加速全球自动驾驶汽车的设计和部署

　　自动驾驶汽车是一项全球性的重要技术。可以自动驾驶的车辆将通过消除事故的主要原因（包括驾驶员分心和困倦）来提高汽车安全性。智能汽车也将能够通过协调驾驶在现有道路上安全地操作更多汽车来缓解交通问题，从而解决交通问题。这将通过使汽车能够比依赖人类反应速度的独立控制车辆更安全地相互跟随来实现。

　　尽快让自动驾驶汽车上路的势头非常大。从技术的角度来看，必要的硬件已经开始到位，以便为必须位于车内的多层实时人工智能提供足够的处理能力。在以安全可靠的方式驾驶这些车辆所需的软件方面也取得了重大进展。

　　然而，与此同时，加速自动驾驶汽车发展的压力也越来越大。自动驾驶汽车将提供的不仅仅是提高效率和安全性。它们还将帮助各国解决悬而未决的劳动力短缺问题，如果不加以解决，可能会对企业和城市发展产生广泛的负面影响。

　　自动驾驶汽车的迫切需求

　　考虑汽车对日本个人和商业交通的重要性。日本每年的新生儿数量持续下降，导致可用劳动力减少。再加上年轻人选择驾驶以外的职业这一事实，这导致劳动力减少，在退休后替代老年司机的新司机数量减少。

　　与此同时，向现代便利生活方式的转变——24小时快递、送货服务、物流和大众运输——正在增加对司机的需求。随着老年人口的不断增加，这只会对这些类型的服务提出更多的需求。

　　目前的工作量对于现有的劳动力来说已经太多了，他们甚至无法满足今天的需求。夜班和增加加班等解决方案将加强可用的司机池。然而，他们这样做的代价是让已经过度劳累的司机感到紧张。日本各地的驾驶条件被认为具有挑战性和危险性，这种增加的压力只会导致更多的交通事故。

　　司机短缺已经开始影响国家，迫使一些企业和服务放缓或停止运营。显然，自动驾驶汽车对日本的未来尤为重要。

　　然而，这些趋势和文化因素并非日本独有。它们影响着世界上每个国家和每个主要城市。COVID-19 大流行也加剧了这些因素。虽然个人开车减少，但他们在网上购买了更多商品和服务，这给日益减少的司机劳动力增加了进一步的压力和需求。自动驾驶汽车将在现代城市基础设施的发展中发挥重要作用。挑战在于我们如何尽快到达那里。

　　克服自动驾驶汽车的技术挑战

　　为了满足市场需求，自动驾驶汽车的设计者将需要严重依赖现成的技术。原始设备制造商根本没有时间在内部设计所有东西。越来越大的上市时间压力也将要求 OEM 专注于今天准备就绪和可用的技术。

　　例如，理想的自动驾驶汽车是电动汽车 （EV），它还能减少污染，这是人口密集地区的另一个重要问题。不幸的是，电动汽车技术仍处于起步阶段。此外，支持电动汽车城市所需的基础设施还需要数年时间才能到位。因此，第一波自动驾驶汽车将使用传统的内燃机和今天已经存在的其他技术制造。

　　使挑战复杂化的是车内用于容纳计算设备和电缆的空间有限。为了解决空间限制，解决方案必须高度集成。此外，汽车的恶劣运行环境——包括高温、振动和剧烈运动——与计算机实验室或企业网络服务器机房的受控条件完全不同。硬件需要能够在汽车温度下可靠运行。

　　性能限制也是一个关键考虑因素。为了实现自动驾驶，每辆车都需要一台性能足够强大的计算机，以便能够将视频的实时数据传输到车载人工智能 （AI） 引擎，并能够实时处理和控制车辆。 此外，为了能够最大限度地减少占用空间、保持实时响应能力并避免信号不兼容问题，所有计算和视频设备都必须能够集成到车辆的系统基础设施中。这意味着能够使用 CAN 接口与汽车进行通信和控制。另一个复杂因素是 5G 网络尚未准备就绪，因此高速车对控制中心和车对车通信将受到限制。

　　足够的存储空间是另一个问题。有许多容量问题需要考虑，包括有足够的本地存储来执行 AI 计算，同时支持实时视频备份。

　　最后，所有这些系统必须能够以高可靠性运行，同时消耗由连接到发动机的任何电池提供的“脏”电力。

　　必须在设计过程的早期考虑这些问题中的每一个，以确保高可靠性。这对于 OEM 从 SAE 3 级（有人工驾驶员的条件自动化）到 SAE 4 级（无人工驾驶员的高度自动化）转变至关重要。

　　集成可靠性和加速设计

　　为了应对这些挑战并让自动驾驶汽车快速上路，需要一种高级的集成计算方法。高级方法不是构建必须一起交互的单个子系统，而是专注于工作站级平台，该平台专为满足当今具有高级驾驶辅助系统 （ADAS） 功能的车辆的处理要求而构建。在这个集成的基础上，可以引入更先进的自主能力和电动汽车技术，因为它们变得更容易获得。

　　采用高级方法有几个关键优势。首先，它以现有车辆技术为基础，使原始设备制造商能够显着加快其设计周期。此外，由于工作站级平台是预先集成的，因此可以在不影响可靠性或延迟上市时间的情况下使用一流的技术。由于该平台专为汽车应用而构建，它可以提供车辆 AI 计算所需的处理资源，大约 2300 多个 CUDA 内核。

　　使用平台还可以实现更紧凑的解决方案。集成系统减少了所需的布线数量，并减少了在可用空间很小的情况下将电缆穿过车辆的需要。从接口的角度来看，借助 CAN 接口，平台可以通过整个自主计算引擎的单一入口点来整合通信，从而简化通信并将对车辆基础设施的影响降至最低。这反过来又降低了在车内安装自动驾驶系统的总体成本。

　　为了在紧凑的尺寸中也提供足够的存储容量，可以使用固态驱动器 （SSD），它比传统的硬盘驱动器 （HDD） 更能抵御振动和移动。SSD 专为坚固的应用而设计，可锁定和热插拔以保护关键任务数据。他们可以通过 RAID 数据保护技术进一步提高可靠性。

　　将所有计算资源整合到一个平台中还可以简化电源管理。点火控制对于使用汽车电池供电的计算机设备至关重要，支持具有浪涌保护的宽范围电源输入也是如此。平台可以“清理”电源，过滤掉发动机噪音和其他干扰，为所有敏感的电子设备提供可靠和一致的电源，以确保可靠运行。

　　采用平台方法的所有这些好处的结果是更快的上市时间和更低的项目成本，这两个重要因素有助于加速可靠的自动驾驶汽车的部署。平台还使 OEM 可以灵活地自定义 AI 系统可用的资源。例如，平台可以容纳额外的内存驱动程序和/或更高性能的计算板/AI 加速器，以匹配特定应用程序的要求。

　　ECX-1400 PEG AI 计算 + NVIDIA GeForce RTX 2070 显卡

　　Vecow 为自动驾驶汽车开发了一个专用平台。ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 显卡是一款紧凑、完整的 AI 系统解决方案，采用 NVIDIA 革命性的计算机统一设备架构支持的八核 Intel Coffee Lake 处理器和 Intel C246 提供工作站级 AI 性能（ CUDA）核心技术。NVIDIA RTX 和 Turing GPU 架构为 AI 计算提供高达 6 倍的性能，分辨率高达 8K。无风扇系统旨在支持独立显卡，以提供最大的灵活性，同时保持紧凑的外形。

　　该平台具有 4 个可锁定和热插拔的 2.5 英寸 SSD 托盘，可为受 RAID 0、1、5 或 10 保护的关键任务数据提供高达 32 TB 的可靠存储。它还支持自主所需的高速通信汽车应用，包括多达 7 个独立高清显示器（VGA、HDMI、DVI、DP）、USB 3.1 Gen 2 （10 G）、PCIe 3.0 （8 GT/s）、SATA1 III （6G） 和 USB 3.0 （5G） 。 4 个 PoE+ 接口的可用性降低了布线要求，并且定制的机械设计支持当前车辆系统中的 CAN 总线端口。

　　从功耗的角度来看，ECX-1400 PEG AI 计算平台得到了很好的保护。该平台采用优化的电源设计，可为显卡提供 300 W 的功率预算，具有 32 个隔离设备输入/输出 （DIO）、点火电源控制、智能电路保护、80 V 浪涌保护和 12 V 至 36 V直流电源输入。智能电源管理功能包括点火模式管理、iAMT 12.0、TPM 2.0、PXE、局域网唤醒和远程电源开关。该系统还设计有抗冲击和抗振动保护，可以在-20°C至45°C的温度范围内运行。

　　自动驾驶汽车在行动

　　ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 显卡已经过无数次现场测试。这里分享两个案例。第一个是自动驾驶卡车车队将货物从中央仓库运送到日本的各个目的地。

　　放置在前部和后部卡车中的控制器管理高级任务，例如车队通信、速度/距离控制、路线规划、传感器识别、环境监控以及整个车队的车队视频/数据共享。

　　第二种情况是一种自动穿梭巴士，用于将乘客从机场运送到日本各地的各个车站。

　　公交车由调度中心远程管理，其传感器系统利用道路上的磁性标记进行导航。

　　ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 显卡是一个高度灵活的平台，可以针对特定应用进行定制。虽然专为自动驾驶汽车而设计，但它也可用于其他应用，包括自动车牌 （LPR） 识别、机器人控制、远程医疗和公共监控。

　　凭借 ECX-1400 作为单一平台解决方案的功能，可以克服与将自动驾驶汽车 AI 设备集成到车辆相关的许多挑战。这项技术简化了自动驾驶汽车的设计，并将加速其在全球的部署，以帮助我们的道路更安全并解决日益严重的驾驶员劳动力短缺问题。

　　审核编辑：郭婷