戴姆勒奔馳無人駕駛為何選擇賽靈思？

7月11日，賽靈思和戴姆勒公司宣布，兩家公司正強強聯手采用賽靈思汽車應用領域的人工智能 (AI) 處理技術共同開發車載系統。此項可擴展的解決方案由融片上系統（SoC）器件和 AI 加速軟件為一體的賽靈思汽車平臺提供支持，將為當今汽車應用領域中的嵌入式 AI 帶來諸如高性能、低時延以及業界最佳的功率效率等眾多優異特性。

提到與戴姆勒奔馳的合作，孫蕾蕾 表示，大的車廠會有很多不同的技術團隊，會跟進不同的技術方向，不會在大的客戶看到一種技術方向。戴姆勒在跟賽靈思的合作過程中，發現賽靈思的產品在低延時、高功耗的產品是不可取代的。孫蕾蕾表示，在低延時、高信號比、靈活度上賽靈思的優勢將會一直存在。

為什么無人駕駛技術要選擇賽靈思的FPGA平臺呢？孫蕾蕾表示，對于無人駕駛來說，反應速度非常重要。需要用到攝像頭、激光雷達和雷達。有的汽車雷達需要10個，所有的頻道要分析大的數據量，另外計算器、加速器也非常重要。所以賽靈思做了很多的功夫。另外OEM廠商開發的時候希望有一些差異性，所以賽靈思的產品是可以用自己的IP來做更新。

FPGA還有一個優勢是可擴展性。動態功能交換，整個硬件可以用不同的功能，同樣的FPGA為什么需要這么大的邏輯單元？比如你開車在高速公路和低速公路上需要的功能不同。

以后的汽車因為無人駕駛，需要對汽車的速度進行同步。在低速的時候，要看到交通燈、行人、停車這些不同的功能，所以同一個FPGA可以做不同的功能。孫蕾蕾表示，賽靈思是第一個無線更新軟硬件升級的，所以為客戶增加了很多的靈活度。另外FPGA的散熱能力增加了，可在高溫的工作環境下正常運作。

針對ADAS/AD的嵌入式視覺要求

從過去的40年到近兩年，每天都會有很多創新的算法出現，如何能夠有效的支撐這些新的網絡？對于ASIC來說這是一個巨大的挑戰。雖然目前有很多的芯片架構都針對人工智能，但在人工智能發展初期的一些應用上，在還沒找到最優的算法和性能的時候，絕對是FPGA更合適。“如果一旦有一個網絡出來，我有一個很靈活的平臺，我可以快速的部署我最新的創新，這是客戶最需要的東西?！绷_霖表示。

在很多時候，時間是花在數據的搬運上，在計算架構上，我們希望數據能夠盡量停在芯片商。這意味著客戶需要大量的片上內存，賽靈思的嵌入式FPGA和英偉達的Tegea X1相比，具有更好的存儲性能，可以降低時延。

目前主要的云服務廠商已經廣泛使用FPGA服務，通過完整的加速堆棧支持軟件開發，以及面向嵌入式系統的FPGA設計的軟件驅動工具和方法，賽靈思面向的將不再只是硬件工程師。羅霖表示，在底層平臺賽靈思已經幫客戶定義好了一些標準的硬件平臺，上面很多的傳感器包括傳感器、USB和MIPI的接口，創建工程，上面可以用高級語言來開發。同時利用機器學習的庫來很快的部署應用。

談到未來的產品路線規劃。羅霖表示，目前賽靈思主要提供的產品包括前置的攝像頭，一級單目、雙目、偏離檢測等，包括面向司機的疲勞駕駛檢測，下一步會在2019年做到L1L2，會把前置攝像頭和毫米波雷達融合，采用的是大一點的Zynq 器件，另外國內現在要求很強的自動泊車的系統。包括一些女司機可以自如的完成停車動作。

再下一步是L3的規劃，包括多攝像頭和傳感器的平臺，比如自動泊車，OMS（駕駛艙類人車智能交互應用），通過這種技術可以防止出現把小孩關在車中的情況。

L4將采用是ACAP，據介紹目前已經有一些歐美的客戶開始測試。

羅霖表示，賽靈思正面向ADAS和AD的機器學習做了很多的研發和優化，實現功耗、成本、靈活、上市時間的平衡。為了降低嵌入式開發學習的難度，目的是提供客戶的開發效率。

賽靈思客戶車載創新應用案例

舉一個真實客戶的案例，這是美國一個車廠的項目。采用賽靈思的ZCU 102開發平臺，利用到賽靈思快速角點和密集光流的算法。

羅霖表示，最早在上一代FPGA的板子通過ARM來跑，第二步把ARM的代碼移植到FPGA上，不斷的提升性能和進行算法優化。通過賽靈思的系統工具，客戶不需要寫任何一行硬件代碼就實現了開發。

此外，一家知名的OEM汽車廠商，評估了壓縮工具。原先計算量是198G精度達到80.4G，經過壓縮后，模型壓縮到原來的7%，損失很大的情況下，另外需要用一個Zynq器件同時做12通道目標檢測。

這個案例是賽靈思幫美國一個汽車客戶做的一個神經網絡的檢測，可以做到8通道30fps的性能。

還有歐洲一個客戶要求用賽靈思的ZU9上的演示，來在神經網絡實現像素級的分割，要求是四個通道。

這是mini eye的3D攝像頭，可以檢測車的顏色，可以識別車牌。

也可以識別車道線、紅綠燈、行人，和可行駛區域。在國內很多公司，通過自己的研發做出來的算法效果在全球范圍是非常領先的。

這是輔助停車的一個應用，通過四個魚眼攝像頭來捕捉車身周圍的東西，通過深度學習可以檢測出車位的線。有了這些信息后，車輛可以自己找到車位來進行泊車。

這個應用是自行科技做的疲勞狀態的檢測，這個司機一旦分心，下方的綠色長條會減少，變成紅色。同時還可以進行人臉識別，可以知道駕駛車的司機是誰。以后可以做出的應用是這輛車只能某一個用戶通過人臉識別解鎖。

可以在一個芯片上跑不同的應用，可以做分割、檢測、分類，在賽靈思的平臺上可以實現高效的深度學習，用于ADAS和AD的應用。