英特爾無(wú)人駕駛的跬步千里基于OpenCL*的DLA：低功耗支撐無(wú)人駕駛強(qiáng)計(jì)算
從前人們認(rèn)為無(wú)人駕駛、機(jī)器駕駛員解放人類(lèi)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(dòng)車(chē)輪上的數(shù)據(jù)中心，英特爾當(dāng)前在無(wú)人駕駛領(lǐng)域的發(fā)力用不積跬步無(wú)以至千里來(lái)形容再合適不過(guò)，而其中的的六大技術(shù)即是跬步，也是助力無(wú)人駕駛車(chē)輛致千里的關(guān)鍵所在。
你知道嗎？未來(lái)，一輛無(wú)人駕駛汽車(chē)在90分鐘之內(nèi)就會(huì)產(chǎn)生4TB的數(shù)據(jù)量，這些數(shù)據(jù)可以幫助汽車(chē)了解其所在環(huán)境，讓車(chē)輛可以安全的行駛在道路上。如果沒(méi)有車(chē)內(nèi)人工智能利用機(jī)器視覺(jué)和深度學(xué)習(xí)實(shí)時(shí)對(duì)數(shù)據(jù)加以分析，無(wú)人駕駛汽車(chē)就很難輕松上路。但這類(lèi)人工智能負(fù)載通常需要消耗非常多的電力，并且難以在車(chē)內(nèi)有限的功率下運(yùn)行。因此，如果能用更低功耗來(lái)支撐更強(qiáng)大的計(jì)算，就會(huì)更有效地利用人工智能幫助汽車(chē)做決策。英特爾研發(fā)基于OpenCL*的DLA（DeepLearningAccelerator）就可以有效解決這一難題，為功耗減負(fù)、為計(jì)算加碼。
能效乘法：對(duì)CPU和FPGA進(jìn)行優(yōu)化分區(qū)
人工智能是一個(gè)混合算法，它不僅僅是計(jì)算機(jī)視覺(jué)，機(jī)器人維修，從自然語(yǔ)言處理到?jīng)Q策都對(duì)計(jì)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(dāng)前英特爾在利用CPU做預(yù)測(cè)和順序執(zhí)行方面很有優(yōu)勢(shì)，但同時(shí)，車(chē)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(gòu)Altera，F(xiàn)PGA在并行執(zhí)行上的優(yōu)異表現(xiàn)讓這一問(wèn)題得以解決。英特爾在無(wú)人駕駛領(lǐng)域采用了混合架構(gòu)，其中包括CPU、FPGA以及未來(lái)Mobileye專(zhuān)用的視覺(jué)芯片與視覺(jué)計(jì)算等方式，充分發(fā)揮每個(gè)芯片的特點(diǎn)來(lái)保證計(jì)算效果，從而在開(kāi)放混合的平臺(tái)上保證人工智能在無(wú)人駕駛上的實(shí)現(xiàn)，KUKA機(jī)器人電路板維修，同時(shí)保證了性能、功耗已經(jīng)工程化的統(tǒng)一。
通過(guò)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(shí)時(shí)執(zhí)行復(fù)雜的人工智能算法。
40瓦vs.250瓦：FPGA相對(duì)于GPU的能效優(yōu)勢(shì)
汽車(chē)?yán)枚鄶z像頭中的深度學(xué)習(xí)來(lái)執(zhí)行實(shí)時(shí)對(duì)象檢測(cè)和分類(lèi)
無(wú)人駕駛汽車(chē)需要時(shí)刻眼觀六路，多攝像頭神經(jīng)網(wǎng)絡(luò)就會(huì)利用復(fù)雜的深度學(xué)習(xí)算法來(lái)對(duì)物體進(jìn)行檢測(cè)和分類(lèi)：哪些是行人？哪個(gè)是箱子？這些功耗都將被控制在40瓦以下，而通過(guò)對(duì)比，GPU完成這一系列動(dòng)作則需要250瓦的功耗。因此，KUKA機(jī)器人維修，利用運(yùn)行在WindRiverLinux*上的英特爾？Arria?10FPGA和英特爾？至強(qiáng)？CPU，展示了英特爾技術(shù)明顯的功耗優(yōu)勢(shì)。
如果想早日體驗(yàn)高度無(wú)人駕駛帶來(lái)的高效與便利，就不能忽視量產(chǎn)過(guò)程中的能耗問(wèn)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(zhǎng)，這既是技術(shù)積累，又是能耗減負(fù)，有了這一關(guān)鍵技術(shù)，英特爾就能助力無(wú)人駕駛車(chē)輛輕裝上陣。