Google在初期的自動駕駛汽車領域一直扮演著領頭羊的角色。自動駕駛汽車不僅引領了人工智能與機器視覺軟件的革新，還推動了半導體芯片技術與硬件系統的進步。

 

    不過，Google只是眾多推動3300億美元芯片產業發展的公司中的助攻之一。像特斯拉、本田、寶馬、沃爾沃、奔馳和福特這樣的汽車廠商，亦在開發旗下的自動駕駛汽車。Uber稱其將在匹茲堡測試100輛自主開發的自動駕駛汽車;而通用汽車與Lyft亦稱將于年底開展自動駕駛出租車的測試。

 

    自動駕駛是芯片發展的動力

 

    Tirias Research分析師Kevin Krewell稱自動駕駛汽車技術是半導體芯片發展的主要驅動力。“基于深度學習的車載導航不同于其他高性能計算工作，是一種全新的計算方式，一種基于全新方式的構架。”他說，這便是為什么Intel花了3.5億美元收購了人工智能公司Nervana。

 

    如果半導體芯片能滿足功能需求，其他配套系統亦能跟上，這將大大有益于自動駕駛汽車的發展。且自動駕駛汽車每天有5%的工作時間用于系統休息的話，自動駕駛汽車毫無疑問會更安全。Rosenband稱每年有120萬人死于車禍。

 

    “一個城市的人口也不過這么多，而車禍卻帶走了他們的生命。僅僅在美國，每年就有3.5萬人死于車禍。這相當于每天墜毀了一架客機。我們需要重新審視一下這個問題。”

 

    自動駕駛汽車使得盲人以及其他身體殘疾人士也能坐到駕駛位上，但要打造一款真正能上路行駛的自動駕駛汽車，我們的技術儲備仍不夠充足，道阻且長。不久前，一位駕駛員激活了特斯拉自動駕駛功能，而自動駕駛系統沒能發現前方的卡車導致了駕駛員在車禍中身亡。

 

    即便如此，各投資公司仍認為這是一項有前景且更安全的技術。Rosenband表示，“我們可以改變人們的生活”。

 

    為了實現這一目標，就必須在人工智能與機器視覺上取得前所未有的突破。自動駕駛系統要足以應對各式各樣的問題，比如變化莫測的交通狀況、擁擠的行人與亂入的自行車。這對系統芯片的處理能力有著極高的要求，且系統最后的處理方式不能傷害任何一方。

 

    “在高速路上行駛時，我突然意識到我們處理問題要有始有終：我們如何才能開發一個完全自動駕駛的系統?”

 

    完全自動駕駛在硬件上需要具備哪些條件?

 

    在一個理想化的自動駕駛環境里，系統要能在指定地點接人，并將其安全送至目的地。Google開發的自動駕駛原型車沒有方向盤，能以40km/h或更低的速度通過居民區。它采取的是自我保護的駕駛策略，在駛入十字路口前會等待1.5秒。除此之外，該車還能計算發生危險的可能性。

 

    車輛需要知道其自身位置、周圍環境、周圍物體在做什么以及車輛該如何移動。要滿足這些要求需要大量地圖數據與傳感器。

 

    為了獲得車輛周圍360度實景，Google采用的是激光雷達系統，該系統能360度旋轉掃描周圍環境，從而生成車輛周圍環境的3D模型。該模型可顯示不同物體的距離與其速度。

 

    Rosenband稱，Google下一代原型車的運算能力將是2015年原型車的4倍。它將裝配一片多用途芯片或一片能處理自動駕駛汽車問題的定制芯片。而在這100mm的芯片上要能進行每秒50萬億次運算。

 

    “這是一個十分龐大的數字。現在芯片的運算能力較十年前已發生翻天覆地的變化。而這一切要感謝這群志同道合的程序員們。”

 

    為了應對這一挑戰，Nvidia稱其已經為自動駕駛汽車開發了一款全新的芯片——dubbed Parker，該芯片是汽車人工智能系統Drive PX 2超級電腦的組成部分。而Intel亦稱其Xeon Phi芯片家族也足以處理人工智能問題。

 

    Rosenband說，我們仍有許多難題需要解決。比如，有時在日出或日落時分，人眼都無法辨別交通信號燈，而這種曝光過高或過低的圖像要讓計算機來解碼更是難上加難，而且車輛還是移動的。

 

    “芯片適用于何種環境?我們要用數個千兆赫茲的雷達頻段，進行大量的數字信號處理以減小噪聲干擾，降低雷達系統的失真度。我們亦采用了最好的硅材料以發揮其最大性能，”Rosenband說。

 

    在未來，Google很可能需要系統能提供相當于移動設備上的數據中心的功能。它需不用消耗過多的功率就擁有最佳的計算性能，車輛可以直接在數據中心讀取數據進行計算。

 

    為什么要這樣呢? Google的自動駕駛汽車行駛了320萬公里，但仍不能預測世上發生的每一件事。而芯片專家兼Cadence Design Systems主管Chris Rowan表示，Google可能需要進行十六億公里的測試，其系統才有可能涵括所有可能發生的事情。