自动驾驶的命门在哪，你真的了解么？——下

上一篇推文中我们介绍了自动驾驶技术在载体和感知层面的两大命门，今天我们就来说说限制自动驾驶技术向L4以及更高级别进步的另外两大命门——作为自动驾驶终端主控核心的运算芯片（SOC），以及对于L4和L5级别自动驾驶尤为重要的高精度电子地图应用。

命门之三：自动驾驶芯片

作为自动驾驶终端系统的大脑，运算芯片毫无疑问是现阶段自动驾驶技术最大的瓶颈所在。原因其实很简单，上一期中我们已经聊到了，想要进入更高层级的自动驾驶，那么传感器的感知精度必然要进行大幅度提升，随之而来的就是更为庞大的冗余传感器信息，这不但要求自动驾驶芯片在每秒能够处理数百万亿次的浮点运算（目前已经大规模量产的自动驾驶芯片中，英伟达Drive PX 2的浮点运算能力仅为8TFLOPS（8万亿次），而民用显卡界的卡皇TITAN V的峰值浮点运算性能也仅为110TFLOPS），且在此基础上车速越快，对计算能力的要求就越高。

可以看到的是，在目前已经发生的自动驾驶汽车相关事故中，车辆的行驶速度大都在60公里/小时以上，特斯拉的那几起事故就不用说了，几乎都是在车速较高的公路上。而两个月前Uber的那次人命车祸，车辆最终的撞击速度也达到了63公里/小时（撞击前车速为69公里/小时）。Uber的这次事故其实也很有代表性，根据事后公布的调查细节显示，在撞击前6秒，Uber的自动驾驶系统就已经通过雷达和激光雷达发现了前方的物体，但一直没有做出反应，直到撞击前1.3秒，根据当时的速度，车辆必须紧急制动了，不过系统依旧没有反应，最终酿成惨剧。这足以证明，如今的自动驾驶系统，仍然像是一个初出茅庐的新手，而非可靠的老司机。

但不能否认的是，Uber的这次事故虽然存在着典型的软件逻辑层问题，但事故车辆所搭载的整套自动驾驶系统的识别效率，同样也存在着不稳定性问题，这自然也与自动驾驶芯片的计算能力息息相关。

然而，自动驾驶芯片想要真正得到发展，并非只靠单纯的提升运算速度就可以解决，否则我们直接搬一台AI超级电脑放在后备箱里不就好了？效率才是摆在研发人员面前的最大难题。目前来看，自动驾驶芯片从设计思路上分成了两大类，其应用领域也不尽相同。英伟达的以GPU即通用AI处理器为核心的解决方案，受限于能效问题，其应用更多面向自动驾驶研发机构。此外凭借着更强的通用性，GPU同样也可以着眼于未来的云端AI计算服务（这与自动驾驶的第四个命门关系密切）。

以目前DEMO市场的王者——英伟达的自动驾驶计算平台Drive PX 2为例，其单个计算平台的设计功耗就高达250瓦，而下一代能够支持L4级别自动驾驶的计算平台Drive Pegasus，功耗则为500瓦。目前大部分使用了英伟达方案的自动驾驶初创企业，其测试车辆都搭载了可能不只一块的Drive PX 2运算平台，那么整套系统的功耗就可想而知了。紧接着，与巨大功耗对等的就是庞大的系统发热量，以及随之而来潜在的可靠性问题，而这些问题，也都决定了英伟达的通用AI处理器方案更适合用于科研领域，或是作为AI服务器提供云端服务。

而另一类以Mobileye、谷歌等使用ASIC（即专用集成电路）为基础的解决方案，由于其硬件设计思路的不同，这种为专门目的而设计的集成电路在牺牲兼容性的同时，批量生产中也得到了小体积、低成本、高能效等重要优势，这些优势显然让其可以更好的适应车规要求。但结论是，无论是哪一种形态，在面对L4级别自动驾驶应用时，当前符合车规的计算平台其性能的不足都是不争的事实，这也会成为未来一段时间自动驾驶技术需要攻克的主要技术难关之一。

命门之四：高精度电子地图

关于第四个命门的名字，其实这是一个比较笼统的说法。它的最终应用依赖于两个部分，第一部分就是通过车辆感知系统生成一定范围内的计算机视觉，这是一种需要实时更新的动态高精度地图。另一部分则是基于GPS卫星定位以及云端AI互联技术的固定地图，它的精度可以不那么高，但范围要广，且是一个包含多维信息的完整地图生态系统，仅需要定期更新即可。

这一概念想要在自动驾驶汽车身上真正的实现完美应用，也有很长的路要走。首先就是通过自动驾驶终端采集获得的高精度电子地图，其需要前三个命门的发展作为基础。其次，未来L5级别自动驾驶所需要的高精度地图信息，理想状态下也并非由一台终端完成采集，而是让每一台自动驾驶汽车都成为实时地图信息的采集源，并通过高速网络（比如正在普及路上的5G移动网络）实现信息共享。

关于高精度电子地图的应用，从Google自动驾驶项目拆分而出的Waymo给我们做出了一种完成度相对较高的演示。Waymo的自动驾驶方案就是以高精度地图建模为基础，通过提前为自动驾驶汽车要运行的环境进行多维建模，以此提供比一般电子地图更多的环境细节信息，然后通过计算机视觉与激光雷达的算法融合，形成整套自动驾驶方案的策略和算法基础。但显然，Waymo的测试车辆也仅限于在它们能够完全掌握地图信息的区域运行，达不到L5级别的自动驾驶标准。

可以肯定的是，自动驾驶技术的这四大命门，彼此之间是相辅相成的，任何一个部分的短板，都会造成木桶效应，制约自动驾驶向更高的层级进步。与此同时，尽管自动驾驶只是AI运算技术的其中一个边缘化应用，但这场军备竞赛的规模仍然可观，其所涉及到产业类型不但广泛，且个个精尖。

随着我的个别脑细胞开始进入梦游状态，今天的烧脑学习看来也要告于段落了。可以预见的是，自动驾驶的这四大命门，其相关的技术瓶颈迟早是会被攻破的。但真正的难题在不在此还并不好说，我们不妨做一个假设，如果你眼前有一台技术完全成熟、可靠又安全的自动驾驶汽车，你会选择把自己的命交给它吗？我的答案是：不会！开车这么美妙的事情，还是自己动手比较好~