德國一線汽車零組件供應商博世（Bosch）與車廠戴姆勒（Daimler）日前宣布選擇英偉達（Nvidia）的人工智能(AI)平臺來開發自動駕駛出租車，預計在2020年代初期大量生產；此信息鏈接了先前各自有所連結的伙伴關系與合作案，鞏固了一個三方聯盟。

Nvidia資深車用業務總監Danny Shapiro接受EE Times記者電話采訪時表示：“這并非交易案…像是Nvidia將供應芯片給Bosch、Bosch再供應模塊給Daimler這樣的信息，這是策略聯盟，其中的每家公司各自扮演不同的角色。”

具體來說，兩家德國公司──Bosch與Daimler──將加入布署Nvidia之Drive Pegasus平臺的行列，以開發“生成車輛駕駛算法的機器學習方法；”Bosch表示，Nvidia將提供的Drive Pegasus平臺，包括“高性能車用AI處理器以及系統軟件。”

這個三方聯盟的目標是催生在都會道路行駛的高度自動駕駛車輛，將自動駕駛出租車(robotaxi)導入城市。對此技術顧問機構VSI Labs創辦人Phil Magney接受EE Times訪問表示：“我們已經知道Bosch、Daimler與Nvidia之間的連結好一段時間，現在是正式公開其架構將采用Nvidia的Pegasus平臺，而Bosch會是一線供應商。”

Magney指出，有一些自動駕駛出租車業者已經宣布采用Pegasus平臺的計劃，而Bosch-Daimler-Nvidia的宣布，是“第一個車廠與一線汽車零組件供應商聯盟有明確的計劃，要以Drive Pegasus架構來設計自動駕駛出租車。”

那Daimler與Xilinx的合作咧？

根據先前的報導，Daimler與Xilinx也在合作開發AI解決方案，但兩家公司并沒有透露其中細節。Magney猜測，這應該是Daimler的兩個不同項目，“就像很多車廠，他們在自動駕駛技術開發上會至少有兩個不同的項目同時進行，其中一個是用于大量生產的自動化駕駛技術(L2/L3)，其他的就是無然駕駛出租車可用的自動駕駛技術(L4以上)。”

“有可能是Nvidia平臺用于Daimler的自動駕駛出租車項目，而Xilinx的方案則會被用于ADAS或是加強版功能(L2以上)的開發項目；”他進一步指出：“此外，Xilinx與Nvidia方案也不一定相互排斥，一套自動駕駛堆棧(stack)會有多個線程以因應不同的任務，有些事情會更適合GPU架構，其他的則可能更適合以FPGA來處理。”

自駕車的ECU網絡

Bosch是傳感器與車用零組件的領導供應商，該公司從去年開始采用Nvidia的Xavier芯片原型開發AI自動駕駛模塊，兩家公司之間的合作是在2017年3月公布。Bosch根據自家為自動駕駛車輛開發傳感器處理單元的經驗，估計在城市道路使用的自動駕駛系統ECU網絡，必須要能達到“每秒數百兆(hundreds of trillions)次運作”的性能。

Nvidia的Xavier芯片
（來源：Nvidia）

在融合由雷達、視頻攝像頭、光達(lidar)以及超音波傳感器所收集/傳輸的數據時，ECU網絡預期要能做所有的事情，包括信息評估(如物體偵測與地圖定位)到規劃車輛行駛路線，而Bosch認為這些要在“僅20毫秒(millisecond)之內”做到。

當然，ECU必須處理的傳感器資料會非常龐大，光是一個視頻攝像頭攝影機，例如Bosch的立體視頻攝像頭，行駛一公里就能產生100GB的數據；ECU網絡得快速處理組合數據的壓力也非常大，因為安全性取決于處理速度。Bosch表示，這是該公司與Daimler選擇Nvidia的部分原因之一，因為他們相信Drive Pegasus平臺能跟上他們指定的運算性能。

Pegasus平臺有什么？

假如大量運算性能是在幾毫秒內同時執行多個復雜算法的必備條件，那么哪種硬件是不可少的？Nvidia的Pegasus平臺是一個選項，該平臺內含兩顆Xavier SoC，還有兩顆即將發表的“下一代GPU”，能提供320TOPS (trillions of operations per second)的運算性能。

Nvidia的Shapiro強調：“Pegasus能提供最具省電效能的解決方案；”不過在被問到該平臺內部的新GPU時還是三緘其口，表示該公司還沒發表。他還強調，Nvidia“從一開始”就將安全性設計納入了Xaiver，涵蓋硬件到軟件堆棧，專注于“能打造如預期執行、可靠且支持備份的”工具與方法。

此外，Shapiro指出Nvidia還請了一家德國的標準驗證業者TUV SUD，為Xavier執行安全性概念的評估；他表示，TUV SUD的評估結果指出，Xavier的架構適合自動駕駛應用，并突顯了Nvidia實現安全自動駕駛的承諾。

AI自動駕駛車的難解習題

然而還有一個揮之不去的問題是，我們能信任AI在現實世界執行駕駛任務時會做正確的事嗎？驗證AI車輛的困難度，仍然是眾多安全專家的難解習題。在這方面，Mobileye提出了名為“責任歸屬安全”(responsibility-sensitive safety，RSS)模型，在該模型下，他們準備推出一套決定論系統，以補償“概率性的AI系統”。

Nvidia是否有支持RSS的規劃？對此Shapiro表示：“這需要從長計議；”而他指出，目前“我們正打算要在系統中導入制衡(checks and balances)機制──很可能會類似一種‘檢查者/執行者(checker/doer)’的方法。”