GPU可以为汽车驾驶辅助系统带来什么？

从目前和可预见的将来看，是GPU，而不是CPU，能够提供应用所需要的计算能力，使未来的汽车能够更加了解周围环境，以便它们可以如我们预想的那样平稳、安全地运行。

当今汽车行业最受关注的话题之一是先进的驾驶辅助系统（ADAS），该系统可以多种方式帮助驾驶员处理潜在问题。它们可以为驾驶员提供视觉和听觉警告，也可以控制制动器、加速器和转向装置，使汽车远离危险。

ADAS系统依赖于来自越来越多的离散传感器的高质量数据，例如光探测和测距传感系统（LiDAR），它使用脉冲激光测量与目标物体之间的距离；还有无线电探测和测距传感系统（RADAR），其类似于LiDAR，但RADAR使用无线电波代替激光和红外（IR）相机系统。

以上这些都使ADAS能够更好地认知周边环境并提高其辅助驾驶的能力。

ADAS中的GPU

在汽车的中央电子控制单元（ECU）中，您可以找到一个或多个大型硅器件，其中包含一个多核中央处理单元（CPU），一个图形处理单元（GPU），一个为传感器数据提供实时处理的内存子系统，以及一系列其他内核，如I / O、外设连接、专用视频和DSP。

GPU高度并行，以吞吐量为导向的特性使其非常适合ADAS应用，并可应对诸多挑战。它就像是一个“涡轮增压”的乘法累加引擎，而且是以神经网络类型算法为基础的。因此，毫无疑问，当今许多领先的ADAS供应商都开始利用嵌入式GPU的能力和性能，来实现汽车所需要的功能和性能的提升。

从历史上看，GPU在汽车的技术构成中起的作用较为传统，即驱动显示器。然而消费者越来越期望他们的新车提供与智能手机或平板电脑相同的尖端技术。因此，我们看到，应用正在向具有多个高分辨率屏幕的数字仪表板转变，目前，1080p在中档车中很常见，且有越来越多的4K屏幕被指定用于豪华车和行政车。

这些更大、更高分辨率且响应更快的屏幕使驾驶员和乘客能够以更自然、更直观的方式与他们的汽车互动。 因此，对于汽车OEM来说，从小型CPU或微控制器转向功能更强大的GPU来驱动这些屏幕是必要的，鉴于此，嵌入式GPU在这一领域取得了明显的进展。

不只是图形处理，ADAS对GPU提出了更多、更高的要求，这些是与传统的渲染功能截然不同的东西。如果我们看一下计算机图形处理，会发现计算着色器的使用现在是提供高级图形效果的标准。从本质上讲，GPU运行小型计算机程序，定义屏幕上数百万个像素的颜色和阴影。ADAS平台可以利用此GPU计算功能实时处理和分析传感器数据，而不只是图形处理。

实际上，不仅仅是传感器，还有传统的摄像头，可以为GPU提供很方便使用的数据。图像处理是GPU的看家本领，因此，几乎任何类型的密集并行计算难题都可以用GPU去解决。从这个层面来看，GPU是这类应用的最佳选择。

汽车GPU虚拟化

未来ADAS平台的性能水平将需要越来越大的GPU，这将不可避免地增加制造成本。为了应对这种情况，平台供应商希望通过使用它来在汽车中执行多个工作负载来增加GPU的价值。只有GPU对硬件加速虚拟化有坚如磐石的支持，才有可能实现这一目标。虚拟化允许GPU运行多个操作上下文，例如app / OS集，同时，这些上下文彼此又没有任何了解，且不会以任何方式相互影响。

这个很重要。想象一下，仪表板软件的问题能够影响驾驶员辅助系统的正确操作。这可能是灾难性的，必须不惜一切代价避免。拥有GPU支持的受保护、虚拟化的执行上下文的能力将确保不会出现这种情况。

当硬件支持为每个上下文使用完全独立的托管地址空间以及重新启动或刷新行为不正常的上下文时，虚拟化可以发挥最佳作用。这种隔离是允许合作使用（cooperative use）GPU的关键，同时保持关键软件（例如驾驶员辅助系统）不被任何其他操作影响或破坏。

新的收入来源

从汽车OEM的角度来看，虚拟化提供了额外的好处，它使得更安全的环境能够提供各种应用和服务，而无需担心电子系统被流氓软件所取代。这也意味着，与信息娱乐和发动机管理系统固定软件的传统硬件盒子相比，汽车成为了灵活、可配置的软件平台，可通过无线方式更新。它将使OEM能够轻松地交换付费服务，而不会中断汽车的运行，从而为他们提供潜在的新收入来源。

GPU在ADAS中的应用实例

据悉，新的 GPU内部的核心计算架构是从头开始设计的，旨在提供快速性能和低功耗，以实现精度降低计算，尤其是半精度浮点（FP16）。以较低的精度（通常被归类为小于32位）运行是降低嵌入式GPU功耗而不会显着降低精度的最佳方法之一。

虽然共享数据路径设计很常见，因为它们在许多方面都比较简单，但每个设备都有独立的硬件，这使我们能够提供最佳的功耗和效率，因为每个数据路径在设计中接受的损害较小，无法做到需要做的事情。

正如我们所描述的，虚拟化使得在GPU上运行的所有上下文能够彼此隔离地运行，以确保所有ADAS功能都安全运行，并且由于硬件支持，它可以在所需的性能级别上执行此操作。硬件支持的虚拟化是关键优势。

此外，还有一个工具集，支持跨GPU和AI加速器的神经网络开发、优化和部署。它是一个统一的工具链，使开发人员能够采用多个框架和多种网络类型，并将它们转换为GPU上的计算引擎，其可在神经网络加速器上部署，或者将这两者混合使用。

因此，ADAS平台设计人员可以将GPU用作汽车整体系统架构中的一流组件，同时允许系统供应商通过使用GPU加速车载信息娱乐软件，在安全和可用的情况下摊薄他们的投资。

综上，GPU微体系结构的设计具有理想的电源效率和内存带宽，是一种平衡的GPU设计，可以很好地满足汽车的技术需求，非常适合下一代ADAS应用。尤为突出的是，它为驾驶员和乘客互动的大型和高分辨率显示器提供出色的性能。

展望未来

GPU固有的特性和优势正好与ADAS的要求相吻合，特别是在图像分析和并行信号处理领域。 随着ADAS系统在车辆中变得越来越普遍，使用GPU的重要性也会随之增加，也可以说，不使用GPU和具有特定功能加速器的系统将会落伍。

从目前和可预见的将来看，是GPU，而不是CPU，能够提供应用所需要的计算能力，使未来的汽车能够更加了解周围环境，以便它们可以如我们预想的那样平稳、安全地运行。