Спектр функций, включая экстренное торможение, адаптивный круиз-контроль и системы автоматической парковки, очень широк, а эффективность ADAS определяется точностью оборудования обнаружения в сочетании с точностью и скоростью анализа автономного бортового контроллера.
В бортовой аналитике вступает в игру искусственный интеллект, являющийся важнейшим элементом для надлежащего функционирования автономных транспортных средств. В недавнем отчете исследовательской компании IDTechEx об аппаратном обеспечении ИИ на периферии сети, озаглавленном «Чипы ИИ для периферийных приложений 2024-2034: Искусственный интеллект на периферии», прогнозируется, что чипы ИИ (полупроводниковые схемы, способные эффективно обрабатывать рабочие нагрузки машинного обучения) принесут доход, превышающий 22 миллиарда долларов к 2034 году, при этом автомобильная промышленность продемонстрирует самый высокий темп роста в течение следующих десяти лет, со среднегодовым темпом роста (CAGR) в 13%.
Роль ИИ
Чипы искусственного интеллекта, используемые в автомобилях, расположены в центральных микроконтроллерах (MCU), которые соединены с периферийными устройствами, такими как датчики и антенны, образуя работающую систему ADAS. Бортовые вычисления на основе ИИ могут использоваться для различных целей, включая мониторинг водителя (где элементы управления настраиваются под конкретного водителя, отслеживается положение головы и тела для выявления сонливости, а также корректируется положение сиденья в случае аварии), помощь водителю (где ИИ отвечает за обнаружение объектов и соответствующие корректировки рулевого управления и торможения) и автомобильные развлечения (где бортовые виртуальные помощники функционируют аналогично смартфонам или умным устройствам). Наиболее важным из этих приложений является помощь водителю, поскольку надежность и эффективность системы ИИ определяют уровень автономного вождения автомобиля.
С момента своего запуска в 2014 году, система уровней автоматизации вождения SAE (показана ниже) является наиболее цитируемым источником информации об автоматизации вождения в автомобильной промышленности, определяя шесть уровней автоматизации вождения. Они варьируются от уровня 0 (отсутствие автоматизации вождения) до уровня 5 (полная автоматизация вождения). В настоящее время наивысший уровень автономности в частном автомобильном секторе (включая частные автомобили, такие как легковые машины) — это уровень SAE 2, и скачок между уровнями 2 и 3 значителен, учитывая относительный прогресс технологий, необходимых для достижения ситуационной автоматизации.
Уровни автоматизации вождения по стандарту SAE. Источник: IDTechEx
В автомобиль установлен ряд датчиков, включая датчики на основе LiDAR (лазерного сканирования) и визуальных датчиков, которые передают важную информацию главному компьютеру автомобиля. Компьютер анализирует данные и вносит необходимые корректировки в рулевое управление и тормоза. Для эффективной обработки алгоритмы машинного обучения, используемые в чипах искусственного интеллекта, должны быть тщательно обучены перед внедрением. Это обучение включает в себя обработку алгоритмами большого объема данных от датчиков ADAS, чтобы по окончании периода обучения они могли точно обнаруживать, идентифицировать и различать объекты (а также объекты на их фоне, определяя таким образом глубину резкости). Пассивная система ADAS — это когда компьютер оповещает водителя о необходимом действии с помощью звуков, мигающих огней или физической информации. Это, например, относится к системе помощи при парковке задним ходом, где датчики приближения оповещают водителя о положении автомобиля относительно препятствий. Активная система ADAS, однако, — это система, в которой компьютер вносит корректировки за водителя. Поскольку эти корректировки происходят в режиме реального времени и должны учитывать изменения скорости транспортного средства и погодные условия, крайне важно, чтобы микросхемы, входящие в состав компьютера, были способны быстро и эффективно выполнять вычисления.
Масштабируемая дорожная карта
Тенденция в автомобильной отрасли к повышению производительности однокристальных систем (SoC) заключается в том, что она будет расти с каждым годом по мере совершенствования технологических процессов и перехода к передовым технологиям. Источник: IDTechEx
Системы на кристалле (SoC) для автономных транспортных средств появились на рынке сравнительно недавно, но наблюдается явная тенденция к уменьшению технологических параметров, что способствует повышению производительности. Это логично, поскольку более высокий уровень автономности неизбежно потребует большей вычислительной мощности (так как вычислительные операции, выполняемые человеком, фактически передаются на аутсорсинг полупроводниковым схемам). На диаграмме выше представлены данные по 11 автомобильным SoC, одна из которых была выпущена в 2019 году, а другие запланированы к выпуску в 2024 и 2025 годах автопроизводителями. Среди наиболее мощных рассматриваемых SoC — Nvidia Orin DRIVE Thor, ожидаемая в 2025 году, которая, по утверждению Nvidia, обеспечит 2 квадриллиона операций в секунду (TOPS), и Qualcomm Snapdragon Ride Flex с производительностью 700 TOPS, ожидаемая в 2024 году.
Переход к более мелким техпроцессам требует более дорогостоящего оборудования для производства полупроводников (особенно передовых технологий, таких как глубокоультрафиолетовая и экстремальноультрафиолетовая литография) и более трудоемких производственных процессов. Поэтому капитал, необходимый предприятиям для перехода на более совершенные техпроцессы, представляет собой существенный барьер для входа на рынок для большинства производителей полупроводников. Это одна из причин, почему ряд IDM-компаний передают производство высокопроизводительных чипов на аутсорсинг предприятиям, уже способным к такому типу производства.
Для снижения затрат в будущем разработчикам микросхем также важно учитывать масштабируемость своих систем. Поэтапное внедрение все более совершенных систем автономного вождения означает, что разработчики, которые не учитывают масштабируемость на данном этапе, рискуют потратить больше средств на разработку с использованием все более крупных технологических узлов. Поскольку конструкции микросхем с техпроцессом 4 нм и 3 нм (по крайней мере, для части SoC, отвечающей за ускорение ИИ) вероятно, обеспечивают достаточный запас производительности до уровня SAE 5, разработчикам необходимо учитывать аппаратное обеспечение, способное обрабатывать все более сложные алгоритмы ИИ.
До появления на дорогах автомобилей, способных достичь самых передовых уровней автоматизации, предложенных ранее, пройдёт ещё несколько лет, но технологии для их реализации уже набирают обороты. Следующие два года, в частности, будут важны для автомобильной промышленности.
Обзор охвата
По прогнозам IDTechEx, мировой рынок чипов искусственного интеллекта для периферийных устройств вырастет до 22 миллиардов долларов к 2034 году, при этом на автомобильные чипы ИИ придется более 10% этой суммы. В отчете IDTechEx анализируются ключевые факторы роста доходов от чипов ИИ для периферийных устройств в прогнозируемый период, рассматриваются примеры внедрения в основных отраслях: потребительская электроника, промышленная автоматизация и автомобилестроение. Представлены примеры передовых систем на кристалле (SoC) для передовых систем помощи водителю (ADAS), а также ключевые тенденции, связанные с производительностью и энергопотреблением автомобильных контроллеров.
В более широком смысле, отчет охватывает глобальный рынок чипов для ИИ в восьми отраслевых сегментах, с подробными 10-летними прогнозами в шести различных категориях (таких как география, архитектура чипа и применение). Отчет IDTechEx «Чипы для ИИ для периферийных приложений 2024–2034: Искусственный интеллект на периферии» отвечает на ключевые вопросы, проблемы и возможности, стоящие перед цепочкой создания стоимости чипов для ИИ на периферии. Для лучшего понимания рынков, игроков, технологий, возможностей и проблем, пожалуйста, обратитесь к отчету.
