英特尔中国研究院院长:智能边缘计算与智能驾驶的关系

点击【免费获取】《2020车载智能计算平台功能安全白皮书》进入【技术文档】专区获取更多相关信息

这一次,传统芯片巨头英特尔不谈芯片,也不谈核心架构。在以“智能汽车、智能驾驶、智能未来”为主题的2021中关村智能网联汽车国际创新论坛上,英特尔中国研究院院长宋继强发表演讲。这是另一个故事:智能边缘计算与智能驾驶的关系。

他表示,开放的智能边缘是构建未来智能驾驶系统的数字基础,这是英特尔近年来逐步探索的未来趋势。顺势而为,也有生态链的合作和统一接口。

中国智能驾驶大有希望

宋继强表示,中国在推动经济发展的同时,大规模的基础设施建设也在发挥着市场引领者的作用。中国的主要基础设施是古老的。京杭大运河始建于春秋时期。它是世界上里程最长、工程规模最大的古运河,也是世界上最古老的运河之一。运河系统的水运基础设施将中国的五个水系自东向西连接起来,一度领先世界。今天的智能驾驶是关于交通的,也是关于能源、资源和算力的。

工业革命开始后,铁路基础设施不是中国发明的;电网也被用来在欧洲传输能源;高速公路系统和高速公路是在北美发展起来的,二战期间开始在德国使用;直到互联网时代,中国的信息基础设施已经跟美国和美国相差十几二十年了。但是,在当前的云计算时代,算力基础设施的差距已经开始缩小,大约五年,现在全球七大云计算中心中,三个在中国,四个在美国,所以我们的差距正在逐渐扩大。缩小。

从古时候的领先,到落后,再到现在,几乎可以齐头并进。未来,在智能驾驶领域,中国有望恢复引领大规模基础设施建设,特别是同步推进的5G、人工智能建设和大规模数字化转型。这是我们的新基础设施。

中共中央、国务院日前印发的《建设交通强国纲要》指出,到2035年,基本建成交通强国,必须大力发展智能交通. 因此,中国有机会在这一领域重新获得领先地位。

为什么选择智能边缘?

宋继强指出,智能驾驶是一个需要大量感知和计算能力的时代,也需要网络化。但是这些传感和计算能力分布在哪里是一个问题。

传统上,感知和计算能力分布在车内,需要在机器上承载足够的计算能力来实现人工智能(AI)。但未来会发现AI能力需要不断扩展,同时满足其他信息和更多功能的连接需求,这就决定了所有的感知和计算能力都不能放在机器上,包括各种新功能。,因为汽车公司不可能总是升级硬件。

事实上,硬件的迭代总是比软件的迭代慢,所以软件定义的东西其实是依赖层次结构来构建基础设施的。因此,虽然智能设备的主体必须逐步升级,但其结构需要不断扩展。

机会在哪里?传统观点认为,通过网络将智能能力和软件能力集成到云端并没有错。这在某些领域是可行的,因为可以升级数据。但在智能制造、智能驾驶、智能机器人等相关领域,却无法满足要求。因为这些领域对时延要求比较低,因为传感器种类多,数据量大,很难满足时延要求,所以需要边缘计算。

边缘计算是近年来非常重要的新兴领域,因为它带来了可定制的服务器,相应级别的计算资源,包括通信、网络带宽和存储都可以定制。

因此,充分的定制化可以帮助垂直领域做大量的软硬件协同优化工作,满足不同领域的特殊需求。共同的定制需求以及边缘计算与人工智能融合的新范式,将赋予智能边缘很大的发展空间,从而实现物理世界需求与数字世界需求的融合。

智能十字路口需要互操作性

十字路口是一种边缘,情况很复杂,一半的交通事故都发生在这里。如果仅仅依靠车辆本身来提升感知和计算能力定义新运算怎么做,总会出现人类驾驶的问题,视线受阻时人们无法了解全局。

宋继强用一个他从早期就开始做的案例进行了解释。在一个城市中,实际的交通路口安装了七个摄像头,它们分布在四个方向上以收集数据。支持边缘计算后,传感器可以扩展到交通路口附近,包括各种传感器,通过边缘计算,可以将不同摄像头检测到的物体运动轨迹通过算法合成在一起,形成全景图。实时跟踪车辆的运动,包括行人、电动汽车和其他交通参与者。

当计算能力再次增加时,它可以超实时运行,并预测未来可能发生的碰撞。如果随后将数据叠加在高精度数字地图上,车辆就可以实时了解前方可能发生的情况。这相当于扩大了车辆自动驾驶软件系统进入路口的全景。

当然,单靠摄像头是做不到的,因为摄像头有自身的局限性,需要其他传感器。现在毫米波雷达和激光雷达越来越便宜,所以路边设备也可以使用。

同时,由于需要非常短的传输延迟、计算延迟以及这些传感器之间的同步要求,必须不断增强系统能力,因此需要定制服务器。此外,由于不同相机的分辨率不同,帧率也不同,用于同步的规格也不同。另外,其他传感器——毫米波雷达和激光雷达的帧率不同,同步很重要。要求。因此,未来要构建一体化的智能交通基础设施,各设备、各模块之间的互通性非常关键。

互操作性可以解决哪些问题?有几个方面,第一是传感器供应商很多,包括多个Tier 1、Tier 2供应商。它们之间需要有互通性,而且必须能像USB一样即插即用,让每个人都可以互联互通。

二是处理,分为计算、传输和存储。这些必须有相应的规范。模块之间必须有一个接口协议进行认证,以便模块可以就如何连接以及提供什么样的计算能力达成一致。容量,什么样的延迟。互操作性还可以保证可靠性,这比其他领域(如娱乐、游戏)普遍使用的一些服务器和边缘计算要求高得多。

第三,数据同样重要,因为很多与驾驶、交通相关的数据都有隐私和安全要求,所以需要像私有云一样有安全和隐私保护机制。

最后一点也很重要。交通领域的基础设施一旦部署完毕,就意味着无法频繁挖掘和拆除设备来更换设备。当硬件需要升级或者软件需要升级时,应该能够轻松实现升级。一套基础设施架构应该在长达10年、20年的时间内仍然可以升级,这些是未来基础设施建设成功的关键。

成功案例

在过去的几十年里,英特尔一直致力于在各个生态层面推广互操作性标准。宋继强举了两个英特尔研究院亲自参与的例子。一个是2009年发布的Thunderbolt接口。这种连接技术结合了PCI Express数据传输技术和DisplayPort显示技术,可以同时传输数据和视频信号,并且每个通道可提供双向 10Gbps 带宽。已达到最新的 Thunderbolt 4 40Gbps。经过产业化和标准体系的引入,苹果可以使用一套Thunderbolt接口兼容多种不同的设备,互通性强,速度快。

另一个例子与边缘计算有关,这是一种接入网络标准。2010年前后,英特尔研究院与包括中国移动通信研究院在内的多家通信合作伙伴共同推出了CRAN无线接入网(Cloud Radio Access Network),也就是俗称的云接入网。它将接入网的固定功能从以往的纯硬件构造(FPGA、DSP等)转变为更多可以通过软件定义的接入网功能。因为CPU能力越来越强,可以在上面运行一些软件栈,也可以满足延迟要求。目前,CRAN已成为软件定义的接入网系统,并已标准化并推向市场。

自动驾驶不是家族企业

宋继强表示,英特尔一直在不遗余力地定义网络边缘各种设备的互操作性和生态标准。在智能交通和智能驾驶领域,英特尔与Mobileye共同推动了全球首个、中国首个自动驾驶安全标准。

自动驾驶不是一家公司的事情,而是整个行业的事情。当自动驾驶出现问题时,我们要知道责任是如何确定的,以及大家是否同意这种确定方式。所以,一定要有一套形式化的方法,一套大家都认可的方法。

作为标准工作组主席定义新运算怎么做,从2018年开始,英特尔与清华大学、同济大学、南方科技大学、中科院自动化所等国内高校合作,由公路研究所支持交通部的科学,一直在研究自动驾驶汽车。在安全、数据集与评估、交通基础设施、前沿算法与系统架构、V2X、标准等核心领域开展广泛深入的合作。去年初,第一版团体标准《自动驾驶汽车保障决策技术要求》发布,第二版将于今年发布。

在这些标准中,会写入设备之间的互操作接口,也会包括城市地区的整体基础设施,比如在两公里的路段上安装一些边缘计算设备。

车载和边缘计算需要开放合作

宋继强最后表示,未来的工作也离不开车端,包括如何在车端分配AI算力,如何配合边缘计算。在这方面,英特尔会与车企紧密合作,旗下的Mobileye也有不少积累。还有数据中心和云,这两类基础设施是云计算基础设施和高性能计算中心。一些不同的编程接口需要统一,因为未来云计算资源会越来越多,种类也会很多。

现在,我们进入了 XPU 时代,其中包括 CPU、GPU、NPU、ASIC 以及其他各种专门用于神经网络加速的处理器。所以它是一个混合架构,需要有一个统一的接口来提供功能。在中间层,一些未来需要智能计算和边缘计算处理的垂直领域包括智能驾驶、智能机器人、智能交通,以及一些智能制造。从上层的开源边缘软件框架到下层的公共边缘服务,再到底层不同类型的软硬件加速器,以及处理器之间的调度和协调,还有很多工作要做。

总之,未来在智能驾驶边缘领域构建互通系统,同时支持设备升级换代的方式只有一个:开放合作。

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论