自動運転車（AVs）の新紀元に入った今日、私たちはこの新技術が交通安全の向上と効率の向上における巨大な潛在能力を目撃した。米交通省によると、交通事故の90%以上が人為的ミスによるもので、渋滯は毎年1人あたり約51時間の損失をもたらしている。カリフォルニア大學バークレー校の研究によると、自動運転技術は道路渋滯を少なくとも42%削減し、運転士のミスによるリスクを大幅に減らすことが期待されている。このように、自動運転技術を備えた自動車の需要が急増していることがわかります。

このような自動運転車がその効果を発揮するには、気候や光の條件下であれ、周辺環境の変化を正確かつリアルタイムに識別し、処理しなければならない。これには、車両に先進的な高性能コンピューティングハードウェアを裝備する必要があります。

人間の知覚能力を參照すると、自動運転車両は、リアルタイムで大量のデータを生成することができる複數のハイビジョンカメラ、レーダ、レーザレーダなどのデバイスを含む先進的なセンサ技術に依存しなければならない。これらの情報を迅速に解析し、道路計畫と制御生成に十分な応答時間を與えるためには、AVシステムは高速なデータ処理能力だけでなく、効率的な計算能力も必要である。

無人運転技術の発展に伴い、従來の內燃機関から電気自動車（EVs）への移行も目撃されている。電気自動車の電池は、動力システム、エアコン、娯楽情報システム、內部照明、ヘッド/テールランプなどを含む多方面のエネルギー消費需要を満たす必要がある。電気自動車への移行に伴い、車両の運転距離はバッテリーの航続能力に完全に依存するようになり、これは極めて重要な資源となっている。

しかし、歴史的には、高性能計算はしばしば高エネルギー消費を意味し、それは自動運転車の中で特に顕著である。計算能力に対する要求が非常に高いからである。グラフィックス処理ユニット（GPUs）などの従來のソリューションは、自動車の航続距離に直接影響を與える大量のバッテリ電力を消費します。

異なる計算ソリューションを搭載した2臺の車両のうち、1臺は汎用自動運転計算ソリューションを採用し、もう1臺は自動運転に特化した計算ソリューションを搭載しています。顕著な違いは、後者の航続能力損失がはるかに小さいことである。

汎用的な自動運転ソリューションは、高品位センサのデータを処理するために數百ワットの電力を消費する必要がある場合があります。しかし、自動運転に最適化されたコンピューティングプラットフォームでは、同じタスクを実行するための消費電力はわずか100ワットを超えています。

自動車の全使用サイクルにおいて、従來の高エネルギー消費計算案は消費者の使用コストを増加させるだけでなく、環境にも大きなダメージを與える。そのため、コンピューティングシステムにとって、大きな処理能力に加えて、低エネルギー消費も非常に重要である。

バッテリ容量への依存性を減らすことで、制御距離を高め、バッテリ重量を軽減することができ、システム全體のコストも削減できます。メーカーから消費者に至るまで、さまざまなレベルでの効率向上をもたらしています?，F在、高消費電力のGPUsのようなソリューションは依然として使用されているが、古い技術を再利用して新たに発生した問題を解決するよりも、自動車メーカーは特に車両の自律的な性能設計のために構築されたソリューションを採用する傾向にある。これらのソリューションは、結果の品質を維持しながらパフォーマンスの大幅な向上を実現するために、畳み込みニューラルネットワークモデルを最適化するなど、計算方法を根本的に革新する必要があります。

計算効率を向上させるもう1つの方法は、メモリの使用を厳格に制限することであり、特にオンチップメモリのみを使用することです。人工知能モデルは一般的に體積が大きいため、多くの既存のシナリオではチップ外メモリを使用しなければならない。これにより、消費電力と遅延が増加します。アルゴリズム上の革新により、これらのスキームは外部メモリを使用せずに膨大なデータネットワークを処理することができる。

電気自動車業界が直面している大きな課題は、低消費電力と最低遅延を維持しながら、各種センサーからのマスデータを処理し、ニューラルネットワーク処理技術を応用することである。業界の発展に伴い、この挑戦は遅かれ早かれ私たちの前に現れるだろう。

浮思特科技はコア技術を持つ電子部品サプライヤーとソリューション商である。新エネルギー自動車、電力新エネルギー、家電製品、タッチディスプレイの4つの分野に集中し、すでに大量の成熟した方案の備蓄があり、顧客に方案の研究開発から製品の選択型購入までのワンストップサービスを提供している。