從前人們認為“無人駕駛”、 “機器駕駛員解放人類駕駛員”這樣的概念還遙不可及，然而英特爾正在讓這樣的構(gòu)想落地。為了驅(qū)動車輪上的數(shù)據(jù)中心，英特爾當前在無人駕駛領(lǐng)域的發(fā)力用“不積跬步無以至千里”來形容再合適不過，而其中的的六大技術(shù)即是“跬步”，也是助力無人駕駛車輛致千里的關(guān)鍵所在。

你知道嗎？未來，一輛無人駕駛汽車在90分鐘之內(nèi)就會產(chǎn)生4TB的數(shù)據(jù)量，這些數(shù)據(jù)可以幫助汽車了解其所在環(huán)境，讓車輛可以安全的行駛在道路上。如果沒有車內(nèi)人工智能利用機器視覺和深度學習實時對數(shù)據(jù)加以分析，無人駕駛汽車就很難輕松上路。但這類人工智能負載通常需要消耗非常多的電力，并且難以在車內(nèi)有限的功率下運行。因此，如果能用更低功耗來支撐更強大的計算，就會更有效地利用人工智能幫助汽車做決策。英特爾研發(fā)基于OpenCL*的DLA (Deep Learning Accelerator) 就可以有效解決這一難題，為功耗減負、為計算加碼。

能效乘法：對 CPU 和 FPGA 進行優(yōu)化分區(qū)

人工智能是一個混合算法，它不僅僅是計算機視覺，從自然語言處理到?jīng)Q策都對計算有著不同的需求，因此，只有有的放矢才能讓功耗最大化。當前英特爾在利用CPU做預(yù)測和順序執(zhí)行方面很有優(yōu)勢，但同時，車內(nèi)人工智能算法中有大量的并行執(zhí)行。隨著英特爾收購Altera，F(xiàn)PGA在并行執(zhí)行上的優(yōu)異表現(xiàn)讓這一問題得以解決。英特爾在無人駕駛領(lǐng)域采用了混合架構(gòu)，其中包括CPU、FPGA以及未來Mobileye專用的視覺芯片與視覺計算等方式，充分發(fā)揮每個芯片的特點來保證計算效果，從而在開放混合的平臺上保證人工智能在無人駕駛上的實現(xiàn)，同時保證了性能、功耗已經(jīng)工程化的統(tǒng)一。

通過優(yōu)化分區(qū)CPU和FPGA，英特爾能夠使能效提高6倍，利用非常低的功耗——僅23fps/瓦——就能實時執(zhí)行復(fù)雜的人工智能算法。

40 瓦 vs. 250 瓦： FPGA 相對于 GPU 的能效優(yōu)勢

汽車利用多攝像頭中的深度學習來執(zhí)行實時對象檢測和分類

無人駕駛汽車需要時刻“眼“觀六路，多攝像頭神經(jīng)網(wǎng)絡(luò)就會利用復(fù)雜的深度學習算法來對物體進行檢測和分類：哪些是行人？哪個是箱子？——這些功耗都將被控制在40瓦以下，而通過對比，GPU完成這一系列動作則需要250瓦的功耗。因此，利用運行在Wind River Linux*上的英特爾^? Arria^?10 FPGA和英特爾^?至強^?CPU，展示了英特爾技術(shù)明顯的功耗優(yōu)勢。

如果想早日體驗高度無人駕駛帶來的高效與便利，就不能忽視量產(chǎn)過程中的能耗問題。因此，英特爾讓混合架構(gòu)中的每一部分發(fā)揮各自所長，這既是技術(shù)積累，又是能耗減負，有了這一關(guān)鍵技術(shù)，英特爾就能助力無人駕駛車輛輕裝上陣。