【Waymo自动驾驶出租车计算“大脑”细节公布】
通常车里放置的可能是购物袋、备胎、跨接电缆等物品，那能每秒执行高达一千万亿次运算的高性能计算机呢？只有在Waymo的车上才能看到。Waymo首次公布了其自动驾驶出租车后备箱中强大计算“大脑”的关键细节，包括芯片架构、处理器规格和内部组件细节。今天发布在博客上的这些细节，还列出了Waymo用于打造驱动其无人驾驶车队计算机的硬件供应商。
【Waymo无人驾驶运营情况】
这让我们得以一窥全球无人驾驶技术领军者的奥秘。目前，Waymo在10多个城市运营着约4000辆车，每周大约完成50万次付费行程。该公司声称，与人类驾驶员相比，其技术能显著减少交通事故和人员伤亡。虽然运营这些车辆的大量工作依赖于在云端进行的大量训练和模拟，但也有很大一部分是在车辆自身完成的。
【无人驾驶汽车数据处理】
Waymo的无人驾驶出租车配备了摄像头、激光雷达和雷达，会接收海量的原始传感器数据。人工智能会对这些数据进行处理，即时了解车辆周围的情况，并在毫秒内将这些信息转化为安全驾驶指令。安装在车辆后备箱中的计算机，就像车辆的眼睛、耳朵和大脑，能够处理360度全方位的视野信息，并在没有人工干预的情况下瞬间做出决策。Waymo的计算机在运行时需要保持安静，同时不能在后备箱占用太多空间。（图片来源：Waymo）
【计算系统设计原则】
“自动驾驶的计算系统要处理高度多样化的工作负载，”工程副总裁Satish Jeyachandran和计算负责人Daniel Rosenband在博客文章中写道，“在Waymo，我们正在设计一个即使放在数据中心也堪称一流的系统，同时还要应对车内运行环境和实时性要求带来的额外复杂性。”Jeyachandran和Rosenband阐述了指导其计算系统设计的三项核心原则：响应迅速、坚固耐用和冗余备份。该系统需要能够尽可能快速、低延迟地响应传感器数据。这需要大量的计算能力，在过去八年里，Waymo的计算能力已经提升了20倍。它还需要能够应对道路上的颠簸和裂缝，以及极端温度。并且基本上需要能够并行运行两个系统，以防其中一个出现故障。这三位高管写道，这三项原则“没有商量的余地”。它还不能占满整个后备箱，毕竟还要考虑乘客和他们的行李。而且运行时要几乎无声，以免影响乘客的体验。虽然Waymo自己打造计算系统，但也依赖第三方供应商网络来提供其无法自行制造的组件。
【多传感器系统争议与Waymo观点】
考虑到特斯拉CEO埃隆·马斯克曾贬低多传感器系统存在固有缺陷，Waymo对其多传感器系统如何实时融合数据的解释就格外值得关注。马斯克称激光雷达是“拐杖”和“徒劳之举”，认为摄像头、雷达和激光雷达之间的传感器融合会带来危险的“传感器冲突”。他还认为，当不同传感器的数据出现分歧时，判断该信任哪个信号会造成致命的不确定性，而非提高安全性。但Waymo认为，其强大且具备冗余设计的系统使其能够大规模部署车辆。“我们构建了一个以机器学习为核心的架构，以极低的延迟运行先进的神经网络，”高管们写道，“为了在最大化机器学习计算时间的同时管理诸如编排、数据移动和日志记录等关键的非机器学习任务，我们将机器学习技术与最优秀的CPU、GPU和加速器相结合。最终形成了一个平衡的异构系统。”
【定制芯片处理数据】
在博客文章中，Waymo介绍了其定制的硅芯片——一款5纳米的专用集成电路（ASIC），旨在处理传感器传来的海量数据。该芯片不会将原始、杂乱的数据直接发送到车辆的主“大脑”，而是在前端对数据进行清理，整合传感器输入，并在信息传入时立即进行快速的人工智能检查。该芯片的专用前端处理能力达到每秒一千万亿次运算（1000 TOPS）。由于它是专门为Waymo的自动驾驶业务打造的，因此能完美融入整个系统，有助于将反应时间降至最低。看看下面这个场景。Waymo的高管声称，其系统能够“同时实时”更快速地处理来自13个高分辨率摄像头的高保真数据，从而提升在低光照条件下的感知能力。这样一来，它在黑暗中能看到更多传统摄像头经常遗漏的东西（右图）。（图片来源：Waymo）
【硬件供应商与成本问题】
Jeyachandran和Rosenband在博客文章结尾列出了帮助Waymo打造前沿系统的硬件供应商名单：AMD、美光、英伟达、三星、闪迪、索喜科技和台积电。该公司没有试图从头开始打造自己的计算系统，而是将内部精力集中在实时传感器融合和前端机器学习上，其他方面则依靠全球供应链。这让我们得以深入了解Waymo用于驱动其无人驾驶出租车车队的技术。但该公司并未提及一个重要方面：这一切的成本究竟是多少？一些估计显示，其第六代硬件每辆车的成本在2万至2.5万美元之间。虽然这与第五代每辆车估计10万至12.5万美元的成本相比大幅降低，但仍表明高昂的硬件成本可能会阻碍Waymo的持续扩张。为整个无人驾驶车队打造“大脑”无疑是一项了不起的成就。但要建立一个能够盈利的业务，则完全是另一项挑战。
