2016年主动驾驭技能范畴扩张目的十分明显，光是在主动驾驭车的晶片细分商场中，除了辉达（Nvidia）、Mobileye、恩智浦（NXP）和德州仪器（TI）等咱们耳熟能详的公司外，还出现出了许多“新面孔” ——例如IP供货商Ceva以及英特尔和高通（Qualcomm）等。轿车OEM厂商正打开双臂欢迎这些商场新进业者，IHSAutomotive资讯文娱与先进驾驭辅佐体系（ADAS）研讨总监EgilJuliussen在CES上表明，“这个范畴忽然变得热闹非凡。”
到现在为止，出资方和媒体社群都十分热衷于支撑主动驾驭车技能——感测、开麦拉、雷达和光达、地图制作、演算法、深度网路（或许非深度网路）与人工才智等等。但关于他们之中的大多数人来说，仍不清楚的是这些技能在主动驾驭车规划的演进中将怎么收场，更不必说在这场战役中谁胜谁败了。Mobileye一同创办人兼履行长AmnonShashua表明，他起先以为竞赛对手成心传达有关这些技能的过错音讯，想要构成“战役迷雾”。但他现在意识到，“人们真的感到十分困惑，由于他们真的不了解。”
在本年的CES上，Nvidia挟其“深度学习”技能以及Mobileye展现地图制作技能，成为这次展会上最耀眼的明星，这两家公司在ADAS和主动驾驭范畴的竞赛都适当剧烈。Ceva履行长GideonWertheizer将上述两强之间的揭露争论描绘为“出资的桥段”。事实上，Mobileye的股票在Nvidia宣布声明后不久就应声下跌了近10%，而在CES上举行新闻发布会后又涨了一些。
Mobileye地图制作技能
不过，Mobileye的声明的确含有必定的重要技能份量。Wertheizer在一次承受专访中特别介绍了Mobileye最新开发的地图制作技能——称为路途体会办理体系（REM），并以为它对竞赛晶片供货商以及恩智浦、博世（Bosch）与Denso等一线厂商来说或许“最具要挟性”。据Mobileye泄漏，REM能够为准确定位和高解析车道材料发明“多源即时材料”，这是援助彻底主动驾驭所需的重要资讯层。
这种技能是依据履行于MobileyeEyeQ处理晶片的软体。它能以极低的频宽撷取地标和路途资讯——大约每行进一公里撷取10Kb（相形之下，Google进行定位和制作HD地图时大约每公里1Gbit）。Mobileye解说道，在云端履行的后端软体能够搭载车载软体的一切轿车所发送的材料片段整组成一个全球地图。Mobileye的目视判读机制（有助于紧缩材料）应该能够帮忙轿车制造商发明自己的‘路途攻略’（RoadBook）。
Mobileye的多源方位协调体系只能在装置有MobileyeEyeQ晶片的轿车上才干作业。简言之，“Mobileye正确定其客户。”Ceva公司的Wertheizer指出。很明显地，跟着越来越多装置Mobileye晶片的轿车上路，REM也变得越来越成功。Shashua以为，REM关于轿车OEM来说之所以有吸引力，是由于“大型轿车制造商在发明自家路途攻略时能够发挥其于规划上的优势。”
启用REM对轿车制造商来说并不困难，Shashua指出，由于Mobileye的EyeQ晶片早已存在轿车生态体系中。建置REM所需求的便是EyeQ晶片和一条通讯链路——例如关于通用轿车（GeneralMotors）来说，能够运用自己的On-Star体系。通用轿车和福斯轿车（Volkswagen）在CES上宣告援助Mobileye提出的REM体系。别的一家规划与这两家适当的客户很快地也会签约REM，Shashua泄漏。
值得注意的是，全球轿车工业中有三分之一都现已运用EyeQ晶片了，Shashua指出，“咱们十分希望整个轿车工业都能用到REM。”现在只要丰田（Toyota）和戴姆勒（Daimler）这两家公司没有运用Mobileye的晶片。
Nvidia：DrivePX2感测器交融技能
到现在为止，电子工业中的主动驾驭车首要解说员一直是Nvidia履行长黄仁勋。极力宣扬‘深度学习’的黄仁勋常常教育人们，主动驾驭车需求一个功用强壮的视觉运算体系来交融从开麦拉和其它感测器而来的材料。换句话说，Nvidia 最新推出的DrivePX2被黄仁勋宣称为‘为轿车规划的超级电脑’，它将成为轿车的规范装备，能够用来感知轿车所在方位、辨识轿车周遭的物体，并且即时核算最安全的途径。
Nvidia还发布了一款名为Digits的深度学习渠道。Nvidia现已在用这个渠道测验自己的主动驾驭车了。“主动驾驭技能具有令人难以置信的困难度，”黄仁勋指出，“它可不像你用监理所的手册来编程‘驾驭’这么简略。”为了明显缩短开发和练习深度神经网路所需的时刻，轿车制造商需求像履行于在其伺服器超级电脑上的Digits这样的东西，Nvidia指出。
依据黄仁勋的设想，每家轿车公司终究都将具有一个端对端的体系——规模从用于练习深度神经网路的NvidiaDigits到用于轿车中布置网路输出的NvidiaDRIVEPX2。为主动驾驭开发人工才智软体的布达佩斯公司AdasWorks创办人兼履行长LaszloKishonti指出，该公司正与Nvidia合作开发用于富豪轿车（Volvo）的体系，这款根据GPU的体系能够即时处理来自多个感测器的材料。
Kishonti表明，AdasWorks不必处理器，“咱们选用GPU、FPGA或其它任何可用的嵌入式视觉SoC。”但运用Nvidia处理方案的一个重要优势是，在车载电脑上开发与验证的逐行程式码与伺服器上运用的程式码是彻底相同的。相较于Mobileye仅重视于视觉处理，“咱们的要点在于交融来自一切不同感测器的材料。视觉仅仅很多感测器材猜中的一部份，”Nvidia轿车整合部分资深司理DaveAnderson表明。
Nvidia规划的DRIVEPX2能够处理来自12个视讯开麦拉以及雷达、光达和超音波感测器的输入材料。他解说：“咱们交融了这些材料，使其得以准确地侦测方针物体、进行辨识，以及判别轿车与周围世界的相对方位，然后找到安全行进的最优途径。”
Ceva、高通也活跃参加
但是，Nvidia并不是仅有推进深度学习用于主动驾驭车的企业。Ceva也在活跃推行该公司自有的XM4成像与视觉DSP，这些DSP运用的是Ceva的即时神经网路软体架构，名为Ceva深度神经网路（CDNN）。Wertheizer解说说，该公司的客户将挑选一种练习有素的神经网路，预先处理物件参数。透过运用Ceva的DSP引擎、韧体和CDNN，选用浮点网路和权重描绘的物件参数将“在不丢失精度的条件下”被转换为定点客制的网路和权重，他表明。
藉由Ceva的XM4DSP，CDNN能够让嵌入式体系履行“深度学习使命，并且其学习速度比根据先进GPU的体系能快三倍，功耗小30倍，所需记忆体频宽小15倍。”Ceva指出。在CES上，高通发布了整合LTE数据机和机器才智的Snapdragon820车用系列产品。这个系列产品包含了高通的Zeroth机器才智渠道。Zeroth专案规划用于帮忙轿车制造商运用神经网路为ADAS和车载资讯文娱体系创立根据深度学习的处理方案。
但到现在为止，Snapdragon获得的规划订单还只限于资讯文娱功用。奥迪（Audi）在2017款轿车产品线中就选用了Snapdragon602A处理器。正如Ceva的履行长所指出的，Snapdragon820A还供给了轿车安全完好性等级（ASIL）评分，这是ISO26262界说的危险分类机制——针对路途轿车规范的功用性安全等级分类。与此相反，掩盖CDNN和XM4的Ceva端对端体系不久前才收到ASILB证书，他弥补道。
主动驾驭车的三大支柱
为了不被Nvidia以及也在推进深度学习的其他公司专美于前，Shashua在CES上提示人们，Mobileye在ADAS和主动驾驭车商场中依然遥遥领先。他着重，“开麦拉不仅仅一个感测器，而是主动驾驭车大脑的一部份。”Mobileye履行长Shashua也在坐落耶路撒冷的希伯来大学（HebrewUniversity）电脑科学系任教。他在年头的Mobileye新闻发布会宣布演讲时表明，“感测、地图制作和规划”是“主动驾驭的三大支柱。”
在他看来，现在有两大阵营致力于处理无人驾驭导航的应战。第一个阵营是Google和百度（Baidu）等公司，方针是为特定区域创立极度具体的地图 （厘米级准确度的3D地图），然后调配光达等低解析度的感测器一同运用，在有地图的区域就能以彻底主动的形式让轿车主动驾驭。
这种办法的问题是，地图扩大到全球等级基本上是不或许的，随时坚持地图更新也相同困难，由于一开端要创立地图所需的材料便是一个天文数字。
第二种办法是创立低解析度的世界地图，然后选用车上较高解析度的感测器——开麦拉和其它感测器对地图进行增强。Shashua称此为轿车工业的首选办法，由于它能让轿车能“以部份主动功用处处行进。”这种办法短少的是人类等级的人工才智（AI）来处理由感测器所撷取到的材料，他指出。主动驾驭车的方针是“以完好功用到处行进，”Shashua指出，这正是Mobileye提出REM的切入点。REM是Mobileye藉由“更强壮的人工才智”创立高解析度地图的一次测验。
这种体系规划可让一切运用Mobileye技能的轿车有效地发生世界地图，并创立Shashua所谓的‘路途手册’（roadbook）——一份根据云端的具体世界地图。这份地图能够不断地即时更新，终究为一切轿车制造商运用。
未来车载技能发展攻略
Shashua指出，每一家轿车制造商——福斯、通用和其他公司——都将开发并具有一份‘路途手册’——彼此间终究或许进行穿插授权，然后构成全球索引。当问到Mobileye是否也会具有地图时，他表明，“不会，咱们仅仅技能供货商。”但假如轿车工业往后开端评论“按路程计费”（pay-per- km）的商业模型时，Shashua表明，“咱们将会一同参加评论。”
当说到Nvidia时，Mobileye的这位履行长并未含糊其词。“从某方面来说，GPU作为视觉处理的黄金架构这个概念是十分过错的。”他以为Cuda“关于学术界来说是快速练习神经网路的一款优质程式规划东西。”事实上，这个东西能够让你在开发必要演算法和创立优质展现产品中快速完结80%的作业。但他指出，剩余的20%（从产品展现到出产演算法）既困难又耗时。Shashua玩笑地说，“剩余的20%是差异男人和男孩不同之处。”
