1 算力需求不断增加,TOPS并不能代表芯片全部性能
1
➢ 随着自动驾驶等级的提高,所需的算力高速提升。汽车自动驾驶的智能化水平取决于算法是否强大,从L1到L5,自动驾驶每提升一个等级,
算力要求也同样提升一个等级:L3之前,自动驾驶所需算力较低;L3需要的AI算力达到100 TOPS;L3之后,算力要求数十倍增长, L4接近
400 TOPS,L5算力要求更为严苛,达到4000+TOPS。每增加一级自动驾驶等级,算力需求则相应增长一个数量级。根据英特尔推算,在全自
动驾驶时代,每辆汽车每天产生的数据量将高达4000 GB。
➢ TOPS峰值算力体现的只是芯片的理论上限,不能代表其全部性能。 自动驾驶需要的计算机视觉算法是基于卷积神经网络实现的,而卷积神
经网络的本质是累积累加算法( Multiply Accumulate,MAC),实现此运算操作的硬件电路单元,被称为“乘数累加器”。这种运算的操作,
是将乘法的乘积结果b*c和累加器a的值相加,再存入累加器a的操作。TOPS=MAC矩阵行*MAC矩阵列*2*主频,TOPS峰值算力反映的都是GPU理
论上的乘积累加矩阵运算算力,而非在实际AI应用场景中的处理能力,具有很大的局限性。以英伟达的芯片为例,Orin、Xavier的利用率基
本上是30%左右,而采用ASIC路线,ASIC芯片针对不同的神经网络模型去优化,基本上可以做到60%~80%之间。
不同等级自动驾驶对算力的需求 卷积神经网络的计算原理