0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

基于深度学习的ADAS系统,是GPU的主力市场

Dbwd_Imgtec 来源:Imagination Tech 2020-08-22 09:48 次阅读

在全球经济面临巨大压力之际,芯片IP公司仍将持续受益于智能汽车、5G人工智能技术广泛应用的趋势。

而在全球车载GPU芯片IP领域,Imagination的光线追踪技术可以说是过去20年来3D图形处理领域最令人兴奋的创新之一。该公司此前已经为汽车应用处理器市场的三家顶级厂商中的两家(TI瑞萨)提供GPU IP,是市场份额最大的单一厂商。

事实上,今天在汽车行业,GPU的用例几乎涵盖了从ADAS到自动驾驶,从仪表到中控信息娱乐等等多个车载系统。而在实际大规模量产落地领域,基于深度学习的ADAS系统,是GPU的主力市场。

一、业界首个符合ISO26262功能安全 图形处理和计算,是GPU在车载应用中的独特优势。

就在几周前,Imagination宣布了针对汽车领域的XS系列GPU新IP,支持ADAS加速和安全关键的图形工作负载。XS代表了迄今为止最先进的汽车级GPU IP,也是业内首个符合ISO 26262标准的,专门用于满足ADAS安全计算的产品

安全关键图形和计算能力是下一代车载系统(如全景环视、数字仪表和ADAS)的要求,XS的设计采用了一种新的安全架构,具有独特的计算和图形机制,在关键的工作负载下可以提高2倍的性能(和市面上的产品相比)。

随着汽车系统越来越复杂,对功能安全性的要求也越来越高。新的XS安全架构包含TRP的专利技术,能够确保和验证来自GPU数据的正确执行和传输。

除了同步机制之外,XS还包括硬件机制,这些机制可以跨计算和图形执行对安全至关重要的工作负载,同时最大化性能。

至关重要的是,这些特性都在硬件中实现。此外,Imagination还发布了针对汽车GPU的OpenGLSC2.0 API,使客户能够在安全关键应用程序中受益于GPU加速。 通过硬件虚拟化解决方案,面向ADAS的下一代 GPU-PowerVR XS使多屏幕、多操作系统和多个应用程序都能在一个GPU上运行而没有性能损失。

“XS代表着我们在汽车性能方面的数量级提升,并为下一代汽车SoCs定义了一个新的基准。”Imagination市场及业务发展高级经理郑魁表示,这也得益于此前公司在汽车级SoCs GPU IP超过50%的市场份额。

二、人机交互的关键安全保护

除了ADAS应用,GPU-PowerVR XS实际上也为液晶仪表信息提供了更好的显示效果和性能。在自动驾驶汽车和提供驾驶员辅助的智能汽车中,它们甚至更为重要。

其中一个典型的案例,就是仪表屏幕上的安全警示灯,由于这些警示信息必须在任何时候都可用,GPU可以保护出现警示灯的那部分屏幕,确保不会出现警报显示安全故障。

而过去,大多数数字仪表的HMI开发人员不得不将安全关键部分(如警示灯)转移到CPU上运行,从而导致更复杂的工作流程,同时很难在性能上得到提升。

如果一切都可以在GPU上进行,那么工作流程就会更简单,结果就会有更高的性能,这就使得设计者有可能创造出更高的分辨率,更复杂的显示效果,最重要的是符合功能安全。 此外,GPU还可以加速在仪表上创建多媒体和娱乐所需的图形。同时还可以创建辅助驾驶图像,这就意味着显示可以在图形和视频流之间快速切换。同时,图形还必须快速生成冗余备份,在冗余备份中进行第二次处理,以确保功能的安全执行。

这得益于TRP(分块区域保护)技术,可以识别屏幕上的安全关键区域,并根据每个对象对它们进行标记,这尤其适用于全景环视在液晶仪表上的实现。一旦系统检测到一个物体(比如车辆周边有行人),环视视频流就成为安全关键系统。

一旦识别,该对象被标记,安全渲染将被执行,无论它出现在哪里显示。Imagination的GPU使用基于分块延迟渲染(TBDR)专利技术来渲染图形,在渲染之前将屏幕分解成多个分块元素。这还有一个额外的好处,即允许我们非常有效地执行每个对象的标记,从而将性能开销降到最低。

此外,Imagination特有的虚拟化、HyperLane、AI协同(AI Synergy)等技术在XS GPU中也发挥了关键作用。通过虚拟化和HyperLane技术,XS GPU可以支持多任务、多屏幕、多操作系统,同时所有的任务彼此隔离,从而可以确保安全性。

而通过AI协同技术,GPU可以在提供图形处理能力的同时,使用其备用资源支持可编程AI,同时固定功能的AI运算则可以放在专用的神经网络加速器(例如Imagination的PowerVR 3NX NNA)上执行,从而实现更高的AI性能。

三、中国市场的定制化服务

毫无疑问,中国是未来智能网联汽车的主要单一市场。对于Imagination来说,中国市场的多元化和本地化需求,是未来市场份额的保障。

就在两个月前,Imagination与北汽集团旗下的北汽产投宣布一家汽车半导体合资公司,设计汽车级系统芯片(SoCs)及相关软件,并提供全面的支持服务。

合资公司的目标是与业内其他汽车芯片公司合作,为中国客户提供智能互联汽车的创新支持,专注于自动驾驶辅助系统(ADAS)应用处理器和智能驾驶舱语音交互芯片的研发。

这家合资公司将按照IP许可模式,Imagination对其授权图形处理单元(GPU)和神经网络加速(NNA)的IP和软件。事实上,这也是符合汽车工业传统模式的转型升级趋势。

比如,芯片从过去基于标准的芯片转变为定制的硬件和软件解决方案,以及与客户及其产品深度集成的技术服务。新的机会也推动产业合作方式的改变。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4737

    浏览量

    128940
  • 车载应用
    +关注

    关注

    0

    文章

    14

    浏览量

    11768
  • 光线追踪
    +关注

    关注

    0

    文章

    183

    浏览量

    21477

原文标题:汽车级GPU的新玩法

文章出处:【微信号:Imgtec,微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    深度学习工作负载中GPU与LPU的主要差异

    ,一个新的竞争力量——LPU(Language Processing Unit,语言处理单元)已悄然登场,LPU专注于解决自然语言处理(NLP)任务中的顺序性问题,是构建AI应用不可或缺的一环。 本文旨在探讨深度学习工作负载中GPU
    的头像 发表于 12-09 11:01 282次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>工作负载中<b class='flag-5'>GPU</b>与LPU的主要差异

    GPU深度学习中的应用 GPUs在图形设计中的作用

    随着人工智能技术的飞速发展,深度学习作为其核心部分,已经成为推动技术进步的重要力量。GPU(图形处理单元)在深度学习中扮演着至关重要的角色,
    的头像 发表于 11-19 10:55 503次阅读

    NPU在深度学习中的应用

    设计的硬件加速器,它在深度学习中的应用日益广泛。 1. NPU的基本概念 NPU是一种专门针对深度学习算法优化的处理器,它与传统的CPU和GPU
    的头像 发表于 11-14 15:17 554次阅读

    pcie在深度学习中的应用

    深度学习模型通常需要大量的数据和强大的计算能力来训练。传统的CPU计算资源有限,难以满足深度学习的需求。因此,GPU(图形处理单元)和TPU
    的头像 发表于 11-13 10:39 398次阅读

    GPU市场趋势与未来发展

    随着科技的飞速发展,图形处理单元(GPU)已经成为现代计算领域不可或缺的一部分。从游戏到专业图形设计,再到人工智能和深度学习GPU在各个领域都发挥着重要作用。
    的头像 发表于 10-27 14:14 489次阅读

    GPU深度学习应用案例

    GPU深度学习中的应用广泛且重要,以下是一些GPU深度学习应用案例: 一、图像识别 图像识别是
    的头像 发表于 10-27 11:13 394次阅读

    深度学习GPU加速效果如何

    图形处理器(GPU)凭借其强大的并行计算能力,成为加速深度学习任务的理想选择。
    的头像 发表于 10-17 10:07 195次阅读

    FPGA做深度学习能走多远?

    。例如,在数据中心中,可以将 FPGA 与 CPU 或 GPU 结合使用,根据不同的任务需求进行灵活的资源分配和协同计算,提高整个系统的性能和效率。 • 算法优化和创新:随着深度学习
    发表于 09-27 20:53

    ADAS功能安全HiL仿真测试系统介绍#ADAS #VTHiL

    adas
    北汇信息POLELINK
    发布于 :2024年08月03日 20:07:34

    ADAS系统组成简介#ADAS

    adas
    北汇信息POLELINK
    发布于 :2024年08月03日 20:05:37

    深度学习中的时间序列分类方法

    时间序列分类(Time Series Classification, TSC)是机器学习深度学习领域的重要任务之一,广泛应用于人体活动识别、系统监测、金融预测、医疗诊断等多个领域。随
    的头像 发表于 07-09 15:54 917次阅读

    基于AI深度学习的缺陷检测系统

    在工业生产中,缺陷检测是确保产品质量的关键环节。传统的人工检测方法不仅效率低下,且易受人为因素影响,导致误检和漏检问题频发。随着人工智能技术的飞速发展,特别是深度学习技术的崛起,基于AI深度
    的头像 发表于 07-08 10:30 1403次阅读

    新手小白怎么学GPU云服务器跑深度学习?

    新手小白想用GPU云服务器跑深度学习应该怎么做? 用个人主机通常pytorch可以跑但是LexNet,AlexNet可能就直接就跑不动,如何实现更经济便捷的实现GPU云服务器
    发表于 06-11 17:09

    深度解析深度学习下的语义SLAM

    随着深度学习技术的兴起,计算机视觉的许多传统领域都取得了突破性进展,例如目标的检测、识别和分类等领域。近年来,研究人员开始在视觉SLAM算法中引入深度学习技术,使得
    发表于 04-23 17:18 1290次阅读
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>学习</b>下的语义SLAM

    FPGA在深度学习应用中或将取代GPU

    硬件公司供货的不断增加,GPU深度学习中的市场需求还催生了大量公共云服务,这些服务为深度学习
    发表于 03-21 15:19