图形处理器和神经网络加速芯片如何助力汽车自我思考

　　如果一地发生交通堵塞，车辆可以将此信息传递给基础设施;反过来，基础设施又可以通知其他车辆远离该区域，这样就不会增加问题的严重性，以便交通堵塞可以被更快地被清除。这甚至可以被用于城市以外的地方，例如在高速公路的入口匝道上。如果系统已经从反向行驶的汽车中获悉了备用信息，它可以在驾驶员驶入高速公路之前对其发出警告，从而使他们能够考虑其他路线。

　　为了实现这一目标，城市将需要有一个中央智能枢纽，该中枢可以处理传入的信息并计算哪些数据要发送给其他车辆或交通信号灯。这只有在结合了神经网络、人工智能、机器学习和先进算法之后才能实现。

　　结论

　　NHTSA的研究发现：高度自动化的车辆将比由人类驾驶的车辆更加安全，94%的事故是由人为失误造成的。基于AI的技术在响应能力和识别需要快速响应的威胁方面已经优于人类驾驶。

　　为了实现这些车辆所需的处理能力，将需要NNA和GPU配合使用。随着汽车行业转向全自动驾驶汽车，计算能力将需要被大幅提升，NNA将应需而扮演重要角色。据估计，一辆等级5自动驾驶汽车需要的计算能力是等级1自动驾驶汽车的10,000倍。

　　这是处理性能的极大提高，但也必须在一个给定的功耗预算内完成。一个神经网络加速器(NNA)的性能已经是中央处理器(CPU)的100到800倍，而其成品封装却比CPU大小小很多。一辆车可能有一个很大的CPU，同时还有许多NNA遍布于车辆各处，并以比同样遍布车辆各处的CPU低得多的功耗和更高的性能来执行各种任务。

　　Imagination Technologies提供了GPU和NNA硅知识产权(IP)。其应用在数字仪表盘中的技术比任何竞争对手都要多，并且公司在先进驾驶员辅助系统(ADAS)和自动驾驶汽车市场中也处于领先地位。赋能自动驾驶汽车实用化所需的所有要素都将取决于这些技术，而这些技术成为现实只是时间问题。

（编辑：网站开发网_安阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!