近幾十年來，圖形處理器（GPU）已從最初作為大型電玩的視頻顯示適配器演進(jìn)為一個(gè)強(qiáng)大的計(jì)算中心，并且正在推動(dòng)人工智能和機(jī)器學(xué)習(xí)的發(fā)展，包括從石油和天然氣勘探到自然語言處理等眾多領(lǐng)域的計(jì)算工作。如今，GPU正在自動(dòng)駕駛和先進(jìn)駕駛輔助系統(tǒng)（ADAS）技術(shù)的發(fā)展中扮演著越來越重要的作用。

　　在本文中，我們將介紹神經(jīng)網(wǎng)絡(luò)硬件加速器在自動(dòng)駕駛計(jì)算平臺(tái)的重要作用，他可以將極高性能和極低功耗完美結(jié)合在一起。

　　你或許想知道GPU是如何從電子游樂場(chǎng)走向前沿科學(xué)研究和自動(dòng)駕駛汽車的？GPU作為處理大數(shù)據(jù)工作負(fù)載的首選處理器而逐漸崛起，歸因于傳統(tǒng)中央處理器（CPU）和GPU之間存在一些基本的架構(gòu)差異。GPU是一種專用的微處理器，最初是為渲染游戲中的視覺效果和3D圖形而設(shè)計(jì)，這些游戲需要強(qiáng)大的計(jì)算能力來顯示實(shí)時(shí)動(dòng)作效果。為了提供這種能力，GPU使用數(shù)千個(gè)小型高效的內(nèi)核來實(shí)現(xiàn)可同時(shí)處理大量數(shù)據(jù)的大規(guī)模并行架構(gòu)。

　　相比之下，典型的CPU僅由幾個(gè)內(nèi)核和大量高速緩存組成，通常設(shè)計(jì)為一次只處理幾個(gè)軟件線程。CPU針對(duì)順序串行處理進(jìn)行了優(yōu)化，更適合于通用的計(jì)算工作。然而，當(dāng)涉及同時(shí)處理大量數(shù)據(jù)時(shí)，GPU則更勝一籌。

　　GPU憑借數(shù)百個(gè)內(nèi)核能夠并行處理數(shù)千個(gè)線程，與典型CPU的性能相比，GPU可以將某些軟件的性能提高20倍以上。越來越多出現(xiàn)的情況是，我們期望計(jì)算機(jī)為我們解決那些具有挑戰(zhàn)性的計(jì)算問題都具有固有的并行結(jié)構(gòu)——可以想想大量的視頻處理、圖像分析、信號(hào)處理和機(jī)器學(xué)習(xí)等流程，它們都必須能可靠、實(shí)時(shí)地運(yùn)行才可以確保實(shí)現(xiàn)汽車自動(dòng)駕駛。在諸如電池供電的電動(dòng)汽車等功率受限的系統(tǒng)中，GPU往往能夠在實(shí)現(xiàn)這種處理速度的同時(shí)提供比CPU更高的能效和成本效益，這一點(diǎn)也很重要。

　　GPU是為ADAS量身定制的

　　GPU非常適合汽車自動(dòng)駕駛和ADAS技術(shù)對(duì)處理能力的要求，尤其是在圖像分析和并行信號(hào)處理方面。對(duì)于起初為游戲而開發(fā)的GPU而言，圖像處理是其最擅長的領(lǐng)域。事實(shí)上，就計(jì)算方面來講，幾乎任何密集并行計(jì)算都適合用GPU來處理。

　　ADAS平臺(tái)可以利用GPU的圖形計(jì)算能力去實(shí)時(shí)處理和分析傳感器數(shù)據(jù)。

　　這些離散傳感器包括：

　　· 光探測(cè)和測(cè)距（激光雷達(dá)），用脈沖激光測(cè)量到目標(biāo)的距離。

　　· 無線電探測(cè)和測(cè)距（雷達(dá)），與激光雷達(dá)類似，但使用無線電波代替激光。

　　· 紅外（IR）攝像系統(tǒng)，使用熱成像技術(shù)在黑暗中進(jìn)行感知。

　　所有這些使ADAS能夠更好地解析環(huán)境，并且可提升系統(tǒng)輔助駕駛員和維護(hù)自動(dòng)駕駛汽車安全性的能力。自動(dòng)駕駛汽車分為6個(gè)級(jí)別，從完全沒有自動(dòng)化的0級(jí)（Level 0）到汽車完全自主的5級(jí)（Level 5）。隨著我們從2級(jí)提升至4級(jí)和5級(jí)，就越來越需要車內(nèi)系統(tǒng)能夠?qū)囕v所行駛的世界有更詳細(xì)、更廣泛的了解。