導  讀

談及無人車硬件，通常大家直接看到的是安裝在車身周邊的傳感器，特別是曾經Velodyne 64 “全家桶”一度是L4無人駕駛開發(fā)車的標識。雖然無人駕駛車載計算平臺藏于車身內，各家L4無人駕駛方案也很少公開提及，但它擔任了幾乎全部的數(shù)據(jù)處理和算法執(zhí)行任務，同時也是整體PonyAlpha X硬件系統(tǒng)的中央計算單元，我們有著一些獨特的思考。

1  軟硬件共同優(yōu)化

目前計算硬件行業(yè)內通常用TOPS來衡量計算能力，但有一種趨勢認為越高的TOPS越能滿足L4計算的需要，甚至有一些方案聲稱達到某個TOPS數(shù)據(jù)就可以實現(xiàn)L4自動駕駛。我們認為，TOPS更像是計算硬件提供商對于L4計算需求的強行歸納，但實際上L4的整體系統(tǒng)能力，絕不僅僅是TOPS，而更多的是針對不同傳感器和算法對于時延、數(shù)據(jù)吞吐量、計算效率(perf/watt)、計算確定性、準確度、系統(tǒng)穩(wěn)定性等等的整體軟硬件共同優(yōu)化。


圖1：L4車載計算平臺需要考慮的多種因素

PonyAlpha X系統(tǒng)開發(fā)中，Pony.ai軟件和硬件團隊共同合作，通過高度定制的異構計算系統(tǒng)，打造了充分滿足Pony.ai應用軟件需求并同時兼顧高性能、高效率和高可靠性的L4無人駕駛中央車載計算平臺。


圖2：Pony.AI 中央車載計算平臺外觀圖

2  定制的異構計算架構

雖然性能強大的CPU和GPU仍是L4無人駕駛計算的主要處理器，但通過特定的異構系統(tǒng)，可以大幅降低時延，提高性能、安全性和計算效率。

2.1 數(shù)據(jù)預處理和計算分流

計算平臺通過引入FPGA，將海量高吞吐的不規(guī)則的傳感器數(shù)據(jù)進行預處理，提供時間同步、標定校準、數(shù)據(jù)壓縮、校驗和重打包等功能，使得整體傳感器數(shù)據(jù)流時延提升6倍，CPU/GPU占用率降低20%。同時FPGA提供了硬件抽象層的作用，使得傳感器的升級更新不影響整體系統(tǒng)功能。

2.2 安全島

安全性一直是高性能無人駕駛硬件的關鍵，通過引入車規(guī)級別MCU作為安全島，全面監(jiān)控計算平臺健康狀態(tài)，實時進行故障檢測并輸出錯誤碼，以此觸發(fā)失效安全系統(tǒng)。

2.3 通信開銷

異構計算通常會面臨芯片間通信的額外代價，計算平臺通過使用業(yè)界最先進的IO通信協(xié)議，芯片間數(shù)據(jù)交換帶寬提升了三倍，使得多芯片并行計算成為可能。

2.4 計算效率

異構計算的魅力在于，通過合理安排不同的計算任務到最適合的計算芯片，整體系統(tǒng)的計算效率得以大幅提升。計算平臺經過軟硬件優(yōu)化，最終平均功耗僅為同等數(shù)據(jù)中心服務器的1/3，節(jié)省了能源的同時散熱壓力和可靠性也大幅改善。

3  性能和可靠性的平衡

在汽車電子產品中，更高的性能和更大的功耗通常會使可靠性下降。Pony.ai 中央車載計算平臺的工程魅力就在于尋找性能和可靠性的平衡。

3.1 高性能

為了實現(xiàn)硬件和軟件的開發(fā)解耦，計算平臺對于性能的設計理念是不光滿足現(xiàn)有開發(fā)需求，還要超前設計以支持未來3年的L4無人駕駛軟件開發(fā)。除了上文提到的異構計算，我們通過軟件和硬件的共同優(yōu)化，不僅僅關注芯片和系統(tǒng)的絕對性能，而是尋找與perf/watt的最佳平衡點。下圖即為我們通過多維度權衡以選擇最高效的計算方案。


圖3：中央車載計算平臺計算方案選型多維圖

3.2 高可靠性

我們應對汽車級別可靠性的方法，其中之一是留足設計余量，無論是信號/電源完整性，還是震動溫度等環(huán)境因素，唯有足夠大的設計緩沖才能在汽車惡劣環(huán)境下保持可靠。例如我們設計了比正常運行功耗大4倍的供電系統(tǒng)，以保證任何功耗峰值都不會引起系統(tǒng)失效。

另外一個可靠性的思路是為高性能計算系統(tǒng)盡可能提供舒適的工作區(qū)域。例如即使汽車電子需要工作在-40C - 105C的環(huán)境溫度，但我們通過精密的液體加熱散熱設計，使得即便是消費級的芯片也可以在汽車環(huán)境中可靠的運行。又例如通過合理的緩沖設計，使原本脆弱的器件可以在25g的沖擊下不受損傷。

最后，通過等效冗余和降級冗余，以及實時的健康監(jiān)控系統(tǒng)，即使系統(tǒng)模塊出現(xiàn)故障，比如冗余電源輸入其中一路失效，系統(tǒng)仍可以正?；蚪导夁\行。


圖4：中央車載計算平臺液冷外循環(huán)設計

3.3 系統(tǒng)驗證

按照經典的硬件開發(fā)V模型，在設計實施之后，我們進行了多個維度的系統(tǒng)驗證。

首先，在信號層面，關鍵信號的電源都在不同溫度電壓條件下按照工業(yè)標準進行了測量，以驗證信號余量與設計相符。

其次，按照Pony.ai定義的DVT測試標準，進行了環(huán)境和壓力測試，保證溫度、震動、濕度等等各種工況下系統(tǒng)正常運行，并在掉電、短路、碰撞等條件下系統(tǒng)不受損壞。

之后，在系統(tǒng)級別，我們開發(fā)了HIL仿真平臺，使得計算平臺系統(tǒng)可以在線下7x24小時不間斷驗證，以達到統(tǒng)計意義上的大于100,000小時MTBF。

最后，我們進行了大量的實際路測，以保證和整體L4無人駕駛硬件系統(tǒng)集成可靠。

4  向量產演進

Pony.ai 中央車載計算平臺不僅僅是一個前沿的預研項目，而是目標支持L4無人駕駛硬件的量產：

每一個設計細節(jié)都充分考慮DFM和DFA，使得批量加工和組裝成為可能，并保證量產級別的成品率；

計算平臺非常容易部署和維護，整體設計即插即用，模塊化設計易保養(yǎng)維護；最后，計算平臺有清晰的車規(guī)路線圖，在2023年即可實現(xiàn)車規(guī)級L4計算平臺。