今天的社會正變得越來越以多媒體為中心、依賴數據和自動化。自動駕駛技術正在道路、海洋和太空中普及。自動化、分析和智能正在從人類轉向“特定于機器”的應用。計算機視覺和視頻將在我們未來的數字世界中扮演重要角色。數以百萬計的智能傳感器將通過人工智能嵌入汽車、智能城市、智能家居和倉庫。此外，5G技術將成為一個完全互聯的智能世界的數據高速公路，或許將從人到機器，甚至機器人代理等一切事物連接起來。

一個多世紀以來，汽車行業一直是一個主要的經濟部門，它正朝著自動駕駛和聯網汽車的方向發展。汽車正變得越來越智能化，對人類操作的依賴也越來越少。車輛與車輛(V2V)和車輛與萬物互聯(V2X)，即來自傳感器和其他來源的信息通過高帶寬、低延遲和高可靠性的鏈路傳輸，為全自動駕駛鋪平了道路。自動駕駛背后最引人注目的因素是死亡和事故的減少。認識到90%以上的汽車事故是人為失誤造成的，自動駕駛汽車將在實現汽車行業“零事故”、“零排放”和“零擁堵”的宏偉愿景中發揮關鍵作用。

唯一的障礙是車輛必須具備看到、思考、學習和駕馭各種駕駛場景的能力。

根據Tractica公司最近的預測，到2025年，汽車人工智能硬件、軟件和服務的市場規模將從2017年的12億美元增至265億美元。這包括機器學習、深度學習、NLP、計算機視覺、機器推理和強大的人工智能。麥肯錫的一份報告稱，到2030年，全自動駕駛汽車將占全球乘用車銷量的15%，到2040年，這一數字將升至80%，具體取決于監管挑戰、消費者接受度和安全記錄等因素。自動駕駛目前是一個相對新生的市場，該系統的許多優勢只有在市場擴大之后才能完全體現出來。

圖1 2017年至2025年汽車人工智能市場預測

AI-Defined車輛

完全自主駕駛的體驗是通過一個復雜的傳感器和攝像頭網絡實現的，這些網絡為機器重現了外部環境。自動駕駛汽車通過處理攝像頭、激光雷達、雷達和超聲波傳感器收集的信息，告訴汽車與周圍物體的距離、路緣、車道標記、交通信號和行人等信息。

與此同時，隨著嵌入式系統、導航、傳感器、視覺數據和大數據分析等領域的最新進展，我們也見證了車輛和移動邊緣計算的智能化程度不斷提高。首先是先進的駕駛輔助系統(ADAS)，包括緊急制動、倒車攝像頭、自適應巡航控制和自動停車系統。

如圖2所示，由汽車工程師協會(SAE)定義的6個自動駕駛級別被引入后，全自動汽車有望逐步實現。這些級別的范圍從無自動化、有條件自動化(循環中的人類)到全自動汽車。隨著自動化水平的提高，汽車將接管司機更多的操作。ADAS主要分為自動化1級和自動化2級。Waymo、優步、特斯拉等汽車制造商和科技公司，以及一些一級汽車制造商，都在大力投資更高水平的駕駛自動化。

圖2 SAE為自動駕駛汽車劃分的級別

隨著人工智能技術創新的快速增長，四級解決方案得到了更廣泛的接受，面向的主要是在高速公路上運行的車輛。

雖然此時第3級和第4級之間的難題主要是監管，但第4級和第5級之間的跳躍要大得多。后者需要具備導航復雜路線和不可預見情況的技術處理能力，目前需要人為干預。

隨著自動化水平的提高，將需要更多的傳感器、處理能力、內存、高效功耗和網絡連接帶寬管理。圖3顯示了自動駕駛汽車所需的各種傳感器。

圖3 自動駕駛汽車所需的傳感器(攝像頭，激光雷達，雷達，超聲波)

深度學習、邊緣計算和汽車互聯網的融合，是由人工智能汽車和車輛通信的最新進展推動的。在可視化數據應用和行業中，面向機器的視頻處理和編碼的另一種實現技術是新興的MPEG機器視頻編碼(MPEG- vcm)標準。研究了VCM的兩種具體技術:

?有效壓縮視頻/圖像

?主要特征提取的共享

用于邊緣推理的強大人工智能加速器、用于機器視頻壓縮和分析的基于標準的算法(MPEG-VCM)以及5G互聯汽車(V2X)在實現自動駕駛汽車的全面發展中發揮了關鍵作用。

5G-V2X和新興的MPEG-VCM標準使行業朝著統一的國際標準努力。這種統一的法規和國際標準的建立對未來智能交通和人工智能汽車行業的全球市場至關重要。

未來的自動駕駛汽車(AV)行業有很多可能的VCM-V2X聯合架構。根據給定AV基礎架構場景的需求，我們可以使用集中式、分布式或混合的VCM-V2X架構，如圖4所示。目前，大多數聯網汽車制造商都在嘗試使用低成本攝像頭的集中式架構。然而，隨著相機變得更加智能、分布式和混合架構，由于它們的可伸縮性、靈活性和資源共享能力會變得更有吸引力。新興的MPEG-VCM標準還提供了傳輸壓縮提取特征的能力，而不是在車輛之間發送壓縮的視頻或圖像。

Gyrfalcon Technology Inc.是這些創新的先鋒，利用人工智能和深度學習的力量，為人工智能驅動的攝像頭和自動駕駛汽車提供了突破性的解決方案，具備極強的性能、能效和可擴展性，在設備、邊緣和云級別加速人工智能推理。

5G、邊緣計算、計算機視覺、深度學習和機器視頻編碼(VCM)技術的融合將是全自動駕駛汽車的關鍵。標準和互操作技術，如V2X、新興的MPEG-VCM標準、強大的edge和板載計算推理加速器芯片，使低延遲、高能效、低成本和安全優勢能夠滿足人工智能汽車行業的苛刻要求。

關于Manouchehr Rafie博士

Rafie博士是Gyrfalcon Technology Inc. (GTI)的高級技術副總裁，他正在推動公司在深度學習、AI邊緣計算和可視化數據分析的融合方面的先進技術。他還擔任MPEG-VCM標準的新興視頻編碼機器(VCM)聯合主席。在加入GTI之前，Rafie博士曾擔任多個初創公司和大公司的執行/高級技術職務，包括Exalt Wireless的接入產品副總裁，Cadence Design Services的集團董事和研究員職位，以及UC Berkeley University的兼職教授。他發表了90多篇文章，并在世界范圍內的許多技術會議和專業協會擔任主席、講師和編輯。

原文鏈接：https://semiwiki.com/automotive/296421-accelerating-ai-defined-cars/
編輯：lyn