，他不单单是技术的领导者，也是商业模式的先行者，他比较早就在自研软硬件一体。并且让软件可以收License，让很多软件开发者看到自己价值。在汽车行业率先推出SAAS(软件即服务）。 高性能计算平台的软件开发挑战 自动驾驶感知及算法的挑战 在自动驾驶的三大技术模块（感知，规划/决策，控制）中，最复杂和难以预测的是感知模块。智能驾驶的感知领域有五大指标，分别是感知完成功能、性能、可用性、可靠性和可实现性。目前阶段感知技术的重点，已从早期的控制误警率，转变为避免漏识别，最大限度保证驾驶的安全。这就给软件算法、安全架构和传感器提出了挑战。 当我们把自动驾驶感知做一个自上而下的一个解析化分析的时候，会发现，当功能越来越复杂的时候，对误检和漏检的要求也越来越高。设计者就需要设计出一套冗余的工程化方案。比如用轨迹追踪来弥补我的这个感知系统的检测，这些都是从系统层面去解决这个问题。 即使如此，还需要更好的算法，更安全的架构，布置更合理的传感器。 不同级别的自动驾驶，为了完成不同功能的智能体验，车上传感器越来越多。比如摄像头越来越多了，在三年前，大家还在讨论车外面装多少个摄像头，今天大家讨论的是，车内是不是可以少一些摄像头。特斯拉在最早的车型里面，就安装了车内摄像头。现在，有些方案中，一个摄像头用来看驾驶员，另一个广角摄像头用来看车里的其它乘员。这对于计算和布置都是有非常大的挑战。 多传感器还会带来一部分的信息安全问题，以及不同传感器之间融合的问题，而且各个层面的融合，它带来的技术挑战是不一样的。 有一种比较领先的方案，是毫米波雷