标签归档:解析

解析 | 中国计划投入1800亿美元建设5G网络,5G到底有多重要?

雷锋网按:本文作者铁流,雷锋网首发文章。

在这几年,4G通信刚刚进入寻常百姓家。5G通信又映入人们眼帘,根据雷锋网此前报道:7年斥资1800亿!中国要建全球最大5G网络。那么,5G通信相对于4G通信到底有哪些技术进步?中国掌握了哪些5G通信关键技术?斥资1800亿美元建设全球最大的5G网络到底能带来哪些好处?

5G通信相对于4G通信的进步

5G指的是第五代通信技术,具有连续广域覆盖、热点高容量、低功耗大连接、低时延高可靠性等特点,而这些就是5G通信相对于4G通信的最显著进步。

连续广域覆盖指的是能在偏远山区、地下车库、高速移动状态下,以保证用户的移动性和业务连续性为目标,为用户提供100Mbps以上的高速业务体验,换言之,就是信号覆盖范围更广,网速更快,而且在现在4G网络表现不是特别好的地下车库,或者高铁等快速移动的场景能有比较流畅的体验。

热点高容量指的是在人口密集区为用户提供1Gbps用户体验速率和10Gbps峰值速率;在流量热点区域,可实现每平方公里10-100Tbps的流量密度。也就是在人口高度密集的区域,再也不用担心因为过多4G用户同时使用网络而导致网速下降或者网络拥堵了。

低功耗大连接能够提供具备超千亿网络连接的支持能力,满足100万/km2连接数密度指标要求。这项功能主要面对面向智慧城市、环境监测、智能农业、森林防火等以传感和数据采集为目标的应用场景,对于提升城市管理能力、政府公共服务、森林防火,以及更好的打击犯罪维护社会秩序都有很大的积极意义。

低时延高可靠指的是为用户提供毫秒级的端到端时延和接近100%的业务可靠性保证。这主要是面向自动驾驶、工业4.0等行业的特殊应用需求。毕竟自动驾驶对于延时和通信的可靠性要求非常高,如果达不到所需的要求很可能导致车毁人亡。

从中可以看出,相对于4G通信,5G通信能够提供覆盖更广泛的信号,而且上网的速度更快、流量密度更大,同时还将渗透到物联网中,实现智慧城市、环境监测、智能农业、工业自动化、医疗仪器、无人驾驶、家用电器和手持通讯终端的深度融合,换言之,就是万物互联。

中国掌握了哪些5G关键技术

由于5G通信标准依然在制定过程中,诸多技术也在发展,而且对于某些技术是否会成为5G通信的关键技术也存在争议,就此简单介绍下业界比较看好的一些关键技术。

首先是多址。多址技术指的是解决多个用户同时和基站通信的问题,怎么来分享资源的技术,第一代通信采用的是FDMA技术,第二代通信采用的是TDMA技术,第三代通信采用的是CDMA技术,第四代通信采用的是OFDMA技术。

高通在3G时代之所以能占据近乎统治地位,一定程度就得益于对CDMA专利的垄断,而在4G时代因为中欧联手“去高通化”,没有通过CDMA进行演进,而是选择了OFDMA技术,加上其他一些因素,使得高通在4G时代跌落神坛。这些事例都表明多址技术的重要性。在5G标准争夺战中,多址是一个很关键的争夺点,现在流行看法就是NOMA,不过也有学者持不同看法。

其次是编码。编码有长码和短码组成,一般采用最短的二进制位数表示一个指令,二进制位数越短则效率越高,在指令数量不变的情况下,越常用的指令当然越短越好。然而,如果一味的追求指令简短,必然会导致很多指令不等长,而不等长的指令将造成接收端沉重的处理负担。如果用等长的长编码虽然可以解决不等长指令的问题,但显然会导致无效数据的大量传输,浪费带宽。

在此情形下,工程师采取了折中的方案——把指令编成两个组或者三个组,常用的指令用相对短的二进制位数表示,不常用的指令用相对长的二进制位数表示,这样就解决了数据传输效率和减少接收端处理负担的矛盾。

在去年,中国厂商主推的Polar与欧洲主推的Turbo2.0、美国主推的LDPC开展了eMBB场景长码和短码方案的争夺。美国企业斩获了eMBB场景的长码和短码的编码信道(用来增强数据在信道中传输时抵御各种干扰的能力),中国企业获得eMBB场景短码的控制信道(主要用于传输指令操作下级网络设备)。虽然在eMBB场景编码技术的博弈中,中国主推的Polar逊色于美国主推的LDPC一筹,但相对于毫无斩获的Turbo2.0还是要强不少。

最后是多天线技术。多天线是一种增加容量的技术,在理论上能把容量提高很多倍。简单的说,就是在现有多天线的基础上通过增加天线数,甚至配置数十根甚至数百根以上天线,支持数十个独立的空间数据流,实现用户系统频谱效率的大幅提升。

现在业界比较看好的是MIMO技术,大规模MIMO技术不仅能够在不增加频谱资源的情况下降低发射功率、减小小区内以及小区间干扰,还能实现频谱效率和功率效率在4G 的基础上再提升一个量级。此外,射频调制解调技术、软频率复用技术也有望成为5G通信的关键技术,特别是软频率复用方面的重量级专利掌握在中国企业的手中。

总体来说,中国在多项5G关键技术上取得重要突破,一些技术已经进入测试验证阶段。在最近,展讯第一版使用FPGA的原型机Pilot V1已完成与华为的对接实验,第二版原型机计划带宽将提高到100M,并于2017年下半年与系统厂商进行对接。

投入1800亿元能促进产业发展

在5G时代即将到来之际,三大运营商投入1800亿美元建设5G通信网络是具有远见的举措,不仅能快速推进5G通信产业化,还能强大中国通信产业,并为有助于中国在5G通信标准中获得更大的话语权。

对于制造业而言,如果用5G网络把工厂连起来,用统一的平台将中国的工厂连接起来,完善工业制造的大数据,飞机合作开发终端、汽车合作开发终端、舰船合作开发终端。这就能实现工业4.0,进一步提升中国工业的技术水平和生产效率,完成中工业大国到工业强国的转变。

另外,工业互联网还能有助于促进年轻人创业,降低创业的技术门槛和资金成本。如果投身制造业,在年轻人创业过程中,很大一块成本就是建厂、购买设备、训练工人,以及实现低成本的批量化生产。当工业互联网将工厂与工厂,工厂与普通人连接起来之后,则提供了另一种可能。在工业生产的淡季,工厂可以将闲置产能以租凭的形式放到网络上,有创意和想法的创业者可以通过网络和工厂对接,像操作手机APP一样输入产品参数,以获得工厂提供的定制化服务,产品则会送到约定地点。

5G还将改变人们的生活方式。随着自动驾驶技术的进一步成熟,自动驾驶将会逐步走入人们的生活,在5G网络将车辆连在一起之后,辅助以高精度地图,就能大幅方便人民群众的出行。5G网络还使智能生活得以实现,用户可以依靠手机在千里之外对家中的一切了如指掌——在下班等待公交或地铁的途中,我们可以查看家里冰箱的食物储备,命令电饭煲加热米饭,微波炉加热食物,空调恒定温度,热水器烧热水,智能电商下载喜欢的电影……

此外,智能穿戴设备与小孩、老人身上的智能硬件连接,在工作的闲暇,人们可以时刻掌握老人和孩子的情况。智能手表不仅可以实现语音通信、查看时间等功能,还能时时检测佩带着的脉搏、体温等健康数据。虚拟现实设备能使大家在家中就能获得身临其境的感受。各种传感器可以时时监控智能农场的光照、温度、湿度等参数,时时调整农作物获得的光照、化肥和水分,使农场实现无人化管理……这些功能所需要的庞大数据传输能力则由5G网络来解决。

【完】

雷锋网

解析 | 京东方成功研发的AMQLED显示产品,和LCD、AMOLED相比各有何优劣?

雷锋网按:本文作者铁流,雷锋网首发文章,未经授权请勿转载。

日前(3月10日),京东方成功研制出5英寸主动式电致量子点发光显示产品(AMQLED),该产品是京东方承担的科技部国家重点研发计划“量子点发光显示关键材料与器件研究”项目的科研结果。

在LCD、OLED、AMOLED、PMOLED等种类面板已经让人眼花缭乱的情况下,京东方又推出一个AMQLED,那么这些屏幕,到底各有什么特点,我们日常每天都在使用的手机用的究竟是哪张屏幕呢?

AMOLED、PMOLED都属于OLED

OLED的英文全名是Organic Light Emitting Diode,翻译过来就是有机发光二极管。Organic 指的是有机,就是在正负极之间时间使用了一系列的有机薄膜材料,从而达到发光的目的。

OLED具有自发光、广视角、高对比度、低耗电、高响应速率、全彩化、制造简单等优点,因而被誉为下一代显示技术,三星、LG等国际面板大厂都非常重视OLED技术。

OLED按驱动方式分类,可以分为

  • AMOLED

  • PMOLED

区别在于一个是主动控制发光,一个是被动控制发光。AMOLED的英文全名为Active Matrix Organic Light Emitting Diode,意思是主动矩阵有机发光二极管。而PMOLED的英文全名为Passive Matrix Organic Light Emitting Diode,意思是被动矩阵有机发光二极管。PMOLED采用扫描的方式,需要瞬间产生较高的亮度,而且消耗电量高。此外,PMOLED的显示器件较易老化,寿命周期也较短。更关键的是这种技术不适合大尺寸高分辨率屏幕。

AMOLED由OLED和驱动器组成。在每个发光二极管上都加装了薄膜晶体管和电容层来控制有机发光二极管的亮度,从而实现更快速和更精确的像素发光控制。与PMOLED 相比,AMOLED 在能耗、显示质量和寿命周期上更具有优势,而且在大尺寸面板上,AMOLED也更具优势。

因此,AMOLED越来越受青睐,商业上的需求量也不断增大,在大约五、六年前AMOLED产值就已经超越了PMOLED。而如今三星、LG将面板产能转向OLED,大家的第一反映也是三星、LG转产AMOLED面板。

LCD和OLED孰优孰劣

在2015年年底,京东方在合肥投资400亿元建设10.5代薄膜晶体管液晶显示器件(TFT-LCD)生产线,用于生产65英寸以上大尺寸超高清液晶显示屏。在国内依旧在投资LCD的情况下,三星和LG已经将部分生产线产能转为OLED。那么,LCD和OLED到底各有什么优劣呢?

LCD的的结构有点类似三明治,上下层是玻璃基板,中间是薄膜晶体管和彩色滤光片,通过薄膜晶体管的信号与电压变化来控制像素点的显示效果。LCD液晶面板有数种分支,比如比较高端且显示效果较好的IPS,AFFS等。

这些LCD面板分支的显示细节不同,但本质上都是通过液晶的光学偏振特性,是对背光源进行特定的光谱吸收(选择性通过)来呈现不同的颜色。然而,因为偏振滤光的因素,LCD的光源效率至少折半,并且背光源的光谱特性,亮度会直接影响显示效果。

相比之下,高端OLED则是采用点阵主动发光技术,通过RGB三原色点阵主动发光(有一种廉价OLED技术,通过白光OLED和滤光层达到不同显色,类似LCD),以及不同强弱搭配来呈现不同颜色。

这种方式由于没有偏振滤光,所以光源效率更高,颜色纯粹。在亮度动态范围上,由于OLED采用主动发光技术,可以呈现更高明暗对比度,而不像LCD技术的暗场景实际上是对强背光源进行偏振阻隔,始终会有小比率泄露。

虽然最新LCD技术为了可视角度对点阵的3D构型,光电特性上做了一系列改良,但由于天生的多层滤光结构,在不同角度的视觉一致性上,LCD技术弱于表面发光的OLED技术。

由于LCD的光源实际上通过一系列LED光源(老式背光源为CCFL灯管,一般位于屏幕边缘)通过散射膜均匀散射在屏幕后,而装配的误差,形变等可能造成导光不均,屏幕亮度和色域一致性受到影响(采用LCD的设备,容易出现阴阳屏的问题,或者漏光的问题,就有这个因素)。

不过在显示色域上,当前的OLED和LCD 技术相当,尤其是采用RGB三色LED背光源的IPS LCD屏幕,其色域范围同OLED不相上下。由于不同于LCD的背光-滤光显示方式,因此OLED屏幕在超薄化,屏幕柔性化上,均要优于LCD屏幕。

虽然早期OLED由于主动发光材质特性,寿命和可靠性也并不如LCD屏幕,但随着OLED的大规模应用,以及技术的发展和时间的推移,OLED已经越来越成熟。

而且在OLED的应用上,三星和坑过HTC一把——三星虽然在OLED技术上领先,但当年自己却因为OLED技术的潜在隐患不敢在手机大量采用OLED技术,反而是HTC成了第一个量产使用OLED的品牌,三星在HTC团队协助下成功商业化OLED后,反而用各种借口和理由压缩对HTC出货,转而开始自己大规模使用OLED屏幕,这件也是让台湾IT行业耿耿于怀多年的事情……经过多年的大规模应用,经过几代改进,现在的OLED屏幕在正常使用下,寿命和成本已经不弱于LCD技术。

诚然,在整体产能上,OLED也无法与LCD竞争。LCD面板依旧是目前的主流。手机屏幕中既有LCD,比如诸多国产手机。也有OLED,比如在OLED颇有技术积累的三星,三星高端手机很多采用OLED屏幕。

AMOLED技术专利大多被国外垄断

AMOLED技术专利申请始于上世纪90年代,美国、韩国、日本申请的AMOLED专利占有情况超过了专利总量的半壁江山,就OLED技术以及上游设备等方面,就专利的公司占有情况来说,更是高度垄断于少数几个公司,比如三星的OLED专利和技术上一家独大,佳能旗下Tokki垄断蒸镀机等。

在技术专利高度被国外垄断的情况下,经过多年量产化和升级,OLED屏幕在成本和功耗上已经接近LCD屏幕。这就给依旧以LCD为主的国内面板企业带来了一定危机感——实际上中国在这个业内的竞争,是通过成熟的LCD来培养产业,在这个基础上,逐渐从少数公司对OLED垄断下逐渐提升在OLED领域的竞争力,甚至开发新技术,力图弯道超车。

而本次京东方承担的科技部国家重点研发计划“量子点发光显示关键材料与器件研究”项目开发出的5英寸AMQLED显示屏,则是面对国外企业在AMOLED专利上占据绝对优势的有益尝试——AMQLED的显示器件的结构类似于AMOLED,区别在于AMOLED的发光光源为有机发光材料,而AMQLED的发光光源为无机量子点。

更关键的是AMQLED可以实现全彩显示,其色域超过100%。相比于AMOLED更具有寿命长、色域广、成本低的潜在优势。特别是在在大尺寸主动式发光显示领域,AMQLED比AMOLED更具有比较优势。总而言之,AMQLED是有可能取代AMOLED的显示技术。

笔者认为,科技部国家重点研发计划“量子点发光显示关键材料与器件研究”项目的立项原因之一,不排除是为了避免遭遇国外 AMOLED专利讹诈,而AMQLED则有可能成为中国在面板业上弯道超车之举。

雷锋网

解析 | Wireline的关键技术——基于ADC的SerDes

雷锋网按:本文作者唐良晓,北京大学博士生,UCLA访问学者,矽说(微信号:silicon_talks)主笔。雷锋网首发文章。

数字电路具有稳定性好、可迁移性强以及便于高度集成等优势,使模拟电路的数字化成为不可阻挡的趋势。这在Wireline SerDes领域也不例外。因此,用ADC和数字信号处理模块代替复杂的模拟前端,是SerDes设计者努力的目标之一。今天我们就来聊一聊基于ADC的SerDes技术。

是SerDes?也是DA/AD!

SerDes是Serializer/Deserializer的简称,顾名思义是指串化器和解串器。但是,将SerDes仅仅描述为串化器和解串器,这样的解释并不完整。除了串化器和解串器,SerDes系统还包括发送端的驱动级和接收端的模拟前端。发送端驱动级将串化后的信号送入信道;而在信道的另一端,接收器的模拟前端将接收到的模拟信号转化为数字信号。

图 1 常见Wireline SerDes系统架构

细心的读者一定已经发现,发送端驱动器其实就是一个DAC(数字-模拟转化器),而接收器的模拟前端就是一个ADC(模拟-数字转化器)。当然,比较特殊的是,对于传输“0”和“1”电平的SerDes系统而言,这里的“DAC”和“ADC”有效位都只有1比特。此外,与传统AD/DA的差别在于,为了补偿信道的影响,SerDes中的“DAC”和“ADC”通常具有均衡能力。

ADC与M-PAM信号

ADC的喜与悲

接收器模拟前端需要通过均衡补偿信道的衰减,而传统的均衡器主要由模拟电路实现。这部分模拟电路通常是整个SerDes设计的重点,工作量大、难度高,而且难以在工艺之间迁移和复用。因此,长久以来,人们都希望借助于多比特的ADC和数字信号处理模块来实现均衡的功能,从而减小甚至取代传统的模拟前端。

然而,理想很丰满,现实很骨感。

对于低速SerDes系统而言,模拟前端的设计难度小、功耗低;使用ADC反而会增大系统的设计难度,在功耗和面积上带来更大的负担。而对于高速SerDes系统而言,实现高精度的高速ADC本身比实现模拟前端的代价更大。

因此,虽然时不时的会有人跳出来发个paper,谈一谈基于ADC的SerDes系统、描绘一番美好前景,但是传统的模拟方法长久以来一直是设计SerDes系统的主流方案。

M-PAM信号的兴起

但是,凡事都有“但是”。关注SerDes技术的读者一定会发现,近几年基于ADC的SerDes的文章越来越多。比如2016年ISSCC上Ultra-High-Speed Wireline Transceivers模块中一半是基于ADC架构的。

为什么基于ADC的SerDes突然又“得宠”了?

要回答这个问题,我们首先得介绍一下M-PAM信号(M Pulse-amplitude modulation,有时候也会把M放在后面,如PAM4和4PAM意思是相同的)。M-PAM是指一个符号包含M种幅度的。传统的Wireline系统中,发送端发送的信号只有“1”电平和“0”电平两种状态,所以一个符号包含1比特信息。

但是随着传输速度的不断提高,一方面信道的衰减越来越大;另一方面系统所能提供的均衡能力反而随着频率越来越小,面积和功耗则是越来越大。于是人们就想到,如果一个符号包含多个比特(比如0,1,2,3等4种状态),即使发送符号的速度保持不变,系统的传输速度也能成倍的提高。

图 2 PAM4 和 NRZ ,[Tektronix]

这种一个符号包含多个比特的思想广泛地应用于无线通信中,比如16-QAM、64-QAM、256-QAM等。这样的系统通常要求在发送端保证信号的线性度,而在接收端先通过ADC量化为数字信号,然后再进行均衡恢复数据。读到这里,我想你已经猜到为什么在M-PAM信号没有应用于Wireline SerDes中了——因为需要高速ADC。

图 3 无线数字通信接收机架构框图,[Noel O'Riordan, Silicon & Software Systems (S3)]

但是,现在情况逐渐在改变。M-PAM信号+ADC的组合所带来的优势正在逐渐改变人们的看法。你是愿意去设计56Gb/s的NRZ收发器(奈奎斯特频率达到28GHz),还是56Gb/s的4PAM收发器(奈奎斯特频率为14GHz)?这个问题的答案已经不是那么显而易见。而随着数据传输速度的进一步提高,M-PAM信号的优势将越来越诱人。 

基于ADC的SerDes技术

下面就介绍一下基于ADC的SerDes技术。为了描述的简洁和易懂,这里仅以NRZ信号为例进行介绍,大家可以自行推广到M-PAM信号的系统中。常见的基于ADC的SerDes系统有两种:一种是基于uniform ADC,另一种是基于non-uniform ADC。这里的uniform和non-uniform是指ADC量化中使用的步长是否均一。

基于Uniform ADC的SerDes系统

基于uniform ADC的SerDes系统架构与传统的SerDes系统架构比较接近。因为接收到的信号幅度与发送端信号摆幅和信道衰减相关。因此为了能够最大可能地利用ADC工作范围,通常需要使用AGC(auto gain control,增益自动调整放大器)将接收到的信号调整到合适的幅度。然后通过uniform ADC将接收到的模拟信号量化。量化后的信号就可以使用数字高通滤波器进行均衡。因此,量化误差将成为系统是否能够正确接收信号的关键。

图 4 传统收发器 V.S 基于uniform ADC的收发器 [Hayun Cung, 2014]

图 5 传统DFE与基于uniform ADC的DFE对比

与传统SerDes不同的是,量化后的数字信息稳定且易于存储,因此不仅可以通过DFE消除后序的ISI(码间干扰),还可以使用FFE消除前序的ISI。

基于non-uniform ADC的SerDes系统

基于Uniform ADC的SerDes想法非常直接,均衡方法与传统方法相似。但是,当需要补偿高损耗信道时,我们就需要的更多DFE的阶数,而不同的阶的DFE系数各不相同。因此,如果需要有效的区分这些不同阶DFE对信号产生的码间干扰,我们就需要提高ADC的精度、减小量化误差(如果量化误差比某些DFE的系数还大,那这些DFE的系数就会直接湮没在量化误差中)。这就意味着更多的比较器(flash ADC)或者更多的比较周期(SA ADC)。


图 6 基于non-uniform ADC的收发器 [E-Hung Chen, 2012]


图 7 基于non uniform ADC的DFE原理示意图

因此,人们就想到如果将ADC中的参考电平直接对应到DFE的系数,就可以理论上避免量化误差的影响。这就是non-uniform ADC。如果将这些非均一的参考电平进行合理地分组,即使有量化误差的存在,只要保证足够大的电压裕度(voltage margin),就能保证系统的较小误码率。这与uniform ADC的差别在于,这里的量化误差是可控的。当然,这样的代价是控制算法会更加复杂。

雷锋网

解析 | 英特尔为何要高调收购无人驾驶明星企业Mobileye?

雷锋网按:本文作者史高拔,汽车电子工程师,供职于国内某汽车技术中心,从事汽车智能网联技术研发。本文由雷锋网独家发布。

北京时间3月13日,据以色列媒体Haaretz报道,芯片巨头英特尔以150亿美元将以色列ADAS及自动驾驶公司Mobileye收入囊中。该消息曝光后,Mobileye股价在盘前交易中大涨,涨幅近30%。

昨晚的这一则突如其来的消息几乎占据了所有智能汽车行业的头条,这次收购在汽车界和科技界激起了巨大的浪花,英特尔作为处理器行业的巨头誓要杀入汽车行业,几乎将必然给智能汽车的产业格局带来巨大的影响,而这看似突然的收购,其实是英特尔产业布局的重要一步。

一、英特尔的收购之路

近两年,英特尔在收购Mobileye之前就已经进行了不少收购行动,有的收购价格甚至超过此次收购Mobileye,但由于被收购公司都不及Mobileye如此具有明星效应,这些收购并不为大众所熟知。我们回过头看这些收购举动会发现,英特尔早已对智能汽车这风口上的产业进行了布局。

1. 2015年,167亿美元收购FPGA公司Altera


(FPGA: 现场可编程门阵列,可通过配置其内部集成大量的数字电路实现特定并行运算阵列)

在机器学习领域中CPU+FPGA模式与CPU+GPU模式一起成为研究的热点,英特尔收购Altera正是看到了CPU在机器学习和图像识别等领域中的弱点,希望借助FPGA与英伟达在机器学习和智能驾驶领域一较高下。 

2. 2016年,3.5亿多美元收购深度学习初创企业

在布局了深度学习的硬件以后,英特尔又收购了深度学习公司Nervana Systems,这家初创公司提供的深度学习算法在人工智能和智能驾驶领域都有优异的效果。

3. 今年(2017年)年初,英特尔宣布收购HERE的15%股份

HERE是诺基亚推出的高清地图服务,在智能驾驶时代地图和导航将占据极其重要的地位,英特尔这项收购基本可以视为对自动驾驶时代的提前布局。

加上昨晚对Mobileye的收购,英特尔已经形成了“CPU+并行运算处理器+深度学习算法+地图+智能驾驶摄像头”的宏大布局,这也完整的构成了自动驾驶系统“环境感知+智能决策+智能控制”的闭环,甚至可以说英特尔已经拥有提供完整智能驾驶系统的能力。

二、错过移动时代的英特尔寻求新风口

由于X86架构的高功耗,英特尔几乎与整个移动时代无缘,若不是在PC和服务器领域的统治地位,英特尔或许早已举步维艰。随着汽车技术的发展,智能汽车产业爆发了对汽车级高性能处理器的巨大需求,这巨大的市场当然是英特尔不愿意再错过的。

在2015年英特尔就与汽车行业的厂商合作,尝试将以Apollo Lake为代表的高性能处理器运用到汽车的娱乐系统和智能驾驶舱中,并提出一颗处理器支持多块屏幕的一体化架构。但汽车娱乐系统处理器长期被老牌汽车芯片厂商NXP的i.MX6和TI的J6等平台霸占,新玩家英特尔并没有激起太大的风浪。

2017年CES上英特尔发布了强大的Intel go汽车电脑,搭载28颗Xeon处理器和两颗FPGA,并提供5G基带技术,意图与英伟达的DRIVE PX2平台直接竞争。但此时在英伟达已经进入自动驾驶领域两年,并已经和特斯拉展开深度合作,所以英特尔的这一产品并未在智能汽车领域受到过多的关注。

已经深入布局的英特尔当然不会满足于这样毫无存在感,只是与别人合作的被动局面。于是,昨天晚上,我们都看到了这家芯片巨头搅动的巨大风浪。

三、强强联合——英特尔和Mobileye各取所需

英特尔迟迟无法在新兴风口打开局面,这场收购对处理器巨头的好处显而易见: 

  • Mobileye在智能驾驶领域积累了充分的技术和经验,这些技术有助于英特尔完善其智能驾驶技术。

  • 英特尔可以结合Mobileye系统推出功能更加完善的车载电脑平台,提供一体化的自动驾驶解决方案。

  • 英特尔能有效利用Mobileye在汽车行业积累的巨大市场和汽车厂商合作资源,在汽车行业推广汽车级处理器。

对于已经成立17载,并在智能驾驶视觉识别领域早已占据70%以上的市场份额的Mobileye来说,这一收购也充满了新的机遇:

  • 与特斯拉分手后,业务前景并不乐观。特斯拉是Mobileye一战成名的舞台,相对于传统汽车厂商的保守,特斯拉对于自动驾驶的态度非常适合Mobileye大展拳脚,取得业界认可。但去年的一场事故断送了二者继续合作的可能,特斯拉牵起了英伟达的手,因此Mobileye也需要一个新的舞台来扩大自己的影响力,财力雄厚的英特尔是上佳选择。

  • 在一般的业务架构中,提供视觉处理系统的Mobileye只能与博世、德尔福等一级供应商合作来为汽车厂商提供智能驾驶方案,话语权和议价能力都不强。在与英特尔合作整合以后,可以为汽车公司整体的智能驾驶系统解决方案,大大提高了影响力。

  • 英特尔在芯片研发制造上的实力有助于Mobileye提高视觉处理芯片的技术、降低成本。

四、智能汽车处理器行业新局面

随着英这项收购尘埃落定,半导体巨头对汽车行业的渗透已经初露端倪:

  • 英伟达推出DRIVE PX 2平台

  • 高通收购NXP

  • 英特尔收购Mobileye

三大处理器巨头凭借自身的财力和技术优势都对智能汽车行业投入巨大,一系列的产业布局也在慢慢形成。而与之相比,瑞萨、TI等老牌汽车芯片厂商似乎在智能驾驶这一领域还迟迟没有拿出有效的行动,从目前的发展态势看,汽车超级处理器在自动驾驶的驱动下将会向百家争鸣向三强争霸的局面发展。

在自动驾驶这一波浪潮中,芯片厂商这一传统汽车行业中“透明人”逐渐成为舞台中的主角,他们在高性能运算、深度学习和算法上的优势一定会给“落后”的汽车电子行业带来新的变革。

五、总结

英特尔收购Mobileye无疑是现在火热的自动驾驶行业里的一颗重磅炸弹,英特尔以一种“从天而降”的姿态进入了大家的视野。这家处理器巨头在汽车行业已经布局许久,这次收购成功完成了“环境感知传感器+智能决策算法+智能控制处理器”的自动驾驶技术闭环,英特尔已经成为一个不可小觑的行业玩家。

当然,汽车行业向来不是个简单的战场,行业壁垒高企,安全要求严苛,整车企业掌握绝对话语权……这些因素历来让不少想加入的玩家折戟沉沙,而众多厂商也早已投入到智能驾驶这一新领域,英特尔能否有效整合各方资源推出安全可靠又低成本的智能驾驶系统还需要时间去检验,毕竟这样的巨头也曾在移动时代将一手好牌打烂,这到底是不是一次成功的收购还需等待时间的检验……

雷锋网

解析 | 深度学习在无人驾驶汽车上面的运用有哪些?

雷锋网按:本文作者Kevin Zhong,原载于知乎,雷锋网获授权转载。

深度学习在无人驾驶领域主要用于图像处理,也就是摄像头上面。当然也可以用于雷达的数据处理,但是基于图像极大丰富的信息以及难以手工建模的特性,深度学习能最大限度的发挥其优势。

现在介绍一下全球摄像头领域的巨擘,以色列的mobileye公司是怎么在他们的产品中运用深度学习的。 深度学习可以用于感知,识别周围环境,各种对车辆有用的信息;也可以用于决策,比如AlphaGo的走子网络(Policy Network),就是直接用DNN训练, 如何基于当前状态作出决策。

环境识别方面,mobileye把他们识别方面的工作主要分为三部分,物体识别,可行驶区域检测,行驶路径识别。

  • 物体识别

一般的物体识别是这样子的:

有一个长方形框框能识别出来车在哪里,很好,很不错,但是Mobileye出来的是这样子的:

以及这样子的:

很明显的区别就是Mobileye可以实现非常准确的车的正面以及侧面的检测,以及完全正确的区分左边侧面以及右边侧面(黄色和蓝色)。

这两种检测结果的信息量是完全不同的,左边这个检测结果告诉我们什么位置大概有一辆车,但是他的具体位置,车的朝向信息完全没有。但是从右边的检测结果,就可以相对精确的估算出来车的位置,行驶方向等重要信息,跟我们人看到后可以推测的信息差不多了。

这样出众的结果,对于较近距离的车,用其他基于几何的方法,多跟踪几帧,可能可以做到接近的效果,但是留意远处很小的车,结果也完全正确,这就只可能是深度学习的威力了。可惜Mobileye创始人兼CTO总爱四处显摆他们技术怎么怎么牛,之前也常发论文共享一些技术,但是在车辆识别怎么建模神经网络可以输出这么精确带orientation的bounding box,他只是微微一笑,说这里面有很多tricks……

如果谁知道学术界有类似的工作,请私信告诉我, 拜谢

  • 可行驶区域(free space)检测

深度学习以前的可行驶区域检测,有两种方法,一是基于双目摄像头立体视觉或者Structure from motion, 二是基于局部特征,马尔科夫场之类的图像分割。结果是这样的:

绿色部分是可行驶区域检测,看着还不错对不对? 但是注意左边的绿色部分涵盖了马路“倒鸭子”(雷锋网按:路边石)以及人行道部分,因为“倒鸭子”也就比路面高十厘米左右, 靠立体视觉是很难跟马路区分开来的。而传统的图像分割也很困难,因为局部特征上,“倒鸭子”上和路面的颜色极其接近。区分二者需要对环境整个context的综合理解。

自从有了深度学习可以做scene understanding之后,这个问题终于被攻克了:

绿色部分还是可行驶区域,马路右边的路肩跟路面的高度相差无几,颜色texture也是一模一样,用立体视觉的方法不可能区分开来。

而且不仅仅可行驶区域的边界准确检测出来了,连为什么是边界的原因也可以检测出来:

红色表示是物体跟道路的边界,鼠标位置那里表示的是Guard rail(护栏),而上一张图应该是Flat。这样在正常情况下知道哪些区域是可以行驶的,而在紧急情况下,也可以知道哪里是可以冲过去的。

当然,相较于第一部分,这一部分的原理是比较清楚的,就是基于深度学习的scene understanding。学术界也有蛮不错的结果了,比如下图(Cambridge的工作),路面跟倒鸭子就分的很好(蓝色跟紫色):

  • 行驶路径检测

这一部分工作要解决的问题主要是在没有车辆线或者车辆线状况很差的情况下,车怎么开的问题。如果所有的路况都如下:

那当然很完美,但是由于路况或者天气,有些时候车辆线是很难检测到的。

深度学习为此提供了一个解决办法。我们可以用人在没有车道线的路况下开车的数据来训练神经网络,训练好之后,神经网络在没有车道线的时候也能大概判断未来车可以怎么开。这一部分原理也是比较清楚的,找一个人开车,把整个开车的过程摄像头的录像保存下来,把人开车的策略车辆的行驶路径也保存下来。用每一帧图片作为输入,车辆未来一段时间(很短的时间)的路径作为输出训练神经网络。之前很火的Comma公司,黑苹果手机那个创立的,做的无人驾驶就是这种思路,因为其可靠性以及原创性还被LeCun鄙视了。

结果如下,可以看到神经网络提供的行驶路径基本上符合人类的判断:

更极端的情况:

绿色是预测的行驶路径。没有深度学习,这种场景也是完全不可能的。当然,我在最近的另外一个答案里面提到了,不能完全依靠神经网络来做路径规划,Mobileye也是综合传统的车道线检测,上面提到的场景分割检测到的护栏等,这一部分的神经网络输出等等,做信息融合最后得到一个稳定的完美的行驶路径。

未完待续……

雷锋网