在进入自动驾驶汽车(AVs)新纪元的今天，我们见证了这段新技术在提升交通安全和提高效率方面的巨大潜能。根据美国交通部的数据显示，超过90%的交通事故由人为失误引起，同时，交通堵塞每年让每个人损失约51小时。而来自加州大学伯克利分校的研究指出，自动驾驶技术有望至少减少42%的道路拥堵情况，并显著减少由驾驶员失误引发的风险。由此可见，那些具备自动驾驶技术的汽车需求量正在飙升。

　　这类自动驾驶汽车要想发挥其效益，必须精确并实时地识别和处理周遭环境的变化，不论是在何种气候和光照条件下。这便要求车辆装备有先进的高性能计算硬件。

　　以人类的感知能力为参照，自动驾驶车辆得依靠一整套先进的传感器技术，包括诸如多个高清摄像头、雷达、激光雷达等设备，这些设备能够实时生成大量的数据。为了能够迅速解析这些信息，并为道路规划和控制生成作出足够的响应时间，AV系统不但要有高速的数据处理能力，还需要高效的计算能力。

　　伴随着无人驾驶技术的发展，我们也见证了从传统的内燃机向电动汽车(EVs)的过渡。电动汽车的电池要满足包括动力系统、空调、娱乐信息系统、内部照明和车头/车尾灯等多个方面的能耗需求。随着向电动汽车的过渡，车辆的驾驶里程变得完全取决于电池的续航能力，这成为了一项至关重要的资源。

　　然而，历史上，高性能计算往往意味着高能耗，这在自动驾驶车辆中尤为明显，因为它们对计算能力的要求极高。传统的解决方案，如图形处理单元(GPUs)，会消耗大量的电池电量，这直接影响到了汽车的续航里程。

　　在两辆配备不同计算解决方案的车辆中，一辆采用的是通用自动驾驶计算方案，而另一辆则装配了专门为自动驾驶设计的计算方案。显著的差异在于，后者的续航能力损失要小得多。

　　通用的自动驾驶解决方案可能需要消耗数百瓦特的电力来处理高清传感器的数据。但是，专为自动驾驶优化的计算平台，执行相同任务的能耗仅略高于100瓦特。

　　在汽车的整个使用周期中，传统的高能耗计算方案不仅会增加消费者的使用成本，还会对环境造成更大的伤害。因此，对于计算系统来说，除了大处理能力外，低能耗也非常关键。

　　减少对电池容量的依赖，可以提高驾驭距离、减轻电池重量，同时也降低了整体系统的成本。从制造商到消费者，这带来了各个层面上的效率提升。目前，像高耗电的GPUs这类方案仍然被使用，但对比于重新利用旧技术解决新出现的问题，汽车制造商更倾向于采用特别为车辆的自主性能设计构建的解决方案。这些解决方案需要从根本上创新计算方式，如优化卷积神经网络模型，以便在保持结果质量的同时实现性能的显著提升。

　　提升计算效率的另一个途径是严格限制内存的使用，尤其是只使用片上内存。由于人工智能模型一般体积庞大，许多现有方案不得不使用片外内存。这会导致功耗和延迟的增加。通过算法上的革新，这些方案可以在不使用外部内存的情况下处理庞大的数据网络。

　　电动汽车行业面临的一大挑战是，在保持低功耗和最低延迟的同时，处理来自各种传感器的海量数据，并将神经网络处理技术应用其中。随着行业的发展，这个挑战迟早将呈现在我们面前。

　　浮思特科技是一家拥有核心技术的电子元器件供应商和解决方案商。专注在新能源汽车、电力新能源、家用电器、触控显示，4大领域，并已有大量的成熟方案储备，为客户提供从方案研发到产品选型采购的一站式服务。