图片70
欧洲运营商标准化协会(ETSI)定义了7种典型的边缘计算应用场景,涵盖了最主流的边缘计算产品内涵和垂直行业应用场景。包括监控视频流、增强现实AR、自动驾驶、工业互联等。
我们认为,自动驾驶场景在实际应用中需要不超过10ms的网络延迟,此类场景5G业务的终点不能依赖于核心网络后端的云平台,因此边缘计算的发展是最迫切、最必要的。
自动驾驶是四轮数据中心,车载边缘计算平台刚刚需要。随着汽车自动驾驶程度的提高,汽车自身产生的数据将越来越大。据英特尔CEOO的计算,假设一辆自动驾驶汽车配备了GPS.摄像头.雷达和激光雷达等传感器,上述自动驾驶汽车每天将产生约4000GB待处理的传感器数据。毫不夸张地说,自动驾驶是四个轮子上的数据中心,如何让自动驾驶汽车实时处理如此海量的数据,并在提取信息的基础上做出符合逻辑、形成安全驾驶行为的决策,需要强大的计算能力来支持。考虑到自动驾驶对延迟的要求很高,传统的云计算面临着明显的延迟、连接不稳定等问题,这意味着一个强大的车载边缘计算平台(芯片)已经成为刚刚需要的。事实上,如果我们打开现阶段展示的自动驾驶测试车的后备箱,我们会清楚地发现它与传统车的区别,并配备一个计算平台来处理传感器输入的信号数据,输出决策和控制信号。
高级自动驾驶的本质是AI计算,车载边缘计算平台的计算能力至少需要20T。从最终实现功能来看,边缘计算平台主要负责解决自动驾驶中的两个主要问题。1)处理输入信号(雷达、激光雷达、摄像头等)。);2)做出决策判断。给出控制信号:是加速还是刹车?左转还是右转英伟达CEO黄仁勋的观点是自动驾驶的本质是AI计算问题,需要的计算能力取决于想要实现的功能。它认为,自动驾驶汽车在判断周围环境后需要做出决定。采取什么样的行动本质上是AI计算的问题。车辆必须配备AI超级处理器,然后基于AI算法进行认知、推理和驾驶。按照国内领先的自动驾驶芯片设计初创企业地平线的观点,要实现L3级自动驾驶,至少需要20个teraflops(每秒万亿次浮点运算)以上的计算能力水平,而在L4级.L5级,计算能力要求将继续以数量级的形式上升。